TCSのAI採用、デジタル人材を80%に拡大へ。ただし真の試金石は収益性
TCSの経営幹部によると、今後の採用のおよそ80%で、デジタルおよび人工知能のスキルを重視するという。この目標は、AI関連事業が9月期に売上高の10%を超えたことを受けたものだ。採用方針の転換は大きいが、より鋭い問いは経済性にある。AIに対応した人材基盤は、急成長する需要を利益率の改善へと結び付けられるのだろうか。
Tata Consultancy Servicesはもはや、AIの専門性を小規模な技術部門だけに必要な専門要件として扱っていない。同社は入社する人材の大半に新世代のスキルを求める一方、より高度なAI専門性を持つ社員については、より限定的な区分を設ける方針だ。この違いは重要である。エンタープライズAIのプロジェクトには、チャットボットへの慣れ以上のものが必要だからだ。
この戦略は、TCSに難しい運用上の試練も突き付ける。同社は、自動化、再教育コスト、希少な専門人材、あるいは顧客からのコスト削減要求が成果を吸収しないようにしながら、AI導入の提供体制を拡大しなければならない。Accenture、Infosys、HCLTechなどのサービスプロバイダーも同じ圧力に直面しているが、TCSはその対応策において、とりわけ目立つ人材目標を掲げている。
TCSのAI採用は専門コースではなく標準へ
TCSは、AIへの対応力を一部の専門資格から、新規採用者の大半に求める標準要件へと変えつつある。
最高執行責任者のAarthi Subramanian氏によると、TCSは第2四半期に4,500人を採用した。このうち25%から30%は純粋なAI人材とされ、約80%はより広い新世代スキルのカテゴリーに属していた。
Subramanian氏は、この構成が今後も続くとの見通しも示した。同氏の発言は、AIエンジニアという一様な分類ではなく、重なり合う二つの人材群を示している。専門的なAI人材は、デジタル、クラウド、データ、エンジニアリング、AI支援業務向けに採用される、はるかに大きな人材層の中に位置付けられる。
このニュアンスにより、80%という数字を、採用者の5人に4人が基盤モデルを構築するという約束だと解釈するのを防げる。TCSは、銀行、製造、小売、医療、通信、公共サービスにまたがる大企業にサービスを提供している。顧客業務の大半は、業界固有のプロセスとソフトウェア、データ、セキュリティ、クラウドインフラ、システム統合を組み合わせるものだ。
したがって同社には、こうした提供環境の中でAIを活用できる人材が必要となる。開発者はソフトウェア保守にアシスタントを適用するかもしれない。データエンジニアは、検索システム向けに業務情報を準備する可能性がある。コンサルタントは、人によるレビューと自動分析を軸に、保険金請求プロセスを再設計するかもしれない。
TCSは、四半期決算で基礎的な財務の勢いについて説明した。2026年9月30日終了四半期のAI売上高の年換算額は31億ドルに達し、2026年度末時点の23億ドル超から増加した。AI関連事業は会社全体の売上高の10%も超えた。
四半期売上高は76億4,000万ドルに達し、報告ドルベースで前年から2.4%増加した。恒常為替レートベースの成長率は前四半期比0.5%だった。発表済みのPorscheおよびBest Buyとの取引を除く契約総額は96億ドルに達した。
こうした数字は、なぜ今この採用目標が掲げられているのかを説明する。TCSは、顧客が単発の実験に資金を投じることを示す段階を超えた。今後は、複数の部門や地域にわたるより大規模なプログラムを提供するために、十分な適格人材を確保する必要がある。
ある顧客は、財務、エンジニアリング、あるいはカスタマーサービスの単一ワークフロー内でAIを使い始めるかもしれない。導入によって測定可能な成果が得られれば、その取り組みは他の機能へ拡大できる。Subramanian氏は、顧客が初期プロジェクトの有効性を評価した後に展開を拡大する方法を説明する際、この拡大パターンに言及した。
