(イベントレポート)AI人材採用の勝ち筋〜PFN・松尾研究所が語る、採用と組織の作り方〜

この記事をシェアする

■イベント概要

2026年8月5日、株式会社RevivとLAPRAS株式会社の共催によるオフラインイベント「AI人材採用の勝ち筋〜PFN・松尾研究所が語る、採用と組織の作り方〜」が開催されました。本イベントでは、日本のAI開発をリードする2社から登壇者を迎え、AI活用が広がる中で重要性が高まる「AI人材・エンジニア」の見極め方や、選ばれる組織づくりのリアルな知見が語られました。

本レポートでは、イベントで共有された現場の事実をもとに、読者の皆様が明日からのエンジニア採用活動に活かせる実践的なヒントを抽出してお届けします。

AI時代を勝ち抜くエンジニア採用、LAPRASで実現!
近年、生成AIなどの技術進化により、エンジニアに求められるスキルは大きく変化しています。
単にコードを書くスキルだけでなく、ビジネスへの貢献意欲、チームを率いるマネジメント力やリード力といった「作る以外」の役割を果たせるエンジニアの需要が、かつてないほど高まっています。
自社の事業成長を牽引する「AI時代に求められるエンジニア」を見つけたい。そんなお悩みを、LAPRASで解決しませんか?

■登壇者紹介

株式会社Preferred Networks
AIプロダクツ&ソリューションズ事業本部ソリューション開発第2部部長
河村圭悟氏

株式会社松尾研究所
AI開発事業執行役員
清水茂樹氏

AI時代に「人を採用する」意義とは

生成AIの進化により「AIがコードを書く時代」が到来し、議事録の作成や単純な制作活動といった業務は急速にAIへ代替されています。そのような状況下で企業は「そもそも新たなエンジニアを採用する必要があるのか」という本質的な問いに答えを出すことが求められています。

AI時代だからこそ、人間ならではの高い価値創造が不可欠

「人間ならではの役割」として本イベントで取り上げられていたものが「価値創造」です。AIが実務の一部を代替したことで生まれた余白を、単なる工数削減やそれに伴う利益率の向上で終わらせるのではなく、「顧客への提供価値をさらに高めるため」に変換していく重要性が示されました。

たとえば、システム開発の現場において、顧客との対話を通じた課題のすり合わせや、複雑な意思決定といったコミュニケーション領域をAIで完全に代替することはできません。AIをツールとして活用し、少人数のチームで従来以上の成果を出すアプローチこそが、顧客の満足度に直結します。

利益率の向上よりも「品質の追求」が事業成長を牽引する

人の手による「価値創造」ができなくとも、AIを活用して省力化を図れば目先の利益率を高めることはできます。しかし、提供する成果物の品質が伴わなければ本質的な価値提供にはつながりません。

満足度の高いアウトプットを顧客に提供し続けることができれば、「もっとAIを活用した課題解決を依頼したい」というふうに期待感が高まり、新たなビジネスチャンスにつながることもあります。AI活用による効率化で生まれた時間を、学習や仮説検証のための時間に当て、それによって社会に新たな価値を創出できる人材を獲得・育成していくことが、事業成長のカギとなります。

効率化の目的は「本質的な価値創造への集中」

このように、AIによる業務の効率化は、必ずしも採用数を減らす方向だけには向かいません。むしろ、ITエンジニアが「顧客との質の高い対話」と「本質的な価値創造」に集中するための手段となることが示されました。

自走し価値を生み出すAI推進人材の見極め方

AIを活用して高い価値を生み出せるエンジニアとは、具体的にどのような人材なのでしょうか。セッションでは、求められるスキル像から採用の過程での具体的な見極めアプローチまで、現場ならではの実践的な知見が明かされました。

求められるスキル:「手の内化」と「課題設定力」

AI時代における優秀さの定義として、イベントで挙げられたのが、ツールを「手の内化」できているかという視点です。ここでいう「手の内化」とは、AIの出力結果を鵜呑みにするのではなく、その仕組みや背景にある技術を自らの知見として深く理解し、コントロールできる状態にしておくことを指します。生成AIを単純に利活用するだけに留まらず、自身の知識や経験という「手札の広さと深さ」を拡充しながら、AIへのインプットとアウトプットの精度を高めようとする姿勢が重要であると語られました。

また、エンジニアに求められる役割が「開発・コーディング」にとどまらず、「課題設定力」や「問題解決力」へと広がっている点も提示されました。顧客の要望を適切な仕様や課題に落とし込み、AIから出力された成果物を正しく評価してフィードバックループを回す役割こそが、これからのエンジニアに求められるコアスキルとされています。

