マネジメントを「分離せずに一人に押し込める」から罰ゲームになる——日本のITエンジニアリングマネージャーが直面する3つの分離

• 想定読者： ITエンジニアのマネージャー・リーダー、これから管理職を打診されている上級エンジニア、組織設計に関わる人事・経営層
• 前提知識： チーム運営の一般的な用語（1on1、評価面談など）
• 所要時間： 60分

概要

「ITエンジニアのマネージャーは罰ゲームだ」。この言説は感情論ではなく、データに裏打ちされた構造的診断である。日本企業の管理職の 96%がプレイングマネージャー¹、メンバー層の管理職意欲は 21.4%で世界最低水準²、Gallupの最新調査では従業員エンゲージメントは 6%で世界最低水準³。日経ビジネスは2026年4月の記事で、米国型の専門職キャリアトラック（Engineer→Senior→Staff→Principal→Distinguished）が日本企業に普及していない構造問題を指摘している⁴。

本記事の診断はシンプルだ。罰ゲーム化の根本原因は、本来分離すべき複数のマネジメント機能を、一人のEMに分離せずに押し込めていることにある。「マネジメント」と一括りにされる仕事には、対象も領域も議論レイヤーも異なる活動が混在する。それを意識せずに統合的に扱おうとすると、EMは構造的に詰む。

具体的には、次の3つの分離が必要になる。

分離	内容
分離1：対象	AIに対するマネジメント（全員共通の個人スキル） vs 人間に対するマネジメント（管理職・リーダーの仕事）
分離2：領域	業務マネジメント vs 対人専門マネジメント
分離3：議論レイヤー	法的事実 vs 心理学的傾向 vs 個人の価値観

最初に強調しておきたいのは、AIに対するマネジメントスキルはEM特有の能力ではなく、AI時代のすべての働く人に共通する個人スキルだという点だ。エンジニアもデザイナーもマーケターも、AIエージェントへの指示・委譲・レビューを日常的に行うようになる。Camille Fournierが整理する委譲・レビュー・フィードバックの実践⁵や、Andy Groveのタスク関連成熟度の概念⁶は、対AIの作業設計にそのまま応用できるが、それは個人の生産性スキルとして全員が伸ばすべきものであって、EMだけの責務ではない。一方、人間の動機・キャリア・メンタルといった領域は、自己決定理論（SDT）⁷やJob Demands-Resources（JD-R）モデル⁸が示すように、別の専門知が要る領域であり、ここがEMの本来の戦場になる。両者を意識的に区別しないと、「AIマネジメント」と「対人マネジメント」が混在したまま、EMが過剰な責務を抱え込むことになる。

この3つの分離を組織として制度化しないかぎり、EM個人がどれだけ努力しても罰ゲーム構造は止まらない。さらに日本では、4つの構造的要因（専門マネージャー不在・プレイング常態化・労働法構造・適材ではない上層の固定化）がこの状況を増幅する。本記事は、分離の必然性を学術的・実務的に裏付け、日本特有の増幅要因を整理した上で、組織と個人それぞれの処方箋を提示する。「AIマネジメントは管理職の仕事」「全員成長」「エンジニアなら対人マネジメントもできるはず」「環境を整えれば全員変えられる」——この4つの幻想を同時に手放したとき、初めて人を潰さない設計が見えてくる。

症状：日本のEMが罰ゲーム化する数字

まず現状確認から始める。「罰ゲーム」は感情の表現として広まっているが、独立した複数の調査が同じ方向を指している。

パーソル総合研究所の小林祐児は、HRアワード2024で優秀賞を受賞した『罰ゲーム化する管理職』および2025年12月のコラムで、日本の管理職を取り巻く四重苦を整理している²。

課題項目	該当割合
業務量の増加	52.5%
部下育成の困難	37.5%
後任の不在	56.2%

国際比較では、日本のメンバー層の管理職意欲は21.4%で世界最低レベル（インド・ベトナム等は8割超）²。日本の管理職は1995年から2015年で約半減し、課長昇進年齢は40歳前後（他国は28〜34歳）と遅い²。さらにGallup『State of the Global Workplace』によれば、日本の従業員エンゲージメント率は6%と東アジア平均（18%）・世界平均（23%）を大きく下回る³。

産業能率大学総合研究所の2019年調査では、上場企業の部長の プレイングマネジャー比率は約96%、プレイヤー業務の割合は加重平均39.9%¹。マネジメント研究では、高成果を出すプレイングマネージャーの推奨プレイヤー業務比率を30%未満程度とする見解が複数あり、日本の現状は既に「成果を出すための上限」付近にある。

これらの数字は、EMが個人の頑張りで吸収できる範囲を超えた構造に置かれていることを示している。

核となる診断：3つの分離が機能していない

ではなぜ、この構造的負荷が発生するのか。本記事の中心的な診断は、「マネジメント」と一括りにされる仕事が、実は性質の異なる複数の機能の混合物だという点にある。

そして日本のEMの罰ゲーム化は、これらを意識的に分離せず、一人のEMに統合的に押し込めていることから生じる。中でもAIマネジメントは「全員の個人スキル」であるはずなのに、しばしば「マネージャーの新しい仕事」として扱われ、対人マネジメントの負荷の上に積み増される構図になりがちだ。

flowchart TB
  AI["AIへの指示・委譲・レビュー<br>（本来は全員の個人スキル）"]
  WORK["業務上のフィードバック"]
  MENTAL["部下のメンタル対応"]
  CAREER["キャリア再設計"]
  VALUE["価値観の伝達<br>「成長すべき」"]
  EM(("EM一人で<br>すべて抱える"))
  PUNISH["罰ゲーム化"]
  AI --> EM
  WORK --> EM
  MENTAL --> EM
  CAREER --> EM
  VALUE --> EM
  EM --> PUNISH

これらは本来、対象・領域・議論レイヤーが異なる別の活動だ。分離せずに一括で扱うこと自体が罰ゲーム化の起点であり、本記事はこれを次の3つの分離で解きほぐす。

flowchart TB
  TASK(("『マネジメント』と<br>呼ばれている仕事"))
  TASK --> S1["分離1：対象<br>AI（全員の個人スキル）vs<br>人間（管理職の仕事）"]
  TASK --> S2["分離2：領域<br>業務 vs 対人専門"]
  TASK --> S3["分離3：議論レイヤー<br>法・心理・価値観"]

以下、3つの分離それぞれを順に検討する。

分離1：対象の分離——AIマネジメントは「全員の個人スキル」、対人マネジメントは「管理職の仕事」

最初の分離は、マネジメントの対象がAIなのか人間なのかを意識することだ。そしてここで強調したいのは、AIに対するマネジメントスキルはEM特有の能力ではなく、AI時代のすべての働く人に共通する個人スキルだということだ。EMの罰ゲーム化問題と、AIマネジメントの議論は、本来別レイヤーの話である。

AIマネジメントは全員の中核スキル

AI時代に「マネジメントスキルは不要になる」と言う人がいるが、これは半分しか正しくない。AIエージェントに指示を出し、設計を委譲し、出力をレビューする能力——「対AIマネジメント」はむしろ全員の中核能力になる。エンジニアであれば、コードを直接書くより「AIエージェントに何をどう書かせるか設計し、出力をレビューする」ほうが日常作業の中心になりつつある。デザイナー、マーケター、リサーチャー、事務職に至るまで、AIエージェントへの委譲・レビュー・再指示は職種を問わず必要なスキルになっていく。