この進展は、人材要件を変える。小規模なパイロットは、少人数の専門家チームに依存できる。本番導入には、アーキテクト、開発者、セキュリティチーム、ドメイン専門家、データ管理者、そしてローンチ後にシステムを保守できる人材が必要となる。
したがって80%という目標は、一つの職種を採用することよりも、TCS全体の最低限の技術的共通言語を変えることに近い。新入社員には、AIがどこで適合するか、その出力をどのように検証すべきか、既存のエンタープライズシステムとどう接続するかを、ますます理解することが求められる。
この要件は経験豊富な人材にも及ぶ。最高経営責任者のK. Krithivasan氏は、年齢だけよりも学ぶ意欲の方が重要だと主張した。顧客の技術環境や業界を理解する中堅エンジニアは、最新ツールを知っていても運用上の文脈を欠く若手社員より有利になり得る。
その結果は、卒業者と経験者の単純な競争ではない。TCSには、若手採用者にしばしば結び付けられるツール活用能力と、既存チームが蓄積した組織的知識の両方が必要だ。同社の採用モデルは、その双方を組み合わせなければならない。
AI売上高が自動的に利益率向上をもたらすわけではない理由
TCSはAIの規模拡大が収益性を支えると見込むが、売上高の分類だけでは、その仕事がより高い収益を生んでいることは証明できない。
TCSは9月期に24%の営業利益率と19%の純利益率を報告した。経営陣は、特に成功した導入を顧客や事業部門間で再現可能にできるようになれば、AI案件の拡大が利益率に貢献すると見込んでいる。
Krithivasan氏は記者団に対し、AI案件の取引量増加は収益性の向上につながるはずだと述べた。この論理は理解できる。再利用可能なソフトウェアコンポーネント、自動化された開発、共有プラットフォーム、短縮された提供サイクルは、各業務単位に必要な労働力を減らせる可能性がある。
規模の拡大は、固定投資をより多くの売上高に分散することもできる。TCSは、従業員教育、パートナーシップ、社内プラットフォーム、研究施設、専門的な提供能力に多額の投資を行ってきた。こうした基盤が多数の契約に活用されれば、案件ごとに付随するコストは低下するはずだ。
同社は2026年度に6,900万時間の学習を記録し、前年比23%増となった。また、取得コンピテンシーは520万件、AIと機械学習の習熟度が高い従業員は27万人超と報告した。これらの数字は準備活動の規模を示すものであり、財務上の成果を示すものではない。
TCSは依然として、学習活動を請求可能で信頼性の高い提供業務へ転換しなければならない。コースを修了しただけでは、従業員が規制対象のワークフローを再設計し、モデルの挙動を評価し、機密情報を保護し、顧客のリスク委員会に対してアーキテクチャを説明できることの証明にはならない。
同じ注意はAI売上高にも当てはまる。TCSは年換算の数字を用いており、これは現時点の売上高のペースを年間ランレートに換算するものだ。1四半期で既に31億ドルのAI売上高を計上したことを意味するわけではない。
経営陣は、AI売上高を分類する際には保守的な基準を適用しているとも説明している。それでも、AIは現在、クラウドのモダナイゼーション、ソフトウェアエンジニアリング、業務プロセス、データプロジェクトの中に現れるため、その境界は複雑であり続ける可能性がある。
ほぼすべての大規模な技術プログラムには、AIファーストの契約にならずともAIコンポーネントを含めることができる。したがって投資家に必要なのは、売上高ラベルの成長だけではない。AI案件が稼働率、価格設定、提供スピード、営業利益を改善しているという証拠が必要だ。
顧客もまた、生産性向上による利益の一部を求めるだろう。AIコーディングシステムによってチームがより少ない時間で同じ業務を完了できるようになれば、顧客は料金引き下げを要求する可能性がある。競争入札は、効率化による利益をサービスプロバイダーから買い手へ移転させ得る。
