2025-2026年の採用市場を貫くキーワードは Talent Paradox（タレントの逆説）である。Mercer Global Talent Trends 2025/2026（16,000人超サーベイ）は、91%の企業が AI による workforce 変革を計画する一方で、54%の CEO/CHRO がタレント希少性を最大の経営懸念として挙げるという構造的矛盾を報告している。同じ企業内で「人余り」部署と「採用難」部署が同時発生し、余剰人員の削減と希少人材の獲得という相反する経営課題を同時に解かなければならない局面が一般化している。
この逆説の背景には スキルの時間的不整合 がある。BCG AI at Work 2025（11カ国10,600人超サーベイ）によれば、AI ツールの定期使用率は2024年の51%から2025年に72%へ急増した一方、AI から事業価値を引き出せている企業は28%から30%への微増に留まっている。採用（acquisition）は進んでもスキル転換（transformation）が追いつかないという、マクロとミクロで同型のギャップが生じている。
グローバルの採用市場は、いくつかの構造的シフトが同時に進行する「多重転換期」にある。
第一に、ジョブベースからスキルベースへの移行。 Mercer は Skills-Based Organization を推奨し、職務記述書（JD）をスキルインベントリに分解し、内部マーケットプレースで人材をマッチングする組織設計を提唱している。従来の「ジョブに人をはめる」から「スキルをジョブ横断で活用する」への転換は、採用の基本単位そのものを変える。LinkedIn の調査では、スキルベースの採用を実践する企業は従来型の企業と比べて採用成功率が高いことが報告されている。
第二に、AI が採用プロセスそのものに浸透。 ATS（Applicant Tracking System）による自動スクリーニング、AI 動画面接、チャットボットによる候補者対応が急速に普及し、採用の効率化と引き換えに新たな課題（バイアス増幅、優秀候補の取りこぼし、候補者体験の劣化）を生んでいる。
第三に、リモートワークによる地理的制約の融解と再凝固。 パンデミック期に融解した地理的制約は、2024-2025年に部分的に再凝固しつつある。Amazon、Google、JP Morgan 等の大手がオフィス回帰を推進する一方で、フルリモートを維持する企業との間で人材市場が分断されている。
Gen AI が定型作業を代替する結果、Core Skills の希少性が上昇している。Mercer GTT 2025/2026 が特定した需要増加スキルは以下のとおりである。
HR リーダーの59%がデジタルスキル人材の獲得困難を訴えているが、真に希少なのはデジタルスキルそのものではなく、デジタルスキルと Core Skills を兼備した人材 であるという認識が広がりつつある。
日本の新卒一括採用は、世界的に見て極めて特異な制度である。濱口桂一郎（JILPT）の分析に従えば、その本質は以下のように整理される。
雇用契約の質の違い。 ジョブ型社会では雇用契約に職務が明記され、欠員が出た時に現場管理者が採用権限を持つ。一方、日本のメンバーシップ型では雇用契約は「空白の石板」であり、職務は入社後に使用者の命令で書き込まれる。新卒一括採用は、この空白の石板に最適化されたシステムである。
採用の基準。 ジョブ型社会の入口で問われるのは「何ができるか」（顕在スキル）であるのに対し、メンバーシップ型の入口では「どれだけ伸びしろがあるか」（潜在「能力」）が問われる。日本の就活が「ガクチカ」（学生時代に力を入れたこと）に執着するのは、具体的な職務遂行能力ではなく地頭と素質を見極めようとするからである。
「教育と職業の密接な無関係」。 ジョブ型社会では卒業証書が特定スキルの証明書として機能する。日本では学校教育は地頭の保証に過ぎず、実務スキルは入社後の OJT で鍛えられる。大学での専攻と配属先の関連性が低いのは、この構造の帰結である。
新卒一括採用の具体的特徴:
| 項目 | 日本の新卒一括採用 | 欧米の early career hiring |
|---|---|---|
| 採用時期 | 大学3年3月〜4年6月（事実上の統一スケジュール） | 通年（ポジション発生時） |
| 採用権限 | 本社人事部が一括管理 | 現場マネージャーが決定 |
| 選考基準 | 潜在能力・人柄・地頭 | 職務関連スキル・経験 |
| 内定 | 就労前から雇用契約成立 | オファーレター（条件交渉あり） |
| 配属 | 会社が決定（本人希望は参考程度） | ポジション固定 |
