候補者が直近の内定を受諾した割合は、2023年第4四半期の85%から2025年第4四半期には48%まで低下した。Gartnerが2026年6月に発表した数字である。内定を10件出せば5件以上断られる市場で、多くの企業はいまもAI人材不足の答えを採用に求めている。より高い報酬を提示し、候補者を早く探し、採用広報を強めればよいという常識だ。本稿は、その常識に正面から反論する。
反論の根拠は三つある。採用単価は上がるのに、買ったスキルは早く古くなる。候補者は以前のようには動かない。外部採用に偏った戦略は、社内の信頼から先に崩す。そして代わりの答えがある。採用、育成、リスキリング、社内公募、配置転換、上司のフィードバック、評価制度を一つの流れとしてつなぐ、職種別AIスキルパイプラインである。本稿の後半で、その設計を6段階に整理した。
「AI人材は採用で確保する」という常識が揺らいでいる
この常識の魅力は単純さにある。足りなければ外から買えばよいという論理は、予算さえあれば実行できるように見える。しかし2026年のAIスキルは、AIエンジニアやデータサイエンティストだけが持つ専門能力ではなくなっている。サプライチェーン、営業、マーケティング、カスタマーサポート、製造、財務、人事、法務といった現場業務の中に入り込んでいる。企業に必要なのは、単に「AIに詳しい人」ではない。自社の業務を理解し、AIをどこに使い、どこで人が判断し、どの成果物をどの基準で確認するかを設計できる人材である。こうした人材は、採用市場に大量には存在しない。
Gartnerは2026年6月、サプライチェーン領域におけるAI人材需要について重要な変化を示した。2023年第1四半期から2026年第1四半期までに、AIスキルを求めるサプライチェーン職の需要は387%増加した。分析対象は3,500万件を超える求人情報と、約60万件のサプライチェーン職である。さらに重要なのは、AIスキルを求める役割の58%がミドルからシニア層に集中していた点だ。AIが需要予測、顧客分析、品質確認、採用支援、評価、財務分析、リスク検知に入るほど、業務を深く理解した人が必要になる。AIだけに詳しい人は、現場の例外や判断基準を読み切れない。業務だけに詳しい人は、AIを前提に業務を組み替える速度についていきにくい。
外から買う戦略の限界は、投資した企業の決算にも表れている。McKinseyによると、88%の企業が少なくとも一つの機能でAIを使っているが、AI導入がEBITに実質的に貢献したと見る企業は39%にとどまる。技術と人材を買うだけでは価値は生まれない。AI技術に1ドル使えば、その価値を生むために組織と人の変化に数倍の投資が必要になる。
したがって、2026年のAI人材戦略で重要なのは「採用か育成か」の二択ではない。どのスキルは外部から獲得し、どのスキルは社内で育て、どの人材は既存業務から隣接領域へ移すのかを分けて考えることだ。この整理がない企業は、二つのコストを同時に負う。高騰するAI人材を外部から買い続けるコストと、すでに社内にある業務知識や成長可能性を見落とすコストである。ここからは、採用万能論がなぜ成り立たないのかを三つの根拠で見ていく。
反論一：採用単価は3〜4倍、買ったスキルは2〜5年で古くなる
AI人材のコストは構造的に上がっている。Gartnerは2026年6月、CHROがAI投資の収益性を守るには、隠れた人件費を把握する必要があると指摘した。AI関連職の報酬は、平均的な労働者の3〜4倍に達する場合がある。一方で、AIスキルのライフサイクルは2〜5年程度まで短くなっている。高い報酬で採用したスキルが、数年で古くなる可能性があるということだ。Gartnerはさらに、2029年までにAIで置き換えられた社員の最大30%が、より高いコストで再雇用される可能性があると予測している。手放してから買い戻すコストまで含めれば、採用中心戦略の総コストは、目に見える報酬よりはるかに大きい。
反論二：候補者の半分は内定を断り、社内の人材は動かない
候補者市場も変わっている。Gartnerの2026年6月の人事領域の発表では、候補者が直近の内定を受諾した割合は、2023年第4四半期の85%から2025年第4四半期には48%まで低下した。2025年12月に3,072人を対象にした調査では、30%が、より良い条件の提示を受けても、経済的な不確実性を理由に現在の職務にとどまりたいと答えた。高度なスキルを持つ社員は、そうでない社員よりも現在の役割にとどまる可能性が39%高かった。2026年第1四半期の11,838人調査では、役割にとどまる意向がこの2年間で19%低下したという逆向きの信号もある。整理すればこうなる。採りたい高スキル人材ほど動かず、内定を受け取った候補者の半分は断る。
