AIで浮いた「2万人分」はどこへ行ったのか ― Wiproの再配置事例

「AIで2万人分の仕事が減った」という見出しを、解雇の話だと読んだ方は多いのではないでしょうか。インドのIT大手Wiproが9月に発表したこの数字は、実は再配置の話です。どんな会社が、どんな条件のもとで、浮いた工数をどう動かしたのか。公開情報の範囲で整理し、日本企業が参考にできる点を考えます。

Wiproはどんな会社か

Wipro（ウィプロ）は、インド・ベンガルールに本社を置くITサービス・コンサルティング企業です。1945年創業で、今年80周年を迎えました。

事業は、コンサルティング、テクノロジーサービス、エンジニアリング、業務プロセス受託の4本柱です。日本のSIerやコンサルティング会社と同じく、人が働いた時間で売上が決まる「人月型」の事業構造を持っています。

この点は記事全体の前提になります。会長のRishad Premji氏は年次報告書の中で、ITサービスの成長は歴史的に人員の拡大に比例してきた、と述べています。AIはその構造を変える、というのが同社の立場です。つまり今回の発表は、「人が増えなければ売上が増えない」という構造を持つ会社が、その構造を変えようとしている途中の数字です。

2万人分は解雇ではなく工数の合計

2026年9月10日、Wiproの最高技術責任者（CTO）Sandhya Arun氏はReutersのインタビューで、AIの取り組みによって従業員2万人分に相当する生産性向上を実現し、その分の人員は社内で再配置した、と述べました。解雇の話ではなく、社内での再配置の話です。従業員約24万人に対して、約8%に相当する規模です。

ここで大事なのは、2万人分という数字が「人数」ではなく「工数の合計」だという点です。

たとえば、24万人の従業員がAIを使って平均8%速く仕事を終えられるようになったとします。1人あたりの短縮はわずかですが、全社で合計すると2万人分の工数になります。誰も辞めていなくても成り立つ計算です（この8%は2万人÷24万人から出した筆者の計算例で、Reutersの記事に比率の記載はありません）。

※画像はクリックで拡大できます

Arun氏は「人とエージェントの1対1の置き換えではない」とも述べています。この発言の意味は、AIが置き換えたのが「人」ではなく「作業の一部」だということです。1人の仕事のうち2〜3割をAIエージェントが担い、その人自身は残る。これが全社で積み上がると2万人分になります。

浮いた時間は特定の誰かに集中せず、全員に薄く分散しています。そのため人数として切り出すことができません。だからこの数字は、解雇ではなく再配置の話になります。

行き先は3つ、内訳は非公表

では、浮いた2万人分の工数はどこへ行ったのでしょうか。Arun氏が挙げた行き先は3つです。①同じエンジニアが複数のAIエージェントを管理する、②別の案件へ配置される、③別の役割に向けて再訓練を受ける。この3つが、公開情報上の行き先となっています。

一方で、どの業務からどれだけ浮き、3つの行き先にそれぞれどれだけ移したか、という内訳は公表されていません。

ただ、年次報告書には、人を動かすための考え方が書かれています。デリバリー運営の項目に、従業員主導のローテーション文化、ベンチ（待機人員）とモビリティの最適化、参画と配属の迅速化という言葉が並んでいます。それぞれの運用の細部（期間や申請方法など）までは書かれていませんが、行き先が先に決まっているのではなく、人を動かし続ける運営が先にあり、その上で行き先が決まっていく、と読めます。

「行き先3つ」だけでなく、「動かす仕組み」のほうも参考になります。後の章で、日本企業向けに考察していきます。

再配置の前に研修があった

もうひとつ、着目したいのは順序です。Wiproでは、再配置の前に大規模な研修がありました。

CEOのSrinivas Pallia氏は年次報告書で、技術の移行は根本的には人材の移行である、と述べています。AIを導入することは道具を入れることではなく、人の働き方を変えることだ、という意味です。だとすれば、先に変えるべきは人のほうになります。

Wiproの順序はこの考え方に沿っています。まず研修で人がAIを使える状態になる。使えるようになると、実際にAIツールが業務で使われる。使われた結果として工数が浮く。浮いた工数を再配置する。研修が最初にあるのは、この順序の出発点が人だからです。

逆に言えば、研修なしにAIを導入しても、使える人が少なければ工数はまとまった形では浮きません。再配置の計画だけを先に立てても、動かせる工数が生まれていなければ計画は空回りします。研修の規模が浮く工数の規模を決め、浮く工数の規模が再配置の規模を決める。研修計画と再配置計画は、別々に作るものではなく、この関係を前提に同時に検討することが大事ではないでしょうか。

Wiproの環境は日本に近い

Wiproの事例を日本企業の参考にするには、同社がどんな解雇規制の下にあるのかを確認しておく必要があります。解雇しやすい環境での再配置と、解雇しにくい環境での再配置では、同じ再配置でも経営判断としての意味が変わるからです。結論から言うと、少なくともエンジニアについては、Wiproの環境は日本に近いものです。

