生成AIを導入した企業は、この1〜2年で珍しくなくなった。社内でChatGPTなどの生成AIを利用できる環境を整え、ガイドラインを作り、社員向けの説明会を開く。メールの下書きや議事録の要約、資料作成、翻訳といった用途で、すでに日常的に使っている社員も多いだろう。
ところが、「AIを使っている会社」と「AIを使いこなせる会社」は同じではない。
ATDとUMUが米国・日本・中国で実施した共同調査では、人材開発（TD）専門家の73％が業務でAIを毎日利用していた。2024年の49％から大きく伸び、メールや文書の作成・編集では70％、翻訳64％、コンテンツ作成60％と、AIはすでに「試してみる技術」から日常業務の道具へ移っている。ところが、自組織のAIリテラシーを「上級」と評価した割合は全体で29％にとどまり、米国36％、中国29％に対して、日本は10％だった。さらに、企業向けAIツールを「専門家レベル」で使えると自己評価した日本のTD専門家は4％しかいない。
この数字から見えてくるのは、日本企業がAIを使っていないという問題ではない。
社員個人のAI利用が先に進み、会社側の育成、評価、ガバナンス、業務設計が追いついていない。
むしろ、人事が直視すべきなのはこちらだろう。
「ChatGPTを使えます」は、もうAIスキルの証明にならない
生成AIが普及し始めた頃であれば、「ChatGPTを使ったことがある」というだけでも新しいスキルとして扱えた。しかし、73％が毎日AIを使う段階まで普及すれば、利用経験そのものには以前ほど差がつかない。
例えば二人の社員が同じ生成AIを使って企画書を作っているとする。
一人は「新商品の企画案を考えて」と入力し、出てきた文章を少し直して提出する。もう一人は、顧客層、既存商品の課題、競合、予算、販売チャネル、社内制約を整理したうえでAIへ渡し、複数案を比較し、根拠となる数字を別途確認し、自社固有の知識を加えて完成させる。
システム上は二人とも「AI利用者」である。
しかし、成果物の質も、業務へのインパクトもまったく違う。
ATD・UMU調査でも、従業員がAIの重要な概念を理解していると回答した割合は全体60％だったのに対し、日本は42％。また、日本における企業向けAIツールの導入率自体も37％で、米国63％、中国56％を下回った。
企業のAI人材育成で、次に見るべきKPIは「利用率」ではない。
AIを使うことで、その社員の仕事がどう変わったか。
ここへ指標を移す必要がある。
日本企業の問題は「AIが怖い」のに「AIを教えていない」こと
日本の数字で特に気になるのが、セキュリティと研修の組み合わせだ。
今回の調査では、データセキュリティを懸念するTD専門家は全体で87％。日本では95％に達した。一方、AI研修を「優先事項」としている組織は、米国と中国が61％だったのに対し、日本は33％だった。また日本では約5社に2社が、AIに対応した人材の育成や採用を積極的に進めていない。
非常に興味深い組み合わせである。
「情報漏洩が怖い」
「間違った情報を出されたら困る」
「社員が何を入力しているか分からない」
そう心配している会社ほど、本来はAI研修を急いだ方がいい。
ところが、リスクを理由に利用を抑えながら、社員教育まで後回しにすれば、社員は会社の管理外でAIを学び始める。個人アカウント、無料サービス、社外ツールを自己判断で使い始めれば、会社が最も恐れている情報管理リスクが逆に見えなくなる。
AIガバナンスは「使うな」と書いたPDFを配ることではない。
社員自身が、どの情報なら入力でき、何を入力してはいけないかを判断できる状態を作ることまで含む。
経済産業省は2026年3月に「AI事業者ガイドライン第1.2版」を公表し、チェックリストやワークシートも整備している。AI活用では、安全性や公平性、プライバシー、セキュリティ、透明性などを含めたガバナンスを実践へ落とすことが求められている。
人事研修とAIガバナンスを別々に考えすぎると、ここが抜ける。
企業のAIリテラシーとは何か―「プロンプトが上手い」では足りない
「企業のAIリテラシーとは何ですか」と聞かれた時、プロンプトの書き方と答えるのは、かなり狭い。
企業実務で必要なのは、少なくとも次の能力である。
AIに何を任せられるかを判断する。仕事をAIへ渡せる単位に分解する。適切な情報を入力する。生成された内容を検証する。誤りや偏りを修正する。最終判断を誰が行うかを明確にする。そして、同じ作業を再現できる業務フローへ組み込む。