このスキルの伸ばし方として、既存のマネジメント論が高い再利用性を持つのは確かだ。Camille Fournierの『The Manager’s Path』が整理する1on1・フィードバック・委譲・能力開発の実践⁵、Will Larsonの『An Elegant Puzzle』が示すチームサイジングや技術判断の体系⁹、Andy Groveの『High Output Management』のタスク関連成熟度（TRM、部下のタスク習熟度に応じて指示の粒度を変える概念）⁶——これらは対AIの作業設計に転用可能だ。AIエージェントへのタスク粒度設計、TRM評価（モデルが何を確実にできて何ができないか）、出力レビューと再委譲、明示的なフィードバックは、AI時代の全働く人の実務中核に位置する。

ここで重要なのは、「マネジメント」という言葉が同じだからといって、これをEMの専属スキルと勘違いしないことだ。AIマネジメントは個人の生産性スキルであり、EMである必然性は一切ない。むしろシニアエンジニアの市場価値の中核として、職位に関係なく全員が伸ばすべきスキルだと位置づけるべきだ。

対人マネジメントは別物——同じ手法を持ち込むと逆効果になる

問題は、AIマネジメントの実践をそのまま人間に対しても適用できると思い込みがちな点にある。対AIなら「指示を明確にしてレビューを厳密にする」で品質が上がる。だが対人で同じことをすると、しばしば逆効果になる。Deci & Ryan の自己決定理論（SDT）は、内発的動機づけが自律性・有能感・関係性の3つの基本的心理的ニーズで支えられることを実証してきた⁷。Gagné & Deciの仕事への応用論文（2005, DOI: 10.1002/job.322、被引用6,980超）は、脅迫・締め切り・指令的評価・課された目標といった外部圧力が内発的動機を減少させることを実験的に確立している⁷。「もっと成長してほしい」と圧力をかけるアプローチは、SDTの観点では逆効果になる確率が高い。

つまり対AIと対人ではマネジメント手法そのものが異なる。対人マネジメントこそが、本来EMの戦場だ。

EM罰ゲーム化との関係

ここから罰ゲーム化との接続が見える。EMが罰ゲーム化する一因は、「AIマネジメントは個人スキル」「対人マネジメントは管理職の専門領域」という線引きが組織内で曖昧なまま、両方の負荷をEM一人が抱え込まされる構図にある。

• AIマネジメントが「マネージャーの新しい責務」として降ってくる：本来は全員の個人スキルとして組織全体で育てるべきものが、EMの追加業務として乗る
• 対人マネジメントの成功体験を持つ人が「だからAIマネジメントもEMの仕事」と短絡する：両者は対象が違うだけで同じ「マネジメント」だと勘違いする
• 逆に、AIマネジメントの成功体験を対人に持ち込む：部下を「指示と厳密レビュー」で動かそうとして、SDTの観点で内発的動機を毀損する

両者を意識的に区別しないと、対AIの成功体験を対人に持ち込んで部下を疲弊させるか、対人で消耗してAIスキルを伸ばす余裕を失うか、あるいはその両方を抱え込んでEM自身が燃え尽きるか、いずれかに陥る——これが第一の分離だ。「AIマネジメントは全員、対人マネジメントは管理職」という整理を組織として明示することが、罰ゲーム構造を解く第一歩になる。

なお、対人マネジメントの中にもさらに「業務上のマネジメント」と「対人専門マネジメント」の区別がある。これは次の分離2で扱う。

分離2：領域の分離——業務マネジメントと対人専門マネジメントの境界線

第二の分離は、対人マネジメントの中でEM自身が扱える業務マネジメントと、専門家に渡すべき対人専門マネジメントの境界を引くことだ。

なぜこの境界が必要か。Demerouti et al. のJD-Rモデルが示すのは、仕事の「要求（demands）」と「リソース（resources）」の不均衡が燃え尽きを生むメカニズムだ⁸。日本のEMは、プレイヤー業務40%¹・成長停滞メンバー対応・後任不在56.2%²という要求の塊を、専門マネージャー不在⁴・限定的な権限というリソース不足で受け止めている。これは燃え尽きの典型構造だ。EMが扱う領域を絞らない限り、要求は無際限に膨らむ。

EM自身が扱える業務マネジメント

• 業務上の期待値設定とフィードバック
• タスクのアサインと粒度調整
• 1on1での進捗・困りごと共有
• 業務上のスキル開発支援（コードレビュー、ペアプロ、社内勉強会）
• チーム内のコミュニケーション設計
• AIツール・開発環境の整備

これらはGoogle Project Oxygenが特定したマネージャーの効果的行動（コーチング、権限委譲、明確なビジョン提示、技術的アドバイス等の10項目）¹⁰の延長線上にあり、エンジニアの実務知識と地続きで習得可能だ。

専門家に渡すべき対人専門マネジメント

• メンタル不調の評価と治療判断 → 産業医・産業カウンセラー
• キャリア再設計（職務適性の検討）→ キャリアコンサルタント・人事
• 長期的な低パフォーマンス対応（PIP、配置転換、退職勧奨）→ 人事
• ハラスメント案件の調査と対応 → コンプライアンス・法務・人事
• チーム外の異動 → 人事
• 動機構造の根深い問題（SDTが言う3ニーズの長期的欠落）→ 外部コーチ・組織開発専門家

境界線を引く根拠は「EMの楽さのため」ではなく、「診断の専門性」にある。

「成長していない人」の診断こそが専門領域である

EMがしばしば直面する判断の一つに、「成長角度が緩やかなメンバーをどう扱うか」がある。これを「意志が低い」と単一軸で診断するのは危険だ。「成長していないように見える」状態の背後には、少なくとも次の5つの要因が絡んでいる（本記事による整理。SDT⁷の動機構造、産業保健の枠組み、キャリア研究の知見を実務的にマッピングしたもの）。

要因	中身	EMが単独で扱える？
能力特性	学習速度や抽象化能力の個人差、神経多様性（ADHD・ASD等）、職務とのスキルミスマッチ	❌ 産業医・専門家の領域
状況要因	介護・育児・健康問題、メンタル不調、経済的・身体的余裕の欠如	❌ 人事・産業医・カウンセラーの領域
キャリア観の選択	仕事を生活手段と割り切る合理的判断、ライフフェーズ（子育て期の一時的低下、終盤キャリアの安定志向）	△ 本人と人事の協議
環境要因	学習機会の不在、心理的安全性の欠如、ロールモデル不在	⭕ EMと組織の責務
動機構造	SDT7の3ニーズ（自律性・有能感・関係性）の長期的欠落	△ 環境整備はEM、深部は専門家

EMが「やる気がない」と判断したケースの多くは、実際には能力特性（神経多様性）、状況要因（介護中・うつの初期）、キャリア観（合理的な割り切り）の表れである可能性がある。5つの要因を切り分けて評価するには、産業医、産業カウンセラー、キャリアコンサルタント、組織開発の専門家といった異なる専門知が必要になる。

つまり「対人専門マネジメントを専門家に渡すべき」というのは、EMの負担軽減のためではなく、そもそも診断自体がエンジニアの素人手では誤診のリスクが高すぎるからだ。Performance Improvement Plan（PIP）一つを取っても、業界調査では成功率は概ね40〜60%程度の幅で報告されており（包括的な支援構造下で改善する傾向が示唆される）¹¹、米国型のPIPは日本では労働契約法第16条の制約上「解雇予告」として機能せず、長期の記録化と改善支援措置が必須となる¹¹。これも人事・法務の専門領域だ。

