%20(%E8%83%8C%E6%99%AF%E3%81%82%E3%82%8A).png?width=130&height=39&name=%E6%9C%80%E7%B5%82Start%20Link%20(500%20x%20150%20px)%20(%E8%83%8C%E6%99%AF%E3%81%82%E3%82%8A).png "StartLink"){kind=logo}
この記事の結論
AIリスキリングは、全員を同じ水準にそろえる活動ではありません。職種と役職に必要なスキルを定義し、学習を実業務へつなげる仕組みづくりが核心です。
AIリスキリングは、全員を同じ水準にそろえる活動ではありません。職種と役職に必要なスキルを定義し、学習を実業務へつなげる仕組みづくりが核心です。
「AI研修を実施したのに、業務で使われていない」「何をどこまで学ばせればよいかわからない」「活用できる人とできない人の差が広がっている」——こうした悩みを抱えたまま、教材の選定から始めてしまうケースがあります。
AIリスキリングとは、社員がAIを業務の中で適切に使い、出力を評価・修正できる状態をつくるための学び直しです。研修の受講自体を目的にせず、業務の選定、役割分担、実践、効果測定までを一続きで設計することが重要です。
本記事では、社内のAIリスキリングを効果的に設計・実施するための実践フレームワークを解説します。
この記事でわかること
AI人材育成プログラムを設計する人事・育成担当者、管理職向けの記事です。研修を知識の提供で終わらせず、実業務への定着まで設計する考え方を整理します。
- AIスキルマップの設計方法 — 職種と役職ごとに、何をどの水準まで学ぶかを整理できます
- 研修プログラムの組み立て方 — 座学、実技、実業務への適用をつなぎ、知識を現場の行動へ変える方法がわかります
- AIと人間の役割分担 — AIに任せる作業と、人間が確認・判断する領域を分ける基準を理解できます
- 効果測定と改善の進め方 — 受講者満足度だけに頼らず、活用実績や業務時間、成果物の品質から研修を見直せます
- スモールスタートの方法 — AIチャンピオンを中心に、対象業務を絞って始める手順を確認できます
AIリスキリングが必要な理由を業務から捉える
AIツールの利用を個人任せにすると、使い方や確認方法が人によって分かれます。
研修の役割は、ツールの操作方法を教えるだけではなく、業務での使いどころと守るべき基準を共通化することです。
どのスキルを優先して伸ばすべきかは、AI時代に必要なビジネススキル5選でも整理しています。
Excelや手作業に分散した業務を洗い出す
AI研修の前に、社員が日常的に繰り返している作業を確認します。たとえば次のような作業です。
- Excelへの転記
- 文書の下書き
- 議事録の整理
- 顧客情報の検索
これらが別々に行われていると、AIを導入しても作業の一部だけが速くなり、前後の受け渡しは残ります。
そこで、作業単体ではなく、次の流れで業務を見ます。
- 情報を受け取る
- 処理する
- 確認する
- 次の担当へ渡す
手作業が集中する箇所と、人の判断が必要な箇所を分けると、研修で扱うテーマを選びやすくなります。
個人利用から組織運用へ切り替える
リスキリングを行わないまま個人が別々の方法でAIを使うと、出力品質や情報の扱いをそろえにくくなります。一方で、利用を止めるだけでは、AIを業務改善へつなげる学びも蓄積されません。
| 観点 | 個人任せの状態 | 組織で設計した状態 |
|---|---|---|
| 利用目的 | 各自が使いやすい作業を選ぶ | 対象業務と期待する成果を定義する |
| 品質確認 | 確認方法が人によって異なる | 確認項目と承認者を決める |
| ナレッジ | 個人のプロンプトや工夫に残る | 再利用できる形で共有する |
| 改善 | 成果が見えにくい | 活用実績と業務変化を振り返る |
