「AIスキルを身につけたいが、プログラミングや機械学習から学び直すしかないのだろうか」。そう考えてしまうのは、AI人材の不足が語られる場面で引き合いに出されるのが、新しい手法を研究する人や自社データで実装する人だからです。学習教材を探しても数理統計やデータ分析の入り口にたどり着き、通常業務を抱えたまま進めるのは難しいと感じたところで止まってしまいます。
しかし、弊社はこれまで記事制作の現場でAIを日常的に使いながら、社内で活用を始める段階の支援も引き受けてきました。その経験から言えるのは、使う側に求められる力は作る側とは別の系統にあるということです。自分の業務を工程に分け、渡せるところを選び、返ってきたものの弱いところを指摘して直す。この判断は、いま持っている職能の上にしか積み上がりません。
本記事では、「AIスキル」という言葉が指している2つの別物の見分け方から、業務で使う人に必要な5つの力、独学と研修と伴走支援の選び分けまで、記事制作の現場でAIを使ってきた立場の視点で順を追ってお伝えします。
- 「AIスキル」という言葉が指している2つの別物と、その見分け方
- AI人材とAI活用人材で、必要な中身がどう変わるか
- 業務でAIを使う人に要る5つの力と、その優先順位
- AIスキルが伸びない人に共通している4つの型
- 独学、資格、研修、伴走支援をどう選び分けるか
「AIスキル」が指しているものは1つではない
検索結果に企業サイト、検定サイト、人材育成の記事、セキュリティの解説が混在しているのは、この言葉が現在2つの意味で流通しているからです。「AIスキル」は今、2つの別のものを指しているという前提を持つだけで、情報の取捨選択はかなり楽になります。
人がAIを使いこなす能力としてのAIスキル
こちらが従来からの用法で、企業の人材育成や個人のキャリアの文脈で使われるときは、ほぼこの意味だと考えて差し支えありません。生成AIに指示を出して意図した成果物を得る、AIの出力を業務に組み込む、その過程でリスクを避ける。人間の側に蓄積される能力を指します。
本記事で扱うのも、この意味でのAIスキルです。
AIに持たせる機能パッケージとしてのAIスキル
一方で、AIエージェントの分野では「Skills」という語が別の意味で使われはじめました。特定の作業手順や参照資料をひとまとめにしてAIに読み込ませ、必要なときだけ呼び出させる仕組みのこと。Anthropicも開発者向けドキュメントで、Agent Skillsとしてこの仕組みを公開しています。
つまり前者は人間の能力、後者はAI側の機能設定です。人材育成の担当者が後者の解説記事にたどり着いて首をかしげる、という事故が起きているのは、この語の重なりが原因でしょう。
とはいえ、この2つは無関係ではありません。自分の業務手順を言語化してAIに渡せる人ほど、後者の設定も自然に扱えるようになる。順番としては、まず人間側の力を固めることになります。
AI人材とAI活用人材は、必要な中身が違う
AIスキルを調べていると必ず「AI人材」という言葉に行き当たります。ただ、この2つを同じものとして扱うと、育成の設計を間違えます。
一般に、AIに関わる人材は3つの層に分けて語られます。研究する人、作る人、そして使う人。
層 | 主にやること | 中心になるスキル | 社内で必要な人数 |
|---|---|---|---|
研究する人 | 新しい手法やモデルそのものの開発 | 数理統計、論文レベルの専門知識 | 自社開発をしない企業では不要 |
作る人 | 自社データでの実装、システム連携 | プログラミング、機械学習、データ基盤 | 数人規模 |
使う人 | 自分の業務にAIを組み込む | 業務分解、指示の言語化、出力評価 | 原則として全員 |
人材不足が語られるとき、想定されているのは主に上の2層です。しかし多くの企業が実際に困っているのは、3層目が育たないことのほうではないでしょうか。ツールは契約したのに使われない、一部の社員だけが使っている、という状態がそれにあたります。
ここで押さえておきたいのは、活用する側の人材は、AIを作れる必要がないという点です。データサイエンスの教材から入って挫折する例をよく見かけますが、使う側に求められる力はまったく別の系統にあります。
業務でAIを使う人に必要な5つの力
生成AIを業務で回している人と、そうでない人の差はどこにあるのか。実務で見ていて再現性があると感じるのは、次の5つです。上から順に、欠けていたときの影響が大きくなります。
1. 業務を工程に分解する力
最初のつまずきは、たいてい「AIに何をやらせればいいか分からない」という形で現れます。原因はAIの知識不足ではなく、自分の業務が工程に分かれていないことです。
たとえば記事を1本作る仕事は、企画、調査、構成、執筆、推敲、入稿という工程に割れます。割ってはじめて、調査の下ごしらえと構成案の複数出しは渡せる、推敲は自分でやる、といった判断ができる。丸ごと渡そうとすると、返ってくるものが期待から遠くなり、使えないという結論になりがちです。
2. 前提と評価基準を言語化する力
