ツールを配っても、使う人と使わない人の差は自然には縮まりません。導入は入口にすぎず、本当の勝負は「定着後にどう全社のスキルを底上げしていくか」です。この記事では、教育を単発イベントで終わらせず運用として回すための考え方を整理します。
生成AIやAIエージェントの全社導入は、多くの企業でひととおり済んだフェーズに入りつつあります。しかし人事教育・DX推進の現場からよく聞かれるのは、「ライセンスは配った、使っている人もいる、でも全社の生産性が上がった実感がない」という声です。導入というイベントは終わっても、スキルの底上げという本題がそこから始まっていない、というのが実態に近いのではないかと考えられます。
背景には人手不足という構造的な社会課題があります。採用で人数を増やしにくい以上、一人あたりの生産性を上げるしかなく、その手段としてAIへの期待が高まっています。ところが「ツールを与える＝スキルが上がる」わけではありません。実際には、もともと自走できる一部の社員だけが活用を深め、大多数は最初の物珍しさが過ぎると元の働き方に戻っていく——という二極化がしばしば起こると考えられます。
導入効果を測るとき、ログイン数やライセンス利用率を見る企業は多いはずです。ただしこの指標は「触ったかどうか」しか捉えられません。要約を一度試しただけの人も、日次の定型業務を丸ごと組み替えた人も、同じ「利用者1」としてカウントされてしまいます。利用率が高くても、業務の中身が変わっていなければ生産性への寄与は小さいままだと考えられます。測るべきは接触の有無ではなく、業務プロセスがどう変わったか、のほうです。
つまり課題は「導入するか否か」から「導入後にどう底上げするか」へ移っています。ここを運用として設計できるかどうかが、投資が回収局面に入るか、棚に眠るコストで終わるかの分かれ目になりうると考えます。
全社スキルが広がらない原因を分解すると、多くの現場で共通するボトルネックが見えてきます。ここを曖昧にしたまま「もう一度研修をやる」と単発施策を重ねても、効果は積み上がりにくいと考えられます。
操作方法を教わっても、「では自分の日常業務のどこに当てはめるのか」が結び付かないケースは非常に多いと考えられます。汎用的なデモは「すごい」で終わりがちで、自部門の見積書作成やクレーム一次対応、日報集計といった具体業務への橋渡しがないと行動は変わりません。抽象的な使い方紹介と、目の前の実務との間にある溝が、最初の壁になります。
少し詰まったとき、隣に聞ける人がいるかどうかは定着を大きく左右します。多くの職場では「詳しい人が一部に偏在」しており、その人に質問が集中して疲弊するか、逆に遠慮して誰も聞かず放置されるか、のどちらかに陥りがちです。学習の摩擦が高いと、人は元のやり方に戻ります。
工夫してAIで業務を効率化しても、それが評価や称賛に一切つながらなければ、多くの人はわざわざ新しいやり方に挑戦しません。むしろ「浮いた時間に別の仕事が積まれるだけ」と感じれば、改善を隠すインセンティブすら生まれます。技術ではなく、組織の設計そのものが底上げを止めている場合がある、という視点が要ると考えます。
スキルの底上げを一度きりの研修イベントとして捉えるのではなく、継続的に回す運用サイクルとして設計する——これが現実的なアプローチだと考えます。おおまかには、現状把握 → 役割別の到達目標設計 → 日常業務への埋め込み → 社内で教え合う仕組み、という4つの要素を回し続けるイメージです。
入口として研修は有効ですが、研修だけでは「知っている」状態までしか作れません。「できる」「日常でやっている」状態へ進めるには、学んだ直後に実務で試す設計が要ります。この点は研修から実装につなげる設計で詳しく触れていますが、要は研修と現場実装を切り離さず、地続きに設計することが底上げの前提になると考えられます。
「全社員がプロンプトを書けるように」という一律目標は、聞こえは良いものの現場では機能しにくいと考えられます。事務職に求める活用像と、開発者に求める活用像はまったく別物だからです。たとえば開発部門であれば、汎用的な使い方より開発者向けAIコーディング研修のように職務に密着した内容のほうが定着しやすい、という具合です。役割ごとに到達目標を分ける発想が、底上げの精度を高めると考えます。
底上げの主語を「AIの機能」ではなく「困っている業務」に置くと、参加者の当事者意識が変わりやすいと考えられます。たとえば毎月の集計作業や転記作業のような、誰もが面倒だと感じている定型業務を素材にすると、学習が自分ごとになります。Excel定型業務の自動化のような身近なテーマから入ると、成功体験を早期に作りやすいでしょう。
底上げを運用するには、そもそも「どこまでできれば底上げされたと言えるのか」を可視化する必要があります。曖昧な理想像のままだと、教える側も学ぶ側も進捗を測れず、施策が空回りしやすいと考えられます。そこで役立つのが、レベルを段階で言語化したスキルマップです。
一例として、レベル1「指示すれば使える（要約・下書きなどを頼める）」、レベル2「自分の定型業務に自分で当てはめられる」、レベル3「業務プロセス自体を組み替えられる／社内エージェント基盤に手順を載せられる」、レベル4「他部門に横展開・他者に教えられる」といった段階が考えられます。数値はあくまでモデルであり、実際の区切りは各社の業務実態に合わせて調整すべきです。重要なのは、抽象的な『使いこなし』を観察可能な行動に翻訳することだと考えます。
段階を定義すると、全社員を一気にレベル4へ引き上げる必要はない、という当たり前の割り切りができます。多くの職場では、大多数がレベル2に到達し、各部門にレベル3〜4が数人いれば、全社の底上げとしては十分に機能しうると考えられます。目標を過剰に高く置かないことが、かえって定着を早める場合があります。