必須となるマインドセット:行動起点で仮説検証を回す力

スキル以上に重要視される要素として挙げられたのが、変化に対応し続けるマインドセットです。AI技術の変化のスピードはますます加速しています。そうした技術を使いこなすためには、みずから行動を起こして学び続ける姿勢が求められます。

なかでも、計画を練る前に行動を起こす「行動起点(DPDCA)」の重要性が強調されました。みずから手を動かして迅速に実行(Actquick)し、得られた結果をもとに泥臭く改善を重ねていける人材こそが、AIを使いこなしながら大きく成長していくという見解が示されました。

見極めのノウハウ:「分岐点」と「判断理由」を深掘りする

こうした人材を採用の過程で見極める際は、職務経歴書などの書面情報だけでは限界があります。そのため、面接での対話を通じて本質的な思考力を確認することが有効です。具体的な見極めのためのアプローチとして、「過去に最も自信のあるプロジェクトの過程」を徹底的に深掘りする手法が共有されました。

【深堀りする質問の例】

  • 課題解決の分岐点:「どのような選択肢(アプローチ)があり、なぜその手法を選んだのか」という判断理由を問う。
  • 技術やトレードオフの理解:AIが出力したコードや提案を鵜呑みにせず、裏側にある構造やボトルネックを自分の言葉で説明できるかを確認する。

あげた成果の数値的なインパクトだけでなく、思考のプロセスや「自分で意思決定した経験」を掘り下げて確認することがAIを主導して成果を出せる人材を見極める判断軸となります。

優秀なエンジニアの心を動かすアトラクトの極意

優秀なエンジニア層に対しては、単に企業の知名度や事業の概要を説明するだけでは魅力を感じてもらいにくいという側面が存在します。採用の過程において、どのように自社の本質的な魅力を伝え、アトラクトへつなげていくべきか、現場で実践されているリアルな取り組みが紹介されました。

生の議論やリアルな課題感を直接ぶつける

「自社のリアルな姿や課題感を隠さずに共有する」という手法も強力なアトラクトの手段になります。具体的には、候補者を招いた食事会や対話の場で、リーダー陣が日々行っている「組織や事業に関する生の議論」をそのままぶつけるというアプローチです。

対外向けにきれいに整えられた情報だけでなく、「今どのような課題に対してどこまで深く考えているのか」「これから何を一緒に解決していきたいのか」という泥臭く本質的な議論を共有することで、「この環境で一緒に考えるのは面白そうだ」というやりがいの喚起につながります。

「誰と働くか」を実感できる場づくりと、面接での技術的リスペクト

別の視点で「どのようなメンバーと一緒に働けるか」という人間関係や組織文化の魅力を体感してもらう取り組みが共有されました。

例えば、エンジニアの紹介によるカジュアルな交流の場を設け、あえて会社説明などは一切行わず、「最新技術や日々の開発の面白さについて自由に語り合う時間を提供する」というものです。「技術の話が楽しくできる人が集まっている」という組織の実態を肌で感じてもらうことで、アトラクトにつなげようとする狙いがあります。

また、選考や面接の場面を「アトラクトの場として活用する」という視点も示されました。面接官となるエンジニアやマネージャーが、候補者の取り組んできた技術に対して本質的でクリティカルな質問を投げかけることで、「この会社のマネジメント層は技術を深く理解している」という信頼感を与えることができます。対話を通じて技術への敬意を示し、候補者自身の関心を引き出すアプローチが有効です。

自社の熱量をダイレクトに届ける

優秀なエンジニアを惹きつけるうえで重要なのは、表層的な条件提示ではなく、自社エンジニアの技術に対する熱量や、組織が持つ「温度感」を直接届けることです。自社のオープンな議論に巻き込む体験を提供したり、技術的な対話を通じて相互理解を深めたりすることが、結果として「このチームでチャレンジしたい」という強い意思決定を引き出す鍵となります。

入社後のポテンシャルを引き出す育成と組織づくり

採用したAI人材が早期に成果を出し、長期的に成長し続けるためには、どのような育成や組織づくりの仕組みが必要なのでしょうか。イベント後半では、現場で実践されているオンボーディングやアサインメントの工夫、組織のサイロ化を防ぐ取り組みが語られました。

初期オンボーディング:AI活用による成功体験の提供

入社初期のオンボーディングにおいて「生成AIを活用した自由な開発期間を設ける」という取り組みが紹介されました。具体的には、入社後最初の1ヶ月間で生成AIを自由に使ってもらい、社内業務の改善アプリケーションやツールを1つ構築してもらうという内容です。

