Web4前夜、一般労働者が取り残されないためのガイド。

著者: 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人以上の従業員を解雇し、従業員数を1万人以上から6,000人未満に削減すると発表しました。CEOのジャック・ドーシー氏は株主への手紙の中でこのことを述べています。

「スマートツールは、会社の設立と運営の意味を変えました...私たちが構築しているツールを使用することで、はるかに小規模なチームでも、より多くのことをより良く行うことができます。」

ドーシー氏はまた、極めて冷酷な予測も示した。

「ほとんどの企業はすでに手遅れだと思います。今後1年以内に、ほとんどの企業が同じ結論に達し、同様の構造調整を行うでしょう。」

その日の市場が閉まった後、ブロック社の株価は20%以上急騰しました。これは資本市場が実際の資金で反応したものであり、同社のAIレバレッジと効率性に対価を支払ったのです。

プログラミングの知識が全くない一般人でも、大規模モデルを使えば、一晩で完全に機能するアプリを独力で実行できます。これは必然的に、資本市場にとって重要な疑問を提起します。それは、スーパーアプリの日常的な運用を維持するために何万人ものプログラマーを雇用する巨大IT企業の莫大な人件費に、どれだけの価値が残っているのか、ということです。

AIによる人力代替の流れは、必然的に多くの大企業に波及するでしょう。不安は避けられませんが、不安だけでは何の役にも立ちません。まずはマクロ環境の変化から着手し、そこから徐々に個々の生存戦略へと落とし込んでいく必要があります。

AIは単なるツールではなく、生産手段になりつつあります。

市場では、現在の段階を定義するために「Web4」という言葉を使い始めている人もいます。文脈を明確にするために、まずインターネットの進化の様々な段階を振り返ってみましょう。

ウェブ2

その核心は、ソフトウェアと人間の相互作用です。様々なプラットフォームがアルゴリズムを用いてユーザーの注目を集めており、これは本質的にトラフィックをめぐる争いと言えるでしょう。

ウェブ3

これは、デジタル資産の所有と価値分配の問題を解決しようとする試みです。多くの人はこれを暗号通貨と単純に同一視しますが、本質的には依然として富の分配ルールをめぐるゲームのレベルにとどまっており、デジタル製品の「生産と製造」の関係には触れていません。

Web4の前夜

AIは初めて、生産関係の変化の本質に触れた。もはや単なる効率向上のツールではなく、新たなタイプの生産手段へと変貌を遂げつつある。AIをより有効に活用する者は、生産量の上限を桁違いに引き上げることができるだろう。

従来のチームコラボレーションには、多くの隠れたコストが伴います。優れたリーダーの判断力や業界勘は部下には再現が難しく、複数人での実行では誤解や手戻りによるロスは避けられません。これらは組織運営における「隠れた税金」であり、これまで明確な解決策がありませんでした。AIはこれらの隠れた税金を大幅に削減します。学習曲線がなく、明確な指示で高品質な実行が可能で、複数のタスクラインを並行して処理できます。一人の戦略的判断力とAIの実行力を組み合わせることで、かつてはチーム全体の成果を最大化することができます。

もちろん、AIは時折「真顔でナンセンスなことを言う」こともあり、人間によるレビューと判断は依然として不可欠です。しかし、モデルの信頼性は月ごとに向上しており、純粋な約定ポジションのバッファウィンドウは、多くの人が考えるよりもはるかに短くなっています。

効率性と平等性、そして根深い危機：参入障壁が撤廃された後に何が起こるのか

短期的には、一般の人々はAIツールの活用による効率性向上の恩恵を受けることができます。しかし、将来的には、AIが根本的な効率性ギャップを解消し、専門家の参入障壁を大幅に引き下げると、企業は個人の生産性が大幅に向上しても事業規模が比例して拡大しなければ、当初の従業員数を維持することが負担になることに気付くでしょう。

現在の給与格差を見れば明らかだ。TT3LABSの求人モニタリングデータによると、2025年以降、AI関連求人市場では数千万ドル規模の給与パッケージが繰り返し見られており、これらの候補者は主に「チームマネジメント能力」に乏しい若手AIエンジニアである。MetaがOpenAIからコア研究者を引き抜いた際には、契約金だけで1億ドルを超えた。OpenAI従業員の平均株式報酬は150万ドルに達し、Anthropicのシニア研究エンジニアの基本年俸は69万ドル（株式を除く）にも達した。

資本は、希少な能力、つまりAI自体の強化に資金を投じています。基盤となるモデルの進化を牽引できる企業は、ビジネスネットワーク全体でその価値を飛躍的に高めることができます。一方、AIによってより低コストで代替できる業務を抱える企業は、その評価額が縮小する可能性があります。