管理スパンが境界線を強化する

Harvard Business Reviewの研究では、CEO平均の管理スパンは1980年代の約5名から2000年代に約10名へと倍増している¹²。知識労働者では15〜20名でも管理可能とされる一方、複雑な役割では3〜6名が適切とされる¹²。複雑な対人問題（5要因のいずれか）を抱えるメンバーが1人入った瞬間、適正スパンは大きく縮む。にもかかわらず、日本のEMはプレイヤー業務とスパンを同時に維持することを暗黙に求められる。

領域の分離なしに、この負荷をEMが吸収する道はない——これが第二の分離だ。

分離3：議論レイヤーの分離——法的事実・心理学的傾向・個人の価値観

第三の分離は、議論の中で法的事実・心理学的傾向・個人の価値観を混ぜないことだ。これらをごちゃ混ぜにすると、しばしば不毛な「成長すべき／すべきでない」論争に陥る。

レイヤー	性質	例
法的事実	個人がどう考えても変わらない制約	業務時間外学習の強制不可、労働契約法第16条による解雇規制、安全配慮義務
心理学的傾向	エビデンスベースの確率的傾向、個人差あり	SDT、JD-R、Project Oxygenの効果的行動
個人の価値観	正解が一つではなく、本人の選択	業務外で学ぶ／学ばない、マネジメントをやりたい／やりたくない、成長を志向する／割り切る

レイヤー1：法的事実

労働法上、企業は労働者の業務時間外活動を強制する権利を持たない。アクシアの米村歩が論じる「業務時間外学習の暗黙強要は企業の傲慢」という主張は、価値観の議論ではなく労働法的に合理的な整理として扱える¹³。同様に、解雇に「客観的かつ合理的な理由」を要求する労働契約法第16条¹¹も、個人がどう考えても変わらない事実だ。

レイヤー2：心理学的傾向

SDTやJD-Rが示すのは、特定の介入が平均的に望ましい結果をもたらす確率的傾向である⁷⁸。「外部圧力で内発的動機を強制すると逆効果になりがち」「リソース不足で要求が増えると燃え尽きやすい」というのはエビデンスベースの傾向であって、個人差を否定するものではない。「外部圧力に屈しない強い動機を持つ人」「要求が高くても燃え尽きない人」は確実に存在する。心理学的傾向はあくまで設計のデフォルト値として扱う。

レイヤー3：個人の価値観

「業務外で学ぶか学ばないか」「成長を志向するか割り切るか」「マネジメントをやりたいかやりたくないか」——これらは本質的に個人の価値観の問題であり、外部から「こうあるべき」と決められるものではない。業務外でも自己研鑽したい人もいれば、業務時間外を完全に切り離したい人もいる。どちらが正しいかは決まっていない。

業務外学習を強要しないことは法的・心理学的に合理的だが、それは「業務外で学びたい人を否定する」ことを意味しない。業務外で学ぶ本人の選択は尊重されるべきで、それを暗黙の前提にして全員に課すことが問題なのだ。

3レイヤーを混ぜない実務的含意

EMが「成長してほしい」と部下に伝えるとき、自分が何を根拠にしているかを自問する価値がある。

• 法的・契約的な期待（業務時間内で達成すべき水準）→ 明示的に伝えてよい
• 心理学的傾向に基づく示唆（学び続けると長期的に有利という確率的傾向）→ 情報提供として伝える
• 個人の価値観に踏み込む期待（「もっと向上心を持ってほしい」）→ 慎重に。本人の人生選択への介入になりうる

3つを混同すると、EMは業務上の期待のつもりで部下の人生観に介入してしまう。これは部下のプレッシャーになるだけでなく、EM自身が「育成責任」として無限の負担を抱える原因になる。

これが第三の分離だ。

業務外学習をめぐる現実——理想・幻想・選別の境界

3つの分離を整理した上で、もう一段現実的な論点に踏み込む必要がある。業務時間外学習をめぐる組織と個人の関係だ。ここは「労働法的に強要できない」という整理で議論を終わらせると、現実とのズレが大きくなる領域だ。

学習量と成果の現実：データが示すこと

現代のITスキルは陳腐化が速い。複数の業界研究では一般スキルの半減期は約5年、IT技術スキルは3年未満とされる¹⁴。World Economic Forum『Future of Jobs Report 2025』は、2025〜2030年で39%のスキルが陳腐化または変質すると予測している¹⁵。

日本の自己学習の現状はその速度に追いついていない。

指標	数値	出典
自己啓発実施率（労働者全体）	36.8%	厚労省『能力開発基本調査』202416
自己啓発実施率（国際比較・日本）	27.2%（7ヶ国中下位）	リクルート『Global Career Survey 2024』17
高習熟度成人の学習参加率	52%（OECD平均70%）	OECD PIAAC 202318
企業の能力開発費GDP比	0.1%（欧米は1%以上）	厚労省分析16

業界トップ層では Stack Overflow Developer Survey 2024 が 68%の開発者が趣味でコーディング、40%が業務外で職業発展のために自習と報告している¹⁹。世界の上位エンジニアは明らかに業務外でも学んでいる。日本の自己啓発実施率の低さとグローバル開発者の業務外学習の高さの間には、明確な落差がある。

つまり、「業務時間内学習だけで業界水準に追いつく」前提は、現実には成立していない。これは個人の意志の話ではなく、スキル陳腐化速度と業界の学習慣行から導かれる構造的な事実だ。自主的に学ぶ人のほうが結果として高いパフォーマンスを発揮する確率が高いのは、研究データからも経験則からも支持される。

理想モデル：環境による自然な伸び

では、業務外学習を強要できないとすれば、組織は何ができるのか。理論的に支持される筋道は「環境を通じた内発的動機の自然な発達」だ。

• ピアエフェクト研究: Mas & Moretti (2009, American Economic Review 99(1), 112-145, DOI: 10.1257/aer.99.1.112) は、生産性の高い同僚と一緒に働くと自分の生産性も上がるピア効果を実証している（スーパーマーケットレジ係の自然実験で同僚の恒常的生産性が10%上昇すると対象労働者の生産性が約1.5%上昇、弾力性約0.15）²⁰
• コミュニティ・オブ・プラクティス: Lave & Wenger (1991) の『Situated Learning』が提唱する「正統的周辺参加」モデルは、実践共同体への参加を通じて学習が進むプロセスを論じる²¹
• SDTの内在化プロセス: Deci & Ryan は、動機が 外的調整 → 取り入れ調整 → 同一視調整 → 統合調整 → 内発的動機 の5段階で内在化することを示す⁷。自律性・有能感・関係性が満たされる環境ほど内在化が進む
• 興味発達の4段階モデル: Hidi & Renninger (2006, Educational Psychologist 41(2), DOI: 10.1207/s15326985ep4102_4) は、興味が 状況的興味の喚起 → 維持された状況的興味 → 出現した個人的興味 → 十分に発達した個人的興味 の4段階で発達することを示す²²。組織が提供する「状況的興味のきっかけ」が、長期的に個人的興味を育む土壌になる

これらが共通して示すのは、「同調圧力で強要する」のではなく「周囲が学んでいることから自然に楽しさを知って伸びる」道が理論的に存在することだ。Csikszentmihalyi のフロー理論²³が説く「能力とチャレンジが釣り合ったときの没頭」も、こうした環境から立ち上がる。組織の責任は、社内勉強会、ペアプログラミング、業務時間内学習機会、書籍購入補助、カンファレンス参加補助、業務時間内の探索的時間枠といった機会を提供することにある。

