6月21日、Ethan Fixellが「The AI Economy Demands Generalists, Not Specialists」と題した記事をInc.誌に公開した。過去20年間にわたって企業採用を支配してきた「ハイパースペシャリスト」信仰が、生成AIの台頭によって根本から問い直されているという主張だ。
スペシャリスト採用はなぜ今、問題になるのか
過去20年間、企業の採用は「ハイパースペシャリスト」の追求に支配されてきた。求人票は極端に狭い要件の羅列へと変化し、特定の縦割り領域で10年以上の経験を持つ候補者を企業は求め続けた。
しかしFixellは、そのモデルが今や機能不全に陥りつつあると指摘する。
生成AIは、狭く特化した反復的なタスクを驚異的な効率で実行するよう設計されている。つまり、単一の専門機能に職業的価値の全てを紐付けている人材は、価値が下がり続ける資産だ。市場が変化したとき、あるいは新技術がコア機能を一夜にして自動化したとき、硬直したスペシャリストは適応できず——折れる。
なお、ジェネラリスト vs スペシャリスト論は本記事が初めて提起したものではない。David Epsteinの著書『Range: Why Generalists Triumph in a Specialized World』（2019年）はその代表例であり、幅広い経験が複雑な問題解決において強みになるという議論を実証的に展開した。Fixellの主張はその流れを汲みつつ、生成AI普及後の現在という文脈で再提起したものと位置づけられる。
では、何を採用すべきか
Fixellが推奨するのは、「適応性の高いジェネラリスト」の採用だ。複数の領域にまたがるスキルを持ち、AIツールを使いこなしながら文脈を読み、判断し、人間同士をつなぐことができる人材を指す。
記事が強調するのは、「広く浅い」という旧来のジェネラリスト像ではない点だ。AIが得意とする「深く狭い」タスクの実行力を補完できる、横断的な思考と判断力を持つ人材こそが求められている。
AIが苦手とするのは、文脈の読み替え、曖昧な状況での意思決定、組織内の人間関係の調整といった領域だ。これらは依然として人間が担う必要があり、複数の領域を横断してきたジェネラリストが最も発揮しやすい能力でもある。
採用側への実践的示唆
記事はInc.誌の読者である採用担当者・経営者に向けて、採用基準の見直しを促している。Fixellが示す視点を編集部が要約すると、以下のような問いに集約される。
- 「この人は、今担当する職務が消えたとき、別の役割に移れるか」
- 「AIが参入してきたとき、この人の価値は上がるか、下がるか」
- 「この人は複数の領域で問題を解決した経験を持っているか」
※上記3点は元記事の論旨を編集部が整理・要約したものであり、原文の逐語的引用ではない。
単一機能の専門家ではなく、変化に対応できる強度を持つ人材を採用せよ、というのが本記事の主張だ。
エンジニアへの含意
※本セクションは編集部の考察であり、元記事（Inc.誌の一般ビジネス向け記事）にエンジニア特化の記述はない。
エンジニアの文脈に置き換えると、「フルスタックエンジニアが有利」という表面的な話ではない。バックエンド一筋のエンジニアが市場価値を保つには、プロダクト思考、データ分析、ビジネス文脈の理解といった隣接領域への越境経験を積み重ねていくことが重要になる。
AIがコードを書く時代において、「コードが書ける」だけでは差別化にならない。「何を作るべきかを判断できる」「チームと文脈を共有できる」といった能力が、AIと共存するエンジニアの競争力の核心になる。この論点に関心のある読者には、前述のEpstein『Range』やPaul Millerd『The Pathless Path』なども参照に値する。
詳細はThe AI Economy Demands Generalists, Not Specialistsを参照していただきたい。
