Web4の前夜、一般労働者のための淘汰防止ガイド

作者：TT3LABS，Web3/AI/SaaSリモート採用プラットフォーム

2026年2月26日、フィンテック大手のBlockは4,000人超の人員削減を発表し、チーム規模は1万人超からわずか6,000人未満に縮小された。CEOのJack Dorseyは株主宛の書簡で次のように述べている。

「インテリジェントツールは、会社の創造と運営の意味を変えました……はるかに小さなチームで、私たちが構築しているツールを使えば、より多くのことを、より良く行えるのです。」

Dorseyはまた、非常に冷徹な予測を示した。

「私は、多くの企業はすでに遅れていると思います。今後1年以内に、多くの企業が同じ結論に達し、類似の構造的調整を行うでしょう。」

この日、取引後にBlockの株価は20%以上急騰した。これは資本市場が真剣に応じた証拠だ：企業のAIレバレッジと効率性に対して、金銭を支払ったのだ。

プログラミングを全く知らない普通の人でも、大規模モデルを活用すれば、一晩で機能完全なアプリを独立して動かせる時代になった。資本市場は当然、鋭い疑問を投げかける。

「何万人ものプログラマーを雇用して、超大型アプリを日常運用する巨大テック企業の人件費は、いったいどれだけの価値を持つのか？」

AIによる人手代替の潮流は、より多くの大企業が追随するだろう。焦燥は避けられないが、ただ焦るだけでは意味がない。私たちはまず、大きな環境の変局から出発し、一歩一歩、個人の生存戦略に落とし込む必要がある。

AIは単なるツールではなく、生産資料になりつつある

市場では「Web4」という言葉で現段階を定義し始めている。脈絡を整理するために、インターネットの進化段階を振り返る。

Web2

ソフトウェアと人のインタラクションが中心。各プラットフォームはアルゴリズムを通じてユーザーの注意を引きつけ、流量獲得競争が展開された。

Web3

デジタル資産の権利確定と価値分配の問題に取り組む。多くは暗号通貨と結びつけて語られるが、本質的には資産分配ルールの争いにとどまり、デジタル製品の「生産・製造」関係には触れていない。

Web4の前夜

AIが初めて、生産関係そのものを変える可能性に触れた。もはや効率向上のツールにとどまらず、新たな生産資料へと進化しつつある。誰がそれを使いこなすかが、産出の上限を引き上げる鍵となる。

従来のチーム協働には、多くの潜在コストが伴う。優れたリーダーの判断力や業界直感は模倣困難で、多人数の理解齟齬ややり直しも避けられない。これらは組織運営の「闇税」と呼ばれ、以前は明確な解決策がなかった。AIはこれらの暗黙のコストを大きく圧縮する。学習曲線も不要で、明確なプロンプトを与えれば高品質な実行が可能。複数のタスクも並行処理できる。個人の戦略判断とAIの実行レバレッジを組み合わせれば、かつてのチーム全体の生産性を超えることも可能だ。

もちろん、AIは時折「真面目にデタラメを言う」こともあるため、人間の監査と判断は依然必要だ。ただし、モデルの信頼性は月次で向上しており、純粋な実行ポジションにとっての余裕期間は、多くの人が思うよりも短い。

効率の平等と深層危機：参入障壁が消えた先に何が待つか

短期的には、一般人がAIツールにアクセスし、効率向上の恩恵を受けられる。しかし、AIが基礎的な効率差を埋め、専門的な入門障壁を大きく下げた未来、企業は気付く。

「一人当たりの生産性が大きく向上した場合、全体の事業規模が同じままなら、従業員数を維持することは負の資産になる。」

現状の給与格差を見れば明らかだ。TT3LABSの職種監視データによると、2025年以降、AI関連の求人市場では「千万ドル超」の報酬パッケージが複数登場し、候補者は若いAIエンジニアが中心。彼らは豊富な「チーム管理スキル」を持たないことも多い。MetaはOpenAIのコア研究員を引き抜く際、契約ボーナスだけで10億ドル超を支払い、OpenAIの平均株式報酬は150万ドルに達し、Anthropicの上級研究エンジニアの基本年収は最高69万ドル（株式除く）にのぼる。

資本はこの資産を買っている。すなわち、AIそのものをより強化する能力だ。底層モデルの進化を促進できる人の価値は、ビジネスネットワーク全体で幾何級数的に拡大する。一方、仕事の内容がAIにより低コストでカバーできるなら、その人の評価は縮小する可能性もある。

これに伴い、より深刻な潜在危機も浮上している。多くの人は問題に直面したとき、まずAIに答えを求める。推論や検証、試行錯誤の過程を省略し、時間を浪費し、思考力を失うリスクだ。長期的には、「愚直な努力」が問題の嗅覚を養う重要な要素だったが、それが失われつつある。

AIに頼りすぎると、仕事の役割は「要求の翻訳者」に退化し、他者の要求をAI入力に変換し、AI出力を他者に渡すだけの存在になる。次世代AIは、その中間のステップさえも直接スキップしようとする。

