「AI人材を育てるなら、まずはエンジニア向けのプログラミング研修から始めるべきでしょうか」。経営層からAI人材育成を任された人事担当者が、最初に抱きやすい疑問です。AI人材不足を伝える報道で、機械学習エンジニアやデータサイエンティストの不足が繰り返し取り上げられてきたため、AI人材と聞くと技術者の育成を思い浮かべる人が多いはずです。

しかし、これまで多くの企業で論理的思考力強化やDX推進の研修を手がけてきた課題解決力強化道場の立場から言えるのは、AI人材育成で成果を分けるのは、AIの知識の量よりも、AIに任せる業務課題を切り出す力だということです。社内でAIを使う場面の多くは、モデルの開発よりも、既にある生成AIツールを業務のどこに組み込むかを決めるところから始まります。技術研修から入る順序もありますが、任せる課題を決めてから研修を選んでも遅くはありません。

本記事では、AI人材の定義と種類から、役割別に必要なスキル、育成の進め方、研修の選び方まで、企業研修を設計してきた立場から順を追ってお伝えします。

AI人材とは

AI人材とは、AIの仕組みを理解したうえで、AIの研究開発、業務システムへの実装、業務での活用のいずれかを担える人材のことです。以前は機械学習のモデルを作る技術者を指す言葉でしたが、生成AIの普及により、AIを業務に使う側の社員も含めて語られるようになりました。

似た言葉に、IT人材とDX人材があります。3つの言葉の違いは、主に扱うものと、求められる成果にあります。

AI人材は、DX人材のうち、AIを使って業務や事業を変える役割に絞った呼び方と捉えると、社内で説明しやすくなります。経済産業省とIPA（情報処理推進機構）が定めたデジタルスキル標準（DXに必要なスキルをまとめた国の指針）にも「AI人材」という独立した人材類型は無く、AIやデータを扱う力は、データサイエンティストなどの人材類型のスキルとして定義されています。

AI人材の3つの種類

AI人材は、AIとの関わり方によって、研究開発・実装・業務活用の3つの種類に分かれます。種類ごとに、育成の対象になる人数も学ぶ内容も大きく異なります。

合わせて読みたい、実践のヒントはこちら。

ナレッジ

受け身型組織を変える-陥りがちな罠に学ぶ、社員が自ら動き出す“経営の仕組み”のつくり方-

「事業は伸びているのに、なぜか自分の手が離せない」。社員が指示待ちになる“受け身型組織”は、実は経営やマネジメントの設計の問題です。陥りがちな3つの罠をひもとき、社員が自ら動き出す「経営の仕組み化」の3要素を、現場の実例とともに解説します。

詳しく見る

AIを研究開発する人材

AIを研究開発する人材は、新しいアルゴリズムやAIのモデルそのものを生み出す人材です。数学や統計学の深い知識と、論文を読み解いて実験を設計する力が求められ、大学院で専門教育を受けた人が中心になります。

社内研修で一から育てるのは難しく、大学との共同研究や専門人材の採用で確保する企業がほとんどです。自社でAIを製品として開発する企業でなければ、育成の対象から外して考えて差し支えありません。

AIをシステムに実装する人材

AIをシステムに実装する人材は、既存のAIモデルやクラウドのAIサービスを組み合わせ、自社の業務システムに組み込む人材です。Pythonなどのプログラミング、データの前処理、AIの精度を評価する手法が主な学習内容になります。

対象は社内のエンジニアや、情報システム部門の社員が中心です。外部の技術研修と社内の開発実務を組み合わせて育てる企業が多く、実装の経験を積んだ社員は、業務部門の要望をAIの仕様に置き換える役割も担います。

AIを業務で活用する人材

AIを業務で活用する人材は、生成AIなどのツールを使って、自分や部署の業務の進め方を変える人材です。プログラミングは必須ではなく、どの業務をAIに任せ、出力をどう確かめるかを決める力が中心になります。

