グローバル人材市場：AIインフラが主導、短窓でデータと報酬シグナルが変動

長期の熱は残るが、短期の勢いは弱い

2026年9月15日時点の観測では、180日窓7480件、90日窓4815件、30日窓1221件、7日窓77件。90日/180日は0.6437、30日/90日は0.2536、7日/30日は0.0631である。90日が半年サンプルの約64.4%を占め、長期の活動は直近90日に支えられている。30日/90日は約4分の1で均等分布に近いがやや下回る。7日/30日は均等分布約23%を大きく下回り、採集遅延か需要の末端減速かを切り分ける必要がある。

この構造は、採用計画を7日窓だけで動かす危うさを示す。7日は77件しかなく、数件の増減でシェアが大きく動く。ミッションクリティカル職の採用判断では、90日/180日の職種ポートフォリオを主軸にし、短窓は方向性の補助線として扱うべきである。高確度採用とは、短窓のノイズを需要シグナルと誤認しない運用そのものである。

AIインフラが主導する需要構造

AI infraは180/90/30/7日で4059、3512、863、40件、シェア54.3%、72.9%、70.7%、51.9%である。90日/30日では7割を超え、7日でも首位を維持する。新規サンプルにはPrincipal ML Platform Engineer、AI Receptionist、Gen AI Software Engineerが含まれ、MLプラットフォーム、企業AIプロダクト、AI応用後端の採用が並行している。

7日シェア51.9%は30日/90日の70%超から下がっているが、これは需要崩壊ではなく、短窓サンプルの分散か採集タイミングの偏りである可能性が高い。企業にとって重要なのは、AI基盤職を採用ポートフォリオの中心に置き続けることだ。MLプラットフォーム、推論基盤、データ基盤、評価基盤を担う人材は、プロダクトの速度と信頼性を左右するミッションクリティカル職である。

データ職とAgent/RAGをどう読むか

データ職は180/90/30/7日で2108、1350、289、9件、シェア28.2%、28.0%、23.7%、11.7%である。長中窓では23%〜28%で安定し、Product Data Science Lead、Senior Data Scientist、Business Analyst、User Growth Operation、Business Managerの観測が続く。7日は前回5.7%から11.7%へ回復したが、絶対量9件で、構造的消失と断定するには弱い。

Agent/RAGは180/90/30/7日で12.1%、11.2%、11.1%、7.8%。長中窓では11%〜12%に定着し、採用、Agent Builder、Agent/RAGビジネス、多エージェント基盤の職種が並ぶ。7日は6件で振れやすいが、概念から工程・商業供給へ移行した安定領域と見る。企業は基盤エンジニアだけでなく、導入設計、プロダクト、商用化の職種をセットで採用しないと、Agent/RAG投資を事業成果に結びつけにくい。

セキュリティ、リスク、デジタル資産の短窓シグナル

セキュリティ職シェアは180/90/30/7日で6.6%、8.1%、9.3%、14.3%へ上昇する。リスク/コンプライアンスは7日6.5%で、長窓の約0.7%〜1.2%を上回る。Product Data Science Lead、Staff Information Security Engineer - AI First、Head of Risk、Operational Risk ERMFの観測から、AIセキュリティ、情報セキュリティ、オペレーショナルリスクが並行して求められていることが分かる。ただし7日の絶対量はセキュリティ11件、リスク5件であり、持続傾向の確認は弱い。

デジタル資産ではWeb3 infraが1.9%、1.7%、2.0%、3.9%、wallet/paymentが0.5%、0.6%、0.7%、3.9%、trading infraが0.6%、0.4%、0.4%、1.3%である。7日はそれぞれ3件、3件、1件で、独立した垂直市場判断には足りない。セキュリティやリスクは先回りして役割を定義する価値があるが、短窓の比率上昇だけで組織を急拡大するのは避けたい。デジタル資産は補助シグナルとして監視し、企業戦略と規制環境に応じて優先度を決めるべきである。

企業タイプの分散と報酬データの空白

企業タイプはプラットフォーム大企業、垂直AI、セキュリティ、開発ツールへ分散している。MicrosoftのPrincipal Software Engineer、Binanceの財務システム/AI応用、SynthesiaのPrincipal ML Platform Engineer、UpGuardのProduct Data Science Lead、OtterSecのEvents Strategistが並ぶ。AI人材需要は単一業界に依存せず、候補者源も大企業AI部門だけでなく、垂直AIプロダクト、セキュリティ、開発ツールへ広げる必要がある。

職級構造はnoneが63.7%、63.8%、64.6%、64.9%、seniorが17.3%、17.3%、14.2%、13.0%、staffが4.3%、4.4%、5.2%、3.9%、principalが1.6%、1.6%、1.3%、5.2%、headが1.0%、0.9%、1.3%、3.9%である。短窓でprincipal/headが上がるが、7日77件のため上級職需要の体系的増加とは判定できない。報酬unknownは20.0%、17.8%、20.4%、39.0%で、7日は30/77。短窓の報酬比較は信頼性が低く、オファー設計は90日/180日と独自データで補正すべきである。

Talentverseの判断

今回の観測が示すのは、AIインフラが採用需要の中心であり続ける一方、短窓の比率変動がデータ、セキュリティ、報酬シグナルにノイズを生んでいることだ。優先すべきは、Principal ML Platform Engineer、Product Data Science Lead、Staff Information Security Engineer - AI First、Head of Risk、Agent/RAGの基盤職と商用化職である。これらは事業の速度、信頼性、規制対応、収益化に直結するミッションクリティカル職であり、採用の成否が組織能力の複利に影響する。

誤読しやすいのは、7日のAI infraシェア51.9%を需要崩壊と見る判断、データ職11.7%を構造的消失と見る判断、報酬unknown39.0%を報酬相場と見る判断、principal/headの短窓上昇を経営層需要の急増と見る判断である。いずれも7日窓の小ささを軽視している。フロンティアテック企業が高確度採用を徹底すべき理由はここにある。90日/180日の構造、職種別の希少性、自社戦略への適合を統合し、短窓の振れに流されない採用判断こそが、AI時代の競争力を決める。