AIで仕事が変わる。それでも人材育成が変わらないのはなぜか？｜320社調査から考える、経営・人事・管理職の断絶【Case OS】

生成AIによって仕事は変わり始めています。情報を集める。分析する。文章を書く。企画を考える。資料を作成する。これまで社員が時間をかけて行っていた仕事の一部を、生成AIが短時間で支援できるようになりました。企業にとって、これは大きな機会です。業務の生産性を高め、社員がより付加価値の高い仕事へ取り組める可能性があります。

しかし、ここで一つ考えたいことがあります。仕事の進め方が変わるのであれば、人材育成のあり方も変わるはずです。では、企業は実際に何を変えているのでしょうか。

例えば、ある企業で、新入社員が顧客への提案書を作成することになったとします。以前であれば、先輩社員から顧客について説明を受け、必要な情報を集め、自分なりに問題を整理し、提案の方向性を考える必要がありました。

その過程では、何を調べればよいのか分からないこともあります。顧客の問題を勘違いしたり、上司から提案の論理が弱いと指摘されたりすることもあるでしょう。しかし、その経験を通じて、問題設定や情報収集、仮説検証、論理構成といった能力を身につけてきた側面があります。

一方、生成AIを使えば、初めから一定水準の提案書を作成できる場合があります。上司は資料を確認し、必要な修正を指示する。新人は短時間で資料を完成させる。一見すると、生産性が大きく高まったように見えます。

しかし、ここで確認したいことがあります。その新入社員は、顧客の問題をどこまで理解しているのでしょうか。なぜ、その提案内容が適切だと考えたのでしょうか。仮に顧客の状況が変わった場合、自分で提案を修正できるのでしょうか。そして、数年後に部下を持つ立場になったとき、部下の提案が妥当かどうかを判断できるのでしょうか。

私は、ここに生成AI時代の人材育成における重要な問題があると考えています。仕事の成果物をつくることと、その仕事を自分で判断できる能力を身につけることは、同じではありません。

では、企業はこの問題をどの程度認識しているのでしょうか。2026年10月7日、産業能率大学総合研究所とHR総研が共同で実施した「生成AIと人材育成に関する人事実態調査」が公表されました。この調査は、日本企業・組織で人事施策または人材育成に関わる担当者・責任者を対象としたもので、320社の回答が集計されています。

その結果は、非常に興味深いものでした。生成AIが人材育成へ影響すると考える回答は79.1％に達しています。しかし、育成施策の具体的な見直し・対応を行っているという回答は、調査した5つのテーマすべてで2割未満でした。

また、育成上の課題が大きいと感じる階層では、管理職が59.4％で最多となっています。その一方、管理職向けに生成AI活用の周知や研修を実施しているという回答は、わずか7.7％でした。

私は、この調査結果から、単に「企業のAI人材育成が遅れている」と結論づけるべきではないと思います。むしろ、さらに深く考える必要があります。

なぜ、多くの企業が人材育成の見直しを必要だと感じながら、具体的な対応へ進めていないのでしょうか。本当に問題なのは、研修の予算や人事担当者の知識が不足していることなのでしょうか。それとも、AIによって仕事の何が変わり、今後どのような能力を持つ人材が必要になるのかについて、企業として十分に判断できていないのでしょうか。

今回は、この調査を起点に、生成AI時代の人材育成を、経営・人事・管理職・従業員の立場から考察します。そして、Case OSとして、AIによる生産性向上と、人が成長するための経験を、どう両立させるのかという問題まで掘り下げたいと思います。

今回取り上げる調査

「生成AIと人材育成に関する人事実態調査」

調査主体：学校法人産業能率大学 総合研究所／HR総研（ProFuture株式会社）
公表日：2026年10月7日
調査期間：2026年5月22日〜6月23日
調査方法：インターネット調査
調査対象：日本企業・組織において、人事施策または人材育成に関わる担当者・責任者
調査件数：総回収389件。重複回答を整理し、主集計は1社1回答の320社。

今回の調査では、生成AIの業務利用状況、人材育成への影響認識、育成施策の見直し状況に加え、新人・若手社員の育成や、AIを用いて作成した成果物のレビューについても確認されています。特に注目したい調査結果は、次のとおりです。

出典：産業能率大学総合研究所「生成AIと人材育成に関する人事実態調査」

これらの割合は設問によって対象や意味が異なります。単純に比較して因果関係を導けるものではありません。また、この調査は人事担当者・責任者を対象とした回答に基づいており、日本企業全体を無作為抽出した結果ではありません。実際の社員の能力や学習成果を直接測定した調査でもありません。

そのため、今回は、調査で確認できる事実と、そこからCase OSとして考えられる解釈を区別しながら議論を進めます。

「必要だと分かっているのに動けない」――育成見直しの停滞をどう理解するか

今回の調査で最初に注目したいのは、人材育成の見直しについて、必要性の認識と実際の対応の間に大きな隔たりがあることです。生成AIの普及が人材育成に影響すると考える回答は79.1％でした。また、必要な能力・スキル、育成方針・体系、育成内容・方法、マネジメントのあり方、人材育成に関する制度・運用という5つのテーマすべてで、半数以上が見直しの必要性を感じています。一方、実際に見直し・対応を行っているという回答は、いずれのテーマも2割未満でした。

