AIを仕事で使うとき、これまでは誰もが同じ場所を見ていました。有名なサービスにログインして、同じ画面で、同じモデルに話しかける。ところがこの7月、AIの「中身」そのものを公開して各社が自由に持ち帰れるようにする動きが相次ぎました。会社ごとに違うAIを使う時代が来るとしたら、いま覚えた使い方はどこまで通用するのか。三つの動きから、個人のスキルの持ち運びやすさを先読みします。
Pickup：注目の技術
① 「自分のものにできる」基盤モデルが登場（ITmedia AI＋）
米Thinking Machines Labが、初の基盤モデル「Inkling」を公開したと報じられています。テキスト・画像・音声・動画を入力できるマルチモーダルモデルで、Apache 2.0ライセンスのもと全ウェイト（モデルの中身にあたる数値データ）がHugging Faceで公開され、各社が自社向けに作り替えて使うことを前提に位置づけられています。
転職を考えているなら：「どのAIサービスを使えるか」という切り口だけで自分のスキルを説明していると、環境が変わったときに語れることが減ってしまうかもしれません。使ったツール名ではなく、そのAIに何をどこまで任せ、どんな順番で仕事を進めたのかを言葉にしておくと、環境が違っても通じます。
採用する企業なら：自社の業務に合わせてAIを調整できるということは、社内のAIが「その会社らしい振る舞い」を持ちはじめるということでもあります。中途採用の選考では、特定ツールの習熟度よりも、初めて触るAIでも仕事を組み立て直せるかを見るほうが、入社後の実態に近くなりそうです。
知っておきたいのは、AIの中身が公開されるほど、企業間でAI環境の個性が広がっていく可能性がある、という点です。
出典：ITmedia AI＋（2026年7月16日・本文は転載せず要約しています）
② 最先端級のモデルが手元に降りてきた、ただし設備の壁は高い（ASCII.jp）
中国Moonshot AIが、総パラメータ数2.8兆規模のモデル「Kimi K3」のオープンウェイトをHugging Faceで公開したと報じられています。一方で、実用的な速度で動かすにはNVIDIA H200を12〜16基搭載したサーバーなど総額1億〜2億円規模の環境が必要とされ、個人が手元で動かすのは現実的ではないとも伝えられています。
転職を考えているなら：「手に入る」ことと「動かせる」ことの間には設備の差があり、その差は会社の規模や方針で決まります。応募先を見るときは、どんなAIを使っているかに加えて、それを誰がどう運用しているのかまで聞けると、入社後に自分が触れる範囲が具体的に見えてきます。
採用する企業なら：最上位モデルを自前で抱えることだけが選択肢ではありません。小型のオープンモデルを社内に置き、重い処理は外部サービスに任せるという組み合わせも成り立ちますので、まずは「どの業務を社内に閉じたいか」から逆算するほうが現実的です。
押さえておきたいのは、AI環境の違いが会社ごとの体力差として表れはじめ、働く側から見た「入ってから触れるもの」も変わりうる、ということです。
出典：ASCII.jp（2026年7月27日・本文は転載せず要約しています）
③ 大手35社が「モデル公開への急な規制」に反対する書簡（ITmedia NEWS）
Microsoft・NVIDIA・Meta・IBM・OpenAI・Googleなど35の企業・団体が、オープンウェイトモデルへの拙速な規制を避けるよう求める共同書簡を7月24日に公開したと報じられています。書簡では、新興企業や大学がモデルを利用できることや、特定ベンダーへの依存を避けられることが理由として挙げられており、Anthropicのように署名していない企業もあると伝えられています。
転職を考えているなら：業界の主要プレイヤーの間でも意見が割れているということは、AIの提供形態がこの先ひとつに収束しない可能性がある、ということです。特定のサービスに全面的に依存した使い方だけを覚えるより、複数の環境で試して共通する部分を掴んでおくほうが、変化に強くなります。
採用する企業なら：いま選んだAI基盤が数年後も最適とは限りません。ツールの導入と同時に、使い方の手順やプロンプトの型を社内のドキュメントとして残しておくと、基盤を乗り換えても現場の習熟がゼロに戻らずに済みます。
なるほどと思える点は、企業がベンダーロックイン（特定の提供元から抜け出しにくくなること）を警戒するのと同じ構図が、個人のスキルの持ち方にも当てはまるところです。
出典：ITmedia NEWS（2026年7月26日・本文は転載せず要約しています）
三つの動きを並べると、AIは「全員が同じ場所を見る共有のサービス」から「会社ごとに違うものを持つ設備」へ、少しずつ枝分かれしはじめています。だとすれば、自分のAIスキルは一枚岩ではなく、三つの層に分けて考えると見通しがよくなります。第一層は画面の操作——どのボタンでどの機能が呼べるか。もっとも覚えやすい代わりに、環境が変われば真っ先に通用しなくなる層です。第二層は仕事の組み立て方——どこまでを任せ、どんな順番で渡し、どう手戻りを減らすか。これはツールが変わっても形を保ちますので、転職の際にそのまま持ち運べる資産になります。そして第三層はその会社の事情の理解——顧客の癖、データの持ち方、現場の手順。ここは転職すると一度ゼロに戻る層ですが、社内特化のAIが増えるほど、入社後に価値を発揮するまでの速さを左右します。つまり、鍛えるべきは第二層、割り切って捨てるのが第一層、入社後に最速で埋めにいくのが第三層、という順序になります。自分の経験をこの三つに仕分ける作業は、職務経歴の棚おろしとほとんど同じ手順で進められますので、転職の自己分析のやり方の手順に沿って、AI関連の経験も同じ棚に並べてみてください。使えるAIの名前が並ぶ職務経歴書より、環境が変わっても再現できる進め方を語れるほうが、これから先は強くなりそうです。
本記事の見解はWeaveXによるものであり、引用元各社の見解を代表するものではありません。技術仕様・価格水準は各報道時点のものです。
