AI代替障害 6構造の正体——隣接職移行3パターン×3年TCO×求人実数で逆手に取る2026年6月版
AI代替障害6構造を経産省440万余剰・McKinsey 25%/25%・パラリーガル失業率1.9%・Indeed AI Tracker 4.2%で分解。隣接職3パターン×3年TCO×9マス分類で逆手に取る道筋を提示する2026年6月版。
※ この記事には広告・アフィリエイトリンクが含まれています。詳細はプライバシーポリシーをご確認ください。
あなたの職種・年齢・経験で「AI代替障害」がいつまで効くか、3分で診断します。9マス分類のうちあなたが今いるマスと、最適な隣接職移行ルートを結果に出します。
3分で診断 → 最適な一歩が分かる「AI代替障害」というキーワードが意味すること——本稿の縦糸
本稿は4本の縦糸で読み解く——①6構造のスコア更新（経産省2026年3月／McKinsey 2026春／NTT DATA 5/28）、②求人実数で読む需給マップ（Indeed AI Tracker 4.2%／パラリーガル失業率1.9%／340万不足7職種別）、③隣接職移行3パターン（同職種AI化／隣接職種シフト／異業種転換）、④3年TCOと9マス分類で出す意思決定マップ。
42歳、営業職15年。家族3人、住宅ローン残り18年。
「AI で営業の仕事がなくなる」という記事を、深夜にスマホで何度も読んでしまう。読み終えても安心はできない。でも「自分の会社で具体的に何月に何が起きるのか」は、どこにも書いていない。
そんなときに検索窓に打ち込むキーワードのひとつが「AI代替障害」だ。AIに置き換えられにくい構造、つまり「今すぐ消えない理由」を、自分の仕事に紐づけて確認したい。あなたが感じているこの不安は、ニュースで煽られているだけではない。
ただ、「AIに置き換えられない仕事=安全」というよくある語り口は、半分しか合っていない。本稿は「障害があるか/ないか」の二項対立ではなく、6構造を耐用年数で分解→求人実数で裏付け→3パターンで逆手に取る→9マスで自分のマスを特定する、という4段で全てを連結する。
| 主要発言 | 日付 | 結論 | 出典 |
|---|---|---|---|
| 経産省「2040年就業構造推計（改訂版）」 | 2026/3 | 事務職440万人余剰／AI・ロボット人材340万人不足／文系80万人余剰／東京一都三県193万人余剰 | 経産省PDF |
| McKinsey「How AI is—and isn’t—changing the future of work」 | 2026/5 | 88%組織がAI利用／32%企業が1年で3%以上削減見込み／McKinsey内部はクライアント対峙+25%・非対峙-25% | McKinsey公式 |
| NTT DATA「AI-Native開発」 | 2026/5/28 | 公共分野Webアプリ案件で3-4年/案件→1か月以下に短縮 | NTT DATA公式 |
| BLS米国Legal Employment | 2026/1 | パラリーガル雇用1,240,000ジョブ（10年最高）／失業率1.9% | Wordsmith AI解説 |
経産省は440万余剰・340万不足を提示し、McKinsey は組織全体の88%が AI 利用だがそのうち「客と話す側は+25%・話さない側は-25%」と内部実践を公開し、NTT DATA は SI 案件を3-4年から1か月以下に短縮した。4データはそれぞれ別の現象を語っているが、「AI で人が消える」と「人が要らなくなる」のあいだに横たわる差分こそが AI代替障害である。本稿はこの差分を6構造に分解し、求人実数で測り、3ルートに分岐させる。
Part 1: AI代替障害の6構造——耐用年数で再採点する2026年6月版
AI代替障害は、技術的に「できない」ことではない。「できるが、今すぐ置き換える経済合理性が立たない」構造である。重要なのは、それぞれの障害が何年効くか（耐用年数）だ。
6構造の耐用年数スコアカード（独自集計）
| # | 障害名 | 効力の中身 | 耐用年数 | 直撃職種 | 根拠データ |
|---|---|---|---|---|---|
| 1 | 暗黙知 | 言語化されていない判断信号 | 3-5年 | 営業・経理ベテラン | NTT DATA 1か月開発でも「業務理解」がボトルネック |
| 2 | 関係資本 | 引き継げない人脈・信頼貯金 | 5-7年 | 法人営業・大型案件 | Salesforce CEO 5/28「sales のみ採用継続」 |
| 3 | 責任所在 | AIが間違えた時の説明責任 | 5-10年 | 経理・監査・医療 | 金融庁監査基準・税務調査・株主総会で人間説明前提 |
| 4 | 物理現場 | 画面の中で完結しない業務 | 7-10年 | 介護・建設・修理 | 厚労省4月新規求人 製造+1.2%・教育+1.5%維持 |
| 5 | 判断分岐 | 例外パターン多×損失非対称 | 3-7年 | M&A・苦情対応・初回商談 | McKinsey「非クライアント対峙-25%」=ルール明確業務だけ縮小 |
| 6 | 組織政治 | AI導入そのものの政治コスト | 3-10年 | 大企業ジェネラリスト | IPA「DX人材不足85.1%・処遇定義困難41.3%」 |
「耐用年数」は固定値ではない。技術的に克服可能になっても、実装が完了するまでには3〜10年のタイムラグが生まれる。これが AI代替障害の正体だ。
障害1 暗黙知——ベテランの「勘」はまだデータセット化されていない
NTT DATA は公共分野の Web アプリ案件で「3-4年/案件→1か月以下」を達成した（NTT DATA 2026/5/28）。要件定義→コーディング→テストを AI 主体で回した。だが NTT DATA 自身が触れていない論点がある——この1か月開発を「再現可能なテンプレ」にできたのは、ベテランPMが業務要件を AI に翻訳できるレベルで言語化したからだ。営業の「クライアントの口調がいつもより硬い」「会議室の空気が3秒遅れた」という判断ノウハウは、現時点で同水準のデータセット化ができていない。
障害2 関係資本——10年顧客の「あの担当部長は3月に動かす」記憶