| 初期教育 | 入社後の集合研修 + OJT | 入社前教育（大学・職業訓練） |
| 中退者 | 早期離職が「問題」として社会問題化 | 転職は正常なキャリア行動 |
韓国は日本と類似した新卒一括採用文化を持っていたが、2010年代以降に急速な変化が進んでいる。
ドイツの職業教育制度（Duales System）は、新卒採用の対極モデルとして頻繁に参照される。
基本構造。 15-16歳で企業内訓練（3-4日/週）と職業学校（1-2日/週）を3年間並行する。約340の公認職業（Ausbildungsberufe）が定義され、各職業に標準化された訓練カリキュラムが存在する。修了試験に合格すれば、その職業のジャーニーマン資格を取得する。
現在の変化:
- デジタル化対応: 2020年以降、AI・データサイエンス関連の新規職業カテゴリが追加（例: Kaufmann/Kauffrau für Digitalisierungsmanagement）
- 大学進学率の上昇: Abitur（大学入学資格）取得者が増加し、伝統的なデュアルシステムへの参加率は漸減傾向
- 移民統合: シリア難民を含む移民のデュアルシステムへの統合が政策課題
- ハイブリッド化: 大学教育とデュアルシステムを組み合わせた「Duales Studium」の人気が急上昇
日本への示唆。 ドイツのデュアルシステムは「教育と職業の密接な関係」を制度として実現しているが、それはジョブ型雇用が前提にある。日本がデュアルシステムを参照する際、メンバーシップ型の「空白の石板」が温存されたままでは表層的な模倣に終わる危険がある。
米国の early career hiring は、インターンシップが事実上のスクリーニング装置として機能する構造が定着している。
英国は2017年にアプレンティスシップ課徴金（Apprenticeship Levy）を導入し、企業に徒弟制度への投資を義務付けた。
キャリア採用の最大の構造変化は、「経歴（credential）ベース」から「スキルベース」への移行である。
「Paper Ceiling」の問題。 HBS/Accenture の "Hidden Workers" 調査（2021）は、米国に2,700万人の Hidden Workers が存在し、ATS の自動フィルタによって構造的に排除されていることを明らかにした。企業の約半数が職歴ブランク6ヶ月超を自動排除しており、C-suite の88%が「自社の ATS が優秀候補を取りこぼしている」ことを認識していた。
スキルベース採用の具体的手法:
エビデンス。 Sackett et al. (2022, Journal of Applied Psychology) のメタ分析は、採用選考の予測妥当性に関する従来の定説を更新した。構造化面接の予測力 (r = .42) が GMA テスト (r = .31) を上回り、非構造化面接 (r = .19) との差は歴然とした。この知見は、経歴のスクリーニングではなく構造化された能力評価への移行を支持する。
外部採用の困難さとコスト高騰を受け、Internal Mobility（社内異動・社内転職）が経営テーマとして浮上している。
Mercer の Skills-First Architecture 提唱。 Mercer GTT 2025/2026 は、ジョブベースからスキルベースへの組織転換の柱として Internal Mobility を位置づけている。スキルインベントリを構築し、社内のタレントマーケットプレースで需給をマッチングすることで、外部採用の前に社内リソースを最適化する。
プラットフォームの進化。 Gloat、Eightfold AI、Fuel50、Phenom 等のタレントマーケットプレースプラットフォームが急成長している。これらは従業員のスキルプロファイルを AI で分析し、社内のプロジェクト・ポジション・学習機会をレコメンドする。
日本の文脈。 タレントポートフォリオの可視化と社内流動化は、九州地域銀行のケース（商業銀行97%集中から投資銀行・市場部門への人材転換）のように、メンバーシップ型の「人事異動」文化をスキルベースの Internal Mobility に進化させる道筋を示している。ただし、日本のメンバーシップ型における人事異動は「会社命令」であるのに対し、スキルベースの Internal Mobility は「従業員の自発的応募」を前提とする点で本質的に異なる。
Greenhouse Candidate Experience Report 2024（6,000社超・6.4億応募データ）は、採用ファネルの現状を定量化している。
