2026年の新卒・若手向け求人市場は、単純に「応募数を増やせば決まる」状況ではありません。LinkedInが2026年4月15日に公開した「2026 Grad’s Guide」は、エントリーレベル採用が前年比で減少する一方、テック、金融サービス、建設、不動産などでは新卒・若手の機会が伸びていることを示しています。結論として、LinkedIn Jobs and Economic Graphを使うなら、AI求人検索で候補を広げ、Job Matchで応募先を絞り、プロフィール上でスキルの証拠を見せることが重要です。(LinkedIn News)
特に2026年の就職活動では、「自分に合う職種名を最初から知っている人」よりも、「自分のスキルを複数の業界に翻訳できる人」が有利になりやすくなっています。この記事では、LinkedInのGrad’s GuideとEconomic Graphの読み方、AI job searchの活用法、卒業生・求職者・キャリアコーチがすぐ実践できる行動手順を整理します。
LinkedIn 2026 Grad’s Guideで見えた新卒市場の結論
LinkedInの2026 Grad’s Guideが示す大きな変化は、「新卒市場が厳しい」だけではありません。むしろ重要なのは、機会のあり方が変わっている点です。
LinkedInによると、エントリーレベル採用は前年比6％減少しています。ただし、ミドルレベル採用の前年比10％減と比べると、若手向け採用は相対的に持ちこたえています。つまり、入口は狭くなっているものの、完全に閉じているわけではありません。(LinkedIn News)
一方で、Gen Zの44％が「適切なネットワークを持っていないこと」をエントリーレベル職に就く際の最大の障壁と答えています。また、21％は副業や起業で機会を自ら作り、22％はアプリ、Webサイト、プロジェクトなどを作ってスキルを示しているとされています。(LinkedIn News)
このデータから読み取れるのは、次の3点です。
| 変化 | 求職者にとっての意味 | 取るべき行動 |
|---|---|---|
| エントリーレベル採用は減少している | とにかく大量応募するだけでは通りにくい | 応募先を絞り、職務要件との一致度を高める |
| ネットワーク不足が大きな障壁になっている | 履歴書だけでは見つけてもらいにくい | 同窓生、業界経験者、採用担当者との接点を作る |
| 副業・制作物・実績が評価材料になる | 学歴やポテンシャルだけでは差別化しにくい | プロジェクト、ポートフォリオ、検証可能なスキルをプロフィールに載せる |
ここで重要なのは、「AIに仕事を奪われるかどうか」だけを考えないことです。AIによって仕事の探し方、必要スキル、採用側の見方が変わっているため、求職者側も応募の戦略を変える必要があります。
機会が伸びている領域はテック、金融サービス、建設、不動産
LinkedInは、成長が強い領域としてテック、金融サービス、建設、不動産を挙げています。これらの業界に共通するのは、AI導入、インフラ投資、住宅需要、業務効率化など、構造的な変化が起きている点です。(LinkedIn News)
テック業界は「AIを作る人」だけでなく「AIを使って仕事を進める人」も求められる
テック業界ではAIエンジニアのような専門職に注目が集まりがちですが、新卒・若手が狙うべき範囲はそれだけではありません。
たとえば、次のような職種も候補になります。
- AIツールを使って業務改善を行うオペレーション職
- 顧客課題を整理してプロダクト改善に反映するカスタマーサクセス
- データ分析を使って営業・マーケティングを支援するアナリスト職
- AIプロダクトの品質確認、データ整理、プロンプト改善に関わる職種
「Pythonを書けるか」だけでなく、「AIツールを使って何を改善したか」を説明できる人が有利です。たとえば、授業や個人制作で行ったデータ分析、チャットボットの試作、業務フローの自動化、レポート作成の効率化などは、プロフィールや面接で使える材料になります。
金融サービスはデータ、リスク、顧客体験の接点が広い
金融サービスでは、AIやデータ分析の活用が進む一方で、規制、リスク管理、顧客対応、業務改善といった領域も重要です。文系・理系を問わず、次のようなスキルの組み合わせが評価されやすくなります。
| スキルの組み合わせ | 活かしやすい職種例 |
|---|---|
