Z世代はAI職で優位に立つ可能性があるが、エントリーレベルのキャリアラダーは崩れつつある

Google Newsは注目すべき逆転現象を浮き彫りにした。Z世代はエントリーレベルの仕事で最も強い圧力にさらされながらも、AI関連の雇用で優位に立つ可能性がある。

Forbes Africaの見出しで取り上げられたこの論点は、若年労働者と人工知能をめぐる主流の見方に異を唱えるものだ。AIは、かつて新卒者がホワイトカラーのキャリアに入る足がかりとなった定型業務を減らしている。一方で同じ世代は、AIをより頻繁に使い、試行錯誤を通じて学び、人間の判断を補完的な能力として捉えている。

この組み合わせは実際の優位性を生み出すが、雇用を保証するものではない。Z世代はより強いAI活用習慣を身につけて市場に参入できる一方、その習慣を成熟させられる職が減っている可能性がある。したがって中心的な競争は、若年労働者と年長労働者の対立ではない。実証されたAIリテラシーと、キャリアラダーの最初の段を取り除き続ける採用システムとの競争である。

Google Newsの見出しが正しく捉えている点

Z世代の最も信頼できる優位性は、あらゆる新技術への生来の才能ではなく、AIへの実践的な親しみである。

Google Newsで広まったこの見出しは、キャリア初期の候補者が人工知能に向き合う方法に生じた重要な変化を捉えている。多くの人は職場での正式な研修を待っていない。すでに学校、インターンシップ、個人プロジェクトを通じて、チャットボット、リサーチ支援ツール、画像ツール、自動文章作成機能を使っている。

頻繁な利用が重要なのは、AIの能力が繰り返しの判断を通じて培われるためだ。利用者は、どのような文脈を与えるべきか、どの出力を吟味すべきか、そしてシステムが自信満々に誤っているのはいつかを見極めなければならない。この経験は、気の利いたプロンプトの書き方を知っていることとは異なる。

最近の労働力に関する調査は、世代間の差を裏付けている。ETSによると、従業員は業務タスクの32%がAIによって方向づけられていると見積もっており、Z世代の労働者では38%に上った。同社のより広範なAI task useに関する調査でも、頻繁に利用する人は、たまにしか利用しない人よりもキャリアへの楽観度が高いことが示された。

KPMGは、2026年初頭に調査した冬季インターン361人について、同様の傾向を見いだした。回答者の94%はZ世代だった。現在の業務の約30%には、何らかの程度でAI支援が関与していた。

インターンたちは、将来のフルタイム職務の33%が自動化またはAIによる強化の対象になると予想していた。それでも78%は、AIエージェントとともに働く準備が少なくともある程度できていると感じていた。予想される変化に対する反応は、恐怖よりも好奇心であることが多かった。

これらの数値は、Z世代があらゆる年長世代より深い技術的専門性を持つことを証明するものではない。ChatGPTを頻繁に開く労働者が、証拠の評価、機密データの保護、信頼できるワークフローの設計に自動的に長けているわけではない。利用は能力を構築する機会であって、能力そのものではない。

この優位性は、日常的な利用に振り返りが伴うときに、より意味を持つ。AIがタスクをどう変えたかを説明し、システムの失敗を特定し、修正後の結果を示せる候補者には根拠がある。単に複数のツールを列挙するだけの人のシグナルは弱い。

この違いが重要なのは、AIへのアクセスが広く行き渡ったからだ。希少な能力は、もはやAIツールを見つけることではない。結果への責任を放棄せずに、ツールを使いこなすことである。

Z世代には、ここで別の潜在的優位性もある。その世代は、職場の慣行がまだ定まらない間に学んでいる。生成AIが利用可能になる前に設計されたワークフローへの執着が少なく、既存のプロセスを手放す必要も少ない。

このことは、実験を自然なものにしうる。若手アナリストは、どの主張に出典確認が必要かを判断する前に、複数の文書要約を比較するかもしれない。マーケティングのインターンはAIを使って複数案を作り、その後、対象読者の言葉づかいを捉えていない出力を退けるかもしれない。

ジュニア開発者は、提案された変更をテストする前に、コーディング支援ツールへ不慣れな関数の説明を求めるかもしれない。これらの例はいずれも、専門性の必要性をなくすものではない。どれも、AIが専門性を築く過程をどう加速できるかを示している。

したがって、Google Newsの枠組みは大筋で妥当だ。Z世代は、多くの組織が今求めている習慣を持って市場に参入できる。問題は、雇用主がその習慣を求めながら、潜在力を職業的判断力へと変える役割を減らしているときに生じる。