インドでは2025年11月21日に、労働法制を統合した産業関係法典（Industrial Relations Code, 2020）が施行されました。この法典では、技術職や事務職などの「worker（労働者）」の整理解雇について、次の要件が定められています。

「worker」には技術職が含まれ、管理職は含まれません。監督職は月給1万8,000ルピーを超えると除外されます（第2条の定義による。用語メモ参照）。この300人の基準は会社全体ではなく事業所ごとに、workerの人数で数えます。Wiproは従業員約24万人なので、主要な拠点はこの基準を超えると考えられます。

整理すると、インドでは技術職を整理解雇するには事業所ごとに政府の許可が要り、時間も費用もかかります。一方、管理職にはこの保護がありません。

同業のTCS（Tata Consultancy Services）が2025年に全世界の従業員の約2%にあたる約1万2,000人を減らす方針を示したとき、対象は中堅・シニア層が中心でした。労働組合は、退職強要は実質的な整理解雇であり、事前許可の義務に違反すると主張して争っています（当時は旧法の産業紛争法1947年の下での出来事です）。

Wiproについても、年次報告書には、販売・管理部門でコスト最適化による平均人員の減少があったこと、一時的な従業員再編費用（約10億8,000万ルピー）と、それとは別に再編費用（約51億4,000万ルピー）を計上したことが記載されています。一方で、案件を担う部門の平均人員は買収もあって増えています。つまり、解雇という選択肢が全くない会社ではなく、間接部門を中心に人員の見直しも行われている、と読めます。

日本と比べるとどうでしょうか。日本では労働契約法16条の解雇権濫用法理と、整理解雇の4要件が、管理職にも一般社員にも同じように適用されます。インドは「誰を守るか」を職種で線引きし、守り方は行政の事前許可です。日本は全員を守り、守り方は裁判所の事後審査です。仕組みは違いますが、エンジニアの解雇のしにくさという点では、Wiproの環境は日本に近いと言えます。

その中で同社は、AIで浮いた工数を再配置で受け止め、その仕組みを日々の運営指標にしています。制約が似ているからこそ、日本企業が参考にしやすい事例ではないでしょうか。

生産性から成果へ評価軸を移す

Arun氏はインタビューの中で、評価軸を「生産性から成果へ」移す必要がある、と述べています。AIの効果は、削減した時間ではなく、顧客体験の改善、新しい売上機会、事業目標への貢献で測るべきだ、という主張です。

この考え方を、前回の記事で整理したAI成果マップ（3段×4視点）に当てはめてみます。3段は「使われた・変わった・価値が出た」、4視点は「業務・財務・リスク・人」です。

※画像はクリックで拡大できます

この表にWiproの公開情報を置いてみると、埋まり方にはっきりした偏りがあります。業務と人の列は「使われた」「変わった」まで具体的に埋まり、財務とリスクの列は3段ともほとんど空欄です。

業務の列では、6万人超がAI開発ツールを日常的に使い、2万人分の工数が浮きました。人の列では、76%が高度AI研修を修了し、3つの行き先へ再配置されています。一方、財務の列では、AI投資額も、AI起因の費用変化も、AI売上も出ていません。同社はインドの大手4社のうち唯一、AI関連の売上を独立した指標として開示していません。理由は公表されていませんが、アナリストからは、同業他社と比べてAIの収益化はまだ初期のコストを吸収している段階で、商用化の成熟度で遅れている、という評価が出ています。

「価値が出た」の段は、業務・財務・リスク・人のいずれも、Wipro自身についての開示がありません。

能力を創出したことと、それを収益に変えられたことは別です。Wiproの事例を読むときも、この2つは分けて考えるのがよさそうです。

日本企業が参考にできる4つの要素

ここまで見てきたWiproの取り組みは、一つひとつは当たり前のことばかりです。研修をする、待機している人を把握する、次の仕事に動かす。特別な発明はありません。

参考になるのは、それを細かく分けて、日々の運営の中に置いているところです。年次報告書の記述をもとに、筆者が日本企業向けに4つの要素に整理してみました。要素の名前は筆者がつけたもので、Wiproの用語そのものではありません。

※画像はクリックで拡大できます

要素1：余力を見える化する

Wiproは「ベンチ」、つまり案件と案件の間で配属先がない人の状態を最適化する、と書いています。最適化するには、まず把握していなければなりません。日本企業に置き換えると、どの部署に、どれだけ手が空いた人や時間があるかを、定期的に把握する仕組みです。

ただし、余力には2種類あります。ひとつは、案件の切れ目のように仕事がまるごと無い状態で、人数と期間で数えられます。Wiproがベンチとして管理しているのはこちらです。もうひとつは、AIで各人の作業が少しずつ短くなった分です。こちらは本人の次の仕事に吸収されて、本人にも自覚されないまま消えやすい。2万人分という薄く分散した工数を、同社がどう数えたかは公表されていません。