| Excel、SQL、財務基礎 | アナリスト、事業企画、リスク管理補助 |
| 顧客理解、文章力、データ整理 | カスタマーサクセス、営業企画、マーケティング |
| AIツール活用、業務改善、ドキュメント作成 | オペレーション改善、社内DX、プロジェクト支援 |
金融に興味がある新卒は、「金融知識がないから無理」と考えるより、自分の強みを金融業務にどう接続できるかを考えるほうが現実的です。
建設・不動産はデジタル人材と現場理解の両方が価値になる
LinkedInは、建設や不動産も新卒・若手の機会が伸びる領域として示しています。背景には、住宅需要、インフラ投資、エネルギー関連投資などがあります。(LinkedIn News)
この領域では、必ずしも最初から専門資格を持っている必要がある職種ばかりではありません。たとえば、不動産投資分析、プロジェクト管理補助、営業、マーケット調査、施工管理支援、データ入力・可視化など、入口になる仕事は複数あります。
特に若手にとって狙い目なのは、「現場の情報をデジタルに整理できる人」です。建設・不動産は、資料、図面、契約、スケジュール、顧客情報など、扱う情報量が多い業界です。Excel、BIツール、AI議事録、タスク管理ツールを使えるだけでも、現場の負担を下げる人材として見られやすくなります。
LinkedIn Economic Graphは「求人の地図」として使う
LinkedIn Economic Graphは、LinkedIn上のメンバー、企業、求人、学校、スキルなどの情報をもとに、労働市場の動きを分析するための仕組みです。LinkedInはEconomic Graphを通じて、地域別の人材移動、採用率、需要が高いスキルなどを把握できると説明しています。(経済グラフ)
求職者にとって大切なのは、Economic Graphを「将来予測の答え」としてではなく、「どこに求人の流れがあるかを見る地図」として使うことです。
たとえば、次のように考えると実務で使いやすくなります。
| 見るべき情報 | 判断のポイント | 次の行動 |
|---|---|---|
| 成長している職種 | 自分のスキルと近い職種があるか | 職種名を3〜5個に広げて検索する |
| 成長している業界 | 専攻や経験を転用できる業界か | 業界別にプロフィール文を調整する |
| 成長している都市・地域 | 移住、リモート、ハイブリッド勤務の選択肢があるか | 勤務地条件を固定しすぎず検索する |
| 需要が高いスキル | 今から3か月で証明できるスキルか | 小さな制作物や認定で可視化する |
注意したいのは、LinkedInのデータはLinkedIn上のプロフィールや求人情報をもとにしている点です。国や地域、職種、LinkedIn利用率によって見え方は変わります。日本の読者が参考にする場合も、グローバル傾向をそのまま自国市場に当てはめるのではなく、実際の求人票、地域別の採用状況、言語要件と合わせて確認する必要があります。
LinkedInがAI job searchを「答えの一部」として位置付ける理由
LinkedInは、AI求人検索を「求人探しのすべてを自動化する機能」としてではなく、求職者が自分では気づきにくい機会を見つけるための手段として打ち出しています。
2026年1月の発表では、LinkedInのAI-powered job searchは自然な文章で求人を探せる機能として説明され、英語、スペイン語、フランス語、ドイツ語、ポルトガル語でグローバルに展開中とされています。また、英語では週2500万件以上の検索がこの機能によって行われていると説明されています。(LinkedIn News)
日本語ユーザーが注意すべき点は、公式発表で挙げられている対応言語に日本語が含まれていないことです。そのため、利用できる環境では英語で検索する、または通常検索と組み合わせるのが現実的です。
AI求人検索は「職種名が分からない問題」を解決しやすい
従来の求人検索では、求職者が正しい職種名を知っている必要がありました。しかし新卒やキャリア初期の人は、自分に合う職種名を知らないことが多くあります。
AI求人検索では、次のような探し方ができます。
| 悩み | 検索文の例 |
|---|---|
| 専攻を活かせる仕事が分からない | entry-level roles for a psychology graduate with data analysis and communication skills |