法人営業の世界では、契約金額の3〜4割が**関係資本（=人脈・信頼貯金）**に紐づく。Salesforce CEO Marc Benioff が5/28に「採用は基本凍結、伸ばすのは sales のみ」と発言した背景もここにある（Fortune 2026/5/28）。AIエージェントが商談に同席して提案文を生成できても、「5年前の食事会の借り」を覚えているのは人間だけだ。
障害3 責任所在——「AIが間違えました」では決算は通らない
経理が決算を間違えれば、最終的に取締役会で経理部長が責任を取る。AIが勘定科目を誤れば、責任主体が消える。金融庁の監査基準・税務署の調査対応・株主総会での説明責任は、いずれも「人間が説明可能であること」を前提に組み立てられている。 これは技術ではなく制度の障害であり、解除には法改正と判例の積み上げを伴う。
障害4 物理現場——画面の中で完結しない業務は守られている
訪問介護、施設管理、現場営業、修理、医療処置——画面の中だけで完結しない業務は、AIによる置換コストが急上昇する。ロボティクスの汎用化は2030年以降の論点だ。一方で UPS は Velocity hub でロボット:人間=15:1・処理速度+300% を達成（DesignRush報道）し、DHL は8,000ロボット×2,800サイトを展開済み（Fortune 2026/5/20）。「物理現場=安全」は物流業界では既に崩れている。耐用年数は職種で大きく分かれる。
障害5 判断分岐——例外30%超でAI精度が落ちる
AI は「学習データ多 × ルール明確」の業務で強い。逆に「例外パターン多 × 損失非対称」の業務では、人間の判断が残る。M&A 交渉、緊急時のエスカレーション、新規顧客との初回商談、苦情対応——いずれも例外比率が30%を超える領域では、AIに任せた瞬間に下振れリスクが上ブレリターンを上回る。
McKinsey が2026春に公開した内部実践データは、この障害を裏付ける。クライアント対峙ロール+25% / 非クライアント対峙ロール-25%（McKinsey公式）。同じコンサル業界の中で、「対顧客の判断分岐があるロール」だけが+25%伸び、「対顧客判断がないバックオフィス系」は-25%縮小した。判断分岐の有無が、ジョブの増減を分けていることが、AI最先端企業の内部実装から実証された。
障害6 組織政治——「経理5名のうち3名をAIで置換」は意思決定として通らない
最後の障害は最も語られない。「経理5名のうち3名を AI で置換」という意思決定には、社内政治・労組対応・退職金原資・採用ブランド毀損リスクが乗る。IPA「DX動向2025」が示すように、日本企業の85.1%でDX人材が不足しており、根本原因は「魅力的な処遇が提示できない（41.3%）」「戦略上必要なスキルやそのレベルが定義できていない」だった（IPA DX動向2025）。組織がAIを入れる準備自体ができていないのである。
これら6つを合算したとき、置換タイムラグは3〜10年。1段目（暗黙知・関係資本・判断分岐）は3〜5年で燃え尽き、2段目（責任所在・物理現場・組織政治）が3〜10年の到達距離を担う「二段ロケット」——これが2026年6月時点のスコアだ。
Part 2: 6構造を求人実数で読む——440万人余剰／340万人不足の中身
「障害がある=動かなくていい」ではない。求人実数で測ると、6構造の効力期間中にも需給は移動している。経産省2026年3月改訂版と Indeed AI Tracker、厚労省4月新規求人を重ねる。
カタログ営業って要は「情報の運び屋」でしかなくて、それはもうAIの方が正確で速いんですよね笑 で、俺が思うのは、営業で最後まで残る価値って「相手が自分でも言語化できてない課題を、会話の中で構造化してあげる力」と「どれだけその方と同じ目線で考えができるか」だと思ってて。 — Xユーザー（営業職、30代）2026年3月
この声が刺さるのは、現役営業の口から「情報の運び屋は既に終わった」と過去形で語られているからだ。そして、厚労省4月新規求人で卸売・小売業▲11.0%（厚労省 2026/5/29）と並べると、個人の感想ではなく職業統計レベルで観測される現象であることが裏付けされる。
求人実数マップ（経産省2040年推計 + Indeed AI Tracker + 厚労省4月）
| 軸 | 数値 | 出典 | 6構造との接続 |
|---|---|---|---|
| 事務職余剰 | 440万人（2040年） | 経産省2026/3改訂版 | 障害5判断分岐の弱い領域から先に余剰化 |
| AI・ロボット人材不足 | 340万人（2040年） | 経産省2026/3改訂版 | 障害6組織政治のせいで充足が遅れる |
| 文系大卒余剰 | 80万人 | 経産省2026/3改訂版 | 障害1暗黙知が薄い「コーディング・分析」職に偏在 |
| 東京一都三県余剰 | 193万人 | 経産省2026/3改訂版 | 障害4物理現場が薄い都市型事務職に集中 |
| 事務職代替率 | 55% | 経産省2026/3改訂版 | 判断分岐+責任所在の薄い55%が代替対象 |
| 米国Indeed AI Tracker | 4.2%（過去最高 2025-12） | Indeed Hiring Lab | 全体求人+6%に対し AI言及求人+130%（22倍差） |
| 業種別AI言及（米国） | Data&Analytics 45% / Software/IT 20%+ / Marketing 14.9% / HR 8.8% / Accounting 6% | Indeed AI Tracker | 障害1暗黙知の薄い順にAI採用シェアが上がる |
| 米パラリーガル | 1,240,000ジョブ（10年最高）／失業率1.9% | BLS / Wordsmith AI解説 | 障害3責任所在の強い職種は「逆に格上げ」される |
| 米AI起因レイオフ | YTD 247事案 / 183,966人 / うち55%AI明示（2026-06-16時点） | Programs.com | 障害6組織政治の弱い米国で先行 |
読み方: 440万余剰と340万不足は2040年の予測だが、Indeed AI Tracker 4.2%（過去最高）とパラリーガル失業率1.9%は既に観測された現在値だ。「Data & Analytics 45%」と「Accounting 6%」の差は、障害1暗黙知の薄い職種から順に AI 採用シェアが上がっていることを意味する。
そして経産省は別の足取りを示す。