インパクトマップ：あなたはどこにいる？

恐怖に座標がなければ、それはただの不安だ。対策を語る前に、「インパクトマップ」を描く必要がある。これはパニックを煽るためではなく、自分の立ち位置を把握するためだ。

指示が明確に書ける高リスクの仕事

初級のコーディング、基本的なデータ分析、標準化レポート作成、テンプレート設計、定型的な翻訳・校正。これらは「入力→処理→出力」の流れに明確に分解できる仕事だ。Blockが削減した4,000人以上の中には、この範囲に該当する人も多い。彼らの専門能力は高いが、やっていることは大規模モデルに任せられる。

自問すべき基準：もしあなたの仕事すべてをAI指示に書き換えられるなら、機械があなたの役割を引き継ぐ準備が整ったといえる。あとは企業がいつそれを決断するかだけだ。

経験豊富な中間管理層の「圧縮」

プロジェクトマネージャー、運営責任者、中級エンジニア。判断と調整を含む仕事だ。AIは短期的には食えないが、「圧縮」されつつある。以前は複数の中間管理者が一つの業務を担当し、連携していたが、今やAIが上下流を担い、一人か二人で全体を回せる。

この層の現状は、「席が減った」状態だ。能力は落ちていないが、市場の需要は急減している。彼らの進路は、AIを使って下位レベルの実行力を拡大し、上位の問題定義権を獲得することだ。

付加価値の不確実性を操る人々

「正解を出す」ことではなく、「情報が不完全な中で意思決定し、その結果に責任を持つ」仕事。複雑なビジネス交渉、危機対応、異文化組織運営、高リスク投資判断など。AIは分析と提案はできるが、署名や責任、相手の心理を読むことはできない。

これらの役割は、価値が下がるどころか、AIによるコスト削減で、より大きな案件を動かせるようになる。決裁者のレバレッジも長くなる。

実際、多くの人は複数の階層をまたいで仕事をしている。簡単な自己診断：毎日の仕事の中で、どれだけ指示一つで済む部分があるか、どれだけ曖昧な判断を自分で下しているか。前者の比率が高いほど、早く変革を始める必要がある。

ツールへの不安を止め、公共計算資源を私有化へ

1月末、OpenClaw（「小龍虾」）が登場し、数日でGitHubスター数は17万を突破。各種モデルメーカーも追随し、阿里雲はワンクリック展開を開始、TencentはCoPawをリリース、MiniMaxやKimiも互換方案を展開。

面白い現象も見えてきた。多くの人が今月、「小龍虾の展開方法」や「どのプランがコスパ良いか」の調査に時間を費やし、その時間は実際のAIを使ったビジネス成果の生産時間を超えることもある。皆ツールを追いかけているが、追いかけ終わった後には、誰でも2時間で同じ設定をコピーできる。

「すべての大規模言語モデル——OpenAI、Anthropic、Meta、Google、xAI——は、同じ公開インターネットデータで訓練されている。だから本質的に同じものであり、これらは非常に速い速度で商品化されている。」

— ラリー・エリソン、Oracle2026年度第2四半期決算説明会

逆に理解すれば、あなたの仕事が一般的な大規模モデルの公開能力に依存している限り、その成果は差別化されない。指示がいくら華麗でも、護城河は築けない。

本当の壁は、「公共」から「私有」へ移行することにある。

すでに明確な潮流がある。大企業からスタートアップまで、多くの組織がローカルの私有モデルを展開し始めている。理由は情報セキュリティだ。コアなビジネスデータを第三者APIに渡したくないからだ。しかし、この流れには見落とされがちな連鎖反応もある。業界の主要プレイヤーがデータと知識を私有化すれば、公開ネット上で学習できる業界情報は減少し、遅れていく。表面上はAIが知識の門戸を下げているが、実は価値ある業界知識は、公開ネットから消え、各社の私有知識庫に沈んでいく。

だから、あなたの長年積み上げた「暗黙知」は、価値が下がるどころか、むしろ高まっている。 ただし、それを使いこなす必要がある。

散らばった経験やチャット履歴、過去のメールにある非標準的な業務ノウハウを整理・構造化し、あなたの私有モデルが吸収できる「コンテキスト」に変換することだ。TT3LABSのデータによると、Web3業界で2年以上の経験を持つ候補者の初期選考通過率は、未経験者や大手企業の技術者よりも高い。これは、業界のノウハウの重みが、汎用技術能力を上回るためだ。3年CEX運営経験者のコンプライアンス理解、DAOの運営経験者の提案設計やコミュニティの動向予測、垂直コンテンツの深耕者の受容心理やストーリーテリングの直感など、これらは公開訓練データには出てこない。

これらの私有経験を構造化し、モデルに接続すれば、あなたのAIは単なる百科事典ではなく、あなた専用のアシスタントとなる。これにより、同じ汎用モデルを使う他者との差別化が図れる。

