高年収窓際族を生まないAI時代の人材再配置戦略と学び直し改革

高年収窓際族が可視化される背景

「年収2000万円級なのに、重要な仕事を任されていない社員」という像は、単なる社内の揶揄ではなく、日本型雇用が抱えてきた構造問題を映します。どの企業で何人増えたかを示す公的統計はありませんが、職務の曖昧さ、年功的な処遇、異動待ちのキャリア管理が重なると、成果責任を持たない高コスト人材は生まれやすくなります。

AI時代にこの問題が目立つのは、仕事の中身が急速に分解されるからです。資料作成、要約、初期分析、照会対応の一部はAIで代替・補完できます。一方で、人間に残る価値は、課題設定、意思決定、例外処理、顧客や現場との調整へ移ります。役職は残っても、旧来の仕事が細ると、本人の能力より先に「職務の空白」が見えるようになります。

重要なのは、窓際化を個人の怠慢だけで片づけないことです。人手不足の時代に人を余らせる企業は、採用力でも投資家への説明力でも不利になります。問われているのは、意欲のある人を再び事業の前線に戻す再配置の設計です。

AIが奪う仕事より先に消える役割

統計に出にくい役割の空白

AIによる雇用減少は、現時点では日本で大規模に確認されているわけではありません。OECDの日本分析は、長期雇用慣行や人手不足を背景に、AI起因の失職が他国ほど目立ちにくい可能性を指摘しています。これは雇用が守られているという意味では安心材料ですが、社内で役割が細る人を見えにくくする副作用もあります。

JILPTの労働者Web調査では、勤め先企業全体でAIが使われている人は12.9%、自身がAIを利用している人は8.4%、自身が生成AIを利用している人は6.4%でした。AIが全社の標準装備になる前から、すでに使える人と使えない人の差は開き始めています。社内の一部だけがAIを前提に仕事を変え、別の層が従来の承認や調整にとどまると、同じ役職名でも価値の差は大きくなります。

高年収の窓際化は、仕事量の不足ではなく、意思決定への接続が切れることで起こります。会議には出るが論点を作らない、資料は見るが判断しない、部下はいないが管理職待遇は残る。この状態は人事データ上では「在籍」としか見えません。AIで定型作業が軽くなるほど、役割定義のないポストは説明が難しくなります。

人手不足でも起きる社内の余剰

日本全体では人手不足が続いています。OECDの2025年日本カントリーノートは、2025年5月の失業率を2.5%とし、企業の雇用判断DIも人手不足感の強さを示していると整理しています。55〜64歳の就業率も2014年から2024年にかけて上昇し、2024年には79.2%に達したとされます。

それでも社内で余剰感が出るのは、欲しい能力と余っている能力が違うからです。IPAの「DX動向2025」は、日本企業ではDXを推進する人材の量が不足している割合が8割を超えると示しました。つまり、人はいるのに、データ活用、業務設計、AI適用、セキュリティ、プロダクト開発を進められる人が足りないというミスマッチです。

このミスマッチは、特に大企業のミドル層で深刻になります。大規模組織では、過去の成功体験を持つ管理職ほど既存業務を守る役割に置かれやすくなります。しかしAI導入では、既存業務を守るだけでは価値が出ません。業務を分解し、何をAIへ渡し、何を人が判断し、どこでリスクを管理するかを決める必要があります。

中高年を外すほど弱るDX推進

窓際族という言葉は、ベテランを一括して不要視する危険があります。しかし、ミドルシニアを外してDXを進める企業は、現場知識を失います。リクルートワークス研究所は、ミドルシニアが労働者の約3割を占め、職場で意思決定を行う立場にもあるため、DX推進の要になると位置づけています。

AIが得意なのは、与えられた情報から文章、コード、要約、分類を作ることです。逆に、社内の暗黙知、顧客との過去の経緯、品質事故の記憶、規制当局との距離感は、経験者がいなければAIへ渡す材料にもなりません。問題は年齢ではなく、経験を新しい仕事に翻訳する場があるかどうかです。