とどまる人の心理も単純ではない。ManpowerGroupが2026年1月に公開したGlobal Talent Barometerでは、労働者の64%が現在の雇用主にとどまる予定だと答えた。ところが同じ調査で、60%は職探しを続けており、31%は近く仕事を失う可能性があると見ていた。とどまると言いながら探索をやめない、いわゆるジョブハギング（job hugging）の構図である。つながれているだけで、没入しているわけではない。この人材は、成長経路が見えた瞬間に動く。
候補者は報酬だけでなく、AIスキルを学ぶ道筋と次の役割を見ている。「AI人材を募集する」という言葉より、入社後に学ぶこと、担う業務、進める役割を示す必要がある。
反論三：外部採用への偏りは、社内の信頼から先に崩す
外部採用偏重は既存社員の信頼を損なう。World Economic Forumは2026年6月、次の優れた人材はすでに社内にいる可能性があると論じた。2030年までに1億7,000万件の新しい仕事が生まれ、9,200万件が置き換えられるというFuture of Jobsの見通しを踏まえれば、この規模の役割転換を外部採用だけでまかなえる組織はない。それでも外から人を採ることは速い解決策に見える。しかし、既存社員から見れば、「会社は自分たちを育てるのではなく、置き換えようとしている」というメッセージにもなる。AIで仕事が変わる時期には、この受け止め方が大きな抵抗を生む。
納得感を得るには、職種別スキルパス、OJT、社内公募、配置転換をつなぐ必要がある。人材育成部門の仕事は採用支援ではなく、職種別AIスキルを社内で育てる供給網の設計である。
AI人材の定義は職種ごとに変える
多くの企業はAI人材を狭く定義しすぎている。機械学習エンジニア、データサイエンティスト、AIプロダクトマネージャーのような専門職だけを思い浮かべる。しかし、すべての企業が大規模なAI研究組織を持つ必要はない。多くの企業にとって急務なのは、各職種でAIをどう使い、どう確認し、どう業務を変えるかである。
営業であれば、顧客調査、提案書作成、商談準備、商談記録、CRM入力、フォローアップの優先順位付けがある。カスタマーサポートであれば、問い合わせ要約、回答案作成、例外対応、品質確認、個人情報の扱いがある。サプライチェーンであれば、需要予測、在庫最適化、サプライヤーリスク検知、発注計画、納期調整がある。人事であれば、採用、評価、学習推薦、社内異動、組織サーベイがある。
共通ラベルだけでは研修設計にならない。営業の顧客文脈、サプライチェーンの需要予測、人事の公平性と説明可能性のように、成果物ごとの確認基準を実務課題と次の役割へつなげる。
日本企業が避けるべき二つの極端
日本企業はAI人材育成において、二つの極端を避ける必要がある。一つは、全社員に同じAI研修を配るだけの方法である。これは展開しやすいが、業務変革につながりにくい。社員は操作方法を学ぶが、自分の仕事の何を変えるべきかまでは分からない。受講率は高くても、現場の成果は見えにくい。
もう一つは、少数のAI専門人材にすべてを任せる方法である。初期のプロジェクトには有効だが、組織全体の学習速度を上げることは難しい。専門人材は現場のすべての例外、暗黙知、顧客事情を知っているわけではない。現場側は、AIを「IT部門や本社が進めるもの」と感じやすい。結果として、個別のPoCは生まれても、日常業務の変化は遅い。
日本企業が選ぶべき道は、その中間にある。全社員には共通のAIリテラシーを提供する。重点職種には、職種別のAI活用プログラムを設計する。一部の人材は、業務とAIをつなぐブリッジ人材として育てる。このブリッジ人材は、必ずしもエンジニアである必要はない。営業に詳しい人がAIによる顧客分析の運用基準を作り、製造に詳しい人が品質検査AIの現場適用を支え、人事に詳しい人がAI評価のルールを設計することもできる。
IPAが2026年4月に公開したデジタルスキル標準ver.2.0も、この方向性と合っている。AXの進展、データ活用の重要性、ビジネス変革を踏まえ、データマネジメント類型の新設、AI実装・運用に関するスキル、ロールごとのスキル重要度の見直しが含まれた。AI人材を一部の技術職だけで見るのではなく、データ整備、AI運用、ビジネス変革、現場実装に関わる役割として捉えることが求められている。
JILPTの労働政策フォーラムでも、デジタル人材の確保と能力開発は企業の持続的成長を左右する経営課題として扱われている。日本では2026年度末までに230万人規模のデジタル人材育成を目指す政策文脈もある。企業内の人材育成は、単なる研修施策ではなく、経営と人材ポートフォリオをつなぐテーマになっている。