エントリーレベルのキャリアラダーは最初の段を失いつつある

Z世代の候補者としての強みを高める同じ技術が、その世代に利用可能な採用経路を弱めている。

2026年4月の米国国勢調査局のワーキングペーパーは、ChatGPT公開後にキャリア初期の採用が持続的に減少したことを記録した。この研究は、AIへの曝露度が異なる業界・州のグループにまたがり、22歳から24歳の労働者を調査した。

最も曝露度が高いグループでは、回帰調整後のキャリア初期労働者の雇用は、その後の10四半期で12%減少した。曝露度が低い業界の雇用は安定していた。その後、採用率は回復したが、その一因は影響を受けた雇用基盤がすでに縮小していたことにある。

early-career hiringに関する論文は、AIだけが失われたすべての職をもたらしたとは主張していない。パンデミック、リモートワーク、教育上の変化に関連する、より早期からの変化を特定している。金融政策のショックは、2025年第2四半期までの相対的な減少の最大4分の1を説明できる可能性がある。

こうした留保があっても、タイミングは懸念すべきものだった。最も曝露度の高い業界では、ChatGPTの導入時期と重なるように、雇用増加と欠員補充採用が急減した。このパターンは複数の経済部門でも見られた。

これが、全体の雇用が安定していてもエントリーレベルの危機が共存しうる仕組みだ。企業は採用を続けながら、求人を経験者、AI専門家、または異なるタスク構成の役割へ振り向けることができる。総雇用数は、一つの年齢・経験グループにかかる深刻な圧力を隠しうる。

2026年3月の連邦準備制度による分析では、AI導入度の高い企業や業界において、求人件数全体の減少は確認されなかった。全国的な求人減速は、AIが主因ではないとみられた。ただし研究者たちは、集計結果が脆弱な職種における厳しい状況を覆い隠す可能性があると明確に注意を促している。

このAI hiring dataは、一見した矛盾を解く助けになる。AIは労働市場全体に単純な崩壊をもたらしたわけではない。需要の構成を変え、特定分野での損失と新たな優先事項を同時に生んでいる。

エントリーレベルの役割は、伝統的に構造化され、レビュー可能なタスクを多く含むため、特に影響を受けやすい。若手社員は要約を作成し、情報を分類し、定型的なコミュニケーションの下書きを作り、データを整理し、初稿を作成する。現代のAIシステムは、これらすべての活動の一部を実行できる。

雇用主は、ジュニア人材の採用を減らし、経験豊富な従業員にAI生成物の監督を求めることで対応できる。四半期単位の予算では効率的に見える。しかしこれは、将来のシニア人材が組織の基準を学ぶための業務を取り除くことにもなる。

その結果、育成上のパラドックスが生じる。企業は、判断力を発揮し、AIに異を唱え、業務上の影響を理解できる候補者を求める。だが判断力は、責任、フィードバック、現実の失敗への繰り返しの接触を通じて育つ。

モデルは即座に説明を提供できる。しかし、顧客の意思決定、コンプライアンス審査、失敗した製品ローンチに対する説明責任を従業員に与えることはできない。そうした経験には、実際の仕事への参加が必要だ。

したがってZ世代は、二方向から圧力を受けている。候補者は、最初の本格的な機会を得る前に、より強いスキルを示さなければならない。採用後も、組織がどのように機能するかを明らかにする定型業務を割り当てられる機会が減る可能性がある。

これは、根拠に対する要求水準を引き上げる。雇用主が基本的な選考タスクを自動化できるようになると、学位やデジタルリテラシーに関する一般的な主張の重みは下がる。ポートフォリオ、インターンシップ、検証済みのプロジェクト、AI支援業務に関する具体的な説明の価値は高まる。

最も強い候補者は、成果物だけでなくプロセスを示す。彼らは、元の資料、最初のAI出力、検証手順、修正、最終判断を記録できる。検索可能なpersonal knowledge systemは、あらゆるプロジェクトを洗練されたケーススタディに変えることなく、その業務履歴を残す助けになる。

それでも、個人の準備だけでは失われた労働市場への道筋を修復できない。組織がジュニア職を大規模に廃止すれば、能力のある候補者であっても、少なすぎる求人を奪い合うことになる。AIリテラシーは相対的な立場を改善するが、それ自体で需要を生み出すわけではない。