| 指標 | 数値 | 意味 |
|---|---|---|
| 応募完了率 | 6% | クリックした94%が応募フォーム完了前に脱落 |
| 中盤脱落の50%超 | 面接ステージ | スケジューリングの煩雑さが主因 |
| 平均 time-to-hire | 41日 | 業界差大（建設12.7日〜ヘルスケア49日） |
| 長期化傾向 | 60%の企業 | 9社中1社のみ短縮に成功 |
| ghosted 判定 | 34%の候補者 | 1週間の沈黙で「落とされた」と判断 |
| オファー辞退理由 | 26% | コミュニケーション不足・不明瞭な期待 |
| Application-to-hire | ~0.6% | 180応募で1採用（CareerPlug 2025） |
| Cost-per-hire | $5,475 | 米国平均（SHRM 2025） |
| 応募フォーム完了率（5分以下） | 12.47% | 15分超だと3.61%に急落（Appcast 2025） |
これらのデータは、採用プロセスの over-engineering が候補者体験を毀損し、結果として優秀人材の取りこぼし（False Negative）を大量に生んでいる という構造的問題を示している。
従来の求人媒体依存からの脱却として、リファラル採用（社員紹介）とダイレクトソーシング（企業からの直接アプローチ）の比重が増している。
採用プロセスへの AI 導入は、以下の領域で急速に進行している。
（1）母集団形成（Sourcing）
- AI によるパッシブ候補者の特定と優先順位付け
- JD の自動生成と最適化（性別バイアスのある語彙の排除を含む）
- プログラマティック求人広告（応募可能性の高い候補者に自動配信）
（2）スクリーニング
- ATS の AI 自動スコアリング（履歴書→ JD マッチング度）
- Game-based Assessment（GBA）: Pymetrics（現 Harver）、Arctic Shores 等の認知・行動特性評価ゲーム
- AI 動画面接: HireVue の表情分析（2021年に表情分析機能を撤回、音声・言語分析に移行）
（3）候補者エンゲージメント
- チャットボットによる FAQ 対応と面接スケジューリング
- パーソナライズされたステータス通知
- AI によるオファー交渉支援
（4）意思決定支援
- 複数面接官の評価データの統合分析
- Adverse Impact の自動モニタリング
- 内定承諾率の予測と最適オファー設計
Unilever の AI + GBA 導入事例 は、AI 採用の最も引用される成功事例である。
ただし、この事例はエントリーレベルの大量採用に限定されており、ミドル・シニアポジションへの一般化には慎重であるべきことが指摘されている。
構造的バイアスの問題。 AI 採用ツールは過去の採用データで学習するため、過去の偏りを増幅するリスクがある。Amazon が2018年に開発中の AI 採用ツールを廃棄した事例（女性候補者を不利に評価）は象徴的である。
規制の動向:
| 規制 | 管轄 | 内容 |
|---|---|---|
| NYC Local Law 144 | ニューヨーク市 | 2023年施行。AI 採用ツールの年次バイアス監査を義務化 |
| EU AI Act | EU | 2024年成立。採用 AI を「High Risk」に分類、適合性評価義務 |
| Illinois AI Video Interview Act | イリノイ州 | AI 動画面接のインフォームドコンセント義務 |
| EEOC AI Guidance | 米連邦 | 既存の差別禁止法が AI ツールにも適用されることを確認 |
Adverse Impact の計測。 4/5ths Rule（選考通過率の人種間差が4/5未満なら Adverse Impact あり）は AI 時代にも適用される。AI ツールの透明性（explainability）が担保されなければ、不利な判定を受けた候補者が理由を知ることができないという新たな問題が生じている。
AI 導入が候補者体験に与える影響は両面的である。
ポジティブな影響:
- 応募後の自動応答・ステータス通知による透明性向上
- スケジューリングの自動化による利便性向上
- 時間・場所の制約からの解放（非同期動画面接）
ネガティブな影響:
- 「ブラックボックス」への不信感（なぜ不合格かわからない）
- Human touch の喪失（「ロボットに選別された」感覚）
