MetaとKlarnaが示した「AIだけの職場」の限界

AIはチームの働き方を大きく変えている。しかし、MetaとKlarnaの事例は、「部門や職務をAIで丸ごと置き換える」ことが、個々の作業を自動化することよりはるかに難しい現実を浮き彫りにする。

Metaは人員削減を伴う再編の第1段階を実施した後、AIエージェントを活用する予定だった第2段階の計画を停止した。Klarnaも、AI中心の顧客対応で品質面の課題が表れたことを受け、人によるサポート要員の採用を再開している。218

ここから得られる教訓は、AIの是非をめぐる理念論ではない。AIは、形式が定まり反復可能な業務を大規模に処理できる一方、曖昧さへの対処、出力の検証、例外処理、顧客との信頼関係には、依然として人の判断と責任が必要だということだ。

Meta：少人数チーム構想が直面した実務の壁

Reutersによると、Metaの「Project OT（Organization Transformation）」は、2段階で進める人員再編として構想された。Metaは2026年5月に従業員のおよそ10％を削減したが、同年11月に想定されていた次の削減に向けた計画は取りやめた。MetaはProject OTの存在を認め、コスト削減、チーム構成の見直し、優先領域への人員移動を含む1年間の取り組みだと説明している。2

この見直しが重要なのは、単なるコスト削減策ではなかったからだ。構想の中心には、少人数の従業員がAIエージェントを使って仕事を進めるモデルがあった。だが、コードや文書の生成量が増えても、それだけで確実な製品提供につながるわけではない。

複雑な業務では、人が目的を定め、複数のシステムや担当領域をつなぎ、結果をテストし、不具合を見つけ、問題が起きた際の責任を負わなければならない。MetaがAI投資やAI活用をやめたわけではない。変わったのは、当初のスケジュールどおりに大規模な追加削減を正当化できるほど、AIエージェントの能力を信頼できるのかという判断だった。2

Klarna：処理件数の多さと顧客対応の質は別問題

スウェーデン発のフィンテック企業Klarnaでは、同じ問題がカスタマーサポートで表れた。AIアシスタントは、支払い、返金、返品といった標準的な問い合わせを含むサポート会話の大きな割合を処理した。一方で同社はAIだけに依存する姿勢を改め、人によるサポート要員の採用を再開した。1720

報道によれば、セバスチャン・シェミャトコフスキCEOは、人による対応力を減らしすぎたことを認めた。AIに価値がなかったのではない。課題は、複雑で事情が錯綜する案件や、顧客の感情に配慮が必要な案件で、十分な対応が難しかった点にある。Klarnaは自動化を維持しつつ、人によるサポート体制を再構築し始めた。1819

顧客対応では特に、この違いが大きい。よくある問い合わせを素早く解決できても、請求に異議がある場合や特殊な事情がある場合、トラブルが深刻化した場合に、適切な担当者へすぐつながれなければ、顧客の信頼を損ないかねない。自動化の価値は、人への引き継ぎ経路と責任の所在を、最初から業務設計に組み込めるかどうかに左右される。

有力な形は「AIが人を補完する」モデル

2社の経験は、より持続的な運用モデルを示している。

• 予測しやすい作業を自動化する。 入力形式が標準化され、正しさを確認しやすく、誤りの修正コストが低い業務でAIは強みを発揮する。
• 判断の節目に人を置く。 複数システムにまたがる文脈、利害の調整、裁量、説明責任、関係構築が求められる仕事には人が欠かせない。
• エスカレーションを設計する。 顧客対応など影響の大きいプロセスでは、自動応答のループで行き止まりにせず、適切なスキルを持つ人へ明確に引き継ぐ必要がある。
• 活動量ではなく結果を測る。 生成コード量、初回応答の速さ、処理件数だけでは不十分だ。品質、解決率、安全性、顧客からの信頼が悪化していないかを見るべきである。

これは、仕事が変わらないという意味ではない。チーム設計の変更、求められるスキルの変化、定型業務中心の役割の縮小は進み得る。ただし、それは直ちに「人の仕事がなくなる」ことと同義ではない。

採用データが示すのは、技術人材への再配分

テック業界の採用動向も、この見方と整合する。SignalFireによると、大手テック企業の採用は2019年の基準を25％下回る一方、ソフトウェアエンジニアの採用減少は11％だった。全採用に占めるソフトウェアエンジニアの比率は、2019年の46％から55％へ上昇している。49

このデータだけで、すべての採用変化をAIの影響と断定することはできない。景気循環や、コロナ禍後の人員調整も影響するためだ。それでも、組織がスリム化しても技術人材への需要まで消えたわけではないことは示す。むしろ、AIシステムを構築し、導入し、評価し、安全に運用・監督できる人材の比重が高まっている。

最大の懸念は、初級人材のキャリアの入口

より近い将来に大きな影響を受ける可能性があるのは、経験の浅い人の採用だ。スタンフォード大学デジタル経済研究所の研究者は、2026年6月までの給与データから、経済全体に及ぶ広範な雇用喪失の証拠は見つからなかったとしている。その一方、AIの影響を受けやすい職種に就く22〜25歳の雇用は、AIの影響を受けにくい同年代の人々と同じペースで推移した場合の水準より19％低かった。経験者には同様の差は見られず、調整は主に解雇の増加ではなく、若年層の採用減少を通じて起きているという。35

この19％は、AIが直接なくした雇用の件数ではない。比較対象の雇用ペースに追随していた場合との差を示す「追随ベースの不足幅」だ。それでも、AIが初級者向けの定型業務の一部を担うようになれば、上位職に進むための経験を積む入口が狭くなるおそれを示している。

企業がMetaとKlarnaから学ぶべきこと

いま問うべきなのは、AIを使うかどうかではない。人の能力を取り去ることなく、どの業務でAIがプロセスを改善できるかである。

Metaの第2段階計画の停止と、Klarnaのサポート人材の再採用は、企業が自動化を最終成果で検証すべきことを示す。製品を予定どおり届けられたか、判断は正確か、問い合わせは解決したか、顧客の信頼を保てたか、問題発生後の復旧コストは管理可能か――こうした指標である。

AIの性能が適した領域では、少人数チームの処理能力を高められる。だが、不確実性が大きい仕事や、誤りの結果が重い仕事では、多くの場合で最適解は「人かAIか」ではなく、「人とAI」の組み合わせになる。AIはチームの構成と一人ひとりの仕事のレバレッジを変える。成果を得やすいのは、自動化を人の仕事を省く近道ではなく、人の仕事をより良くする道具として扱える企業だろう。