| AIを使う仕事に興味があるがエンジニアではない | graduate jobs using AI tools for marketing, operations, or customer support |
| 建設・不動産とデータ分析を組み合わせたい | entry-level roles combining real estate, financial modeling, and Excel analysis |
| 営業以外のビジネス職も見たい | early career business roles for someone with research, writing, and presentation skills |
| 地方や新興都市も含めて探したい | entry-level tech jobs in growing startup cities with hybrid work options |
ポイントは、「職種名」ではなく「できること」「興味のある業務」「使えるツール」「働き方」を文章で入れることです。AI検索は、求職者が知らない職種名や隣接業界を見つけるために使うと効果が出やすくなります。
Job Matchは「応募しない判断」にも使う
LinkedInのJob Match機能は、求人で求められるスキルや資格に対して、自分がどの程度合っているかを確認するための機能です。LinkedInによると、米国のPremium加入者では、低マッチ求人への応募率が10％下がったとされています。(LinkedIn News)
これは「応募数が減るのは悪いこと」ではありません。むしろ、通過可能性の低い求人に時間を使いすぎないための判断材料になります。
実務では、次の基準で応募判断をすると無駄が減ります。
| 求人との一致状況 | 判断 |
|---|---|
| 必須スキルの大半を満たし、足りない条件が学習可能 | 応募する |
| 必須スキルは一部不足しているが、関連プロジェクトで補える | 応募し、カバーレターで補足する |
| 必須資格、法的要件、言語要件を満たしていない | 原則として見送る |
| 興味はあるが経験が遠い | すぐ応募せず、関連職種やジュニア職を探す |
| 職務内容が曖昧でスキルが読み取れない | 企業ページ、社員プロフィール、類似求人を確認する |
新卒の場合、「100％一致する求人」だけを探すと応募先が少なくなりすぎます。目安としては、必須要件の中核を満たし、足りない部分を学習計画や制作物で説明できる求人を優先するとよいでしょう。
LinkedIn Jobsで新卒・若手が取るべき応募手順
ここからは、LinkedIn Jobsを実際に使う手順を整理します。目的は、応募数を増やすことではなく、見つけてもらいやすく、通過しやすい状態を作ることです。
まずプロフィールを「採用担当者が読める職務経歴」に近づける
新卒のLinkedInプロフィールでよくある失敗は、学歴とアルバイト歴だけで終わっていることです。採用担当者が知りたいのは、「この人は入社後に何ができそうか」です。
最低限、次の項目を整えましょう。
| 項目 | 書く内容 |
|---|---|
| Headline | 専攻、目指す職種、強みを1行で示す |
| About | 何に興味があり、どんなスキルを使い、どんな仕事を探しているかを書く |
| Experience | アルバイト、インターン、研究、制作活動を成果ベースで書く |
| Skills | 求人票に出るスキル名に合わせて登録する |
| Projects | 授業、個人開発、分析レポート、ポートフォリオを載せる |
| Featured | GitHub、Notion、PDF、Webサイト、発表資料などを固定表示する |
たとえば、単に「大学でマーケティングを学びました」と書くより、次のように書くほうが伝わります。
大学のゼミで若年層向けサブスクリプションサービスの利用実態を調査。Google Formsで120件の回答を集め、Excelで集計し、解約理由を4分類して改善施策を提案。生成AIを使って自由回答の初期分類を行い、最終的な分類基準は手動で確認。
この書き方なら、調査設計、データ整理、AI活用、分析、提案の流れが分かります。
AI求人検索で「隣の職種」を見つける
次に、AI求人検索や通常検索を使って、職種名を広げます。新卒が最初から1つの職種に絞りすぎると、機会を逃しやすくなります。