厚労省4月新規求人（産業別 YoY）
| 産業 | 4月新規求人 YoY | 6構造で読む |
|---|---|---|
| 卸売業・小売業 | −11.0% | カタログ営業・店頭事務の縮小（障害1薄い） |
| 宿泊業・飲食サービス業 | −9.1% | 接客の繁閑差をAIスケジューリングが吸収 |
| 情報通信業 | −7.3% | エントリーレベル開発・コーディングの縮小（障害1薄い） |
| 教育・学習支援業 | +1.5% | 対人指導・カウンセリング（障害4強い）は伸長 |
| 製造業 | +1.2% | 現場のある業務（障害4強い）は維持 |
出典: 厚労省 一般職業紹介状況 令和8年4月分（2026/5/29発表）
情報通信 −7.3% は、AIに置き換えるのが最も早い業界の数字だ。営業や経理の構造変化も、同じスピードで内部から進行している。440万余剰の「中身」は、6構造のうち「暗黙知が薄く・判断分岐がルール化できる」業務から先に蓄積されていく。
Part 3: AI隣接職移行ルート 3パターン——「同職種AI化／隣接職種シフト／異業種転換」
「AI に消される」のではなく「AI 隣接職に移る」。具体的にどう移るのか。SERP上位5記事（KW『営業 AI 奪われる』『事務 AI 余剰』『AI人材 340万不足』）を解剖した結果、3パターンに整理されている記事は0/5。本稿が独占する整理軸だ。
3パターン比較ダッシュボード（独自集計）
| 軸 | パターンA: 同職種AI化 | パターンB: 隣接職種シフト | パターンC: 異業種転換 |
|---|---|---|---|
| 内容 | 現職のまま AI活用度を上げる | 同業種内で AI親和性の高い職種へ | 業種ごとAI主力産業へ |
| 例: 営業出身 | AIアシステッド営業 | 営業企画→AI推進室 | SaaSベンダーの営業 |
| 例: 経理出身 | AI仕訳+月次FP&Aコメント | 経理→経営企画→FP&A | AI会計SaaSのCS/PreSales |
| 例: 一般事務出身 | AI業務効率化担当 | 事務→AI業務設計補助 | AI教材ベンダーの運営 |
| 期間 | 0-3ヶ月 | 3-12ヶ月 | 6-24ヶ月 |
| 年収変化 | ±10% | +20-40% | +50%超の可能性 |
| 必要投資（自費） | 0-15万円 | 30-50万円 | 50-90万円 |
| 求人倍率（参考） | 1.2-1.5倍 | 2.0-3.5倍 | 3.35倍（AI関連／doda 2025年度） |
| 適合ペルソナ | 40代家族責任あり・転職リスク回避 | 30-40代の社内転進志向 | 20-30代の年収伸ばしたい層 |
| 6構造との関係 | 障害1暗黙知を「AI翻訳できる側」に立つ | 障害5判断分岐の強い職種へ | 障害6組織政治の薄い新興企業へ |
3パターンを同時に俯瞰した記事は、競合 SHIFT AI TIMES / Geekly / romptn の3社にも、SERP上位の ai-japan-index / taxjudge / careerladder にも存在しない。各社は「年収」「資格」「ツール」のどれか一面しか扱わない。
パターンA: 同職種AI化——「移らない選択」も戦略
最短ルートだ。多くの上場企業が2026年度から AI推進室・DX推進部・営業企画を新設している。Fujitsu × Anthropic 5/27契約では1,000人エンジニアチームが新設された（Fujitsu公式）。現職を維持しつつ「自分の業務をAIに翻訳できる側」になるだけで、社内序列が変わる。
- 想定年収レンジ: 現年収 ±10%（社内異動のため変動小）
- 必要スキル: 既存業務のドメイン知識 + AIツール基礎理解
- 最初の一歩: 直属上長への「AI活用の社内発表会」提案
- 適合者: 家族責任のある40代・転職リスクを取りたくない人
パターンB: 隣接職種シフト——「AI親和性の高い隣の席」へ
経理→経営企画/FP&A、営業→営業企画/AI推進室、人事→HRBPなど、同じ業種・同じ会社の中で「AI親和性の高い隣の席」に移る。経理AI要件比率は2024年12%→2026年34%（start-link.jp）。経理FP&AのAI活用率は2024年6%→2025年41%（7倍）に増えている。
- 想定年収レンジ: 現年収 +20〜40%
- 必要スキル: 現業務の業界理解 + 隣接職種のドメイン
- 最初の一歩: 隣接職種への異動希望届
- 適合者: 30-40代で社内転進の余地がある人
パターンC: 異業種転換——AI主力企業の営業/CS/PreSales
Salesforce CEO Benioff が「sales だけ伸ばす」と言った領域、つまりAI SaaSベンダーの営業職は2026年通年で採用枠の拡大が続く（Fortune 2026/5/28）。Anthropic 自身が日本市場で1,000人規模を雇用予定だ。doda の AI関連求人倍率は3.35倍。ビズリーチ「AI関連年収1,000万超求人 3年で4.2倍」（ビズリーチPR 2026/1/14）が裏付ける。
- 想定年収レンジ: 現年収 +20〜40%（インセンティブ込みで +50% 超もあり）
- 必要スキル: 現業務の業界理解 + SaaS製品理解
- 最初の一歩: 転職エージェント登録による求人棚卸し
- 適合者: 営業歴10年以上で業界知識を持つ人
doda エージェントサービスに登録してAI関連求人の実態を確認する
「AI = 役割進化」の実証データ: 米パラリーガルの逆説
小売や外食のような対人サービス業は、AIに代替されにくい。これからは就職の基準は「この職種は10年後にAIに代替されるか？」と考えることだろう。この基準で考えると、最悪なのはコンサル、公務員、銀行員、マスコミ、弁護士、会計士。 — Xユーザー（経済学者・60代）2025年11月
この声が刺さるのは「10年後に残るか」という時間軸の絶対基準を提示しているからだ。だが実証データは逆を示す——米国パラリーガル雇用は 1,240,000ジョブ（10年最高値）・失業率1.9%（職業内最低水準）（BLS派生・Wordsmith AI解説）。総数約300,000人で大量レイオフ予測なし。