この結果から、何が言えるのでしょうか。一つの見方としては、企業の人材育成が変化へ十分に対応できていないということです。しかし、私は、もう少し慎重に考える必要があると思います。

例えば、人材育成の見直しが必要だと感じていても、具体的に何を変えるべきなのか分からない場合があります。また、生成AIによって仕事が大きく変わる可能性は認識していても、その変化の範囲や速度が不明確なため、大規模な育成体系の変更をためらっている場合もあるでしょう。

さらに、育成体系は人事部門だけで決められるものではありません。例えば、営業職に求める能力を変更しようとする場合です。今後の営業では、AIを活用して顧客情報を分析する能力が必要になるかもしれません。しかし、その企業が今後どのような営業活動を重視するのかが決まっていなければ、何を育成すべきかを判断することは難しいでしょう。

従来どおりの訪問件数や提案件数を重視するのでしょうか。あるいは、顧客の問題を深く理解し、高度な提案を行う営業へ転換するのでしょうか。この二つでは、必要な能力も、経験させる仕事も異なります。

私は、ここに人材育成の見直しが難しい理由の一つがあると考えています。人材育成とは、本来、企業がどのような仕事を行い、どのような価値を生み出していくのかという経営の判断とつながっているからです。

例えば、ある企業が「AI人材を育成したい」と考えていたとします。しかし、そのAI人材とは、どのような人材なのでしょうか。生成AIを使って資料を作成できる人でしょうか。AIを活用して業務を効率化できる人でしょうか。それとも、AIによって生まれた時間を活用し、顧客の新しい課題を解決できる人でしょうか。この違いを整理しなければ、必要な育成施策も決まりません。

私は、今回の調査結果を、単に企業が人材育成へ十分に投資していないという問題としてだけ捉えるべきではないと思います。むしろ、何を育成すべきなのかを決めるための、仕事や役割に関する経営判断が追いついていない可能性を考える必要があると思います。

もちろん、この調査だけで、すべての企業の原因を特定することはできません。しかし、次に紹介する調査結果は、この解釈を考えるうえで重要な材料になります。

問題は予算よりも「何を人に任せるか」が決まっていないことではないか

人材育成の見直し・対応が進みにくい理由について、今回の調査では興味深い結果が示されています。最も多かった回答は、「全社として生成AI活用の方向性が明確ではない」で48.3％でした。次いで、「生成AIの活用によって、仕事や役割がどのように変わるか整理できていない」が46.9％です。一方、「必要な時間や工数を確保できていない」は20.8％、「必要な予算を確保できていない」は17.9％でした。

私は、この結果が非常に重要だと感じました。一般的に、人材育成の見直しが進まない理由として、予算や人員の不足が挙げられることがあります。もちろん、そのような制約は現実に存在します。しかし、今回の調査では、時間や予算の不足よりも、全社の方針や仕事・役割の変化を整理できていないことが、多く挙げられています。

これは何を意味するのでしょうか。私は、企業が人材育成の方法を考える前に、AIを活用することによって、人の仕事をどう変えたいのかという判断が必要になっていると考えています。

例えば、ある企業が生成AIを導入し、社員が市場調査や企画書作成へ活用できるようになったとします。以前より短い時間で、一定水準の資料を作成できるようになりました。

そのとき、企業は何を期待するのでしょうか。同じ人数で、より多くの資料を作成することでしょうか。それとも、資料作成の時間を減らし、顧客との対話や事業の分析へ時間を使うことでしょうか。あるいは、AIによって初期の情報整理を効率化し、これまで以上に高度な問題解決へ取り組むことでしょうか。どれを選ぶのかによって、社員へ求める能力は変わります。

例えば、資料作成の効率を高めたいのであれば、生成AIによる文章作成や情報整理のスキルが重要になるでしょう。一方、顧客との対話を深めたいのであれば、顧客理解や仮説思考、質問力などが重要になります。また、より高度な意思決定を行うのであれば、分析結果の妥当性を見極め、リスクや成立条件を判断する能力が必要になるかもしれません。

つまり、AIを導入することによって、何が自動化されるのかだけでなく、人に求める仕事の価値をどこへ移すのかを考える必要があるのです。

ここで、私は、経営者に求められる判断があると考えています。例えば、生成AIによって、これまで3時間かかっていた仕事が30分で終わるようになったとします。その場合、短縮された時間をどのように使うのでしょうか。単に、同じ仕事をさらに多く行うのでしょうか。それとも、これまで十分に取り組めなかった顧客の問題や、新しい事業機会の検討へ使うのでしょうか。あるいは、社員の能力開発や、仕事の品質向上へ使うことも考えられます。

私は、この選択が、企業の今後の競争力へ影響すると考えています。なぜなら、AIによって効率化できることが増えるほど、どのような価値を生み出すために人が働くのかという問題が、より重要になるからです。

ただし、AIで効率化した時間を、必ず新しい仕事へ振り向ける必要があるわけではありません。業務負荷を減らすことや、労働時間を短縮することにも意味があります。重要なのは、何を目的としてAIを活用するのかを、企業として明確にすることです。

私は、ここでCase OSとして、次のように考えたいと思います。

この判断が曖昧なままでは、人事部門が育成体系を見直そうとしても、必要な能力を十分に定義できない可能性があります。そして、管理職も、部下へどのような経験を積ませ、何を評価すればよいのか分からなくなるかもしれません。私は、今回の調査が、まさにこの問題を示唆していると考えています。