これは、より深く根深い危機も引き起こします。ますます多くの人々が、問題への最初の反応としてAIに答えを求め、推論、検証、試行錯誤といった重要なプロセスを省略しています。これは時間の経過とともに、批判的思考力の喪失につながります。問題は、まさにこの骨の折れるプロセスこそが、問題解決能力を形作るということです。このプロセスをAIに長期間依存し続けると、職場におけるあなたの役割は単なる「要件翻訳者」、つまり他者の要求をAIの入力に変換し、AIの出力を他者に伝えるだけのものになってしまいます。そして、この重要な中間ステップこそが、次世代のAIが最も簡単に省略できるものなのです。

インパクトマップ: あなたはどこに立っているでしょうか?

座標系のない恐怖は単なる不安です。対策を議論する前に、「影響マップ」を描く必要があります。これはパニックを煽るためではなく、誰もが自分の状況を理解するのに役立つためです。

危険度の高い職務は指示書に明確に記載できます。

基本的なコーディング、基礎的なデータ分析、標準化されたレポート作成、テンプレート設計、そして日常的な翻訳と校正。これらの業務は、「入力 → 処理 → 出力」という明確な区分で分類されるという共通点があります。ブロック社が解雇した4,000人以上の従業員の相当数がこのカテゴリーに該当しました。彼らの専門スキルは不足していませんでしたが、彼らが担当していたタスクはまさに大規模モデルで処理可能なものでした。

自分自身に問いかける価値のある基準は、もしあなたのすべての作業を単一の AI 命令として記述できるなら、機械があなたに取って代わる準備ができているということです。残る唯一の疑問は、企業がいつその決定を下すかということです。

激動のなか、経験重視の中間管理職が「再編」されつつある。

プロジェクトマネージャー、オペレーションスーパーバイザー、そして中堅エンジニア。彼らの業務は判断力と調整力を必要としますが、AIは短期的には対応できず、その「圧縮」が進んでいます。かつては、ビジネスチェーンには5人の中堅マネージャーが必要で、それぞれが担当するセグメントごとに連携していました。今では、AIが上流工程と下流工程の実行を担い、1人か2人でチェーン全体を円滑に運営できるようになっています。

このグループは「ポジションがますます少なくなっている」という状況に直面しています。あなたの能力は低下していないものの、あなたの役割に対する市場の需要は急落しています。このグループにとっての解決策は、AIを活用して下位レベルの実行能力を強化し、上位レベルで問題を定義する力を獲得することです。

付加価値の不確実性の要因

「正しく行うこと」ではなく、「常に不完全な情報に基づいて意思決定を行い、その結果に責任を負うこと」が核となる仕事があります。例えば、複雑なビジネス交渉、危機管理、異文化組織管理、高リスク投資評価などが挙げられます。AIは分析やアドバイスを提供することはできますが、あなたに代わって承認したり、責任を負ったり、夕食のテーブルを一瞥しただけでその裏に隠された意図を読み取ったりすることはできません。

これらの役割は減価償却されないだけでなく、基礎となる実行コストが AI によって大幅に削減されるため、同じ予算でより大規模なプロジェクトを活用でき、意思決定者にさらなる影響力を与えることができます。

現実には、多くの人の仕事は複数のレベルにまたがっています。簡単な自己診断テストとして、日々の仕事について考えてみてください。指示書で明確に説明できる部分はどれくらいあり、漠然とした形で自分で判断しなければならない部分はどれくらいありますか？前者の割合が高いほど、できるだけ早く変更を加える必要があります。

ツールに対する不安をなくし、公共のコンピューティング能力をプライベートな障壁に変えましょう。

OpenClaw（「リトルロブスター」）は1月末に突如登場し、数日のうちにGitHubで17万以上のスターを獲得しました。様々なモデルメーカーがすぐに追随しました。Alibaba Cloudはワンクリックデプロイをリリースし、Tencentはそれに対抗するCoPawをリリースし、MiniMaxとKimiも独自の互換性ソリューションを発表しました。

すると、非常に興味深い現象に気づくでしょう。今月、多くの人が「Crayfishの導入方法の検討」や「どのパッケージプランが費用対効果が高いかの比較」に、実際にAIを使ってビジネス成果を生み出す時間よりも多くの時間を費やしているのです。誰もがツールを追いかけていますが、あなたがツールを使った後では、誰かがたった2時間であなたの導入設定をコピーできてしまうのです。

OpenAI、Anthropic、Meta、Google、xAIといった大規模言語モデルはすべて、公開されている同じインターネットデータを用いて学習されています。つまり、それらは本質的に同じであり、だからこそ非常に急速にコモディティ化が進んでいるのです。

