Stradaの2026年調査、雇用主が新卒採用で重視するスキルでAIリテラシーが最下位に。秋のキャンパス採用サイクル前にCHROが行うべき求人票の見直し

あなたのキャンパス採用チームは、おそらく間違ったものをスクリーニングしている。新卒向け求人票（JD）に「AIリテラシー」や「AIツールの使用経験」が必須スキルとして記載されているなら、綿密な新しい調査によると、あなたは同業他社が実際に求めているものに反した最適化をしていることになる。

Strada Education Foundationは、2026年のエントリーレベル採用の優先事項について、米国の各業界の1,500人近くの経営幹部とシニア人材リーダーを対象に調査を実施した。その知見は率直だ。AI リテラシーは評価したすべてのスキルカテゴリーの中で最下位にランクされた。下位近くではない。最下位だ。そして新卒者の自己評価能力が雇用主の必要水準を上回った唯一のカテゴリーでもあった。

秋のキャンパス採用サイクルが始まる前に、すべての最高人事責任者（CHRO）は新卒向けJDを取り出して徹底的な監査を行う必要がある。Strada のデータは、何を修正すべきかを正確に示している。

Stradaが実際に明らかにしたこと

Strada Institute for the Future of Work は、業界全体のシニア人材リーダーと経営幹部1,500人近くに対してアンケートを実施した。問いはシンプルだった。エントリーレベルの候補者を採用する際、実際に何を優先するか。

上位3つの回答は順に、批判的思考、コミュニケーション、協働だった。これらは新しいものではない。10年にわたって雇用主の希望リストのトップに挙がり続けてきた基本的なコンピテンシーだ。しかしStrada のレポートは、今すぐJDの書き方を変えるべき二つの知見を加えている。

まず、AIリテラシーが雇用主の優先順位リストの最下位にランクされた。また、新卒者が雇用主の必要水準よりも自分のレベルを高く評価した唯一のスキルでもあった。新卒者は自分たちは対応できていると思っている。雇用主はそれをギャップとは見ていない。そもそも優先事項ではないからだ。

次に、エントリーレベル候補者にとって最も評価される資格は、インターンシップ、卒業研究プロジェクト、プロジェクトベースの学習を含む実務経験だった。最も評価されないプロフィールは、完璧な成績評価点（GPA）、学術賞を持ちながら実務経験が全くない候補者だ。つまり、伝統的な学業優秀者で実務経験なしは、インターンシップ2回経験のある成績平均の学生を下回るということだ。

三つ目の注目すべきデータポイントは、過去18ヶ月のあらゆる不安の物語に反するものだ。Strada の知見によると、自組織でAIツールがエントリーレベル採用を増やすと見込む上位人材リーダーは、減らすと見込む人の2.7倍に上る。誤記ではない。人員は減少ではなく増加で、ただし適切なスキルのスクリーニングが条件となる。

Key Facts

• Stradaの2026年調査において1,500人近くの雇用主が評価したすべてのスキルカテゴリーの中でAIリテラシーが最下位にランクされた。
• 上位人材リーダーのうち自組織でAIがエントリーレベル採用を増やすと見込む割合は、減らすと見込む割合の2.7倍。
• 新卒履歴書の評価において実務経験（インターンシップ、卒業研究プロジェクト）が完璧なGPAおよび学術賞を上回る。

なぜこれは2026年の一般的な見方と矛盾するのか

Strada の知見は、過去1年間に CHRO の関心を集めた二つのシグナルと真っ向から対立している。

LinkedInの急成長職種リストはAIエンジニアをトップに据えた。PwC のデータは12ヶ月間で56%のAIスキル賃金プレミアムが積み上がっていることを示した。AI賃金プレミアムと給与バンド再設定に関する以前の記事では、これらの給与シグナルが本物であり急速に動いていることを示した。

しかしここに整合性がある。賃金プレミアムが適用されるのは経験豊富な専門家の役職であり、新卒者ではない。シニアの機械学習エンジニアがAIスキルによって56%多い報酬を受けているとき、それはミッドキャリアまたは専門家レベルの市場シグナルだ。初めての役職に就く22歳の人材に何を求めるべきかについては何も語っていない。

Strada のデータが明らかにする CHRO の過ちは、シニア職の給与レバーを普遍的なエントリーレベルのスクリーニング基準として扱うことだ。採用管理システム（ATS）が「AI」や「Python」という単語を含まない履歴書を自動排除しているとき、あなたは不適切な候補者を除外しているのではない。キーワードを詰め込まなかっただけの批判的思考力のある人材を不合格にしている。

今年初めに取り上げたLinkedInのスキルアップ記事は関連するポイントを示していた。AIスキルを積極的に構築している労働者の間でさえ、自主学習と雇用主支援の開発の間には大きなギャップがある。自社の在籍スタッフがまだAIツールに追いついている段階であれば、新卒者にAI習熟度を求めることは、現在のチームも満たせない基準を設定していることになる。

エントリーレベルの人材パイプラインは別の方向からも圧力を受けている。2026年5月のエントリーレベル雇用崩壊データとiCIMSのエントリーレベル採用ミスマッチの知見はともに、特定カテゴリーのエントリーレベル役職において需要が縮小していることを示している。AIが実際には多くの組織でエントリーレベルの人員を拡大すると見込まれているというStradaの反論は、それらの組織が適切な基準で採用した場合にのみ成立する。間違ったフィルターを加えれば、候補者プールが間違った理由で縮小する。

今サイクル初期の人材レディネスギャップデータはこれをさらに複雑にする。適格なエントリーレベル候補者を見つけられない組織は、実際に採用後のマネージャーが重視することを反映していない JD を持っていることが多い。