なぜ管理職が最大の育成課題なのか――59.4％と7.7％が示すもの

今回の調査で、私が特に注目したのが、管理職に関する結果です。生成AIの普及に伴い、人材育成上の課題が大きいと感じる階層を尋ねたところ、管理職が59.4％で最多でした。次いで中堅社員が53.1％、経営層が39.7％、若手社員が32.8％、新入社員が31.9％となっています。

一方、生成AI活用に向けた周知・研修の実施状況を見ると、「生成AIの基礎知識に関する周知・研修」が41.2％、「生成AIの利用ルールや留意点に関する周知・研修」が40.9％でした。しかし、「管理職向けの生成AI活用に関する周知・研修」は7.7％にとどまっています。

もちろん、管理職向けの専門研修が実施されていないことだけで、管理職の育成が行われていないと断定することはできません。一般社員向けの研修へ管理職が参加している場合もあるでしょう。また、OJTや実務を通じて学んでいる可能性もあります。

それでも、管理職が最も大きな育成課題と認識されている一方、管理職を対象とした取り組みが限定的であるという結果は、重要です。私は、この結果から、AI時代の管理職の役割そのものを考える必要があると思います。

例えば、これまでの管理職は、部下よりも多くの知識や経験を持っていることが期待されてきました。部下が資料を作成した場合、その内容を確認する。問題があれば、修正する。また、部下が困っていれば、経験に基づいて助言する。こうしたことが、管理職の重要な仕事でした。

しかし、生成AIが普及すると、状況が変わります。例えば、新入社員が生成AIを使って、非常に完成度の高い資料を作成したとします。文章は論理的です。構成も分かりやすく、専門的な用語も適切に使われています。

しかし、その資料に示されている結論が本当に正しいのかを、誰が判断するのでしょうか。もし、管理職自身が、生成AIの出力を十分に検証できなければ、どうなるでしょうか。資料が整っているという理由だけで、内容を承認してしまう可能性があります。また、部下自身がどこまで理解しているのかを、確認できない場合もあるでしょう。

私は、ここに生成AI時代の管理職が直面する重要な問題があると考えています。管理職は、部下が作成した成果物を評価するだけでなく、AIを活用して得られた成果物について、その妥当性と部下の理解を見極める必要があるということです。

ただし、ここで注意したいことがあります。管理職が、すべてのAI技術について、部下より詳しくなる必要があるという意味ではありません。AIの操作方法については、若手社員の方が詳しい場合もあるでしょう。また、特定の専門分野については、管理職より専門性の高い社員もいるかもしれません。

重要なのは、管理職がすべての答えを持っていることではありません。例えば、AIが示した結論について、どのような前提が置かれているのかを確認する。その根拠となる情報が正しいのかを確認する。また、別の説明や選択肢がないかを考える。そして、その結論を実際の仕事へ採用した場合、どのようなリスクがあるのかを検討する。こうした判断を行うことです。

さらに、部下が自分で考えるための経験を、どのように残すのかを考える必要もあります。例えば、部下がAIを使って企画書を作成した場合です。管理職は、完成した資料だけを見るのではなく、次のような問いを投げかけることができます。

「今回、何を最も重要な問題だと考えたのか」「その問題だと判断した根拠は何か」「AIからどのような別案が示されたのか」「なぜ最終的に、この案を選んだのか」

こうした問いによって、部下がどのように考え、何を判断したのかを確認できる可能性があります。ただし、口頭で説明できることだけで、その人の能力すべてを評価できるわけではありません。実際の仕事では、異なる状況に直面したとき、同じように判断できるかを確認することも必要でしょう。

私は、ここに、AI時代の管理職育成における重要なテーマがあると考えています。従来の管理職研修では、目標設定や評価、部下育成、問題解決、コミュニケーションなどを扱うことが多くありました。これらが不要になるわけではありません。むしろ、生成AIが仕事へ入り込むことで、その重要性は変化する可能性があります。

例えば、問題解決力についても、管理職自身が問題を解けるだけではなく、部下やAIが提示した分析や結論について、妥当性を判断できることが求められます。また、部下育成についても、AIを使わせるかどうかではなく、どの仕事を本人へ考えさせ、どの段階でAIを使わせるのかを判断する必要があります。

私は、ここでCase OSとして、次のように考えたいと思います。

この意味で、管理職の育成は、AI操作研修を追加するだけでは不十分なのだと思います。

若手が「どこまで自分で考えたか分からない」――76.2％の懸念をどう捉えるか

今回の調査で、もう一つ重要なのが、新人・若手社員の育成に関する結果です。「本人がどこまで自分で考えたのかを確認しにくい」という懸念は76.2％で、最も多い回答でした。また、「生成AIをどのように活用させるかについて、上司・先輩によって指導にばらつきが出やすい」が69.5％、「生成AIを用いた成果物の内容や妥当性を見極めにくい」が68.1％、「新人・若手と上司・先輩の間で生成AI活用の知識やスキルに差が生じやすい」が65.8％でした。

私は、この結果が、AI時代の人材育成における重要な変化を示唆していると思います。それは、完成した成果物を見るだけでは、本人の能力や成長を十分に評価できなくなる可能性があるということです。

