補助金フラッシュ 士業編集部AIの話題になると、新卒採用がなくなる、または少なくなるのではないかという話が出やすくなります。
実際には、大手企業が新卒の採用を一斉にやめるというより、未経験者に任せていた仕事と、外から取る人材の比重を組み替えていると見た方が近いです。これは、中途採用比率の上昇やAI人材の争奪、職種ごとの需給ミスマッチが同時に起きているためです。
本記事では、AIが登場したことによる、実際の新卒採用市場の構造変化を見ていきます。
本当に新卒採用は縮小しているのか?
企業の採用意欲は残っているが、採用配分が変化
最初に押さえたいのは、新卒採用そのものが消えているわけではないということです。リクルートワークス研究所の2027年卒調査では、大卒求人倍率は1.62倍と2年連続で下がったものの、大学卒の平均初任給は月額23.7万円と4年連続で増えています。全体として企業の採用意欲は残っていますが、どの人材を、どの入口で採るかの見直しが進んでいる段階です。1
この見直しを、単純に新卒採用の崩壊と読むと判断を誤ります。例えば、営業、企画、人事、事務のような職種でも、資料作成や調査、データ整理の一部はAIで短時間化できます。
一方で、顧客との交渉、社内調整、事業判断のように経験が必要な仕事は残ります。つまり、減っているのは若手そのものというより、未経験者が仕事を覚えるために担ってきた入り口の仕事です。
採用配分を見るときは、人数の増減だけでなく、どの職種で増減しているかを見る必要があります。研究開発やデータ分析の求人が増え、一般事務や単純な入力作業の求人が減る場合、表面上は同じ採用人数でも、求められる準備は大きく変わります。
中途採用50.3%が示す転換点
変化を強く印象づけたのが、主要企業の2026年度採用計画で中途採用比率が50.3%になり、調査開始以来初めて過半となったという報道です。2 大手企業が欲しがっているのは、人の数だけでなく、すぐ事業に使える経験です。
中途採用が増える背景には、AIや通信、データ活用などの変化が速く、社内育成だけでは間に合いにくいという事情があります。新卒を数年かけて育てる方法は今も重要ですが、新規事業、生成AIの社内導入、サイバーセキュリティ、データ分析のような領域では、すでに現場で使った経験を持つ人が必要になります。
ここまでで、新卒採用の縮小に見える変化の正体が、採用枠の消滅ではなく、入口の配分変更だと分かります。次に、大手企業がなぜ外部人材に向かうのかを見ます。
大手企業は、即戦力重視へ
AI人材を自社で育てる難しさ
AI人材は、単にAIツールを触れる人ではありません。業務のどこにAIを入れると時間が短くなるか、どこは人が確認すべきか、どのデータを使ってよいかを判断できる人です。
例えば、社内の問い合わせ対応をAIで効率化する場合でも、回答文を作るだけでなく、社外秘情報を入れないルール、誤回答時の確認手順、導入後の改善まで設計する必要があります。
世界経済フォーラムの2025年レポートでも、AI関連スキルを持つ人材を採る動きと、AIで自動化できる業務の人員を減らす動きが同時に示されています。3
ここで大事なのは、企業がAIを理由に人を減らす一方で、AIを使いこなす人は採ろうとしているという二面性です。大手企業が中途採用を増やすのは、既存業務を減らす人と、新しい仕組みを作る人を同時に探しているからです。
新卒採用が残る領域
ただし、即戦力重視が強まるからといって、新卒採用が不要になるわけではありません。企業には、長期的に自社の文化や顧客理解を身につける人材が必要です。特に、現場を回りながら製品、顧客、商流を覚える仕事では、新卒からの育成に意味があります。
変わるのは、育成の中身です。これまでなら、資料作成、集計、議事録、下調べを通じて仕事を覚えていました。AIがその一部を担うようになると、若手には、AIの出力を確認する力、顧客の状況に合わせて使い分ける力、失敗したときに原因を言語化する力が求められます。
新卒採用は残りますが、ポテンシャルだけで採る枠は説明しにくくなると考えるべきです。採用担当者にとっては、若手を採るか経験者を採るかではなく、どの工程を若手に経験させ、どの工程を経験者に任せるかを決める問題になっています。
AIによる作業の自動化がもたらす弊害
育成機会の喪失
AIが影響しやすいのは、仕事全体ではなく、仕事を構成する作業です。文章のたたき台を作る、候補リストを整理する、FAQの回答案を作る、コードの下書きを出すといった作業は、AIによって短くできます。こうした仕事は、かつて新人が経験を積むための足場にもなっていました。
