作者：TT3LABS，Web3/AI/SaaSリモート採用プラットフォーム
2026年2月26日、フィンテック大手のBlockは、4000人以上を削減し、従業員数を1万人以上から6000人未満に大幅に縮小すると発表した。CEOのJack Dorseyは株主への手紙で述べた：
スマートツールは、企業を立ち上げて運営する意味を変えてきました……私たちが構築しているツールを用いることで、はるかに小さなチームでも、より多く、より良く実現できます。
ドーシーは彼の極めて冷酷な予測も示した：
私はほとんどの企業がすでに遅れていると考えています。今後1年以内に、多くの企業が同じ結論に達し、類似の構造的調整を行うでしょう。
その日の取引終了後、Blockの株価は20%以上急騰しました。これは資本市場が真の資金を投じて、企業のAIレバレッジと効率性に支払いをしたことを示しています。
プログラミングをまったく知らない一般の人が、大規模モデルを活用することで、一夜のうちに機能完整的なアプリを独立して実行できるようになった。それならば、資本市場は鋭い疑問を投げかけるだろう：数万人のプログラマーを雇って超大型アプリの日常運用を支えているテクノロジー大手の、膨大な人的コストには、まだどれほどの価値が残っているのか？
AIが人間の労働を置き換える傾向により、より多くの大企業が追随するでしょう。不安は避けられませんが、不安だけでは何も変わりません。私たちはまず大環境の変化から始め、少しずつ個々の生存戦略に落とし込む必要があります。
AIは単なるツールではなく、生産資料になりつつある
市場には、現在の段階を「Web4」と呼ぶ人々がいます。脈絡を明確にするため、まずインターネットの進化段階を整理しましょう。
Web2
核心はソフトウェアと人とのインタラクションであり、異なるプラットフォームはアルゴリズムを通じてユーザーの注目を獲得し、本質的にはトラフィックの奪い合いである。
Web3
デジタル資産の権利確認と価値分配の問題を解決しようとしています。多くの人がそれを暗号資産と単純に等しいものと見なしていますが、本質的には、それは依然として富の分配ルールに関する博弈にとどまっており、デジタル製品の「生産・製造」関係には触れていません。
Web4の前夜
AIは初めて生産関係そのものに触れています。それは効率を高めるためのツールにとどまらず、新たな種類の生産資料へと変化しつつあります。それをどのように使いこなすかが、生産の上限を一つの次元引き上げる鍵となります。
従来のチーム協力には多くの隠れたコストが存在します：優れたリーダーの判断力や業界への直感は、部下に再現するのが難しいため、複数人で実行する際には理解のズレややり直しによる損失が避けられません。これらは組織の運営における「暗黙の税金」であり、以前は明確な解決策がありませんでした。AIはこの暗黙の税金を大幅に削減します。AIには学習曲線がなく、明確なプロンプトを提供すれば高品質に実行でき、複数のタスクを同時に並列処理することも可能です。一人の戦略的判断力にAIの実行レバレッジを組み合わせることで、かつてはチーム全体で実現していた成果を引き出せます。
もちろん、AIはまだ時折「真面目に嘘をつく」ことがあります。これは、人間の監査と判断が依然として不可欠であることを意味します。しかし、モデルの信頼性は月単位で向上しており、単純な実行職に与えられるバッファーウィンドウは、多くの人が思っているよりもはるかに短くなっています。
効率の平等と深層的な危機：エントリーバリアが取り除かれた後
短期的には、一般の人がAIツールを導入することで効率の恩恵を受けられる。しかし、先を見据えると、AIが基本的な効率の差を解消し、専門分野への参入障壁を大幅に低下させた後、企業は気づくだろう。一人当たりの生産性が大幅に向上したにもかかわらず、全体の事業規模がそれに比例して拡大しない場合、従来の従業員数を維持することは負の資産となる。
現在の給与格差を見れば明らかです。TT3LABSの職種モニタリングデータによると、2025年からAI就職市場では、複数回「千万ドル以上」の報酬パッケージが提示されており、その候補者はすべて若手のAIエンジニアで、特に「チーム管理スキル」が豊富なわけではありません。MetaがOpenAIのコアリサーチャーを引き抜いた際、契約ボーナスだけで1億ドルを超え、OpenAI社員の平均株式報酬は150万ドルに達しています。Anthropicの上級研究エンジニアの基本年俸は最高で69万ドル（株式を除く）です。
資本がこの資金を投じているのは、希少な能力、つまりAI自体をより強力にすることである。基礎モデルの進化を推進できる人物の価値は、ビジネスネットワーク全体で幾何学的に拡大される。一方、他の人々は、その仕事内容がAIによってより低コストで代替可能であれば、評価は縮小する可能性がある。
