まいんでぃあ
「何年も連絡していない知人へ、いまさら声をかけるのは気まずい」
「そもそも、人脈を仕事に使うみたいで失礼ではないだろうか」
転職を考え始めた夜、最初に浮かぶのは親しい友人や家族かもしれません。あなたの性格も、いまの職場で苦労していることも知っている。話せば、気持ちは少し軽くなります。
けれど、新しい業界の働き方、別の会社の採用事情、まだ求人票に出ていない機会は、近い人ほど知らないことがあります。いつも同じ輪の中で話しているからです。
Scienceに掲載された約2,000万人のLinkedIn実験では、新しく加わった「比較的弱いつながり」が、強いつながりより求人応募と仕事の移動を増やしました。ただし、最も役立ったのは親友でも完全な他人でもない、面識はあるが普段は頻繁に話さない相手です。親友が不要なのではなく、役割が違います。
中心資料は、Rajkumarらが2022年にScienceで公表した査読済み論文です。集計データと再現コードはZenodoで公開されています。
「弱いつながり」とは、知らない人ではない
弱いつながりとは、面識や共通の文脈はあるものの、交流頻度が低い関係です。社会学者Mark Granovetterが1973年に示した「弱い紐帯の強さ」という考え方が出発点になっています。
親友・家族・近い同僚
あなたの背景を深く知り、気持ちの支えや現実的な助言をくれる。
元同僚・同級生・元取引先
信頼の入口がありながら、自分の外側にある新しい情報へつながる。
完全な他人
情報の範囲は広い一方、あなたを思い出し、動く理由がまだ少ない。
たとえば、前職で一緒に働いた別部署の人、学生時代に同じゼミだった人、以前やり取りした取引先、勉強会で話した人です。毎週会う仲ではないけれど、連絡すれば「誰だっけ」とはならない。そのくらいの距離を想像してください。
親しい人同士は、知り合い、勤務先、見ている情報が重なりやすくなります。知人は別の会社やコミュニティに属しているため、あなたの周囲ではまだ流れていない求人、仕事の進め方、業界の変化を持ってくる可能性があります。価値があるのは「仲が薄いから」ではなく、異なる情報圏を橋渡しするからです。
2,000万人を対象に、何をランダム化したのか
研究チームは、LinkedInの「知り合いかも（People You May Know）」アルゴリズムで行われた複数の実験を分析しました。利用者本人を強制的に誰かと結びつけたのではありません。表示する推薦候補の構成を変え、弱い関係が増えやすい群と、強い関係が増えやすい群をつくりました。
共通の知人
二人の間に何人の共通接続があったか。
メッセージ頻度
二人がLinkedIn上でどれだけやり取りしたか。
求人応募
実験後3か月にサイトから応募した件数。
仕事の伝達
新しい接続先と同じ会社へ後から移ったか。
実験は二つの波で行われました。2015年の第1波は400万人超で1,900万以上の新しい接続を生み、関係ごとの強さと仕事の移動を詳しく分析しました。2019年の第2波は1,600万人超、ほぼ全世界を対象とし、約20億の新しい接続、7,000万件超の応募、約60万件の新しい仕事を記録しました。
| 実験 | 対象 | 主に分かったこと | 注意点 |
|---|---|---|---|
| 2015年・第1波 | 400万人超、1,900万超の新規接続 | 関係の強さと仕事の移動の因果関係を、接続単位で分析 | 結果の確率は小さく、平均的な傾向 |
| 2019年・第2波 | 1,600万人超、約20億の新規接続 | 応募数と業界による効果の違いを、利用者単位で分析 | 業界差は応募まで。長期の転職結果ではない |
「仕事が伝わった」は、紹介したと確認した意味ではない
論文は、Aさんが先に会社Cで働き、Aさんと接続してから少なくとも1年後にBさんが同じ会社Cへ移った場合を「job transmission」と数えています。これはネットワーク研究で使われる推定方法です。
Aさんが求人を教えた、推薦した、採用を決めたと個別に確認したわけではありません。研究が示したのは、弱い接続が増えたことで、その後の応募や同じ会社への移動が増えたという因果効果です。「知人へ頼めば必ず仕事を紹介してもらえる」という証明ではありません。
結果1：最も役立ったのは「ほどよく弱い」つながり
共通の知人の数で関係の強さを測ると、仕事の移動との関係は一直線ではなく、逆U字型になりました。共通の知人が少なすぎる関係より少し増えた関係のほうが有効でしたが、10人を超えるあたりから効果は下がりました。