後者を見えるようにするには、人数ではなく業務単位で「この作業に何時間かかっていたか」を前後で比べるか、議事録や資料の下書きのように作業をまるごとAI側へ寄せて、浮いた時間を作業単位でまとめるかのどちらかになります。AIで浮いた工数は、この見える化がなければ「なんとなく楽になった」で終わってしまいます。

要素2：需要を先読みして育成とつなぐ

年次報告書には、成長領域の需要を予測し、顧客別・専門分野別のアカデミーで人材を用意しておく、と書かれています。これから人が要る領域を先に決め、そこに向けた研修を用意する。先ほど触れた「研修が先」の順序は、この仕組みの中で実現されています。

要素3：本人が動ける文化をつくる

年次報告書は「従業員主導のローテーション文化」という言葉を使っています。会社が一方的に配属するのではなく、本人が次の案件へ移っていくことを前提にした文化、と読めます。これとは別に、同社はAIを使った社内のキャリア・学習プラットフォームで、本人のスキル・経験・希望から次の学習経路を推奨する仕組みも持っています。日本企業では、社内公募や自己申告制度がこれに近いものです。制度があっても使われていない場合は、文化として根づいていないと考えたほうがよいかもしれません。

要素4：配属までの時間を短くする

「参画と配属の迅速化」は、案件が終わった人や新しく入った人を、次の仕事に着けるまでの時間を短くすることです。どのくらいの頻度で人を動かしているかは公表されていませんが、速さを指標にしていることは分かります。日本企業の多くは年1回の定期異動を基本にしていますが、AIで工数が浮くタイミングは年1回ではありません。随時動かせる運用が、どこまで用意できるかが問われるのではないでしょうか。

この4つがそろっていないと、社内失業、つまり誰も辞めていないのに誰も動いていない状態が起きやすくなります。日本企業は雇用を維持しながら人を社内で動かすことに慣れています。その慣れを、AI前提の運営指標に落とし込めるかどうかが、Wiproの事例から受け取れる問いではないでしょうか。

※日本企業が人を外に出せない前提で、社内のどこへ動かすのかは、前回の記事（AIで仕事が減ったとき、日本企業は人をどこへ動かすのか）で整理しています。

まとめ・今日できること

この記事で整理したことは3つです。

1. Wiproの「2万人分」は解雇の数字ではなく、全員に薄く分散した工数の合計です。人数として切り出せないため、再配置の話になります
2. 再配置の前に大規模な研修があり、動かすための運営の考え方（ベンチの最適化、ローテーション文化、配属の迅速化）がありました。しかも同社のエンジニアを取り巻く環境は、解雇のしにくさという点で日本に近いものです
3. 日本企業がこの事例から参考にできるのは、再配置の意思ではなく、余力の見える化・需要と育成の連動・本人が動ける文化・配属までの速さという4つの要素です

今日できることとしては、次の2つを挙げておきます。

1. 自社のAI導入計画に、浮いた工数の行き先が書かれているかを確認する
2. 研修計画と再配置計画が別々に作られていないかを確認し、両方の規模をそろえて暫定のスケジュールに落としてみる

【セルフチェック】AIで浮いた工数を動かす仕組みの6項目

この記事の考え方を、自社のAI導入計画に当てはめてみるためのチェックリストです。正解を出すためのものではなく、立ち止まって考えるためのもの。気になった項目だけ拾ってもかまいません。各項目に、考えるときの手がかりを一言ずつ添えました。

• AIで浮く工数を、人数ではなく時間の合計で見積もっているか「誰が要らなくなるか」ではなく「全社で何時間浮くか」で数える
• 浮いた工数の行き先が、計画に書かれているかエージェント管理・別業務・再訓練のどれに、どれだけ回すか
• 研修計画と再配置計画を、規模をそろえて同時に検討しているか研修の規模が浮く工数を決め、浮く工数が再配置の規模を決める
• どの部署に、どれだけ余力があるかを定期的に把握しているか仕事が無い状態だけでなく、分散した浮き時間も業務単位で見る
• 本人が次の仕事を選べる制度が、実際に使われているか社内公募・自己申告の利用実績を見る
• AIの効果を、削減時間だけでなく成果で測る指標があるかAI成果マップの「価値が出た」の欄が空欄になっていないか

用語メモ

本記事に登場する専門用語をまとめました。▶ をクリックすると説明が表示されます。

出典・参考情報

※本記事は2026年9月14日時点の公開情報（Reutersの報道およびWiproの統合年次報告書）をもとに整理したものです。Wiproの再配置の内訳や成果は同社が公表している範囲に限られ、筆者が独自に確認したものではありません。インドの法制度については条文および複数の解説をもとに記載していますが、州ごとの運用や個別事案の判断は専門家にご確認ください。個別企業の人事施策に関する判断は、各社の状況に応じてご検討ください。