これはさらに深い潜在的危機を引き起こしています。今や、ますます多くの人が問題に直面したときの最初の反応が、AIに答えを求めるようになり、自ら推論し、検証し、試行錯誤するプロセスが飛ばされてしまっています。長期間にわたってそのような習慣を続けると、思考能力が失われてしまいます。問題は、この「地味な努力」こそが、あなたが問題に対する嗅覚を育てる鍵であるということです。AIにこのプロセスを代行させ続けると、あなたの仕事上の役割は「要件翻訳者」に退化してしまいます：他の人の要望をAIの入力に変換し、AIの出力をそのまま他の人に渡すだけになります。しかし、この中継工程こそ、次世代のAIが最も簡単に飛ばしてしまう部分なのです。
インパクトマップ：あなたはどの位置にいますか？
座標がないなら、恐怖はただの不安にすぎない。対策を議論する前に、まず「インパクトマップ」を描こう。これはパニックを煽るためではなく、それぞれが自分の位置を把握するためだ。
危険な作業内容が明確に指示できる職種
初級のコード作成、基本的なデータ分析、標準化されたレポート生成、テンプレート型のデザイン、一般的な翻訳校正。こうした職種の共通点は、仕事が「入力→処理→出力」と明確に分解できることである。Blockが削減した4000人以上の中には、この範囲に該当する人がかなり多い。彼らの専門能力は決して低くないが、その業務内容は大規模モデルが対応可能な範囲にちょうど該当する。
自問すべき基準：あなたのすべての仕事内容が1つのAI指令として書き表せるなら、機械があなたの役割を引き継ぐ準備ができているということであり、残されたのは企業がその決定をいつ下すかだけです。
圧縮されていると感じられる振れ幅を経験した中堅層
プロジェクトマネージャー、オペレーション責任者、中級エンジニア。彼らの仕事には判断と調整が含まれており、AIは短期間で置き換えることはできないが、現在「圧縮」されている。以前は1つのビジネスチェーンに5人の中間管理職がそれぞれの区間を担当し、互いに調整していたが、現在AIが上下流の実行を引き継ぎ、1〜2人で全体のチェーンを円滑に動かせるようになった。
このグループが直面している状況は「席が減っている」ことです。あなたの能力は低下していませんが、市場におけるこの役割に対する需要が急激に減少しています。このようなグループの出路は、下ではAIを活用して実行力を拡大し、上では問題の定義権を獲得することです。
価値の不確実性を操る者
ある種の仕事は、「正しく行う」ことではなく、「情報が常に不完全な状況で意思決定を行い、その結果に責任を負う」ことに核心がある。複雑なビジネス交渉、危機対応、異文化組織管理、高リスク投資の判断。AIは分析と提案を提供できるが、署名代わりにはなれず、責任を代わって背負うこともできず、食事の席で相手の目つきに隠された利益の要求を読み取ることもできない。
このような役割は減価することなく、逆に底层の実行コストがAIによって大幅に削減され、同じ予算でより大きなプロジェクトを実現でき、意思決定者のレバレッジが長くなります。
現実では、多くの人の仕事は複数の階層にまたがっています。簡単な自己チェック方法：毎日の仕事内容を思い浮かべて、どれだけが明確な指示で伝えられるか、どれだけが曖昧な状況で自分で判断を下す必要があるかを考えましょう。前者の割合が高いほど、早急に変化を起こす必要があります。
ツールの不安をやめ、公共の計算能力を独自の壁に変換してください
1月末、OpenClaw（“小龙虾”）が登場し、数日でGitHubのスター数が17万を突破した。各モデルメーカーが次々と対応し、阿里雲はワンクリックデプロイを提供し、騰訊はCoPawを発表して対抗、MiniMaxやKimiも互換性のあるソリューションを発表した。
そして、興味深い現象に気づくでしょう。この月に多くの人が「エビの設置方法を研究する」ことや「どのパッケージがよりコスパが良いか比較する」ことに費やした時間は、実際にAIを使ってビジネス成果を生み出すことに費やした時間よりも長いかもしれません。誰もがツールを追い求めていますが、そのツールを設置した後、あなたが構築した設定は、他人が2時間でそのままコピーできてしまうのです。
すべての大規模言語モデル——OpenAI、Anthropic、Meta、Google、xAI——は同じ公開インターネットデータで訓練されています。したがって、それらは本質的に同じであり、これがそれらが急速に商品化されている理由です。
— ラリー·エリソン、Oracle 2026 年度第 2 四半期決算電話会議