- 過剰なアセスメント負荷（GBA + AI 動画面接 + 構造化面接 + ケーススタディ）
- ATS の自動フィルタによる False Negative の大量発生（HBS Hidden Workers: 88%の C-suite が認識）
Research-early-stage-screening-design の知見を統合すると、最適なスクリーニング設計は以下のとおりである。
最前段に置くべきもの（Hard Knock-out）:
- 法的資格・免許（運転免許、医師免許等）
- ビザ・就労許可
- 地理的制約（通勤可能範囲、リモート可否）
- 給与レンジ（期待と提示の乖離が大きい場合の自己選択）
最前段に置くべきでないもの:
- GMA（知能テスト）→ 予測力は構造化面接に劣る（r = .31 vs .42）
- 学歴フィルタ → Hidden Workers の排除を引き起こす
- 職歴ブランクフィルタ → 同上
- 年齢フィルタ → 法的リスクおよびバイアス
Realistic Job Preview（RJP）の活用。 良い面も悪い面も含めた職務の実像を早期に提示し、候補者の自己選択（self-selection）を促す。RJP は retention を高め、入社後のミスマッチを低減するエビデンスがある。
先進国の少子高齢化。 日本が最先端を走る少子高齢化は、韓国、中国、欧州諸国にも波及している。2030年までに世界人口の1/6が60歳以上となる。労働参加率の低下は、採用市場における「買い手市場 → 売り手市場」のパワーシフトを引き起こしている。
IT 人材の構造的不足。 経産省試算では、2030年に日本の IT 人材は最大約79万人不足し、AI/ロボット関連人材は2040年に326万人不足する。この不足は日本固有の問題ではなく、グローバルに同様の傾向が報告されている。
パンデミック以降のリモートワーク普及は、採用の地理的境界を根本的に変えた。
フルリモート企業の人材獲得優位。 GitLab、Automattic（WordPress）、Zapier 等のフルリモート企業は、地理的制約なしにグローバルから採用できることを競争優位としている。
ハイブリッドの定着。 2025-2026年時点で、多くの大企業はハイブリッド勤務（週2-3日出社）に落ち着いている。ただし、「ハイブリッド」の定義は企業間で大きく異なり、統一的な基準は存在しない。
オフィス回帰の圧力。 Amazon（週5出社義務化）、Google、JP Morgan 等が RTO（Return to Office）を推進する一方、これが離職率上昇や採用難につながるケースも報告されている。
Geo-arbitrage の出現。 高賃金地域の報酬で低コスト地域に居住する「Geo-arbitrage」は、リモートワーク時代の新現象である。一部の企業はロケーションベースの給与調整（location-based pay）を導入し、これに対応している。
フリーランス、契約社員、派遣社員等のコンティンジェントワーカーは、先進国の労働力の30-40%に達しているとされる。
プラットフォーム経済の進化。 Upwork、Fiverr、Toptal 等のフリーランスプラットフォームに加え、AI を活用したスキルマッチングプラットフォームが台頭している。
Total Workforce Management の必要性。 正社員・契約社員・フリーランス・AI エージェントを含めた「Total Workforce」の最適化が、人材戦略の新たなフロンティアとなっている。
日本の文脈。 日本のギグワーカーは欧米と比較して少ないが、副業・兼業の解禁の流れにより増加傾向にある。2023年のフリーランス保護新法の成立は、ギグワーカーの法的地位を明確化する一歩である。
濱口桂一郎が指摘するように、2020年以降の「ジョブ型」ブームは、1985年の ME 化時代の「メンバーシップ型礼賛」と同じ構造を持っている。新しい技術に乗せてレトリックが入れ替わるだけで、本質的議論はどこかに飛んでいる。
変わりつつあるもの:
- 通年採用の拡大: 経団連の就活ルール廃止（2021年卒以降）により、事実上の通年採用化が進行。ただし実態は「3月解禁」の慣行が根強く残る
- ジョブ型人事制度の導入: 日立、富士通、KDDI 等の大手がジョブ型への移行を宣言。ただし「ジョブ型 ≠ 成果主義」であることの理解は未だ不十分
- 中途採用比率の上昇: 2019年に経団連が「中途採用比率の公表」を大企業に推奨。大企業の中途採用比率は上昇傾向
- 副業・兼業の解禁: 2018年の「副業・兼業の促進に関するガイドライン」以降、解禁企業が増加
変わらないもの:
