この一年で、職務経歴書に「生成AIを活用した業務効率化」という一行が入ることは、ほとんど標準になりました。ところが、採用する側でこの一行が評価を動かす場面は、思われているほど多くありません。

サーチの現場で採用側と話していて、焦点がはっきり移ってきたと感じることがあります。問われているのは、AIを使えるかどうかではありません。それを使って、具体的な事業や財務のインパクトを出せたかどうかです。もう少し具体的に言えば、従来より工数とコストを下げ、利益率を上げられたか、という問いです。

この問いがなぜ報酬の話にまでつながるのかは、コンサルティングファームの値付けの変化を見ると理解しやすくなります。

工数を下げると売上が減る、という前提が崩れ始めている

以前の記事「「AI人材への先行投資」と説明された減益」では、稼働時間を対価の根拠にするビジネスにAIを持ち込むと、工数を減らすほど売上が減るという自家撞着を扱いました。そのとき、解き方の一つとして挙げたのが、成果連動や固定価格に値付けを寄せることでした。

公開情報を見る限り、この組み替えは、少なくとも大手の一部の案件では既に始まっています。

  • ある大手戦略系ファームでは、世界のフィーのおよそ4分の1が、クライアントの成果に連動する値付けから来ていると、同社の幹部が2025年11月に説明しています
  • 別の大手戦略系ファームのCEOは、最も大きなAI案件の大多数（4分の3）で変動報酬の取り決めを結んでいると述べています
  • 大手総合系ファームの一社は、2026年3月の決算説明で、受注に占める固定価格の比率が上がり続けていることを示しました。理由として挙げられたのは、自社プラットフォームの重要性の高まりと、コストと納期の確実性を求めるクライアント側の事情です。同じ場で、デリバリーにAIを適用して効率を上げ続けていることにも触れています

ここで起きていることを単純化すると、次のようになります。AIで工数が下がった部分を、そのまま値引きとして手放すのではなく、自社独自のノウハウやアセットとして、稼働工数とは別の根拠でフィーに乗せる。クライアントは従来より早く、安く成果物を得る。ファームの側は、投入した時間に対する収益が上がり、利益率が高まる。

工数を売っていた頃は、効率化は売上の敵でした。成果や成果物を売る形に変わると、品質の担保や再作業、アセットの維持といった費用を差し引いたうえで、効率化が利益率として残る余地が生まれます。同じ「工数削減」が、値付けの形によって損にも得にもなるわけです。

一人の財務インパクトが大きいから、報酬が説明できる

この構造の上で、AIを使って測定可能なインパクトを出せる人材を見ると、評価のされ方が変わる理由が見えてきます。

工数で値付けしている限り、一人の生産性が上がっても、組織の損益に及ぶ影響は限られます。空いた稼働を別案件に振り替えられなければ、むしろ売上は下がります。ところが値付けが成果側に寄っていくと、工数の構造を変えることが、案件の利益率に効くようになります。もちろん、実際にそれを定着させるには、標準化や品質管理、現場の巻き込み、クライアントとの価格交渉まで含めた組織の動きが要ります。それでも、その変化を設計して動かした人がいて、変化が複数の案件に展開されたなら、その一人が組織に及ぼした財務的な影響は、その人の稼働時間から想像されるより大きくなりえます。

高い報酬提示が正当化されるのは、この計算が採用側の頭のなかで成り立つときです。採用側が確かめたいのは「AIに詳しいか」ではなく、「この人を採ると、どの案件の、どの原価が、どれくらい動くのか」です。

公表統計も、方向としてはこの見立てを支えています。PwCの「2026年 AIジョブバロメーター」によれば、AIスキルを求める職の賃金プレミアムは平均62%で、前年の57%から上がっています。AIが専門性を増幅する型の職では、賃金の伸びがより速いとも報告されています。

ただし、この数字には読み方の注意があります。

  • このプレミアムは、世界27の国・地域、10億件超の求人広告を分析したものです。提示された条件の比較であって、成果を出した個人が実際に受け取った報酬を測ったものではありません
  • 同じ調査の日本分析では、日本のAIスキル保有者への賃金プレミアムはグローバル平均に大きく劣後しているとされ、その背景として、スキルの変化が採用・育成・配置・評価・処遇の仕組みに十分反映されていない可能性が挙げられています