UMUが紹介するAIリテラシーの考え方でも、チャットボットとの対話を中心とする「Prompt Literacy」から、再現可能な仕事をAI支援ワークフローへ変える「Skill Literacy」、さらに複数工程を担うAIシステムを設計・管理・評価する「Agent Literacy」へと段階が整理されている。
この考え方を企業研修へ置き換えるなら、全社員に同じAI研修を受けさせるだけでは足りないことが分かる。
新入社員に必要なAIリテラシーと、部長に必要なAIリテラシーは違う。
営業と法務も違う。
人事とエンジニアも違う。
全員が同じ生成AIサービスを利用していたとしても、扱う情報、求められる判断、誤った出力が起きた時の損失が違うからだ。
生成AI研修は「全社員2時間」で終わらせない
企業のAI研修でありがちなのが、「生成AIとは何か」「プロンプトのコツ」「利用時の注意事項」を2時間程度で説明し、受講率100％になったところでAI教育を完了扱いする形だ。
基礎研修としては悪くない。
しかし、AIが日常業務に入った段階では、その次が必要になる。
例えば営業なら、商談前の企業調査、提案書、議事録、メール、案件レビューのどこまでAIを使うのか。
人事なら、求人票、面接質問、研修教材、評価コメント、社員データの扱いにAIをどう入れるのか。
法務なら、契約書要約にAIを使った際、どこまで人間が再確認するのか。
管理職なら、部下の評価や1on1の準備に生成AIを使ってよいのか。その場合、個人情報をどこまで入力できるのか。
研修テーマを「生成AI」というツール名から、社員が実際に行う仕事へ切り替えた方がいい。
2026年4月に経済産業省とIPAが公表した「デジタルスキル標準ver.2.0」でも、全ビジネスパーソン向けのDXリテラシーと、DX推進人材に必要な専門スキルが分けられている。今回の改訂ではAI実装・運用やAIガバナンスに関するスキルも拡充された。
AI研修も同じように、
全社員共通の最低ライン
職種別の実務スキル
AIで業務を再設計する高度人材
へ分ける方が現実的だ。
「AIを使える社員」をどう評価するか
ここから先は、人事評価の問題になる。
今後、「生成AIを使えます」という自己申告だけでスキル評価することは難しくなる。
むしろ見るべきなのは、AI利用による成果である。
例えば、AI活用前に2時間かかっていた仕事が40分になった。ただし誤りが増えたのであれば、単純な生産性向上とは言えない。
逆に作業時間は30分しか減っていなくても、成果物の品質が安定し、顧客への回答速度が上がり、本人以外でも同じ業務フローを再現できるようになったなら、組織への価値は大きい。
AIスキルを評価するなら、
- 作業時間を短縮できたか
- 成果物の品質が向上したか
- AIの誤りを検証できるか
- 情報管理ルールを守れるか
- AI利用を再現可能な業務フローにできるか
- 他の社員へ展開できるか
といった複数の観点が必要になる。
今回のATD・UMU調査では、AIによる生産性向上を測定している組織は全体78％、米国91％に対し、日本は49％だった。「大幅に改善された」とする割合も日本は6％にとどまる。AIツールのROIを測定している組織は全体でも33％しかない。
ここは日本企業のAI人材育成でかなり大きな課題だ。
研修受講者数は測っている。
AIアカウント数も測っている。
利用回数も分かる。
しかし、その結果として仕事が良くなったかを測っていない。
この状態では、AI研修へ毎年予算を付けても、それが人的資本投資なのか、単なるIT教育費なのか説明しにくい。
「AIを使えない社員」を作っているのは、本人ではなく会社かもしれない
AI人材育成では、「使える社員」と「使えない社員」の差が問題になり始める。
しかし、その差を本人の学習意欲だけで評価するのは危険だ。
今回の調査では、正式なAI研修を受けた学習者は59％にとどまる一方、71％は「AIについてさらに学びたい」と回答している。
学習意欲がないわけではない。
会社の教育機会が追いついていない可能性がある。
例えば、個人的に生成AIを有料契約し、勤務後に勉強した社員と、会社から一切利用機会を与えられていない社員を同じ基準で評価すれば、公平とは言いにくい。
AIスキルを昇進、配置、給与へ連動させるのであれば、会社側には先に学習機会を整える責任が生まれる。
「AIを使えない人は評価を下げる」より先に、
「AIを学べる環境を全員に提供したか」
を確認した方がいい。
管理職にもAIリテラシーが必要になる理由
AI研修というと現場社員ばかりが対象になりやすいが、実際には管理職の方が難しい役割を持つ。
管理職本人が生成AIを使うだけではない。
部下がAIを使って作成した資料をどう評価するのか。本人が書いた部分とAI生成部分をどこまで区別するのか。誤りが発生した場合、誰が責任を持つのか。AIによって生産性が上がった社員へ、同じ仕事量をさらに積み増してよいのか。
