PwC「2026 Global AI Jobs Barometer」を解説｜AI時代に新人・若手へ求められる能力とは
生成AIやAIエージェントの導入が進むほど、「新人の仕事はなくなるのではないか」という不安が生まれます。実際、資料作成、情報収集、議事録の要約、一次分析といった下積み業務の一部は、AIがかなり速く処理できるようになりました。
しかし、AIが定型業務を引き受けることと、若手人材が不要になることは同じではありません。むしろ、従来は経験を積みながら身につけていた判断、関係者との調整、例外への対応を、より早い段階から求められる仕事が増えています。
結論として、PwC「2026 Global AI Jobs Barometer」が示すのは、AIによる一律の大量失業ではなく、仕事の二極化です。AIが定型作業を担う職種では、人は最初から仮説づくり、判断、説明、協働を担うことが求められます。企業はAI活用を効率化だけで終わらせず、新人がこうした能力を安全に経験できる育成設計へ切り替える必要があります。
本記事のポイント
- PwCの分析はAIによる一律の大量失業ではなく、定型作業をAIに渡して人の専門性が高まる仕事と、専門性の参入障壁が下がる仕事への二極化を示しています。
- AIへの露出が高い米国の新人求人は、露出が低い求人より従来シニア層の能力を求める可能性が7倍高く、リーダーシップや判断、関係者調整が早期から問われます。
- 企業はAIツール研修だけで終わらせず、仮説づくり、例外判断、説明責任、協働を新人の業務で練習できるよう、OJTと評価の設計を見直す必要があります。
PwCの結論は「大量失業」ではなく、仕事の再設計
PwCは、6大陸のオンライン求人広告10億件超を分析し、AIが仕事を一律に置き換えるのではなく、異なる方向へ作り替えていると整理しています。ポイントは、AIに強く影響を受ける仕事が、同じ結果へ向かうわけではないことです。
1つはプロフェッショナル化です。AIが情報整理、記録、定型的な処理を引き受けることで、人は顧客との関係構築、例外対応、判断、創造的な提案など、より高度な役割へ移ります。もう1つは民主化です。AIが専門的な処理を補助することで、経験が浅い人でも一定水準の仕事を進められるようになります。
| 変化の方向 | AIが担う部分 | 人に残りやすい役割 | 求人・賃金で見える傾向 |
|---|---|---|---|
| プロフェッショナル化 | 定型処理、情報整理、基本的な分析 | 判断、交渉、例外対応、顧客との信頼形成 | PwCの分類では求人の伸びが民主化した仕事の約2倍、平均給与の伸びも42%高い |
| 民主化 | 専門知識を要した処理の補助、手順の案内、下書き | AIを使って業務を進めること、結果の確認 | 専門性の参入障壁は下がるが、必要な能力が変わらないわけではない |
ここで重要なのは、民主化を「誰でも同じ成果を出せるようになる」と誤解しないことです。AIが仕事の一部を補助しても、顧客や現場の文脈を読み、何を優先し、どこで止め、誰と合意するかは残ります。AI社員・社員AIの考え方でも整理している通り、実務ではAIに任せる作業と人が判断する作業を切り分ける力が、成果を左右します。
なぜ新人の仕事は「シニア化」するのか
AIが定型作業を処理するようになると、新人が経験を積む入口だった仕事の一部が圧縮されます。その結果、残る仕事には「指示どおりに処理する」だけでなく、情報を解釈し、周囲とすり合わせ、次の行動を決める力が早くから必要になります。PwCはこの変化を、AIへの露出が高い新人求人のシニア化として捉えています。
米国の求人分析では、AIへの露出が最も高い新人求人は、露出が最も低い新人求人より、従来はシニア層で求められた能力を要求する可能性が7倍高いとされています。例として、動機づけを伴うリーダーシップ、チームづくり、人材育成、ステークホルダー管理、プロセス管理、データに基づく意思決定が挙げられます。
さらに、AIへの露出が高い米国の新人求人のうち、2019年には新人層でほとんど見られなかった「従来シニア層向け」の能力を10個以上新たに要求する求人は、2019年から2025年に35%増えました。一方、同じ条件でシニア化していない新人求人は10%減っています。
これは、新人に最初から管理職の肩書きを与えるべきだという話ではありません。若手が顧客の状況を踏まえて仮説を立て、関係者に確認し、例外を説明し、次の行動へつなげる経験を、早い時期から持てるかが重要になる、という示唆です。営業組織であれば、商談前の顧客仮説、商談中の質問の組み立て、商談後の振り返りを学ぶ設計がそのまま該当します。具体的な育成の型は、新人営業を早く戦力化する育成設計で確認できます。