OECDのAI関連分析では、日本のAI利用者のうち、現在の職務に必要なスキルが今後10年で大きく変わると見る割合は高く、管理職では64.7%、専門職では62.9%に上ります。高スキル職ほど変化を感じているという点は重要です。高年収者を温存するか排除するかではなく、役割を再定義して成果責任へつなぐことが必要です。

意欲ある人を戻す人材再配置の設計

職務棚卸しとAI適用地図

再配置の第一歩は、人材リストではなく仕事の棚卸しです。部門ごとに、定型処理、専門判断、顧客接点、リスク管理、チーム育成、事業開発を分け、AIで速くなる仕事と人間の責任が増す仕事を明確にします。人を異動させる前に、職務そのものを再設計しなければ、窓際ポストが別部門へ移るだけです。

ここで使うべき指標は、単なる稼働率ではありません。どの職務が売上、利益、顧客継続、品質、法令順守、採用育成に影響しているかを見ます。高年収者に問うべきなのは、長時間働いているかではなく、どの経営課題に責任を持っているかです。AIで作業時間が減った人ほど、課題設定や部門横断の調整へ移せるかを検討します。

Microsoftの2026年Work Trend Index関連分析は、AI活用が進むほど人間の関与は消えるのではなく、方向づけ、基準設定、成果評価へ形を変えると説明しています。これは大企業の再配置にそのまま当てはまります。AIを使える若手だけに実務を集めるのではなく、経験者が品質管理、例外判断、リスク説明を担う設計が必要です。

社内公募と短期ミッション

意欲ある人を生かすには、異動を人事部と上司だけで決める仕組みから脱する必要があります。ジョブ型人事や職務給の導入が注目される背景には、職務に必要なスキルを明確にし、本人が上司と相談しながら職務や学び直しを選ぶという発想があります。厚生労働省も職務給の取組事例やジョブ型人事指針を紹介しています。

ただし、いきなり恒久異動だけを用意すると、受け入れ部門も本人も動きにくくなります。効果的なのは、3カ月から6カ月程度の短期ミッションです。例えば、営業部門のベテランを顧客データ整備プロジェクトへ入れる、品質部門の経験者を生成AI出力のチェック基準作りへ入れる、といった形です。

短期ミッションには、成果物を必ず設定します。AI利用ルール、顧客別提案テンプレート、現場問い合わせのFAQ、ベンダー評価基準、若手向け商談レビューなど、組織に残る成果物へ落とし込みます。これにより、過去の経験は「昔話」ではなく、再利用できる知識資産になります。

上司任せにしない学び直し投資

JILPT調査では、2023年に学び・学び直しに取り組んだ労働者は27.1%で、そのうちAIを利用しながら働くための学び・学び直しは6.9%でした。一方、AI利用者の60.6%はAIについてもっと学びたいと回答しています。学びたい人はいるのに、学ぶ時間、教材、実務で試す場が足りないという構図です。

この状況で「自律的に学べ」と言うだけでは、すでに意欲の高い人だけが進みます。企業がすべきことは、職務ごとの学習メニューを作り、業務時間内で試す権限を与え、成果に反映することです。AI研修を受けたかではなく、AIを使ってどの業務を短縮し、どの品質を上げ、どの判断を高度化したかを評価します。

OECDは、日本のAI利用者について、企業研修と学習支援の双方を受けた人ほど、AI利用後に仕事のパフォーマンス改善を報告しやすいと分析しています。個人の努力だけでなく、会社の訓練提供や資金援助が成果差を広げるということです。高年収者ほど忙しさやプライドが障壁になるため、一般研修よりも個別職務にひもづく実践型の再訓練が向いています。

