経験年数の要件上昇は、スキルが重要でなくなったことを意味しない

Revelio Labs の採用データには、逆方向に動く二本の線があります。2025年初頭から、技術職で要求される経験年数は上昇し、列挙されるスキルの数は減少しています。グラフは職位のレベルを調整済みであり、注目すべきは同じ種類の職位で要件がどう変わったかという点です。

同種の技術職：経験要件は上がり、スキル項目は減少

2025年以降、2つの線が明確に乖離。赤線は左軸のスキル数を、青線は右軸の経験年数を示す。職位の階層は調整済み。2つの線の交点は数値の一致を意味しない。

データ・システム関連スキルで、経験要件の伸びが上位に

2023年以降、各スキルの記載に対応する経験年数の増加量を比較。データ組織化とデータ調査が上位2つ。

ここでの「経験プレミアム」は採用要件を測ったものであり、そのまま賃金の上昇率として読むことはできません。また、採用広告は企業が理想の人材をどのように表現しているかを示すに過ぎず、最終的に誰が採用されたのか、どのような能力が業績向上につながったのかを単独で証明するものではありません。

もし企業がスキルキーワードの列挙を減らす一方で、より長い経験を求めるなら、それは何を選別しようとしているのでしょうか。

仕事の進め方が定まらないうちは、判断力はリストに書きにくい

スキルリストは、明確な仕事の描写に適しています。どのツールを使い、どのタスクを完了し、どの基準を満たすかといったことです。仕事そのものが変化している最中は、リストでは本当の難しさを捉えきれません。人はリストにあるツールに精通していても、どの問題に優先的に取り組むべきか、あるいは結果が信頼できるものかどうかを判断できない場合があります。

Sternstein 氏の説明はこうです。AIによって既存の方法の適用可能性が変わり、新しい方法はまだ完全には定着していません。そのような状況下では、複雑な問題を経験したことがある人の方が、情報が不完全な中で仕事を前に進めることに長けている可能性があります。データ関連職種やシステム関連職種で経験年数の要件が変化していることは、彼の説明を支持する手がかりです。

データ関連の仕事に注目すると、AIはデータの整理と処理の緊急性を高めています。しかし、どのような形式に整理すべきか、処理工程をどう組むべきかは流動的で、最適な解決策もまだ固定されていません。Sternstein 氏は、タスクの完了方法自体の模索が続く中で、企業がまず正確なスキルリストを作成するのは難しく、やりながら判断できる人材の価値が高まると推論します。これは、経験年数の要件上昇が大きい職種が、データ整理、データ調査、システムアーキテクチャなどの分野に集中している理由を説明するものです。

この見解には重要な条件があります。価値ある経験とは、新たな判断へと転換できるものでなければならないということです。単に同じ作業を繰り返すことは、選択肢の検討や失敗の原因究明、結果の検証を経験したことと同じ能力を意味するわけではありません。職務経歴の年数は数えやすいものですが、判断の質は具体的な仕事を通して初めて見えてくるものです。

求職者にとっては、プロジェクト経験を検証可能な連鎖として整理する方法があります。どのような制約に直面したのか、なぜこの解決策を選んだのか、どのようなずれが生じたのか、修正が有効だったことをどう確認したのか、といった具合です。これは能力を示すひとつの方法であり、採用結果を保証するものではありません。その役割は、「経験があります」という主張を、他者が判断できる証拠に変えることにあります。

AIが採用の変化を引き起こしたのかどうかは、現時点ではまだ仮説の域を出ません。職種構成やリモート採用の範囲、従事者の自然な年齢増加なども、観察結果に影響を与え得ます。新しい仕事の進め方が安定すれば、企業は再びこれらの能力を具体的なスキル要件として記載する可能性もあります。元の見出しにあった「大なり記号」は、ある時点での優先順位を表すのに適しており、経験が常にスキルに勝るという意味として捉えるべきではありません。