現実：理想モデルが機能する人材は希少

ただし、この理想モデルが全員に同じように機能するわけではない。

• Mas & Moretti のピア効果の効果量は弾力性約0.15（同僚生産性10%増加で本人1.5%増加）にとどまり、「ある」が「劇的ではない」²⁰
• PIAAC 2023の日本データが示すのは、学習文化があっても約半数は参加しない現実だ¹⁸
• Stack Overflow の「趣味でコーディング」回答68%の裏返しは、業界トップ層でも32%は趣味ではコードを書かないことでもある¹⁹
• SDTの内在化研究も、すべての人が内発的動機にまで到達するわけではないことを繰り返し言及している⁷

つまり、「楽しみを知って伸びる」道は理論的に存在するが、そこに到達できる人材は希少だ。組織側の「環境を整えれば全員変えられる」という幻想と、個人側の「強要されれば伸びる」という幻想を、研究データは同時に否定する。

有能・無能ではなく適材適所——動機だけでは越えられない壁

ここで一つの誤解を解いておきたい。「学ばない人をどう扱うか」の議論は、しばしば「有能か無能か」の二項対立に滑る。これは科学的にも実務的にも誤りだ。

組織心理学のPerson-Job Fit（人と職務の適合性）研究は、同じ個人でも、職務との適合性が変われば仕事満足・組織コミットメント・パフォーマンスが大きく変動することを示している。Kristof-Brown, Zimmerman & Johnson の『Personnel Psychology』58巻のメタ分析（172研究）では、Person-Job Fit と仕事満足の相関はρ = .56、組織コミットメントとの相関はρ = .47、業務パフォーマンスとの相関はρ = .20と中〜大の効果量が報告されている²⁴。つまり、「学ばない人＝無能」という固定的評価は科学的に支持されない。学ばないように見える人も、別の役割では強みを発揮しうる。

Buckingham & Clifton の『Now, Discover Your Strengths』(2001) は、強みを活かす役割への配置がエンゲージメントと生産性を高めることを示し²⁵、Wrzesniewski & Dutton の『Academy of Management Review』26巻のジョブ・クラフティング論文は、職務を本人の強みに合わせて再構築する発想の有効性を論じている²⁶。「人を職務に合わせる」一方向ではなく、「職務を人に合わせる」という双方向の発想だ。

加えて、「やりたい気持ち」だけでは越えられない壁が存在する。SDTの3ニーズの一つ「有能感（Competence）」が満たされない環境では、動機は持続しない⁷。認知特性、神経多様性、ライフステージ、身体的条件など、本人の意志ではコントロールできない要因が、特定の職務とのフィットを決める。

この視点は、前述の5要因マトリクス（能力特性・状況要因・キャリア観・環境・動機）と直接接続する。能力特性・状況要因は本人の意志でコントロールできない領域であり、これらを「やる気の問題」と誤診することは、本人を傷つけるだけでなく、組織も最適配置の機会を失う。「無能だから外す」のではなく、「この役割と合っていないから別の役割へ」が現実的な処方になる。

帰結：採用ではフィルタリング、既存社員には適材適所

ここから導かれる実務的な帰結は、対象によって異なる手段を取り分けることだ。組織は次の3つを同時に行う。

1. 学習機会の提供（環境整備）：社内勉強会、ペアプロ、業務時間内学習、書籍購入補助、カンファレンス参加など。これは組織の責任として実装する。
2. 採用時はフィルタリングで対応：自律的学習を要求する高度な役職には、入口（採用基準）で「自律的学習の習慣」を要件化することは合法かつ合理的であり、誤解の余地が少ない。「業務時間で完結する役割」と「自律的学習が前提の役割」を雇用契約の段階で明確に分けておくことは、後述する既存社員対応のトラブルも未然に防ぐ。
3. 既存社員は適材適所で対応：雇用継続中の社員に業務外学習を強要することは法的・心理学的にNGだが、Person-Job Fit 研究²⁴が示す通り、同じ人でも役割を変えればパフォーマンスは大きく変わる。「学ばない＝無能」と評価せず、能力特性・状況要因に合った役割への配置（保守・運用・ドキュメント・サポート・QAなど、業務時間内で完結する役割は組織内に存在する）を探索する。

「機能しない場合」も、いきなり解雇ではなく段階的プロセスを踏む。ブルームバーグ・エル・ピー事件（東京高判平成25.4.24）では、3度のPIPを経た能力不足解雇でも無効と判断され、「労働契約の継続を困難とするほどの重大な能力低下」と「改善見込みなし」の双方が要求された²⁷。配置転換命令権についても東亜ペイント事件（最判昭和61.7.14）の3要件（業務上の必要性／不当な動機・目的でない／通常甘受すべき程度を著しく超える不利益でない）の範囲で行使する必要がある²⁸。さらに滋賀県社会福祉協議会事件（最判令和6.4.26）では、職種限定合意がある労働者には本人同意なしの配転は不可との初判断が示された²⁹。エンジニア職限定の合意があるかどうかが、職種変更の可否を分ける。

これらの段階的プロセスを組織として運用する際の科学的支柱が組織的公正性（Organizational Justice）だ。Colquitt の『Journal of Applied Psychology』86巻のメタ分析では、分配的・手続き的・対人的・情報的の4次元の公正が組織コミットメントと職務パフォーマンスに有意な影響を与えることが確立されている³⁰。「自分の選択の結果」を本人が納得するためには、(1)機会が客観的に提供されていたこと、(2)評価プロセスが透明であること、(3)結果の予測可能性があったこと、(4)本人への説明と聴聞、の4要件すべてを満たす必要がある。これらが欠けると、組織コミットメント低下と訴訟リスクの双方を抱えることになる。

総括すると、組織は「機会を提供する責任」と「適材適所を探索する責任」の両方を持つ。本人の側でも「学ぶ／学ばない」は最終的に本人の選択であり、その選択の結果としてフィットする役割が変わる。これは法律違反を助長する話ではなく、法的境界の中で、自律性と組織責任の現実的なバランスを取るということだ。

「全員が学習を楽しむ組織」は理想として目指す価値があるが、それが実現する確率は研究的にも限定的であることを認めた上で、採用時はフィルタリング・既存社員には適材適所という対象別の使い分けを徹底する。これが、人を潰さずに組織のスキル水準を維持する道だ。

日本特有の構造的増幅要因

3つの分離と業務外学習をめぐる現実は、多かれ少なかれ国際的な課題でもある。しかし日本では、4つの構造的要因がこれを増幅する。一つは制度設計の不在（専門マネージャー不在）、二つ目は運用の常態化（プレイングマネージャー化）、三つ目は法制度の構造（解雇規制とメンバーシップ型）、四つ目は人材配置の累積的帰結（適材ではない上層の固定化）だ。

専門マネージャー不在

日経ビジネスの木村岳史は、米国型の専門職キャリアトラック（Engineer→Senior→Staff→Principal→Distinguished、報酬は対応する管理職レベルと同等）が日本企業に普及していない問題を指摘している⁴。日本では「技術者でいたい。だから管理職にはならない」という意思表明が「向上心がない」評価に翻訳される⁴。形式上の専門職制度を持つ大手SIerでも実質的には機能していないケースが多い。

オムロンが2005年に整備した4階層の専門職制度（トップは「フェロー」、報酬は管理職同等以上）のような事例はあるが、日本企業全体への普及は限定的だ³¹。さらにAllen & Katz らのデュアル・ラダー研究では、技術トラックが管理トラックよりステータスと報酬で劣後しやすい構造的問題、上司の役割が部下の昇進経路に過大な影響を与えるゲートキーパー効果も指摘されている³²。トラックを「作る」だけでは「絵に描いた餅」になる。

