Block、4,000人を解雇し、テック市場の労働力は戻れない
ジャック・ドーニーは、Cash AppやSquareの背後にあるBlock Inc.で4,000のポジションを削減しました。これは全体の約10%に相当します。この発表は、通常の企業再構築の言葉—「運営の効率化」「資源の最適化」—の文脈ではなく、不快なほどの透明性をもって行われました。AIのおかげで小さなチームがより多くの仕事をこなすことができ、したがって余剰人員が生じるということです。ムーディーズ・アナリティクスのチーフエコノミストであるマーク・ザンディは、この声明を読んで、他の権威ある立場の人たちが直接言い出そうとしなかったことをツイートしました。「これはもう予測ではなく、進行中の現実であり、テック業界の労働市場は戻れない地点に達しています」と。
このエピソードが従来のテクノロジーのリストラサイクルと異なるのは、そのスケールではなく、主張です。Blockは、パンデミック後の修正について語ることも、ゼロ金利のブーム中に過剰採用を行ったとも言っていません。彼らは、運営能力が機械に再分配されているということを話しました。この区別は、雇用の回復の見通しを完全に変えるものです。
Blockのモデルが示す合わない算式
Blockは2025年に229億ドルの収益を上げ、前年比12%の成長を遂げました。危機的な企業が生き残りを賭けるわけではなく、利益を上げてコスト構造を加速させている企業です。削減された4,000の職は、テクノロジー業界の平均給与に基づく推計では年間10億から20億ドルに相当します。これは防御的な措置ではなく、強固な立場からのマージン拡大です。
ザンディが「雇用の純損失」を語る時、彼はこのメカニズムを指摘しています。現在の業界の労働生産性は年率約2%で、長期的な歴史的平均に沿っています。しかし、彼はこの数値が今後12カ月で2.5%に上昇すると予測しています。問題は、需要に見合わない生産性の向上が雇用を生み出すことなく、逆に破壊することです。そして、その破壊が進行する企業が収益を上げている場合、「技術は常に削減した雇用よりも多くの雇用を創出する」という議論にひびが入ってきます。
Blockが実行していることは実験でもパイロットでもなく、その運営のアーキテクチャを恒久的に再編成していることです。自動コード生成を行うエンジニアリングチーム、Cash Appにおける自動化された顧客サービス、中間の分析者なしに行われる詐欺検出。これらの機能のそれぞれが削除された組織図の中に特定されています。
なぜこれがテクノロジー業界を超えて重要なのか
連邦準備制度はこのプロセスを公表されている以上に注意深く見守っています。ガバナーのマイケル・バーは2026年2月にAIの急成長が金利の引き下げを正当化するものではないと指摘し、生産性の向上が均衡金利を引き上げることを予測しました。副総裁のフィリップ・ジェファーソンはさらに率直でした。「生産性が持続すれば、構造的に高い金利が基本的なシナリオとなり、例外ではありません」と。
これは経済全体に直接的な影響を与えます。アメリカの失業率が4.2%周辺で、雇用の創出が既にテクノロジーセクターで弱まっている中で、需要の吸収がない生産性のさらなるジャンプはザンディが「直接的な雇用損失」と呼ぶものをもたらします。2026年4月4日に発表される3月の雇用データは、その仮説が現実化しているかどうかの初のリアルな指標です。
フィンテックセクターでは、BlockがPayPal、Stripe、Adyenと競争しており、2025年には3400億ドルの世界収益の市場で運営していますが、Blockの動きを模倣することがほぼ避けられません。AIを使用してコストベースを削減しなければ、他の企業はそれを行う企業に対してマージンの不利に直面します。これは戦略的選択ではなく、すでに始まっている競争です。
創業者が無視しているリスク
企業がどのように技術的な賭けを検証し実行するかを分析する立場から見ると、Blockの奇妙な点は削減自体でなく、この種の発表が市場で急速に常態化していることです。ドーシーは防御的ではありませんでした。将来的な再雇用を約束せず、「人的資本への投資」についても語りませんでした。彼はサーバーの移行を発表する冷静さで、新たな運営の現実を述べました。
これは、これらのツールの成熟状態を示しています。400億ドルの時価総額を持つ企業のCEOが、株価の崩壊を恐れずにその発表を行うことができるのは、すでに市場がそれを避けられないと織り込んでいるからです。他のリーダーにとってのリスクは、市場の沈黙をAIに関連する削減が受け入れられることの検証と誤解することです。それぞれのチームがその削減で運営できる能力があるかどうか、またAIツールが実際に彼らの特定のプロセスで検証されているかどうかを評価せずに。
私がスタートアップや中規模企業に見られる再現パターンは、Blockの逆です：AIによる効率性というナarrativが、具体的な業務フローにおける実際の影響を測定する前に採用されます。実際に生産環境で行われたことを基にせずにツールが約束することに基づいて才能が削減されます。Blockは長年AIを製品に組み込んでおり、彼らの削減は少なくとも理論的には実証的な基盤を持っています。6か月間自動化のパイロットを行っている企業は、その計算のための同様な基盤を持っていません。
測られていないものに対する確実な計画
今、真のリスクはAIによって雇用を失うことではなく、まだ検証されていない生産性の仮定に基づいて組織構造を決定することです。Blockは、自社の財政的余裕、技術的統合の履歴、投資家の忍耐力を持っているため、その大規模な実験を許されています。次の12か月間にこの流れを模倣しようとする多くの組織は、これらの3つの条件のいずれも持っていないでしょう。
このサイクルをうまく乗り越えるリーダーは、カットする前に測定を実施することを強く主張する者です：特定のプロセスがAIツールによってすでに自律的に実行されているもの、エラー率、人的監視の下での条件、ビジネス結果における測定可能な影響です。ツールの将来のポテンシャルではなく、現在の生産と文書化されたパフォーマンスです。
この環境下で組織の持続的な成長は、一つの実践に依存しています：生産性の予測を実証的な証拠に置き換えることです。市場がその教訓を最も高い代償で学ばせる前に、意思決定をひとつひとつ行うことが必要です。