Netflix の圧力：利用時間、シェア、収益を分けて考える

アプリ分析機関の Apptopia は、アメリカのソーシャルメディア利用時間がまだ微増していると観測しています。その成長は主に17歳から25歳のユーザーによるものです。36歳以上のユーザーの利用時間は、2025年10月以降、減少傾向にあります。一方、2026年4月以降、携帯電話の総利用時間に占めるソーシャルメディアのシェアは約3ポイント低下しています。ユーザーは依然としてソーシャルメディアを利用しているものの、増えた時間の多くを他の用途に充てているのです。

米国のソーシャルアプリ総利用時間は増加、年齢層で傾向に差

全体では2023年を上回る水準。17〜25歳は増加を継続。他の年齢層は足元で横ばいか減少傾向。

スマホ利用時間のシェアは低下、前年比伸び率はほぼゼロに

濃い緑の線は右軸のスマホ利用シェア、薄い緑の線は左軸の前年比伸び率。ほぼゼロに近づいているのは伸び率の方。

利用時間が増えても、シェアが低下することはあり得ます。例えば、あるアプリ群の利用が一日40分から45分に増えても、携帯電話の総利用時間が100分から125分に増えれば、そのシェアは40%から36%に低下します。この仮定の例が示すのは、絶対的な成長がそのまま競争上の位置づけの改善を証明するわけではないということです。Sternstein 氏は、他アプリ、AI、ショート動画などへの移行の可能性を挙げ、特に YouTube のショート動画との競争を重視しています。ただし、これらはあくまで可能性の説明であり、シェアの変化自体が原因を特定しているわけではありません。

相互利用に非対称性：YouTubeユーザーはNetflixを開く頻度が低下

米国のモバイルアプリ指数（2025年1月=100）。NetflixユーザーによるYouTube利用の指数はおおむね安定している一方、逆方向は明確に低下。

米国の週次アクティブユーザー：Netflixは低下、Spotifyは上昇

2022年12月26日の週=100とする指数。各サービスの変化を示すもので、両社のユーザー総数を比較するものではない。

米国の利用時間：Netflixの低下がより顕著に

2023年1月=100とする指数。Netflixは約70付近まで低下。Spotifyは依然として基準値を上回る。

Netflix はより直接的な圧力に直面しています。YouTube ユーザーのうちNetflix も利用している人の割合を示す指数は低下傾向にある一方、Netflix ユーザーのうち YouTube も利用している人の割合を示す指数はおおむね横ばいです。Sensor Tower のアメリカのデータによれば、Netflix の週間アクティブユーザー数と利用時間は長期的に弱含んでいます。それぞれのグラフで2022年末または2023年初頭を100とした場合、最新の週間アクティブユーザー指数は80台、利用時間指数は約70となっており、視聴時間の減少がより顕著です。ショート動画との競争が一因の可能性がありますが、サブスクリプション価格や他のストリーミングサービスとの競争も影響している可能性があります。

クロス利用の二つの方向は、それぞれ異なるユーザー集団を母数としており、相互に置き換えることはできません。指数は、特定の時点を100としてその後の変化を観察するためのものであり、ユーザー数を示すものではありません。これらのグラフはアメリカのサンプルにおける利用状況を示すもので、グローバルなサブスクリプション減少に直接換算できるものではありません。

利用が圧力を受ける中でも、Netflix上位プランの加入者収入見込みは依然として首位

2026年6月時点の米国加入者について。Netflix上位月額プランの生涯収入見込みは1,427米ドル。これは収入の見込みであり、コンテンツ等のコストは控除前。

一方、調査会社 Owl & Co. の推定によると、アメリカの加入者の生涯収益は、Netflix のプレミアム月額プランが1,427ドルで、次点の Disney+ プレミアム年額プランの871ドルを上回ります。高い料金設定と長い契約期間は、加入者一人当たりの収益価値を支えます。つまり、利用減少と加入者一人当たりの収益価値の高さは同時に成立し得るのです。また、生涯収益はコンテンツなどのコストを差し引いた利益を意味するわけでもありません。

