Big TechのAI投資ブームは、恒久的な人員削減にはつながっていない

Google Newsは、米国最大手のテクノロジー企業で起きている顕著な逆転現象を示した。3年にわたる効率化キャンペーンにもかかわらず、人員規模は恒久的には縮小していない。

Google、Amazon、Meta、Microsoftは、パンデミック期の採用拡大後、合計で約10万人のポジションを削減した。それでも、総従業員数と人件費関連のコストは、AIをめぐる最も強気な予測が約束したような一貫した減少を見せていない。

これは単純な人間対機械の対立ではない。経営陣が掲げる、無駄を省き自動化された企業像と、AI製品を構築・運用・販売するために必要となる高額な現実との衝突である。

各社は売上を拡大し、インフラに巨額の投資を行い、チームを人工知能中心に再編している。同時に、AIシステムにはエンジニア、営業担当者、セキュリティ専門家、プロダクトマネージャー、人間のレビュアーが必要だという事実にも直面している。

このため、この逆転は単なる採用やレイオフの一巡より重要だ。Big Techは一直線に労働力を減らしているわけではない。どの労働者に投資するか、どの役割の地位が低下するか、従業員がどれほどの不確実性を引き受けなければならないかを変えている。

Big Techの逆転を示すグラフ

Big Techは2022年以降に人員を削減したが、AI投資が加速しても従業員数は縮小を続けなかった。

Washington Postの人員分析は、Amazon、Google、Meta、Microsoftの雇用および財務開示を調査した。同紙のグラフは、個別のレイオフ発表だけでは見えにくかったパターンを捉えている。

4社はパンデミック期に急速に拡大した。デジタルサービスは不可欠なものとなり、オンライン広告は急増し、経営陣は消費者行動の恒久的な変化を見込んだ。

この予測は楽観的すぎた。成長率は平常化し、借入コストは上昇し、投資家はより大きな効率性を求め始めた。

経営陣はレイオフ、管理階層のフラット化、より厳格な業績基準で対応した。Postの分析によると、4社は新型コロナウイルスのワクチン普及後、合計で約10万人の雇用を削減した。

次の局面は分かりやすいものに見えた。生成AIがより多くの業務を自動化し、生産性が上がり、テクノロジー企業はより少ない従業員でより大きな成果を生み出す、というものだ。

しかし、そのような明快な進展は現れなかった。

Amazon、Google、Metaの3社は現在、2022年ごろの採用ピーク時とほぼ同じ人数を雇用している。各社が希少なAI人材を奪い合ったことで、人件費も再び上昇し始めた。

Microsoftも関連するパターンをたどった。同社の従業員数は大規模な削減後に減少したが、クラウドインフラ、サイバーセキュリティ、AI研究、顧客導入支援の分野では採用を続けた。

研究開発費はさらに別の側面を示している。同じ分析によれば、Google、Meta、Amazonでは、研究費が売上に占める割合が2022年より高まった。Microsoftはやや異なるパターンを示したものの、AIに関する総投資は依然として莫大だった。

こうした費用には、従業員報酬だけでなく、機器、施設、ソフトウェア、外部サービスも含まれる。それでも、AIが技術業務を自動的により低コストな事業へ変えるという考えには疑問を投げかける。

このグラフは、自動化が失敗したことを証明するものではない。移行には高コストな代替、実験、拡張が必要だったことを示している。

企業はあるチームを削減する一方で、別のチームを構築できる。定型的なコーディングを自動化する一方で、モデルの評価、インフラの保護、ツールの顧客システムへの統合を担う専門家を採用できる。

Google Newsが新たなテクノロジー業界のレイオフ報道で埋まるたび、この違いは重要になる。人員削減は、今日誰が去るのかを示す。しかし、企業の最終的な規模や構成を明らかにするものではない。

したがって、この逆転は感傷的なものではなく、構造的なものだ。Big Techが単に人員削減を後悔したわけではない。経営陣は、AIが労働需要を確実に減らす前に、その需要を変化させることを知った。

Google Newsの見出しは、はるかに大きな投資転換を隠している

レイオフは緊縮を示唆するが、設備投資は、企業が資源を異例なほど高コストなコンピューティング基盤の構築へ振り向けていることを明らかにする。

Postの5月の分析によると、4大テクノロジー企業は年間合計で7,000億ドル超の設備投資を計画していた。その多くは、AIデータセンター、ネットワーク機器、チップ、建物、電力インフラを支えるための投資だ。