Z世代の優位性は生得的なものではなく、学習ループにある

若年労働者が優位に立てるのは、頻繁なAI利用がより速い学習、より強い検証、そしてより良い意思決定につながる場合に限られる。

Z世代を「AIネイティブ」と呼ぶことは、説明する以上に多くを覆い隠しかねない。スマートフォンとともに育ったからといって、確率的な言語モデルがどのように回答を生成するかを理解できるわけではない。デジタルインターフェースへの親しみも、バイアス、プライバシー、ハルシネーションを自動的に理解させるものではない。

より擁護しやすい優位性は行動面にある。若い利用者は、ツール間を移行するコストが低く、レガシーなワークフローを維持する理由も少ないことが多い。企業が正式なガイダンスを書き終える前に、新しいシステムを試すことができる。

これにより学習ループが生まれる。利用者はアプローチを試し、失敗を観察し、指示を調整し、情報源を確認して、再び試す。一つひとつのサイクルが、タスクとツールの両方に関する知識を生む。

KPMGのGen Z internsは、このパターンを有用な形で示している。40%は、競争力を維持するためにAIを高いレベルで使うプレッシャーを感じていた。66%は、AIに関する学びや実践を積極的に仲間と共有していた。

こうした仲間同士の交流は重要だ。AIの活用手法は、デモンストレーション、共有されたプロンプト、失敗した出力の例を通じて、しばしば非公式に広がる。若い従業員は、急速に変化するツールと、すべての機能を試す時間のないチームの間で翻訳者になりうる。

ただし、インターンたちは技術的な洗練を何よりも上位に置いたわけではない。彼らが示したい能力として最初に挙げたのは、批判的思考と問題解決だった。適応力、継続的な学習、創造的または戦略的な思考が続いた。

彼らの最大の懸念も示唆的だ。43%は、AIへの過度な依存が批判的思考と意思決定を弱める可能性を懸念していた。この懸念は、Z世代をあらゆるタスクを外注する準備ができた世代とみなす戯画を崩す。

実践的な優位性は、スピードと懐疑心を組み合わせることにある。顧客インタビューの分析を任されたエントリーレベルの市場調査担当者を考えてみよう。AIはテーマを分類し、要約の下書きを作成できるが、少数派の意見を消したり、異なる不満を一つにまとめたりすることもある。

有能な担当者は文字起こしに戻り、矛盾する例を確認し、自動要約がどこで誤解を招くものになったかを説明する。最終的な価値は、要約ボタンを押すことではなく、その介入にある。

同じ原則は、ソフトウェア、金融、デザイン、オペレーションにも当てはまる。AIは初稿を速め、コードを提案し、証拠を整理できる。それでも労働者は、失敗のコストが何か、そしてそのリスクにどの確認が見合うかを知る必要がある。

雇用主は今後、表面的な利用と業務を遂行できるレベルの習熟度をより明確に区別するようになる。表面的な利用者はアウトプットをより速く生み出す。業務を遂行できる利用者は、再現可能なワークフローを構築し、情報源を保持し、レビューのポイントを定め、自動化が不適切な場面を理解している。

この区別は、経験豊富な従業員を単純な世代間比較から守る。シニア社員は利用するAIツールの数が少なくても、より深い領域知識に基づく判断を提供できる。Z世代の優位性は、頻繁な実験によってその判断力をより速く身につけられる場合に現れる。

したがって、この比較は動的なものだ。Z世代のAI知識と年長の従業員の無知を対比するものではない。アクセス、インセンティブ、マネジメント、タスク設計によって形づくられる、二つの学習速度の比較である。

若い実験者と経験豊富なレビュアーを組み合わせる組織は、双方の強みを活かせる。若手社員は新たなワークフローの選択肢をもたらす。シニア社員は、ツールには見えない隠れた制約、過去の失敗、そして結果を見極める。

この組み合わせがなければ、企業は二つの弱い結果に陥るリスクがある。若手社員は、まだ理解していない業務を自動化するかもしれない。経験豊富な従業員は、初期のデモに文脈や品質管理が欠けていたために、有用なシステムを退けるかもしれない。

生産性の高いチームは、世代間の違いを共有された能力へと変える。Z世代の役割は、全員にプロンプトのリストを教えることではない。業務をどう変えるべきかを検証するための、より速く根拠に基づくサイクルの確立を支援することだ。