誰がどの段階にいるかを把握するには、活用事例やプロンプトの型を一箇所に集める社内ナレッジ基盤が土台になります。属人的なノウハウが個人のチャット履歴に埋もれたままだと、全社の底上げには回りません。良い使い方を集約し、部門を越えて参照・再利用できる状態を作ることが、スキルマップを絵に描いた餅で終わらせないための現実的な打ち手だと考えます。
研修で高まった熱量は、放っておけば数週間で冷めるのが普通です。底上げを継続させる鍵は、学びを特別なイベントから日常業務の一部へと溶かし込むことにあると考えられます。ここでは運用として機能しやすい仕組みをいくつか挙げます。
各部門に、AI活用を推進する担い手を数人配置する方法は有効だと考えられます。専任である必要はなく、通常業務を持ちながら「詰まった人が最初に聞ける窓口」になってもらうイメージです。こうした担い手の見つけ方・支え方はai agent internal champion programで整理していますが、遠くの管理部門より、隣の席で同じ業務を知る人が教えられる状態のほうが、学習の摩擦を大きく下げると考えます。
「この転記作業がAIで半分の手間になった」といった具体的な成功事例は、どんな研修資料よりも人を動かすことがあります。週次や月次で各部門から使い方を持ち寄り、社内ナレッジ基盤に蓄積して共有する場を設けると、他部門の事例が自部門への当てはめのヒントになります。事例が流通するほど、②で挙げた「自分の業務にどう使えるか分からない」というボトルネックが自然に緩和されていくと考えられます。
底上げを本気で回すなら、活用や改善が正当に評価・称賛される設計を避けて通れません。効率化で浮いた時間の使い道を本人と対話して決める、優れた活用を社内で表彰する、といった小さな仕掛けが、③のボトルネックをほぐします。技術支援だけでなく、人事制度・マネジメントの側から底上げを後押しする視点が要ると考えます。
ここまでの設計を進めても、実際にはいくつかの典型的な落とし穴があります。事前に知っておくだけで回避しやすくなるものを挙げます。いずれも「やってみないと分からない」部分を含むため、自社の現物で確かめながら進めることが前提になると考えます。
これらはどれも技術というより運用・組織設計の問題です。逆に言えば、ツールの性能に依存せず自社の工夫で改善できる領域が大きい、とも言えると考えます。
最後に、底上げ運用を無理なく立ち上げるための段階的なロードマップを一例として示します。順序や期間は各社の規模・成熟度で変わるため、あくまで出発点の考え方として捉えてください。
まず「誰が・どの業務で・どのくらい使っているか」を、感覚ではなく実態として把握します。利用率だけでなく、実際に業務プロセスが変わった事例と、まったく触れていない層の両方を可視化することが出発点になると考えられます。理想像から逆算するより、現物の使われ方を検証してから施策を組むほうが、的外れな研修を避けやすいでしょう。
次に、部門・役割ごとに到達目標を設定し、身近な定型業務を素材にした小さな成功体験を作ります。ここで社内の担い手を選び、良い事例を集める場（社内ナレッジ基盤）を立ち上げておくと、後の横展開がスムーズになると考えます。
個々の成功が見えてきたら、それを制度・評価・共有の仕組みに落とし込み、部門を越えて広げます。ここまで来ると、優れた活用が社内AIエージェント基盤や業務OSの内製化へと発展し、教育と実装が一体で回り始める段階に近づくと考えられます。とはいえ全社が同じ速度で進むことは稀で、進みの早い部門を先行事例として活かす柔軟さが要ると考えます。
Nsightでは、元キーエンス画像処理事業部で培った現場起点の課題把握の姿勢を、AI研修と社内AIエージェント基盤・業務OS内製化支援にも一貫して持ち込んでいます。派手な理想像より、現場の困りごとと実際の使われ方という現物から設計することを大切にしています。
まずは「誰が・どの業務で・どう使っているか」を客観的に把握することから始めるのが現実的だと考えられます。利用率だけでなく、実際に業務が変わった事例と未活用層の両方を可視化し、そのうえで役割別の到達目標と身近な定型業務での小さな成功体験を設計すると、底上げが進みやすいと考えます。
一律研修は入口としては有効ですが、それだけで完結しにくいと考えられます。事務職と開発職では求める活用像が異なるため、役割ごとに到達目標を分け、学んだ直後に自分の実務で試す設計を加えることが定着の鍵になると考えます。研修は「知っている」まで、実務での反復が「できる」への橋渡しになります。
利用率は「触ったかどうか」しか捉えられないため、それだけでは成功の指標として不十分だと考えられます。要約を一度試した人も業務プロセスを組み替えた人も同じ利用者として数えられてしまうためです。接触の有無ではなく、業務プロセスがどう変わったかを合わせて見ることをおすすめします。
各部門に、通常業務を持ちながら最初に相談を受ける担い手を数人配置する方法が有効だと考えられます。あわせて良い活用事例やプロンプトの型を社内ナレッジ基盤に集約し、部門を越えて参照できる状態を作ると、属人化を防ぎつつ横展開しやすくなると考えます。
制度設計は各社の人事方針によりますが、活用や改善が正当に称賛・評価される仕掛けがないと、社員が新しいやり方に挑戦しにくくなると考えられます。効率化で浮いた時間の使い道を本人と対話して決める、優れた活用を社内で共有・表彰するといった小さな工夫が、底上げを後押ししうると考えます。
スキルの底上げは、理想像ではなく現場の実態から設計するほうが定着しやすいと考えています。まずは自社で誰がどの業務にどう使っているかという現物を把握するところから、AI研修と社内AIエージェント基盤・業務OS内製化を一体で設計するご相談を承ります。
スキル底上げ運用について相談する