唯一の核心は、「AIは公開知識の処理において圧倒的だが、私有経験の処理はあなたの投喂次第」ということだ。深い業界知識とAIを融合できる人こそ、新たな分業の中核資産となる。

あなたの経験データベースこそ、真の「モデル」だ

AIモデルは急速に進化している。今日のGPT、Claude、Geminiも、半年後にはより強力なバージョンに置き換わるだろう。しかし、あなたにとっては、より強力なモデルに切り替えるのはAPIを変えるだけの話だ。本当に代替されないのは、あなたが投喂してきた私有データと経験の蓄積だ。

モデルは汎用インフラだ。誰でも使えるが、あなたが注ぎ込む業界認識やビジネス判断、失敗の記録は、あなた固有の「訓練データ」だ。AIが強くなるほど、そのデータの消化能力は高まり、あなたの私有壁は高くなる。だから、「今、知識庫を作るのは無駄だ」と思わないこと。あなたの知識庫は、モデルの進化に伴って価値が増す唯一の資産だ。

同時に、従来の職場競争も書き換えられる。徹夜や残業で態度を示す時代は終わった。AIは24時間稼働し、誰よりも長く働くことができる。これにより、「自分の忍耐力」を競う戦略は無意味になる。

多くの人は、「チームに感情価値を提供している」と言う。確かに人間だけが持つ能力だが、その価値は自分の役職次第だ。現場の10人から2人とAIエージェントに縮小すれば、「チームの潤滑油」の役割は消える。一方、意思決定層では、複雑な交渉や信頼構築、利害調整の深い人間関係は、コスト低減によりむしろ価値が高まる。感情価値は消えるのではなく、上位層へと移行している。

結局、AI時代に個人が最も投資すべきは、どのツールを使うかではなく、「唯一無二の私有AI」を育て続けることだ。ツールは進化するが、経験の蓄積は永遠だ。

今すぐ始められる3つのアクション

Blockの事例に戻ると、解雇された人も残った人もいる。違いは、AIが標準的な生産ツールとなった後も、「絶対に縮められない」存在になれるかどうかだ。会社のAI研修を待つ必要はない。今日からできることは次の通り。

01、「親力親為」から「ワークフロー構築」へ

最も陥りやすい罠は、AIを使って「サボる」こと（例：AIで週報作成、メールの校正）だが、これはあくまで実行レベルの思考だ。本当にやるべきは、自分を「下請け監督」として位置付け、最もコアなアウトプットをAIの自動生産ラインに再構築すること。

複数の新モデルを同時に試すのではなく、最も成熟したツール（例：ChatGPT PlusやClaude）を選び、最も時間と経験を要する部分に集中的に導入。従来の「手動でデータ収集→分析→結論出し」を、「自動収集→AI分析→人間調整」に置き換える。これにより、一週間かかっていた作業を一日に短縮し、安定した品質を保つことができれば、あなたは単なる計算資源のノードではなく、高レバレッジの「ミニ企業」となる。

02、「暗黙知」を「私有デジタル分身」に固める

大規模モデルは公開データを学習しているため、理論は理解しているが、あなたの会社の大口顧客の癖や、部署と財務のやり取りの裏事情までは知らない。これらの「暗黙知」は、あなたの最も貴重な資産だ。

しかし、それを頭の中だけに留めていては、資産の複利は生まれない。今のうちに、カスタムGPTやClaude Projectsなどの機能を使い、経験を「システム指示」に変換。過去の失敗事例や業界の潜ルールをすべて投入し、あなたの個性とスタイルを反映した24時間稼働の「私有アシスタント」を作る。これができれば、一般的なAIを持つ他者には絶対に勝てなくなる。

03、「問題定義権」と責任感を強化

チーム内では、「答えを見つける」作業をAIに任せ、「問いを立てる」「意思決定を行う」権限は自分の手に持つ練習を。AIは完璧な解答エンジンだが、背後のビジネス動機までは理解できない。例えば、「新しい留存戦略を作れ」とAIは提案できるが、「今の予算とリソースで、方案Bは実現困難、方案Cは機能を絞れば実行可能」といった判断は人間だけの役割だ。

また、AIは責任を負わないことを理解する。企業は高給を払うのは、あなたの「結果に対する責任」を買っているからだ。AIの出したコードや提案に対しても、「私の判断と責任のもとで最終決定した」と言える自信が必要だ。これが、「曖昧な状況でも決断し、最終的な結果に責任を持つ」ことの価値だ。

Dorseyは「多くの企業はすでに遅れている」と言ったが、個人にとっては逆も真なり。多くの人はまだ準備を始めていないし、この潮流に気付いてもいない。

誰もがAIの専門家になる必要はないが、仕事の中で、「機械に任せられる部分」と「自分だけができる部分」を見極め、前者に時間とリソースをシフトすべきだ。

AIがあらゆる分野を超越する日、2027年か、2030年かはともかく、その変化は待ってくれない。