プレイングマネージャー化の常態

前述の通り、日本の管理職の96%がプレイングマネージャーで、プレイヤー業務比率39.9%¹は推奨上限の30%¹を既に超えている。3つの分離をしないまま、対人専門マネジメントを追加で乗せれば破綻するのは数字上明らかだ。AI時代には、AIマネジメントスキル（全員の個人スキル）の習得がEMにも個人として求められることで、プレイヤー業務の中身は変わるが時間圧迫は緩和されない——むしろ高度化する。重要なのは、これを「EMの新たな責務」として組織が降ろさず、全員が個人で身につけるべきスキルとして位置づけることだ。

労働法構造：解雇規制とメンバーシップ型の循環

3つ目の増幅要因は、日本の労働法構造そのものだ。OECDの雇用保護指標（EPL）では、日本の正規雇用の解雇規制はOECD諸国の中でも比較的強い部類に位置する³³。OECD(2007)の分析では、解雇規制が1単位変化することで労働生産性の年成長率は0.02%、TFP（全要素生産性）の年成長率は0.04%、統計的に有意に低下すると推計されている³³。日本の勤続1年以内社員の割合は7.3%にとどまり、人材の流動性は国際的に著しく低い³³。

濱口桂一郎は『ジョブ型雇用社会とは何か』（岩波新書 2021）で、日本の雇用が職務（ジョブ）ではなく会員制度（メンバーシップ）として組まれていること、そして整理解雇の厳格な規制（4要件）が「メンバーシップ型雇用を後追いする形で裁判所が判例を積み上げ立法化された」結果、「メンバーシップ型から抜け出せない循環構造」を生んでいると指摘する³⁴。ジョブ型では職務の消滅は正当な解雇理由となるが、メンバーシップ型では職務が消えても他の職務へ異動させる義務があり、それが配転命令権の広さや、能力不足解雇の認められにくさに直結する。

ここから罰ゲーム化への接続が見える。EMが「機能しないメンバー」を抱え続けざるを得ないのは、本人の温情ではなく、解雇規制と整理解雇法理が「他職務への配置転換」を組織に要求するからでもある。配置転換にしても、滋賀県社協事件²⁹の通り職種限定合意があれば本人同意が要る。結果として、EMは「外せない・配置できない・成長させきれない」三重の制約の中で対人マネジメントを背負う。

ただし注意したいのは、OECDが最も問題視するのは正規雇用の保護そのものではなく、それが正規/非正規の二極化を生み出している点だという指摘である³³。「規制を緩和すれば全て解決する」は単純化で、規制と労働市場の流動性の関係には複数の論点がある。本記事の立場は規制改革論ではなく、「現行法の構造が罰ゲーム化を増幅している側面を認識した上で、組織と個人ができることを最大化する」ことにある。労働法そのものの是非は別の議論として開かれている。

適材ではない上層の固定化——ピーターの法則 × 年功序列

4つ目の増幅要因は、メンバーシップ型雇用と年功序列の組み合わせが適材ではない人を上位ポストに固定化する傾向を生むことだ。これが現場EMの罰ゲーム化を上層から増幅する。

Laurence J. Peter と Raymond Hull の『The Peter Principle』(1969) は、階層組織で 「人は自分の無能のレベルまで昇進する」 という構造的観察を提示した³⁵。成果を出すと次のポストに昇進し、能力を発揮できなくなったポストで滞留する——結果、組織は「そのポストで成果を出せない人」で埋まりやすい。

近年、Benson, Li & Shue の『The Quarterly Journal of Economics』134巻論文（2019, DOI: 10.1093/qje/qjz022）”Promotions and the Peter Principle” が、米国131社・38,843名のセールスワーカーのデータでピーターの法則を実証した³⁶。高い営業成績を出した人が管理職に昇進するが、営業成績は管理職としての成果を予測しないことが確認されている。「優秀なエンジニアが優秀な対人マネージャーになる」保証はない——これは本記事の中核命題（個人スキルとしてのエンジニアリング／AIマネジメントと、専門領域としての対人マネジメントは別物）と直接整合する。

日本のメンバーシップ型雇用では、この傾向がさらに強まる。米国型の専門職トラックがない⁴ため昇進ルートが管理職一本に集約される。日本の課長昇進年齢は40歳前後（他国は28〜34歳）と遅く²、勤続年数による「番が回ってきた」昇進が常態化している。内閣府経済社会総合研究所のJapan Management and Organizational Practices Survey（Bloom & Van Reenen の World Management Survey の日本版）でも、日本企業は「監視と目標設定」スコアは平均超だが「インセンティブ」（実績連動）は平均より低いと報告されており、能力評価ではなく勤続年数や年齢で選抜されている実態と整合する³⁷。

ここから、現場EMには次の二次的負担が乗る。

1. 技術判断の質低下：AI投資、開発体制、技術選定を上層が判断する際、現場の合理的判断が覆される
2. 評価軸の古さ：「コードを書ける人」「学び続ける人」より「長くいる人」が評価される文化が再生産される
3. 専門マネージャー不在の再生産：上層自身が「マネジメントは専門職」と認識していないため、専門職トラック整備への投資が進まない
4. AI時代への対応遅れ：上層がAIマネジメントスキル（全員の個人スキル）に疎いと組織全体のトランスフォーメーションが遅れ、現場EMが追加負担を吸収する
5. 「上長自身が成長しない人」ケース：前述の5要因マトリクスは部下だけでなく上層にも適用される。上層が能力特性・状況要因の課題を抱えている場合、現場はそれを誤診も指摘もできないまま振り回される

つまり、最初に挙げた「専門マネージャー不在」は単なる制度設計の不在ではなく、メンバーシップ型雇用の累積的帰結として『適材ではない上層』が固定化される構造そのものでもある。EM個人の罰ゲーム化を解くには、現場の3分離だけでなく、上層自身にもPerson-Job Fit²⁴の観点を適用することが避けられない。

ただし、これも「上層を全部入れ替えれば解決」という単純化は避けたい。長年その組織にいることで蓄積される文脈知や人間関係資本は組織の資源であり、それを否定すれば別の問題を生む。鍵は、上層の役割を「管理職としての適性」と「組織内文脈知の保持者」に分離する設計——専門職トラックの実質化（後述の組織編原則4）は、現場のエンジニアを罰ゲームから救うだけでなく、上層の適材適所問題への処方箋でもある。経験豊富だが管理職としての適合度が低い上層に、技術知見や組織知見を活かす別の役割（フェロー、技術顧問、メンター職など）を提供することで、組織は知見を失わずに役割をマッチさせ直せる。

4要因の積み重ね

これら4つの増幅要因が組み合わさり、日本のITエンジニアのEMは最も分離が必要な状況で、最も分離されていない仕事を渡される構造に置かれている。専門職トラックがなく管理職一本道、プレイヤー業務40%が常態、解雇規制で機能しないメンバーも抱え続ける義務、そして上層自身が適材適所問題を抱える——一つずつなら吸収できるかもしれないが、4つが同時に作用するのが日本の現実だ。

処方箋（組織編）：分離を制度化する4原則

以上の診断を踏まえると、組織が取るべき処方箋は明確になる。3つの分離を個人の頑張りではなく制度として実装することだ。

原則1：マネジメントを3層に明示的に分離する

「マネージャー」という一つの職位に、AIマネジメント・業務マネジメント・対人専門マネジメントを束ねないこと。特に注意すべきはAIマネジメントを「EMの新たな責務」にしないことだ。