この数字は、レイオフをどう解釈すべきかを変える。企業は給与支出を減らしながら、全体のコスト基盤を増やすことができる。また、当面の圧力がインフラ投資によるものであっても、人員削減を自動化によるものとして説明できる。

AIモデルは、学習時と通常運用時の双方で膨大な計算能力を必要とする。数百万人のユーザーにサービスを提供するには、データセンター、ネットワーク、冷却、電力、そして専門的な技術チームも必要になる。

こうした費用は、どのサービスが持続的な収益を生むか分かる前に発生する。その結果、投機的なAIプログラムを守る一方で、既存機能を削減する圧力が生じる。

一部のレイオフが自動化を反映していることは間違いない。コーディング支援ツールは定型的な記述を処理でき、サポートシステムは日常的な質問に答えられ、広告プラットフォームは基本的なキャンペーン素材を生成できる。

ただし、経営陣は複数の動機をまとめて説明することが多い。再編、成長鈍化、重複する管理階層、優先事項の変化、AIによる効率化を挙げる。

この曖昧さにより、単純な自動化の件数を数えることはほぼ不可能になる。AI投資サイクルの最中に削減された仕事が、必ずしもモデルに置き換えられた仕事とは限らない。

Metaの取締役でベンチャー投資家でもあるMarc Andreessenは、企業が従来型の再編を説明する都合のよい理由としてAIを使うことがあると主張している。OpenAIの最高経営責任者Sam Altmanも、あらゆるレイオフを反射的にこの技術に帰することへの同様の批判を示している。

企業には効率性を強調する強い誘因があるため、この主張は精査に値する。投資家は一般に、高額なAI投資が運営コストの低下や売上成長の加速につながる証拠を評価する。

したがって、人員削減を「AI主導」と呼ぶことには二つのメッセージがある。投資家には経営が規律を守っていると伝え、残る従業員には自動化が避けられないと伝えるものだ。

財務記録はより複雑な実態を示している。技術職の報酬は高額で、第一線のAI研究者をめぐる競争は激しく、新製品には営業・サポート機能が必要になる。

データセンターにも、ソフトウェアチーム以外の人材が必要だ。企業には建設作業員、電気の専門家、ネットワークエンジニア、セキュリティスタッフ、技術者、エネルギー計画担当者が求められる。

こうした職種の一部は、テクノロジー企業そのものの外部にある。顧客企業が横ばいの従業員数を報告していても、請負業者やサプライヤーは拡大する可能性がある。

この動きにより、企業の従業員数は不完全な指標となる。外部委託業務、臨時労働者、コンサルタント、インフラパートナーが雇用する従業員を見落とす可能性があるからだ。

この投資転換は、組織がより単純にならずに、よりスリムに見える理由も説明する。管理階層が減ることで、残った従業員はより多くのシステム、ベンダー、自動化プロセスを担当することになるかもしれない。

すると、労働者は直接の生産者ではなく、機械の監督者となる。出力を確認し、エラーを修正し、障害を記録し、どの時点で業務に人間の判断が必要かを決めなければならない。

こうした責任は、AIのデモンストレーションではほとんど見えない。期限、規制、顧客の期待、セキュリティ要件を伴う実際のワークフローにシステムが入って初めて可視化される。

これが、一つのレイオフ見出しよりも企業の設備投資予算が有用な物語を語り得る理由だ。最終的な人員構成をまだ説明できなくても、資金は経営陣が将来の成長をどこに期待しているかを示す。

効率化の約束は、労働力の現実と衝突している

中心的な争点は、恒久的な労働効率化という約束と、専門性の高い人間の仕事が引き続き必要であるという現実の間にある。

最初の生成AIブームの間、経営陣はモデルを幅広い生産性向上の基盤として頻繁に説明した。従業員はより多くの仕事をこなし、チームは小さくなり、組織はより速く動くようになるというものだ。

こうした発言は、いくつかの異なる結果を一つにまとめていた。生産性は雇用を減らさずに向上し得る。企業は節約できた時間を、より多くの機能開発、より多くの顧客への対応、新市場への参入に使うかもしれない。

