鶏と卵ですが、解雇規制が厳しすぎたので、結果「入れ替えを合理的に受け入れる組織文化がない」に繋がったんのかも。 いずれにしても変化が爆速なAI時代、どちらが有利かは明白ですよね....

GAFAMがここ数年毎年のようにリストラ発表してるけど、総従業員数は減ってない。その背景が気になったから調べました。 シンプルに血の入れ替えを爆速で行っている。が答えでした。 こういったことが断行できるのが米国の強さ。 一方でAppleは異色リストラしていない。これが社員の心理的安全性という意味でプラスに出るか、改革の遅さという意味でマイナスに出るかは興味深いです *** 【GAFAMの真実】 数万人規模のリストラ連発でも「従業員数が減らない」理由とは？ 〜メタ・ザッカーバーグCEOの最新メモから読み解くAI時代の組織再編〜 最近、GAFAM（Google、Apple、Facebook/Meta、Amazon、Microsoft）のレイオフ（一時解雇）に関するニュースを目にすることが増えました。「また数千人規模のリストラか」「テック業界は冬の時代なのか」と感じている方も多いかもしれません。 しかし、彼らの「総従業員数」の推移データを追ってみると、ある奇妙な事実に気がつきます。何万人も解雇しているはずなのに、各社の従業員数はここ数年、ほとんど減っていない（あるいは増えている）のです。 一体、ビッグテックの内部で何が起きているのでしょうか？ 先日、2026年6月に報じられたMeta（メタ）のマーク・ザッカーバーグCEOの社内メモから、そのリアルな内情と、AI時代における企業の「残酷かつ合理的な生存戦略」が見えてきました。 ■ Metaが直面した「AIシフト」の歪み ロイター通信などが報じた社内メモの中で、ザッカーバーグ氏は、AI中心の組織へと急激にシフトするプロセスにおいて「会社側にミスがあった」と率直に認めました。 Metaは今年、世界全体の従業員の約10%にあたる約8,000人を削減し、同時に約7,000人をAI関連プロジェクトへ配置転換する大規模な組織再編を行いました。しかし、この急激な変革は現場に混乱をもたらしました。 例えば、新設された一部のAIチームでは「管理職1人に対して部下が50人」という極端にフラットな組織構造が採用され、マネージャー層が完全にパンク状態に陥っていたのです。ザッカーバーグ氏はこの無理な体制を縮小し、オフィス環境の整備やチームビルディングに再投資して組織を安定させる方針を示しました。 しかし、これは単なる「Metaの失敗談」ではありません。実はこれこそが、現在のGAFAM全社に共通する「AI開発競争の激しい痛みを伴う副作用」なのです。 ■ 5年間で13万人のリストラ、それでも減らない従業員数 ここ5年間（2021年〜2026年現在）で、GAFAM各社が実施したリストラの累計人数を推計すると以下のようになります。 Amazon： 約 57,000人 Meta： 約 32,600人 Microsoft： 約 27,000人 Google (Alphabet)： 約 20,000人 Apple： ほぼゼロ（※Appleは大規模リストラを回避） 5社合計で約13万〜14万人。とてつもない数が職場を追われています。 ところが、各社のアニュアルレポート等で総従業員数を確認すると、2021年から現在にかけて、極端な右肩下がりになっている企業はありません。むしろコロナ禍前よりも圧倒的に多い水準をキープしています。 なぜ、これだけの血を流しながら総数が減らないのでしょうか？ ■ リストラではなく「強烈なスクラップ＆ビルド」 その最大の理由は、現在のビッグテックが行っているのが、業績悪化による「縮小のためのリストラ」ではなく、「強烈な人材の入れ替え（スキル・リプレイス）」だからです。 彼らは今、社内のリソースを「AI」と「クラウド」という最優先領域に全振りしています。 【削減されるポジション】 人事・採用担当、マーケティング、カスタマーサポート、旧来のWeb/アプリ開発エンジニア、そして過剰になったミドルマネージャー層。 【新規採用されるポジション】 AIエンジニア、機械学習のエキスパート、データサイエンティスト、AIインフラの専門家。 つまり、「不要になった部門の人材を数万人単位で解雇する裏で、AI人材を同規模で猛烈に新規採用している」というのが実態です。 これが、数字上は相殺されて総従業員数が減らない最大のカラクリです。 これに加えて、MicrosoftによるActivision Blizzard買収のような大型M&Aによる数万人規模の人員流入や、主力事業（検索やECなど）の継続的な成長を支えるための通常採用が続いていることも、総数が維持される要因となっています。 ■ まとめ：私たちに突きつけられる「AI時代の現実」 「会社を成長させ続けるために、古いスキルを持つ人材から、AI時代に必要な新しいスキルを持つ人材へと、組織を丸ごと入れ替える」 これが、13万人を解雇しても人が減らないGAFAMの真実です。

そうなっていきますよね…

その能力があるか、ないかが重要になってきそう

AIに慣れてきて、多くの経営者が部下に感じ始めてるのは、 先ず 結論から要点をまとめる その上で簡潔に必要なところだけを報告 Nextアクションは何？ 誰がいつまでに、何をやる？ なんかAIは、当たり前のように上記をやってくるから、人間の部下に対して不満が高まっているのを感じてます…😂😂