層	担当	中核スキル
AIマネジメント（個人スキル）	全員（職位を問わず）	タスク粒度設計、出力レビュー、TRM評価
業務マネジメント	EM	1on1、評価、業務上のフィードバック
対人専門マネジメント	人事プロ・産業医・外部コーチ・組織開発	メンタル評価、キャリア再設計、長期低パフォ対応

EMは2層目を担い、3層目は組織として「専門家に渡す導線」を整備する。1層目（AIマネジメント）はEMだけでなく全エンジニア・全働く人が個人スキルとして身につけるべきものであり、組織は教育機会・ツール環境・ベストプラクティス共有を全員に提供する責任を持つ。「AI活用が遅れている部下のサポートはEMの責任」という丸投げを避け、組織全体の人材育成施策として位置づけ直すことが重要だ。

原則2：エスカレーション基準を制度化する

「いつEMが抱え込みをやめて専門家にエスカレートするか」を制度化する。これは責任放棄ではなく組織的な責務遂行だ。

• 1on1で3回連続で同じ問題が出る → 人事に共有
• メンタル不調の兆候（睡眠・食欲・集中力の変化、自己否定の増加）→ 産業医面談を即時セット
• 6ヶ月以上のパフォーマンス停滞 → 配置転換／PIP判断を人事と協議
• ハラスメント疑義 → 即時コンプライアンス連携（EMが調査主体にならない）

原則3：プレイング比率を制度的に下げる

前述の通り、推奨されるプレイヤー業務比率は30%未満程度とされるが、日本の実態（加重平均39.9%）¹は既に上限付近にあり、対人マネジメント負担を吸収する余裕はない。

組織として「管理職のプレイング比率を30%未満に抑える」と宣言し、(1) 管掌人数の見直し、(2) チーム規模の適正化（複雑な役割では3〜6名スパン¹²）、(3) リードエンジニアへの技術判断委譲、(4) 人事・組織開発専門家による対人領域支援、を制度化する。

原則4：専門職トラックを実質化する

オムロンのフェロー制度のように、4階層・管理職同等以上の報酬・専用研究予算といった実体のある専門職トラックを整備する³¹。ただしデュアル・ラダー研究³²が示す通り、トラックを作るだけでは不十分だ。運用文化（専門職への異動を降格と見なさない）、評価指標（管理経験への偏重排除）、上位ポストの実存（Distinguished EngineerやFellowが実際に存在する）まで揃えて初めて機能する。

処方箋（個人編）：EMの日々の振る舞いに3分離を埋め込む

組織制度の整備には時間がかかる。並行して、EM個人が日々の運用に3分離を埋め込むこともできる。

分離1（対象）の実践：AIマネジメントスキルを意識的に伸ばす（ただしEM特有の責務として抱え込まない）

AIエージェントへの委譲、レビュー、TRM評価を意図的に練習する。これはEMだから必要なのではなく、AI時代の全働く人の個人スキルとして必要だ。エンジニアとしての市場価値の維持にも直結する。プレイヤー業務の中身を「コードを直接書く」から「AIへの設計委譲とレビュー」にシフトすることで、プレイング比率を維持しつつ技術関与を続ける道がある。

ここで気をつけたいのは、「AI活用が遅れているメンバーをEMが責任を持って引き上げる」という思考に陥らないことだ。AIマネジメントは個人スキルであり、メンバー個人が業務時間内に学習する責任を負う領域だ。EMは「学習機会を提供する」「業務時間内学習を奨励する」という環境整備の責任は持つが、個人のAI活用習熟度の責任を一人ひとり追うのはEMの仕事ではない。これを混同するとAIマネジメントの負担が対人マネジメントに転化し、EMの罰ゲーム化を加速する。

分離2（領域）の実践：5要因マトリクスを判断ツールにする

「成長していないように見える」メンバーに直面したとき、5要因マトリクスを判断ツールとして使う。能力特性・状況要因・キャリア観・環境要因・動機構造のどれが効いているかを切り分け、自分が扱える範囲を超える要因が見えたら、躊躇なく人事・産業医・外部コーチに繋ぐ。

「自分が育成しきれなかった」と抱え込まない。抱え込みが罰ゲーム化スパイラルの起点だ。

分離3（レイヤー）の実践：自分の発言を3レイヤーで自問する

部下に何かを伝える前に、自分が何を根拠にしているかを自問する。法的・契約的な期待か、心理学的傾向に基づく情報提供か、個人の価値観への介入か。3つ目に該当する場合は、伝え方を慎重にする。

特に「もっと向上心を持ってほしい」「業務時間外も学習してほしい」といった発言は、価値観への介入のサインだ。これを業務上の期待と取り違えると、部下のプレッシャーとEM自身の負担を同時に増やす。

分離を超えて：行動量で運を手繰り寄せる

3分離は罰ゲーム化を止める「守りの実践」だ。だがそれと並ぶもう一つの実践がある——没頭できる何か・適材適所な人材との出会いを「行動量」で確率的に増やすことだ。

個人にも管理側にも、運の要素は確かに存在する。個人にとっての運は、フロー状態（没頭できる何か）に出会えるかどうか²³。管理側にとっての運は、その役割に没頭できる人材を見つけられるかどうか（Person-Job Fit の探索）²⁴。だがこの運は、完全な偶然ではない。

Krumboltz の Planned Happenstance Theory（Journal of Career Assessment 17巻、2009）は、キャリアにおける偶発的機会は計画的に増やせると論じる。鍵は5つの行動特性——好奇心、持続性、柔軟性、楽観性、リスクテイク——の組み合わせだ³⁸。Granovetter の古典的論文「弱いつながりの強さ」（American Journal of Sociology 78巻、1973）も、機会の多くは強い人間関係ではなく幅広い弱いつながりから訪れることを示している³⁹。

実装は単純だ。EM個人としては、社内勉強会への参加、新しい技術への気軽な試行、社外コミュニティへの顔出し、雑談の幅を広げる——これらは「学習の強要」ではなく「運を手繰り寄せる行動」として捉え直す。組織として「優秀な人材を採用する」だけでは運任せになる。多様な役割を用意し、入口を広く開け、社内異動の機会を増やす——これらの行動量が、適材適所マッチングの確率を上げる。

行動量が運を手繰り寄せる——これは個人にも管理側にも共通する原則だ。本記事で示した「3つの分離」「4つの増幅要因への対応」「適材適所」「学習機会の提供」といった処方箋は、すべて運の確率を上げるための行動の体系化として読み直すこともできる。

まとめ

日本のITエンジニアリングマネージャーが罰ゲーム化する理由は、感情論ではなくデータと構造の問題である。プレイングマネージャー96%¹、管理職意欲21.4%²、エンゲージメント6%³——最も分離が必要な仕事を、最も分離せずに一人のEMに押し込める構造ができている。

罰ゲームを止めるには、まず3つの分離が必要だ。

1. 対象の分離：AIマネジメントは全員の個人スキルとして伸ばす（EM特有の責務にしない）、対人マネジメントは別物として管理職の領域に据える
2. 領域の分離：業務マネジメントはEMが担い、対人専門マネジメントは専門家に渡す（5要因マトリクスを誤診回避の判断ツールとする）
3. 議論レイヤーの分離：法的事実・心理学的傾向・個人の価値観を混ぜない