関係が弱いほど良いわけではなく、「新しい情報」と「最低限の信頼」が両立する地点がある。
MIT Sloanは、このピークを「共通の知人が10人」と紹介しています。ただし、10人はLinkedIn上のネットワーク構造から出た平均的な値です。現実の人間関係で人数を数え、10人なら連絡、9人なら見送るという使い方はできません。
メッセージ頻度で測ると、交流の少ない関係ほど有効だった
もう一つの測り方では、二人のメッセージ頻度が低いほど仕事の移動への効果が大きく、最も頻繁にやり取りする関係は最も小さくなりました。つまり研究が示した有望な関係は、構造的には完全な他人ではなく、交流頻度は低い相手です。
弱ければ弱いほど、ではない
共通知人ベースでは逆U字型。ほどよい距離に最適点があった。
測り方で結果が違う
共通知人とメッセージ頻度は、同じ「関係の強さ」でも別の面を測る。
相関と因果が逆転した
単純集計では強いつながりが有利に見えたが、実験では弱い側が有利だった。
結果2：弱いつながりの効果は、業界で変わった
弱いつながりは、ITやソフトウェアの比重が高い業界、機械学習・AIとの適合度が高い業界、リモートワークに向く業界で、強いつながりより多くの応募を生みました。一方、ソフトウェア利用やロボット化の程度が低い業界では、強いつながりのほうが応募を増やす場面がありました。
弱いつながりが広げやすい
- IT・ソフトウェア
- AI・機械学習との適合
- リモートワーク適性
- ロボット化の進展
強いつながりが効く場面もある
- ソフトウェア利用が少ない
- ロボット化が進んでいない
- 地域や現場の信頼が重要
- 紹介者の深い保証が求められる
2019年実験は、その後の仕事の移動を長期追跡する時間が足りなかったため、業界別分析は求人応募を対象にしています。デジタル業界で弱いつながりが応募を増やしたことは示せますが、採用後の定着や満足度まで高めたとは分かりません。
この研究から言えないこと——日本の転職へそのまま移さない
対象人数とランダム化は大きな強みです。一方で、サンプルが大きいことと、すべての人へそのまま当てはまることは同じではありません。
LinkedIn利用者の研究
実験へ露出した人はやや若く、転職活動が活発でした。利用しない人や日本固有の採用慣行とは異なる可能性があります。
接続は本人が選んだ
推薦候補は無作為に変えましたが、実際につながるかは本人次第です。論文はこの点を意図した処置の分析で扱っています。
転職の質は分からない
年収、満足度、仕事内容との適合、入社後の定着が良くなったかは、この中心分析の結果ではありません。
完全な個票は非公開
集計データとコードは公開されていますが、個人レベルのデータはプライバシーと法的理由から公開されていません。
日本では、反対の結果を示した研究もある
1991年の日本の研究では、首都圏に住む男性転職経験者の観察データから、強いつながりが十分な情報と望ましい転職結果に関係し、弱い紐帯仮説は支持されませんでした。ただし、対象、時代、方法が大きく違い、無作為実験ではありません。
一方、2016年の日本の就業者340人を対象とした研究では、弱いつながりと仕事や将来について話すことが、働き方の再評価を介して職業的自己効力感やワーク・エンゲージメントと関連しました。JILPTのミドルエイジ層調査でも、転職活動時に仕事上の友人・知人と頻繁に接触した人ほど、転職後に役職レベルが上がる可能性が高い傾向が報告されています。いずれも、Science論文と同じ因果実験ではありません。
| 研究 | 対象・方法 | 主な示唆 | 一緒に読めない理由 |
|---|---|---|---|
| Science・2022 | LinkedIn約2,000万人、アルゴリズム実験 | 比較的弱い新規接続が応募・仕事移動を増やす | オンラインの職業ネットワーク、世界サンプル |
| 渡辺・1991 | 首都圏の男性転職経験者、観察研究 | 強いつながりが良い転職結果と関連 | 時代・対象・採用慣行が異なり、因果は確定しない |
| 永野・藤・2016 | 日本の就業者340人、質問紙調査 | 弱いつながりとの会話がキャリア再評価と関連 | 実際の求人応募や採用を測った研究ではない |
| JILPT・2022 | 35〜54歳の転職者調査 | 仕事上の知人との接触頻度が役職上昇と関連 | 関係の強さを実験操作していない |