営業・企画・管理部門など全社員が対象になり得るため、育成の対象人数がもっとも多い種類です。生成AIの普及後にAI人材育成を始める企業では、最初の対象が業務で活用する人材になることが多いと見ています。

AI人材育成が急がれる3つの理由

AI人材育成が急がれる理由は、AIを使う人の広がり、専門人材の採用の難しさ、国による後押しの3つです。

生成AIで全社員がAIの使い手になったから

生成AIの登場で、AIは専門部署だけが扱う技術から、メールの下書きや議事録の要約に誰もが使う道具になりました。使う人が全社員に広がると、情報漏えいや、誤った出力をそのまま使うリスクも全社に広がります。

ツールを配るだけでは、使いこなす社員と使わない社員の差が開き、使い方のルールも部署ごとにばらばらになります。社員全体の使い方をそろえる教育が、ツールの導入と同時に必要になりました。

専門人材を外部から採用しにくいから

AIの実装を担えるエンジニアやデータサイエンティストは、IT企業と事業会社の双方で採用が競合しています。採用できたとしても、自社の業務を知らない人材が、すぐに現場の課題に合うAIを作れるとは限りません。

業務を知る社員にAIの知識を足すほうが、現場に合う使い方にたどり着くまでの時間は短いと見ています。外部の人材を採用する場合も、社内に業務の課題を説明できる社員がいなければ、採用した人材の専門性を生かせません。

国が育成の指針と支援策を整えたから

経済産業省とIPA（情報処理推進機構）は、デジタルスキル標準（DXに必要なスキルをまとめた国の指針）に、2023年8月と2024年7月の改訂で生成AIに関する記載を追加しました。2023年8月の改訂は全ビジネスパーソン向けのDXリテラシー標準、2024年7月の改訂はDXを推進する人材向けのDX推進スキル標準が対象です。改訂後の標準はIPAのデジタルスキル標準のページで公開されており、自社の育成目標を一から作らずに、標準のスキル項目を土台にできます。

研修の費用には、厚生労働省の人材開発支援助成金を使える場合があります。事業展開等リスキリング支援コースは、新規事業やDXなどに伴って新しい分野の知識を学ぶ訓練について、訓練経費と訓練期間中の賃金の一部を助成するコースです。

AI人材に必要なスキルと知識

AI人材に必要なスキルは、技術・課題設定・AIガバナンスの3つの分野に分かれ、どの分野をどこまで学ぶかは、研究開発・実装・業務活用の種類ごとに変わります。種類ごとの学習範囲は次の表のとおりです。

技術のスキル

技術のスキルは、AIを作る・組み込む・使うための知識と操作の力です。研究開発や実装を担う人材には、機械学習やディープラーニング（データから規則性を学ぶAIの手法）、Pythonなどのプログラミング、統計を使ったデータ分析が必要になります。

業務で活用する人材に求められるのは、生成AIへの指示の書き方と、AIが事実と異なる内容をもっともらしく出力する場合があるという仕組みの理解です。業務で活用する人材を目指す社員には、プログラミングまで学ばせる必要はありません。

課題設定のスキル

課題設定のスキルは、業務の中からAIで解く課題を選び、AIに渡せる形に言葉で定義する力です。AIの出力の質は、渡された課題の定義の質を超えません。

課題設定のスキルは技術の研修だけでは身に付きにくく、論理的思考力の訓練と組み合わせて育てます。実装を担う人材にとっても、現場の要望を「何を入力し、何を出力すればよいか」に置き換える場面で欠かせないスキルです。

AIガバナンスの知識

AIガバナンスの知識は、AIを安全かつ適正に使うための社内ルールと法律の知識です。生成AIに顧客情報や社外秘の資料を入力しない、出力した文章や画像が他者の著作物に似ていないかを確かめる、といった判断がすべての種類に求められます。

実装を担う人材は、個人情報保護法に沿った学習データの扱いまで学びます。生成AIの利用ルールが無い企業では、育成と並行して社内の利用ガイドラインを作る必要があります。