Gallupの2026年版国別データでは、日本の従業員エンゲージメントは8%にとどまり、71%が「エンゲージしていない」層とされています。これは窓際族だけの問題ではありません。役割が曖昧で、成長実感が薄く、挑戦しても評価されにくい職場では、若手も中堅も静かに意欲を失います。再配置は高年収者対策であると同時に、組織全体の意欲設計です。

職務給と学び直しが生む摩擦と条件

評価透明性が低いままの移行リスク

職務を明確にし、報酬を役割や成果へ近づける改革は必要です。ただし、評価基準が曖昧なまま職務給へ移ると、納得感を失います。特に高年収のベテラン層では、過去の貢献と現在の職務価値をどう切り分けるかが難しくなります。ここを人事部だけで処理すると、不満は静かに組織へ残ります。

必要なのは、降格や減給を目的にした制度改革ではありません。現在の職務、期待成果、必要スキル、学習支援、再挑戦の期限をセットで提示することです。本人が新しい職務に移る道、専門性を磨き直す道、社外を含むキャリアを選ぶ道を持てば、処遇見直しは罰ではなく選択になります。

WEFのFuture of Jobs Report 2025は、2030年までに世界の仕事の22%が変動し、必要スキルの約4割が変わると見ています。企業がAIで一部業務を減らす一方、労働者を別領域へ移す動きも広がります。日本企業も、雇用を守るだけではなく、職務転換の速度を上げる必要があります。

AI導入をめぐる対話不足

JILPT調査では、新技術の職場導入時に労働者または代表と話し合った割合は全体で15.6%、AIが使用された職場に限ると32.0%でした。AI導入では対話がやや増えているものの、まだ十分とは言えません。どの仕事が変わり、どの役割が残り、誰が学び直しの対象になるのかを説明しなければ、不安は噂で広がります。

対話の焦点は、AIの便利さではなく、仕事の再配分です。定型業務を減らした時間を新規顧客開拓へ使うのか、品質監査へ使うのか、若手育成へ使うのかを決めます。使い方だけを教えても、余った時間の使途が曖昧なら窓際化は進みます。AI導入の成否は、ツールの導入率よりも、空いた能力をどの事業課題へ再投資したかで測るべきです。

経営者が今月点検すべき人材指標

高年収の窓際族を減らすには、まず「誰が余っているか」ではなく「どの仕事に責任者がいないか」を見るべきです。AI活用で短縮できる業務、判断が必要な業務、顧客価値に直結する業務を棚卸しし、空白の責任領域へ人を戻します。

点検すべき指標は、職務記述書の整備率、社内公募への応募率、短期ミッションの成果物数、AI関連学習の実務適用率、管理職の再配置後成果です。あわせて、本人との面談記録、学習時間、処遇変更の根拠も残します。人材戦略は、採用数や研修時間だけでは測れません。AI時代の競争力は、眠っている経験をどれだけ速く新しい役割へ変換できるかにかかっています。

参考資料:

• OECD Employment Outlook 2025: Japan
• AI use in the Japanese workplace: Artificial Intelligence and the Labour Market in Japan | OECD
• Preparing for the impact of AI on job quantity and skills needs | OECD
• Reaping the benefits of AI for performance at work and job quality | OECD
• 調査シリーズNo.256「AIの職場導入による働き方への影響等に関する調査」｜JILPT
• 第II部 第1章 持続的な経済成長に向けた課題｜令和7年版 労働経済の分析
• 令和6年版 労働経済の分析 -人手不足への対応-｜厚生労働省
• 日本・米国・ドイツ企業のDX推進状況を調査した「DX動向2025」を公開｜IPA
• 企業で働くミドルシニアのリスキリング｜リクルートワークス研究所
• Future of Jobs Report 2025: 78 Million New Job Opportunities by 2030 | World Economic Forum
• 2025: The year the Frontier Firm is born | Microsoft WorkLab
• How Frontier Firms are rebuilding the operating model for the age of AI | Microsoft
• AI in the workplace: A report for 2025 | McKinsey
• Japan | State of the Global Workplace | Gallup
• 職務給について｜厚生労働省