いわゆるプロンプト設計ですが、本質は指示書を書く力と変わりません。誰に向けたものか、何を含めて何を含めないか、どういう状態なら合格か。外部のライターに依頼書を書くのが上手な編集者は、AIへの指示も最初から通じやすい傾向があります。逆も同じで、依頼書が曖昧な人はAIにも曖昧に伝えます。
書き方の型はAIプロンプトの作り方にまとめていますが、覚えるべきは呪文ではなく、合格ラインを先に言葉にする習慣のほうです。
3. 出力を評価して直す力
5つのうち、代替がいちばん効かないのがここです。生成された文章や企画のどこが弱いのかを指摘できなければ、直しようがありません。
そして出力を評価できるのは、その仕事をもともと分かっている人だけです。AIを入れれば未経験者がベテランの成果物を出せるようになる、という期待はここで壊れます。実際に起きるのは、判断できる人の作業量が減ることであって、判断できない人が判断できるようになることではない。この点を最初に共有しておくと、導入後の落胆を減らせます。
4. 情報と権利のリスクを判断する力
入力してよい情報とそうでない情報の線引き、出力をそのまま公開してよいかの判断です。ここは知識で埋められる部分が大きく、社内ルールとして配れます。入力側についてはChatGPTの情報漏洩が起きる経路、出力側についてはChatGPTの著作権と商用利用の線引きで整理していますが、担当者に丸投げせず、扱ってよい情報の範囲を組織として決めておくのが先決でしょう。
5. 手順として残す力
うまくいったやり方を自分の中だけに置いておくと、担当が代われば消えます。使った指示文、判断に使った基準、失敗したパターン。この3点を残せるかどうかで、1年後に社内へ蓄積されているものが変わってきます。
5つのうち1から3は個人の能力、4と5は組織の仕組みに近い性質を持ちます。研修で個人の力だけ上げても定着しないのは、4と5を誰も設計していないからという場合が少なくありません。
裏返せば、育成の設計をするなら順序があります。まず1つの業務で1から3を通し、そこで出てきた判断を4のルールと5の手順に落とす。個人向けの学習だけを先に厚くしても、戻る先の業務が変わっていなければ元の進め方に引き戻されます。
ツールは入れたのに、使う人が増えないというとき
使われない状態の原因は、たいてい個人のやる気ではなく、渡す工程が決まっていないことと、判断の基準が共有されていないことにあります。Writers-hubでは、自社の業務を工程に分けるところから、指示文と評価基準を社内に残す形にするところまで、実際の業務を題材にご一緒しています。
AIスキルが伸びない人に共通していること
学習時間を取っているのに手応えがない、という相談は珍しくありません。話を聞いていくと、原因は似た型に収まります。
経営者研修は受けさせましたし、ツールも全社に配りました。それでも日常業務では誰も使っていません。何が足りないのでしょうか。
この相談は、育成の担当者からいちばん多く寄せられるものです。
Writers-hub編集部
研修の内容より、戻ってきた先の業務が変わっていないことが多いですね。今までどおりの手順書と今までどおりの締切のままでは、AIを挟むぶんだけ工程が増えて見えます。まず1つの業務を選んで、その工程表自体を書き換えるところから始めるほうが早いはずです。
もう少し個人の側に踏み込むと、次の4つが目につきます。
- ツールの種類は増やすが、自分の業務手順は一度も書き換えていない
- 一度の指示で完成品を求め、期待に届かないと「使えない」と結論づける
- 良し悪しの基準を持たないまま、出力をそのまま使うか全部捨てるかの二択になっている
- うまくいった指示文を保存せず、毎回ゼロから書き直している
2つ目は特に多い型です。AIとのやりとりは、初稿を受け取って直しを指示する編集作業に近く、往復が前提になります。一発で仕上がることを基準にすると、ほとんどの試行が失敗に見えてしまう。
裏を返せば、伸びる人は自分の仕事の型を持っています。AIスキルは、既存の職能の上にしか積み上がらないという言い方もできるでしょう。営業経験のある人はヒアリング項目の整理が速く、編集経験のある人は出力の粗を的確に突く。ゼロから学び直す必要はなく、いま持っている判断力をAIに渡せる形に翻訳する作業だと考えると、着手しやすくなります。
AIスキルを身につける手順
学習教材から入ると、知識は増えても業務が変わりません。実務で回すなら、次の順番が確実です。
今週やったことを、作業単位で紙に書き出します。会議の準備、資料作成、メールの下書き、調査。粒度は30分から1時間で1つ程度が扱いやすいところです。
繰り返しが多く、失敗しても取り返しがつき、成果物の良し悪しを自分で判断できるもの。この3条件を満たす工程を1つ選びます。いきなり複数を狙うと検証が濁ります。
ゼロからプロンプトを書く必要はありません。外注時の依頼書、新人向けの手順書、チェックリスト。すでにある文書をそのまま貼り付けるところから始めるのが最短です。
出力を見る前に、何が満たされていれば合格かを3つ書き出します。基準を後から作ると、出てきたものに引きずられて判断が甘くなります。
1回目で満足のいく出力が出ることは稀です。直しの指示を含めた最終形を保存し、次の同種の業務でそのまま呼び出す。時間が浮きはじめるのは、この2回目からになります。