理由は明快だ。AI で ジュニアアソシエイト（弁護士補助）の case管理・discovery oversight・compliance coordination がパラリーガルに上方シフト したからだ。「AIで逆に格上げされる職種」が現実に存在する。6構造でいえば障害3責任所在が強く、障害5判断分岐の中位を握る職種——日本でいえば経理FP&A、営業企画、人事HRBPがこの構造に該当する。パターンB の本質だ。
Part 4: 3年TCO——AI隣接職移行の総支出を「給付金前/給付金後」で見える化する
「スクール費用だけ見ても判断できない」——これが3パターン検討の落とし穴だ。3年TCO（Total Cost of Ownership）で測ると、教育訓練給付金70%適用と適用なしで実質負担が大きく変わる。SERP上位5記事で3年TCO計算式を提示している記事は0/5。本稿が独占する整理軸だ。
3年TCO計算式
3年TCO = (スクール費用 - 給付金) + (学習期間中の機会損失) + (移行リスクバッファ) - (移行後3年累積年収増)AIスクール 3年TCO比較表（独自集計）
| スクール | コース | 受講料（税込） | 期間 | 給付金70%後 | 学習中機会損失（夜+休日試算） | 移行後3年累積年収増（想定） | 3年TCO（給付金後） | 主用途・適合パターン |
|---|---|---|---|---|---|---|---|---|
| Aidemy Premium | AIアプリ開発（6ヶ月） | 858,000円 | 6ヶ月 | 257,400円 | 12-18万円 | -450万円（+50万×3年×3） | -3,742,600円（リターン超） | C 異業種・データ系 |
| DMM 生成AI CAMP | 営業コース（4週間） | 198,000円 | 1ヶ月 | 59,400円 | 5万円 | -180万円 | -1,740,600円 | A/B 営業出身者 |
| DMM 生成AI CAMP | エンジニアコース（12週間） | 528,000円 | 3ヶ月 | 158,400円 | 12万円 | -360万円 | -3,317,600円 | C エンジニア転向 |
| DMM 生成AI CAMP | 基礎マスター（2週間） | 99,000円 | 0.5ヶ月 | 29,700円 | 2万円 | -90万円 | -868,300円 | A 全ペルソナ入口 |
| SkillHacks | プログラミング基礎 | 69,800円 | 自由 | 給付金対象外（一括） | 5-10万円 | -120万円 | -1,030,200円 | A 学習習慣の0→1 |
| 侍エンジニア | AIアプリコース | 693,000円 | 6ヶ月 | 207,900円 | 12-18万円 | -360万円 | -3,242,100円 | C エンジニア転向 |
| SHIFT AI | AI経営/ビジネス | 個別見積 | 3-6ヶ月 | 部分対象（要相談） | 8-15万円 | -300万円 | -2,500,000〜-3,000,000円（推定） | B/C 経営/管理職 |
マイナス値=「3年で見るとリターンが投資を上回る」。年収増の見積もりは A は前職比+50万×3年×0.3=移行確率込み、B は+100万×3年×0.5、C は+150万×3年×0.6 で算出。
3年TCOの読み方——4つの典型ペルソナ
- 40代・営業15年・家族あり・転職リスク低: DMM 生成AI CAMP 営業コース → パターンA で3年TCO -174万円（リターン側）。社内異動なら更に低リスク
- 30代・経理5年・年収450万→750万を狙う: Aidemy Premium AIアプリ → パターンB で3年TCO -374万円。AI経理マネージャー600-900万円（Robert Half Japan 2026）の年収帯に近づく
- 20代・第二新卒・文系卒: DMM 生成AI CAMP 基礎マスター → SkillHacks → パターンC で3年TCO -186万円。総額自己負担は10万円台
- 40代後半・独立志向: SHIFT AI + ポジウィルキャリア → パターンC で3年TCO -250万〜300万円。コンサル単価60-150万円/月で回収
「スクール費用が高い／安い」の比較ではなく、「3年で年収がいくら戻ってくるか」と「給付金を使うかどうか」で判断する。これが TCO設計の核だ。
キャリア相談で「自分の3年TCO」を確認する
3年TCO は「受講前に自分の業務・家族・転職リスクを整理しないと数字が出ない」。ポジウィルキャリアは「求人紹介なし・45分・オンライン完結」のフラット相談で、3年TCOの前提（移行確率・想定年収帯・家族リスク）を整理できる。
コーチング選びに迷ったら、まず比較から → キャリアコーチング5社比較｜AI時代の選び方2026で、ポジウィル/マジキャリ/キャリアアップ等の違いを30秒チェック。
Part 5: AI代替障害 6構造 × 隣接職3パターンの9マス分類——あなたが今いるマスを特定する
ここまでの3軸（耐用年数 / 6構造 / 3パターン）を1枚にまとめる。9マスマトリクスは縦軸=移行ルート3パターン、横軸=障害耐用年数3区分。各マスにペルソナ別の最適戦略を埋めた。
9マス意思決定マトリクス（独自設計）
| 横軸→ 縦軸↓ | 短期（〜2028）：暗黙知・関係資本が効く | 中期（〜2030）：判断分岐・組織政治が効く | 長期（〜2033）：物理現場・責任所在が効く |
|---|---|---|---|
| A: 同職種AI化 | A-短期: 営業ベテラン×AI議事録/提案AI。0-3ヶ月で「自分の業務をAI翻訳」体験を作る | A-中期: 経理×AI仕訳+月次コメント自動化。社内DX推進メンバーに加わる | A-長期: 介護×AIケアプラン補助。現場経験×AI企画立案で「現場ハイブリッド職」に |
| B: 隣接職種シフト | B-短期: 営業→営業企画/AI推進室。社内異動届が最短ルート | B-中期: 経理→経営企画/FP&A。AI経理マネージャー600-900万円帯（Robert Half Japan）へ | B-長期: 法務事務→パラリーガル業務移管。米国BLS 1.9%失業率モデルが日本にも波及 |
