AI人材を外から採れない時代の社内リスキリング：研修で終わらせない5ステップ設計

「AI研修を全社員に受けさせた」という報告が社内に上がったあと、半年後に現場を見ると何も変わっていない。私たちがこれまで複数の企業と関わってきた範囲では、このパターンに陥った組織に共通するのは「研修の設計」ではなく「研修と業務の接続設計」の欠如だ。

IPAの「DX動向2025」によると、DX推進に必要な人材が不足していると感じる企業は8割を超えており、外部採用だけでAI人材を賄うことは現実的ではないとされている。大手テック企業との採用競争に参加し続けても消耗するだけという判断は、今後さらに広がるだろう。

この記事では、外部採用競争から降りて社内育成に軸足を移す組織が、「研修で終わらせない」ために取り組むべき5つのステップを具体的に整理する。NTTデータのような数万人規模向けのフレームワークを参考にしながら、5〜50人規模のAI推進チームという現実的な規模感にスケールダウンして考える。

この記事の対象読者

• 社内のDX・AI推進を担う部門長、情報システム部長
• 社内向けのAI研修を実施したが現場での活用が進まず、次の一手を探している人事・人材開発担当者
• 経営層からAI内製化の推進を任されたが、どこから手をつければよいか整理できていないリーダー
• 外部ベンダーへの依存を減らし、社内でPDCAを回せる体制を作りたいと考えている経営企画担当者

なぜ研修だけではAIリスキリングが機能しないのか

AIリスキリングの失敗パターンとして最も多いのは「研修を受講させたが実務で活用されない」ケースであり、学習内容と業務課題が紐付いていないことが根本原因とされている。受講者が「役に立ちそうだ」と感じた内容でも、翌週の業務に戻った瞬間に使う機会がなければ記憶から薄れる。

この「業務への接続切れ」は、研修の質の問題ではなく設計の問題だ。どの業務課題に対してどのスキルが必要か、そのスキルを身につけた後に誰がどう使うか：この一連の流れを事前に設計しないまま研修を始めると、受講完了率を報告できるだけで現場は動かない。

リスキリング施策の成否は「研修の品質」ではなく「研修の前後の設計」で決まる。これが私たちの見立てであり、以降で説明する5ステップの前提になる。

今すぐ無料相談する

ステップ1：経営コミットメントを形式化する

経営層がリスキリングの目標設定・予算確保・進捗確認に直接関与しない場合、現場主導の取り組みは3〜6ヶ月で形骸化するリスクが高い。これは「経営層の理解を得てから進めよう」という教科書的な話ではなく、実際に動かすための構造の問題だ。

現場担当者がいくら熱量を持っていても、業務量の中でリスキリング活動を優先させるには「上から守ってもらえる」仕組みが必要になる。具体的には以下を経営層の関与として形式化することを推奨したい。

• リスキリングの目標を「AIツールが使えるようになる」ではなく「〇〇部門の△△業務における工数を半年でX%削減する」という業務KPIで定める
• 月次または四半期ごとの経営会議のアジェンダにAI人材育成の進捗レビューを組み込む
• 推進チームのメンバーが学習・実践活動に充てる時間を業務時間内に確保できるよう、ライン管理者への通達を経営層名義で出す
• 予算を「研修費」として人事予算に小さく埋め込むのではなく、DX投資として独立した予算枠で確保する

経営コミットメントが「応援している」という姿勢の表明に留まっている組織と、上記を明文化している組織では、6ヶ月後の推進状況に大きな差が出る傾向がある。

ステップ2：社員を3層に分けてカリキュラムを分離する

リスキリング設計では、全社員を対象にしたAIリテラシー基礎層・業務改善を担う推進層・開発・実装を行う専門層の3段階にレベルを分離し、それぞれ異なるカリキュラムを設けることが有効とされている。全社員に同じ研修を受けさせることは「公平」に見えて非効率であり、各層に必要なスキルセットが全く異なるためだ。