こうした力学は、長年にわたってアウトソーシングを形作ってきた。自動化は提供コストを下げられるが、プロバイダーが削減した金額のすべてを保持できるわけではない。契約、価格モデル、競争圧力、代替ベンダーの存在が、価値の分配を左右する。
AIプロジェクトには追加コストも発生する。プロバイダーは、モデル、コンピューティング能力、セキュリティ管理、評価、データ準備、専門家による監督に費用を支払わなければならない。一部のワークロードでは高価な推論リソースを消費する可能性があり、モデル出力を生成する継続的なコストを、人件費と並行して管理する必要がある。
初期のエンタープライズ導入では、買い手が当初想定するより多くの人的関与が必要となる場合もある。チームはデータを整理し、アプリケーションを接続し、障害ケースをテストし、出力を監視し、エスカレーション経路を確立しなければならない。規制産業では、文書化、監査可能性、承認要件が加わる。
こうした費用は、TCSの利益率に関する見立てを否定するものではない。それらは、同社が克服すべき課題を定義するものだ。収益性の機会は、従来業務にAIというラベルを付けることではなく、再現可能な提供を大規模に実現することから生まれる。
TCSの最近の数字は、有用な基準線を示している。同社の営業利益率は、一時的な影響を除き、2026年度に25%に達したと、同社の年間決算は示している。9月期の24%という利益率は、AIが最近の業績を明確に上回る改善をもたらす前に、経営陣が回復すべき余地を残している。
したがって投資家は、二つの主張を分けて考えるべきだ。TCSはAI売上高が成長していることを示した。しかし、その成長が研修、技術、報酬、提供コストを差し引いた後の利益率にどれほど寄与したかは、まだ切り分けていない。
TCSのデジタルスキルはチャットボットの習熟を超えなければならない
採用計画が成功するのは、「AIスキル」が生成AIツールの日常的な利用ではなく、信頼できるエンタープライズ実行力を意味する場合に限られる。
ChatGPTやその他のアシスタントを使えることは、銀行、工場、薬局、航空会社の内部でAIを導入する準備が整っていることを意味しない。エンタープライズ業務には、ソフトウェアの知識、ビジネスの文脈、データ規律、判断力をより深く組み合わせることが求められる。
エンジニアは、生成コードがセキュリティや保守上のリスクをもたらす場合を理解しなければならない。コンサルタントはAIシステムを測定可能なプロセス成果に結び付ける必要がある。プロジェクトリーダーは、人がいつ出力をレビューするのか、失敗時に誰が責任を負うのかを定義しなければならない。
この隔たりが、純粋なAI人材と、より広い新世代カテゴリーを分ける理由を説明する。前者には、機械学習エンジニア、データサイエンティスト、モデル評価者、AIアーキテクトが含まれ得る。後者には、業務にAIを取り入れることが増えているクラウド、サイバーセキュリティ、ソフトウェア、データ、エンタープライズプラットフォームの専門家が含まれ得る。
独立した観察者は、ツールの広範な利用を組織能力と同一視すべきではないと警告している。Bots.ai by HR AnexiのNikhar Arora氏は、NDTVの採用に関する報道に対し、従業員に共通の基準や定義された事業成果が欠けている場合、導入状況を示すダッシュボードは準備度を過大評価し得ると語った。
この批判は、9月末時点で598,056人を雇用する企業に直接関係する。TCSは、研修を受けた従業員数や完了モジュール数だけで準備度を評価することはできない。人々が本番業務を安全に遂行できるという、職種別の証拠が必要だ。
