人材サービスの会社Careermindsが、米国の従業員500人以上の組織で働く人事担当者595人と管理職547人に、AIで生まれた新しい職をどう埋めているかを聞きました。育て直し(リスキリング)は、いまいる社員に新しい仕事の力を学んでもらい、その職へ移すことです。
この記事の要点
- 人事の92%が社員を育て直せると答え、AIの職は外からの採用が配置換えを上回った
- 社員一人ひとりの力が見えにくいことを、人事の43%が育て直しの壁に挙げた
- シグナリング理論で読むと、採用は伸びしろより見える実績で決まる
- 外に頼む前に、社内でAIを使って片付けた仕事と結果を書き出す
育て直せると答える人事と、実際のAIの職の埋め方。人事595人の答えのうち、社員を育て直せる92%と育て直しを十分に考えている87%、新しいAIの職を外から採用51%と配置換え42%、育て直しの壁43%を棒で並べた図。数字はZDNetが伝えたCareermindsの調査で、米国の人事595人の答え。管理職547人の答えは本文の表にあります。
AIの職を外から採るか育てるか、米国の人事と管理職に聞いた
ZDNetによると、調査はCensuswideと組んで行われ、米国の人事担当者595人と管理職547人が答えました。
| 答えた人の割合 | 人事 | 管理職 |
|---|---|---|
| 社員をAIの職に育て直せる | 92% | 88% |
| 育て直しを十分に考えている | 87% | 84% |
| AIの職を外から採って埋めている | 51% | 47% |
| AIの職を配置換えで埋めている | 42% | 42% |
| 一人ひとりの力の見えにくさを壁に挙げた | 43% | 34% |
記事は、組織は社内で人を育てることを優先していると考えているのかもしれないが、採用のやり方はそうなっていない、と書いています。
報告書が引いた別の調査(The Josh Bersin Company)では、外からの採用は社内で同じような職を埋めるより3〜5倍の費用がかかることがあり、平均で最大20日長くかかります。
社員を育て直せると答えながら、なぜ外から採るほうが多いのか
人事の多くが社員を育て直せると考え、育て直しも十分に考えていると答えるなら、AIの職は社内で埋まりそうなものです。それでも、外からの採用が配置換えを上回りました。
力が直接見えないとき、人は相手が見せる印で選ぶ

説明したいのは、社員を育てられると考えていても、AIの職に外の人が選ばれやすいことです。シグナリング理論は、相手の力や品質が直接は見えないとき、人は相手が見せる印(シグナル)から推し量る、という考え方です。
経済学者マイケル・スペンスが1973年の論文で、学歴を働き手の力の印として扱ったのが出発点です。印を出す手間が人によって十分に違うときに、印は力を映します。
調査で壁に挙がったのは、社員一人ひとりの力と、誰を育て直すかの見えにくさでした。外の候補は、AIの職の経歴を印として見せられます。社員の伸びしろには、まだその印がありません。
同じ選び方は、家の修理でも起きます。器用な親戚なら直せそうでも、施工例の写真が並ぶ業者に電話するのは、親戚が直せるかは見えず、業者の仕事ぶりは写真で見えるからです。
社員の伸びしろは採用の場で見えず、実績の見える外の人に決まる
報道は、各社が外から採った理由も、採った人の経歴も伝えていません。壁に挙がった力の見えにくさに照らすと、外の人に決まる一因は次の流れだと考えます。
- 社内の誰がAIの職をこなせるかが見えない
- 外の候補は、AIの職の経歴を見せられる
- 見える経歴のある外の人に決まる
外の市場では、見える実績に値段がついています。当サイトで11月5日に届けたニュースでは、AIエージェントの仕組みを作って入れ、測れる効果を示してきた上位の技術者に、上場企業の役員に近い報酬が払われていると報告書が書いていました。
育て直せるという考えは見えない伸びしろに向き、採用は見える経歴で決まるので、考えと採用は食い違ったまま続きます。
外に頼む前に、社内でAIを使って片付けた仕事を書き出す
AIの仕事を外に頼むか社内に任せるかを決める場面は、小さな会社にもあります。比べる前に、社内の人の力も見える形にします。
- 頼みたいAIの仕事を1つ決める
- 近い作業をAIで片付けた社員と、その結果を書き出す
- いれば外に頼む前に小さく任せ、かかった時間とやり直しの数を残す
- 残した結果を、外の候補の実績と並べて決める
- いなければ外に頼み、社内の1人に同じ作業を横でしてもらう