例えば、若手社員が、非常に分かりやすい分析資料を作成したとします。以前であれば、その資料の内容から、本人がどの程度情報を整理し、分析できるのかを、ある程度推測できたかもしれません。もちろん、以前から他者の支援を受けたり、資料を参考にしたりすることはありました。しかし、生成AIによって、高度な分析や論理構成を、短時間で支援してもらえるようになっています。そのため、完成した資料の質だけでは、本人がどこまで理解しているのかを判断しにくくなる可能性があります。

ここで、私は、二つの問題を区別したいと思います。一つは、仕事の成果物の品質です。もう一つは、その成果物をつくった本人の能力です。

例えば、AIを使って優れた提案書を完成させた場合です。顧客の問題が適切に整理され、必要な情報も確認されており、提案内容が合理的であれば、仕事の成果として価値があります。AIを使ったという理由だけで、その成果物の価値がなくなるわけではありません。

一方、その資料を作成した本人が、提案の根拠や成立条件を説明できない場合には、どうでしょうか。その人が、別の顧客へ同じような提案を行う際、自分で判断できるとは限りません。つまり、仕事として成果を出せたことと、本人の能力が育ったことは、別々に確認する必要があるのです。

AIの利用履歴を確認すれば、本人の思考は分かるのか

この問題へ対応するために、AIの利用履歴を確認したいと考える企業もあるかもしれません。例えば、どのようなプロンプトを入力したのか。何回AIへ質問したのか。AIの回答を、どの程度修正したのか。こうした情報を確認することで、本人の仕事の進め方の一部を理解できる可能性があります。

しかし、私は、利用履歴だけで本人の思考力を評価することには限界があると考えています。なぜなら、AIへの質問回数が多いことと、深く考えていることは同じではないからです。例えば、何度も質問を繰り返していても、出力された内容を十分に理解していない場合があります。一方、少ない質問でも、明確な問題設定を行い、必要な情報を確認し、適切に判断している場合もあるでしょう。

また、AIの利用履歴には、顧客や企業の機密情報、個人情報が含まれる可能性もあります。そのため、社員の能力を評価するために、すべての利用履歴を収集すべきだとは思いません。重要なのは、監視を強化することではなく、本人が何を判断できるのかを確認することです。

「自分で考えたか」より「自分で判断できるか」を見る

例えば、若手社員がAIを使って市場分析を行ったとします。その場合、管理職は、資料の内容について、次のような問いを投げかけることができます。

「今回、なぜこの市場を対象にしたのか」「分析結果から、最も重要だと考えたことは何か」「その結論が間違っているとしたら、どのような可能性があるか」「別の市場で同じ分析を行う場合、何を変える必要があるか」

こうした問いによって、本人が分析内容を理解し、別の状況へ応用できるかを確認することができます。もちろん、質問に答えられたことだけで、すべての能力を評価できるわけではありません。例えば、実際に顧客から反対意見が出た場合に、自分で考え直せるか。また、新しい情報が得られた場合に、最初の仮説を修正できるか。こうした経験も必要になるでしょう。

私は、ここで、これまでCase OSの「AI時代の組織開発」で考察してきた「経験債務」という問題を思い出します。経験債務とは、AIによって目の前の仕事を効率化する一方で、将来必要になる能力を形成する経験まで失い、その影響を将来へ持ち越してしまう状態を捉えるための、Case OS独自の分析概念です。

例えば、若手社員が、自分で仮説を立てる経験を積まないまま、AIが作成した資料を修正する仕事ばかりを続けていたとします。その状態で数年が経過した場合、将来、管理職として部下の仮説を評価できるのでしょうか。

もちろん、AIを使うことで学習が促進される場合もあります。AIが提示した別案や反論によって、本人が新しい視点を得られる可能性もあるでしょう。そのため、AIを使うこと自体が経験債務を生み出すと断定すべきではありません。重要なのは、AIを使う過程で、本人がどのような経験を積んでいるのかということです。

以前の記事では、将来の能力形成に重要な仕事について、あえて本人が先に考える機会を残すことを「Protected Practice」として整理しました。

私は、この考え方が、今回の調査で示された76.2％の懸念に対して、一つの対応策になる可能性があると思います。例えば、若手社員が企画書を作成する場合です。最初からAIへすべてを任せるのではなく、まず自分で問題を整理する。その後、AIへ別の分析や仮説を提示してもらう。そして、自分の考えとAIの考えを比較し、どの案を採用するのかを判断する。最後に、管理職とともに、その判断の妥当性を確認する。このような方法であれば、AIの利点を活かしながら、本人が考える経験を残すことができます。

ただし、すべての仕事について、最初に自分で考えることを義務づける必要はありません。例えば、定型的な文章の整形や、情報の転記など、本人が繰り返し行うことで能力形成につながる効果が小さい仕事もあります。一方、問題設定や仮説検証、顧客への判断、重要な意思決定など、本人が経験することに意味のある仕事も存在するでしょう。だからこそ、仕事の性質によって、AIを使う順番や範囲を設計する必要があります。