研修は、個人の力量に頼る状態から、引き継げる仕組みへ移すための土台です。
使えていない社員を責めるのではなく、次を決めることで、新人でも同じ流れをたどれるようにします。
- 対象業務
- 入力情報
- 確認手順
- 相談先
研修のゴールを業務行動で定義する
「AIを理解する」「プロンプトを学ぶ」だけでは、研修後の状態を判断しにくくなります。ゴールは、たとえば次のように業務行動で表します。
- 定型文書の初稿を作り、人が根拠を確認して完成させる
- CRMデータを参照した提案の下書きを作り、担当者が修正する
この定義があると、教材、演習、OJT、効果測定が同じ方向を向きます。
反対に、ゴールが曖昧なままツール紹介を増やすと、覚える内容は広がっても、現場で何を変えるのかが見えにくくなります。
AIスキルマップは職種と役職で分けて設計する
AIスキルマップは、誰に何を学んでもらうかを整理する設計図です。次の三つを分けます。
- 全社員に共通する基礎
- 職種別の応用
- 管理職が担う運用設計
項目を増やしすぎず、対象業務に必要なものから選ぶことがポイントになってきます。
全社員に共通する基礎をそろえる
共通基礎では、AIの操作だけでなく、出力をそのまま採用しない姿勢を扱います。社員が最低限理解する内容は、次のように整理できます。
| 領域 | 学ぶ内容 | 業務で確認すること |
|---|---|---|
| 基本操作 | 指示の出し方、追加質問、出力の修正 | 目的と条件を具体的に伝えられるか |
| 評価 | 誤り、抜け、表現の不整合の確認 | 元情報と照らして修正できるか |
| セキュリティ | 入力してよい情報の判断 | 機密情報や個人情報を扱うルールを守れるか |
| 品質管理 | 人による確認と承認 | 誰が最終判断するか理解しているか |
重要なのは、操作手順と同じ重さで評価・検証を教えることです。AIの出力には誤りが含まれる可能性があるため、根拠の確認や修正を研修課題に組み込みます。
職種別に実務で使うスキルを選ぶ
職種別スキルは、実際の成果物や判断に結び付けます。職種名だけで教材を分けるのではなく、その職種が扱う情報と完成させる成果物から逆算します。
| 職種 | AIを使う対象 | 人が担う判断 |
|---|---|---|
| 営業・マーケティング | 顧客メール、提案書の初稿、コンテンツ制作、CRMデータの確認 | 顧客ごとの文脈、提案内容、送信可否 |
| 経理・バックオフィス | レポート、議事録、マニュアル、Excelデータの分析補助 | 数値の整合、社内ルール、承認 |
| エンジニア・技術職 | コード補完、バグ検出、コードレビュー、テストや連携処理の補助 | 設計の妥当性、安全性、動作確認 |
例えば営業職では、文章を生成できることより、顧客情報を踏まえた下書きを人が見直し、送信してよい内容へ整えられることを評価します。経理や技術職でも同様に、生成そのものと最終判断を分けます。
管理職には運用を設計するスキルを置く
管理職には、自分がAIを使えることに加えて、チームの利用状況を見て改善する役割があります。次の項目を設計できる状態を目指します。
- 対象業務の選定
- 出力品質の確認方法
- 相談や承認の流れ
- 効果測定
現場で使われない原因が、社員の意欲ではなく、入力情報の不足や承認手順の曖昧さにあることもあります。管理職は個人への指導だけで終わらせず、業務の流れとルールを見直します。
スキル項目は運用できる範囲に絞る
スキルマップを細かく作り込みすぎると、更新や評価の負担が増えます。まずは共通基礎、職種別実務、管理職の運用設計という区分で、研修と評価に使う項目だけを置く方法がおすすめです。
ただし、同じ職種でも担当業務や利用するデータは異なります。
汎用的なスキル一覧をそのまま配るのではなく、自社の業務フローに当てはめ、不要な項目を外してから研修へ進みます。