AI人材育成を進める5つのステップ

AI人材育成は、人材像の定義から学び続ける仕組みの整備まで、5つのステップで進めます。研修の手配は3つ目のステップであり、最初に決めるのは、育成した人材に任せる業務です。

育成する人材像の定義

育成する人材像は、経営戦略の中でAIを使う事業や業務から逆算して決めます。たとえば「営業部門の提案書作成にかかる時間を半分にする」と決めると、必要なのは営業担当者全員の業務活用のスキルと、社内の資料を生成AIで検索できるようにする実装担当者だと分かります。

人材像が決まると、育成の対象者と人数、期限が決まります。経営層が人材像を決めずに「全員AIを学ぶように」と指示すると、研修の内容を選ぶ基準が無くなります。

社員の現状スキルの可視化

人材像を決めたら、対象者が今どのスキルをどの程度持っているかを調べます。デジタルスキル標準（経済産業省とIPAが定めたスキルの指針）の項目をもとにした自己評価アンケートや、生成AIツールの利用状況の記録を使うと、部署ごとの差が見えます。

現状と人材像の差が、研修で埋める範囲になります。自己評価は実力より高くも低くも出るため、簡単な課題を解いてもらう実技の確認を組み合わせると、差を正確に測れます。

種類別のカリキュラム設計

カリキュラムは、AI人材の種類ごとに、学ぶ内容と形式を分けて設計します。全社員に同じ研修を受けさせると、業務で活用する人材には難しすぎ、実装を担う人材には物足りない内容になります。対象ごとの設計例は次の表のとおりです。

実務課題での実践

研修で学んだ内容は、研修後すぐに自社の業務で試す場を用意して定着させます。研修の最終回で「研修後1か月以内に、AIで改善する業務を1つ決めて報告する」という課題を出すと、受講者は学んだ手法を自分の業務に当てはめます。

演習の題材を自社の業務にした研修であれば、研修中の演習がそのまま実践の1回目になります。報告の場には上司も同席し、試した結果を業務の手順に取り入れるかをその場で決めます。

学び続ける仕組みの整備

生成AIのツールは数か月単位で機能が増えるため、研修を1回実施しただけでは、受講者の知識はすぐに古くなります。部署を越えて活用事例を共有する月1回の勉強会や、社内チャットの質問用チャンネルを用意すると、新しい使い方が社内に広がります。

勉強会を続けるには、事例を発表した社員が報われる仕組みが要ります。発表した社員を表彰するなどの手当てを添えると、発表者が特定の社員に偏りにくくなります。

AIに渡す課題を切り出す3つの手順

AIに渡す課題を切り出す手順は、業務課題の分解、AIに任せる範囲の線引き、成果を測る指標の設定の3つです。研修の成果が業務に表れるかどうかは、受講者が分解・線引き・指標の設定を自分の業務で回せるかで決まります。

生成AIの操作を覚えた受講者でも、どの業務に使うかを決められなければ、研修後の利用は文章の要約や翻訳にとどまります。課題の切り出しは技術研修では扱われにくい一方で、AI人材の種類を問わず必要になるスキルです。

業務課題の分解

業務課題の分解とは、大きな課題を、ロジックツリー（課題を枝分かれさせて書き出す図）でAIに渡せる大きさの作業まで細かくすることです。「提案書の作成を効率化したい」という課題のままでは、AIに何を頼めばよいかが決まりません。提案書の作成を分解すると、次の表のような作業と頼み方が見えてきます。

分解をやめる目安は、1つの作業がAIへの1回の指示で済む大きさになったときです。

AIに任せる範囲の線引き

AIに任せる範囲の線引きは、分解した作業を、AIに任せる作業と人が担う作業に分ける手順です。AIに任せやすいのは、下調べや下書きのように、誤りがあっても人の確認で直せる作業です。

顧客への価格の提示や契約条件の判断のように、誤りがそのまま損失につながる作業は、人が最終判断を担います。提案書の例でいえば、構成案はAIに複数出させ、どの案を採るかは顧客を知る営業担当者が決めます。