全員に同じ研修を届けようとすると、誰にも刺さらない内容になる。層を分けることは「差をつける」のではなく、各人が現場で使えるスキルを身につけるための前提条件だ。

• リテラシー基礎層（全社員対象）：AIとは何か、自分の業務にどう関係するか、AIツールを安全に使うための判断基準。座学・動画学習・ハンズオン体験で完結させる。期間は1〜2日程度を目安に設定する。
• 推進層（部門のキーパーソン5〜50人）：自部門の業務課題をAIで解く企画立案能力、プロジェクト推進スキル、他部門への展開力。PBL形式で実際の業務課題に取り組む。期間は3〜6ヶ月。
• 専門層（AI開発・実装担当 数名）：プロンプトエンジニアリング、APIの活用、データ整備、モデル評価。外部研修や資格取得も組み合わせ、深い技術習得を目指す。

3層のうち、特に設計が難しいのは推進層だ。「技術が分かる人」を選びがちだが、私たちが見てきた範囲では、業務課題を言語化できる能力と周囲を巻き込む推進力を持つ人物を推進層の核に置いた組織の方が、実際の業務改善が広がりやすい傾向がある。

ステップ3：学習と業務課題を接続するPBL設計

座学型研修だけでなく、実際の業務課題を題材にしたPBL（Project Based Learning）やOJT形式の実践学習を組み合わせることで、学習定着率と業務適用率が大幅に向上する。推進層のカリキュラムでは、この実践設計が最も肝になる。

PBLを機能させるためには、「業務課題の選定」と「フィードバックの仕組み」の2つを事前に整える必要がある。

• 業務課題の選定基準：解決すれば数値で効果が見えること（例：見積書作成の工数、問い合わせ対応の平均時間）、データが社内に存在すること、3ヶ月以内に成果物が出せる規模であること
• チーム編成：1テーマにつき2〜4人。技術に強い人と業務に詳しい人を混成させる
• 週次での進捗共有：詰まった箇所を放置させない。外部メンターや社内の専門層がレビューに入るタイミングを設定する
• 中間発表（1.5ヶ月時点）：経営層と他チームに向けて途中経過を発表する。「見られている」設計が推進力を保つ

PBLで扱う課題は「成功しやすい小さな課題」を意図的に選ぶことを勧めたい。最初のテーマで失敗体験が続くと推進チームのモチベーションが急落し、その後の横展開が難しくなる。最初の成功事例を作ることが、次のフェーズへの組織的な承認を得る上で機能する。

社内リスキリング設計の相談をする

ステップ4：5〜50人のAI推進チームを先行設計する

NTTデータのような大企業型のリスキリングフレームワークは、全社数万人を動かすための組織設計を前提にしている。これをそのまま参照すると、ガバナンス設計やコンピテンシーマップの整備だけで1年が過ぎるケースがある。

私たちが見てきた範囲では、まず5〜50人規模のAI推進チームを先行設計して成功事例を積み、その後に横展開するアプローチが定着率を高める傾向がある。全社展開の設計を後回しにするのではなく、先に「小さく成功する回路」を作り、それを雛形として広げる順序だ。

• コアチーム（5〜10人）：専任または週20%の工数を確保したメンバーで構成。ここがすべての実践の起点になる。
• サポーター層（10〜40人）：各部門から選抜した推進層の社員。コアチームの成果を自部門に持ち帰り、横展開を担う。
• スポンサー役員（1〜2人）：意思決定と予算調整の窓口。月1回の定例でコアチームと直接対話する。

この構造を先に作ることで、「誰が何を決められるか」と「誰が現場に返すか」の動線が明確になる。推進チームが曖昧なまま始まると、実践の結果が誰にも帰属しない状態になり、成功体験が組織知として蓄積されない。

みっちゃくんを見る

ステップ5：ナレッジを循環させる仕組みを組織に埋め込む

リスキリング施策が「個人の学習」で終わらないためには、学んだ知識や実践事例を組織内で共有・循環させるナレッジコミュニティの整備が不可欠であり、これが社内AI文化の醸成につながる。PBLで生まれた知見が当事者の中に留まったままでは、組織全体のAI活用レベルは上がらない。

ナレッジを循環させるためのポイントは「発信コストを下げること」と「閲覧される場所を固定すること」の2点に絞られる。洗練された社内Wikiを作ろうとして挫折するケースは多い。最初はSlackチャンネル1本とNotionの1ページで十分だ。

