一、核心内容の要約
この記事は、現在のAI業界に広く受け入れられている「デフォルトのルール」を鋭く批判しています。過去2年間、業界全体が「AIを積極的に取り入れつつ、同時に人員を削減してコストを削減する」という路線を歩んできました。Meta、Microsoft、WPPなどの大手企業は数十億ドルをAIの研究開発に投じながら、既存の職を大幅に削減し、「より少ない人員でより多くの仕事をこなす」ということをAIの核心的な価値としていました。しかし、常識に反する2つの企業が現れました。大規模なモデルの基盤インフラを構築するDeepSeekは、部門全体の規模を倍増させると発表し、後端開発やAIエージェントの柔軟な計算に関する150の職を新たに募集していますが、AIアルゴリズムの研究職は一切募集していません。また、メモ作成ツールを提供するNotionは、今年中に従業員数を30％増やし、総従業員数を1300人にする計画で、これは国内の有名な大規模モデル企業の3倍に相当します。これら2社の異例な動きは、「AIの導入によって企業が小さくなり、少数の人員でAIを管理するだけで簡単に利益を上げられる」という固定観念を覆しています。
---
二、分かりやすい解説
1. 背景を理解する：なぜ業界全体がAIを理由に人員を削減しているのに、これら2社は逆に人材を募集しているのか
現在のインターネット企業では、経営者が全員会で「AIを全面的に取り入れる」と宣言し、すぐに人事部に人員削減の目標を指示するのが常態です。これは「最適化」という名の下に行われ、AIを使って元々3人でこなしていた仕事を2人でこなすことで、人件費を半分に削減するというものです。例えば、ザッカーバーグは以前、一部のチームを最大60％削減する計画を立てていましたし、世界最大の広告グループWPPは1000人を解雇し、その節約した資金をすべてAI開発に投じました。
しかし、DeepSeekとNotionはこの考え方を完全に覆しています。彼らはAIを使って既存の従業員の仕事を置き換えるのではなく、AIを活用してこれまでできなかった新しいビジネスを展開しようとしています。これらの新しいビジネスには既存のシステムや成熟したプロセスがなく、全てを新人がゼロから構築しなければなりません。そのため、人員を削減してコストを削減することは不可能です。
2. DeepSeekはAI科学者を募集せず、後端エンジニアを大量に募集する：大規模モデルの「基盤インフラの不足」はアルゴリズム開発よりも10倍困難
多くの人は大規模モデル企業を「AIアルゴリズムの博士を大量に募集し、AIをより賢くする研究を行う」というイメージで捉えていますが、DeepSeekが募集している150の職の中にはアルゴリズム研究者は一人もいません。すべてが後端開発、サーバースケジューリング、基盤システムの改良に関するエンジニアです。
その理由は明らかです。DeepSeekの大規模モデルのアルゴリズムは既に完成しており、現在直面している課題は「AIをより賢くすること」ではなく、「何千万人ものユーザーが同時にAIを利用してもサーバーがダウンしないようにすること」や、「何万ものAIエージェントを安定して動かすこと」です。例えば、外食店を開いたとして、たまたまヒット商品のエビ料理を開発したとします。突然10万件の注文が殺到した場合、新しい味を研究するために料理人を雇う必要はなく、代わりに注文の流れを改善したり、外食配達システムを構築したり、より大きな冷蔵庫を借りたり、注文の誤配送を防ぐために人員を配置する必要があります。DeepSeekが今行っているのはまさにこのような作業です。以前は小規模なチームで数百台のサーバーを使って運営できましたが、今では何千万人ものユーザーを支え、何万ものAIエージェントを同時に動かす必要があります。サーバーのオペレーティングシステム、ネットワーク、ストレージ、上位のスケジューリングルールなど、すべてを再構築しなければなりません。これらの「目に見えない基盤インフラの構築作業」はアルゴリズム開発よりも10倍の労力が必要で、人員が不足すると運営が成り立ちません。
3. 小規模ながら優れたメモアプリのNotionは、なぜ従業員数が大規模モデル企業の3倍なのか？AIを活用しても簡単に利益を上げられるわけではない
Notionは無料で使いやすいメモアプリというイメージがありますが、実際には1000人の従業員がおり、今後は1300人に増やす予定です。これは、トリリオンパラメータの大規模モデルを開発する企業の3倍に相当します。
Notionは以前、個人ユーザーが無料で使い慣れを積み重ね、その後企業が有料版を購入するという形で成長してきました。その結果、毛利率は90％に達し、長期にわたって正のキャッシュフローを実現しており、上場や資金調達もしていません。しかし、AIを導入してからは以前の利益モデルが崩れました。ユーザーがAIに文書の要約やタスクの自動整理を依頼するたびに、NotionはOpenAIやAnthropicに利用料を支払わなければならず、年間でOpenAIに支払う費用だけで数兆トークンに上ります。さらに、企業がAIを自社のワークフローに統合する際には、数年間保存された文書を取り込んだり、機密情報の漏洩を防ぐための権限設定を行ったり、企業の仕事の習慣に合わせたAIルールをカスタマイズしたりする必要があります。これらの作業は単にコードを書くだけでは済まず、大量の営業担当者やカスタマーサポートスタッフ、AIの導入を専門に行うエンジニアを雇う必要があります。つまり、以前は標準化されたミネラルウォーターを販売していたのに対し、今では各企業に専用の飲料水機を提供するようなもので、人員需要が大幅に増加しています。
4. 皆の誤解を正す：AIによる効率化＝企業の縮小ではなく、新たな職の創出
以前は「AIによって1人が10人分の仕事をこなせるようになり、将来のスタートアップは数人とAIを組み合わせて数百人分の仕事をこなし、企業は小さくなり、多くの人が失業する」という考えが広まっていました。しかし、これら2社の人員増加はその考えを覆しています。AIによって仕事のコストを10分の1に削減できるとしても、9つの仕事を減らして1人だけが元の仕事をこなすのではなく、これまで手を出せなかった新しい仕事に挑戦することで、総作業量は10倍に増加します。これらの新しい仕事に伴う問題（何千万人ものAIのリクエストをスムーズに処理すること、企業のデータのセキュリティを確保すること、AIが生成した誤った内容を修正すること、新しいAI機能のトレーニングなど）には新たな職が必要です。つまり、AIは既存の仕事をこなす人員を削減するだけでなく、これまで誰も進出していなかった新しい市場を開拓しており、そこには解決すべき新たな問題がたくさんあり、より多くの人員が必要になるのです。