AI人材育成の投資判断：研修の前に整理する対象者と優先順位

AI人材育成の投資判断で最初に決めるのは、どの研修を買うかではない。誰を先に伸ばすかという対象者の順番と、伸びたことを何で確かめるかという物差しである。元記事によると、大半の人はAI活用の8段階のうち最初の2段階にいて、エンジニアはその先にいる。本稿は、全員に同じ研修を配る投資は、片方には遅すぎ、片方には早すぎると考える。

本稿が調べた範囲では、「AI 人材 育成」で検索上位に出るのは、研修サービスの比較や紹介、AIを「創る人材」と「使う人材」に分けて育成内容を変える整理、自己学習型と講師を招く研修型の比較である。どれも「何を学ばせるか」の答えにはなっているが、AIをすでに全社に入れた組織が、限られた予算と時間を誰にどの順で配るかという問いには届いていない。本稿はその全体像を扱う。

AI人材育成とは、何に投資することなのか

本稿では、AI人材育成とは、社員がAIに任せる仕事の範囲を広げ、その結果を自分で確かめられるようにするための投資である、と定義する。知識を教える費用だけでなく、任せ方を試す時間と、確かめ方を身につける機会まで含む。

国内の公的な物差しから確認しておく。IPA（情報処理推進機構）が公開しているデジタルスキル標準には、ビジネスパーソンがDXに関するリテラシーを身につけるための「DXリテラシー標準」と、DXを推進する人材の役割とスキルを定めた「DX推進スキル標準」がある。IPAは2023年8月7日、DXリテラシー標準に「生成AI利用において求められるマインド・スタンス」のページを新設した。中身は3つで、生成AIを「問いを立てる」「仮説を立てる・検証する」といったビジネスパーソンとしてのスキルと掛け合わせて使おうとしていること、期待しない出力や権利侵害・情報漏洩・倫理的な問題に注意が要ると理解していること、変化をいとわず学び続けていること、である。2024年7月8日にはDX推進スキル標準にも、生成AIの特性や業務での活用例などを補記している（いずれも2026-11-07 にIPAの公式発表で確認）。

これらは全員が持つべき底を定めた物差しであり、組織の中で誰を先に伸ばすかは定めていない。そして本稿は、AIが入り始めた組織で問題になるのは、底よりも、使う側のなかの開きだと考える。

メディア企業EveryのAIコンサルティング部門を率いるNatalia Quinteroと評価責任者のMike Taylorは、AIの活用を8つの段階で捉えている。大半の人は最初の2段階ほどにいて、ChatGPTを使うか、文書や表計算の横でAIと一緒に作業している。知識労働者が向かっているのは第3段階の「エージェント的な使い方」で、そのためにはスキルを取り入れ、エージェントと働き、複数の作業を同時に走らせる方法を学ぶ必要がある。エンジニアはその先にいて、AIが別のAIを管理する第8段階あたりのオーケストレーションまで進んでいる人もいる、と2人は書く（AI 全社導入の次に経営層は何を決めるべきか ― 33の質問への回答に見る人材育成・ガバナンス・組織設計）。

同じ組織に第1段階の人と第8段階の人がいるなら、全員に同じ研修を配る投資は、片方には遅すぎ、片方には早すぎる、というのが本稿の見立てである。研修の枠を増やしても使われなくなる理由は、AIツールが定着しない対策は、研修ではなく使われなくなった理由を一件ずつ判定することで分解した。

AI人材育成の対象者は、どの順番で選ぶのか

Everyの2人は、200〜500人の組織でゼロからAIを根づかせるならどこから始めるか、という問いにこう答えている。まず経営層に、何ができるようになったかを理解できるまで手を動かさせる。次に、痛みが大きく、繰り返しが多く、価値の高い仕事を持つチームを2つか3つ選ぶ。業務の流れを描き、役に立つスキルかエージェントを1つ作り、それが動くことを示し、社内の見本にする。誤りは、具体的に変わった業務を誰も指し示せないうちに、AIを全社に「展開」しようとすることだ、と。この助言はゼロから始める組織向けであり、すでに導入を進めた組織への当てはめは本稿の延長である。

対象者については、2人はAIへの関心が最も強い社員に野心的なものを作る許可を与えるよう勧め、床を上げるより天井を上げるほうが簡単だと書く。

ここから本稿は、育成投資の順番を次のように置く。経営層、関心の強い上位層、選んだ2〜3チーム、そして全体である。全体の研修は最後に来る。見本になる業務ができる前に全員を集めても、自分の仕事に引き寄せる材料がないからだ。

ただし天井を上げる投資だけでは置き去りになる層がある。Lenny’s Newsletterの2026年のテックワーカー調査では、AIと働くことで自分の職業人としての見え方がどう変わったかを尋ね、「増幅された（より多く、より良くできる）」が49.0%、「揺らいだ（自分の立ち位置や、何が本当に自分のものなのかが分からなくなった）」が13.9%、「縮小した（自分が必要でなくなった、価値が下がった）」が5.0%だった。増幅された群と縮小した群のキャリアの楽観度の差は、調査全体で最も大きな効果だったという。揺らいだと答えた割合が最も高いのは駆け出しの個人貢献者（27%）で、会社の規模別では1万人超の企業が23%と、1〜10人の企業の15%を上回る（AIはテックワーカーをどう分断したのか ― バーンアウト55.7%・職種NPS -39の調査が示す人材マネジメントの課題）。

大きな組織ほど、揺らいでいる人の割合が高い。だから順番の4番目は「全体」ではなく、揺らいでいる層への別の手当てとして予算を分けて持つほうがよい、というのが本稿の見立てである。若手と経験者でAIによる判断の劣化の原因が逆になる点は、AI時代の人材育成で、若手と経験者のどちらの判断が劣化しているかを測るで掘り下げた。

企業のAI研修は、何に効き、何に効かないのか

研修そのものの設計について、Everyの2人の助言は短い。AIを抽象的に教えない。実際の仕事で使える道具を渡し、その場で役に立つものを作らせる。手応えが生まれるのはたいてい、ブリーフィング、メモ、表、確認用のチェックリスト、顧客への返答、計画書のような、本人が見慣れた成果物をAIが出したときだという。

彼らが示す支援の流れでも、ハンズオンの研修は、経営層の合意から引き継ぎまで8つの要素の1つにすぎない。

外部の力を借りるときの注意として、2人は次のように書いている。

“Otherwise you get a great demo and no organizational capability.”