たとえば「データ分析に興味がある」場合、検索対象はData Analystだけではありません。
| 興味 | 広げて探す職種例 |
|---|---|
| データ分析 | Business Analyst、Operations Analyst、Marketing Analyst、Product Analyst |
| AI活用 | AI Operations Associate、Prompt Engineer Assistant、Automation Specialist |
| 人と話す仕事 | Customer Success Associate、Sales Development Representative、Recruiting Coordinator |
| 不動産・金融 | Real Estate Analyst、Investment Analyst Assistant、Research Associate |
| 業務改善 | Operations Coordinator、Project Coordinator、Business Operations Associate |
職種名を広げるときは、「自分のスキルが使われる場面」を起点にします。自分がやりたい肩書きではなく、自分が解決できる課題で探すのがコツです。
Job Matchで優先順位を付ける
検索結果が増えたら、Job Matchや求人票を見ながら応募優先度を付けます。
おすすめは、求人を次の3つに分ける方法です。
| 区分 | 条件 | 行動 |
|---|---|---|
| A候補 | スキル一致度が高く、業界・職務内容も合う | 24時間以内に応募し、関係者にも接点を作る |
| B候補 | 一部スキル不足だが、学習や制作物で補える | プロフィールを調整してから応募する |
| C候補 | 興味はあるが必須要件が遠い | 保存し、関連スキルを学んでから再検討する |
この分類をするだけで、「なんとなく応募して返事が来ない」状態から抜け出しやすくなります。
プロフィールと応募書類を求人ごとに微調整する
AI時代の応募で危険なのは、生成AIで作ったような一般的な自己PRをそのまま送ることです。採用側もAIを使っているため、抽象的で誰にでも当てはまる文章は埋もれやすくなります。
求人ごとに、次の3点だけでも調整しましょう。
| 調整する箇所 | 具体例 |
|---|---|
| 冒頭の自己紹介 | 「データ分析志望」ではなく「金融サービスの顧客データ分析に関心」まで具体化する |
| スキル欄 | 求人票に出ているツール名、業務名と表記を合わせる |
| 実績説明 | 応募先の業務に近いプロジェクトを上に出す |
たとえば、同じデータ分析経験でも、金融向けなら「数値の正確性」「リスク」「レポーティング」を強調し、マーケティング向けなら「顧客理解」「施策改善」「A/Bテスト」を強調します。
スキルベース採用では「証拠」がないスキルは弱い
LinkedInは、AIツールの習熟度などをプロフィール上で示せるVerified Skills関連の取り組みも発表しています。Descript、Lovable、Relay.app、ReplitなどのAIツールについて、利用実績や成果に基づく証明をプロフィールに表示できる仕組みが紹介されています。(LinkedIn News)
これは、スキルベース採用が「スキル名を並べるだけ」では不十分になっていることを示しています。
使えるスキルは成果物で見せる
新卒・若手の場合、職務経験が少ないのは当然です。その代わりに、次のような証拠を用意すると説得力が上がります。
| スキル | 証拠の例 |
|---|---|
| Python | データ分析ノートブック、スクレイピングではなく公開データ分析、可視化サンプル |
| Excel | 売上分析テンプレート、ピボットテーブル、ダッシュボード |
| AIツール活用 | 調査、要約、分類、自動化のワークフロー説明 |
| ライティング | 業界分析記事、SEO記事、レポート、提案書 |
| プロジェクト管理 | タスク表、進行管理資料、イベント運営実績 |
| コミュニケーション | インタビュー記録、顧客対応改善、プレゼン資料 |
証拠は立派なポートフォリオサイトでなくても構いません。Notion、Google Drive、PDF、GitHub、個人ブログなど、採用担当者が見られる形になっていれば十分です。
AI活用は「使いました」ではなく「どう判断したか」まで書く