指示文、合格基準、うまくいかなかった例をセットにして共有します。この工程を飛ばすと、個人の技で終わります。
最初の1周は、時間が浮くことより最後まで通すことを目的にしたほうが続きます。1業務で通し切ってしまえば、2つ目以降は同じ流れをなぞるだけになるからです。
6つのうち抜けやすいのは4番目と6番目でしょう。基準を先に決める工程を飛ばすと学習が進まず、手順として渡す工程を飛ばすと組織に残りません。個人の技で終わらせず、手順として残すところまでを1周と考えてください。
なお、業務単位でAIを組み込んでいく具体的なパターンは生成AIを業務自動化に使う実践パターンでも扱っています。
学習方法をどう選び分けるか
手順が見えたところで、外部の力をどこまで借りるかという話になります。選択肢は大きく4つあり、費用と定着のしやすさが逆の関係になりやすい点に注意が要ります。
| 独学（書籍・無料教材） | 資格・検定 | 集合研修・eラーニング | 実務伴走型の支援* | |
|---|---|---|---|---|
| 費用 | ほぼ不要 | 低い | 中くらい | 高い |
| 自社業務への当てはまり | 自分で翻訳が必要 | 試験範囲どまり | 汎用例が中心 | 実務を題材にする |
| 何がわかるか | 一般知識 | 到達度の可視化 | 体系的な基礎 | 自社での使いどころ |
| 社内に手順が残るか | 個人止まり | 個人止まり | 教材は残る | 手順と基準が残る |
| 向いている状況 | 自分で試せる人がいる | 底上げの目標が要る | 全社の足並みを揃える | 業務を変えるところまでやる |
現実的には、組み合わせになります。全社の底上げには研修や検定が効率的で、実際に業務を変える段階では、自社の題材を使わないと前に進みません。
独学が向くのは、すでに自分の業務を工程に分けられていて、試す時間を取れる人がいる場合です。逆に、担当者が通常業務を抱えたまま片手間で進める前提なら、独学は最も時間のかかる選択になりやすい。無料の教材が悪いのではなく、教材の内容を自社の業務に翻訳する工程が丸ごと残るためです。
研修の効果を測るときに、受講率や満足度だけを見ると判断を誤ります。見るべきは、研修後に業務手順書が書き換わった数と、社内で共有された指示文の数です。この2つが増えていない研修は、知識だけが配られて終わった可能性が高いでしょう。
どの方法を選ぶにせよ、最後は自社の業務に当てはめる工程が残ります。そこを誰がいつやるのかを決めないまま学習だけ進めると、費用の多寡にかかわらず同じところで止まります。
研修は済んだ。次は実際の業務を変える番というとき
知識が入っても、どの工程を渡すかは自社の業務を見ないと決まりません。Writers-hubでは、日々の作業を工程に分けて渡せる部分を切り出し、指示文と判断基準を作って運用に乗せるところまでをお手伝いしています。
AIスキルについてよくある質問
導入や育成の場面で受けることの多い質問をまとめます。
使う側の能力であれば身につきます。業務の分解、指示の言語化、出力の評価が中心になるため、必要なのはプログラミングよりも自分の業務への理解です。ただし、自社データを使った実装やシステム連携まで担うのであれば、開発側のスキルが別途必要になるでしょう。
到達度をそろえる目標としては機能します。一方で、資格の有無と業務でAIを使えるかは別問題。社内の底上げに目標が必要な場面では有効ですが、資格取得を目的化すると、業務手順が変わらないまま終わることがあります。
全社への一斉展開より、1部署の1業務に絞って工程表を書き換えるほうが定着します。成功した手順を社内に配る形にすれば、次の部署が同じ検証を繰り返さずに済みます。
逆に必要になります。出力の良し悪しを判断する部分は人が担うため、その業務の経験がない状態では合否を決められません。職能を捨てて学び直すのではなく、持っている判断力をAIに渡せる形に翻訳する作業だと捉えてください。
まとめ
AIスキルという言葉は、人が使う側の能力と、AIに持たせる機能パッケージの2つを指して流通しています。人材育成の文脈で必要になるのは前者で、その中身は業務の工程分解、前提と評価基準の言語化、出力の評価、リスク判断、手順化の5つに分けられました。
このうち代替が効かないのは出力を評価する力で、それは既存の職能の上に乗ります。だからこそ、AIスキルの習得は職能を捨てる話ではなく、いま持っている判断を渡せる形に翻訳する作業だと考えるほうが、着手も定着も早くなるはずです。
進め方としては、業務を書き出し、渡す工程を1つ選び、合格基準を先に決め、うまくいった指示を手順として残す。この1周を回し切ることを最初の目標にしてください。合同会社Writers-hubでは、記事制作の現場でAIを日常的に使ってきた経験をもとに、自社の業務を題材にした立ち上げ支援と、業務そのものの効率化をお引き受けしています。
最初の1業務を、どこから切り出すか迷っているとき
どの工程を渡せるかは業務ごとに違います。まずは現状の進め方をうかがい、着手しやすい工程と、そこで決めておくべき判断基準をお出しするところから。社内で方針が固まっていない段階でも構いません。
