AI が原因とされる米国のレイオフが5月に過去最高の40%を記録、3か月連続で首位

1か月で97,000件を超える雇用削減が発表されました。この見出し数字は瞬く間に広まるでしょう。しかし数字だけを追っていては、本当のシグナルを見落とします。

Challenger, Gray & Christmas の2026年5月雇用削減レポートによると、5月に米国の雇用主が発表した計画的な削減件数は97,006件で、4月比16%増、2020年以来最多の5月実績となりました。同レポートでは、そのうち38,579件、つまり月間総数の40%が企業によってAIを原因として申告されています。この40%という割合は過去最高であり、AIが発表済みレイオフの最多申告理由となるのは3か月連続です。

同 Challenger データは、5月に雇用主が80,472件の新規採用計画を発表したことも示しており、テクノロジー業界が削減と採用の両方で首位に立っています。同じ業界で、削減と採用が同時に進行している。これは縮小のシグナルではありません。人員再編のシグナルです。そして、多くの取締役会がまだアジェンダに載せていない意思決定が求められています。

申告理由テスト：レイオフ発表における「AI」の実態

企業がAIを削減理由として申告するとき、その言葉は真剣に受け止める価値があります。同時に、精査する必要もあります。

Challenger の手法は雇用主が申告した理由を記録するものであり、独立した因果検証ではありません。一部の労働経済アナリストは、「AI」が実際にはコスト調整や過剰採用サイクルからの需要収縮を正当化する便利なラベルになっていると指摘しています。一方、AI による職種の置き換えは実際には過小申告されているという見方もあります。企業が根本的な技術要因を明示せず、単に「構造改革」や「事業閉鎖」と申告するケースが多いためです。正直な読み方をすれば、この申告理由の数字は経営の意図と企業の語り口に関するシグナルであり、厳密な因果指標ではありません。

このニュアンスは、同じロジックを自社に当てはめるときに最も重要になります。

以下は、「申告理由テスト」と呼ぶ3つの問いです。計画中の削減を発表前に検証するために活用できます。Challenger データを読む際にも役立ちますが、自社の意思決定に当てはめたときにこそ、その価値が増します。

問い1：代替か、修正か？ その職種が削減されるのは、AI システムが実際にその業務を担えるようになったからでしょうか。それとも、需要やコストの調整を正当化するために「AI」のラベルが使われているでしょうか。この区別は重要です。修正を代替と誤って分類すると、次の代償を払うことになります。まず評判面では、残留する従業員との信頼関係が損なわれます。財務面では、想定より早く再雇用の需要が生じます。ガバナンス面では、次の決算発表でAIの根拠が崩れたとき、取締役会からより厳しい質問が飛んできます。

問い2：削減と採用を同時に行っているか？ 5月のデータはこの問いを鮮明にしています。答えが「はい」であれば、組織は縮小しているのではなく、人員を再編しています。これは本質的に異なるマネジメント課題です。人員再編には、スキル移行計画、給与バンドの再設定モデル、そして退職金と並行した社内配置転換の明確な経路が必要です。人員再編の退職金面だけを実行して他を怠ることが、最もよくある失敗パターンです。AI レイオフの「AI 管理コスト」問題の多くは、この問い2への対処が不十分なことに起因しています。

問い3：逆戻りリスクはどこにあるか？ 職種を代替したAI システムがその役割を実際に維持できない場合、再雇用コストか監督コストのどちらかを払うことになります。監督コストが予算に組み込まれることはほとんどありません。再雇用コストが削減発表時点でモデル化されることもほとんどありません。2026年の元従業員再雇用データによると、採用・オンボーディング・生産性立ち上げコストを加算すると、AI 起因の削減を覆す平均コストは当初の退職金を上回ります。問い3が意味するのは、発表前の段階で経済計算に再雇用または監督のための予備費を組み込んでおくということです。発表後では遅いのです。

