BLOG
AI 人材三年三回の大移動：今から参入するなら、どの流れに立つべきか？
大規模言語モデルの波が猛スピードで押し寄せて3年半、国内の AI 人材も三回の大移動を経験してきた。
この見解は、雷峰网が9月初めに発表した深度調査によるものだ——AI アルゴリズム人材を専門とする複数のヘッドハンターに取材し、この期間の人材流動を三つの波に整理している。最初は百度の文心チームが奪い合いの対象となり、次に「六小虎（6社の新興スタートアップ）」の人材が各社に引き抜かれ、現在は推論・Agent・Infra の人材が新たな人気者となっている。
調査の中で目を引く数字がある：AI 人材の平均在籍年数は、2～3年から1～1.5年にまで短縮された。 つまりこの業界の人々は、平均して1年強で転職を繰り返している計算になる。
チームを率いて十数年、モバイルインターネットから AI まで二つの技術周期を肌で体験してきた人間として、この三回の移動の背後にあるロジックと、より実践的な問題——今 AI 業界に入ろうとしている人は、どの流れに立つべきか——について語りたい。
三回の移動、波頭は業界のリズムに連動している
第一波は2023年、事前学習人材の争奪戦。風見鶏は百度だった。
ChatGPT の登場後、最も速く反応したのは百度だ。2023年3月に文心一言が国内で最初の一矢を射ると、長年蓄積してきた NLP の精鋭を「戦時再編成」した。その結果——履歴書に「文心」の文字があるだけで、年収が一気に跳ね上がった。雷峰网が取材したヘッドハンターの話では、同じ人物に対してA社が200万元、B社が300万元、C社が500万元と、競って金額をつり上げたという。
人材を引き抜いたのは二つのグループだ。設立間もない「六小虎」（月之暗面、百川、阶跃、零一万物など）と、緊急で追い上げたアリババ、バイトダンス、テンセントだ。ヘッドハンターの試算では、事前学習人材の70～80%がバイトダンス、小红书、拼多多、そして六小虎によって奪い合われた。
第二波は2025年初頭、六小虎の分化により、バイトダンスとテンセントが流入先となった。
DeepSeek の衝撃に加え競争が激化したことで、百川は医療特化へ転換し、零一万物は学習チームをアリババクラウドの共同研究所に統合——スタートアップ陣営が縮小し、大量の事前学習人材が再び市場に流出した。このタイミングでバイトダンスは三つのフェーズに分けて引き抜きを実施し、テンセントも姚順雨の加入前後に二回の人材導入を完了した。
第三波は2025年春節後から現在まで、事後学習・Agent・Infra 人材の争奪戦。
DeepSeek R1 によって業界全体が推論のコストパフォーマンスを明確に認識し、2026年には Agent が全面的にブレイク——Manus の大ヒット、Claude Coding Agent の成功を受け、Coding Agent 関連のチームでは人材流動が極端に活発になった。同時に、事前学習の採用ニーズはピーク時と比べて3～4割減少している。
法則に気づいただろうか？人材流動の波頭は毎回、業界の競争リズムにピタリと連動している。 基盤モデルの競争が行き詰まれば事前学習人材が流動し、推論のコストパフォーマンスが実証されれば事後学習人材の価格が上がり、Agent が飛躍すればエンジニアリングで実装できる人材が奪い合われる。
業界が各フェーズで最も必要としているものに、人材は流れていく——給与は結果であって原因ではない。
なぜ大企業は人材を定着させられないのか？三つの致命的な要因
ヘッドハンターは三つの力を挙げているが、私が実感する影響力の大きさ順に並べ直してみよう。
第一は株価と時価総額だ。 大企業のコア技術者の報酬は半分以上が株式で構成されている。株価が伸び悩めば、人材の定着は難しくなる。調査では快手が名指しされている——株価が低迷する中、テキストモデルチームのコアメンバーは早々に流出した。美团も同様だ。報酬が見合わなければ、理想主義は給料日二回分も持たない。
