リスキリングをAI活用につなげる — 「研修を受けさせる」で終わらせない設計

リスキリングの必要性を疑う経営者はもう、ほとんどいません。それでも「研修を実施したのに、現場の仕事は何も変わっていない」という声を頻繁に聞きます。学習と業務が切れているからです。この記事では、リスキリングをAI活用という具体的な成果につなげるための設計を、順を追って説明します。

リスキリング（学び直し）は、経済産業省が「新しい職業に就くため、あるいは今の職業で必要とされるスキルの大きな変化に適応するために、必要なスキルを獲得すること」と位置づけている取り組みです。要点は後半にあります。転職のためだけの話ではなく、同じ職場・同じ職種のままでも、仕事の中身が変わるから学び直しが要る、という話です。

この違いは実務上とても大きい。人が足りないなら採用で埋められますが、既存の仕事の中身が変わるのは採用では埋まりません。今いる人が変わるしかない。だからリスキリングは、人事施策の一つではなく事業側の課題になります。

なぜ今、学び直しが避けられないのか

AIやデータを扱える人材の不足は各種調査で長く指摘され続けていますが、現場で実際に起きているのはもう少し具体的な変化です。

• 「作る」から「確かめる」へ：資料の初稿、メール文面、コードの下書き、議事録の要約は、AIが数十秒で出せるようになった。人の仕事は、出てきたものが妥当か判断する側に移っている
• スキルの賞味期限が短くなった：特定ツールの操作手順を覚える価値が下がり、目的から手段を選ぶ力の価値が上がった
• 職種の境界が薄れた：営業がデータを触り、事務が業務フローを設計する。「それは自分の担当ではない」で止まると仕事が進まない場面が増えた

つまり、覚え直すべきは個別のツールではなく、仕事の進め方そのものです。ここを外して「新しいツールの研修」を積み上げても効果が出ないのは、当然といえます。

研修が定着しない、本当の理由

私たちが相談を受けるとき、多くの企業はすでに何らかの研修を実施済みです。それでも成果が見えない。理由を掘っていくと、受講者の意欲や講座の質より前に、設計の問題に行き当たります。

• 学んだ直後に使う場面がない：受講から実務で使うまでに数週間空くと、手順の記憶はほぼ残らない
• 題材が自分の仕事ではない：一般的な演習課題で操作は覚えても、自分の業務への翻訳が受講者任せになっている
• 評価が受講率で終わっている：修了者数は集計されるが、業務がどう変わったかは誰も測っていない
• 現場に決定権がない：学んだ改善案を試すには承認が必要で、申請の手間を前に消えてしまう

研修は入口にすぎない。学んだ翌日に使う業務が用意されていなければ、スキルは3週間で消える。

だからリスキリングを考えるときは、「何を学ばせるか」と同じ重さで「学んだ人が翌週どの業務で使うか」を先に決めます。順番が逆になっているケースが、非常に多いのです。

生成AIが、リスキリングの入口に向いている理由

学び直しのテーマは無数にありますが、最初の一歩として生成AIを選ぶ実務的な利点があります。学んだ内容を、翌日に自分の仕事でそのまま試せることです。プログラミングやデータ分析は成果が出るまでに時間がかかりますが、生成AIは今日書いているメールや資料が対象になります。

ただし「生成AIを使えるようになる」は目標として曖昧すぎます。実際には、次の3段階で難易度と成果がはっきり分かれます。

1. 第1段階：自分の仕事で使う（プロンプトの基礎）— 文章の要約・下書き・言い換え・翻訳。個人の作業時間が減る。ここは全社員が対象になる
2. 第2段階：業務の流れを組み替える（業務設計）— 定型作業を洗い出し、どこをAIに任せ、どこを人が確認するかを線引きする。ここから成果が個人ではなくチーム単位になる。対象は業務のリーダー層
3. 第3段階：社内の情報とつなぐ（ナレッジ活用・エージェント）— 社内規程・過去案件・マニュアルをAIが参照できる状態にし、問い合わせ対応や調査を任せる。仕組みへの投資が必要で、対象は推進担当と情報システム

ありがちな失敗は、第1段階を全社に配って満足してしまうことです。個人の時短は起きますが、部門の数字には現れにくい。逆に第1段階を飛ばして第3段階に投資すると、使う人が育っていないため仕組みが空回りします。第1段階を広く、第2段階を業務ごとに深く。この形が最も無理なく成果につながります。

進め方 — 業務を1つ選んでから、学ぶ

順番を間違えないための、現実的な進め方です。研修の選定から始めないことが要点です。

1. 業務を1つ選ぶ（例：見積書の作成、問い合わせの一次返信、月次報告の集計）。頻度が高く、判断より作業の比重が大きいものを選ぶ
2. 今のやり方を工程に分解し、1件あたりの時間と月間件数を数える。この数字が後で唯一の判断材料になる
3. その業務の担当者2〜3名に、その業務を題材として学んでもらう。一般的な演習ではなく、実際の自社の書類を使う
4. 2〜4週間、AIを使うやり方と今のやり方を並走させ、品質が落ちていないかを担当者自身が確認する
5. 工程と基準（どこまでAIに任せ、どこから人が見るか）を文書化し、同じ部署の他メンバーに展開する
6. 定着したら次の業務へ。ここで初めて、対象を広げるための研修を仕組みとして整える

この進め方の利点は、最初の1業務で成果が出た時点で、社内に説明材料と経験者が同時に生まれることです。「AIで何ができるのか」という抽象的な議論を、自社の数字で終わらせられます。

助成金は「使えたら使う」の位置づけで

厚生労働省の人材開発支援助成金には、事業展開や業務転換に伴うリスキリングを対象とした枠があり、条件を満たせば研修経費や訓練中の賃金の一部が助成されます。中小企業のほうが助成率が高く設定されているのが一般的です。金額規模が大きいため、活用を検討する価値は十分にあります。

ただし、助成率・要件・対象講座は年度ごとに変わります。ここに書かれた一般的な説明ではなく、申請前に必ず最新の支給要領を確認し、労働局や社会保険労務士に相談してください。訓練前に計画届の提出が必要な場合があり、受講後に気づいても遡れないためです。

そして順番として、助成金を起点に講座を選ばないことをおすすめします。助成対象だから受講する、という選び方をすると、業務と関係のない講座が並びます。先に「どの業務を変えるか」を決め、それに合う講座が助成対象なら使う。この順番なら、助成が取れなくても投資判断は揺らぎません。

何を測るか — 受講率をKPIにしない

リスキリングの効果測定で受講率や修了者数を主指標にすると、研修を実施すること自体が目的化します。見るべきは、選んだ業務がどう変わったかです。

• 対象業務の1件あたり処理時間（着手前に必ず計測しておく）
• その業務の月間件数 × 削減時間 = 月あたりの削減工数。金額換算はここから出す
• 品質が落ちていないことの確認（差し戻し率、修正回数、クレーム件数）
• 対象業務でAIを日常的に使っている人の割合（研修を受けた人の割合ではなく、使っている人の割合）

最後の指標が特に重要です。受講率が100%でも実利用率が10%なら、その投資はまだ回収できていません。逆に対象を絞って実利用率が高ければ、小さく始めても数字は動きます。

リスキリングは、研修を買うことではなく、仕事の進め方を作り替えることです。学習はその手段として後からついてきます。まず変える業務を1つ決める。そこから始めれば、投資の是非は自社の数字で判断できます。

本コラムは一般的な情報提供を目的としたもので、特定の成果を保証するものではありません。導入可否や効果は、企業の状況・データ・体制により異なります。具体的なご相談は個別にお問い合わせください。