企業の採用方針が「人数を増やす」から「少数で回す」へ移っています。生成AIによる生産性の向上と、人件費の上昇が背景です。この転換は、候補者にとって「求人は減るが、単価は上がる」ことを意味します。エージェントにとっては、扱う案件の性質が変わるということです。
※出典:doda「転職市場予測2026下半期」、各社の公表資料と、それに基づく編集部の整理です(2026年9月時点)。
企業が人数を絞る方向へ動いている理由は、2つあります。
①AIによる生産性の向上。定型業務が置き換わったことで、同じ業務量を少ない人数で回せるようになりました。資料作成、一次分析、定型の文書。これまで人数が必要だった部分が圧縮されています(AIが変えた求める人材像)。
②人件費の上昇。賃上げが続き、一人あたりのコストが上がりました。10人を平均年収で雇うより、5人を高い年収で雇う方が、総額を抑えつつ成果を出せる。この計算が成り立つようになっています。
結果として企業は、「数を採る」から「選んで採る」へ移りました。採用人数は減り、その分1人にかける年収と時間が増える。
この動きは、スタートアップや成長企業で先行し、大手にも広がっています。採用計画の数字が前年より小さいのに、予算は減っていない。この形の求人が増えているのが、現場の実感です。
転換の影響は職種によって正反対です。定型業務の比率が高い職種ほど、採用数が絞られます。
| 職種 | 採用数の方向 | 理由 |
|---|---|---|
| 一般事務・データ入力 | 大きく減少 | AIとRPAで置き換えが進んだ |
| 定型の営業事務 | 減少 | 受発注処理・資料作成が自動化 |
| ジュニアのマーケター | 減少 | 広告文・記事の量産がAIで可能に |
| 経験者の営業(高単価) | 維持〜増加 | 課題定義と意思決定者の攻略は人に残る |
| データ・AIエンジニア | 増加 | AIを実装する側の需要は拡大 |
| 事業企画・PMM | 増加 | 何を作るかを決める役割の価値が上昇 |
| 施工管理・生産技術 | 増加 | 現場は自動化できず、人手不足が継続 |
少数精鋭型の採用は、候補者にとって諸刃の剣です。
良い面。1人あたりの年収が上がります。5人を高い年収で雇う方針なら、提示される条件は良くなる。裁量も大きくなります。
厳しい面求められる水準が上がります。「教えてもらいながら覚える」余地が減り、入社後すぐに成果を求められる。採用人数が少ない分、選考の倍率も上がります。
特に影響を受けるのがジュニア層です。かつては「人手が足りないから若手も採る」という需要がありましたが、AIが定型業務を担うようになると、ジュニアを採って育てる経済的な合理性が下がります。
ただし、これはポテンシャル採用の拡大と逆方向に見えて、実は両立しています。人手不足が深刻な現場職(施工管理・生産技術・介護など)ではポテンシャル採用が拡大し、AIで代替可能なホワイトカラーの定型職では少数精鋭化が進む二極化です(ポテンシャル採用の拡大)。
この転換は、エージェントのビジネスモデルにも影響します。
求人数が減り、1件あたりの難易度が上がるということは、「多くの候補者を、多くの求人に当てる」モデルの効率が下がるということです。100件推薦して3件決まるやり方は、求人が減れば成立しません。
代わりに価値が上がるのが、1件を確実に決める力です。要件を正確に理解し、候補者を深く理解し、一致度の高い推薦を少数する。推薦数あたりの決定率が、これまで以上に重要な指標になります(候補者と企業を同じ解像度で理解する)。
同時に、単価は上がります。少数精鋭型の求人は年収水準が高く、手数料も比例して大きい。「少ない決定数で、同じ粗利」という構造に移行します(市場が伸びる構造)。
したがってエージェントが磨くべきは、母数ではなく精度です。この転換に対応できない会社は、求人が減った時点で数字が崩れます(KPI設計の記事)。
生成AIによる生産性の向上と賃上げによる人件費の上昇を背景に、企業は「人数を増やす採用」から「少数精鋭型」へ転換している。定型業務の比率が高い職種は採用数が絞られ、データ・AIエンジニアや事業企画は増加、現場職は人手不足が継続するという二極化が進む。候補者にとっては年収と裁量が上がる一方で要求水準も上がり、エージェントにとっては母数で稼ぐモデルの効率が下がり、推薦数あたりの決定率という精度が重要になる。
記事の内容を前提にして、あなたの状況に合わせた答えをAIに出させます。質問を入れて「ChatGPTで相談」または「Claudeで相談」を押すと、記事の要点と質問がセットになった状態で開きます。