雇用主は、いまなお必要とする人材パイプラインを自動化している

若手向け業務を、若手育成を再設計せずに置き換えることは、短期的な効率を長期的な人材リスクへと転換する。

エントリーレベルの仕事には、常に生産と学習が混在してきた。若手社員は有用な業務をこなしながら、経験豊富な同僚が品質をどう定義するかを観察する。自動化は、生産の部分を、組織が学習の部分を代替するよりも速く取り除きうる。

この不均衡は、卒業生だけでなくマネージャーにも圧力をかける。パイプラインに入る若手が減れば、将来の雇用主が確保できる関連経験5年の候補者も減る。企業は競合他社からシニア人材を採用できるが、業界全体としては、誰も育成していない人材を採用することはできない。

これがZ世代をめぐる物語における主な対立点だ。実証されたAIリテラシーは、経験を求めながらその経験へのアクセスを狭める採用システムと衝突している。この対立は、応募者にもっと適応力を高めるよう求めるだけでは解決しない。

雇用主は、定型的な下書き作成が安価になった後の「エントリーレベル」の意味を決めなければならない。再設計された職務では、若手に検証、ワークフロー文書化、顧客文脈、例外処理の責任を任せられる。これらの業務は、判断力を育てながら事業価値も生み出す。

マネージャーはまた、目に見えないレビュー業務を可視化する必要がある。AIが使える初稿を生み出すと、従業員の貢献は以前より小さく見えるかもしれない。しかし、前提を確認し、誤りを退け、証拠を選ぶことが、リスクの大半を担っている可能性がある。

評価制度はその仕事を認識すべきだ。そうでなければ、従業員は信頼性を高めるのではなく、より多くのアウトプットを受け入れるインセンティブを与えられる。若い従業員は、責任ある利用を実践する代わりに、AIへの自信を演じることを学ぶだろう。

成果を示す圧力は、すでに測定可能になっている。ETSは、労働者の65%が主に競争力を維持する必要性を感じたためAIを使用していたと明らかにした。73%は、雇用主がどの程度のAIリテラシーを期待しているのか理解するのに苦労していた。

この曖昧さは、自信に満ちた自己演出に報いる。また、制約を正確に説明する慎重な候補者を不利にする可能性もある。雇用主には、ツール名が並ぶ履歴書ではなく、判断を評価するテストが必要だ。

有用な評価では、もっともらしい誤りをいくつか含むAI生成分析を候補者に提示できる。応募者は弱点を特定し、より良い証拠を探し、適切なレビュー手順を説明する。これは、誰かがチャットボットに「習熟している」かを尋ねるよりも多くを明らかにする。

見習い制度やインターンシップにも、保護された学習目標が必要だ。KPMGの回答者は、実践的なプロジェクト業務と対面でのメンターシップを、フルタイム勤務への準備を加速する主要因として挙げた。83%は、週3日または4日の出社を伴うハイブリッド勤務を好んだ。

こうした選好は、別の固定観念にも異議を唱える。テクノロジーを多用しても、人による指導への需要がなくなるわけではない。Z世代のインターンは、定型的な支援にはモデルを、状況に応じた判断にはメンターを求めているようだ。

単にAIライセンスを支給する雇用主は、この違いを見落としている。アクセスは作業時間を短縮できるが、組織の基準を説明するものではない。新入社員には、なぜある回答は許容され、別の回答はリスクを生むのかについて、なおフィードバックが必要だ。

最も効果的な研修は、AIの利用を実際の成果に結びつける。営業アナリストは、自動化されたアカウント要約が会議を改善したのか、それとも気まずい誤りを招いたのかを確認すべきだ。採用担当者は、生成されたスクリーニング基準が関連する候補者を除外していないかを検討すべきだ。

そのフィードバックは、職業上の記憶を生み出す。従業員は、どの近道が特定の条件下で信頼できるかを学ぶ。また、組織がスピードよりも慎重さを重視する場面も学ぶ。

再設計では、生産的な摩擦を一部残すべきだ。若手社員が一次資料を調査しなければ、要約が誤っているときにそれを見抜けない。AIがすべての初稿を書くなら、従業員は弱い構成を診断することに苦労するかもしれない。

企業は選択的に自動化し、その後に従業員を基礎となるプロセスに順番に関与させるべきだ。目標は雑務を永遠に残すことではない。効率化が、自律的に責任を担うために必要な経験を消し去らないようにすることだ。

このアプローチは、Z世代のAIにおける優位性の価値も明確にする。若い従業員が最も有用なのは、業務の基礎を学びながら、その再設計を支援する場合だ。彼らを安価なAIオペレーターとしてのみ扱うことは、その方程式の両面を無駄にする。