第二は戦略の方向性だ。 最も典型的なのはファーウェイ——コア事業は昇昇（アセンディング）チップや演算ハードウェアの販売であり、大規模言語モデルはあくまで周辺的な位置づけだ。これがモデルチームの投資への期待感に直接影響し、人材の流出元となっている。百川が医療特化に転換したのも同じ理屈だ：会社の戦略が方向転換すれば、チーム全体の目的意識が失われ、誰もが先を争って去っていく。
第三は組織構造の適合性——これが最も見えにくく、最も致命的だ。 伝統的な大企業の階層型組織は、大規模言語モデルの開発ペースに適合しない。ヘッドハンターの言葉が的を射ている：「新しい事業や戦略に直面したとき、組織構造の調整は真っ先に行うべきだが、迅速に決断できる会社は多くない。」
私が実際に目にした例を補足しよう：古株の社員がポストに居座り、報告ラインは幾重にも重なり、一つの決定が会議室から出るのに三ヶ月かかる——第一線で活躍する AI 人材は市場で引く手あまたなのだから、そんなスピードに付き合ってはくれない。
興味深いことに、アリババは逆の例だ。通義の基盤モデル人材は大部分が新卒採用と内部育成でまかなわれ、中途採用は極めて少ない。それが却って、人材構造が最も安定している要因になっている。人材の引き抜きは「いるかいないか」の問題は解決できても、「定着するかどうか」の問題は解決できない。
年齢不安：半分は本当で半分は嘘
調査の中に、心に刺さる二つの詳細があった。
一つは、事前学習の人材が事後学習に転向するケースが少ないこと——ヘッドハンターによると、「分業の壁」に加え「技術へのこだわり」が理由で、基盤を作る人間は根っから微調整などの仕事に回りたがらないという。
二つ目は、AI 前半戦を担った30～40代の人材が、大学や公共研究機関に回帰し始めていること——元快手副社長の王仲遠は2024年初頭に智源研究院の院長に就任した。同時に市場では、創造性の絶頂期にある20代の若者が明らかに優遇されている。
年齢不安は本当なのだろうか？私の見解はこうだ：「純粋な実行力」に関する年齢不安は本当だが、「判断力」に年齢不安は存在しない。
大学や研究機関に回帰している人々をよく見てほしい。彼らは淘汰されたのではなく、最もトップクラスの人材たちだ——彼らが向かうのは研究院で、最前線の探索を行い、積み重ねてきた判断力を武器にしている。一方、市場が好む20代の若者が奪い合われているのは、「体力＋学習速度」型のポジションだ：高強度の事前学習、高速で反復されるエンジニアリングの仕事。
だから本当の問題は「30歳を過ぎても AI でやっていけるか」ではなく、こうだ：30歳を過ぎたとき、あなたの価値はまだ「自分が頑張れること」に留まっているのか、それとも「何をすべきか、何をすべきでないかがわかること」に積み重ねられているのか？
前者は AI 業界では確かに価値が下がるのが速い——AI 自体が「頑張る」部分をどんどん自動化しているからだ。後者は却って価値が上がっていく——業界のペースが速すぎて試行錯誤する時間がなく、判断力が希少品になっているからだ。
次の波はどんな人材が奪い合われるのか
まず現在最も引く手あまたな二つのタイプを見てみよう。
AI Infra 人材——GPU クラスターのスケジューリング、推論フレームワークの最適化、FPGA コンパイルなどのポジションだ。なぜか？演算資源は高価で、同じチップでもスケジューリングの良し悪しで効率が数倍違う。こうした人材は「チップをフルに使えるかどうか」を直接左右する。
データ人材——演算資源は固定的な客観的要素（お金さえあれば買える）となり、モデルアーキテクチャは段階的なプラトー期に入った（各社で大きな差がつかなくなった）。その結果、業界の共通認識は「高品質なデータこそが後半戦のコアな障壁だ」に変わった。バイトダンスなどの大企業が最近データチームを集中的に調整しているのは、その表れだ。
次の波はどんな人材が奪い合われるのか？私の推測は二つのタイプだ。
「AI＋業務」の通訳人材。 Agent が全面的にブレイクした後、ボトルネックは「モデルがどれだけ賢いか」から「業務に落とし込めるか」に移った。業務フローを理解し、AI の能力の限界をわきまえ、実装までの道筋を設計できる人材は、現在深刻に不足している——これこそが大多数のビジネスパーソンにとって最も現実的な参入ポイントであり、アルゴリズム職に転向するよりずっと現実的だ。