逆に言えば、あなたの仕事が汎用大モデルの公開機能にのみ依存している限り、あなたの成果は同質化される。たとえ指示がどれほど洗練されていても、競争優位性は存在しない。
真正的壁は、公開から非公開への移行にあります。
すでに明確なトレンドが存在しています：大企業からスタートアップチームまで、ますます多くの組織がローカルにデプロイされたプライベートモデルを導入しています。直接的な理由は情報セキュリティであり、誰もが核心的なビジネスデータをサードパーティのAPIに委ねたいとは思っていません。しかし、このトレンドには見過ごされがちな連鎖反応があります。業界の主要プレイヤーがすべてデータと知識をプライベートデプロイの範囲内に閉じ込めると、パブリックネットワーク上でジェネリックモデルが学習できる業界情報は次第に減少し、遅れていくことになります。表面上、AIはすべての人の知識のハードルを下げていますが、真に価値のある業界知識は、パブリックネットワークから加速して消え、各社のプライベート知識ベースに沈んでいっています。
したがって、あなたが長年にわたり蓄積してきた業界の「暗黙の知識」は、価値が下がるのではなく、価値が上がっています。ただし、それを活用する必要があります。
頭の中やチャット記録、過去のメールに散らばっている非標準的な業務経験を整理・構造化し、あなたのプライベートモデルが処理できる「コンテキスト」に変換してください。TT3LABSのバックエンドデータによると、Web3業界で2年以上の経験を持つ候補者の初期通過率は、業界背景のない大手企業の技術者を大幅に上回っており、その主な理由は業界固有のKnow-howの重みが汎用的な技術能力をはるかに上回っているためです。CEX運営を3年間行ってきた人が持つコンプライアンスロジックや上場の潜規則に対する理解、2ラウンドのDAOガバナンスサイクルを経験した人が持つプロポーザル設計やコミュニティ感情の転換点に対する判断力、垂直コンテンツに深く携わった人が持つターゲット心理やナラティブリズムへの直感——こうした知識は、いかなる公開トレーニングデータにも存在しません。
これらのプライベートな経験を構造化してモデルに接続すると、あなたのAIは汎用的な百科事典ではなく、あなた専用で、あなたの分野だけを理解する専属のパートナーになります。このような深みのある成果は、同じ汎用モデルを用いても誰にも真似できません。
核心ロジックは一つだけ：AIは公開知識の処理では誰にも勝るが、個人的な経験の処理ではあなたの提供する情報に完全に依存する。深い業界のノウハウとAIを組み合わせられる人物が、新たな分業形態における核心的資産となる。
あなたの経験庫が本当の「モデル」です
AIモデルは急速に進化しており、今日のGPT、Claude、Geminiも半年後にはより強力なバージョンに置き換えられる可能性がある。しかし、あなたにとって、より強力なモデルに切り替えることは単にAPIインターフェースを変えるだけだ。真正に置き換えられないのは、あなたがそれに対して与えた独自のデータと経験庫である。
モデルは誰でも使える汎用的なインフラです。しかし、あなたがそれに注入する業界の知見、ビジネス判断、失敗の教訓は、あなただけの「トレーニング語料」です。AIが強くなればなるほど、その語料を消化する能力も高まり、あなたの独自の壁はより高くなります。したがって、「今から知識ベースを構築してもすぐに陳腐化しないか」と心配する必要はありません。あなたの知識ベースは、モデルの進化によって価値が下がることのない唯一の資産です。モデルは変化しますが、あなたのデータの壁はAIの能力向上とともに価値が増していきます。
同時に、従来の職場競争のロジックも書き換えられています。以前は従業員が徹夜して残業することで姿勢を示すことができましたが、機械は7×24時間常に作動し、「他人よりもっと頑張れる」という競争戦略はAIの前に無効になります。
多くの人が「私はまだチームで感情的価値を提供しています」と言います。確かに、これは人間だけが持つ能力ですが、そのプレミアムは所属する階層によって異なります。基层チームが10人から2人＋複数のAIエージェントに縮小されるとき、「チームの潤滑剤」としての役割は場を失います。一方、意思決定層では、複雑なビジネス交渉、高リスクな信頼構築、利害関係者間の調整において、人間同士の深いつながりは、基盤コストの低下によりむしろ価値が高まります。感情的価値は消えているのではなく、上位へ移行しているのです。
結局のところ、AI時代に個人が最も投資すべきなのは、どのツールを使いこなすかではなく、あなたにしか持たない独自のプライベートAIを継続的に育てることです。ツールは進化しますが、経験庫は変わりません。
