株式会社YORISOI、AI時代の人材需要を独自分析。産業構造の変化を踏まえ、採用・育成の見直しを提案

経済産業省の2040年推計を再分析。現場人材の需要の22.3％を占める生産工程に、需給不足の79.2％が集中する結果に

株式会社YORISOI

2026年11月1日 09時20分

株式会社YORISOI（所在地：東京都渋谷区、代表取締役：竹原甲斐斗、以下「YORISOI」）は、公的な就業構造推計、米国の雇用予測、AI活用に関する研究をもとに、「AI時代の人材需要と採用・育成に関する分析レポート」を公表します。

経済産業省の2040年推計を再計算した結果、生産工程従事者は、現場人材全体の需要の22.3％に対し、需給不足の79.2％を占めることが分かりました。

本レポートでは、職種ごとの人材需要の変化と、AIを業務に取り入れる人材に求められる能力を整理し、企業の採用活動や人材紹介会社の求職者支援に向けた考察をまとめています。

■ 産業構造の変化により、人材の不足と余剰が同時に生じる可能性

経済産業省の「2040年の就業構造推計（改訂版）」は、国内投資と産業構造転換が十分に進むシナリオのもと、次の需給を示しています。

職種区分	2040年の需要	2040年の供給	需給差
AI・ロボット等の利活用を担う人材	782万人	443万人	339万人不足
事務職	1,039万人	1,476万人	437万人供給超過
現場人材全体	3,283万人	3,023万人	260万人不足
うち生産工程従事者	731万人	525万人	206万人不足

現場人材には、生産工程、建設・採掘、サービス職などが含まれます。AI・ロボット等の利活用を担う人材は、機械技術者や情報処理・通信技術者等を集計した区分であり、生成AIを使うすべての従業員を指すものではありません。

※生産工程従事者は現場人材の内数です。供給超過は、その人数の失業や解雇を予測したものではありません。

■ YORISOI独自分析：必要人数が減る職種でも、人手不足は残る

YORISOIは、同推計の需要・供給を用い、生産工程従事者の位置づけを再計算しました。

独自に算出した指標	結果
現場人材の需要に占める生産工程従事者の割合	22.3％
現場人材の需給不足に占める生産工程従事者の割合	79.2％
生産工程従事者の需要に対する供給不足の割合	28.2％

また、生産工程従事者は、2022年の就業者数835万人に対し、2040年の需要が731万人と、12.5％少ない水準で見込まれています。それでも、同年の供給は525万人にとどまり、206万人の不足が生じる推計です。

この比較からYORISOIは、仕事に必要な人数が減ることと、企業が人材を確保しやすくなることは別の問題だと考えます。採用計画では、業務の省力化とあわせて、技能の継承、育成期間、地域ごとの採用環境を確認する必要があります。

■ 米国ではオフィス職から技能職への転身も。雇用の変化は職種ごとに異なる

米国Thumbtackの2026年調査では、回答した住宅建設・保守等の技能職従事者のうち、業界経験2年未満の層の38％が、以前は企業のオフィス職等で働いていたと回答しています。

同調査では、技能職従事者の35％が事業でAIを日常的に活用していることも報告されています。現場での技能と、集客・顧客対応等でのAI活用を組み合わせる姿が見られます。

※技能職調査はThumbtackの事業者1,495人の回答に基づき、部分回答458人を含みます。米国全体の転職者を代表する調査ではなく、38％はオフィス職全体の転職率ではありません。

一方、米国労働統計局（BLS）の2025～2035年雇用予測では、電気工事士とソフトウェア開発者の双方で雇用増が見込まれています。

職種・区分	雇用増減率の予測
全職種	＋3.5％
ソフトウェア開発者	＋10.2％
電気工事士	＋9.2％
生産職全体	−0.4％
事務・管理支援職	−4.0％

出典：BLS「Occupational projections and worker characteristics」ほか。

BLSは、電気工事士の需要を支える要因として、AI・データセンターの拡大に伴う電力需要と、送電網等の整備を挙げています。AIの普及は、デジタル分野に加え、それを支える現場の仕事にも影響しています。

これらは「ホワイトカラー全体が減り、ブルーカラー全体が増える」と一括りにできる変化ではありません。職種と仕事内容を分けて捉えることが重要です。

■ 厚生労働省が重視する、AI活用と人材育成の組み合わせ

厚生労働省の「令和8年版労働経済の分析」は、現時点でAIが大きな雇用減少をもたらしている証拠は確認されていないと整理しています。

そのうえで、AI投資と人材育成を連携させること、本人の希望に応じた労働移動や学び直しを支援すること、論理的思考力やコミュニケーション能力などの「メタスキル」を高めることを重視しています。

AI活用の生産性効果については、顧客対応担当者5,172人を分析した学術論文「Generative AI at Work」で、AI支援により1時間当たりの問題解決件数が平均15％増加したと報告されています。

ただし、効果には経験や能力による違いがあり、すべての職種に同じ改善率が当てはまる結果ではありません。

■ YORISOIの考察：AIを日常業務の基盤にし、専門性と対話力を育てる

YORISOIは、今後の採用・人材育成では、次の3点が重要になると考えます。

1．職種名に加え、実際に担う業務を明確にする

求人票には、担当業務、使用する機器・ツール、必要な資格、入社後に学べる内容を具体的に記載します。「AIを活用する仕事」とする場合も、何に使い、どの判断を人が担うかまで伝えることが重要です。

2．AI活用と、現場で必要な判断力を組み合わせる

AIによる情報整理や文書作成を業務の基盤に取り入れながら、出力の確認、品質・安全の判断、顧客との対話を行える人材を育てます。ツールの操作と業務への理解を、あわせて身につける視点が必要です。

3．求職者の経験と希望を理解し、学べる道筋を示す

職種転換の支援では、需要の大きさだけで判断せず、本人の希望、生活条件、これまでの経験を確認します。そのうえで、必要な研修や資格、習熟までの過程を説明することが、納得できるキャリア選択につながると考えます。

YORISOIは、「渋谷を代表するHRカンパニーへ」というビジョンのもと、産業・職業の変化と求職者理解の両面から、企業の採用活動とキャリア形成を支援してまいります。

■ 分析概要・計算方法

分析主体：株式会社YORISOI
分析時点：2026年10月28日
分析方法：経済産業省の職種別需給推計を再計算し、厚生労働省、BLS、民間調査、学術論文と照合。

※計算式：需要構成比＝731÷3,283×100＝22.3％／不足構成比＝206÷260×100＝79.2％／需要に対する不足率＝206÷731×100＝28.2％／2022年就業者数に対する2040年需要の変化率＝（731÷835−1）×100＝−12.5％。人数の入力単位は万人、小数第2位を四捨五入しています。
※日本の推計は、十分な国内投資・産業構造転換を前提とする「新機軸ケース」です。実績、将来推計、アンケート結果は性質が異なり、日米の数値を直接合算・比較していません。