テクノロジー企業には、拡大を選ぶ強い理由がある。ソフトウェアは流通コストが低いことが多く、追加のエンジニアリング成果は追加の収益を支えられる。

Evercore ISIのアナリスト、Mark MahaneyはPostに対し、大手テクノロジー企業は従業員数を増やし続けると予想すると語った。その理由は、生産性が高まった開発者が、より多くの収益創出プロジェクトを追求できるためだ。

これは自動化における古典的なリバウンド問題だ。ある資源の生産性が高まると、企業は必ずしもその使用量を減らすわけではない。新たな活動が経済的に魅力的になるため、使用量を増やすこともある。

AIコーディングツールはこの仕組みをよく示している。支援ツールはテストの下書きを作成し、不慣れなコードを要約し、実装案を提示できる。これにより、開発の一部は短縮される可能性がある。

しかし、コード生成が速くなれば、レビューが必要なコードも増える可能性がある。また、プロトタイプ、統合、保守の負担も増え得る。

開発者は依然として、アーキテクチャ、セキュリティ、性能、生成された出力に組み込まれた前提を評価しなければならない。実稼働システムが顧客や機密情報に影響する場合、この仕事はさらに重要になる。

同じパターンはカスタマーサービスにも見られる。自動化エージェントはリクエストを分類し、予測可能な質問に答えられる。複雑な請求の争い、安全上の問題、通常とは異なるアカウントの問題には、依然としてエスカレーションが必要だ。

営業チームにも別の限界がある。AIはアウトリーチ文面の下書きやアカウント情報の要約を行えるが、エンタープライズ向けの購買は信頼、交渉、コンプライアンス審査、組織内の政治に左右される。

これは、置き換えられたすべての役割が戻るという意味ではない。企業は狭い範囲の業務を恒久的に廃止し、ジュニア層の採用枠を減らし、より低コストな請負業者へ仕事を移すことができる。

ただし、「AIが仕事を置き換えた」という表現は、しばしば不完全だ。仕事は別の場所へ移り、細分化され、あるいは異なる職種として再び現れる可能性がある。

Googleは、移行の両側に関わっているため、有用な例となる。同社はモデルとインフラを開発する一方、検索、広告、生産性ソフトウェア、クラウドサービスにAIを組み込んでいる。

こうした製品はGoogleの社内チームに自動化の機会をもたらす。同時に、エンジニア、研究者、営業専門家、安全性評価者、カスタマーサポートへの需要も生み出す。

Metaも同様の矛盾に直面している。同社の経営陣はよりスリムな運営を強調する一方で、モデル、レコメンデーションシステム、広告自動化、コンピューティングインフラに大きく投資している。

Amazonは倉庫、小売、コーポレート業務を自動化できる。その一方で、クラウド部門は能力を拡張し、顧客による複雑なAIシステムの導入を支援しなければならない。

MicrosoftはCopilotを通じた職場の自動化と、Azureを通じたモデルサービスを販売している。それでも、導入環境の保護、エンタープライズ顧客の支援、グローバルインフラの管理を担う人材を必要としている。

各社が一つの理想的な組織へ向かって足並みをそろえているわけではない。それぞれが異なる事業部門で、複数の労働力に関する実験を進めている。

だからといって、最も妥当な解釈は「人間がAIに勝った」ということではない。むしろ証拠は、雇用全体の拡大から、選別的かつ継続的に見直される採用への移行を示している。

恩恵を受けるのは、問題を定義し、自動化された作業を検証し、モデルを実際の業務システムへ接続できる人々だろう。標準化された生産業務に集中する労働者は、より強い圧力に直面する。

ナレッジワーカーにとっては、コンテキストを保持することの価値が特に高まる。personal knowledge baseのようなツールは、汎用モデルには欠けている意思決定、情報源、プロジェクト履歴を保存できる。

こうしたコンテキストは雇用の安定を保証するものではない。ただし、組織が目に見える努力ではなく成果を測る際に、人間の判断力を示しやすくする。

反転はレイオフ・サイクルの終わりを意味しない

総従業員数が安定していても、深刻な雇用喪失、交渉力の低下、個々の労働者にとってより厳しい市場は共存し得る。

企業全体の人数という指標では、すべての従業員が代替可能であるかのように扱われる。だが労働者は、職種、勤務地、経験水準、在留資格、報酬という条件ごとにレイオフを経験する。

企業は数千人規模の一般的なソフトウェア職を削減する一方で、少数のモデル研究者を採用することがある。結果として従業員数は安定して見えるかもしれないが、機会の構造は劇的に変化している。