求人票の監査（5ステップの再設計）

これを修正するためにタスクフォースや方針の書き直しは必要ない。新卒 JD テンプレートへの五つの的を絞った編集で、要件を Strada の1,500人の雇用主が実際に求めているものと合致させることができる。

1. 必須スキルリストから「AIリテラシー必須」や「ChatGPT/Copilot の使用経験」を削除する。 言及したい場合は、歓迎スキルのセクションに移動すること。AIツールは入社後数週間で習得できる。批判的思考はそうではない。ツールの習熟度と認知能力を混同しないこと。

2. 批判的思考のスクリーニングを追加する。 20分間の筆記課題またはポートフォリオレビューは、どんなAIツールの確認よりも効果的だ。候補者に短いビジネスシナリオを文章で分析し、行動方針を推薦させる。その推論の質から、ツールリストよりも多くがわかる。スクリーニングの設計に意思決定フレームワークがどう参考になるかも参照してほしい。

3. 履歴書のスコアリング基準で実務経験をGPAより上位に置き直す。 インターンシップ、卒業研究プロジェクト、フリーランス業務、有償プロジェクトをスコアリング基準の上位に移動する。Strada のデータによれば、インターンシップ2回経験の3.3 GPA 学生は、インターンなしの4.0 GPA 学生を上回る。

4. 汎用的なコミュニケーション要求を具体的な文書成果物の提出要求に置き換える。 「優れた文章コミュニケーション能力」の代わりに、実際の曖昧なビジネス上の意思決定に関する200字のメモを提出させる。論点を構造化できるかすぐにわかる。デジタルリテラシーはツール名からではなく、明確な文章の推論から始まる。

5. ATSで「AI」や「Python」のトークンがない履歴書を自動排除するキーワードフィルターを削除する。 これがスピードへの最も効果的な修正だ。ATS の排除ロジックを監査し、AI関連のキーワードフィルターを見つけ、エントリーレベルの求人から削除または降格させる。修正前後の30日間の候補者品質を比較する。

FAQ

なぜLinkedInなど他のレポートがAIスキルの急増を示しているのに、StradadはAIリテラシーが最下位だと結論づけたのですか？

異なる母集団を対象に、異なるものを測定しているからだ。LinkedInの急成長職種データは、AIシステムを構築・展開する方法を既に知っている労働者を雇用主が激しく競い合うミッドキャリアおよび専門家採用を反映している。Strada は特にエントリーレベル採用に焦点を当てており、雇用主が育成できる素の能力を探している。エントリーレベルにおけるAIツールの習熟度は習得が簡単だ。批判的思考はそうではない。採用母集団を分けて考えれば、二つの知見は両立する。

既存従業員へのAIスキルアップを止めるべきですか？

いいえ。現在の従業員への社内AIスキルアップ投資は引き続き優先度の高い取り組みだ。スキルベース採用と社内異動戦略はどちらも、既存従業員に新たな能力を開発するためのツールを提供することにかかっている。Strada の知見は特に新卒 JD 要件に適用される。経験豊富な従業員は別のケースであり、彼らのAIスキルを開発することは生産性と定着率に直接影響する。

2026年の新卒求人票は実際にどうあるべきですか？

批判的思考、コミュニケーション、協働を前面に出す。あらゆる形での実証済み実務経験を必須とする。スクリーニングプロセスに構造化された筆記課題を加える。AIツールを必須リストから外す。このエントリーレベルクラスがどのようにミドルレベルの人材に成長するかを考えたいなら、リーダーシップレディネスギャップフレームワークを参照する。JD はAI習熟度をフィルタリングする場所ではない。オンボーディング計画がその場所だ。

秋のサイクル前にCHROがすべきこと

秋のキャンパス採用サイクルは通常、夏の終わりに始まる。テンプレートをリセットしてチームにブリーフィングするために、おおよそ60〜90日が与えられている。以下に短いリストを示す。

• 現在の有効求人から新卒JDをランダムに10件取り出し、上記の5ステップ監査を各件に適用する。AIリテラシーを必須スキルとしてリストに挙げているものをフラグ立てする。このエラーを持つ求人の割合を計算する。その数字はおそらく驚くべきものになる。
• キャンパス採用パートナーにブリーフィングする。 多くのキャンパス採用担当者は、「AIスキル」が反射的に追加されていた2024年または2025年サイクルに最後に更新されたJDテンプレートを使って業務を行っている。秋の最終資料を確定させる前にその追加を削除するよう、HR リーダーシップからの明確な指示が必要だ。
• 採用マネージャーにエントリーレベルの面接ループからAIツールのデモを外すよう指示する。 一部の採用マネージャーは、面接で ChatGPT をライブで使わせるなどの非公式なチェックポイントを追加している。Strada のデータによると、これはエントリーレベルの成功の予測因子ではない。監査のステップ2の構造化された筆記課題に置き換える。
• 秋のサイクルが始まる前に、すべてのエントリーレベル求人について ATS のキーワードフィルターを修正する。 これは午後一つで実装できる技術的な変更であり、候補者プールの質に即時の波及効果をもたらす。最初のオファーが出るまで先延ばしにしないこと。

さらに詳しく

• 従業員コンピテンシーにおける批判的思考
• 意思決定コンピテンシーフレームワーク
• 職場におけるデジタルリテラシー
• スキルベース採用の実践
• 社内異動戦略
• AI人材レディネスギャップ2026
• iCIMSエントリーレベル採用ミスマッチ2026