AI時代に価値が高まる5つの人間集約型能力
PwCは、AIへの露出が最も高い仕事で新たに加わったタスクは、露出が最も低い仕事の新規タスクと比べて、人間集約型能力に依存する可能性が2.5倍高いと分析しています。ここでいう能力は、単に「AIではできない柔らかい能力」を指すものではありません。不確実な状況で前に進めるための、実務上の能力です。
| 能力 | 仕事で表れる行動 | 新人育成で設ける経験 |
|---|---|---|
| 共感・感情知性 | 相手の懸念や背景を理解し、信頼を損なわずに対応する | 顧客・社内の発言を要約し、確認すべき論点を自分の言葉で整理する |
| 対面力・人脈・信頼形成 | 異なる立場の人と協働し、必要な情報や合意を得る | 関係者マップを作り、誰に何を確認するかを決めて実行する |
| 意見・判断・倫理 | 曖昧な状況で優先順位を決め、説明できる基準を持つ | AIの出力を採用・保留・修正する理由をレビューで説明する |
| 創造性・想像力 | 既存の手順にない案を考え、状況に合わせて組み立て直す | 複数の提案案や例外対応案を比較し、選択理由を言語化する |
| ビジョン・リーダーシップ | 目的を示し、周囲を動かして次の行動をつくる | 小さな業務改善の責任者として、課題設定から振り返りまでを担う |
AIを使うほど、人に求められるのはAIの出力を受け取ることではなく、使う目的を定め、出力の妥当性を判断し、周囲と実行へつなげることです。AIが関わる範囲、確認が必要な条件、最終判断を担う人をあらかじめ決めておくHuman in the loopの設計は、この能力を実務で鍛える土台にもなります。
企業は新人育成とOJTをどう作り替えるべきか
AIの導入で新人の基礎業務を単純に削るだけでは、経験を積む機会まで失われます。PwCも、オンボーディング、メンター制度、研修を再設計し、リーダーシップ、ステークホルダー管理、戦略的な意思決定を早く伸ばす必要があると提言しています。
実務では、次の4点から始めると設計しやすくなります。
- AIに渡す基礎作業と、人が経験すべき判断を分ける：要約、情報収集、記録の下書きはAIに渡し、仮説、優先順位、例外、対話の設計は新人が担当します。
- 判断を小さく切り、レビュー可能にする：大きな意思決定を任せる前に、「この顧客に何を確認するか」「この出力を使わない理由は何か」といった小さな判断を繰り返します。
- AIの出力を教材に変える：AIの下書きを正解として渡さず、事実の不足、相手への配慮、判断の飛躍を見つけるレビュー素材として使います。
- 評価を処理量だけから広げる：完了件数だけでなく、仮説の質、確認すべき関係者の見立て、例外時の説明、振り返りから次回へ改善できたかを見ます。
こうした設計は、AIツールの操作研修とは別に必要です。AIエージェントが業務へ入るほど、業務のどこに判断点を置き、誰が監督し、どの経験を人に残すかを組織として決める必要があります。より広い業務設計の視点として、AIエージェント時代のSystem of Actionの考え方も参考になります。
よくある質問
PwCのレポートは、AIで新人の仕事がなくなると結論づけていますか？
いいえ。一律に仕事が消えると結論づけてはいません。AIへの露出が高い仕事では、求人や必要な能力が変わり、特に新人層では従来シニア層に多かった能力を早く求める求人が増えている、と示しています。
35%増、10%減は日本の求人についての数字ですか？
いいえ。これはAIへの露出が最も高い米国の新人求人について、2019年から2025年の変化を比較した数字です。日本を含む全ての国・職種にそのまま当てはめることはできません。
AIが新人求人の減少を直接引き起こしたと証明されていますか？
いいえ。PwCは求人広告とAIへの露出度を分析しており、AI導入が求人の増減を直接引き起こしたことを示す因果分析ではないと注意を促しています。景気、職種の構造、国ごとの労働市場など、ほかの要因も考慮が必要です。
若手にリーダーシップを求めるなら、どう支援すべきですか？
肩書きや責任だけを早く与えるのではなく、判断の基準、相談先、承認条件、振り返りの場をセットにします。小さな業務改善や顧客対応の一部から、仮説、関係者調整、説明を経験できるようにすると、負荷を過度に高めずに実践力を育てられます。
AI時代の業務設計と人材育成を見直したい場合
ファネルAiでは、AIに任せる業務の選定、判断・承認を残す設計、AIの出力を使ったOJT、業務へ定着させるための運用設計を支援しています。AI導入と人材育成を別々に進めず、現場で判断力を育てる仕組みまで整えたい場合はご相談ください。