座学から実業務までを切れ目なくつなぐ
「知っている」を「業務で使える」に変えるには、座学、実技、実業務への適用をつなげます。
それぞれを別の研修として扱うのではなく、同じ業務テーマを段階的に深める設計が重要です。
研修後の相談先と振り返りまで用意すると、学びが個人の記憶だけに残りません。
座学で共通言語と利用ルールを学ぶ
座学では、次の内容を学びます。
- AIの基本概念
- AIの仕組み
- 主要ツールの位置付け
- 情報の扱い方
目的は詳しい用語を覚えることではなく、何ができ、何を人が確認するのかを共通言語にすることです。
教材は対象業務に必要な範囲へ絞ります。機能を広く紹介しすぎると、受講者は自分の仕事との接点を見失いやすいため、後の実技で使う内容と結び付けます。
実技演習で実際の業務課題を扱う
実技では、受講者が日常で扱う文書やデータに近い課題を使います。題材には、次のようなものがあります。
- 顧客メールの初稿
- 議事録の整理
- レポートの要約
こうした題材にすると、操作と活用場面を同時に理解できます。
演習では、良い出力を得る方法だけでなく、誤りや抜けを見つけて修正する過程も共有します。入力してよい情報の範囲を守り、必要に応じて研修用のデータへ置き換えることも運用ルールに含めます。
OJTで実業務への適用を支える
OJTでは、研修で扱ったスキルを担当業務へ適用します。受講者は、次を整理し、上司やAIチャンピオンへ相談できるようにします。
- 対象業務
- AIに任せる作業
- 人が確認する項目
- 完成条件
評価は「使ったか」だけでなく、成果物が業務に利用できる品質になったかまで見ます。
うまくいかなかった場合は、個人の操作だけを原因にせず、次を見直します。
- 入力情報
- 手順
- 確認項目
- ツールの向き不向き
継続学習を日常の運用に組み込む
研修が終わった後は、社内Slackで活用事例や困りごとを共有し、勉強会で再利用できる方法を整理します。新しい機能の紹介だけではなく、既存の業務で使い続けられているかを確認します。
共有する内容は、成功したプロンプトだけでは足りません。次の点まで残すと、別の担当者が再現しやすくなります。
- どの業務で
- どの情報を使い
- どこを人が直し
- 何に注意したか
AI活用を業務フロー全体の中に位置付ける
研修テーマは、便利そうな機能から選ぶのではなく、業務フローのどこに置くかを決めます。
入力から成果物の利用までを一気通貫で見ると、AI導入後も残る手作業や確認の抜けが見えます。
AIを使う工程だけでなく、その前後のデータと担当者まで設計します。
対象業務を入口から出口まで分解する
例えば顧客メールの作成なら、次の流れがあります。
- 顧客情報を探す
- 伝える内容を整理する
- 初稿を作る
- 事実を確認する
- 表現を整える
- 送信を判断する
この中でAIが支援する工程と、人が責任を持つ工程を分けます。
Excelや個人のメモから情報を集め続ける状態では、AIに渡す前の手作業が残ります。研修と並行して、参照する情報の置き場所や更新方法も整えることが、業務効率化のポイントになってきます。
CRMの流れと研修テーマをつなげる
HubSpot上でBreezeの活用を学ぶ場合も、機能単体で終わらせず、コンタクト、取引、顧客、請求へ続く業務のどこで使うかを整理します。
顧客情報の確認や文章の下書きをAIが支援しても、次は人の責任として残します。
- 取引の判断
- 顧客への送信
- 請求に関わる確認
CRMは情報を保存するだけの場所ではなく、営業プロセスの標準化、部門間の連携、判断に必要な情報の可視化へつなげる基盤として設計します。
AI研修も、この流れのどこを改善するのかが明確であれば、単発の操作説明になりにくくなります。
学習成果を再利用できる形にする
研修で作ったプロンプトや手順は、個人のファイルに置いたままにせず、次の項目と一緒に共有します。
- 利用目的