ソフトウェアチームの場合、その証拠には、レビュー済みコードの品質、欠陥率の低下、より迅速なモダナイゼーション、信頼できる文書化などが含まれ得る。業務プロセスチームの場合には、許容できないエラー率や顧客からの苦情を生じさせないサイクルタイムの短縮が含まれ得る。
データチームでは、基準はソース品質、アクセス制御、来歴、監視を対象とすべきだ。検索拡張生成は、選別した業務情報をモデルに提供する手法だが、基礎となる文書が最新であり、適切なユーザーがアクセスできる場合にのみ機能する。
データの課題は、TCSが文脈的な知識を重視しているため、とりわけ重要である。汎用モデルは、顧客のポリシー、製品、システム、用語、規制上の義務を自動的に理解するわけではない。その文脈は、収集し、管理し、更新しなければならない。
セキュリティはさらに別の層を加える。承認済みの管理策なしに従業員が公開AIツールを使えば、機密データが漏洩するおそれがある。過度なアクセス権限を持つ本番エージェントは、接続されたシステム全体で意図しない操作を実行する可能性がある。TCSは従業員に、単により良いプロンプトを作るだけでなく、こうしたリスクを認識するよう教育する必要がある。
このため、ドメイン経験には価値がある。クリティヴァサン氏が中堅・ベテラン層を擁護する背景には、AIリテラシーだけでは複雑な企業への理解を置き換えられないという認識がある。シニアエンジニアは、文書には記録されていない理由でレガシーシステムが特定の振る舞いをする理由を理解しているかもしれない。
若手採用者にも依然として大きな利点がある。新しい開発環境に素早く適応でき、業務の進め方について固定観念が少ない可能性がある。人件費が比較的低いことも大規模なデリバリーチームの採算性を支え得るが、TCSは採用戦略を賃金だけの判断として提示してはいない。
最も強いモデルは、両方のグループを組み合わせることだ。経験豊富な従業員は運用上の境界を定め、業務上の例外を特定する。新規採用者は最新の技術スキルを持ち込み、未知のワークフローを検証する。専門家はチーム全体にわたるアーキテクチャと評価基準を確立する。
TCSはすでに、研修を一度きりのコースの枠を超えて展開している。2026年度の報告では、社内ハッカソン、役割別学習、AI学習コーチについて説明された。同社が史上最大のハッカソンと呼ぶ取り組みには、28万1,000人超が参加した。
こうしたプログラムは実践の機会を生み出せるが、決定的な試金石は顧客の成果であり続ける。ハッカソンで作られたデモと、金融取引や機微な患者データを扱うシステムとでは、求められる水準が異なる。
従業員には、持続可能な知識管理の実践も必要になる。AIを使うチームは、意思決定、評価結果、顧客固有の制約、技術的文脈を保存しなければならない。検索可能なエンジニアリング・ナレッジベースは、重要な判断がチャットや分断された文書の中で失われることを防ぐ助けになる。
この必要性はTCSに限らない。ナレッジワーカーはますます、AIが生成する提案と企業固有の根拠の間で仕事を進めている。最も価値あるスキルは、モデルに答えを求めることではない。その答えがシステム、顧客、リスク環境に適しているかを見極めることだ。
採用シフトがITサービス業界全体の圧力を高める
TCSはAI人材を巡って競争する一方、競合他社も同様の能力を構築しており、顧客は価格やデリバリーに関する主張に対してより大きな交渉力を持つようになっている。
Accentureは早くからこの競争に参入した。生成AIへの複数年投資を表明し、AIおよびデータ人材を拡大した。2025年度末時点で、同社は約7万7,000人の熟練したAI・データ専門家を擁していると報告した。
Accentureの規模は、グローバル顧客にコンサルティングとマネージドサービスの別の選択肢を与える。 SEC earnings releaseによれば、2026年度の売上高は742億ドル、新規受注は845億ドルに達した。これらの数値はAIだけでなく、事業全体を対象としている。