ここに育成上の難しさがあります。企業から見ると、AIで短くできる作業に人を多く置く理由は弱くなります。一方で、若手から見ると、その作業を経験しないまま高度な判断に進むのは難しいです。確認の手順を学ばないままAIの出力を使うと、もっともらしい誤りを外部向け資料に入れてしまう危険があります。入口の仕事をなくすほど、育成の設計を意識して作り直す必要があります。
米国では新卒採用が大幅減少
米国のテック業界では、この変化が先に見えています。データ分析を行うベンチャーキャピタルのSignalFireは、2025年のレポートで、大手テック企業の新卒採用が2019年比で50%超減り、新卒者は採用全体の7%にとどまると報告しました。4
また、スタンフォード大学のDigital Economy Labの研究では、米国で生成AIにさらされやすい職種の22歳から25歳の雇用が、生成AIの普及後に16%相対的に低下したとされています。5
ただし、この数字をそのまま日本の大手企業全体に当てはめるのは危険です。米国のテック企業は、金利上昇後の投資環境、コロナ禍後の採用調整、巨大IT企業の組織再編も受けています。
日本企業でもAIの影響は出ますが、新卒一括採用、職務範囲の広さ、配置転換の慣行があるため、変化の出方は異なります。重要なのは、海外の半減という見出しをそのまま怖がることではなく、どの作業がAIに置き換わり、どの仕事が経験を必要とするのかを分けて見ることです。
今後の予測
文系余剰、理系不足
経済産業省の2040年推計は、採用市場の構造変化を考えるうえで重要です。十分な国内投資や産業構造転換が進む前提でも、AIやロボットの利活用を担う人材は不足し、事務職は余剰になる可能性が示されています。学歴別では、大卒と院卒の理系人材で約120万人の不足、大卒と院卒の文系人材で約80万人の余剰が生じる可能性も示されています。6
もちろん、この推計は将来をそのまま当てる予言ではありません。前提となる投資、技術導入、地域の産業構造が変われば結果も変わります。それでも、事務的な作業だけに強い人材より、業務を変える側に回れる人材が評価されやすい方向は読み取れます。
ここで大事なのは、文系だから不利、理系だから安全という単純な話ではないということです。推計が示しているのは、職種とスキルのミスマッチです。文系出身でも、業務を理解したうえでAIを使って分析や改善を進められる人は求められます。理系出身でも、実務に落とし込む力や顧客理解がなければ、評価されにくくなります。企業が見ているのは肩書きではなく、仕事をどう変えられるかです。
学歴より経験という単純化の落とし穴
新卒の価値が下がり、スキルや経験の価値が上がるという言い方は、方向性としては分かりやすいです。ただし、経験という言葉も広すぎます。単にツールを触った経験だけでは、採用市場で強い材料になりません。評価されやすいのは、課題を決め、AIやデータを使い、結果を確認し、改善した経験です。
例えば、営業部門で顧客リストをAIで分類しただけなら、作業経験に近いです。一方で、分類の基準を決め、担当者の行動がどう変わったかを見て、商談化率や作業時間を比べたなら、改善経験として説明できます。AI時代に評価されるスキルは、AIに詳しいことだけではありません。現場の問題を見つけ、使える形に落とし、結果を確認する力です。
採用する側と働く側が今確認したいこと
企業が見直したい採用設計
企業側がまず確認したいのは、採用人数ではなく、仕事の分解です。新人に任せていた作業のうち、AIで短くなるもの、人が確認すべきもの、経験者に任せるべきものを分けます。そのうえで、新卒、中途、社内育成、外部委託のどれで担うのかを決める必要があります。
特に中小企業が大手企業の動きを参考にするときは、単に中途採用を増やすのではなく、育成ルートを残したまま即戦力を組み込む設計が大切です。常時雇用する労働者が301人以上の企業には中途採用比率の公表制度もあり、採用の姿勢は求職者から見えやすくなっています。7 今後は、何人採るかだけでなく、入社後にどの仕事を任せ、どのスキルを育てるかまで説明できる企業が選ばれやすくなります。
採用票の書き方も変える必要があります。AI人材とだけ書くと、応募者も社内の面接官も何を評価すべきか分かりません。業務データを整理する人なのか、AIツールを選ぶ人なのか、現場に使い方を定着させる人なのかを分けるだけで、採るべき人材像はかなり具体的になります。
個人が準備したい実績の見せ方
働く側が意識したいのは、AIツールを使っているという自己申告で終わらせないことです。採用側が知りたいのは、使ったことがあるかではなく、何を改善できたかです。次のように、経験を仕事の成果に結びつけて整理すると伝わりやすくなります。
- どの業務に時間がかかっていたか
- AIをどの工程で使ったか
- 人が確認した基準は何か
- 作業時間、品質、売上、顧客対応などにどんな変化があったか