— ラリー・エリソン、オラクル2026年度第2四半期決算発表

逆に言えば、これは、あなたの仕事が一般モデルの公開機能のみに依存している限り、出力は均質になり、指示がどれだけ巧妙であっても、競争上の優位性は生まれないことを意味します。

本当の障壁は、公的なものから私的なものへの移行にあります。

現在、明確なトレンドが存在します。大企業からスタートアップ企業まで、ますます多くの組織がローカライズされた独自モデルを導入しています。その直接的な理由は情報セキュリティです。誰も自社のコアビジネスデータをサードパーティのAPIに委ねたくありません。しかし、このトレンドには過小評価されている波及効果があります。業界の主要企業がデータと知識をプライベートなデプロイメントに蓄えるにつれて、汎用モデルが学習するためにパブリックインターネット上で利用できる業界情報の量は減少し、ますます古くなります。表面的には、AIはすべての人にとって知識のハードルを下げますが、真に価値のある業界知識層はパブリックインターネットから急速に消え去り、個々の企業のプライベートな知識ベースに沈んでいきます。

したがって、長年かけて蓄積してきた業界の「暗黙知」は、減価するのではなく、むしろ価値が上がるのです。そのためには、それを実践することが必須条件です。

頭の中に散らばる非標準化されたビジネス経験、チャットログ、メール履歴を整理・構造化し、プライベートモデルが理解できる「コンテキスト」へと変換しましょう。TT3LABSのバックエンドデータによると、Web3業界で2年以上の経験を持つ候補者は、業界経験のない大企業の技術者よりも初期スクリーニングの合格率がはるかに高いことが示されています。その根本的な理由は、業界のノウハウが一般的な技術スキルよりもはるかに重視されるからです。3年間のCEX運用経験を持つ人物によるコンプライアンスロジックの理解と暗黙のルールの列挙、2つのDAOガバナンスサイクルを経験した人物による提案設計とコミュニティ感情の転換点の判断、垂直コンテンツ制作に深く関わる人物によるオーディエンス心理と物語のリズムに対する直感。これらは、公開されているトレーニングデータには現れません。

こうしたプライベートな経験を構造化し、モデルに統合すれば、AIはもはや汎用的な百科事典ではなく、あなただけのために働き、あなたの特定の分野だけを理解する、専属のパートナーになります。これほどの奥深さは、他のAIが同じ汎用モデルを使っても決して追いつくことのできないものです。

根底にある論理はシンプルです。AIは公開知識の処理に優れていますが、個人的な経験の処理に関しては人間の入力に完全に依存しています。業界の深いノウハウとAIを組み合わせられる人材こそが、この新たな分業における中核的な資産なのです。

あなたの経験ベースこそが真の「モデル」なのです。

AIモデルは急速に進化しており、現在のGPT、Claude、Geminiは6ヶ月以内に、より強力なバージョンに置き換えられる可能性があります。しかし、より強力なモデルへの切り替えは、APIインターフェースを変更するだけで済みます。反復処理によって真に置き換えられないのは、モデルに入力するプライベートデータと経験ベースのセットです。

モデルは誰でも利用できる汎用的なインフラストラクチャです。しかし、そこに投入する業界の洞察、ビジネス上の判断、そして得られた教訓は、あなた独自の「トレーニングコーパス」となります。AIが強力になればなるほど、このコーパスをより良く処理できるようになり、独自性の障壁は高まります。ですから、知識ベースがすぐに陳腐化してしまうのではないかと心配する必要はありません。知識ベースは、モデルの反復によって価値が下がらない唯一の資産なのです。モデルは変化しますが、データ障壁はAIの能力が向上するにつれて価値が上がるばかりです。

同時に、職場における従来の競争の論理も書き換えられつつあります。かつては、従業員は残業や夜更かしをすることで自らの姿勢を示すことができましたが、機械が24時間365日生産を続ける今、「自分は他の人より頑張れる」という競争戦略は、AIの前では無意味なものとなっています。

「私は今でもチーム内で感情的な価値を提供している」と言う人は多いでしょう。確かに、感情的な価値は人間特有の能力ですが、その価値は個人のレベルによって異なります。最前線のチームが10人から2人＋AIエージェントにまで縮小すると、「チームの潤滑油」は役割を失います。意思決定レベル、複雑なビジネスゲーム、リスクの高い信頼構築、そしてステークホルダー間の紛争調停においては、下層レベルでのコスト削減により、深い人間関係がより重要になります。感情的な価値は消滅しているのではなく、むしろ高まっているのです。