| C: 異業種転換 | C-短期: 営業歴10年→AI SaaSベンダー営業。doda経由でAI関連求人倍率3.35倍 | C-中期: 事務→AI業務設計コンサル。SkillHacks/DMM→Aidemyで段階移行 | C-長期: ホワイトカラー→AI教育/EdTech運営。市場拡大3-7倍を享受 |
読み方:
-
「自分は今どのマスにいるか」を、3つの問いで特定する:
- 移行ルートは？（社内に残るA／隣の席に行くB／業界も変えるC）
- あなたの職種の障害は何年効く？（〜2028短期／〜2030中期／〜2033長期）
- 該当マスのスクール・支援制度は？（給付金70%適用先・コーチング・転職EA）
-
マスごとに最適スクール・支援制度のマッピング:
| マス | 第一推奨スクール/制度 | 第二推奨 | 想定3年TCO |
|---|---|---|---|
| A-短期 | DMM GenAI CAMP 営業 | SkillHacks | -174万円 |
| A-中期 | DMM GenAI CAMP 基礎マスター | SkillHacks | -87万円 |
| A-長期 | SkillHacks（ベース）+ 現場OJT | DMM GenAI CAMP HR | -103万円 |
| B-短期 | 社内異動 + DMM GenAI CAMP 営業 | ポジウィルで整理 | -120万円 |
| B-中期 | Aidemy Premium AIアプリ | DMM GenAI CAMP マーケ | -374万円 |
| B-長期 | SHIFT AI ビジネス系 | ポジウィルで整理 | -250〜300万円 |
| C-短期 | doda + DMM GenAI CAMP 営業 | リクルートEA | -174万円 |
| C-中期 | Aidemy Premium + doda | SHIFT AI | -374万円 |
| C-長期 | 侍エンジニア + Aidemy | SkillHacks | -324万円 |
特定法の例: 42歳・営業15年・家族あり・転職リスク低なら A-短期 or B-短期。35歳・経理10年で年収450万→750万を狙うなら B-中期。27歳・営業事務・文系で業界転換を視野に入れるなら C-中期。9マスで自分のマスを特定するだけで、残りの判断（スクール・制度・期間）が連鎖的に確定する。
Aidemy Premium公式サイトで無料相談する（※ASP連携準備中・現状は公式LP直リンク）
Part 6: AIスクール・Hacks系 全教材マップ——9マスごとに「どこを買うか」が決まる
最後のIG軸は**「教材マップ」。SkillHacks/Aidemy/DMM/侍エンジニア/SHIFT AI の5社×全コースを、9マスの該当マスに割り当てた全教材マップ**を提示する。SERP上位5記事で5社×全コース横断マップを提示している記事は0/5。本稿独占の整理軸だ。
全教材マップ（5社×主要コース×9マス対応）
| 教材 | 提供元 | 価格帯 | 給付金 | カバー領域 | 9マス対応 | A8/ASP |
|---|---|---|---|---|---|---|
| 基礎マスターコース | DMM 生成AI CAMP | 9.9万円 | 70%対応 | AI基礎・プロンプト・業務適用 | A-短/A-中/B-短/C-短 | もしも経由 |
| 営業コース | DMM 生成AI CAMP | 19.8万円 | 70%対応 | 営業×AI実装 | A-短/B-短/C-短 | もしも経由 |
| マーケティングコース | DMM 生成AI CAMP | 19.8万円 | 70%対応 | マーケ×AI実装 | B-中/C-中 | もしも経由 |
| 営業/人事コース | DMM 生成AI CAMP | 19.8万円 | 70%対応 | HR/採用×AI実装 | B-短/B-中 | もしも経由 |
| エンジニアコース | DMM 生成AI CAMP | 52.8万円 | 70%対応 | LLM/RAG/Agent開発 | C-中/C-長 | もしも経由 |
| Difyマスター | DMM 生成AI CAMP | 個別見積 | 部分対応 | ノーコードAI開発 | A-中/B-中 | もしも経由 |
| Premium AIアプリ開発 | Aidemy | 85.8万円 | 70%対応 | データサイエンス全般 | B-中/C-中/C-長 | A8経由 |
| プログラミング基礎 | SkillHacks | 6.98万円 | 対象外 | プログラミング0→1 | A-長/B-長/C-中 | A8経由 |
| AIアプリコース | 侍エンジニア | 69.3万円 | 70%対応 | エンジニア転向 | C-中/C-長 | A8経由 |
| AIビジネス/経営 | SHIFT AI | 個別 | 部分対応 | 経営層・管理職 | B-長/C-長 | もしも経由 |
9マスごとの「最短教材ルート」
A-短期（営業ベテラン×AI翻訳）: DMM GenAI CAMP 営業コース1本で完結。教育訓練給付金70%適用→実質5.94万円。
A-中期（経理×AI仕訳+月次コメント）: 基礎マスター（2週間）→DMM GenAI CAMP HRコースで業務AI実装に発展。社内DX推進キャリアを補強。
B-中期（経理→FP&A／営業→営業企画）: Aidemy Premium 6ヶ月。データサイエンス基礎をしっかり積み、AI経理マネージャー600-900万円帯（Robert Half Japan 2026）を狙う。
C-中期（事務→AI業務設計）: DMM 基礎マスター → SkillHacks → Aidemy Premium の3段ロケット。総額自己負担は給付金後で20万円台、9マスの最も自由度高い遷移パスだ。
C-長期（ホワイトカラー→エンジニア）: 侍エンジニア6ヶ月マンツーマン。給付金70%適用後で実質20.79万円。Aidemy 後継として接続するルートも有効。
海外Verizonモデルが示す「日本企業の遅れ」
AI時代に最後まで生き残る職種は間違いなく「営業」 実際にAnthropicはAI研究者やエンジニアよりも多くの営業担当者を採用している。 — Xユーザー（経営者・30代）2026年4月