ここでCase OSとして、次のように考えたいと思います。

私は、この視点が、今後の人材育成や人事評価において重要になると思います。

人事自身はAIを使っている。それでも現場が見えていないのはなぜか

今回の調査には、もう一つ興味深い結果があります。回答した人事担当者自身の生成AI利用頻度では、「ほとんど毎日利用している」が46.6％、「週に数回利用している」が31.3％でした。合わせると、77.9％が週に数回以上利用しています。

一方、人事部門が現場での生成AI活用状況を把握できているかという設問では、「十分に把握できている」「ある程度把握できている」の合計が29.1％でした。反対に、「あまり把握できていない」「全く把握できていない」の合計は40.3％です。

この二つの数字は、測定対象が異なるため、単純に比較して「人事はAIを使っているのに現場を見ていない」と断定することはできません。しかし、私は、この結果が、人事部門の役割を考えるうえで重要だと感じました。なぜなら、自分が生成AIを使えることと、組織の中で生成AIがどのように仕事を変えているのかを理解できることは、同じではないからです。

例えば、人事担当者が生成AIを活用して、採用関係の文章や研修資料を作成していたとします。その結果、仕事の効率は高まるかもしれません。しかし、営業部門では、どのようにAIが使われているのでしょうか。顧客への提案書を作成しているのでしょうか。あるいは、顧客データを分析し、営業戦略を考えるために使っているのでしょうか。

また、製造部門では、技術情報の整理や、品質改善のために使っているかもしれません。経営企画部門では、事業環境の分析や、中期経営計画の検討へ活用している可能性もあるでしょう。これらは、同じ生成AIの活用であっても、仕事の内容や必要な能力が異なります。そして、AIの活用によって失われる可能性のある経験も異なるはずです。

例えば、営業部門では、顧客情報を自分で調べ、仮説を立てる経験が減るかもしれません。一方、経営企画部門では、分析の切り口を考え、複数の選択肢を比較する経験が変化する可能性があります。また、製造部門では、技術的な判断を行う際に、AIが提示した情報の妥当性を確認する能力が重要になるかもしれません。

私は、このように考えると、人事部門が生成AIを使えるようになることだけでは、十分ではないと思います。どの仕事でAIが使われ、その結果、仕事のどの部分が変わり、社員に必要な能力がどう変化しているのかを、現場とともに理解する必要があるからです。

人事は「研修の提供者」から「仕事と育成の接続者」へ

私は、ここで人事部門の役割を見直す必要があると考えています。従来の人材育成では、必要な能力を定義し、その能力を高めるための研修を企画することが重要な仕事でした。もちろん、現在でも研修には意味があります。しかし、生成AIが日常の仕事へ入り込むのであれば、研修だけを見直しても不十分かもしれません。

例えば、営業担当者が自分で情報を収集し、顧客の問題を整理する能力を育成したいとします。そのために、ロジカルシンキングや情報収集・分析の研修を実施することができます。しかし、職場へ戻った後、すべての分析をAIへ任せるようになっていたら、どうでしょうか。研修で学んだ能力を、実際に使う機会が限られる可能性があります。

逆に、AIを使ってさまざまな仮説を比較し、自分の判断を深める仕事の進め方になっていれば、研修で学んだ内容を活用できるかもしれません。

つまり、人事が考えるべきなのは、研修の内容だけではありません。研修で身につけた能力を、実際の仕事の中でどのように使い、さらに高めるのかという経験の設計です。

この点は、以前のCase OSでも「人材育成は『研修』から『経験設計』へ」というテーマで考察しました。

私は、今回の調査を踏まえると、この問題がさらに重要になっていると感じます。人事部門が現場の仕事を十分に理解できなければ、どの能力を育成すべきかを判断できません。また、現場の管理職がどのような指導や評価を行っているのか分からなければ、育成施策の成果を確認することも難しいでしょう。だからこそ、人事部門には、現場の仕事を理解し、経営が求める能力と、現場で経験できる仕事をつなげる役割が必要になると考えています。

ただし、ここでも注意したいことがあります。現場の生成AI活用状況を把握するために、すべての社員の利用履歴を監視することが適切とは限りません。重要なのは、何のために情報を把握するのかを明確にすることです。

例えば、どの仕事でAIが使われているのか。AIを使うことで何が変わったのか。また、どのような判断が難しくなっているのか。こうした情報を、現場の管理職や社員との対話を通じて確認することができます。必要であれば、特定の業務を対象に、仕事の進め方を実際に観察する方法もあるでしょう。

ただし、個人情報や機密情報の取り扱い、社員への説明、必要な同意や社内ルールなどには注意が必要です。

私は、ここでCase OSとして、次のように考えたいと思います。

この役割を果たすためには、人事部門自身が、現場の仕事へさらに深く入り込む必要があるのではないでしょうか。

Case OSとして考える――人材育成を「研修体系」から「仕事・経験・判断の設計」へ

ここまで、今回の調査を、経営・人事・管理職・従業員の視点から考察してきました。では、実際に企業が人材育成を見直したい場合、何から始めればよいのでしょうか。私は、最初から全社の研修体系を大きく変更する必要はないと考えています。むしろ、その前に、実際の仕事の中で何が変わっているのかを理解する必要があります。