國光宏尚「AIのトップ層は年収100億円。一方で一般エンジニアは…」 AI時代に生き残る人と、リストラされる人の境界線がここに。 ✅激変する格差の現実 ・年収3000万〜4000万円の一般エンジニアが軒並みクビに？ ・AIを牽引するトップ人材の給料は100億円規模へ ・ホワイトカラーの間でも進む圧倒的な「二極化」 貧富の差が急激に広がる世界で、 私たちが今すぐ身につけるべきスキルとは。 #REALVALUE #堀江貴文 #三崎優太 #溝口勇児 #渡邊渚 @takapon_jp @hkunimitsu @xxkenai 動画の続きやREALVALUE公式チャンネルはリプ欄から！

はい！頑張ります！！

AIが進化に合わせて、自分の活用法も進化してきて、毎日がすごく楽しい！！ AI時代に重要な能力は「問い」なんだと思う。 好奇心を持って最初に投げかける「問い」 AIが返してくる答えに対する「目利き」そして更に「問い」 好奇心、問題発見能力、目利き力、そして問う力。 そこに実行力が加わると、何でも実現できる世界になってきた！ これらを磨く教育って何なんだろうな？？🧐

Anthropicの47分間、密着番組。 CEOのDarioをはじめ、Daniela、Boris の 3 人が出演、Anthropic の内部をこれほど深く解剖したのはおそらく今回が最初！

こちら是非ご登録くださいー！^^

以前、あのサイバーエージェントのNo2ですからねー！今回の志願者の小林くんは受け答え含めて素晴らしかったと思います！！

エンタメでは特に重要なのは、動くモノが作れる、作れないではなくて、皆んなが面白いと思う、感動するモノを作れるかが重要。 面白い、感動するモノには作り手の魂が宿っているか、いないか。 これが大きな違いになります！

おーっ、日本でも予測市場が！注目！

スペースX（SpaceX）のIPOの応募倍率、現状2倍。 通常のホットディールは5-10倍前後。一方で史上最大のビッグディールなので、これまでの常識は通じにくいのも事実。 ここから44時間。大注目ですね！

大好きな「翠ジン」が遂にシンガポールにきた！🎉 ただ値段はショート缶855円… 日本は200円なので4倍以上…😭😭

イーロンらしい時間軸をわざと混在させた、現実歪曲空間はふんだんに発揮したインタビューw けど魅力的ですねw *** JPMorganのプライベートイベント（Jamie Dimon CEO主催、トップ投資家3,500人向け）で、Elon MuskがSpaceXの将来計画を約18分語った内容を整理しました。 1. なぜ今、SpaceXを上場するのか SpaceXは2014〜15年頃から黒字で、これまで自己資金で運営できていた。私募ラウンドも投資家・従業員への流動性提供が主目的だった。それでも今が上場のタイミングだと考える理由は、大規模な資本成長フェーズに入るから。 •Starlink次世代（V3）：10万基超を軌道へ。V2比で性能10〜20倍、カスタムチップで帯域幅100倍、遅延は半分 •AI・ロボット時代には膨大な通信帯域が必要（人間の脳のピーク帯域は数百ビット/秒に対し、AIは兆ビット/秒級） •宇宙にAIデータセンターを建設する構想。地上の発電所増設は住民反対などで難しいが、宇宙なら太陽光発電を劇的にスケールできる。「太陽エネルギーのごく一部で人類のエネルギー使用を百万倍にできる」 2. 月と火星の開発計画 •月を先に開発：大気がなく重力も地球の1/6と小さいため、電磁加速器（マスドライバー）でロケットなしに安く物資を打ち上げられる。月面でソーラーラジエーターを製造し、1,000テラワット級の電力インフラを構築。将来は自立都市や観光（ムーンホテル）も •火星は次のステップ：大気があり重力も地球に近い。将来的にテラフォームして海をつくり、宇宙服なしで歩ける惑星にできる「改装しがいのある物件（fixer-upper）」 3. Starshipの経済性 初の完全再利用型軌道ロケット。完全再利用が実現すれば、軌道到達コストは推進剤代だけになる（液体酸素＋液体メタンで、空気と天然ガスから作れてジェット燃料より安い）。結果として、宇宙への貨物輸送が飛行機で大西洋を渡す貨物より安くなる可能性がある。 4. Starlink V3と宇宙AIデータセンター •V3衛星は「小型バスサイズ」で、Starshipでしか打ち上げられない。大型フェーズドアレイアンテナ、衛星間レーザー通信、Wバンドなどを搭載 •宇宙のAIデータセンターは通信衛星よりシンプル（太陽光発電＋放熱＋基本機器＋Starlinkへのレーザーリンク）。地上接続はStarlinkの気象に強い周波数なので、天候に左右されず安定してデータ送受信できる 5. AI戦略とチップ供給 •米国にはハイボリュームのコンピュータメモリファブが現状ゼロ（Micronのアイダホ工場が2028年頃、NY工場が2029-30年頃だが、AI需要に全く足りない） •そのため大規模な新ファブが必要 •SpaceXのAI衛星はオープンなプラットフォームとし、顧客が自社のAIハードウェア（NVIDIA GPU、Google TPU、Amazonなど）を載せて運用できる構想。「Tesla AI Satellite」とも関連 6. 愛国心・企業文化・本人の変化 •愛国心：Starshield部門を通じて米国防総省や情報機関に軍事通信などを提供（一部は機密） •企業文化：幹部の在任が非常に長い（CFOのBrentは15年以上）。「人類を多惑星種にする」というミッションへの強い共感が理由 •本人の変化：若い頃より少しリラックスした。人材採用ではIQや能力だけでなく「良い心を持っているか（good heart）」を重視するように。「まだ学ぶことは多いしミスもするが、人間としてはまあまあだと思う」とユーモアも 7. 締めくくり Dimonが「Elonの会社づくりを尊敬している。次の10〜15年で火星到達や新事業を成し遂げる姿を楽しみにしている」と謝辞を述べて終了。イベントは7月4日の約1ヶ月前頃に開催された模様。