• 月次の実践共有会（30分）：コアチームの誰かが「試したプロンプト」「うまくいかなかったこと」を簡単にLT形式で発表する。完成物ではなく過程を共有する場として設計する。
• ナレッジテンプレートの標準化：「業務課題」「使ったツール・手順」「結果」「次の展開可能性」の4項目だけ記録するフォーマットを決める。
• 成功事例のオーナー制：各事例に担当者名を紐付けて公開する。「誰が解決したか」が見えることで、相談先が生まれ、横展開が加速する。
• 経営層への月次サマリー：コアチームが1枚で取り組み状況を報告する。経営層の継続的な関与を維持するための情報接点として機能させる。

ナレッジ循環が機能している組織では、新しい業務課題が生まれた時に「誰に聞けばいいか」が自然と分かる状態になる。これが外部依存を減らし、内製化を本物にする土台だ。

よくある質問

推進チームのメンバーはどう選べばいいですか？技術力を基準にするべきですか？

私たちが見てきた範囲では、技術的素養だけを基準にすると推進が止まるケースが多い。業務課題を具体的に言語化できること、周囲を巻き込んで動かせること、を優先して選抜した組織の方が、実際の業務改善が広がりやすい傾向がある。技術知識は研修で補完できるが、業務への解像度と推進力は短期間では習得しにくい。まず推進力のある人を核に置き、技術をサポートする専門層と組み合わせる構成を勧めたい。

リスキリングの効果をどう測定すればよいですか？

「AIツールを使えるようになったか」という曖昧な指標では経営層への説明も難しく、現場の行動変容も促しにくい。推奨するのは、PBLで取り組んだ業務課題ごとに「着手前の工数・時間・コスト」と「改善後の同指標」を記録しておくことだ。例えば「見積書の作成時間が平均60分から20分になった」という記録は、次の予算申請の根拠にもなり、他部門への展開を説得する材料にもなる。定性的な「使いやすくなった感覚」ではなく、業務KPIの変化を残すことを習慣化したい。

外部研修ベンダーを使うべきですか？それとも内製化した方がいいですか？

リテラシー基礎層の研修は外部ベンダーを使う方が効率的な場合が多い。汎用的な内容は既製品の品質が高く、開発コストをかける意味が薄い。一方で推進層のPBL設計と専門層のカリキュラムは、自社の業務課題に直結させる必要があるため、外部コンテンツをそのまま流用するのは難しい。外部ベンダーには「汎用知識の提供」を任せ、「業務への接続設計」は社内またはBinxAIのような伴走支援を活用する形で役割分担することを勧めたい。

経営層を巻き込むことができない場合、現場だけでできることはありますか？

経営層の関与がない状態での現場主導は、形骸化リスクが高いのが現実だ。ただし、経営層を動かすための「実績を先に作る」アプローチは有効だ。まず担当者が自部門の業務の一部にAIを適用し、工数削減の数値を記録する。その結果を持って経営層に「次のフェーズへの投資判断」を求める順序を取ることで、トップダウンの承認を後から引き出せるケースがある。最初の成功事例作りを「承認なしでも動かせる小さな範囲」で始めることが現実的な起点になる。

リスキリングにかかるコストの目安を教えてください

コストは企業の規模・対象人数・外部ベンダーの活用有無によって大きく異なり、一律の目安を提示することは難しい。ただし設計上のポイントとして、最初から全社展開のコストを試算して腰が引けるより、まずコアチーム10人以内でのパイロット予算を確保し、成果を見てから全社展開の予算を組む段階的なアプローチの方が、経営承認を得やすい傾向がある。研修費・工数コスト・ツール費用の3項目を分けて試算し、それぞれに対して回収できる業務効率改善の試算を対に示すことで、投資判断の議論がしやすくなる。

「AI人材が足りない」という課題の本質は採用市場の問題ではなく、社内に育てるための設計が機能していないことにある。研修受講という分かりやすいアクションに満足して設計を止めるか、業務課題への接続・実践・ナレッジ循環まで設計し切るか：この差が1年後、2年後の内製化の現実を分ける。5〜50人のAI推進チームを先行設計し、最初の成功事例を作ることから始めてほしい。