2026.06.25

生成AI推進の大企業、47%が「配置転換」を想定｜要員計画の再設計

生成AIの活用に踏み出す企業が増えるなか、人事や経営企画は新たな問いに直面しています。それは「この先、人をどう配置し直すか」です。ある大規模調査では、生成AIを会社または部門で活用推進している企業のうち、今後の人員構成に「何らかの影響がある」とした企業が53.4%にのぼりました[1]。その半数超が、AIを業務効率化の道具としてだけでなく、組織における人の置き方そのものを揺らす要因として見始めているのです。

ただ、その中身を読み解くと通説とは違う姿が見えてきます。多くの人は「AI＝人員削減」を連想しますが、企業の意向はむしろ別の方向を向いています。本記事では、要員計画を「減らす計画」から「動かす計画」へと組み替えるための、設計の考え方を整理します。

「人員配置の見直し」は削減ではなく再配置が主流

生成AIと雇用の話は、つい人員削減の文脈に流れがちです。けれども調査データを丁寧に見ると、企業がまず想定しているのは「減らす」ことではありません。実態は、人を別の仕事へ「移す」前提で動き始めています。

データが示す「抑制より配置転換」

生成AIを活用推進する企業に絞って人員配置への影響を尋ねた結果を分解すると、選択肢の重みがはっきり分かれます。「既存業務の効率化で従業員を配置転換する可能性がある」が28.9%だったのに対し、「総従業員数を抑制する可能性がある」は16.1%にとどまりました[1]。なお、回答企業全体で見ても、今後5年以内にホワイトカラーの早期退職募集の可能性が「ある」とした企業は3.6%にとどまります[1]。

注目すべきは企業規模による差です。配置転換の可能性は、中小企業の26.6%に対し、大企業では46.7%と大きく上回りました[1]。大企業ほど、人を減らすより動かす方向を想定している傾向が見えます。AIの普及は雇用を細らせるより先に、社内の人材を再配置する圧力として現れている、と読むのが実態に近いといえます。

事務職余剰437万人という構造的ミスマッチ

再配置が重視される背景の一つに、職種ごとの需給の偏りがあります。国の就業構造推計では、十分な国内投資や産業構造の転換が実現し、AI・ロボットの活用やリスキリングが進む場合、人口減少のなかでも2040年の就業者数は約6,303万人にとどまり、全体として大きな人手不足は生じないと見込まれています[2]。

問題は内訳です。同推計は、事務職で約437万人もの余剰が生じる一方、AI・ロボット等の利活用を担う専門職や現場人材は不足すると示しました[2]。余る職と足りない職が同時に発生する——この構造的なミスマッチは、企業が「減らす」より「移す」発想を強める理由の一つと考えられます。余った人手を不足領域へ移せれば、採用難と余剰の双方を緩和できる可能性があるからです。

なぜ配置転換は「計画倒れ」になりやすいのか

方針として配置転換を掲げるのは簡単です。難しいのは、それを実際に機能させること。多くの計画が紙の上で止まるのは、二つの落差を見落とすからです。

余る職と足りない職は地続きではない

事務職が余り、専門職が足りない。この二つを「玉突きで埋めればよい」と考えると、計画はつまずきます。定型的な事務を担ってきた人材が、データ分析やAI運用といった不足領域へ、研修を受けただけで滑らかに移れるわけではないからです。求められる知識も働き方も連続していません。

つまり配置転換とは、空いた席に人を移すような単純な作業ではなく、スキルの断絶を越えさせる営みです。ここを甘く見積もると、「異動させたが戦力にならない」という結果を招きます。余剰人員を不足ポストに名目上あてがっても、橋渡しがなければ生産性は生まれないのです。

リスキリングが「橋渡し」になりきれていない現実

その橋渡しを担うはずのリスキリングも、現場では十分に回っていません。大企業中心の調査では、何らかの形でリスキリングを実施する企業は64.6%に達します[3]。取り組み自体は広がっています。

ところが、つまずきは「移す先」より「移し方」にあります。リスキリング推進の最大の阻害要因は、指導者・メンターの不足が25.9%、人材・スキルデータの未整備が24.3%でした[3]。誰が教えるのか、誰がどのスキルを持つのかが整わないまま、研修プログラムだけが先行している。再配置の経路を支える土台が薄いことが、計画倒れの正体です。

要員計画を「再配置の経路設計」として作り直す

ここまでをまとめれば、要員計画に必要なのは増減の数合わせではなく、「どの人を、どの仕事へ、どう橋渡しするか」という経路の設計です。発想を二段階で組み替えます。

タスク単位で棚卸しし、移す先を決める

出発点は、職種や部署という大きな単位ではなく、業務を構成するタスク単位での棚卸しです。一つの職務を「AIに任せられるタスク」「人が判断すべきタスク」「新たに生まれるタスク」に分解すれば、どの作業が空き、その人をどこへ向かわせるかが具体的に見えてきます。

この粒度で見ると、再配置は「人を丸ごと動かす」話から「空いた時間を価値の高い仕事へ振り替える」話に変わります。事務処理がAIに移った分の余力を、顧客対応の高度化やAIの運用・改善といった不足領域へ充てる。要員計画は、頭数の表ではなくタスクの移動図として描くべきものになります。

先行企業は「企業内大学」で職種転換を進めている

考え方の軸は、生成AIを効率化ツールではなく事業変革の起点と捉え直すことです[4]。そのうえで研修と配置を切り離さず、役割の再定義とリスキリングを一体で回します。「どの役割へ移すか」が決まって初めて「何を学ばせるか」が定まり、学んだスキルを発揮する場が用意されて初めて学習が定着するからです。

実際に、先行企業はこの経路をすでに動かしています。ある大手空調メーカーは2017年に社内の「企業内大学」を設け、新入社員を2年間学習に専念させてデジタル人材を育成しており、その数は2023年度末までに累計約1,500名に達しました[5]。ある精密機器メーカーも、2018年に設けたソフトウェア技術者の育成拠点で、職種転換を希望する社員に研修を施し、これまでに百数十名を開発者へと転じさせてきました[6]。いずれも「育てて移す」仕組みを社内に常設し、スキルが数年で陳腐化する前提のもとで継続的な人材育成戦略に組み込んでいる点が共通します。

さいごに

生成AIがもたらす人員配置の変化は、「人を減らす」より「人を動かす」局面として現れています。半数を超える企業が影響を見込み、大企業ほど配置転換に傾いている[1]背景には、事務職の余剰と専門職の不足という構造的なミスマッチ[2]があります。

だからこそ要員計画は、増減の数合わせから、再配置の経路を描く設計へと役割を変えます。タスク単位の棚卸しで移す先を見極め、役割の再定義とリスキリングを一体で回す。橋渡しの土台[3]を先に整えた組織だけが、余剰と不足を同時に解き、AI時代の人材を活かしきれるはずです。人の配置をどう描き直すかは、これからの数年で企業の地力を分ける論点になります。