HCLTechも高度AI関連の売上高を別途報告し始めている。Infosysは引き続き、Topazの提供サービスと大規模な従業員研修を軸に企業向けAI事業を組織している。各社は、顧客を実験段階から信頼性の高い運用へ移行させられることを示そうとしている。
この競争はTCSに二種類の圧力をもたらす。第一に、モデルエンジニアリング、データアーキテクチャ、AIセキュリティ、エンタープライズ統合の希少な専門家を確保しなければならない。第二に、既存顧客の業務を止めずに、はるかに大きなデリバリー人員を教育する必要がある。
第一の課題は報酬と定着率に影響する。専門人材は、サービスプロバイダー、テクノロジーベンダー、銀行、製造業、AIスタートアップの間を移ることができる。需要の高まりは、その仕事が対応する売上を生む前に採用コストを押し上げる可能性がある。
第二の課題は、従業員の稼働能力のうちどれだけが請求可能な業務を生むかを測る稼働率に影響する。研修には時間がかかる一方、十分に準備できていない人材をプロジェクトに割り当てれば、デリバリーリスクが生じる。TCSは数十万人規模の従業員全体で、これらのコストのバランスを取らなければならない。
同時に、顧客の期待も高まっている。買い手は、実験の寄せ集めではなく事業成果を求める傾向が強い。プロバイダーに対し、処理時間の短縮、ソフトウェアのモダナイゼーション、顧客サポートの改善、あるいは業務の一定割合の自動化を要求することがある。
成果ベースの要求は、再利用可能な知的財産とデリバリーの専門性を評価するため、有能なプロバイダーに有利に働き得る。一方で、契約の支払いが顧客データ、社内導入、またはプロバイダーの管理外にある組織的な意思決定の影響を受ける成果に依存する場合、リスクも高まる。
TCSとBest Buyの契約は、この方向性を示している。両社は、小売業者のインドにおけるグローバル・ケイパビリティ・センターをTCSへ移管し、AIケイパビリティ・センターへ発展させる計画だ。この取り決めは、単体モデルを販売するのではなく、人材、運用プロセス、テクノロジーを結び付ける。
Porscheとの関係も機会を広げる。TCSは、承認を条件として、5年間の提携と、Porscheの経営・ITコンサルティング子会社MHPを買収する契約を発表した。この組み合わせは、より深い業界文脈を備えたAI支援型のエンジニアリングおよびモビリティ事業を示唆している。
これらの契約は、企業需要が再設計されたバリューチェーンと管理されたエージェント型システムへ移行しているという経営陣の主張に合致する。エージェント型システムは、ユーザーのプロンプト後にテキストを生成するだけではなく、定められた管理の下でソフトウェアエージェントがタスクを計画または実行する仕組みだ。
ただし、大型契約が売上高と利益率に十分寄与するまでには時間がかかる場合がある。多くは移管コスト、統合作業、重複運用から始まる。買収関連の費用も、短期的な状況をさらに複雑にし得る。
TCSは選別的な需要環境でも事業を展開している。経営陣によれば、短期的な価値を伴わない裁量的プログラムは引き続き厳しく精査されている。顧客はモダナイゼーションと効率化には資金を投じる意向があるものの、測定可能なリターンを欠くプロジェクトには慎重な姿勢を維持している。
この慎重さは、AIを既存の変革予算と結び付けられるプロバイダーに有利に働く。また、最も急成長しているAIカテゴリーが、必ずしも会社全体の成長を押し上げるわけではないことも意味する。AIのランレートが拡大しているにもかかわらず、TCSの同四半期の前四半期比・恒常通貨ベースの売上成長率はわずか0.5%だった。
この対比が物語の核心だ。AIはTCS内部で意味のある存在になりつつあるが、まだ会社全体の成長率を変えるには至っていない。人材戦略は、より多くの契約でAIデリバリーを利用可能にすることで、この差を埋めることを意図している。