親友か知人かを一人に決めるのではなく、近い人から支えを得て、少し遠い人から新しい情報を得る。さらに、求人票・公的情報・口コミ・面接で確かめる。研究が教えてくれるのは、人間関係の勝敗ではなく、情報源を一つの輪へ閉じないことです。
転職で弱いつながりを活かす5ステップ
「人脈づくり」と聞くと、名刺を増やしたり、頼みごとのために関係を作ったりするイメージがあるかもしれません。しかし、人を仕事への入口としてだけ扱えば、連絡する側もされる側も苦しくなります。
ここでは、相手の時間と意思を尊重しながら、情報の範囲を広げる方法へ落とし込みます。
「紹介してくれそうな人」ではなく、違う情報圏にいる人を思い出す
前職の別部署、元取引先、同級生、勉強会の知人などを10人ほど書きます。役職の高さではなく、自分と異なる会社・職種・地域を知っているかで見ます。
先に、聞きたいことを一つへ絞る
「良い求人ありませんか」では広すぎます。「カスタマーサクセスの評価は売上と継続率のどちらが中心か」のように、相手が経験から答えられる問いにします。
思い出してもらう文脈と、断れる余白を書く
どこで会ったか、なぜその人に聞きたいか、何分ほどか、難しければ返信不要であることを短く伝えます。
最初は求人紹介ではなく、仕事の実態を聞く
必要な経験、評価のされ方、チーム文化、業界の変化を聞きます。紹介の依頼は、相手から申し出があった時か、十分な対話の後に限ります。
聞いた話を一つの事実として扱わない
知人の経験も一つの視点です。求人、公式情報、複数の口コミ、面接の回答と照らし合わせ、自分の条件へ翻訳します。
そのまま使える、久しぶりの知人への連絡例
- 何年ぶりかの一文目で「求人を紹介してください」と頼む
- 同じ文章を大勢へ一斉送信する
- 返信がない相手へ何度も催促する
- 知人の話だけで会社や人を決めつける
- 関係を「使える・使えない」で評価する
内向的な人は、人脈が少ないと不利なのか
この研究は「社交的な人ほど有利」と証明したものではありません。必要なのは、毎週交流会へ行き、何百人と知り合うことではなく、すでにある数本の橋を思い出すことです。
人付き合いで消耗しやすい人の、小さな始め方
- 5分：前職、学校、取引先から一人ずつ名前を書く
- 10分：転職先で知りたいことを一問だけ作る
- 5分：一人へ短いメッセージを送る
- 10分：返事を待つ間に、求人・口コミ・公的情報を確認する
返事がなくても、人として否定されたわけではありません。忙しい、連絡を見ていない、答えられる情報がない。理由は分かりません。一人の反応を、自分の価値の判定にしないでください。
知人から聞いた情報は、必ず別の資料で確かめる
知人の話は、求人票に出ない現場感を得る入口です。ただし、その人の部署、上司、在籍時期、価値観を通した一例でもあります。「あの会社は自由」「人間関係がいい」と聞いたら、言葉をそのまま信じるのではなく、確かめる問いへ変えます。
| 知人から聞いたこと | 確認する資料 | 面接で聞く質問 |
|---|---|---|
| 裁量が大きい | 求人の期待役割、選考体験、口コミ | 入社3か月で任される意思決定を教えてください |
| 人間関係がいい | 部署別口コミ、1on1・相談制度 | 意見が割れた時は、どのように決めますか |
| 成長できる | 研修、異動事例、評価項目 | 中途入社者が半年で身につける力は何ですか |
| 残業が少ない | 公的情報、直近口コミ、求人条件 | 繁忙期と通常期の一日の流れを教えてください |
企業口コミの扱い方は、転職口コミを判断材料に変える7つの読み方で詳しく整理しています。会社の空気や評価の実態まで確認したい場合は、転職前に会社の雰囲気・社風を知る8つの方法も使ってください。
PR・一人の話を、複数の材料で確かめたい人へ
知人から聞いた会社や気になる企業について、口コミ・年収・選考体験を見比べられます。すぐに応募を決める必要はありません。聞いた話を鵜呑みにせず、自分が面接で確かめる問いへ変えるために使えます。
次の会社を決める前に、転職体験談と企業のリアルを見るなら ワンキャリア転職
今すぐ転職を決めなくても大丈夫です。気になる企業のクチコミ、年収、キャリアパスを見比べて、自分が次に求める環境を具体化できます。
結論：親友と知人は競争相手ではなく、役割が違う
約2,000万人の実験は、親しい人だけの輪に閉じず、少し遠い人との接点を持つことで、新しい求人や仕事への橋が増えると示しました。同時に、弱ければ弱いほど良いわけではなく、業界によっては強いつながりが有効で、日本へそのまま一般化できないことも示しています。