2026年、開発現場の「人間 × AI」分業 ― いま効く役割分担とベストプラクティス 2026年の開発現場では、人間とAIの分業が「AI拡張型（AI-Augmented）」から「自律エージェント型（Agentic）」へと移りつつあります。 かつての「人間が書いてAIが直す」ではなく、「AIが書き、人間がレビューと検証を担う」という形が、少なくとも先端的なチームでは標準になりはじめています。 人間がやること / AIに任せること 人間（操縦と意思決定） ・システム全体のアーキテクチャ設計と制約の定義（ドメインモデル、技術スタック選定、拡張性の担保） ・ビジネスロジックの「ゴール（What）」の定義 ― 何を作り、誰にどんな価値を届けるか ・コンテキスト・エンジニアリング ― リポジトリ構造、コーディング規約、関連ドキュメントを整え、AIに正しいインプットを与える ・「意図（Intent）」のレビューとセキュリティ監査 ― 1行ずつ追うのではなく、設計思想と要件に反していないかを見る AI（自律的な実行と検証のループ） ・実装そのもの（ボイラープレートから機能実装まで）。複数ファイルにまたがるリファクタリングや機能追加の一括実行 ・テストの自動生成・実行と、結果に基づく自己修復 ・技術負債の解消やライブラリ更新に伴う一括修正など、ルールが明確で物量が大きいタスク ベストプラクティス4点 ① 「Vibe Coding」から「インテント（意図）駆動開発」へ 感覚的なコーディング（Vibe Coding）を卒業し、インテント駆動を仕組み化します。人間は「どう実装するか（How）」のタイピングではなく、「何を実現したいか（What/Intent）」の言語化と設計判断に集中します。思いつきで終わらせないために、モデルの使い分けを型にします。 ・上流（設計・複雑なデバッグ）: 推論と文脈理解に強いフラッグシップ ― Claude Opus 4.8、GPT-5.5 などをArchitectとして計画立案に ・下流（高速な実装・反復）: Claude Sonnet 4.6、Gemini 3.1 Pro / Flash などの高速・低コストモデルをWorkhorseとして実装に （※モデル名は2026年6月時点のものです。この領域は数か月で入れ替わるため、固有名詞より「上流＝推論重視 / 下流＝高速・低コスト」という役割で覚えるほうが実用的です） ② チェックポイントを絞る（Strategic HITL） 1行ずつのレビューは現実的でなく、非効率でもあります。クリティカルな分岐点だけで承認する設計に変えます。 ・CI/CDパイプラインでの自動テストや静的解析を通過したPR（Pull Request）のみを対象とし、人間はビジネスロジックの整合性だけを確認してマージする ・決済まわり、インフラ定義の変更、APIの外部公開、KYC/AMLやスマートコントラクトなど、リスクの高い領域にだけ明示的な承認ゲートを置く ③ 円環的検証（Circular Validation）を避ける コードを書くAIと、それをレビューするAIが同じモデルファミリーだと、間違ったロジックを別のAIが見抜けずに「正しい」と通してしまう、いわゆる円環バリデーションが起きます。 ・対策は、着手前に人間が「満たすべき仕様（executable specifications）」と期待される入出力を定義し、テストコードの妥当性そのものを人間側で担保すること ④ 組織メモリの機械可読化と「自己修復フロー」の構築 エージェントが自律的に動くには、Slackの会話やWiki、個人の頭の中にある暗黙知を、AIが読めるコンテキストに変換しておく必要があります。 ・README.md、architecture.md、CLAUDE.md などの「AI向け説明書」を常に最新に保つことが必須ですが、これを手動で行うと必ず形骸化します。「機能実装のコード変更とセットで、関連するドキュメントのアップデートもAIに書かせ、人間はまとめてレビューする」というフローを組むのが確実です。 まとめ 現時点のベストプラクティスは、人間が良い「問い（要件・プロンプト）」と「制約（アーキテクチャ・テスト）」を用意し、AIが高速で「答え（実装）」を出し、人間が「意図通りか」を確認するサイクルを回すことです。