AI 品質・安全人材。 大規模言語モデルのリリース周期は4.5～6ヶ月から3.5ヶ月に短縮され、トラブルが発生する確率も比例して高まっている。モデルのリリース時に検証を担当するのは誰か？幻覚（ハルシネーション）の責任を誰が負うのか？コンプライアンスは誰がクリアするのか？こうしたポジションにはまだ明確な職級シリーズが形成されていないが、ニーズは確実に高まっている——十年前に「テストエンジニア」が巨大な職種になると誰が予想しただろうか、と同じことだ。
判断のフレームワークは一言で言える：業界のボトルネックがどこに移るかを見れば、人材の価値もそこに上がる。 基盤モデル時代のボトルネックはアルゴリズム、推論時代のボトルネックは効率、アプリケーション時代のボトルネックは実装——自分のスキルを次のボトルネックに向けることが、どんな流行を追いかけるよりも強い。
今 AI 業界に入りたいなら、三つの道
ハードルの低い順に並べたので、自分に合うものを選んでほしい。
第一条の道：転職せず、まず今の仕事を「AI＋」する。 大多数の人に最もおすすめする方法だ。AI 企業に飛び込まなくても AI に関われる——自分の仕事を AI でやり直し、定量化できる効率向上を生み出せば、あなたはすでに「AI＋業務」の通訳人材になっている。これはいきなりアルゴリズム職に転向するより百倍現実的だ。しかも、垂直業界が独自の事後学習モデルを大規模に導入しているのは現在進行形の話——金融も医療も独自の AI チームを作っているが、彼らが最も不足しているのはアルゴリズムではなく、業務を理解して AI を使える人材なのだ。
第二条の道：AI エンジニアに転向するなら、Agent アプリケーション層から切り込む。 もしあなたが開発者なら、いきなり事前学習に手を出してはいけない（その窓口はすでに閉じており、ニーズも3～4割減っている）。Agent アプリケーション開発から始めよう——ワークフローのオーケストレーション、ツール呼び出し、RAG、評価……これらは現在ニーズが最も旺盛で、ハードルが比較的低く、しかも短期的にはモデルの進歩で置き換わらない分野だ。調査でも、Coding Agent 関連のチームが最も勢いよく人材を引き抜いているとされている。
第三条の道：新卒または深く転向するなら、Infra かデータを選ぶ。 もしあなたが学生か、深くキャリアチェンジする決意があるなら、Infra（GPU スケジューリング／推論最適化）とデータエンジニアリングは今後三年の硬い通貨だ——障壁が高く、人材が少なく、ニーズは安定している。ただし認識しておいてほしい：この道は学習曲線が急で、本気で取り組む必要があり、二ヶ月ほど講座を受けただけでどうにかなるものではない。
最後に一つ冷たい現実を突きつけておこう：平均在籍年数が1～1.5年の業界では、変動は常態だ。 「AI に入る」ことを一回きりの行動と考えてはいけない——参入したのはただの入場券に過ぎない。テーブルに残り続けられるかどうかは、半年ごとに自分の方向性と業界のボトルネックの整合性を調整できるかどうかにかかっている。
だから私はいつも言っている：流行を追いかけるより、まず「判断力」を磨け——それが唯一、年齢で価値が下がらず、流行が移り変わっても消えない資産なのだ。
波頭がどこに打ちつけるかはあなたに決められない。でも、どの流れに立つかは、あなた次第だ。
参考：雷峰网 2026-09-07『AI 人材 3 回の大移動：百度の先行、六小虎の分化、テンセントの「鳥籠交換」』（文中の人材流動データとヘッドハンターの見解は同調査に基づく。氏名は仮名。業界に関する判断部分は個人の見解であり、参考にとどめてほしい。）
作者：永亮。17年のソフトウェア業界経験、7年の AI 業界経験。複数の国際的な有名企業認定を保有。AI 技術ディレクター。AI 時代のキャリアと教育に関する本音を語る。