そして評価制度では、「AIを使ったから楽をした」と見るのか、「AIを使って生産性を上げた」と見るのか。
ここを管理職ごとの感覚へ任せれば、同じ会社でもAI活用に対する評価が部署ごとに変わる。
AI人材育成は社員教育だけでは完成しない。
管理職がAIをどう評価し、どう仕事へ組み込むかを学ぶ研修も必要になる。
AIを使うと、社員は本当に賢くなるのか
もう一つ、人材開発部門が考えておきたいのが、AIを使えば必ず社員の能力が上がるとは限らないという問題だ。
文章をAIへ任せれば、その瞬間の成果物は速くできる。しかし、自分で考える工程をすべてAIへ渡し続ければ、本人にノウハウが残らない可能性もある。
UMUが紹介したATD-ICE 2026の議論でも、AIに任せる領域と、人間が学習・対話すべき領域を分ける必要性が指摘されている。例えばパーソルキャリアの事例では、AIを反復練習や知識習得へ使いつつ、人間同士の時間を信頼構築や深い問いへ振り向ける設計が紹介されている。
これは企業研修でも重要な考え方になる。
AIに考えさせるのではなく、AIを使いながら本人が考える。
その設計がなければ、短期的には生産性が上がっても、長期的には社員の判断力が弱くなる可能性がある。
企業が育てたいのは「AIへ全部頼める人」ではない。
AIを使った方がいい仕事と、自分で考えなければならない仕事を分けられる人である。
AIスキルだけを育てても、これからの人材には足りない
世界経済フォーラムの「Future of Jobs Report 2025」では、2030年までに仕事で必要となる主要スキルの39％が変化すると予測され、63％の企業がスキルギャップを事業変革の主要な障壁として挙げている。AI・ビッグデータなどの技術スキルが重要になる一方、創造的思考、レジリエンス、柔軟性、リーダーシップなどの人間的スキルも重要性を増すとされている。
これはAI研修を考える際にも示唆的だ。
AIスキルだけを伸ばせばいいわけではない。
AIによって情報収集や文章作成が速くなるほど、人間には「何を問うか」「どれを採用するか」「誰に説明するか」という判断が残る。
AI時代の人材育成は、技術研修と人間力研修を別々に置くより、組み合わせた方がいい。
例えばAIで複数案を作らせ、その中からどれを採用するか議論する。生成AIが作った回答の問題点をチームで指摘する。AIを使った業務改善案を本人に説明させる。
そうすれば、AI利用と判断力を同時に育てられる。
日本の「AI上級組織10％」をどう読むべきか
今回の数字だけを見て、「日本はAIで米中に大きく遅れている」と結論づけるのは慎重であるべきだ。
この調査は、米国・日本・中国の人材開発専門家500人と、AIを利用している就労者479人を対象に、2025年9月から12月にオンラインで実施されたもので、日本企業全体を代表する政府統計ではない。2026年8月25日に日本語版が公開され、8月31日に結果が改めて公表された。
それでも、HRにとって無視できない数字である。
AI利用率は上がった。
一方で日本では、上級組織10％、専門家レベル4％、研修優先33％、生産性測定49％という数字が並ぶ。
共通しているのは、個人利用より組織化が遅れていることだ。
社員が自分でAIを試すところまでは進んだ。
しかし、会社として何を学ばせるのか、どのレベルまで求めるのか、どう評価するのか、どの情報を守るのか、どの業務を変えるのかという設計はまだ弱い。
これは、日本企業にAI人材がいないという話とは少し違う。
AI人材を育てる仕組みが、まだ会社の制度になり切っていないという話だ。
これから企業が作るべき「AI人材育成5層モデル」
では、生成AI研修を何から見直せばいいのか。
HR実務として整理すると、少なくとも5層に分けて考えられる。
1．全社員向けAI基礎リテラシー
生成AIの仕組み、できること、できないこと、ハルシネーション、情報セキュリティ、著作権、個人情報、社内利用ルール。
これは全社員共通でよい。
2．職種別AI実務研修
営業、人事、経理、法務、マーケティング、エンジニアなど、実際の業務に沿ってAI利用方法を学ぶ。
ここでは「ツール操作」ではなく「仕事でどう使うか」を教える。
3．AI検証・判断スキル
AIが出した情報をチェックし、根拠を確認し、採用・修正・破棄を判断する能力を育てる。
AI時代ほど、人間の判断力が重要になる部分だ。
4．AIワークフロー設計
一回のプロンプトではなく、調査、分析、作成、確認という業務全体をAIと人間でどう分担するか設計する。
