AI研修をやっても、仕事が変わらない理由
生成AIの急速な進化を背景に、「AI人材育成」に取り組む企業が増えています。
人事部門主導で研修を実施したり、生成AIツールを全社導入したりする動きは、もはや珍しくありません。国や自治体による支援制度や補助金も整備され始め、AI活用は試す段階から、組織的に取り組む段階へ移りつつあります。
一方で、人事担当者や現場から聞こえてくる声は、必ずしも前向きなものばかりではありません。「一部の人しか使っていない」「思ったほど業務が変わっていない」「PoC（実現可能性の検証）で止まっている」。そんな声に心当たりのある方も多いのではないでしょうか。
生成AIが使われている場面として、誤字脱字のチェックやメールの下書き、議事録の要約など、個人作業の補助に留まっているケースが少なくありません。
「便利にはなった。でも、仕事は変わっていない」という指摘もよく見られます。
その一方で、生成AIツールの導入費用や厳格なセキュリティ管理の負荷は決して小さくなく、「この投資に見合った成果が出ているのか」と疑問を感じる声が出てくるのもわかります。
もちろん、生成AIについての知識や、使い方についての教育はこれからますます必要になっていくでしょう。しかし、AIツールやスキルの問題だけではないように思えます。
生成AIは、情報を整理したり、文章を生成したり、選択肢を出したりすることが得意です。しかし一方で、「何をもって良い仕事とするのか」「誰のどんな判断を助けたいのか」といった、仕事の前提や目的を自ら定義することはできません。仕事のゴールが曖昧なままAIに作業を任せれば、それらしいアウトプットは返ってきても、判断や行動につながりません。
生成AIがうまく使いこなせていない原因として、AI以前に「仕事の捉え方」や「仕事の前提」が整理されていないことがあるのではないでしょうか。
AIに渡す前に、人が考えるべきことが十分に言語化されていない。
その状態のまま、AI研修を重ねても、ツールを増やしても、状況は大きく変わらない可能性があります。
AIと共存していく環境下での、ホワイトカラー像、あるいはプロフェッショナル像とはどのようなものでしょうか。
最近の議論を見ていくと、「編集者」「アーキテクト（設計者）」といった言葉が使われていることが多いです。呼び方はいろいろですが、共通しているのは、作業をこなす人ではなくて、仕事の構造そのものを組み立て直す役割が重視されている点です。
AIが担う役割が広がるほど、人に求められるのは「何を実現する仕事なのか」を定義し、人とAIの役割を切り分け、仕事の形を更新し続けることです。AI時代のプロフェッショナルとは、仕事を実行する人である以前に、仕事を設計する人なのではないでしょうか。
「何をやるか」だけでなく、「なぜそれをやるのか」「どこまでいけば成功なのか」を自分の言葉で表現できる人です。
「仕事を設計する力」は、まったく新しいスキルというよりも、これまでも仕事を通じて成長してきた人たちが備えていた力と、とてもよく似ています。
仕事を設計するというのは、単に手順を効率化することではありません。
「この仕事は何を実現するためのものか」「どんな状態になればうまくいったと言えるのか」を定義し、実行しながらズレを発見し、次のやり方に反映していく。その一連のプロセスは、経験から学び、仕事のやり方を更新していく行為そのものです。
書籍「成長する人の仕事の進め方」が一貫して扱っているのも、この点です。
この本はAIの使い方を解説したものではありませんが、成長する人とは、仕事をただ繰り返す人ではなく、経験を振り返り、次に活かせる形に変えていく人だと定義しています。考え方は、AI時代に求められる仕事の設計力と重なり合っています。
たとえば、本書の第1章で強調されている「結果イメージ」という考え方。
仕事に取りかかる前に、「この仕事がうまくいったと言えるのはどんな状態か」を具体的に描くことは、AI活用においても重要です。AIに何を考えさせたいのか、人がどこで判断すべきなのかを切り分ける起点になるからです。結果イメージが曖昧なままでは、AIはそれっぽいアウトプットを生成するだけで、仕事の質を高める存在にはなりにくい。
また、第2章で触れている、経験の振り返りにおける「状況・言動・結果」の３点セットの考え方は、AI活用を一過性で終わらせないための土台になります。なぜうまくいったのか・いかなかったのかを言語化できなければ、次の仕事には活かせません。振り返りを通じて経験を構造化できる人ほど、AIとの付き合い方も洗練されていきます。
第3章の「仕事のコツを抽象化し、別の場面での使える形に一般化する方法」は、AI活用を特定の業務や個人技に閉じ込めないために欠かせません。ある部署で成果がでたAI活用が、別の部署では再現されないという事態の多くは、仕事の進め方が暗黙知のまま共有されていないことに原因があります。仕事の設計意図を言葉にできるかどうかは、AI人材を組織の力に変えられるかどうかを左右します。
第4章以降に登場する、「問い」を立てて、発見の視点を増やすという考え方も同様です。
AIは問いを与えられなければ動けません。問いが雑であれば、返ってくる答えも雑になります。どの観点で考えるべきかを設計できる人ほど、AIを「考えさせる道具」として使いこなせます。
部署や組織としての結果イメージを描くことはどうでしょうか。
これは個人のAIスキルとは直接関係ないように見えますが、実はとても重要です。AI活用の選択肢が増えるほど、「何に使わないか」「どこを優先するか」を決める軸が必要になります。「部署の使命」や「部署の結果イメージ」は、AI活用が自己満足で終わらないための、1つ上の視点からの設計といえます。
こうして見ていくと、AI時代に必要とされる「仕事を構造的に捉え、設計し直す力」は、決して流行りのスキルではありません。むしろ、仕事を通じて成長してきた人たちが身につけてきた、経験から学ぶ力の延長線上にあります。
プロンプトの書き方やツールの操作方法を教えるだけではなく、仕事の結果をどう定義するのか、経験をどう振り返り、どう次に活かすのかといった、仕事の進め方そのものを再学習することも、AI人材育成に含まれてくるかもしれません。そのほうが、AIへの投資が安定した成果につながりやすくなるように思えます。
AIを「うまく使える人」を増やすことよりも、AIと共に「仕事を育てられる人」を増やすこと。それがこれからのAI人材育成の要諦なのかもしれません。