影響はとりわけ若手に大きい。従来、エントリーレベルの職務は、文書作成、テスト、定型的なコーディング、調査、運用支援を通じて経験を積む場を従業員に提供してきた。

そして、それらは生成AIが部分的に担える業務でもある。管理職は、将来のシニア人材がどのように経験を得るのかを判断する前に、若手向け求人を削減する可能性がある。

その影響は数年後に現れることがある。若手人材の育成をやめた企業は、いずれ複雑なシステムをレビューできる人材の不足に直面しかねない。

労働市場はすでに厳しさを増している。Postは、経験豊富なシリコンバレーの従業員の間で広がるworker insecurityを別途報じた。

同報道は、Layoffs.fyiの追跡データに基づき、2022年以降に発表されたテクノロジー業界のレイオフが80万人を超えると伝えた。この数字には、企業、国、事業環境をまたぐ人員削減が含まれる。

発表された削減数は、AIによる雇用代替を統制された形で測定するものではない。それでも、テクノロジー労働者が組織再編にどれほど頻繁に直面してきたかは示している。

米国全体の市場は、必要な対照材料となる。2026年6月のemployment reportでは、就業者数は1億6,230万人、失業率は4.2％だった。

情報セクターの雇用は、直近の複数の報告ではほぼ横ばいだった後、6月に9,000人減少した。一方、専門・ビジネスサービスは同月に3万6,000人増加した。

これらの分類は広範だ。情報セクターにはメディアと通信が含まれ、専門サービスには主要テクノロジープラットフォーム以外の多くの職種が含まれる。

したがって、全国統計だけでは、特定の職種におけるAIの影響を確認も否定もできない。Big Techのレイオフを経済全体の直接的な代理指標として扱うべきではない理由を示している。

もう一つの不確実性は成果である。Burning Glass Instituteのチーフエコノミスト、Gad Levanon氏はPostに対し、情報セクターの労働時間は2022年以降に減少した一方で、成果は年率約8％で成長したと語った。

このパターンは生産性の向上と整合するが、原因を特定するものではない。業界構成、価格設定、設備投資、アウトソーシング、需要はいずれも時間当たりの成果に影響し得る。

AI導入にもばらつきがある。コードベース、タスクの複雑さ、レビュー基準が異なるため、ある開発者の時間を節約するモデルが、別の開発者には手戻りを生むことがある。

元Meta社員のAnneke Buffone氏は、管理職からシステムの利用を続けるよう圧力を受けながらも、エラーの多いAI作業をやり直さなければならなかったと述べた。彼女の証言は、導入指標では見えないリスクを示している。

ダッシュボードは、従業員がAIアシスタントを開いたことや、多数の提案を生成したことを示せる。しかし、最終成果物がより正確または価値あるものになったとは証明できない。

雇用主がAIの利用を人事評価に組み込むにつれ、この違いは重要になる。ツールの利用状況を測ることは、健全な判断ではなく、目に見える利用を報いるおそれがある。

したがって懐疑的な見方は、AIに生産性向上の効果がないというものではない。企業には、有益な自動化と検証作業の転嫁を一貫して区別する方法が欠けている、ということだ。

見出しの数も同じ歪みを生み得る。Google Newsでレイオフに関する記事が相次げば、急速な代替が進んでいるように見えるかもしれない。一方で、総従業員数は緩やかな縮小しか示していない可能性がある。

逆の歪みもあり得る。採用の発表は安心材料に聞こえても、企業が募集しているのは限定的な専門職だけかもしれない。

労働者は、どちらの種類の発表も資源配分のシグナルとして読むべきだ。それは、経営陣が現時点で何を重視しているかを示すものであり、人材の長期的な必要性について確定した答えを示すものではない。

AIは雇用数以上に職種構成を変えている

最も明確な短期的影響は職業の再配分であり、資源はインフラ、導入、セキュリティ、AI周辺の職務へと移っている。

経営幹部はしばしば、自動化について企業内に一つの労働力プールしかないかのように語る。だが実際には、大企業には技術的、法的、商業的な制約が異なる数千ものワークフローが存在する。