例えば、ある企業が、新入社員の問題解決力を高めたいと考えていたとします。その場合、最初に、問題解決力を身につけるために、どのような経験が必要なのかを考えます。

問題を発見する経験。必要な情報を集める経験。仮説を立てる経験。複数の選択肢を比較する経験。そして、自分の判断を説明し、必要に応じて修正する経験です。

これらは、すべて同じ仕事ではありません。例えば、情報を集める作業の一部は、AIによって効率化できるかもしれません。一方、何を問題として考えるのかを決めることや、どのような根拠で結論を採用するのかを判断することは、本人が経験する意味を持つ場合があります。

ただし、問題設定や仮説検証を、常に人間だけで行うべきだという意味ではありません。AIを使って別の見方を得たり、自分の仮説を検証したりすることもできるからです。重要なのは、AIを活用することによって、本人がどのような経験を積むのかということです。

そこで、Case OSとして、仕事を次の4つの観点から考えてみたいと思います。

これは、Case OSとして従来の記事で整理してきた「Automate」「Augment」「Protected Practice」「Human Command」に対応する考え方です。

ただし、仕事を一度分類したら、そのまま固定してよいわけではありません。例えば、経験豊富な社員にとっては、AIへ任せてもよい仕事であっても、新入社員にとっては、その仕事を経験することに意味がある場合があります。また、AIの技術が進化すれば、これまで人が行っていた仕事を、より安全かつ効率的に支援できるようになる可能性もあります。さらに、仕事のリスクによっては、人による確認や専門家の判断が不可欠な場合もあるでしょう。

だからこそ、仕事の分類は、AIでできるかどうかだけで決めるべきではありません。仕事の価値、リスク、そして本人の能力形成にとっての意味を踏まえて考える必要があるのです。

人材育成を見直すための具体的な進め方

私は、企業が最初に取り組むのであれば、一つの職種や仕事を対象に、小さく検証する方法が有効だと考えています。例えば、営業担当者の提案書作成を対象にしたとします。

まず、現在の仕事の進め方を確認します。どの段階でAIを使っているのか。AIによって、何が効率化されたのか。そして、社員が自分で判断している部分はどこなのか。こうしたことを整理します。

次に、その仕事を通じて、何の能力を育成したいのかを明確にします。例えば、顧客理解や問題設定、仮説思考などです。そして、その能力が形成されるように、仕事の進め方を設計します。例えば、次のような方法です。

最初に本人が顧客の問題を整理する。次に、AIへ別の分析や仮説を提示してもらう。その内容を比較し、本人が最終的な提案方針を決める。そして、管理職が、その判断の根拠や成立条件について確認する。さらに、実際に顧客へ提案した後、どのような反応があったのかを振り返る。このような流れであれば、AIを活用して仕事を効率化しながら、本人が考え、判断する経験を残すことができます。

ただし、ここで重要なのは、仕事の進め方を変更したこと自体を成果として扱わないことです。その方法によって、実際に何が変わったのかを確認する必要があります。例えば、提案書の作成時間は短くなったのでしょうか。提案内容の妥当性は高まったのでしょうか。本人が、顧客の問題について、以前より深く説明できるようになったのでしょうか。また、別の顧客へ提案する場合にも、同じような判断ができるのでしょうか。こうしたことを確認する必要があります。

管理職のレビュー方法も変える

私は、このような取り組みを行う際には、管理職のレビュー方法を見直すことも重要だと考えています。例えば、従来のレビューでは、資料の誤字や表現、構成、結論などを確認していたかもしれません。しかし、AIを使って資料を作成するのであれば、それだけでは不十分な場合があります。

例えば、本人がなぜその結論を採用したのかを確認する。また、ほかの可能性について、どのように検討したのかを確認する。さらに、その結論が間違っていた場合、どのような問題が生じるのかを考えさせる。こうしたレビューが重要になるでしょう。

ただし、管理職がすべての仕事について、詳細な思考過程を確認する必要があるわけではありません。仕事の重要性やリスク、本人の経験によって、確認する範囲を変える必要があります。例えば、定型的な資料であれば、成果物の品質確認を中心にすることが合理的かもしれません。一方、重大な経営判断へ関わる資料や、経験の浅い社員が初めて取り組む仕事であれば、判断の根拠を丁寧に確認する必要があるでしょう。

私は、ここに管理職の役割があると思います。単に成果物を修正するのではなく、どこで部下に考えさせ、どこで支援し、どの段階で判断を確認するのかを設計することです。

人事評価も「成果物」と「本人の能力」を分けて考える

さらに、人事評価についても見直す必要があるかもしれません。例えば、AIを活用して高い成果を出している社員がいたとします。その成果を評価することには意味があります。

しかし、その人が、AIを使わずに同じ仕事を行えるかどうかだけを能力の判断基準にすることが、適切とは限りません。実際の仕事では、AIを適切に活用する能力も重要だからです。

一方、AIが作成した成果物を、本人の能力としてそのまま評価することにも注意が必要でしょう。私は、ここで少なくとも3つを区別したいと思います。

まず、仕事としてどのような成果を生み出したのか。次に、その成果を生み出すために、本人が何を理解し、どのような判断を行ったのか。そして、その経験によって、次の仕事で何ができるようになったのか。この3つを分けて考えることで、短期的な業績と、長期的な能力形成を、より適切に評価できる可能性があります。