新卒採用が縮小して見える時代でも、若い人に機会がなくなるわけではありません。ただし、入口は狭くなり、評価される材料は変わります。企業は育成を感覚任せにしないこと、個人は学歴や年次だけでなく、実際に仕事を変えた小さな実績を示すこと。この二つが、AI時代の採用市場で大きな差になります。
個人にとっての現実的な第一歩は、大きな資格を待つことではなく、身近な業務を一つ選んで改善前と改善後を記録することです。作業時間が30分短くなった、誤入力が減った、確認する人が迷わなくなった。小さな変化でも、条件、手順、結果を説明できれば、採用面接や社内評価で使える材料になります。
出典・参考資料
執筆者：補助金フラッシュ 士業編集部
補助金・助成金の活用法からAI導入、業務の生産性向上まで、中小企業の経営に役立つ情報を士業の専門家チームがわかりやすく解説します。
こちらもおすすめ
スマートレジとは？導入メリットと見落としやすい注意点、活用できる補助金について解説
店舗のレジを見直そうとすると、スマートレジ、セルフレジ、AI決済という言葉が並び、何から比べればよいか分かりにくくなります。名前は似ていますが、見ている場所が違います。スマートレジは店舗データを管理する仕組み、セルフレジは会計作業を誰が行うか、AI決済は認識や判断をどこまで自動化するか、という違いで考えると整理しやすくなります。 この記事では、飲食店や小売店が導入前に確認したい種類、メリット、注意点、補助金の考え方をまとめます。高機能なレジを選ぶ前に、自店の会計業務で何を減らしたいのかをはっきりさせるための判断材料として読んでください。
スマートレジ（POSレジ）の顧客データを分析して販促を変える方法
スマートレジは、会計を早くするためだけの機器ではありません。税率変更への対応が話題になりやすい一方で、店舗にとって本当に大きい変化は、会計のたびに売上と顧客の動きがデータとして残ることです。 そのため、導入を考えるときは、レジの使いやすさだけでなく、顧客データをどう販促に使うかまで先に決めておく必要があります。この記事では、購買分析と顧客関係管理(CRM)の連携を、初めて取り組む店舗にも分かるように整理します。
スマートレジ（POSレジ）はどう選ぶ? 2026年の主要製品の価格・機能・サポート体制を比較
タブレットやスマートフォンで使えるスマートレジは、無料で始められる選択肢が増えました。会計、売上管理、在庫確認までできるため、開業時のレジ選びでも候補に入りやすくなっています。 ただ、最初に見るべきなのは月額料金の安さだけではありません。実際の差は、在庫管理、ネットショップ連携、決済手数料、困ったときのサポート体制に表れます。この記事では、Airレジ、スマレジ、STORES レジ、Square POSレジの主要4製品を、2026年5月時点の公式情報をもとに比較します。
スマートレジ（POSレジ）導入ステップについて解説。費用対効果・運用設計・スタッフ教育のポイント
税率変更が話題になると、店舗ではレジを買い替えるべきか、今のままで対応できるのかが気になります。けれども、スマートレジ導入で最初に見るべきなのは、機種名や価格だけではありません。 重要なのは、税区分、商品データ、会計連携、スタッフ教育を一つの運用として設計することです。ここを決めずに導入すると、レジは新しくなっても、現場の混乱や締め作業の手間は残ります。 この記事では、小売店や飲食店がスマートレジを導入する前に確認したいステップを、費用対効果、運用設計、スタッフ教育の順に整理します。
AIトランスフォーメーション（AX）とは? DXとの違いから中小企業・小規模事業者が取るべき対応まで
2026年版中小企業白書で、AIトランスフォーメーション（AX）という言葉が前面に出てきました。新しい略語に見えますが、単なるAIツールの導入ではありません。 AXで問われるのは、AIを使ってどの仕事を軽くし、どの価値を伸ばすのかという経営判断です。DXとの違いを押さえると、中小企業や小規模事業者が最初に見るべき場所も変わります。 この記事では、AXの意味をDXと比べながら、明日から確認できる対応に落とし込みます。
AIリスキリングはなぜ必要なのか? 事務職の変化と業務改善事例から考える
AIリスキリングという言葉を聞いても、何をどこまで学べばよいのか分かりにくいと感じる人は多いはずです。単に生成AIの使い方を覚えるだけなら、数時間の研修でも始められます。 しかし、これから重要になるのは、AIを使って仕事の役割を組み替える力です。事務作業を減らし、空いた時間を確認、提案、顧客対応に回すことができれば、AIリスキリングは業務改善の入口になります。 事務職の需給変化、企業の研修設計、銀行の業務改善事例を手がかりに、自社で何から始めるかを考える材料にしてください。