結局のところ、AI時代において個人が行うべき最も重要な投資は、どのツールを使うかを学ぶことではなく、独自のAIを継続的に育成することです。ツールは進化しますが、経験はそうではありません。

3つのステップで今すぐ始められます。

ブロック氏のケースに戻ると、解雇された人もいれば、残った人もいました。違いは、AIが標準的な生産性向上ツールになった後も、誰が圧縮されないままでいられるかにあります。会社がAIトレーニングを提供するまで待つ必要はありません。今日から、以下の行動を試してみてください。

01. 「自分でやる」から「ワークフロー構築」へ

働く人にとって最大の落とし穴は、AIを「サボる」ために使うこと（例えば、週報の作成やメールの修正をAIに任せるなど）ですが、これはあくまでも実行レベルの考え方です。本当に必要なのは、自分自身を「現場監督」と見なし、現在のポジションの中核となるアウトプットをAI自動化の生産ラインにリファクタリングすることです。

一度に12個の新しいモデルを試すのはやめましょう。ChatGPT PlusやClaudeなど、現在利用可能な最も成熟したツールを選択し、業務の中で最も時間と経験を必要とする部分に組み込んでください。「手動でデータを収集→分析・比較→結論を出力する」という従来の線形操作を、「自動データ収集の設定→AI分析フレームワークへの入力→微調整のための手動介入」へと転換しましょう。このワークフローによって、これまで1週間かかっていた作業を1日に短縮し、極めて安定した品質を実現できるようになれば、もはや単一のコンピューティングパワーノードではなく、レバレッジの高い「ミニカンパニー」へと成長したと言えるでしょう。

02.暗黙の経験を自分のデジタルアバターに「統合」する

大規模モデルは公開データから学習します。理論は理解しているものの、あなたの会社の極めて難しい主要顧客の隠れた特性や、財務部門とのコミュニケーションにおいて避けなければならないタブーを全く理解していません。数え切れないほどの失敗を通して得たこの「暗黙知」こそが、あなたの最も貴重な資産なのです。

しかし、これらの資産は、ただ頭の中に留まっているだけでは複利効果を生み出しません。あなたの現在の課題は、既存の大規模モデル（カスタムGPTやクロード・プロジェクトなど）のカスタマイズ機能を活用し、あなたの経験を「システムプリセット指示」へと変換することです。これまで扱ってきたエッジケース、失敗の事後分析レポート、そして業界の暗黙のルールをすべてシステムに入力してください。あなたの目標は、静的なナレッジベースノートブックを構築することではなく、あなたの強い個性的なビジネススタイルを持ち、あなただけのために働く24時間365日対応のパーソナルアシスタントを「飼いならす」ことです。あなたの「デジタルアバター」が完成すれば、汎用AIを使用する他の企業は絶対にあなたと競合できなくなります。

03.自らの「問題定義権」と責任感を高める

チーム内では、「答えを見つける」というタスクは機械に委ねつつ、「質問する」ことと「判断する」という権限は自分たちが保持するという意識的な実践を始めました。AIは完璧な回答エンジンですが、要求の背後にある真のビジネスモチベーションを読み取ることはできません。上司が「新しいリテンション戦略を実行したい」と言ったら、AIは即座にグロースハックの理論モデルを10個も提示するでしょう。しかし、現在の予算と開発リソースを考慮し、「ソリューションBは完璧だが現状では実現不可能。機能を半分削減したソリューションCが現在のペースに最適だ」と指摘できるのは、あなただけです。

同時に、一つ理解しておかなければならないことがあります。AIは刑務所に入ることも、責任を取ることもないということです。企業があなたに高額の給与を支払う場合、多くの場合、ビジネス成果に対する「セーフティネット」を買っているのです。AIが生成したコードやソリューションを提出する際には、「私は自分の専門的な経験に基づいてAIの出力をレビューし、最終的な実装に責任を負います」と自信を持って言える必要があります。この「責任プレミアム」、つまり曖昧な領域で意思決定を行い、最終的なビジネス結果を引き受ける覚悟は、どの時代においても機械では決して代替できないものです。

ドーシー氏は「ほとんどの企業はすでに手遅れだ」と述べた。しかし、個人にとっては逆もまた真なり。ほとんどの人がまだ準備を始めていないか、この傾向に気づいていないのだ。

誰もがAIの専門家になる必要はありません。しかし、誰もが、自分の仕事のどの部分が遅かれ早かれできるようになるのか、そしてどの部分が自分独自のものなのかを理解し、前者から後者へと時間とエネルギーをシフトしていく必要があります。

AIがあらゆる分野で人間を超える日が来るとしたら、それは2027年か2030年かもしれないが、これは傍観して見守れるような変化ではない。

あなたの準備が整うまで待ってはくれません。