# AIで減らした人を再雇用する企業に学ぶ、中小企業の仕事の仕分け方

> 公開日: 2026-08-19 / カテゴリ: AI・DX活用

AIで減らした人材を再雇用する企業が相次いでいる。フォードの350人、コモンウェルス銀行の約45人の事例から読み違いの構造を分解し、中小企業が仕事をAIと人にどう仕分け、使い分けるべきかを具体的な判断軸で示す。

## なぜAIで減らした人を呼び戻す動きが広がっているのか

多くの企業が、AIを理由に減らした人を静かに呼び戻し始めている。カスタマーサービスの担当者、品質管理のベテラン技術者。AIに置き換えたはずの持ち場に人手が戻る動きが、業種や国をまたいで相次いでいる。中小企業の経営者にとっても、この流れは他人事ではない。

2026年5月26日、シドニーで開かれたイベントで、OpenAIのCEOサム・アルトマン氏は、対談相手だったコモンウェルス銀行のCEOに対し、自らの予測が外れていたことを認めた。今ごろは新卒や若手のホワイトカラー職がもっと消えていると思っていたが、そうならなかった、という趣旨の発言で、理由として挙げたのは「人と人とのやりとり」の価値だった。この発言そのものについては、姉妹サイトのAi助で[詳しく書いている](https://aisuke.site/altman-ai-jobs-2026/)。ここで確かめたいのは、発言の中身よりも、その裏側で実際に起きていることだ。では、AIで減らした人を、企業はなぜ呼び戻しているのか。

AIによる人員削減は、思ったほど長続きしていない。米調査会社ガートナーは2026年2月3日、AIを理由にカスタマーサービスの人員を削減した企業の50%が、2027年までに同じような職務の人を再雇用する必要に迫られると予測した(職種名そのものは変わる可能性があるとしている)。人材サービス大手ロバート・ハーフの調査でも、AI導入後に人員を減らした採用担当マネージャーの30%超が、同じか似た職を後から復活させたと答えている。

対象も手法も異なる二つの調査が、同じ方向を示している。AIによる人員削減は、実行した時点では合理的に見えても、一定の割合で巻き戻しを招く。個別企業の見通しの甘さというより、AI導入の初期段階で繰り返し起きているパターンとして捉えたほうが実態に近い。象徴的なのが、フォードとコモンウェルス銀行の二つの事例だ。

## フォードはなぜ350人のベテラン技術者を呼び戻したのか

米自動車大手フォードは、AIによる品質管理がうまくいかず、過去3年間で350人以上のベテラン技術者を呼び戻した。社内では「グレイビアード(白髭)」と呼ばれる人たちだ。

うまくいかなかった理由は、熟練の技術者が長年の経験で培ってきた判断基準を、学習データに引き継ぐ前に現場を去ってしまったことにある。結果として自動化システムは、欠陥を見つけて改善するどころか、誤った前提を強化し続けるという逆方向の学習をしてしまった。

呼び戻された技術者が今担っているのは、かつての職務そのものではない。AIの仕事を監査する立場だ。必須の設計レビューを主導し、40人体制のソフトウェア品質保証チームも新たに編成された。人を減らした後、AIを見張る層をあらためて作り直したことになる。

## コモンウェルス銀行はなぜ45人の削減を撤回したのか

オーストラリアのコモンウェルス銀行は2025年8月、AIの音声ボット導入を理由にお客さま対応の担当者約45人の削減を発表した。ところが電話の件数は減らず、むしろ人手が必要になり、決定を撤回して謝罪した。

労働組合の指摘によれば、残業やチームリーダーが電話対応に回ることで、現場をどうにかしのいでいたという。削減対象になっていた社員は、残留・配置転換・退職のいずれかを選べることになった。

この一件には、もうひとつの符合がある。冒頭で触れたイベントを主催していたのは、ほかでもないこの銀行だ。前年に自ら人員削減を撤回した銀行が、AIと雇用をめぐる対談の舞台を提供していたことになる。

## 読み違いの正体はどこにあるのか

フォードとコモンウェルス銀行に共通するのは、AIの性能を過大評価したことよりも、検証と引き継ぎを飛ばしたまま人員削減を先行させたことだ。フォードでは、ベテランの暗黙知がシステムに引き継がれる前に人が離れた。コモンウェルス銀行では、AIが実際にさばける電話の件数を確かめる前に、削減の意思決定のほうが先に進んだ。AIを入れたこと自体が誤りだったのではなく、順序を間違えたことが失敗を招いている。

## 自社の仕事をどう仕分けるか

中小企業がここから引き出すべき教訓は、AIをやめることでも、闇雲に人員に手をつけることでもない。仕事を三つの軸で仕分け、AIと人で使い分ける習慣を持つことだ。海外の大企業とは体力が違う。フォードのように40人規模の品質保証チームを新設できる余力を、中小企業は持たない。削減する前に仕分けておく必要がある。AIは何でも解決してくれる[「魔法の杖」ではない](https://jairo.co.jp/blog/ai-zogenzoshi-dogu/)という前提に立てば、この仕分けは省略できない工程だとわかる。