TCSのAI採用が成果を生むかを示す3つのシグナル
次の試験は、また別の研修人数ではない。AI売上、会社成長、利益率がともに改善するかどうかだ。
第一のシグナルは、年換算AI売上の推移である。TCSは2026年度末の23億ドル超から、6月四半期には26億ドル、9月には31億ドルへと拡大した。
継続的な成長は、顧客がパイロットを超えて展開を広げていることを示すだろう。さらに重要なのは、投資家がAIの増加分を全体売上と比較することだ。会社の成長が鈍くても、AIが旧来サービスを置き換えるだけで構成比を高める可能性がある。
より強い結果は、AI売上の増加と恒常通貨ベースの成長加速を組み合わせたものになる。それは、AIが既存契約の分類や提供方法を変えるだけでなく、新たな仕事を生み出していることを示唆する。
第二のシグナルは営業利益率だ。経営陣は、AI案件規模の拡大と収益性の向上を明確に結び付けている。今後の四半期では、賃金変更、採用、研修、モデルコスト、買収、プロジェクト移管を経た後にも、その効果が現れるかが明らかになるはずだ。
AI成長と並行して利益率が改善すれば、再利用と自動化に関する同社の主張はより強まる。利益率が横ばいまたは低下しても戦略が直ちに否定されるわけではないが、実装コストまたは顧客向け価格設定が利益の多くを吸収していることを示す。
第三のシグナルは、労働力の生産性と構成だ。TCSは9月末時点で59万8,056人の従業員を抱え、過去12カ月のITサービス離職率は13.3%だった。人員数だけではAI実行力についてほとんど分からない。
より有用な指標には、従業員1人当たり売上高、稼働率、専門人材の定着、社内異動、研修済み人材のうちAI支援プロジェクトに配置された割合が含まれる。TCSはすべての指標を四半期ごとに開示しているわけではないため、投資家は経営陣のコメントと業績から進捗を推測する必要があるかもしれない。
80%の採用目標にも一貫した定義が必要だ。TCSは、純粋なAI人材、より広義の次世代人材、社内研修を修了した従業員をどのように区別するのかを明確にすべきである。安定したカテゴリーがなければ、四半期をまたぐ比較は難しいままだろう。
顧客は労働力のラベルではなく、デリバリーの証拠を見るべきだ。有用な証拠には、実装サイクルの短縮、事業部門をまたぐ導入拡大の成功、管理されたエラー率、パイロット予算から中核業務へ移行する契約が含まれる。
従業員も同様に実務的な判断に直面している。ツールが急速に変化する中、一つのインターフェースを習得するだけではキャリアを守れない。持続的な価値は、AIリテラシーをソフトウェアの基礎、データに関する判断力、セキュリティ意識、実際の事業領域の知識と組み合わせることで生まれる。
エンタープライズの買い手にとって中心的な問いは、TCSが説明責任を弱めずにAIを産業化できるかどうかだ。そのためには、明確な人間によるレビュー、追跡可能な情報、自動化システムが例外に遭遇した際の信頼できる引き継ぎが必要となる。
TCSはその野心の規模を確立した。AIは売上高の10%を超え、新規採用の大半はデジタルおよびAI能力を対象とし、経営陣は大型契約が利益率を支えると見込んでいる。未解決の問題は、この3つの要素が互いを強化するかどうかだ。
次回の四半期開示では、単純なパターンに注目すべきだ。AI売上は増え、恒常通貨ベースの会社成長は広がり、営業利益率は回復する必要がある。改善するのが最初の数字だけなら、TCSはより大きなAI事業を築いたことになるが、より広い経済的根拠をまだ証明したことにはならない。
テクノロジー人材にとって、直ちに取るべき行動も同様に明確である。ツールへの慣れだけでなく、検証可能な仕事を中心にスキルを築くことだ。モデルを信頼できるデータに接続し、その出力を評価し、アクセスを保護し、事業上の成果を説明できるだろうか。これがTCSのAI採用が示唆する基準であり、一社をはるかに超えて重要になる。