個人開発の範囲を超え、組織のスケールで生成AIを活用した際のインパクトや自分自身の生産性の向上を体感してもらうことで、「AIを使いこなすことで自分のポテンシャルがどれほど拡張されるか」を早期に理解してもらう狙いがあります。その後、段階的に顧客との折衝や課題解決の現場へとアサインしていくステップが効果的であると共有されました。

個人の適性に合わせた柔軟なアサインメント

組織の分け方やアサインメントの観点については、過度な標準化や職種の細分化に頼らない柔軟な運用の重要性が示されました。

領域やドメインで組織を細かく固定化してしまうと、特定のナレッジは蓄積される一方で、変化に対する組織全体の柔軟性が失われるリスクが生じます。そのため、1on1などを通じてメンバー個人の適性や伸ばしたいスキル、直面している課題を丁寧に把握し、状況に応じて柔軟にプロジェクトへ配置していく手法が推奨されています。型にはまった制度の導入にコストを割くよりも、一人ひとりの成長速度や課題に合わせた対話と機会提供にリソースを集中させることが、ポテンシャルを最大限に引き出す鍵となります。

サイロ化を防ぐ取り組みと「斜めの関係」の設計

組織の規模が拡大するにつれて懸念されるのが、部署間に壁ができ、縦割りになって情報共有がなされない状態になること(=サイロ化)や風通しの悪化です。

これらを防ぎ、オープンで活発な意見交換を維持するための仕組みも共有されました。例えば、全社を挙げた社内技術発表会を定期開催し、他部署の取り組みやメンバーの活動を相互に知る機会を設ける取り組みです。また、直属の上司以外のメンバーが相談に乗るコーチングやメンターといった斜めの関係性を組織的に設計することで、日常の業務ラインでは解消しづらい悩みやキャリアの相談を受け止めるセーフティネットとして機能します。

本イベントのまとめ

今回のイベントでは、AI時代の到来に伴う採用の捉え直しから、具体的な見極め・アトラクト・育成・組織づくりまで、現場の実務に直結する数多くの示唆が提示されました。全体の主なポイントは以下の通りです。

  • AI時代の採用の意義:AIによる業務効率化で生まれた余白を、価値創造と成果物の品質向上へ還元していくことが、事業成長につながります。
  • AI推進人材の見極め:自らの知見を広げ、AIを適切にコントロールする「手の内化」や課題設定力、行動起点(DPDCA)で素早く改善を回すマインドセットが不可欠です。そうしたスキルを見極めるため、面接では過去のプロジェクトの「分岐点」と「判断理由」を深掘りすることが有効です。
  • エンジニアのアトラクト:「組織や事業の生の議論」を直接ぶつけたり、技術的なリスペクトを示した対話を重ねたりすることで、自社のリアルな熱量と「どんな人と一緒に働けるか」という魅力をダイレクトに伝えるアプローチが効果的です。
  • ポテンシャルを引き出す育成・組織:「組織でのAI活用の成功体験」を早期に提供しつつ、個人の適性に合わせた柔軟なアサインメントを行うこと。そしてサイロ化を防ぐ仕組みや「部門の垣根を横断するコミュニケーション」を設計することが、個人の成長と組織の柔軟性を支えます。

AIの普及により採用を取り巻く環境が変化する中で、候補者一人ひとりの背景や志向性に誠実に向き合う姿勢がこれまで以上に重要になっています。候補者の経験を深く汲み取り、人間ならではの質の高い対話に集中するための採用活動に、ぜひ本レポートの知見をお役立てください。

ご紹介したノウハウを踏まえ、まずは社内のエンジニアと面接での深掘り観点をすり合わせる、自社の生の課題感を伝える対話の場を設けるなど、明日から実践できるアクションに取り組んでみましょう。

AI時代に勝つエンジニア採用を! LAPRASで実現する「スキルの可視化」
AI時代、エンジニアの価値はコードの量ではなく、その質と事業への影響力にあります。
LAPRASは独自のスコアリングにより、テクノロジー、マネジメント、リード力などのスキルを客観的に可視化。
✔︎ 学習意欲の高い層が多数登録
常にスキルをアップデートし続ける、意欲的なエンジニア層にダイレクトにリーチ
✔︎ 潜在層・顕在層の両方にアプローチ可能
転職市場に出てこない希少な才能を、独自のオープンデータから見つけ出します
✔︎ キャリア・スキルを客観的に把握
テクノロジー、リード、マネジメントなどの能力を数値とグラフで可視化。履歴書だけでは見えない「真の実力」を一目で判断できます
▼ 詳細はこちら ▼