もちろん、すべてを数値化することは難しいでしょう。また、本人の能力を完全に測定できる評価方法が存在するわけでもありません。だからこそ、成果物だけでなく、仕事の過程や、異なる状況での判断、実際の行動などを組み合わせて確認する必要があると思います。

「AIを使わせない」でも「すべてAIに任せる」でもない――成立条件と限界

ここまで、AIを活用しながら、人が成長するための経験を残すことについて考えてきました。しかし、ここで一つ注意したいことがあります。本人が自分で考える経験を残すことが重要だからといって、AIを使わないことが正しいとは限らないということです。

例えば、若手社員が、AIの支援によって、これまで理解できなかった専門知識を学べるようになる場合があります。また、自分の考えに対して、AIから別の視点や反論を得ることもできるでしょう。その結果、これまでより深く考えられるようになる可能性があります。つまり、AIは人の思考を代行するだけでなく、思考を支援することもできるのです。

だからこそ、重要なのは、AIを使わせるかどうかという二者択一ではないと思います。むしろ、どの仕事について、どの段階で、どのようにAIを使わせるのかを考える必要があります。

例えば、新入社員に問題設定の経験を積ませたい場合には、最初に本人が仮説を考える時間を設けることが有効かもしれません。一方、すでに十分な経験を持つ社員であれば、AIを使って複数の仮説を比較し、より高度な分析へ進む方が合理的な場合もあるでしょう。

また、仕事の納期が非常に短く、安全や品質の確保が最優先される場合には、学習のために本人だけで考える時間を長く取ることが適切とは限りません。必要に応じて、AIや専門家の支援を活用することが重要です。

私は、ここで、人材育成の目的を明確にする必要があると思います。例えば、AIを使わずに自分で分析できる能力を育てたいのでしょうか。それとも、AIを活用しながら、適切な判断を行える能力を育てたいのでしょうか。両方が必要になる仕事もあるでしょう。その場合には、それぞれの能力を身につけるために、異なる経験を設計する必要があります。

また、今回の調査で示された「管理職の育成課題が大きい」という認識についても、すべての管理職がAIに対応できていないと解釈すべきではありません。実際には、すでにAIを高度に活用し、部下育成へ取り入れている管理職もいるでしょう。一方、管理職自身がAIを使う経験を十分に持っておらず、何を指導すべきか迷っている場合もあるかもしれません。

重要なのは、その違いを把握することです。私は、ここで、管理職を一律に教育するのではなく、実際の課題に応じて支援する必要があると思います。

例えば、AIの基本的な使い方を知らないのであれば、その知識を学ぶ。一方、AIを使えるものの、部下の成果物を適切に評価できないのであれば、レビューの方法を学ぶ。また、部下に何を経験させるべきか分からないのであれば、仕事の設計や育成計画を見直す必要があるでしょう。

このように考えると、AI時代の人材育成は、単一の研修プログラムだけで解決できる問題ではないことが分かります。

さらに、企業の規模や業種によっても、必要な取り組みは異なります。例えば、中小企業では、専任の人材育成担当者を置くことが難しい場合があります。そのような企業で、最初から大規模な人事制度改革や、詳細なスキル体系の構築を行うことが合理的とは限りません。むしろ、まずは日常の仕事の中で、AIが何を変えているのかを確認することから始められるでしょう。

例えば、週に一度、管理職と社員が、AIを使った仕事について短い振り返りを行う。その際、何が効率化されたのか、何が難しかったのか、どの判断を本人が行ったのかを確認する。そして、次の仕事では、何を自分で考え、何をAIへ任せるのかを決める。このような方法であれば、大規模な予算をかけなくても、仕事と育成を見直すことができる可能性があります。

もちろん、情報セキュリティや個人情報、顧客との契約など、守るべき条件がある場合には、必要なルールを整えることが前提です。私は、こうした条件を踏まえながら、少しずつ仕事の進め方を変えていくことが重要だと思います。

結論｜AI時代の人材育成は、「何を教えるか」より「何を経験させるか」から考え直す

今回、産業能率大学総合研究所とHR総研の「生成AIと人材育成に関する人事実態調査」を通じて、私が最も考えさせられたのは、企業が人材育成を見直すことの難しさです。生成AIが人材育成へ影響すると考える回答は79.1％でした。しかし、実際に育成施策を見直し・対応しているという回答は、調査したすべてのテーマで2割未満です。また、見直しが進みにくい理由として、全社のAI活用方針が不明確であることや、仕事・役割の変化を整理できていないことが、多く挙げられていました。

私は、ここに重要な問題があると考えています。企業は、生成AIによって仕事が変わる可能性を理解しています。しかし、実際に何をAIへ任せ、何を人が行い、どのような能力を育成する必要があるのかを、十分に整理できていない場合があるのではないでしょうか。

例えば、これまで社員が3時間かけて行っていた仕事を、AIによって30分で終えられるようになったとします。企業にとって、これは生産性向上の機会です。しかし、その3時間の仕事の中に、社員の能力を形成するために重要な経験が含まれていたとしたら、どうでしょうか。

例えば、必要な情報を探すこと。問題を整理すること。複数の選択肢を比較すること。そして、自分で判断し、その結果を説明すること。こうした経験が、将来の判断力や専門性につながっていた可能性があります。

もちろん、それらのすべてを、以前と同じ方法で経験する必要はありません。AIによって効率化できる仕事は、効率化した方がよい場合があります。また、AIを使うことで、これまでより高度な仕事へ挑戦できる可能性もあるでしょう。