一つ目は、正解が一つに決まっているか、状況で変わるかだ。コモンウェルス銀行の音声ボットが処理しきれなかったのも、この軸を見誤ったからだ。定型的な問い合わせだけを想定して全量をAIに渡した結果、状況によって対応が変わる問い合わせまで一緒に渡すことになり、電話の件数は減らなかった。書類作成も同じで、既存ルールに沿った定型書類は条件を入れれば答えが決まるためAIに渡しやすいが、補助金の申請書のように読み手の審査基準や事業の文脈で「正解」が変わる仕事は、AIだけに任せると的を外しがちだ。[AIで書いた申請書が採択されない理由](https://jairo.co.jp/blog/ai-de-kaita-shinseisho-saitaku-riyu/)で触れた話も、根はここにある。

二つ目は、間違いに気づく仕組みが社内に残っているかだ。フォードのケースは、まさにここでつまずいた。誤りが積み重なっていることに、現場のベテランがいなくなったせいで誰も気づけなかった。AIに渡した分だけ、確認する役割を別に用意しておく必要がある。

### その仕事は次の熟練者を育てているか

三つ目が、もっとも見落とされやすい軸だ。ある仕事をAIに渡すと、次の熟練者を育てる機会まで一緒に失われることがある。

フォードで起きたのは、単に人を減らしすぎたという話ではない。ベテランの判断基準は、日々の点検作業を通じて次の担当者に受け継がれていくものだった。その作業をAIに渡したことで、受け継ぐ機会そのものが失われ、AIは検証されないまま誤りを強化し続けた。

中小企業の現場に置き換えると、新人が先輩の見積もりチェックに同席して相場観を身につける、若手が顧客対応の電話を先輩の隣で聞きながらクレームの芽を察知する感覚を養う、といった仕事がこれにあたる。出力だけを見ればAIでも代替できそうな仕事の中に、次の担当者の目を育てている工程が混ざっていることがある。任せようとしている仕事について、「今これを通じて育っている人は誰か」を自問してみるとよい。すぐに顔が浮かばない仕事は、AIに渡してもリスクは比較的小さい。逆に、特定の若手や中堅がその仕事を繰り返して一人前になっていく途中なら、まるごと渡すのではなく、AIには下書きや一次仕分けまでを任せ、判断そのものは人が担う、という渡し方に分けたほうがいい。

## 呼び戻された人はどんな役割に変わるのか

人の役割は消えない。ただし、「作業する人」から「AIの判断を確かめる人」へと軸足が動く。フォードとコモンウェルス銀行の事例が示しているのは、この変化だ。

フォードの技術者が監査役に転じたように、AIの出力のどこを疑うべきかを知っているのは、その仕事を長くやってきた人にほかならない。ところが、この監査役を担えるのは、もともとその仕事の勘所を知っている人材に限られる。AIに仕事を渡した時点で現場を離れた人材は、必要になってから探しても、同じ経験を持つ人がすぐに見つかるとは限らない。

研修と人材育成を専門とする当社の視点から言えば、技能の継承を止めた状態でAIに置き換えることは、フォードが直面したのと同じ空白を自社につくる行為に等しい。[AI時代だからこそ、なぜ「人の力」が問われるのか](https://jairo.co.jp/blog/ai-jidai-hito-no-chikara/)にも詳しく書いた。

中小企業では、経理や品質管理を実質一人か二人で担っていることが珍しくない。その担当者の頭の中にある判断基準は、本人にとって当たり前すぎて、引き継ぎ資料にわざわざ書き残されていないことがほとんどだ。AIに仕事を渡す判断と並行して、渡す前提となる知識を誰が持ち、どう記録し、誰に引き継ぐかを決めておくことが、規模の小さい会社ほど効いてくる。[中小企業のAI活用は、難しく考えなくていい](https://jairo.co.jp/blog/chusho-kigyo-ai-katsuyo-muzukashiku-nai/)。まずは自社の業務を洗い出し、この仕分けから始めればよい。

## 人を減らす前に、何を仕分けておくべきか

ガートナーの50%、ロバート・ハーフの30%超という数字は、この巻き戻しが例外ではなく、一定の確率で起きる現象であることを示している。フォードの350人、コモンウェルス銀行の約45人という数字も、規模の大小を問わず同じ構造が起きうることを裏づけている。

中小企業にとっての実務的な結論は、どの仕事から入れるか、その判断根拠を誰がどう記録しているか、AIに渡した後は誰が確認し、次の担当者をどう育てるか、という点を削減の前に決めることだ。ここを飛ばして規模を広げると、後から埋め合わせに動く企業の列に加わることになる。

---

**参考にした記事**

- BigGo ファイナンス「【OpenAI】サム・アルトマンCEO、AIによる「ホワイトカラーの雇用崩壊」予測の誤りを認める」 https://finance.biggo.jp/news/MkBkY54BoicNoOgCJqvZ
- Forbes JAPAN「AI人員削減の「誤算」、元従業員の再雇用を行う企業が続出する理由 米国」 https://forbesjapan.com/articles/detail/101804
- Business Insider Japan「米自動車大手フォード、AIに置き換えたベテランを呼び戻す。品質崩壊を防ぐのは「白髭の知恵」だった」 https://www.businessinsider.jp/article/2606-news-ford-is-bringing-back-the-engineers-it-replaced-with-ai/
- ABC News「Commonwealth Bank backtracks on AI job cuts, apologises for 'error' as call volumes rise」 https://www.abc.net.au/news/2025-08-21/cba-backtracks-on-ai-job-cuts-as-chatbot-lifts-call-volumes/105679492

---
出典（ジャイロ総合コンサルティング）: https://jairo.co.jp/blog/ai-jinin-sakugen-saikoyo-shiwake/