- 必要な入力
- 確認項目
担当者が変わっても同じ流れをたどれるようにすると、学習成果が組織に残ります。
ただし、すべての業務を共通手順にすることは適していません。顧客ごとの判断や専門知識が必要な業務は、人が内容を組み立てる余地を残し、定型部分だけを仕組み化します。
AIと人間の役割分担を研修に組み込む
AI活用を定着させるには、AIに何を任せ、人間がどこで判断するかを明示します。
役割分担が曖昧だと、AIの出力をそのまま使う人と、ほとんど使わない人に分かれます。研修では生成方法だけでなく、確認と承認を含む完成までの流れを練習します。
AIに任せる作業と人が判断する領域を分ける
| AIが支援しやすい作業 | 人が判断する領域 |
|---|---|
| 文書やメールの初稿作成 | 顧客に伝える内容と送信可否 |
| 議事録やレコードの要約 | 重要事項の選択と事実確認 |
| 情報の分類や整理 | 分類基準と例外対応 |
| データ分析の補助 | 数値の解釈と業務判断 |
| コード作成やレビューの補助 | 設計、安全性、動作の確認 |
この分け方は、AIの出力を採用する責任を曖昧にしないためのものです。特に顧客対応や経営判断に使う成果物では、人が元情報を確認し、必要な修正を行ってから利用します。
確認手順とセキュリティを演習する
品質管理は「注意してください」という呼びかけだけでは運用しにくいため、確認項目を作業手順へ入れます。成果物の種類ごとに、次を確認します。
- 事実の誤り
- 情報の抜け
- 相手に合わない表現
- 入力してはいけない情報がないか
研修では、出力が不十分な例も扱います。修正が多い場合に、次のどれで対応するかを考えることで、向き不向きを判断できるようにします。
- 指示の改善で対応するのか
- 元情報を整えるのか
- その業務ではAIを使わないのか
Breezeのガイドライン設定を教材にする
HubSpotのAI機能を扱う場合は、Breezeという名称で統一します。トーンや応答スタイルのようなガイドラインを設定するときも、設定すること自体ではなく、どの回答を期待し、誰が内容を確認するのかまで研修に含めます。
以下の画面は、Breezeカスタマーエージェントでトーンと応答スタイルのガイドラインを設定する画面です。
画面を見ながら学ぶ場合は、入力欄に何を書くかを考えるだけでなく、想定と異なる回答が出たときの修正方法や相談先も決めます。設定と運用を一緒に扱うことで、担当者だけに知識が偏る状態を避けられます。
AIに向かないケースも共有する
AIは、次のような業務では、安定した出力を得にくいことがあります。
- 元情報が不足している業務
- 例外が多く判断基準を言語化できていない業務
重要な顧客対応や専門性の高い判断では、AIの下書きを使うかどうかも含めて人が決めます。
ただし、向かない業務があることは、AI研修を止める理由ではありません。定型文書の初稿や情報整理など、確認方法を決めやすい範囲から試し、結果を見ながら対象を広げます。
研修効果は活用実績と業務変化で測る
研修の評価を受講者満足度だけで終えると、現場で使われているかが見えません。
知識の定着に加えて、活用状況、業務時間、成果物の品質、ナレッジ共有を確認します。複数の指標を組み合わせると、利用回数だけでは見えない課題を捉えやすくなります。
測定指標を研修ゴールと対応させる
| 指標 | 確認する内容 | 見直しにつなげる問い |
|---|---|---|
| 活用率 | 対象業務でAIが使われているか | 使われない理由は操作、業務設計、承認のどこにあるか |
| 業務時間 | AI活用前後で所要時間がどう変わったか | 前後の転記や確認作業が残っていないか |
| アウトプット品質 | 成果物が利用できる品質か | 誤りや修正がどの工程で発生したか |
| ナレッジ共有 | 活用方法や注意点が共有されているか | 別の担当者が同じ手順を再現できるか |