しかし、ここで重要なのは、AIによって仕事の一部が変わったとき、人がどのような経験を通じて成長するのかを、あらためて設計する必要があるということです。そして、その役割を、人事部門だけへ任せるべきではないと思います。

経営者には、AIによって企業がどのような価値を生み出していくのかを判断する責任があります。例えば、AIによって効率化された時間を、どのような仕事へ振り向けるのか。また、今後、どのような能力を持つ社員が必要になるのか。こうした方向性を示す必要があります。

人事部門には、その方向性を、必要な能力や経験へつなげる役割があります。そのためには、研修の内容を見直すだけでなく、現場の仕事がどのように変わっているのかを理解する必要があります。

そして管理職には、部下が実際の仕事の中で、必要な経験を積めるようにする役割があります。何を本人へ任せるのか。どの段階でAIを使わせるのか。どのような判断を本人に行わせるのか。そして、その結果をどのように振り返るのか。こうしたことを考える必要があります。

私は、この3つの役割がつながらなければ、生成AI時代の人材育成は十分に変わらないと思います。例えば、経営者がAIによる生産性向上を求めたとします。しかし、人事部門は従来と同じ能力を育成し、管理職も従来と同じ方法で部下を評価している。そのような状態では、仕事の進め方と人材育成の仕組みが一致しなくなる可能性があります。

逆に、経営が求める価値を明確にし、人事が必要な能力と経験を整理し、管理職が日常の仕事の中で実践できるようにする。そのような仕組みが成立すれば、AIによる生産性向上と人材育成を、同時に進められる可能性があります。

ここで、今回のCase OSとして最も伝えたいことをまとめたいと思います。

私は、これが今回の調査から考えられる、重要な示唆の一つだと思います。

さらに、もう一つ考えたいことがあります。それは、AIによって社員の仕事の成果が高まるほど、社員自身の能力が見えにくくなる可能性があるということです。

例えば、AIを使って完成度の高い資料を作成できたとしても、本人がその内容を十分に理解しているとは限りません。また、AIによって問題の分析ができたとしても、本人が新しい問題へ向き合ったとき、自分で判断できるとは限らないでしょう。そのため、これからの人材育成では、完成した成果物だけでなく、本人が何を理解し、どのような判断を行えるようになったのかを確認することが重要になると思います。

ただし、ここでも、AIを使わないことを目的にすべきではありません。重要なのは、AIを活用しながら、本人が必要な能力を身につけられることです。

例えば、AIによって別の視点を得る。自分の仮説を検証する。そして、複数の選択肢から何を選ぶのかを判断する。こうした経験は、AIを活用するからこそ得られる場合もあるでしょう。

私は、このように考えると、生成AIは人材育成の脅威であると同時に、新しい育成機会をつくる可能性も持っていると思います。問題は、AIそのものではありません。企業が、AIと人間の仕事をどのように設計するのかということです。そして、その設計を行うためには、経営・人事・管理職が、それぞれの役割を果たす必要があります。

最後に、今回の調査を踏まえ、経営者や人事担当者、管理職へ、三つの問いを投げかけたいと思います。

「AIによって仕事が効率化されたとき、社員には新たに何を考え、判断してほしいのでしょうか。」「その能力を育成するために、どのような仕事や経験を残し、あるいは新しくつくる必要があるのでしょうか。」「そして、その経験を通じて、本人が本当に成長したことを、誰がどのように確認するのでしょうか。」

この三つに答えられなければ、AIの導入が進んでも、人材育成の仕組みを十分に更新できない可能性があります。私は、今回の調査が、その問題を考えるための重要なきっかけになると感じました。

AIによって仕事が速くなることは、企業にとって歓迎すべき変化です。しかし、仕事が速くなったことと、人が育つことは、同じではありません。だからこそ、企業は、AIによって何を効率化するのかだけでなく、人にどのような経験を積ませ、どのような判断力を育てたいのかを考える必要があります。

AIを使える人を育てることから、AIとともに考え、判断し、価値を生み出せる人と組織をつくることへ。私は、それが、生成AI時代の人材育成と組織開発を考えるうえで、重要な転換になるのではないでしょうか。

参考資料

学校法人産業能率大学 総合研究所／HR総研（ProFuture株式会社）

「生成AIと人材育成に関する人事実態調査」（2026年10月7日公表）

共同通信PRワイヤー「『生成AIと人材育成に関する人事実態調査』を発表」（2026年10月7日）

本記事では、調査結果に基づく事実と、Case OSとしての解釈・評価を区別しています。調査で示された認識や回答割合は、すべての日本企業における実際のAI活用や能力形成の状態を直接示すものではありません。

また、本文中の企業・職場の例は論点を説明するための仮想例です。「経験債務」「Protected Practice」は、Case OSでAI時代の人材育成を考察するために用いている分析概念であり、本調査が直接検証した概念ではありません。

関連記事

AI時代の人材育成・組織開発について、これまでCase OSで考えてきたテーマです。

AIで成果が上がっても、人は育つのか？｜「経験債務」という新しい人材育成リスク

AIに任せてよい仕事、任せてはいけない仕事｜「経験債務」を防ぐProtected Practiceという仕事設計