対案：求人票より先に設計する職種別AIスキルパイプラインの6段階
常識への反論を終えたので、対案を示す。職種別AIスキルパイプラインは6段階で設計する。全体の流れを先に表で整理すると、次のようになる。
| 段階 | 中心となる問い | 成果物 |
|---|---|---|
| 1. 戦略職種の選定 | AIが業績を最も大きく変える職種はどこか | 優先職種リスト |
| 2. タスク分解 | 各タスクでAIが担うこと、人が判断することは何か | 職種別タスクマップ |
| 3. スキルの4層整理 | 共通リテラシーからガバナンスまで、どの層が必要か | 職種別スキルマップ |
| 4. 実務課題への転換 | 研修の成果が実際の業務成果物として残るか | 改善された業務成果物 |
| 5. 社内異動候補の把握 | 隣接スキルで次の役割を担えるのは誰か | 社内異動候補プール |
| 6. 採用と育成の接続 | 外部専門人材と社内ドメイン人材が一つのチームか | 協働プロジェクト構造 |
第一段階では、人手不足やコスト圧力が高く、AIの事業影響を確認しやすい戦略職種を選ぶ。サプライチェーン、顧客対応、営業、製造品質など、リードタイム・品質・コスト・顧客体験の変化が見える領域を優先する。
第二段階では、職務を顧客調査、提案書作成、CRM更新などのタスクへ分け、AIが担うこと、人が判断すること、確認点を整理する。
第三段階は、スキルを四層に分けることだ。一層目は共通AIリテラシーである。情報セキュリティ、著作権、個人情報、ハルシネーション、プロンプトの基本、確認責任を扱う。二層目は職種別AI活用スキルである。営業、サプライチェーン、人事、財務など、各職種の成果物を基準にする。三層目は業務とAIをつなぐスキルである。現場課題をAI課題に翻訳し、データ要件や業務プロセスを整理し、IT・データ部門と協働する力だ。四層目はAI運用とガバナンスのスキルである。品質管理、例外対応、コスト管理、責任分担、利用ルールを含む。
第四段階では、顧客分析、需要予測の確認、問い合わせ品質など、実務の成果物を課題にする。修了証ではなく、改善された成果物を残す。
第五段階では、課題、同僚レビュー、上司のフィードバック、業務成果から隣接スキルを確認し、社内異動候補を見つける。現在の職務名ではなく、次の役割を遂行する証拠を見る。
第六段階では、外部専門人材の技術・方法論と社内人材の業務文脈を一つのプロジェクトに組み込む。人材育成部門は研修、OJT、上司支援を通じて協働を設計する。
58%が示すもの：ミドル・シニアと若手は別々に育てる
Gartnerが、AIスキルを求めるサプライチェーン職の58%がミドルからシニア層に集中していると示したことは重要である。AIが現場業務に深く入るほど、経験のある人材が必要になる。しかし、これを「若手は不要」という意味に受け取るべきではない。ミドル・シニア層だけにAI業務を任せれば、数年後の人材パイプラインはさらに弱くなる。
ミドル・シニア層は、業務再設計、データ判断、リスク管理、成果物評価を学ぶ。若手は基礎業務、顧客理解、データの読み方、文書確認、倫理基準をAI活用と同時に身につける。どちらか一方に道具の操作だけを教えても、人材パイプラインは続かない。
階層別に、新入社員のオンボーディング、中堅の職務課題、管理職の業務再設計、経営層の人材ポートフォリオ判断を分ける。全階層に同じ研修を配っても役割別の責任は育たない。
修了率の代わりに見るべき六つの数字
職種別AIスキルパイプラインを運用するには、指標も変える必要がある。受講者数、修了率、満足度だけでは不十分である。少なくとも六つの指標を見たい。
第一に、戦略職種別のAIスキルカバレッジである。重点職種に必要なAIスキルが定義され、そのスキルを持つ人材がどの程度いるのかを把握する。第二に、実務課題の完了率である。受講者が実際の業務成果物を改善したかを見る。第三に、上司のフィードバック率である。AI活用は個人の問題ではなく、チーム運営の問題である。上司が成果物を確認し、基準に沿ってフィードバックしているかを確認する。
第四に、社内異動候補の人数である。研修を通じて、新しい役割に進める候補者がどれだけ見えたかを確認する。第五に、外部採用依存度である。特定のAI関連役割を常に外部採用だけで埋めているなら、内部育成が機能していない可能性がある。第六に、スキル更新サイクルである。AIスキルの寿命が短くなるなかで、どのスキルをいつ更新するのかを管理する必要がある。
これらの指標は、人材育成部門の会話を変える。「何人が研修を受けたか」ではなく、「どの職種のAI能力ギャップが縮まったか」を説明できるようになる。AI時代の人材育成は、受講管理ではなく、スキル供給のマネジメントとして語られるべきである。