5月データの読み方：本当のことを語る3つの数字

見出しの数字は97,006件です。しかし取締役会に持ち込む価値がある3つの数字は別にあります。

主要データ

• 5月の発表済み削減件数のうち38,579件がAIを原因として申告。月間総数の40%を占め、3か月連続で記録更新中（Challenger, Gray & Christmas、2026年6月）
• 2026年の年間累計発表済み削減件数は397,755件で、2025年同期（700,000件近く）のほぼ半分のペース（Challenger, Gray & Christmas）
• 雇用主は5月に80,472件の新規採用計画も発表。テクノロジー業界が削減と採用の両方で同時に首位（Challenger, Gray & Christmas）

年間累計の比較は、多くのメディアが見落とすポイントです。5か月で397,755件という発表済み削減数は、2025年同期比でほぼ半分のペースです。これは広範な労働市場の収縮とは一致しません。むしろ、選択的かつ業種特化型の人員再編と整合しています。AI が3か月連続で最多の申告理由となる一方、全体のレイオフ件数は景気後退期の水準を大きく下回っています。Yahoo Finance による5月レポートの報道も同じ見出し数字を確認しています。

テクノロジー業界は5月に38,242件の削減を発表。これは2023年3月以来の月間最高値であり、同業界の年初来累計は123,653件となりました。それでもテクノロジー業界は5月の採用計画でも首位です。1つの業界が、1か月で削減と採用の両方をリードするという矛盾は、人員再編のロジックがリアルタイムで展開されている最も明確な例証です。

このレンズには見えないこと（なぜ両方が必要か）

今こそ、Challenger データが測定しないことを明確にしておく必要があります。

Challenger がカウントするのは、発表済みの削減件数と雇用主が申告した理由です。純雇用者数への影響は追跡していません。同じ月にAI 起因の削減を発表した2社があっても、一方は純粋に縮小し、もう一方は別部門で同時に採用を増やしているかもしれません。Challenger のデータ上ではどちらも同じように見えます。

純雇用の視点は別のデータセットから得られます。Goldman Sachs のAI 純雇用影響分析は、AI による純雇用変化を月間約11,000件と試算しており、建設業の雇用がより大きな構造変化を覆い隠しているとしています。これは Challenger の発表済み削減数とは異なるレンズです。Goldman は総雇用に何が起きているかを測定し、Challenger は企業が何をどのような理由でするかを測定しています。どちらも重要ですが、どちらか一方だけでは全体像は見えません。

取締役会の議論に労働市場のコンテキストを持ち込む場合は、両方のデータが必要です。総数・申告数は方向性と語り口を示し、純数は実際の職種消失の規模を示します。

CEO へのシグナル：人員再編とは何か

Challenger, Gray & Christmas の上級副社長、Andy Challenger 氏は5月レポートに関するコメントの中で、労働市場がテクノロジーによって再形成されており、テクノロジー業界自体が削減の主な申告企業である一方、同業界が積極的な採用計画を発表し続けている中で、AI が企業による削減の最多申告理由になっていると述べました。このフレーミングは取締役会レベルで有用です。問いの焦点が正しく設定されるからです。これは主に縮小の話ではありません。スキル需要がどれほど急速に変化しているか、そしてその変化を意図的に管理する能力を組織が備えているかどうかの話です。

Mercer の2026年CEO のAI レイオフ意向調査では、CEO の99%が AI 起因の人員変更を計画しているものの、80%はその計画を裏付ける明確な ROI モデルを持っていないことが明らかになっています。これが構造的リスクです。AI 起因の削減が間違っているのではありません。ほとんどの削減が、適切に実行するための人員再編インフラなしに行われているのが問題です。

WEF の2030年雇用シナリオは、この傾向がどこへ向かうかを考えるためのフレームを提供しています。あらゆるシナリオで好成績を収める組織に共通するのは、人員再編を事後的なコスト削減手段ではなく、能動的な戦略的能力として扱っているという点です。