親友・家族
気持ち、生活、長所、無理している兆候を一緒に考える。
ほどよく遠い知人
自分の輪にない業界情報、仕事の実態、選択肢を教えてもらう。
求人・公的情報・口コミ
一人の経験を、応募先を選ぶための再現可能な材料へ変える。
転職で役立つのは、親友か知人のどちらかではありません。近い人には自分を見失わないための支えを、少し遠い人には知らなかった世界への窓を借りる。そして、最後は複数の情報を確かめ、自分の条件で決める。この三段階が、研究を人間らしい転職活動へ変える方法です。
よくある質問
転職では親友より知人のほうが役に立ちますか？
Science掲載のLinkedIn実験では、新しく加わった比較的弱いつながりのほうが、強いつながりより求人応募や仕事の移動を増やしました。ただし、親友へ相談する価値が低いと示した研究ではありません。親しい人は理解や支え、知人は自分の外側にある情報を得る役割に向いています。
転職でいう弱いつながりとは誰ですか？
以前の同僚、学生時代の知人、元取引先、勉強会や業界コミュニティで話した人など、面識と最低限の文脈はあるものの頻繁には交流しない相手です。研究上は、共通の知人の数とLinkedIn上のメッセージ頻度で関係の強さを測っています。
共通の知人が10人いる相手へ連絡すれば転職に成功しますか？
成功を保証しません。実験ではLinkedIn上で共通のつながりが約10人の新しい関係が最も仕事の移動につながりやすい形を示しましたが、これは平均的な統計パターンです。日本の人間関係や個別の転職で使える必勝数字ではありません。
知人には求人紹介をお願いしてよいですか？
最初から紹介を迫るより、業界や仕事の実態について短く話を聞けないか尋ねるほうが自然です。連絡した理由、聞きたいこと、短い所要時間、断っても問題ないことを伝え、相手が自発的に紹介を申し出た場合だけ次へ進みましょう。
海外のLinkedIn研究は日本の転職にも当てはまりますか？
そのまま当てはまるとは限りません。対象はLinkedIn利用者で、やや若く活動的な求職者が多く、デジタル産業で弱いつながりの効果が大きい結果でした。日本の古い観察研究では強いつながりが有利という結果もあり、業界、時代、採用慣行を含めて慎重に使う必要があります。
転職で頼れる知人がいない場合はどうすればよいですか？
人脈づくりだけが転職方法ではありません。求人、公的情報、企業口コミ、選考体験、転職サービスを組み合わせれば情報は得られます。まずは過去の同僚や同級生を数人思い出す、業界イベントで一度話すなど、小さな接点から始めれば十分です。
研究資料と、読み方の注意
Science掲載実験
対象：LinkedIn利用者2,000万人超。2015年と2019年の複数の大規模実験。
設計：知り合い推薦アルゴリズムを無作為に変え、弱い／強い新規接続、応募、仕事の移動を分析。
注意：仕事の移動はネットワーク上の推定。年収、満足度、定着の質は中心結果ではない。
日本の反対結果
対象：首都圏に住む男性転職経験者。1991年公表の観察研究。
結果：強いつながりが情報量、年収、満足度等と関連し、弱い紐帯仮説を支持しなかった。
注意：現代の男女・全国・オンライン転職へは直接一般化できず、因果実験でもない。
日本のキャリア再評価研究
対象：日本の就業者340人。2016年公表の質問紙調査。
結果：弱いつながりとの仕事・将来の会話が、働き方の再評価を介して自己効力感等と関連。
注意：求人応募や採用を測った研究ではなく、関連から因果は確定できない。
- Rajkumar et al. (2022), A causal test of the strength of weak ties
- Zenodo：集計データと再現コード
- MIT News：研究者による実験解説
- Granovetter (1973), The Strength of Weak Ties
- 渡辺深（1991）「転職——転職結果に及ぼすネットワークの効果」
- 永野惣一・藤桂（2016）「弱い紐帯との交流によるキャリア・リフレクションとその効果」
- JILPT 労働政策研究報告書No.215「ミドルエイジ層の転職と能力開発・キャリア形成」
この記事を書いた人：はっさく太郎
「まいんでぃあ」企画・運営責任者。人材紹介の現場で企業と求職者の双方に接してきた経験から、転職を人脈の多さだけで決めず、本人が納得できる情報と関係性を守る進め方を重視している。研究結果を万能な答えにせず、現実の選択に使える範囲まで整理して届けている。