一部のワークフローは高度に構造化されている。入力は明確で、出力は予測可能であり、性能を評価するのに十分な事例がある。

こうした業務は自動化の魅力的な対象となる。文書分類、基本的なコード変換、定型的な顧客対応、反復的な分析は、このパターンに当てはまり得る。

別のワークフローは不完全な情報に依存する。交渉、説明責任、物理的なアクセス、組織の記憶、あるいは通常とは異なる結果への理解を必要とする。

AIはこうした業務を支援できても、主体となって担うことはできない。出力が状況に適しているかを判断する責任は人間に残る。

これにより、統合作業への需要が生まれる。企業には、モデルを中心にプロセスを再設計し、チェックポイントを設け、自動化を止めるべき条件を定義できる従業員が必要だ。

評価も必要になる。モデル評価とは、現実的な条件下でシステムの正確性、安全性、挙動を体系的にテストすることである。

印象的なベンチマーク結果があっても、企業の非公開データ環境で信頼できる性能を発揮する保証にはならない。社内用語、アクセス制御、古い文書は結果を変え得る。

同じ理由でセキュリティ需要も高まる。AIシステムは機密情報を露出させたり、悪意ある指示を受け入れたり、過剰な権限を持つツールを通じて行動したりする可能性がある。

法務・コンプライアンス部門は、モデルがプライバシー規則、知的財産、雇用法、業界固有の要件とどのように関わるかを判断しなければならない。

クラウドプロバイダーもこの複雑さから仕事を得る。顧客にはコンピューティング能力が必要だが、アーキテクチャに関する助言、移行支援、監視、コスト管理も必要になる。

インフラ自体も別の雇用の連鎖を生む。データセンターには、建設、発電、保守、ネットワーク、物理的セキュリティが必要だ。

これらの職務は、職を失ったすべてのデザイナー、採用担当者、プログラマーの代替先になるわけではない。地域、資格、労働条件が、容易な移行を妨げる可能性がある。

このミスマッチは、企業の成長と個人の苦境が共存し得る理由を説明する一助となる。新たな職は別の場所に生まれ、異なる経験を求める可能性がある。

ソフトウェアチーム内でも期待は変化している。雇用主は、生成されたコードを監督でき、より広いシステムを理解しているエンジニアをますます求めている。

この組み合わせは経験を優位にする。シニア従業員は、もっともらしく見えても危険な出力を見抜くために必要なコンテキストを持っていることが多い。

それでも、経験豊富な労働者が自動的に守られるわけではない。高い報酬は、経営陣が少人数のチームでもAIを活用できると考える場合、コスト削減時の標的になり得る。

ナレッジワーカーは、重要な仕事の背後にある判断過程を記録することで対応できる。検索可能なsecond brainは、プロジェクトをまたいで意思決定、根拠、結果を結び付ける助けになる。

目的は、より多くの文章を生成することではない。人が自動化システムの自信に満ちた誤りを見抜けるようにするコンテキストを保存することだ。

企業は、これに関連する管理上の問題も解決しなければならない。組織の知識を削減しすぎれば、新しいAIシステムは不完全な社内記録から学習または検索することになるかもしれない。