成果を測る指標の設定

成果を測る指標は、AIを使う前と後で比べられる数字にします。提案書の例なら「1件の作成にかかる時間」と「提案から受注に至った割合」が候補になり、作成時間だけを測ると、速く作れても受注が減る変化を見落とします。

指標は、AIを使い始める前に現状の数字を測っておかないと比べられません。指標を決めておくと、受講者は研修後に上司へ成果を数字で説明でき、次の業務へAIの利用を広げる判断材料になります。

課題の分解や指標の設定は、手法を本で読んで理解しても、自社の業務で手を動かして第三者の指摘を受けるまで、使いこなせるようにはなりにくいスキルです。課題解決力強化道場では、ロジックツリーやKPI設計（成果を測る指標の設計）といったコンサルティングファームの手法を、受講企業の実務課題を題材に演習し、毎回の個別フィードバックで受講者ごとの改善点を示しています。AIツールの操作研修と組み合わせると、ツールを使う業務を受講者が自分で選べるようになると見ています。

AI人材を育てる4つの方法

AI人材を育てる方法は、社内研修・外部研修・オンライン講座・OJTの4つです。1つの方法で全員を育てるより、育成する種類ごとに組み合わせるほうが、費用と効果の釣り合いを取りやすくなります。

4つの方法は、オンライン講座で全社員の基礎をそろえ、部署のリーダー層を外部研修で育て、リーダーが部下にOJT（上司や先輩が実務を通じて教える方法）で広げる順に組み合わせます。OJTは教える側の力量で成果が変わるため、上司自身がAIを使いこなせていない部署では成り立ちません。リーダー層を先に育てる順序にすると、教える側の力量の差を抑えられます。

社内研修は、社内でAIを使いこなす社員が育ってから、自社のツールと事例に合わせた内容で加えます。講師役の社員は本来の業務と兼務になり、教材の更新が止まりやすくなるため、講師役を正式な役割として任命し、業務時間の一部を研修の準備に充てられるようにします。

AI研修を選ぶ4つの基準

AI研修は、難易度、演習の題材、個別のフィードバック、受講後の支援という4つの基準で選びます。料金や講座名だけで比べると、受講後に業務で使われない研修を選びやすくなります。

受講者の種類に合った難易度であること

研修の難易度は、受講者が業務活用と実装のどちらの種類を目指すかに合わせて選びます。業務で活用する人材にプログラミング中心の研修を受けさせると、学んだ内容の大半が業務で使われません。

研修会社のカリキュラムに、受講の前提になるスキル（プログラミング経験の有無など）が書かれているかを確かめると、難易度の合わない研修を避けられます。前提が書かれていない研修は、問い合わせの段階で対象者の経験を伝えて確認します。

自社の業務を題材にできること

演習の題材が架空の会社の事例だけだと、受講者は研修後に、学んだ手法を自社の業務へ置き換える作業を一人で行うことになります。事前のヒアリングで自社の業務課題を聞き取り、演習の題材に組み込む研修であれば、演習で作った成果物をそのまま業務で使えます。

社外秘の情報を題材にする場合は、研修会社と秘密保持契約を結べるかも申し込み前に確かめます。

講師から個別のフィードバックを受けられること

課題設定のスキルは、自分で考えた課題の切り分け方を他人に見てもらい、抜けや重なりを指摘されて伸びるスキルです。受講者が数十人規模の講義形式では、講師が一人ひとりの成果物を見る時間が取れません。

受講後の実践まで支援があること

研修の効果は、受講後に業務で試した結果を振り返る場があるかで大きく変わります。研修会社と人事担当者が各回の後に受講者の様子を共有し、次回の内容を調整する体制があると、研修の途中で理解の遅れに気づけます。

研修後の振り返りや実践報告会の進行まで依頼できるかは、研修会社によって異なります。見積もりを依頼する段階で、研修の回数と一緒に振り返りの回数も確認しておくと、比較がしやすくなります。