AIスキルをアピールする人は増えています。差がつくのは、AIを使った結果をそのまま出すのではなく、人間としてどう確認し、どう改善したかを説明できる人です。
悪い例は次のような書き方です。
ChatGPTを使ってレポートを作成しました。
これでは、本人の判断力が見えません。改善するなら、次のように書きます。
生成AIを使って海外SaaS企業10社の料金ページを比較する初期調査を行い、出力結果を公式サイトで確認。料金体系を「月額固定」「従量課金」「ユーザー課金」に分類し、Excelで比較表を作成。最終的に中小企業向け導入時の注意点を3つに整理した。
この書き方なら、AI活用、ファクトチェック、分類、分析、提案まで見えます。
ネットワーク作りは「お願い」ではなく「情報収集」から始める
LinkedInのGrad’s Guideでは、Gen Zの44％が適切なネットワーク不足を大きな障壁として挙げています。ここでいうネットワークは、有名人や大企業の役員とつながることではありません。自分が目指す仕事に近い人から、現場の情報を得られる状態を作ることです。(LinkedIn News)
まずは3種類の人に接点を作る
新卒・若手がLinkedInでつながるべき相手は、主に次の3種類です。
| 相手 | 聞くべきこと |
|---|---|
| 同じ大学・学校の卒業生 | 最初の仕事をどう選んだか |
| 志望職種の若手社員 | 入社前に準備して役立ったスキル |
| 採用担当者・リクルーター | 求人票で特に見ている条件 |
最初から「紹介してください」「採用してください」と送ると、相手は返信しにくくなります。目的は、求人票に書かれていない情報を得ることです。
返信されやすいメッセージ例
LinkedInで送るメッセージは、短く、具体的にします。
はじめまして。〇〇大学でデータ分析とマーケティングを学んでいる△△です。現在、Customer SuccessやBusiness Analystのエントリーレベル職を調べています。
プロフィールを拝見し、〇〇業界でのご経験が自分の関心に近いと感じました。差し支えなければ、キャリア初期に身につけて役立ったスキルを1つだけ教えていただけないでしょうか。
ポイントは、相手の時間を奪いすぎないことです。「30分ください」より、「1つ教えてください」のほうが返信のハードルは下がります。
「Plan B careers」を前向きに使う
LinkedInの発表では、若いオフィスワーカーの72％が電気技師、整備士、建設作業員などの技能職への転換を検討しており、12％はすでに転換しているとされています。また、32％は需要のあるスキルを身につけるために、自分の専攻外の仕事に就いているとされています。(LinkedIn News)
これは、いわゆる「Plan B」が消極的な逃げ道ではなくなっていることを示しています。最初の仕事が理想の職種でなくても、次につながるスキルを得られるなら十分に価値があります。
最初の仕事は「肩書き」より「次に残るスキル」で選ぶ
新卒がPlan Bを選ぶときは、次の基準で判断すると失敗しにくくなります。
| 判断基準 | 確認すること |
|---|---|
| 次の職種に転用できるか | 顧客対応、データ整理、営業、分析、プロジェクト管理などが身につくか |
| 実績を数字で示せるか | 売上、作業時間短縮、対応件数、改善率などを記録できるか |
| 学びながら働けるか | 資格、オンライン学習、制作活動と両立できるか |
| ネットワークが広がるか | 業界の人、顧客、社内他部署と接点があるか |
| 消耗しすぎないか | 次の行動を取る時間と体力が残るか |
たとえば、飲食店や小売の仕事でも、在庫管理、売上分析、顧客対応改善、SNS運用、スタッフ教育に関われば、マーケティングやオペレーション職につながる実績になります。
キャリアコーチや支援者が押さえるべき使い方
LinkedIn Jobs and Economic Graphの情報は、個人の就職活動だけでなく、キャリア支援にも使えます。特に卒業生向け支援では、「希望職種を聞く」だけでは不十分です。学生や若手は、そもそも自分に合う職種名を知らないことが多いからです。
支援では3つのルートを作る
キャリアコーチや大学の就職支援担当者は、相談者ごとに次の3ルートを整理すると実践的です。
| ルート | 内容 | 例 |
|---|---|---|