価格が高いと、ユーザーは契約の価値を再評価するかもしれません。Sternstein 氏は、Netflix がスポーツ生中継、クリップ動画、ショート動画を拡充する動きを、ユーザーの時間を奪い合う競争と結びつけています。プラットフォームは、継続利用と有料契約の価値を保つために、アプリを開く理由を増やす必要があるからです。新しいコンテンツがユーザーの時間を呼び戻せるかどうかは、今後の動向次第です。

筆者は Blockbuster を例えに出しています。約二十年前、Netflix はこのビデオレンタル大手に打撃を与えました。今、Netflix 自身も視聴習慣の変化による課題に直面する可能性があります。この例えは、ビジネスモデルが適応できるかという問いを提起するものですが、グラフは Netflix が同じ結末に向かっていることを証明するものではありません。観察する際には、ユーザーが開く頻度を減らしているのか、視聴時間を減らしているのか、支出を減らしているのかを、それぞれ分けて問う必要があります。

セキュリティリスクの要点：防御側に残された対応時間

Epoch AI がまとめた深刻度が「高」および「重大」の脆弱性の報告は、2026年の春以降に顕著に増加しています。同時に、ZeroDayClock の統計によると、実際に悪用された脆弱性において、悪用がより早期に行われるようになっています。この二つを合わせると、防御チームが直面するのは、単により多くの問題に対処することだけでなく、より短い対応時間でもあります。

深刻度が「高」および「重大」の脆弱性の報告が2026年に大幅に増加

オレンジの線が深刻度「高」、赤い線が深刻度「重大」。サンプルはグラフ内に記載の各社によるもので、報告プロセスやラベル、頻度には差異がある。

悪用されたサンプルでは、開示時点で既に悪用されていた割合が上昇

2026年は86.7%。分母は悪用が確認されたCVEのみで、事象は公開開示の当日またはそれ以前に発生。

ZeroDayClock のグラフにある86.7%は、2026年に統計時点までに悪用された脆弱性のうち、開示当日またはそれ以前に悪用されたものの割合です。2020年は22.8%、2025年は53.6%でした。この年次の比較は、開示の前後すぐに悪用されるケースがより集中していることを示しています。2026年はまだ終了しておらず、サンプル規模も完全な年とは異なります。これは、開示が防御側に準備時間を必ずしも与えないことを示すものの、全脆弱性の約九割が悪用されたと理解すべきではありません。報告数の増加には、発見能力や開示基準の変化も含まれている可能性があります。

悪用までの時間の中央値に関する閾値が、分単位へと外挿されている

2018〜2024年の傾向に基づく外挿。2027年の「1時間」および「1分」は予測値として表示。

最終的に悪用された脆弱性では、悪用が開示直後に集中

横軸は公開開示からの経過日数、縦軸は未悪用の割合。2026年の曲線はより低く、一度も悪用されなかった脆弱性はサンプルに含まれない。

開示から悪用までの時間について、ZeroDayClock が示す傾向はすでに日数単位にまで短縮しています。「2027年に一分に達する」というのは、過去の傾向に基づく外挿です。別の曲線はこの違いをより視覚的に示しています。最終的に悪用される脆弱性のグループにおいて、2022年のサンプルでは開示から約一か月半後でも約半数が未だ悪用されていなかったのに対し、2026年のサンプルでは同期間にはほぼゼロになっています。決まった定期メンテナンスのサイクルを待っていては、リスクの変化に追いつけない可能性があります。これは、どの脆弱性も一定期間内に悪用されることを意味するわけではありません。