90日パイロット：採用より先に仮説を検証する最短ルート
職種別AIスキルパイプラインは、大規模な全社プロジェクトから始める必要はない。90日のパイロットで十分に方向性をつかめる。大切なのは、研修テーマを先に決めるのではなく、業務課題を先に選ぶことだ。
1〜2週目は、重点職種とタスクを選ぶ。カスタマーサポートであれば、問い合わせ要約、回答案作成、例外対応、品質確認のうち一つを選ぶ。サプライチェーンであれば、需要予測の確認や在庫リスク検知を選べる。人事であれば、社内異動候補の発掘や学習推薦基準を選べる。選定基準は、頻度、業務影響、リスク、データアクセスのしやすさである。
3〜4週目は、スキルマップと課題設計を行う。そのタスクをうまく行うために必要なAI理解、データ理解、業務判断、確認基準、協働能力を整理する。そして、研修課題を実際の成果物として設計する。カスタマーサポートであれば、AIが作成した回答案を品質基準に沿って修正する課題が考えられる。サプライチェーンであれば、AIの予測結果と現場情報を比較し、意思決定メモを作る課題が考えられる。
5〜8週目は、学習と実践を組み合わせる。短い講義、実習、実務課題、同僚レビュー、上司フィードバックを一つのサイクルにする。重要なのは、一回受講して終わらせないことだ。同じ業務成果物を2〜3回改善し、確認基準を引き上げる。AI活用力は説明を聞くだけでは身につかない。成果物を作り、直し、説明する過程で育つ。
9〜10週目は、成果物と社内候補者を評価する。単にツールをうまく使った人ではなく、業務文脈を理解し、リスクに気づき、他者に基準を説明できる人を見つける。こうした人材は、次のパイロットで現場コーチや業務・AIブリッジ人材になり得る。
11〜12週目は、拡張判断を行う。結果は修了率ではなく、リードタイム、エラー削減、品質改善、上司フィードバック、社内異動候補、外部採用の代替可能性で報告する。この結果があれば、次の職種に広げるのか、同じ職種で難度を上げるのか、外部専門人材をどの役割で採用するのかを判断できる。
求人票には報酬より学習経路を書く
AI人材戦略は社内育成だけでは終わらない。採用にも影響する。Gartnerは、候補者がAIスキル開発機会をより重視するようになっていると示している。これは、求人票と面接の設計を変える必要があるということだ。企業は「AIを活用できる方」と書くだけでなく、その役割でどのAI課題に取り組み、どのスキルを学び、どの次の役割へ進めるのかを説明する必要がある。
求人票には、入社後3か月で取り組むAI関連業務、協働するデータ・IT・現場チーム、提供される学習経路、上司のフィードバック方法、役割拡張の可能性、社内公募や配置転換の機会を示すことができる。候補者は報酬だけを見ていない。その会社で自分の市場価値が上がるかを見ている。AI時代には、学習経路そのものがEVPの一部になる。
社内社員にも同じ原則が当てはまる。会社がAI人材を外からだけ探すと、社員は脅威を感じる。逆に、職種別AIスキルパスを公開し、実務課題への参加機会を設け、社内異動の基準を明確にすれば、社員は変化に参加する理由を持てる。よいAI人材戦略では、採用ブランドと学習ブランドが分かれていない。
採用依存を点検する十の問い
AI人材不足を採用だけで解こうとしていないかを確認するには、次の問いが有効である。
- 自社が最初にAI能力を強化すべき戦略職種は何か。
- その職種の業務をタスク単位に分け、AIを入れる場所を定義しているか。
- 全社員向けAIリテラシーと職種別AI育成を分けているか。
- ミドル・シニア層に業務再設計とリスク判断の教育を提供しているか。
- 若手に基礎業務力とAI活用を同時に育てるオンボーディングを用意しているか。
- AI研修の成果を修了率ではなく、実務成果物で確認しているか。
- 学習履歴と課題結果が、社内公募や配置転換候補の発掘につながっているか。
- 外部採用したAI人材が、社内の業務人材と協働する構造になっているか。
- 求人票や面接で、AIスキル開発の機会を候補者に説明しているか。
- AIスキルの寿命が短くなる前提で、定期的なスキル更新サイクルを持っているか。
採用のスピードではなく、スキルを生み出す速度を競う
AI人材不足は、今後さらに頻繁に語られる。だが、そのたびに高い報酬で外部人材を探すだけでは十分ではない。AIスキルは速く変わり、候補者は慎重に動き、現場の業務文脈は外部からすぐには買えない。企業が本当に作るべきものは、採用スピードだけではなく、スキルを生み出す速度である。