その上で、日本では4つの構造的要因が罰ゲーム化を増幅していることを認識する：専門マネージャー不在⁴・プレイング常態化¹・労働法構造（解雇規制とメンバーシップ型）³³³⁴・適材ではない上層の固定化（ピーターの法則 × 年功序列）³⁵³⁶。5要因マトリクスは部下だけでなく上層にも適用されることを忘れてはならない。

処方箋は、組織として制度化する4原則（3層分離、エスカレーション基準、プレイング比率30%未満、専門職トラック実質化）と、EM個人として日々の振る舞いに埋め込む3つの実践だ。

「業務外で学ぶべきか」「マネジメントをやるべきか」「成長を志向すべきか」——これらは最終的に本人と組織の選択であり、唯一の正解はない。ただし現実として、IT技術スキルの半減期は3年未満¹⁴・WEF予測では2025〜2030年で39%のスキルが陳腐化する¹⁵という構造があり、自主的に学ぶ人のほうが結果として高いパフォーマンスを発揮する確率は高い。組織は「学習機会を提供する責任」を果たしつつ、採用時はフィルタリング・既存社員には適材適所という対象別の使い分けで対応する。Person-Job Fit メタ分析²⁴が示すように、「学ばない＝無能」ではなく「役割と合っていないだけ」のケースが多い。

「AIマネジメントは管理職の仕事」幻想、「全員成長」幻想、「エンジニアなら対人マネジメントもできるはず」幻想、「環境を整えれば全員変えられる」幻想——この4つを同時に手放したとき、初めて人を潰さない設計が見えてくる。

AIに対するマネジメントは全員が個人スキルとして伸ばす。人間の専門領域は専門家に渡す。価値観の領域は本人の選択を尊重する——この3つの境界線を組織として明示することが、罰ゲーム構造を止める出発点だ。さらに、没頭できる何か・没頭できる人材に出会えるかには運の要素があるが、その運は普段の行動量で手繰り寄せられる^23383922。構造を整える努力と、運を手繰り寄せる行動量——両方が罰ゲームを抜けるための車輪だ。

関連記事

このテーマに関連する他の記事もご覧ください：

• 現状を変える「決められるリーダー」の条件 - リーダーシップ構造の論点
• ツーピザからワンピザへ——AIでチームが半分になる時、何が失われるか - 管理スパンとチーム規模の発展論
• 深掘り人材を活かせない企業の転換ガイド - 5要因マトリクスの「能力特性」深掘り
• 氷河期世代の「熱湯育成」はなぜZ世代に届かないのか - SDTと世代間ミスマッチの実証
• 深さの専門家のAIプレイブック - 専門職トラックとしての価値設計

参考資料

本文中の引用番号に対応する参考資料を番号順に記載しています。

その他参考資料（本文中で番号引用なし）

• 罰ゲーム化する管理職 バグだらけの職場の修正法 - 小林祐児, 集英社インターナショナル (2024年2月). HRアワード2024書籍部門優秀賞. 【信頼性: 高】
• Job Resources Buffer the Impact of Job Demands on Burnout - Bakker, Demerouti & Euwema, Journal of Occupational Health Psychology, 10(2) (2005). JD-Rモデルの拡張. 【信頼性: 高】

1. 9割以上の部長がプレイングマネジャーという実情 - HRプロ／産業能率大学総合研究所調査 (2019年3月実施／2020年2月公開、調査対象：従業員100人以上の上場企業の部長). 【信頼性: 中〜高】 ↩︎ ↩︎² ↩︎³ ↩︎⁴ ↩︎⁵ ↩︎⁶ ↩︎⁷ ↩︎⁸

2. 罰ゲーム化する管理職―「強いミドル」は復活するのか - 小林祐児, パーソル総合研究所 (2025年12月15日). 【信頼性: 高】 ↩︎ ↩︎² ↩︎³ ↩︎⁴ ↩︎⁵ ↩︎⁶ ↩︎⁷

3. State of the Global Workplace 2024 - Gallup (2024年版). 日本のエンゲージメント率6%、東アジア平均18%、世界平均23%。【信頼性: 高（公式国際調査）】 ↩︎ ↩︎² ↩︎³

4. 技術者を管理職に出世させる愚かな日本企業　タコツボ組織がDXを阻む - 木村岳史, 日経ビジネス (2026年4月16日). 【信頼性: 高】 ↩︎ ↩︎² ↩︎³ ↩︎⁴ ↩︎⁵ ↩︎⁶

5. The Manager’s Path - Camille Fournier, O’Reilly Media (2017). 【信頼性: 高（業界標準の専門書）】 ↩︎ ↩︎²

6. High Output Management - Andrew S. Grove, Random House (1983, 改訂版あり). 【信頼性: 高（古典的経営書）】 ↩︎ ↩︎²

7. Self-Determination Theory and the Facilitation of Intrinsic Motivation, Social Development, and Well-Being - Ryan & Deci, American Psychologist, Vol. 55(1), pp. 68-78 (2000). 関連: Self-determination theory and work motivation - Gagné & Deci, Journal of Organizational Behavior, 26(4), pp. 331-362 (2005, DOI: 10.1002/job.322). 【信頼性: 高（査読論文・被引用多数）】 ↩︎ ↩︎² ↩︎³ ↩︎⁴ ↩︎⁵ ↩︎⁶ ↩︎⁷ ↩︎⁸ ↩︎⁹

8. The job demands-resources model of burnout - Demerouti, Bakker, Nachreiner & Schaufeli, Journal of Applied Psychology, 86(3), pp. 499-512 (2001, DOI: 10.1037/0021-9010.86.3.499). 【信頼性: 高（査読論文）】 ↩︎ ↩︎² ↩︎³

9. An Elegant Puzzle / Staff Engineer: Leadership beyond the management track - Will Larson, Stripe Press (2019/2020). 【信頼性: 高（大規模テック企業実践に基づく専門書）】 ↩︎

10. Google’s Project Oxygen - Harvard Business School Case (2008年開始、2018年に10項目に拡張). 【信頼性: 高】 ↩︎

11. Performance Improvement Plan Success Rate - Umbrex（HR業界KPI解説）. PIPの完了率・成功率は調査によって幅があり、Blind調査では41%、包括的支援構造下のケースで46〜60%程度との報告がある（複数のHR業界調査による）. 関連: The PIP Trap: Why PIPs Don’t Mean What You Think in Japan - TokyoDev（日本の労働契約法第16条制約）. 【信頼性: 中】 ↩︎ ↩︎² ↩︎³

12. How Many Direct Reports? - Harvard Business Review (2012年4月号). 関連: Span of Control and Span of Attention - Harvard Business School Working Paper. 【信頼性: 高】 ↩︎ ↩︎² ↩︎³

13. 「プライベートでは一切勉強したくない」と言っていた社員のこと - 米村歩, 株式会社アクシア (2018年9月7日). 【信頼性: 中】 ↩︎

14. The half-life of skills is shrinking — what it means for L&D - Skillable／IBM研究等のレビュー (2024). 一般スキル半減期約5年、IT技術スキル3年未満. 関連: An Engineering Career: Only a Young Person’s Game? - IEEE Spectrum. 【信頼性: 中（業界レビュー）】 ↩︎ ↩︎²

15. Future of Jobs Report 2025 - World Economic Forum (2025年1月). 2025〜2030年で39%のスキルが陳腐化または変質. 【信頼性: 高（公式国際レポート）】 ↩︎ ↩︎²

16. 令和6年度「能力開発基本調査」結果 - 厚生労働省 (2024年11月公表). 自己啓発実施率36.8%（正社員45.3%、非正社員15.8%）. 企業教育訓練費GDP比は同省分析・複数報道による. 【信頼性: 高（政府統計）】 ↩︎ ↩︎²