今すぐ始められる3つのアクション
Blockの事例に戻ると、誰かが解雇された一方で、誰かは残った。その違いは、AIが標準的な生産ツールとなった後、誰が不可圧縮であるかにある。会社がAIトレーニングを提供するのを待つのではなく、今日から私たちもこれらの行動を試みることができる：
01、「自ら手を動かす」から「ワークフローを構築する」へ
労働者が最も陥りやすい罠は、AIを使って「怠ける」こと（たとえばAIに週報を書かせたり、メールを校正させたりすること）であり、これは依然として実行レベルの発想である。あなたが本当に行うべきことは、自分自身を「請負業者」として捉え、現在の職務で最も核心的な成果を、AIによる自動生産ラインに再構築することである。
複数の新しいモデルを同時に試すのではなく、現在最も成熟したツール（例：ChatGPT Plus や Claude）を選び、あなたの仕事の中で最も時間と経験を要する工程に強制的に導入してください。従来の「手動でデータ収集 → 分析・比較 → 結論出力」という単線作業を、「自動収集設定 → AI分析フレームワークへの投入 → 人間による調整・微調整」というプロセスに変革しましょう。このワークフローで、原本1週間かかっていた作業を1日以内に圧縮し、品質を極めて安定させられるようになったとき、あなたは単なる計算リソースのノードではなく、高レバレッジな「ミニ企業」そのものになります。
02、隠れた経験をあなたの専用デジタルアバターに固定化する
大規模モデルは公開データを学習しており、すべての理論を理解していますが、あなたの会社の非常に難解な大口顧客の隠れた好みや、あなたの部署と財務部門との連携時に避けるべき雷区については絶対に理解できません。あなたが数多くの失敗を経て得た「暗黙の知識」こそが、あなたにとって最も重要な資産です。
しかし、これらの資産が頭の中だけにとどまっている限り、複利を生むことはできません。あなたの現在のタスクは、現在の大規模モデルが提供するカスタム機能（Custom GPTs や Claude Projects など）を活用し、あなたの経験をその「システムプリセット指令」に変えることです。これまで対応してきたエッジケースや失敗の振り返りレポート、業界の暗黙のルールをすべてそのモデルに投入してください。あなたの目標は、静的な知識ベースのノートを作成することではなく、あなた自身の強いビジネススタイルを備え、あなた専用の24時間対応の個人アシスタントを「驯化」することです。あなたのこの「デジタル分身」が完成したとき、他の人が汎用AIを使っているのでは、絶対にあなたには勝てません。
03、自身の「問題定義権」と責任感を強化する
チーム内で、「答えを探す」作業を機械に任せ、「質問を立てる」ことと「意思決定する」権限を自分自身で握るように意識的に練習しましょう。AIは完璧な解答エンジンですが、ニーズの背後にある真のビジネス動機を察知することは永遠にできません。上司が「新しいリテンション戦略を作りたい」と言ったとき、AIは瞬時に10のグロースハッキングの理論モデルを提示します。しかし、現在の予算と開発リソースを踏まえて「方案Bは完璧だが、現状では実行できない。方案Cは機能を半分削除すれば、私たちの現在のペースに最も適している」と指摘できるのは、あなただけです。
同時に、一つ理解しておく必要があります：AIは牢獄に収監されることもなく、責任を負うことはありません。企業が高給をあなたに支払うのは、ビジネス結果に対する「保証」を購入していることが多いのです。AIが生成したコードやプランを提出する際、あなたは自信を持って「AIの出力は、私の専門知識で確認済みであり、最終的な実装結果に私が責任を負います」と言える必要があります。このような曖昧な領域で意思決定し、最終的なビジネス結果に責任を負う「責任プレミアム」は、いかなる時代においても機械には代替できません。
ドーシーは「ほとんどの企業はすでに遅れている」と言っています。しかし、個人にとっては、この言葉は逆にも当てはまります：ほとんどの人がまだ準備を始めておらず、このトレンドに気づいていません。
誰もがAIの専門家になる必要はない。しかし、誰もが一つの問いをはっきりと考える必要がある：あなたの仕事のうち、どの部分が機械にいずれ置き換えられるか、どの部分があなたにしかできないかを理解し、前者から後者へ時間とエネルギーを移すことだ。
AIがいずれの分野でも人間を全面的に上回る日が来るかもしれない。2027年かもしれないし、2030年かもしれないが、これはあなたが傍観できる変化ではない。
それはあなたが準備できるのを待ってくれません。