- 新卒一括採用の存続: 通年採用化は進むものの、4月一斉入社・集合研修の慣行は大企業を中心に根強い
- 「空白の石板」型契約: ジョブ型を標榜しても、入社後の配属・異動は依然として会社主導
- 年功的処遇: 職能資格制度から職務等級制度への移行は進むが、年功的運用が残る企業が多い
- 終身雇用の社会規範: 大企業の自発的離職率は依然として低い
日本の2024年の出生数は過去最少を更新し続けており、労働力の絶対的縮小が不可避である。
新卒市場の構造的売り手市場化。 大卒求人倍率は1.5倍を超える水準が続き、中小企業では充足率の低下が深刻化している。新卒採用の質・量の両面で、特に中堅・中小企業が不利な立場に置かれている。
対策の方向性:
- 外国人材の活用: 2019年の特定技能制度創設、2024年の技能実習制度見直し（育成就労制度への移行）
- 女性活躍の推進: 管理職比率の目標設定、育児支援制度の充実
- 高齢者の就労継続: 70歳までの就業確保努力義務（2021年施行）
- AI による人手不足補完: NTT の「34万人の業務の半分以上を AI が代替するが、リストラはしない」モデル
濱口が指摘する外国人材の二層構造は、採用の文脈でも明確に表れる。
ローエンド（単純労働）:
- 技能実習制度 → 育成就労制度への移行（2024年決定）
- 特定技能1号・2号の対象分野拡大
- 実態としての「移民政策を取らないと言いながら、事実上の移民を受け入れる」構造
ハイエンド（専門職）:
- 「技術・人文知識・国際業務」在留資格とメンバーシップ型正社員の矛盾
- ジョブ型の在留資格で入国した専門職人材が、メンバーシップ型の人事異動で「専門外」の部署に配属される不整合
- 高度専門職ビザの緩和（ポイント制）
AI と採用の関係は、日本では欧米と異なるフレーミングで進む可能性が高い。
「人手不足補完」フレーミング。 日本の AIと労働市場の分析が示すように、日本では「AI でリストラする」という言語化は社会的にリスクが高く、「AI で人手不足を補う」というフレーミングが社会的に通りやすい。採用の文脈では、AI が採用プロセスを効率化するだけでなく、AI が労働力の一部を代替することで採用する人数自体を減らせる（しかしそれをリストラとは呼ばない） という二重構造が生じている。
NTT モデルの含意。 NTT の「5年後に34万人の業務の半分以上を AI が代替するが、米テック大手のようなリストラはしない」宣言は、自然減 + リスキリング + 内部移動 で調整する日本型の典型モデルである。この場合、新卒採用のボリュームは漸減し、中途採用はリスキリング先の専門領域で選択的に行うことになる。
個人調査の締めくくりとして、採用に関する通説を科学的な適職（鈴木祐）および I/O心理学の知見から再検証する。
→ Hidden Workers 調査は2,700万人の False Negative を示す。 ATS の自動フィルタは、職歴ブランク・学歴・キーワード不一致で有能な候補者を構造的に排除している。
→ 非構造化面接の予測妥当性は r = .19。 これはほぼランダムに近い。構造化面接 (r = .42) でようやく実用的な予測力を持つ（Sackett et al., 2022）。
→ P-O fit（個人-組織適合）の職務成績予測力は r = .15 に過ぎない。 一方、退職予測力は r = .24 とやや高い（Kristof-Brown et al., 2005）。カルチャーフィットは retention には寄与するが、performance 予測には弱い。
→ 「好きを仕事に」は幸福度を上げないし、スキルも伸びない。 仕事への情熱は注いだリソース量に比例して事後構築される（科学的な適職）。
→ 給与アップの幸福効果は1年しか続かない（hedonic adaptation）。 一定額を超えると逓減し、採用において給与は必要条件ではあるが十分条件ではない。
→ AI は過去のバイアスを増幅する。 Amazon の AI 採用ツール廃棄事例が象徴的。NYC Local Law 144 と EU AI Act は、AI 採用が公平とは限らないことを法的に認めた規制である。
→ エニアグラムはタロット占いレベル、MBTI は40年批判され続けている。 RIASEC の予測力はほぼゼロ。Sackett 2022 以降の知見では、性格テスト単体の予測力は構造化面接やワークサンプルテストに劣る（科学的な適職 + Sackett et al., 2022）。
以上、初回ドラフト。Web 検索による最新データの補完、および各章の深掘りが今後の課題。