17. Global Career Survey 2024 - リクルートワークス研究所 (2024). 7ヶ国比較：日本の自己啓発実施率27.2%、OJT実施率44.3%. 【信頼性: 高（大規模国際比較）】 ↩︎

18. Survey of Adult Skills (PIAAC) 2023 — Japan Country Note - OECD (2024年12月). 日本の高習熟度成人の学習参加率52%（OECD平均70%）. 【信頼性: 高（OECD公式統計）】 ↩︎ ↩︎²

19. Stack Overflow Developer Survey 2024 - Stack Overflow (2024). 68%が趣味でコーディング、40%が業務外で職業発展のために自習. 【信頼性: 中〜高（業界大規模調査）】 ↩︎ ↩︎²

20. Peers at Work - Mas & Moretti, American Economic Review, 99(1), 112-145 (2009, DOI: 10.1257/aer.99.1.112). 同僚の恒常的生産性が10%上昇すると対象労働者の生産性が1.5%上昇する弾力性（約0.15）を実証. 【信頼性: 高（査読論文）】 ↩︎ ↩︎²

21. Situated Learning: Legitimate Peripheral Participation - Lave & Wenger, Cambridge University Press (1991). 正統的周辺参加モデル. 【信頼性: 高（学術書、職場学習論の古典）】 ↩︎

22. The Four-Phase Model of Interest Development - Suzanne Hidi & K. Ann Renninger, Educational Psychologist, 41(2), 111-127 (2006, DOI: 10.1207/s15326985ep4102_4). 興味の段階的発達理論（状況的興味→個人的興味への4段階）. 【信頼性: 高（査読論文）】 ↩︎ ↩︎²

23. Flow: The Psychology of Optimal Experience - Mihaly Csikszentmihalyi, Harper & Row (1990). 内発的動機の極致としてのフロー理論. 【信頼性: 高（古典的心理学書）】 ↩︎ ↩︎² ↩︎³

24. Consequences of individuals’ fit at work: A meta-analysis of person-job, person-organization, person-group, and person-supervisor fit - Kristof-Brown, Zimmerman & Johnson, Personnel Psychology, 58, 281-342 (2005, DOI: 10.1111/j.1744-6570.2005.00672.x). 172研究のメタ分析。Person-Job Fitと仕事満足ρ=.56、組織コミットメントρ=.47、業務パフォーマンスρ=.20. 【信頼性: 高（査読論文・大規模メタ分析）】 ↩︎ ↩︎² ↩︎³ ↩︎⁴ ↩︎⁵

25. Now, Discover Your Strengths - Marcus Buckingham & Donald O. Clifton, Free Press (2001). 強みベースのマネジメント論. 【信頼性: 高（業界標準的著作）】 ↩︎

26. Crafting a Job: Revisioning Employees as Active Crafters of Their Work - Amy Wrzesniewski & Jane E. Dutton, Academy of Management Review, 26(2), 179-201 (2001, DOI: 10.5465/amr.2001.4378011). ジョブ・クラフティング論文. 【信頼性: 高（査読論文）】 ↩︎

27. ブルームバーグ・エル・ピー事件 - 東京高判平成25年4月24日. 3度のPIPを経た能力不足解雇を無効. 【信頼性: 高（裁判例）】 ↩︎

28. 東亜ペイント事件 - 最判昭和61年7月14日. 配置転換命令権の3要件. 【信頼性: 高（最高裁判例）】 ↩︎

29. 滋賀県社会福祉協議会事件 - 最判令和6年4月26日. 職種限定合意がある場合の同意なき配転を違法とする初判断（裁判所公式）. 解説: TMI総合法律事務所. 【信頼性: 高（最高裁判例）】 ↩︎ ↩︎²

30. On the dimensionality of organizational justice: A construct validation of a measure - Jason A. Colquitt, Journal of Applied Psychology, 86(3), 386-400 (2001, DOI: 10.1037/0021-9010.86.3.386). 関連: Justice at the Millennium: A Meta-Analytic Review of 25 Years of Organizational Justice Research - Colquitt et al. Journal of Applied Psychology, 86(3) (2001). 4次元（分配的・手続き的・対人的・情報的）の組織的公正性メタ分析. 【信頼性: 高（査読論文・メタ分析）】 ↩︎

31. キャリアのゴールは部長だけ？管理職を目指さない選択と専門職制度 - off.company (2020). オムロンの専門職制度（2005年導入、4階層、フェロー）の事例. 【信頼性: 中】 ↩︎ ↩︎²

32. Dual Ladders in Research: A Paradoxical Organizational Fix - Allen & Katz et al., 学術研究. 【信頼性: 高（査読学術研究）】 ↩︎ ↩︎²

33. 日本の労働市場制度改革——問題意識と処方箋のパースペクティブ - 鶴光太郎, RIETI Discussion Paper 08-J-015 (2008). 関連: 雇用保護は生産性を下げるのか - RIETI Discussion Paper 08-J-017. および OECD雇用保護指標2013について - JILPT. 解雇規制1単位の変化で労働生産性年0.02%、TFP年0.04%低下（OECD 2007）。日本の勤続1年以内社員割合7.3%. 【信頼性: 高（公的研究機関）】 ↩︎ ↩︎² ↩︎³ ↩︎⁴ ↩︎⁵

34. ジョブ型雇用社会とは何か——正社員体制の矛盾と転機 - 濱口桂一郎, 岩波新書 (2021). 関連: ジョブ型雇用の真実 - 財務総合政策研究所講演資料 (2022). メンバーシップ型/ジョブ型の概念と整理解雇法理の循環構造. 【信頼性: 高（労働政策研究の専門家著作）】 ↩︎ ↩︎²

35. The Peter Principle: Why Things Always Go Wrong - Laurence J. Peter & Raymond Hull, William Morrow (1969). 階層組織における無能のレベルまでの昇進という構造的観察. 【信頼性: 高（古典的経営書）】 ↩︎ ↩︎²

36. Promotions and the Peter Principle - Alan Benson, Danielle Li & Kelly Shue, The Quarterly Journal of Economics, 134(4), 2085-2134 (2019, DOI: 10.1093/qje/qjz022). 米国131社・38,843名のセールスワーカーのデータでピーターの法則を実証. 【信頼性: 高（査読論文）】 ↩︎ ↩︎²

37. Japan Management and Organizational Practices Survey (JP MOPS) - 内閣府経済社会総合研究所. Bloom & Van Reenen の World Management Survey の日本版調査。日本企業の管理慣行スコア（監視・目標設定平均超／インセンティブ平均未満）. 【信頼性: 高（公的研究機関）】 ↩︎

38. The Happenstance Learning Theory - John D. Krumboltz, Journal of Career Assessment, 17(2), 135-154 (2009, DOI: 10.1177/1069072708328861). キャリアにおける計画的偶発性理論。好奇心・持続性・柔軟性・楽観性・リスクテイクの5特性. 【信頼性: 高（査読論文）】 ↩︎ ↩︎²

39. The Strength of Weak Ties - Mark S. Granovetter, American Journal of Sociology, 78(6), 1360-1380 (1973, DOI: 10.1086/225469). 弱いつながりが機会を運ぶ古典的論文. 【信頼性: 高（査読論文・社会学の古典）】 ↩︎ ↩︎²