| ROI | 研修や運用に使った工数と業務上の変化が釣り合うか | 続ける対象と止める対象を分けられるか |
指標は多ければよいわけではありません。研修のゴールに直結するものを選び、収集に手間がかかりすぎる項目は外します。
BeforeとAfterを同じ条件で比べる
業務時間や品質を比較するときは、対象業務と完成条件をそろえます。研修前は初稿まで、研修後は承認までというように範囲が違うと、変化を正しく読み取れません。
| 比較項目 | Beforeで記録すること | Afterで確認すること |
|---|---|---|
| 作業範囲 | 開始から完成までの工程 | 同じ工程でAIを使った結果 |
| 所要時間 | 手作業と確認にかかった時間 | AI利用と修正を含む時間 |
| 品質 | 誤り、抜け、差し戻し | 同じ基準で見た誤りと修正 |
| 引き継ぎ | 担当者以外が再現できるか | 手順と確認項目で再現できるか |
時間が短くなっても、修正や差し戻しが増えていれば改善とは言い切れません。反対に、時間の変化が小さくても、品質や引き継ぎやすさが上がるケースがあります。
結果を次の研修へ反映する
振り返りでは、使えた機能の紹介だけでなく、使われなかった理由を確認します。次のどれにあたるかを分けます。
- 対象業務が適していなかった
- 元情報が不足していた
- 確認手順が重かった
評価結果は、スキルマップ、教材、演習課題、OJTの支援方法へ戻します。研修を実施して終えるのではなく、業務の変化をもとに学習内容を更新する循環を作ります。
スモールスタートで定着の型を作る
全社向けの大規模な研修から始めると、職種ごとの違いや運用上の課題を拾いにくくなります。まずは、次の順で進めます。
- 対象業務と参加者を絞り、学習から効果測定までを小さく回します
- 結果が確認できた段階で、似た業務や別のチームへ広げます
AIチャンピオンの役割を決める
AI活用が得意な社員をAIチャンピオンとして選び、次を担ってもらいます。
- 相談対応
- 活用事例の整理
- 勉強会の進行
チャンピオンはすべての回答を持つ専門家ではなく、困りごとを集め、共通ルールへ反映する推進役です。
役割が曖昧だと、質問がチャンピオン個人へ集中します。相談内容を社内Slackや共有資料へ残し、同じ質問に別の担当者も対応できる仕組みにします。
対象業務を絞って試す
最初の対象は、次の条件を満たす業務が候補です。
- 繰り返し発生する
- 完成条件を説明しやすい
- 人が出力を確認できる
定型文書、議事録、レポート、顧客メールの初稿などから、自社で負担が大きいものを選びます。
ただし、重要な判断を含む業務や、元情報が整っていない業務を最初に選ぶと、研修と業務改善の論点が混ざります。確認しやすい範囲で運用の型を作り、課題を記録してから次へ進みます。
成果を見て段階的に広げる
対象業務で、次が整ったら、似た業務へ展開します。
- 利用手順
- 確認項目
- 相談先
- 測定方法
展開時は、元の手順をそのまま複製せず、新しい職種や成果物に合わせて入力情報と判断基準を見直します。
スモールスタートの目的は、試すこと自体ではありません。学習と業務改善を結び付ける型を作り、広げても品質管理が崩れない状態を整えることです。
定着しない原因を仕組みから見直す
研修後に利用が進まない場合、社員の意欲だけを原因にすると改善策が限られます。次のような仕組みの問題を確認します。
- 対象業務が曖昧
- 参照情報が分散
- 上司の承認方法が未定
- 相談先が不明
利用を促す通知や勉強会を増やす前に、業務の入口から出口までを見直します。社員が迷わず使え、出力を確認し、次の担当へ渡せる設計になっているかが、定着を左右します。
よくある質問
AIリスキリングの設計で迷いやすい論点を整理します。自社の対象業務と研修ゴールに照らして判断してください。
社員のAIリスキリングにはどのくらいの期間が必要ですか