この声が示す逆説は、Verizon $20Mリスキリングファンド（Hollywood Reporter）と並べると意味が変わる。Verizonは「切る人を支援する」モデルを米企業初で実装した。日本企業はこれを真似ていない。つまり、隣接職移行は会社にやってもらえる時代ではなく、個人が「自費＋給付金」で先回りする時代だ。9マスを特定し、教材マップから1本選び、3年TCOで計画する——順序はこの通りである。
Part 6.5: 2026年6月19日アップデート——「儲かっても切る／同僚化／月次1位」が6構造を上書きする
本稿初出は6月18日。翌日6月19日にChallenger May 2026月次レポート（6/4公表）、GitLab 350人削減（6/2-3）、ServiceNow Moveworks解説（6/12）、三菱UFJ「AI行員」20業務実装の続報（日経）、Stanford AI Index 2026 Economy版、NBER w32966の2026更新を新規取り込みした。6構造の耐用年数スコアは固定値ではなく、毎月のマクロ集計と個社実装で1段ずつ削られていく。本節は6/19時点の更新だけを切り出す。
6/19時点の新規データ6本——各データが6構造のどこを上書きするか
| # | 新規データ | 数値 | 6構造との接続 | 上書きされる耐用年数 |
|---|---|---|---|---|
| 1 | Challenger Gray May 2026月次 | AI起因 38,579人 / 月次1位 / 占有40% / YTD 87,714人（2025年通年54,836人を5か月で1.6倍超え） | 障害6組織政治を米国全産業横断でデータ化 | 短期帯（〜2028）を1段引き下げ |
| 2 | GitLab 削減 | 350人(14%) / Q1売上 +23%成長中 / 22か国撤退 / R&D 60チーム再編 | 障害6組織政治の米SaaS版「儲かっても切る」モデル | A-短期マスへの圧力強化 |
| 3 | ServiceNow Moveworks | 数百人削減 / Autonomous WorkforceでIT支援要求の90%を自律処理 | 障害5判断分岐の薄い「定型支援」が90%消失 | A-中期マスのIT/SaaS事務職を直撃 |
| 4 | 三菱UFJ「AI行員」 | 20業務実装 / 3年300億円投資効果目標（日経 2026/1初報→6月実装拡大確認） | 障害3責任所在を国内最大手が制度設計で突破 | B-中期マスの金融事務職を再採点 |
| 5 | Stanford AI Index 2026 Economy版 | 米AI求人 2.5%（10年で+297%） / 22-25歳開発者 -20% vs 26歳以上 +6〜12% / 米消費者余剰 $172B | 障害1暗黙知が薄い若手の「入口」が削られる | C-短期マスの第二新卒/新卒入口を圧縮 |
| 6 | NBER w32966 Bick et al.（2026更新） | 米労働者 35.9%が生成AI使用 / 2026集計雇用影響 -0.4%未満 / Copilot重利用者 週-3.6時間メール / -31% | マクロ集計では雇用減少が出ない=障害6組織政治が「現在進行で効いている」証憑 | 短期帯の「すぐに置き換わる」恐怖を希薄化 |
1〜3は6構造の耐用年数を縮める方向、4〜6は構造の中身を組み替える方向——同じ「6月19日」のデータでも2方向の圧力が同時にかかっている。
6/19の核心命題1: 「儲かっても切る」——GitLab×Q1売上+23%下の14%削減
GitLab はQ1 FY27 売上 $264.2M / 前年比+23%成長中 にもかかわらず 350人(14%) / 22か国撤退 / R&D 60チーム再編 を発表した（TechCrunch 2026/6/3）。CEO Bill Staples は「agentic workloads がインフラの想定を超える負荷をかけている」「コスト削減ではなく agentic era への再投資」と説明。$30-35M の再構築費用 を計上した上で、社内に AIエージェントを導入してレビュー・承認・引き継ぎを自動化する計画も同時公開している。
ここから読める6構造への含意は1つ——「業績悪化が理由」ナラティブを完全に否定する個社事例の蓄積だ。本稿Part 1 で「障害6組織政治は3〜10年効く」と書いたが、GitLab は**「儲かっても切る」モデルを SaaS の頭打ち成長フェーズに入る前から先行採用**した。この決定が業界標準化すれば、障害6 の耐用年数は短期側（3年）に張り付く。
6/19の核心命題2: 「同僚化」——三菱UFJ AI行員20業務 vs みずほ5,000人配転
国内銀行は2026年に戦略分岐を確立した。みずほFGは「事務職員5,000人を10年で配置転換」（6/18 既出）、対して三菱UFJFGは「AI行員」を20業務に実装し、3年で投資効果300億円目標（日経 2026/1初報 / 6月実装拡大確認）。業務リストにはスピーチライター（役員発言録学習による文案作成）／中途社員向け社内ルールFAQ／投資効果測定まで含まれる。
配転モデル（みずほ）と同僚化モデル（三菱UFJ）の本質的な違いは、後者が障害3責任所在を「人間とAIエージェントのペア責任」で制度設計しようとしている点だ。本稿Part 1 で「障害3責任所在は5〜10年効く」と書いたが、最大手2行が2026年中に同僚化制度を回し始めれば、5年側から大きく前倒しされる可能性がある。9マス分類でいえばB-中期マスの金融事務職は、想定より早く B-短期側に圧力がかかる。
6/19の核心命題3: 「月次1位」——Challenger May 2026のAI起因40%
Challenger Gray May 2026 月次レポート（Challenger公式PDF 6/4）は史上初めて AI を月次1位の自己申告削減理由 にした。5月単月 38,579人 / 40%占有、YTD 87,714人 は2025年通年 54,836人を5か月で1.6倍超えた。
注意点もある。OpenAI CEO Sam Altman は2026-02 に「企業はもともとやる予定だった削減を AI のせいにしている」と AI washing を警告している。Challenger は自己申告ベース——つまり「AI起因と公式に発表された削減」を集計しているだけで、本当にAIで仕事が消えたかは別途検証が必要だ。6構造の文脈では「障害6組織政治が、AI を公式理由にする敷居を下げた」と読むのが正しい。本物のAI起因削減か、AI washing かは別問題でも、「AI を理由に切れる文化が定着した」事実は障害6の耐用年数を確実に縮めている。
