AI企業で広がる「MTS」肩書き──職種名より成果が問われる時代へ

2026.09.04

OpenAIやAnthropicなどのAI企業で、「Software Engineer」や「Researcher」ではなく「Member of Technical Staff（MTS）」という肩書きが目立っている。AI開発で研究と実装の境界が薄れ、職種名そのものの意味が変わり始めている。

これは米国AIラボだけの話ではない。AIを使うことで一人が扱える範囲が広がるほど、日本企業の人材評価や採用にも同じ問いが来る。

MTSは新しい言葉ではない

@ITの記事は、MTSが少なくともベル研究所の時代から使われてきた肩書きであり、物理学、数学、工学など異なる専門分野の技術者を横断する呼称だったと整理している。現在もOracleやSalesforceなど、多くの企業がMTS系の肩書きを使う。

一方、フロンティアAIラボにおけるMTSは、研究者とエンジニアを分けないための共通タイトルとして使われる色が濃い。大規模モデル開発では、データ、分散学習、評価、プロダクト実装、推論最適化が密接に絡み、肩書きだけで職務を切り分けにくい。

MTSは専門やレベルを消す肩書きではない。むしろ、社内には明確な職務や階層が残ったまま、外からは読み取りにくくなる。人材獲得競争では、詳細な肩書きが競合に役割やレベルを伝えてしまうため、曖昧さが防御になる面もある。

しかし、転職市場では逆の問題が起きる。肩書きが抽象的になると、候補者は自分が何を成した人なのかを、より具体的な成果で説明しなければならない。

AIコーディングやリサーチ支援ツールによって、開発者でない人がプロトタイプを作り、研究者が運用コードを書く場面は増えている。専門職の境界が薄れるほど、「私はデータサイエンティストです」と名乗るだけでは価値を伝えにくくなる。

日本企業にとって重要なのは、肩書きをMTSへ置き換えることではない。事業成果、利用者への影響、品質改善、運用責任といった実績を、職種をまたいで評価できる制度を持つことだ。

AI活用が進む職場では、専門別の縦割りより、問題解決単位のチームが機能しやすい。肩書きはその変化を映すシグナルにすぎない。採用や評価では、肩書きの格好よさより、複数領域を横断して成果を出した経験を見抜く力が問われる。

参考リンク：@IT