研修の受講ではなく片付けた結果で選ぶのは、受講だけなら力のある人もない人もほぼ同じ手間で済み、力の証拠になりにくいためです。実際の仕事で片付けた結果は、できる人にしか出せません。
「うちの社員でもできるはず」と言いながら、外に頼んでいた場面はよくあります。新しい仕事があなたの職場で誰に回ったか、社内の人に回せた工夫も、この下のおたより欄で聞かせてください。
読み解きに使った概念・法則
シグナリング理論
相手の力や品質が直接は見えないとき、人は相手が見せる印(シグナル)から推し量る、という考え方。
この記事で取り上げたニュース
同じ概念・法則で読める記事
AIの品と見分けがつかないと、作り手の品まで買われにくくなる
なぜ?自社のサイトでAIを使い、条件付きでAIのアートも認めるEtsyが、なぜAIで作った作り方ガイドの販売は禁じたのか
この記事からわかること使うまで出来が見えない商品は、売り場の説明だけでAIで作っただけの品と見分けがつくかを社外の人に聞き、つかないなら実際に作ったものを手を加えずに見せ、その証拠がAIでも同じ手間で作れるなら別の証拠に替える
AIで誰でも成果物が整うと、出来ばえは力の印にならない
なぜ?部下の成果物はAIで整って届くのに、なぜ管理職は部下の仕事を評価しにくくなり、確かめる時間まで増えたのか
この記事からわかること部下の成果物の出来ばえだけで評価せず、何をAIに任せ、どこを自分で直し、なぜそう決めたかを本人に口で聞き、すぐ答えられた判断を評価に入れ、要の箇所で答えに詰まったら一緒に確かめ直す
あなたの話も、聞かせてください
新しい仕事を社内の人にも任せられると思いながら、外の人や会社に頼んだ場面はありましたか。社内の人に回せた職場の話でも構いません。
おたよりは編集部で読み、次に調べることや記事づくりの参考にします。
編集部からの返事や、その後の動きはこの欄に追記します。
届いたおたより
おたよりと、編集部からのお返事
気になった話があれば、あなたの経験・考え・疑問もおたよりで送れます。
自分のおたよりは、送ったブラウザでだけ確認できます。ブラウザの保存データを消すと、非公開の本文をこの欄で見返せなくなります。
シェアする
Googleで探しやすくするPRODUCT
注目ツール
直近、ニュースや活用事例、techtech.clubの記事などから話題のITツールを厳選しています。
EXPLORE
ほかのコンテンツも読む
気になるテーマに切り替えて、続きを探せます。
注目の企業
今日のニュース
AIの答えを確かめる負担、生産性の伸びを打ち消すことも
原文を読む(The Conversation) ↗認知工学の研究者が、AIの答えが正しいかを確かめる時間と労力が、生産性の伸びを打ち消すことがあると論じています。経験のある開発者を対象にした試験では、AIを使うと速くなったと感じていたのに、作業時間は19%増えました。筆者は、確かめるための時間、研修、権限を働く人に与えるべきだとしています。
職場のAIに何を入力してよいか、名前を消すだけでは不十分
原文を読む(Computerworld) ↗AIに渡す情報について、専門家は、名前を顧客番号に置き換えても本人をたどれれば匿名にならないと指摘しています。どの作業にどの情報を使ってよいかは、会社が決めて従業員に示すべきだとしています。勤め先の指定と違うChatGPTを使ったセラピストが、機密情報は入れていないと話したが解雇された例もあります。
Google、AIによる完全自動のサイバー攻撃を初めて確認
原文を読む(THE DECODER) ↗Googleの脅威分析チームは、AIが弱点(脆弱性)探しから攻撃までを人の手を介さずに行う事例を初めて確認しました。見つかった仕組みは、修正プログラムの適用前後のコードを比べて弱点を探し、攻撃を自動で実行します。Googleは、より強力な攻撃は数ヶ月先に迫っているとしています。
仕事と組織の変化
株主総会での回答づくりに生成AIを活用
各社のIT活用
代金の受け取りでのPaidの使い方
社員の情報でのカオナビの使い方
文章・資料づくりでのAzure OpenAI Service(IIJ GIO with Microsoft Azure)の使い方
ふくおかFGAzure OpenAI Service(IIJ GIO with Microsoft Azure)
- 文章・資料づくり
文書の下書きや企画のアイデア出し、マーケット情報の整理に、本部と営業店の約6,000人が使える社内の生成AIを使っている
同じ仕事の他社事例を見る →