職種別AIスキルパイプラインは、この課題に対する現実的な答えになる。全社員には共通基準を示す。重点職種には実務課題を用意する。社内候補者を見つけ、役割転換の機会を作る。外部専門人材は、社内のドメイン人材と組み合わせる。この構造があって初めて、AI人材の採用も効果を持つ。採用はパイプラインの代替ではなく、補強である。
2026年の人材育成は、研修メニューを増やす仕事ではない。組織がどのAI能力を必要としているのかを定義し、その能力をどこで採り、どこで育て、どこへ異動させるのかを設計する仕事である。AI人材不足を本気で扱うなら、人材育成部門は職種別スキルパイプラインの設計から始めるべきだ。
あわせて読みたい記事
参考文献
- Gartner, “Gartner Says There is an Outsized Need for AI Talent in Supply Chain”, 2026-06-15, https://www.gartner.com/en/newsroom/press-releases/2026-06-15-gartner-says-there-is-an-outsized-need-for-ai-talent-in-supply-chain
- Gartner, “Gartner Says CHROs Must Identify Hidden Workforce Costs to Protect AI ROI”, 2026-06-29, https://www.gartner.com/en/newsroom/press-releases/2026-06-29-gartner-says-chros-must-identify-hidden-workforce-costs-to-protect-ai-roi
- Gartner, “Gartner HR Research Finds 48% of Candidates Accepted Job Offers in 4Q25; Down From 85% Two Years Earlier”, 2026-06-18, https://www.gartner.com/en/newsroom/press-releases/2026-06-18-gartner-hr-research-finds-48-percent-of-candidates-accepted-job-offers
- World Economic Forum, “AI is speeding workforce turnover. But your next great hire may already be working for you”, 2026-06-18, https://www.weforum.org/stories/artificial-intelligence/ai-workforce-hiring-fix-skills-mismatch/
- McKinsey & Company, “HR’s dual mandate in the AI era”, 2026-06-08, https://www.mckinsey.com/capabilities/people-and-organizational-performance/our-insights/the-organization-blog/hrs-dual-mandate-in-the-ai-era
- ManpowerGroup, “Global Talent Barometer 2026: AI Use Accelerates as Worker Confidence Falls and Job Hugging Takes Hold”, 2026-01-20, https://investor.manpowergroup.com/news-releases/news-release-details/global-talent-barometer-2026-ai-use-accelerates-worker
- ManpowerGroup, “2026 Global Talent Barometer”（レポート本文）, 2026-01, https://www.manpowergroup.com/en/insights/talent-barometer
- IPA, “デジタルスキル標準ver.2.0を公開”, 2026-04-16, https://www.ipa.go.jp/pressrelease/2026/press20260416.html
- JILPT, “企業におけるデジタル技術の活用と人材育成”, 2026-01-08, https://www.jil.go.jp/event/ro_forum/20260108/index.html