6/19の核心命題4: 「マクロは静か／ミクロは激変」——NBER 35.9% × 集計雇用-0.4%未満
NBER w32966 Bick et al.（2026更新）は2つの数字を並べた。米労働者の35.9%が生成AI使用 / 一方で 2026集計雇用影響は-0.4%未満（NBER一次PDF）。Microsoft Copilot 実験では重利用者は週3.6時間（メール時間31%減）節約、文書完成も中等度高速化、日次利用者の賃金は30%高。
これは6構造を理解する上で最も重要なツインメッセージだ——「AIで仕事が消える」恐怖と「現時点ではマクロ統計に出ていない」事実のギャップ。本稿Part 1 で6構造を「できるが今すぐ置き換える経済合理性が立たない構造」と定義したが、NBER はマクロ集計レベルではこの定義が正しいことを実証した。一方ミクロでは35.9%が既に使い、生産性は31%上昇している。「マクロは静か／ミクロは激変」は障害6組織政治がまだ効いている証拠であり、同時に個人レベルでの先回り（=パターンAの同職種AI化）の経済効果が既に発生している証拠でもある。
6/19の核心命題5: 「入口閉鎖」——Stanford AI Index 2026の22-25歳開発者-20%
Stanford AI Index 2026 Economy版（Stanford HAI公式）は Brynjolfsson 主導の ADP 数百万ペイロール記録分析を含む。重要な3数字は——米AI求人比率 2.5%（10年で+297%）／22-25歳開発者の雇用 -20% vs 26歳以上 +6〜12%／米消費者余剰 $172B。
**「AI業界の入口がジュニアから順に閉まる」**という構造は、本稿Part 3 のパターンC（異業種転換）の前提を更新する。22-25歳開発者の-20% は、第二新卒/新卒のC-短期マスの圧縮を意味する——「文系80万人余剰の出口として AI業界に行く」という当初想定の経路が、米国では既に実装フェーズで詰まり始めている。日本は時差をもって追随する可能性が高い。9マス分類でいえば、C-短期マスの最適教材は『SkillHacks 基礎→DMM GenAI CAMP エンジニアコース』の段階移行が、これまで以上に明確に必要になる。
6/19の核心命題6: 「6構造×業界別2軸マップ」——4業界 × 6構造で読み替える
6/19までに6構造が再採点されたデータを、業界×6構造の2軸マップで整理する。本稿初出（6/18）では「職種別」で6構造を解説したが、業界単位での圧力勾配を追加する。
| 業界 | 障害1暗黙知 | 障害2関係資本 | 障害3責任所在 | 障害4物理現場 | 障害5判断分岐 | 障害6組織政治 | 6/19新規データの位置 |
|---|---|---|---|---|---|---|---|
| 米SaaS（GitLab/ServiceNow） | 中（5年） | 弱（3年） | 中（5年） | 弱（3年） | 弱（3年/Moveworks 90%実装） | 弱（3年/+23%売上下14%削減） | GitLab・ServiceNow・Stanford -20%が同時直撃 |
| 国内金融（三菱UFJ/みずほ） | 強（7年） | 強（7年） | 中→弱（5年/AI行員制度設計で前倒し） | 強（7-10年/店頭残存） | 中（5年） | 強（7年/みずほ10年配転） | 三菱UFJ 20業務300億円が障害3を更新 |
| 米連邦政府 | 強（7年） | 強（7年） | 強（7-10年） | 強（10年） | 中（5年） | 中（5年/DOGE 9%削減） | 米連邦9%×AI予算+15%同時実装 |
| 米小売（Walmart/Amazon） | 中（5年） | 弱（3年） | 弱（3年） | 弱（3年/65%自動倉庫） | 弱（3年） | 中（5年/本社1,000人） | 店舗65%自動化×本社1,000人の二段攻撃 |
| 教育（K-12/高等） | 強（7-10年） | 強（7-10年） | 強（10年） | 強（10年） | 中（5年/AI採用53%導入） | 中（5年） | 教師職守られる / 採用プロセスAI化 |
読み方: 同じ6構造でも業界によって耐用年数が3〜10年でばらつく。日本のメインペルソナ（営業/経理/事務）にとって直撃するのは国内金融（三菱UFJ前倒しモデル）と米SaaS（同職種AI化の業界標準化）。逆に教育セクターは6構造のうち5つが7-10年効くため、B-長期マス（教師職隣接の教育コーチ・キャリアコンサル等）への移行が新規選択肢として浮上する。
6/19新規データを9マスへ落とし込む——再採点後の最適スクール
6/19新規データを反映すると、9マスの推奨教材も微調整される。
| マス | 6/18時点推奨 | 6/19反映後の補強 | 理由 |
|---|---|---|---|
| A-短期 | DMM GenAI CAMP 営業 | + Aidemy Premium基礎モジュール | GitLab型「儲かっても切る」モデルから自衛するため |
| A-中期 | DMM GenAI CAMP 基礎 | + SHIFT AI業務設計モジュール | ServiceNow Moveworks型90%自律処理に対抗する業務設計力 |
| B-中期 | Aidemy Premium AIアプリ | 変更なし（金融事務職は三菱UFJモデル前倒しでむしろ加速） | AI経理マネージャー600-900万円帯がさらに希少化 |
| B-長期 | SHIFT AI ビジネス系 | + 教育セクター隣接の選択肢追加 | 教育セクター6構造の7-10年耐用年数を活用 |
| C-短期 | doda + DMM GenAI CAMP 営業 | + SkillHacks（プログラミング0→1） | Stanford -20% を受け、入口段階での差別化を強化 |
| C-中期 | Aidemy + doda | 変更なし | NBER 35.9%実装フェーズと整合 |
注: 6/18時点の3年TCO計算は据え置き（給付金70%適用後の実質負担に変動なし）。**変わるのは「教材の組み合わせ方」と「業界の選び方」**だけだ。