| 第一希望ルート | 本人が最も希望する職種 | Data Analyst、Product Manager Assistant |
| 隣接ルート | スキルが近く、採用可能性が高い職種 | Operations Analyst、Customer Success |
| ブリッジルート | 経験を積みながら次につなげる職種 | Sales Development、Project Coordinator |
この3ルートを作ると、「第一希望に落ちたら終わり」ではなくなります。短期的な内定獲得と、中長期のキャリア形成を両立しやすくなります。
AI求人検索は相談者の語彙を増やすために使う
AI求人検索は、単に求人を探すだけでなく、相談者に新しい職種名を見せるためにも使えます。
たとえば、相談者が「人を支える仕事がしたい」と言った場合、そのままでは求人検索しにくい表現です。AI検索では、次のように具体化できます。
entry-level roles helping customers adopt softwaregraduate jobs supporting employees through HR operationsearly career roles combining communication, training, and data tracking
こうした検索を通じて、Customer Success、HR Coordinator、Learning and Development Assistant、Implementation Specialistなど、本人が知らなかった職種に出会える可能性があります。
失敗しやすいポイント
LinkedIn Jobsを使うときに、特に新卒・若手がつまずきやすいポイントを整理します。
| 失敗 | なぜ問題か | 改善策 |
|---|---|---|
| 1つの職種名だけで検索する | 隣接職種を見落とす | スキルや業務内容で検索する |
| 大量応募に頼る | 低マッチ求人に時間を使う | Job Matchや求人票で優先順位を付ける |
| プロフィールが学歴中心 | 入社後に何ができるか伝わらない | プロジェクト、スキル、成果物を追加する |
| AI生成の自己PRをそのまま使う | 具体性がなく埋もれる | 応募先の業務に合わせて実績を書き換える |
| ネットワーク作りを後回しにする | 求人票以外の情報が入らない | 週3人に短い相談メッセージを送る |
| AI職種だけを狙う | 競争が激しくなりやすい | AIを使う非エンジニア職も見る |
| 地域差を無視する | グローバル傾向とローカル市場がずれる | 国・地域別の求人と要件を確認する |
特に注意したいのは、AI関連の肩書きにこだわりすぎることです。2026年の求人市場では、AIを作る仕事だけでなく、AIを使って営業、分析、採用、顧客支援、業務改善を進める仕事にも機会があります。
今日からできるLinkedIn活用チェックリスト
最後に、卒業生・求職者がすぐに動けるよう、実行順にまとめます。
| タイミング | やること |
|---|---|
| 今日 | LinkedInプロフィールのHeadlineとAboutを書き直す |
| 今日 | ProjectsまたはFeaturedに、見せられる成果物を1つ追加する |
| 3日以内 | AI求人検索または通常検索で、第一希望・隣接・ブリッジの3ルートを作る |
| 1週間以内 | A候補求人を10件保存し、Job Matchや求人票で優先順位を付ける |
| 1週間以内 | 同窓生や志望職種の若手社員に3通メッセージを送る |
| 2週間以内 | 応募書類を求人ごとに微調整し、応募状況をトラッカーで管理する |
| 1か月以内 | 足りないスキルを1つ選び、小さな制作物か認定で証明する |
2026年の新卒市場では、職種名を固定して待つよりも、自分のスキルを複数の業界に展開する姿勢が重要です。LinkedIn Jobs and Economic Graphは、求人の流れを読み、AI検索で選択肢を広げ、Job Matchで応募先を絞るための道具になります。
まずは、プロフィールを「何を学んだ人か」ではなく「何を実行できる人か」が伝わる形に直しましょう。そのうえで、成長している業界を2つ選び、関連職種を10件保存し、実際に働いている人へ短い質問を送る。そこまで進めれば、就職活動は単なる応募作業ではなく、機会を見つけに行く行動に変わります。
コメント