「高い報酬が正当化される」という理屈は成り立っていても、それが日本の処遇制度のなかで実際の金額になるかどうかは、会社によって大きく違うということです。

ただし、効率化が利益と報酬に変わる条件は、まだ限られている

ここまでの見立てには、条件がつきます。少なくとも三つあります。

第一に、値付けの移行はまだ一部にとどまっています。 先の戦略系ファームのCEO自身が、成果型の値付けは仕事全体の「3分の1を大きく下回る」と述べています。4分の1という数字も、裏を返せば4分の3は従来型です。また、固定価格は成果報酬と同じではありません。固定価格では、工数の見積もりを外したときの損はファームの側がかぶります。

第二に、効率化の果実はファームに残るとは限りません。 値付けが競争的な環境では、クライアントがAIによる節減分の還元を求めるのは自然なことです。先の総合系ファームも、価格環境について「非常に競争的」だと述べています。工数を下げた分がそのまま利益率になる、という図式は、交渉力のある側でしか成り立たない可能性があります。

第三に、日本企業では効果そのものがまだ出ていません。 PwC Japanの「生成AIに関する実態調査2026春」では、日本で生成AIの活用・推進が進んでいる企業は87%に達した一方、「期待を大きく上回る効果」が出ている割合は9%で、米国の38%と大きく離れていました。効率化の成果を従業員や顧客への金銭的な還元につなげている割合も、日本は40%、米国は75%です。

こうして並べると、「AIで財務インパクトを出せる人材」が少ないのは、スキルの問題というより、効果が数字として現れる場所に立っていた人が少ないからだとも読めます。

差がつくのは、推進した役割ではなく、経営に示せた結果

生成AIやAIエージェントは、いまや多くの人が日常的に使っています。そのため、職務経歴書に「生成AIを活用して業務を効率化」という一文があっても、それだけで差がつくことはほとんどありません。

生成AIもAIエージェントも、ツールです。経営層は、ツールに詳しい人が欲しいわけではありません。 欲しいのは、それを使って何が変わったかを示せる人です。

サーチの現場で経歴を読むとき、とくに大きな差として現れるのは、次の二つの違いです。

  • 手元の業務の効率化に、生成AIやAIエージェントを使っているという水準
  • 組織としてのAI活用が、どのような結果を出したのかを、経営層に対して数字で示せたという水準

ここで効いているのは、「推進した」という役割ではなく、どのような結果を出したかです。推進の旗を振った経験は書けても、その結果を損益の言葉で説明できる経験は、書ける人が限られます。

前者は、多くの人の経歴に書かれるようになっています。後者に当てはまる人は、転職市場に出てくる経歴書のなかでは、現時点ではほとんど見当たりません。先の調査で、日本企業の9%しか「期待を大きく上回る効果」を挙げていないことを考えると、効果を経営の言葉で示せた経験そのものが少ないのは、自然なことかもしれません。

そして、いないからこそ、それができる人材は、一般的な転職活動とは異なる水準のオファーを受け取っている場面があります。前半で見た計算——この人を採ると、どの案件の、どの原価が、どれくらい動くのか——を、採用側が具体的に描けるからだと考えられます。

後者の経験を経歴書で伝えるなら、一行のなかに次のような要素が入っているかどうかで、読まれ方が変わってくると考えられます。

  • 何の工数が、どれだけ変わったか。 対象の業務と、変化の前後が分かること
  • その変化が、どの損益項目に効いたか。 原価か、納期か、単価か、受注件数か
  • 個人の工夫で終わったか、組織に展開されたか。 手順やアセットとして他のチームや案件に広がったかどうか
  • 誰に、どう示したか。 経営層に対して、どの指標で効果を報告したか

逆に、使ったツールの名前や、推進体制の肩書をどれだけ並べても、この問いには答えたことになりません。

もちろん、すべての経験が数字で語れるわけではありません。守秘の制約もあれば、効果の測定がそもそも設計されていなかった取り組みもあります。その場合でも、「何を測れば効果が分かったはずか」を自分の言葉で説明できれば、数字の代わりになる部分はあるかもしれません。

経歴書そのものの組み立て方については「職務経歴書の設計」で、同じ肩書の人材が市場で分かれていく構造については「同じシニアマネージャーが、市場では二つに分かれる」で扱っています。

参考にした公表資料