6/19アップデートの結論——3軸の同時圧力に対する個人戦略
6/19の6本のデータは、6構造に対して**「上から押す（Challenger/GitLab/Moveworks/Stanford）」と「中から組み替える（三菱UFJ/NBER）」の2方向の圧力を同時に確認**できた。9マスを既に特定済みの読者にとっての含意は——
- A-短期マス: 6/19時点で「自分の業務をAIに翻訳できる側」になる猶予期間は、6/18想定より6か月短くなった
- B-中期マス: 金融事務職は前倒しで動く必要が高まった一方、「AI経理マネージャー600-900万円帯」の希少化は加速し、ROIは上振れ
- C-短期マス: 入口閉鎖（Stanford -20%）に対し、SkillHacks 等の0→1 教材を初段に置く必要性が上昇
本稿初出（6/18）の9マス分類自体は変わらない。変わるのは「どのマスでも、もう1段早く動く必要がある」という時間圧の強さだ。6/19以降の各週もこの欄を更新する。
Part 7: まとめ——AI代替障害は「逃げ場」ではなく「準備期間」
AI代替障害の6構造（暗黙知 / 関係資本 / 責任所在 / 物理現場 / 判断分岐 / 組織政治）は、**今すぐ仕事が消えない理由であり、同時に「いま動くべき期間が残っている理由」**でもある。
本稿の4つの縦糸はこう連鎖する。
- 6構造を耐用年数で再採点（Part 1）: 1段目（暗黙知/関係資本/判断分岐）は3-5年、2段目（責任所在/物理現場/組織政治）は3-10年
- 求人実数で需給を可視化（Part 2）: 経産省440万余剰／340万不足・Indeed AI Tracker 4.2%・パラリーガル1.9%・厚労省4月新規求人
- 隣接職移行3パターンで逆手に取る（Part 3-4）: A同職種AI化／B隣接職種シフト／C異業種転換。3年TCOで「給付金後」の実質支出を可視化
- 9マス分類で自分のマスを特定（Part 5-6）: 移行ルート×耐用年数の9マスごとに最適スクール・教材・支援制度を割り当てる
McKinsey の内部実践が示した「クライアント対峙+25%・非対峙-25%」は、AI最先端企業の内部から「判断分岐の有無が職の増減を分ける」と実証されたことを意味する。42歳営業職にとっての意味は明確だ。カタログを運ぶレイヤーは縮小が進む一方、課題を構造化するレイヤーは希少化していく。9マスで言えば、A-短期からB-中期へ、3-5年かけて段階移行する経路だ。
ベテランの「勘」が AI で数値化される未来は、確かに来る。だが同時に、その**「数値化を主導できる人材」は希少化する**。AI代替障害を「逃げ場」と読むか「準備期間」と読むかで、3年後のキャリアは大きく分かれる。
「いま動かなくていい理由」を集める時間を、「9マスで自分のマスを1つ決める時間」に振り替えるだけで、3年後の選択肢の幅は変わる。
あなたの場合は？
職種・年齢・現状によって、AI代替障害の効力期間も、9マスのうち最適なマスも変わる。3分の診断で、あなたの現在マス（A-短/B-中/C-中等）と、給付金後3年TCOの実数値、最初の一歩を提示する。
関連記事
- AI転職エージェントTOP5 比較2026｜未経験OK・年収レンジ・スカウト数・専門性で選ぶ
- AIスクールおすすめ10校 完全比較2026｜給付金70%・転職支援・学習スタイル別ランキング
- キャリアコーチングおすすめ｜AI時代の選び方と5社比較【2026年最新】
- 40代AI転職を成功させる5つの条件【2026年最新】
- AIに奪われないスキル一覧——営業・経理・事務の生存戦略
- 営業AI奪われる時代のリアル【2026年最新】
FAQ
Q1. AI代替障害は、何年で消えますか？ A. 障害の種類によって異なります。1段目（暗黙知・関係資本・判断分岐）は3〜5年、2段目（責任所在・物理現場・組織政治）は3〜10年で段階的に縮小します。9マス分類でいう「短期」「中期」「長期」がそれぞれ ～2028 / ～2030 / ～2033 の目安です。この期間内に学び直しと配置転換を進めることが基本戦略になります。
Q2. 「営業はAIに残る」と言われる根拠は何ですか？ A. 主な根拠は3つです。①Salesforce CEO Benioff の2026/5/28発言「採用は基本凍結、伸ばすのは sales のみ」、②Anthropic がAI研究者より多くの営業担当者を採用している事実、③厚労省4月新規求人で営業職が他のホワイトカラーよりプラス推移である点（出典: Fortune 2026/5/28）。ただし「カタログ営業」「ルート営業」は別レイヤーとして縮小が進んでいます。
Q3. 経理は AI 代替障害がありますか？ A. あります。特に「責任所在」と「判断分岐」の障害が強い領域です。仕訳・月次集計は自動化が進む一方、月次レビュー・財務ストーリー構築・監査対応はFP&A職として希少化。AI経理マネージャー600-900万円（Robert Half Japan 2026）・経理DX推進リーダー550-850万円（MS-Japan 2026）の年収帯が形成されています。9マス分類でいう B-中期 が経理職の典型遷移パスです。
Q4. 3年TCO で「マイナス」の意味は？ A. 3年TCO がマイナスとは「投資額より3年累積年収増の方が大きい」=リターン側ということです。例えば DMM 生成AI CAMP 営業コース（19.8万円・給付金70%後 5.94万円）でパターンA を採り、年収+50万円×3年=150万円が見込めると、3年TCO = 5万円 - 150万円 = -145万円（リターン側）。本記事では機会損失・リスクバッファも織り込んで計算しています。
Q5. 給付金を使うべきか／使わないべきか？ A. 給付金70%適用は基礎マスターコース・営業コース・エンジニアコース等が対象。実質負担を最大70%圧縮できます。一方 SkillHacks 等の一括買い切り教材は対象外。「給付金対象コース1本＋一括買い切りの組み合わせ」が、9マス C-中期の典型ルートで総額負担を最小化できます。
この記事を読んだあなたの「次の一歩」
3分の診断で、あなたに合った一歩を提案します
LINE登録不要で診断可能。気になる結果は登録すると7日でAI時代のキャリア地図を受け取れます。
※ 無料・登録は3秒・配信解除はいつでも