AI人材育成が失敗する3つの原因

AI人材育成が失敗する主な原因は、目的の伝え方、社内ルール、評価制度の3つで、いずれも研修の中身より研修の外側で起きます。

導入の目的が受講者に伝わらない研修

経営層がAI導入の目的を説明しないまま研修を始めると、受講者が「AIで自分の仕事を減らす準備ではないか」と受け止めることがあります。不安を抱えた受講者は、研修で学んでも、自分の業務を進んでAIに任せようとはしません。

研修の初回に経営層が、AIで空いた時間を何に使ってほしいのかを自分の言葉で伝えると、受講者は自分の業務を演習の題材に出しやすくなります。

利用を禁止しすぎる社内ルール

情報漏えいを恐れて「社外のAIツールは原則使用禁止」のような社内ルールを作ると、研修で学んだ内容を業務で試せません。とりわけ見落とされがちなのが、研修を企画する人事部門と、利用ルールを決める情報システム部門の足並みがそろっていないことです。生成AIの利用は一律に禁止せず、入力してよい情報と禁止する情報を分けて決めます。

AIスキルが反映されない評価制度

AIで業務を改善した成果が人事評価に反映されないと、AIを使いこなす社員ほど、仕事が増えるだけで報われないと感じます。育成した人材が社内に残るかどうかは、評価制度で決まります。

AIを使った業務改善を目標管理の項目に入れる、社内のAI推進役を正式な役割として任命する、といった制度面の手当ては、研修と同じ時期に進めます。研修が終わってから制度を整えると、制度が整うまでに成果を出した社員の意欲が下がります。

AI人材育成のよくある質問

文系の社員でもAI人材になれる？

文系の社員でもAI人材になれます。業務で活用する人材に必要なのは、プログラミングよりも、業務の課題を整理してAIへの指示に置き換える力だからです。実装を担う人材を目指す場合は、数学や統計の基礎とプログラミングを学ぶ必要があり、理系科目の学習経験が少ない人ほど学習期間は長くなります。

AI人材の育成にはどれくらいかかる？

AI人材の育成にかかる期間は、業務で活用する人材なら数か月、実装を担う人材なら半年から1年以上が目安です。業務で活用する人材は、十数時間の研修の後に1〜3か月ほど業務で使い続けると、自分の仕事にAIを組み込めるようになります。実装を担う人材の期間は、プログラミング経験の有無と、任せる開発案件の規模で大きく前後します。

研修は社員全員に受けさせるべき？

生成AIの基礎研修は、社員全員に受けさせるのが望ましいです。社内ルールを知らずに生成AIを使う社員が1人でもいると、情報漏えいのリスクが残るためです。ただし、課題の切り出しを学ぶ演習型の研修まで全員に受けさせる必要はなく、部署のリーダー層から始めれば足ります。

AI人材は採用と育成のどちらがよい？

AI人材は、実装を担う人材の一部を採用や外部委託で補い、業務で活用する人材は社内で育成する組み合わせが現実的です。実装の技術は外部から持ち込めますが、業務のどこにAIを使うかの判断は、自社の業務を知る社員にしかできません。社内にエンジニアがいない企業が外部委託から始める場合も、委託先に要件を伝える社員の育成は並行して進めます。

AI活用の課題設定力なら課題解決力強化道場へ

課題解決力強化道場は、外資系コンサルティングファーム出身の現役コンサルタントが講師を務める、少人数制×ハンズオン×超実践型の企業向け研修です。これまで大手企業から中小企業、教育機関まで、累計約800名を超える受講者の課題解決力の強化を支援してきました。

AI人材育成では、ツールの操作を覚えた後に、AIに任せる業務課題を受講者が自分で切り出せるかが成果を分けます。課題解決力強化道場では、1クラス10名以内で自社の実務課題を題材にした演習を行い、毎回の個別フィードバックで、AI活用の土台になる課題設定力を鍛えます。研修の内容や料金の詳細は資料請求で、自社の課題に合わせたカリキュラムのご相談は、下のお問い合わせフォームからご連絡ください。