ここから「AIを使う社員」と「AIで仕事を変える社員」の差が生まれる。
5．管理職・AI推進人材教育
チームのAI利用ルール、評価、リスク管理、業務再設計、ROIの測定まで扱う。
組織としてAI活用を進めるには、この層が欠けると全社展開しにくい。
IPAのデジタルスキル標準ver.2.0も、全ビジネスパーソン向けのリテラシーと、DXを推進する専門人材の役割・スキルを分けている。企業独自のAI人材モデルを作る際にも、この考え方は参考になる。
AI研修のゴールは「AIを使う人を増やす」ことではない
生成AI研修の成果を、「利用率80％」「受講率100％」だけで評価してしまうと、本来の目的を見失いやすい。
利用率はスタート地点としては便利だ。
しかし、73％が毎日AIを利用する世界で、最終的に企業価値を左右するのはその先になる。
AIを使ったことで、社員は重要な仕事へ時間を移せたのか。
品質は上がったのか。
判断ミスは減ったのか。
顧客への提供価値は変わったのか。
優秀な社員だけではなく、組織全体へAI活用を再現できたのか。
そして、情報漏洩や誤情報といったリスクを管理できているのか。
そこまで答えられて、初めて「AIを使える会社」と呼べるのではないだろうか。
日本の「AI上級組織10％」という数字が突きつけているのは、社員がAIを嫌っているという問題ではない。
むしろ、現場ではAI利用が先に進んでいる。
遅れているのは、その利用を組織能力へ変える人事制度の方なのかもしれない。
AIツールを導入する時代から、AIを使える人を育てる時代へ。そして、その次はAIを使って組織そのものを変えられる人を育てる時代へ移る。
人事が次に問われるのは、「生成AI研修を実施しましたか」ではない。
その研修を受けた社員の仕事は、具体的に何が変わりましたか。
この質問に数字と事例で答えられる企業が、日本の10％から抜け出していく。
企業のAIリテラシーと生成AI研修
Q1. 企業のAIリテラシーとは何ですか？
生成AIの操作能力だけではありません。AIの特徴と限界を理解し、業務を適切に分解してAIへ渡し、情報管理を守り、生成内容を検証し、最終判断を人間が行える能力まで含みます。組織レベルでは、AI利用を業務フローや評価、ガバナンスへ組み込めることも重要です。
Q2. 社員向け生成AI研修では何を教えるべきですか？
プロンプト作成だけでなく、ファクトチェック、ハルシネーション、情報セキュリティ、個人情報、著作権、職種別の実務利用、AIに任せる仕事と人間が判断する仕事の区別まで扱う必要があります。
Q3. AIを使えない社員はどう育成すればいいですか？
一律の座学より、その社員が実際に担当している仕事を教材にする方が実践につながります。小さな業務でAIを使い、結果を検証しながら段階的に利用範囲を広げる方法が考えられます。正式な研修機会を会社側が用意することも重要です。
Q4. 社員のAIスキルはどう評価すればいいですか？
AI利用回数だけでは不十分です。作業時間短縮、成果物の品質、誤情報を検証する能力、情報管理、業務フローへの組み込み、他社員へ展開できる再現性など、複数の観点から評価する方が実態に近づきます。
Q5. AI研修の効果はどう測定すればいいですか？
受講率や満足度だけではなく、研修前後で対象業務にかかる時間、品質、修正回数、顧客対応速度などがどう変化したかを測ります。対象業務を限定したうえでAI導入前後を比較すると、研修やAIツールのROIも把握しやすくなります。
Q6. 管理職にも生成AI研修は必要ですか？
必要性は高いと考えられます。管理職は自分がAIを使うだけでなく、部下のAI利用を評価し、情報管理、品質、責任分界、業務設計を判断する立場だからです。管理職向けにはツール操作以上に「AIを使うチームの管理」を教える必要があります。
Q7. 日本企業のAI人材育成が遅れている理由は何ですか？
一つの要因だけで説明することはできませんが、ATD・UMU調査では、日本はデータセキュリティへの懸念が非常に高い一方、AI研修を優先事項とする割合やAI活用成果を測定する割合が米中より低くなっています。利用を抑えるだけでなく、安全に利用できる教育・ガバナンス・成果測定を同時に整備することが課題です。
※ATD・UMU調査は米国・日本・中国の人材開発専門家500人とAI利用中の就労者479人を対象としたオンライン調査で、日本企業全体を代表する統計ではありません。数値は調査対象の範囲を踏まえて読む必要があります。
採用調査のプロが教える！
モンスター社員の取扱説明書 特別無料ダウンロード
以下のお問い合わせフォームからお問い合わせいただくと、すぐにご覧いただけるPDFをお送りします。