その結果、自動化は組織的な記憶喪失を増幅する。チームは、過去の意思決定の理由を知らないまま、より速く回答を生み出せるようになる。

これは、知識の管理を個人的な好みではなく、業務上の機能に変える。意思決定の連鎖を再構築できる従業員は、高コストな繰り返しを防げる可能性がある。

新しい職種構成には、依然として置き換えも含まれる。定型的なコンテンツ制作、基本的な分析、標準化されたサポート業務は、継続的な圧力にさらされる。

しかし、新たに生まれる組織は労働者が不要な組織には見えない。コモディティ化された生産と、高い説明責任を伴う判断との間で、より二極化した組織に見える。

この結果は、AIをめぐる議論の両極にいる人々を失望させるかもしれない。この技術は、すべての役割を守るわけでも、複雑な人間組織の必要性をなくすわけでもない。

Google Newsの読者が次に注目すべきこと

Big Techの反転が持続的な採用につながるのか、再び一時的な停止にとどまるのか、あるいはより深い雇用縮小へ向かうのかは、三つの具体的なシグナルが示す。

第一のシグナルは、企業の次回の財務開示だ。従業員数、研究開発費、設備投資を合わせて評価すべきである。

雇用の増加とAI収益の増加が並行すれば、拡張仮説を支持する。モデルが労働者の生産性を高め、追加採用を正当化するだけの需要を生み出していることを示唆する。

従業員数の減少と安定した成果が組み合わされば、自動化仮説を強める。企業が、より少ない従業員でAIサービスを運営する方法を学んでいることを示すだろう。

個別の事業部門では、混在した結果が最も起こりやすい。クラウドとインフラ部門が拡大する一方で、採用、サポート、消費者向け製品のチームは縮小する可能性がある。

第二のシグナルは、募集中ポジションの構成だ。求人総数よりも、そこに付随する職種、経験水準、勤務地の方が重要である。

エントリーレベルのエンジニアリング、プロダクト、営業、オペレーション職が幅広く復活すれば、人材の能力が依然として成長を支えるという自信を示すことになる。

採用が一流の研究者とデータセンター専門家に集中していれば、異なる見通しを示す。投資は限定的なままで、より広いホワイトカラー市場は制約を受け続けていることを示唆する。

読者は、企業が最近の再編で削減した職務を補充するかどうかも注視すべきだ。再採用があれば、それらの削減が恒久的な自動化を反映していたという主張は弱まる。

第三のシグナルは、導入済みシステムによる測定可能な生産性だ。企業には、AIが単なるツール利用や生成出力ではなく、完了した仕事を改善しているという証拠が必要になる。

有用な指標には、製品サイクルの短縮、サポート解決時間の短縮、エラー率の低下、クラウド利益率の改善、測定可能な顧客導入が含まれる。

証拠にはレビュー作業を含めなければならない。作業の下書きを素早く作れても、大幅な修正を必要とするシステムは、労力をなくしたのではなく移転したにすぎない。

この記事の公開日後に発表予定の7月の雇用統計は、より広い文脈を加えることになる。単月の報告だけで、AI雇用をめぐる議論を決着させることはできない。

読者は複数月を比較し、情報産業と専門サービス、そして経済全体を区別すべきだ。初期の雇用統計の推計はしばしば修正されるため、改定値も重要である。

より大きな教訓は、すでに明らかになっている。レイオフ、採用、投資、自動化は、同じ企業の中で同時に進行している。

Google、Meta、Amazon、Microsoftは、より小規模な組織へ向かう一直線の道を進んでいるわけではない。拡大するAI事業にどれほどの人間による判断が必要なのかを探っている。

この試行は、労働者にとって居心地の悪い環境を生み出す。ある職務が今日には価値を持っていても、明日には一部が自動化され、導入がうまくいかなければ再び設計し直される可能性がある。

一方で、より良い測定に向けた余地も生まれる。経営陣は、生産性向上のうち、どれが自動化、組織再編、アウトソーシング、需要変化によるものなのかを開示すべきだ。

こうした詳細がなければ、あらゆる人員判断が相反する物語を生む余地になる。楽観論者はそれを効率化と呼び、批判者は緊縮策と呼ぶ。そして従業員には、ほとんど明確な説明が与えられない。

Google Newsの見出しの背景にあるチャートは、この混乱の一部を切り分けている。Big Techは、スリムな運営とAIによって雇用が着実に減少へ向かうと示唆してきた。

これまでのところ、各社は大規模な人員削減を実施しながら、さらに積極的に支出し、従業員数はおおむね従来に近い水準へ戻っている。全体的な労働需要よりも、従業員構成の変化のほうが速かった。

次の問いは、AIが有用な仕事をこなせるかどうかではない。それは明らかに可能だ。問われるのは、企業が得られた生産性を再投資した後に、その能力が総労働需要を減らすのかどうかである。

今後の四半期にわたり、法定開示、実際の職種構成、そして測定可能な成果を注視すべきだ。こうしたシグナルは、自動化された未来についてのまた一つの自信に満ちた予測より、多くを明らかにする。

労働者にとって、直ちに取るべき行動も同様に具体的だ。雇用主がどの業務を自動化するかを追跡し、人間によるレビューが結果をどう変えるかを記録し、自らの判断の背景にある文脈を残しておくことだ。企業の購買担当者は、正確性、監督体制、総運用コストを網羅する証拠を求めるべきである。次にGoogle Newsの見出しが採用方針の再転換や新たなレイオフの波を報じたときは、その説明を受け入れる前に、これら3つのシグナルと照らし合わせてほしい。Big Tech自身の数字は、AI導入が従業員減少へ向かう一方通行の行進ではないことを示している。それは、企業がどのような人材を必要とするのか、どのような判断に価値があるのか、そして技術が期待を下回った際に誰がリスクを負うのかをめぐる、継続的な再交渉なのである。