（さもなければ、手に入るのは見事なデモであって、組織の能力ではない。出典: Every by Natalia Quintero, Mike Taylor、2026-08-29）

この文の前にあるのは、外部の開発者には必ず社内のチャンピオンを1人組ませ、成果物には動く道具だけでなく、スキルのファイル、評価の仕組み、判断の記録、運用の手順書、そして修正できる同僚を含める、という条件である。研修や外部委託に払う費用の効きは、講座の質より、引き継ぐ人が決まっているかで決まる、と本稿は読む。

研修の外で続く学び方の記録もある。Everyの運用責任者Arielle Shipperは、同僚のMike TaylorとLaura Entisがまとめた「AI活用の8段階」の記事をOpenAIのCodexに読ませ、過去のセッションを見たうえで自分がどの段階かを判定させた。答えは5.5で、第5段階を土台に第6段階の習慣が少しある状態だった。彼女はさらに、その週のセッションを読んで段階を採点し、前週から何が変わったか、翌週に試すことは何かを返す週次のレポートを、毎週金曜の午後に届くよう設定した。この繰り返しで、4か月のあいだに5.5から7.9へ上がったという。本人は、学びが起きたのは点数ではなく「何が変わったか」と「来週」の欄だったと書いている（AIエージェント活用の習熟度を測る物差しを自分の組織は持っているか、Every 運用責任者の週次評価の実践）。教室ではなく、本人の仕事の記録の上で回る振り返りである。

そして育成の対象は、初心者だけでもない。EveryでSlackのエージェントの開発に携わるエンジニアLoren Stewartは、実装のほとんどをエージェントに任せる仕組みを作った結果、エージェントが42ファイルに触れて約3,000行を足した機能で、途中で決まった設計判断の意味を自分で説明できなかったと書く。彼は任せ方を「完全な自律」「密な監督」「手作業」に分け、新しいやり方や技術を学びたい問題は自分の手で解く時間を残すことにした（AIコーディングエージェントにどこまで任せるか——自律・監督・手動を分ける3モード設計）。エンジニア1人の運用の記録だが、本稿はこれを、進んだ層にも学ぶための時間を意図して残す育成設計の一例として読む。

育成を推進する役を専任の部署に置くか、現場のワークフローの設計に任せるかは、AI活用で専任部署に切り出す機能と、現場のワークフロー設計に任せる機能の分け方で扱った。

AI人材育成の投資効果を、何で確かめるのか

研修の受講者数や利用時間は、投資の量を示しても効果は示さない。元記事から取り出せる物差しの候補は2つある。

1つ目は、AIで成果が変わった業務を本人が挙げられるかである。Lenny’s Newsletterの調査は、増幅された側の人々を、AIが成果を測れるほど変えた2つか3つの作業を見つけ、そこに深く習熟した人だと描いている。何にでもAIを使おうとすると、圧倒され、相反する感情を抱える状態に行き着くという。研修のあとに「AIで成果が変わった自分の業務を2つ挙げ、前後で何が変わったか」を書かせれば、受講したかどうかではなく、仕事に入ったかどうかを確かめられる。Shipperの週次レポートは、その記録を本人の作業履歴から自動で作る形の一例である。

2つ目は、マネージャーの質である。同じ調査で、燃え尽きを最も強く左右していたのは職種でも会社の規模でもAIへの感じ方でもなく、マネージャーの有効性だった。非常に有効なマネージャーを持つ人は、有効でないマネージャーを持つ人より仕事の楽しさがおよそ65%高い。それなのに、自分のマネージャーを非常に有効だと評価した人は25.5%で、有効でないと評価した人が36.5%いた。揺らいでいる層への手当てを研修だけで用意するより、その層を抱えるマネージャーへの投資のほうが効くかもしれない、と本稿は考える。ただしこれは調査の相関から本稿が引き出した仮説であり、因果は示されていない。

育成の成果を等級や報酬にどうつなぐかは、同じ調査の別の数字とあわせてAI時代の人事評価制度で、変えるべき評価軸と残すべき評価軸で扱った。

まとめ: 研修の枠を買う前に、順番と引き継ぎ先を決める

AI人材育成は、全員に同じ知識を配る投資ではなく、AIに任せる仕事の範囲を人ごとに広げる投資である。元記事によれば使う側のなかで段階の差は大きく、調査では大きな組織ほど揺らいだと答える人の割合が高い。だから決めることは3つある。経営層、関心の強い上位層、選んだ2〜3チームという順番で投資を置き、揺らいでいる層には別の予算を持つこと。研修を業務の流れの整理、チャンピオンの選定、スキルの構築、引き継ぎと組にし、外部を使うときは引き継ぐ社内の担当者を1人ずつ名指しすること。そして効果を、受講の数ではなく、AIで成果が変わった業務を本人が挙げられるかと、マネージャーの質で確かめることだ。今期のうちに、経営会議のメンバー自身が自分の業務でAIに1つ成果物を作らせる場を設け、最初の2〜3チームの候補を、痛み・頻度・価値の3つで並べるところから始められる。