AI基盤求人の集中度76%に上昇、エンタープライズAIと身体性AIが新たな採用テーマに

AIインフラ人材の需要集中は一段と強まった

Talent Signalの2026年8月25日時点の観測データでは、180日間で6,712件の求人を確認した。これは前回の6,526件から186件の増加だ。ただし、この増加を単純な需要拡大と読むことはできない。90日から180日を分母にした比率は79.4%へと低下し、逆により新しい30日、7日の割合が増えている。特に直近7日間の求人を30日間の求人で割った比率は25.7%で、前回の22.6%から上昇しており、直近の投稿密度が高まっていることを示す。一方、半年ウィンドウ内の古い求人は可観測性の低下により過小評価されている可能性が高く、需要曲線の傾きが急になったと断定するのは早い。

重要なのは職種構成だ。直近7日間のうちAI/アルゴリズム系の求人は40.9%を占め、データ系の24.0%、技術系の14.5%を大きく上回る。30日、90日、180日の各ウィンドウではAI/アルゴリズムが33%前後で安定している一方、データ系は28〜29%台で推移している。短いウィンドウほどAI/アルゴリズムの比率が高まる構造は、新卒採用サイクルやプロダクト化に向けた特定チームの補充が重なった結果かもしれない。フロンティアテック企業にとっては、アルゴリズム人材のパイプラインを常時確保しながら、データエンジニアリング人材を補完的に強化するチーム編成が求められる。

AI基盤への投資が採用テーマの中心であり続ける

テーマ別の分析では、AI基盤（インフラ）関連の求人が直近7日間で76.2%を占め、30日で75.0%、90日で61.9%、180日で53.0%と、ウィンドウが短いほど集中度が高い。プラットフォーム構築、推論、デプロイ、DevOpsといった領域への採用投資が依然として最も強いエンジンであることを示している。この傾向は前回からの継続であり、AIモデルの研究開発から、運用・スケーリング・本番環境の整備へと企業の採用重心が移っていることを裏付ける。

一方で、Agent/RAG系の求人は直近7日間で7.6%と、180日間の11.9%より低い。絶対量は33件あり、AI基盤以外では最も安定したテーマだが、アプリケーション層の需要がまだ基盤層の勢いに追いついていない。データ基盤テーマも7日で3.5%、180日で6.9%と、割合では縮小している。AI導入が進むほど、基盤とアプリケーションの両方をつなぐデータ基盤人材の重要性はむしろ高まるため、短期的な割合の低下に惑わされず、中長期の必要量を見積もるべきだ。

エンタープライズAI納品とコンプライアンス人材という新しい変化

今回の新規サンプルでは、AIを企業向けに納品・導入する役割が目立った。たとえば、ある企業ではAzure DevOps EngineerとAWS Bedrockを扱うSenior AI Solutions Engineerを同時に募集し、別の企業ではAI Transformation OwnerをProduct & Design領域で募集している。キーワードは「llm」「rag」「platform」から「enterprise」「solution」「deployment」「workflow」へと広がっており、AI人材の需要がモデル開発から業界導入・プロダクト化・運用設計へ移行している。この変化は、AIの実装を担う人材と組織変革を主導する人材をセットで評価する必要性を示している。

さらに、暗号資産・デジタル資産分野では、Payward SolutionsによるHead of Compliance（PCF-12）やSenior Audit Analyst、Talentverse自身のSmart Contract Engineerなど、規制対応とプロダクト開発を両輪で進める採用が確認できる。Web3関連テーマは全体の2.5%程度と低頻度だが、セキュリティ・監査職のシェアは7日間で7.4%、180日間で6.0%と安定しており、特に規制環境の変化に敏感な領域では、コンプライアンス人材の確保が事業リスクに直結する。

身体性AIと車載AIがデータ基盤人材の需要を生む

最新サンプルでは、身体性AI（エンボディードAI）や車載AIに関する求人が複数確認できた。身体性大規模モデルの訓練フレームワーク、大規模モデルの訓練・推論プラットフォーム、車載AIアルゴリズム、座席AI向けデータエンジニアなどがそれにあたる。これらは一見アルゴリズム職に見えるが、実際には訓練フレームワークの開発、端末側推論、車載データパイプライン構築といった基盤寄りの仕事であり、AI研究を事業に接続するためのデータ基盤人材が不足していることが伺える。

注意すべきは、こうした求人には新卒・特別採用と混在して掲載されているものが含まれる点だ。新卒採用サイクルに依存する部分は一時的な需要として過大評価すべきではない。ただし、もしこれらが常設のポジションに変われば、ロボティクスやスマートデバイス領域におけるハードウェア・データ基盤人材の需要は一段と強まるだろう。早期に採用要件を定義し評価プロセスを構築することが競争優位につながる。

データのノイズと職級情報の欠落がもたらす判断リスク

現時点のデータには三つの不確実性がある。第一に、180日ウィンドウのうち90日より古い求人が79.4%という低い比率に留まり、過去の求人が採集中にも関わらず観測から漏れている可能性がある。第二に、直近7日間の求人の70.2%が職級（シニア度）を明示しておらず、180日間でも64.0%が未記載である。給与情報は直近7日間で86.1%と高い水準で開示されているものの、職級と組み合わせて読まないと、シニア人材の獲得競争が実際に激化しているのかを判断できない。第三に、一部のAIデータ収集タスクについて、従来型の雇用ではなく、リサーチ参加者やクラウドワーク的な関与形態で補われる例が最近増えている可能性がある。これは求人として表れにくいため、市場全体の需給を過小評価させる方向に作用する。

フロンティアテック企業は、このようなデータ上の制約を認識した上で、職級・報酬・スキル要件を自社の採用判断と結びつけるべきだ。公開されている求人統計は方向感を得るためのものであり、ミッションクリティカルなポジションの評価には、個別の経歴や能力を深く検証するプロセスが欠かせない。

Talentverseの判断：高コンビクション採用の時代が続く

今回のデータが示すのは、AI基盤人材への投資がまだ縮小する気配がなく、さらにエンタープライズAIの納品・導入と、身体性AIのデータ基盤という二つの新しい求人群が加わりつつあることだ。短期的な求人比率の変化は新卒採用サイクルや掲載方法の影響を受けるが、中長期的な方向として、企業はAI基盤の構築・運用を担うプラットフォームエンジニアとDevOps人材、AIソリューションを顧客組織に導入するエンタープライズAIエンジニアと変革推進者、そして身体性AI・車載AIのためのデータエンジニアリング人材を優先的に確保すべきである。いずれも単なるスキルマッチではなく、企業固有の技術的制約と市場投入の文脈を理解した上で評価することが重要になる。

企業が最も誤解しやすいのは、AI/アルゴリズムの求人が増えているからモデル研究者を増やせばよい、という解釈だ。実際の求人内容は、研究よりもデプロイ、推論、データ基盤、コンプライアンスといった実装・運用寄りの職務にシフトしている。求められるのは、特定の職種を大量に集めることではなく、ビジネス成果への影響度を見極め、採用判断を高い確信度で下せる仕組みである。Talentverseは、このような高コンビクション採用を支援するため、公開求人データの分析と個別評価の両方を組み合わせて、企業が真に必要とする人材を特定していく。