Google Newsの物語が証明しないこと

AI利用の多さは適応力を示す可能性がある一方、浅い知識、不平等なアクセス、そして雇用可能に見せようとする強い圧力を覆い隠すこともある。

楽観的な物語には、いくつかの留保が必要だ。第一に、裏付けとなる証拠の多くは調査に基づいている。回答者は自身の利用状況、準備度、懸念、期待について説明している。これらの回答は、アウトプットの品質を直接測定するものではない。

KPMGのサンプルも、1社のインターンを対象としていた。参加者はすでに競争的な選考を通過し、大手プロフェッショナルサービス企業で働いていた。彼らの経験を、就職を求めるすべての若者の代表とみなすことはできない。

第二に、Z世代は一様な集団ではない。有料ツール、最新のハードウェア、信頼できるブロードバンド、インターンシップ、知識のあるメンターへのアクセスには大きな差がある。世代平均は、所得、地理、教育、障害、言語によって生まれる違いを隠しうる。

こうした違いは、アフリカで特に重要になる。Forbes Africaの枠組みは、若い人口を抱え、多くの米国の研究とは異なる労働構造を持つ大陸に届く。米国のオフィスインターンに関する証拠を、留保なしに移し替えるべきではない。

2026年7月のCSIS分析は、アフリカの雇用の約81%がインフォーマルであると報告した。また、大陸では労働力の増加を受け入れるために、毎年およそ1,500万の追加雇用が必要だとも指摘した。

アフリカの雇用創出という課題は、AI優位性の意味を変える。多くの労働者は、正式な企業採用パイプラインの外で働いている。彼らの機会は、接続性、手頃なツール、地域市場、実践的な訓練に左右される。

インフォーマル雇用は当初、オフィス業務の自動化への曝露を減らすかもしれない。しかし同時に、AIを活用する企業に伴う生産性向上、資格、キャリア経路へのアクセスも制限しうる。置き換えから守られることは、成長に参加することと同じではない。

第三に、頻繁な利用は誤った自信を生む可能性がある。AIシステムは、信頼できる分析を生み出す前に、洗練された文章を生み出すことが多い。領域知識が限られた利用者は、捏造された引用、見落とされた制約、無効な計算に気づくのが難しいかもしれない。

これはエントリーレベルの業務で特に危険だ。初心者は、課題を通じて職業のメンタルモデルを構築する。モデルがすべての中間手順を提供すれば、学習者は結果がなぜ機能するのかを理解しないまま課題を終えるかもしれない。

この問題は、ナビゲーションソフトへの依存に似ている。人は多くの目的地に効率よく到達できても、都市の地図を十分に頭の中に描けないことがある。その弱点は、システムが故障するまで隠れたままだ。

第四に、雇用主の需要は教育機関より速く変化しうる。KPMGのインターンの61%は、大学における生成AIのルールが一貫していない、または制限的だと報告した。自分の教育機関がAI利用を強く支援していると答えたのは、わずか9%だった。

大学には、学術的誠実性や不平等なアクセスなど、慎重である正当な理由がある。しかし不明確なルールは、学生を隠れた実験へと向かわせうる。彼らは体系的な訓練も、開示と検証に関する一貫した基準も受け取れない。

第五に、この見出しは構造的な問題を個人間の競争のように見せるリスクがある。Z世代が仕事を見つけるのに苦労すれば、観察者は、成功しなかった候補者が十分なAIスキルを身につけられなかったと結論づけるかもしれない。その結論は、採用の縮小、経済状況、非現実的な経験要件を見落とすことになる。

国勢調査の研究は、その解釈に対する警告を示している。分析がより広範な要因を考慮した後でも、キャリア初期の雇用はAIへの曝露度が高い業界で最も減少した。個人のスキル向上だけでは、市場全体における求人の減少を完全には相殺できない。

連邦準備制度の調査結果は、逆の注意を促す。求人全体は、AIによる広範な崩壊を示していない。人工知能がすでにエントリーレベル市場全体を破壊したという主張も、証拠を超えている。

両方の結果は成り立ちうる。市場全体は回復力を保つ一方で、特定の年齢層、タスク、職種は集中的な圧力に直面しているかもしれない。良い報道は、それらの水準を分けて扱うべきだ。

Google Newsは、説得力のある見出しになるため、分かりやすい逆転劇を増幅しうる。労働市場の現実は依然として不均一だ。Z世代には適応の機会があるが、自動化や他世代に対する勝利が保証されているわけではない。