今月、取締役会のアジェンダに載せるべきこと

5月の Challenger データは、次の取締役会サイクルの前に必要な議論のための具体的な起点を与えてくれます。

計画中の削減を上記の申告理由テストで分類した1ページのサマリーを用意してください。計画中または最近発表した削減ごとに分類します。純粋な代替（AI が職種を担っている）、AIラベルをつけた修正、それとも人員再編（削減と採用が同時進行）のどれか。その比率を見れば、取締役会・プレス・残留従業員に対して自社の人員決定が説明責任を果たせるかどうかが分かります。

人員再編カテゴリーに入る削減がある場合は、退職金予算と並行してスキル移行計画を提示してください。計画には次の3点を含める必要があります。追加される職種の給与バンドの再設定モデル、外部採用を開始する前の社内配置転換の正式な検討プロセス、そして問い3の逆戻りリスクに応じた規模の再雇用または監督のための予備費予算です。

Challenger データは、AI が今や企業による人員変更のデフォルトの説明となっていることを示しています。取締役会の責務、そしてあなたの責務は、その説明が実態と一致していることを確認することです。AI レイオフがエントリーレベルの採用パイプラインに与える影響は、削減を発表した月には現れません。18か月後、次の上位層に昇進させるべき下位層の人材ベンチがなくなったときに現れます。

発表前に検証してください。発表後では遅すぎます。

よくある質問

全体のレイオフ率が2025年を下回っているのに、なぜAIを理由とするケースがこれほど多いのですか？

Challenger のデータは雇用主が申告した理由を追跡するものであり、独立した因果検証ではありません。2026年の年初来累計397,755件は、2025年同期のほぼ半分のペースです。つまり削減件数の全体量は少ない。変わったのは理由の構成です。AIが3か月連続で最多の申告理由となっています。これは経営チームが人員決定をどのようにフレーミングしているか、そしてスキル再編の方向性についてのシグナルです。全体のレイオフ件数が前年水準を大きく下回る中でも同様です。

CEO は AI 起因の代替と、AI ラベルをつけたコスト修正をどう区別すればよいですか？

代替テストを適用してください。自社環境に現在導入されているAI システムが、人間による実質的な監督なしに本番品質でその業務を実際に実行できますか？正直な答えが「まだです」であれば、その削減は代替ではなくAIラベルのついた修正です。この違いは実務上重要です。取締役会に対する説明責任、残留する従業員との関係、そしてシステムが約束どおりに稼働しなかった場合に確保しておく必要がある再雇用予算に直結します。

テクノロジー業界がAI 起因の削減を最も多く発表しているのに、なぜ採用計画でも首位なのですか？

これが人員再編のパターンです。テクノロジー企業は、AI が特定のタスク（コンテンツモデレーション、ジュニアコーディング、データ処理、特定のサポート業務など）を担うようになった職種を削減しながら、AI に隣接するスキルを必要とする職種（プロンプトエンジニアリング、AI オペレーション、モデル評価、AI システムのプロダクトマネジメントなど）を同時に追加しています。その結果、業界全体の人員数はほぼ横ばい、あるいはわずかにプラスかもしれませんが、スキルの構成は急速に変化しています。CEO にとっての実務的な問いは、自社の業界が削減しているか採用しているかではありません。その入れ替わりを乗り越えるための計画が自社にあるかどうかです。

関連記事

• Goldman Sachs の純雇用影響モデル：見出し数字の先にあること：Challenger の発表済み削減数を補完する純雇用の視点
• AI 管理コスト問題：多くのAI レイオフがなぜコスト削減より多くのコストを生むか：不十分な監督コストの予算化がAI 起因の削減を純マイナスにする理由
• 元従業員の再雇用：AI 起因の早期削減に潜む隠れたコスト：AI システムが職種を維持できない場合の削減撤回コストデータ
• CEO の99%がAI レイオフを計画、80%は ROI モデルなし：意図とインフラのギャップに関する Mercer の2026年調査結果
• WEF の2030年雇用シナリオ：CEO のためのチェックポイント：人員再編が向かう先のシナリオフレーム
• 2026年第1四半期のレイオフパターンと人員戦略への示唆：AI 人員シフト全体に関するコレクション横断のコンテキスト