期間は、対象者の現在地と目指す業務行動によって変わります。基礎知識の習得と、特定業務で成果物を完成させる状態では必要な学習が異なるため、期間を先に固定せず、座学、実技、OJTの完了条件を定めます。
AIツールは変化するため、研修を完了イベントとして扱わないことも重要です。実務での活用状況を見ながら、教材とルールを更新します。
外部研修と社内研修はどのように使い分けますか
AIの基礎知識をそろえる目的では、外部研修を活用できます。一方、自社の業務に沿った実践や運用ルールの定着は、社内の業務データ、成果物、承認手順と結び付けて設計します。
基礎を外部で学び、社内のAIチャンピオンが業務適用を支える組み合わせも選択肢です。どちらを選ぶ場合も、受講後にどの業務で何を変えるかを先に決めます。
AIの利用に抵抗がある社員にはどう対応しますか
難しそう、自分の仕事には関係ないという不安がある場合は、日常業務の中から対象を絞り、実際の成果物を作るところまで支援します。操作説明を増やすより、どの情報を入力し、どこを確認すればよいかを明確にする方が取り組みやすくなります。
また、AIを使わないことを責めるのではなく、利用しにくい理由を確認します。情報の置き場所、承認手順、相談先を整えることも育成の一部です。
AIの出力品質にばらつきがある場合はどうしますか
最初に、目的、入力情報、完成条件、確認項目が共有されているかを見直します。同じ業務でも入力や評価基準が違えば、出力と修正内容もばらつきます。
それでも品質が安定しない場合は、AIに任せる範囲を狭めます。下書きや整理までをAIが支援し、専門判断や顧客への送信は人が担うように役割を調整します。
まとめ
社内AI人材育成では、研修内容を増やすことより、対象業務、役割分担、確認手順、効果測定をつなげることが重要です。AIリスキリングを業務改善の流れとして設計し、学習成果を組織に残します。
AIリスキリング設計の要点
- スキルマップから始める — 共通基礎、職種別実務、管理職の運用設計を分けます
- 座学と実務をつなぐ — 座学、実技、OJTで同じ業務テーマを深めます
- AIと人間の役割を分ける — 生成や整理と、事実確認や最終判断を分離します
- 活用実績で見直す — 活用率、業務時間、品質、共有状況を研修ゴールに対応させます
- 小さく始めて広げる — 対象業務を絞り、運用の型を作ってから展開します
まず取り組むこと
まずは、社員が手作業で繰り返している業務を洗い出すところから始めます。そのうえで、次の流れで対象を絞ってください。
- AIで支援する候補業務を選び、入口から出口までの工程を書き出します
- AIに任せる作業と、人が確認・判断する作業を分けます
- 必要なスキル、演習課題、効果測定の指標を対応させます
この流れを小さく試し、使われなかった理由や修正が多かった箇所を次の研修へ反映します。CRMを活用した業務効率化やAIとの連携に関するご相談は、CRM特化型コンサルティングのHubSpotゴールドパートナーのStartLinkまでお気軽にお問い合わせください。
あわせて読みたい
AI人材育成とリスキリングに関する関連記事をご覧ください。研修設計と組織づくりに関係する記事をまとめています。
記事の内容を、そのまま実務に落とし込みたい方向け
HubSpotゴールドパートナーのStartLinkが、HubSpot導入・AI活用・CRM整備・業務効率化までをまとめて支援しています。記事で気になったテーマを、そのまま相談ベースで整理できます。
次に読む
株式会社StartLinkは、事業推進に関わる「販売促進」「DXによる業務効率化（ERP/CRM/SFA/MAの導入）」などのご相談を受け付けております。 サービスのプランについてのご相談/お見積もり依頼や、ノウハウのお問い合わせについては、無料のお問い合わせページより、お気軽にご連絡くださいませ。
著者情報