優位性が現実のものになるかを示す三つのシグナル

次の試金石は、雇用主がZ世代のAIへの親しみを、持続可能な仕事、検証されたスキル、そして機能するキャリアパイプラインへと転換できるかどうかだ。

第一のシグナルは、AIへの曝露度が高い業界におけるキャリア初期採用の構成だ。求人全体では、議論に決着をつけるには広すぎる。研究者は、年齢、経験、職種、タスクへの曝露、雇用の質ごとに採用を追跡する必要がある。

22歳から24歳の労働者で持続的な回復が見られれば、楽観的な見方を強めるだろう。それは、企業が若手職をなくすのではなく、再設計していることを示唆する。減少が続けば、個人のAIリテラシーではアクセスの縮小を克服できないことが示される。

これらの仕事の質も重要だ。一時的なギグワークは収入と実践の機会を提供するかもしれないが、メンターシップ、フィードバック、昇進の機会を常に提供するわけではない。雇用者数は、定着率、賃金上昇、研修、より責任の重い役割への移行と併せて読むべきだ。

第二のシグナルは、自己申告の習熟度から検証されたパフォーマンスへの移行だ。雇用主や教育者はすでに、より明確なAI資格を探している。有用な指標は、情報源の評価、判断、リスク認識、ワークフロー設計をテストするものになる。

新しい資格証明だけでは問題を解決しない。市場には、実務に近く、候補者が不確実なアウトプットをどう扱うかを明らかにする評価が必要だ。ポートフォリオは、洗練された最終成果物だけでなく、修正とその理由も示すべきである。

雇用主が文書化されたレビュー工程を評価し始めれば、Z世代の実験的な姿勢は信頼できる強みとなる。採用が曖昧な自己申告やツール名に左右され続けるなら、能力を誇張する圧力は強まるだろう。

3つ目のシグナルは、雇用主による人材育成への投資だ。AIエージェントを導入する一方で、企業がインターンシップ、徒弟制度、ローテーションプログラム、体系的なメンター制度を拡充するかを注視すべきである。重要なのは、どちらか一方ではなく、その組み合わせだ。

AIへの支出が増える一方で初級人材向けの機会が減れば、見出しが示す期待は弱まる。それは、雇用主が人材パイプラインを再構築せず、自動化された成果だけを重視していることを示す。より充実したメンター制度と再設計されたエントリーレベルの職務は、反対の結論を裏付けるだろう。

このシグナルは、求人票やマネジメントの実務に現れるはずだ。雇用主は、どの業務でAIを使うのか、どの判断に人間のレビューが必要なのか、新入社員がどのように独立した判断力を養うのかを明示できる。明確な期待値は、応募者とマネージャー双方の混乱を減らす。

国際的な状況には、別途注意を払う必要がある。アフリカの政府と雇用主は、AI戦略をインフォーマルワーカー、中小企業、地域の訓練制度と結び付けなければならない。フォーマルセクター向けの技術政策だけでは、大陸の若年労働力の一部にしか届かない。

手頃な価格でのアクセス、関連性のある言語サポート、報酬の伴う仕事につながる信頼できる道筋が、AIへの親しみが幅広い機会を生むかどうかを左右する。こうした条件がなければ、その優位性はすでにつながりを持つ卒業者に集中したままとなる。

Google Newsでこの話題を追う読者は、見出しを分析の出発点として捉えるべきだ。Z世代は急速に適応しており、その適応力には経済的価値がある。しかし、テクノロジーがエントリーレベルの危機を解消したことを示す証拠はない。

決定的な問いは雇用主に向けられる。AIを使って初心者を排除するのか、それとも初心者がより高い価値を持つ責任に早く到達できるよう、仕事を再設計するのか。

候補者にとって、今すぐ取るべき行動はAI支援による判断を可視化することだ。ソース資料を保存し、修正内容を記録し、意思決定を文書化し、ツールが判断できなかったことを説明する。その証拠は、自分をAIネイティブと呼ぶよりも説得力がある。

マネージャーにとっても、行動は同じく具体的だ。自動化された業務のうち、以前はジュニア社員の訓練に役立っていたものを監査し、その学習機会を意図的に置き換える。迅速な実験を、経験者によるレビューと責任ある業務と組み合わせるべきである。

次のGoogle Newsの見出しは、単にZ世代がAIをより多く使っていると報じるだけでは不十分だ。組織がその親しみを雇用、メンター制度、そして持続する専門性へと転換できたかを示すべきである。