Sternstein 氏は、AIが防御の方法も変えると強調します。脆弱性をより早く発見する能力は、防御に役立てることができます。防御側にとっての実用的な問いは、リスクの発見、影響の判断、行動の決定、修正の実行に、それぞれどれだけの時間がかかっているかです。たとえ検知ツールが高速化しても、その後の引き継ぎが遅ければ、全体的な対応時間は自動的には短縮されません。

セキュリティと可観測性は、他のソフトウェア区分を上回る年初来の株価パフォーマンス

2026年9月1日時点の当該時点の時価総額で加重したカテゴリ別パフォーマンス。資本市場の値付けを測るもの。

セキュリティ区分は、予想売上高倍率でより高い評価を得ている

縦軸は企業価値／今後12か月の売上高、横軸は予想売上高成長率、バブルの面積は時価総額。これは評価比較である。

グラフで選ばれたソフトウェア株の中で、サイバーセキュリティと可観測性のカテゴリーは年初来のパフォーマンスが顕著に優れており、予想売上高に対する評価倍率にも市場の高い期待が反映されています。資金はこうした需要を価格に織り込んでいます。株価と評価額は製品の防御能力を証明するものではありません。既存のベンダーも新しいプラットフォームも、同じ問いに答える必要があります。それは、より速いリスク発見を、どうより速いリスク低減につなげるかです。

データセンターが AI 需要を建設現場へと伝達する

AIインフラ需要は、サーバールーム、電力、冷却、建設といった工程を経て、ソフトウェア業界の外側にまで波及します。データセンター建設支出の年率換算額は、半年間で約500億ドルから約750億ドルへと増加しました。その増分は、それ以前の約二年分の増加に相当します。同時に、アメリカの建設業の求人も最近増加に転じています。ゴールドマン・サックスは他の建設業界の雇用動向を基準に、データセンター関連の建設および専門職が2022年以降、約30万人増加したと推定しています。元の記事が引用する直近一年間の増加は約7.5万人に近いものです。

データセンター建設投資が加速、建設業の求人は持ち直し

赤線は右軸の季調済み年率換算の建設投資、青線は左軸の建設業の求人（3か月平均）。求人は建設業が対象。

関連する建設職種では、他の建設雇用の傾向を基準にすると雇用が30万人超上振れ

左図は2022年を基準とした推移で、空調・電気・公益事業・商業建築などのカテゴリを含む。右図はそれぞれの前年比伸び率。

グラフに含まれる関連職種は、空調設備、電気、公益事業、商業建築の施工などです。建設支出は季節調整後の年率換算値、つまり季節要因を除いた上で、現在のペースで一年間続けた場合の規模に換算したものです。年率換算値の増加を、その期間中に実際に使われた金額として直接理解することはできません。また、雇用動向との相対的な推定値も、社会全体での純増の雇用数を直接示すものではありません。

これらの増加の意味は、建設業界全体の状況の中で考える必要があります。金利上昇後、他の多くの建設活動は鈍化し、雇用需要は圧力を受けています。Sternstein 氏はこれに基づき、データセンター建設が本来弱含むブルーカラー雇用市場を支えていると判断しています。もしこの建設ラッシュがなければ、雇用はさらに悪化していた可能性があります。元の記事は関連する仕事の賃金プレミアムにも言及していますが、今週のグラフでは具体的な数値は示されていません。

ここでは「プロジェクトに必要な仕事」と「社会全体で純増する雇用数」を区別する必要があります。ある施設が建設需要を生み出しても、人員が他のプロジェクトから移動してくるのか、建設終了後にどれだけの雇用が残るのかは自動的には分かりません。逆に、オフィスでの自動化だけに目を向け、インフラ建設によって生み出される仕事を見落とすべきではありません。

採用の話に戻ると、個人が具体的に準備できることは、自分の経験を見直すことです。それは単に特定のツールに精通しているだけなのか、変化する条件の中で判断を下し、誤りを修正し、検証可能な結果を残したことを説明できるのかを確認します。後者を明確に伝えることができれば、経験は単なる職務経歴の年数以上の情報量を持つことになります。