レポートは、2026年の純雇用効果（従業員を増やす企業の割合と減らす企業の割合の差）はプラス31％になると予測している。従業員数2万人以上の大企業では人員削減は見られるものの、中小規模の企業やエンドユーザー企業が人材の受け皿になっている。特にAI関連の職種に対する需要は高く、純雇用効果は60％増に達した他、ソフトウェア開発（28％増）や技術管理（22％増）といった領域でも高い伸びを示している。

　しかし、企業が求めているのはAIツールを扱う表面的な能力だけではない。AIツールを本番環境で確実に稼働させるには、AIモデルの開発だけでなく、分散コンピューティングエンジニアリングやコンテナ技術といった、インフラ領域の深い知識が不可欠だ。

　レポートは、本番環境におけるAIシステム向けの階層型アーキテクチャを「PARKスタック」と定義している。これは、以下の4層から成る。

1. AIモデル開発のための機械学習フレームワーク「PyTorch」（P）
2. 調整可能なAI基盤モデル（A）
3. 分散コンピューティングを実現する「Ray」（R）
4. コンテナを管理する「Kubernetes」（K）

　企業において、インフラの要となるコンテナ技術の導入は進んでいるものの、システム全体のスケーリングを担うRayなどの分散コンピューティング技術の導入は遅れており、実運用の壁に直面していることが浮き彫りになった。

　さらに深刻なのが、セキュリティ要件の高度化だ。ファイル操作や外部システム連携を自律的に実行するAIエージェントの普及によって、従来のアプリケーション防御網では対処し切れない新たなリスクが生じている。新技術導入における最大の障壁として「セキュリティとプライバシーへの懸念」を挙げた企業は48％に上り、最大の課題となっている。57％がAIツールのセキュリティ領域において、同じく57％がAIツールの運用・監視領域において「能力ギャップ」を抱えていると答えた。

　こうした技術要件の急激な変化に対し、企業は外部からの新規人材調達ではなく、既存従業員の「スキルアップ」へとかじを切っている。人材不足への主な対処として、新たな技術スタッフの採用（49％）を上回り、既存スタッフのスキルアップ（57％）が最優先の戦略として選ばれた。

　この背景には、企業固有の暗黙知の存在がある。「社内のシステム、データフロー、自社ビジネスの背景に精通していない外部人材を採用しても、即戦力化するには高いハードルがある」という認識だ。調査では、新規採用者が通常の生産性に達するまでにはスキルアップ研修よりも約1.5倍長い時間がかかり（53％増）、半年以内に退職してしまう割合も28％に達していることが示された。

　一方で、既存従業員をスキルアップさせた場合、採用と比較して圧倒的な効果が得られると現場は評価している。具体的には、ビジネスの理解度で7.9倍、従業員の定着率で7.7倍、チームの結束力で7.3倍の優位性がある。総コスト削減（5.0倍）や仕事の質（3.5倍）においても、社内育成に軍配が上がっている。組織的な知識は外部から買うことが難しいため、社内の人材の上に新たな技術力を積み上げる方がはるかに合理的だ。

　技術系人材自身も継続的な成長機会を強く求めている。企業が人材を引きとめるための定着戦略において、技術的な成長機会（94％）や技術研修（93％）は、報酬（91％）を上回る重要な要素として認識されている。企業が学ぶ場を提供することは、優秀なエンジニアをつなぎとめる強力なインセンティブとして機能する。

　スキルを評価する基準も、大学の正式な学位から、実務経験（93％）やポートフォリオ（87％）、業界で認められた技術認定（76％）が重視されるようになっている。企業は最新の技術を導入するだけでは優位性は維持できない。それを安全に稼働させ、自社のプロセスに合わせて最適化できるフルスタックな人材を、いかに社内で育成し続けるかが、今後の企業成長を左右する鍵になる。