定期的にAIを使う労働者は、1年で13%増えて45%になった。同じ期間に、テクノロジーを使いこなす自信は18%低下した。ManpowerGroupの2026年 Global Talent Barometerが示したこの二つの数字は、正反対の方向を向いている。ツールは広がったのに、そのツールを使う人の確信はむしろ縮んでいる。
多くの企業がAI研修を始めるとき、最初に考えるのは「どのツールを教えるか」である。生成AI、業務自動化、データ分析、AIエージェント、社内検索、会議要約など、選択肢は増え続けている。しかし、この二つの数字を並べてみると、2026年の人材育成で本当に問うべきことは変わってくる。従業員がAIを使えるかどうかだけではなく、自分の業務で安心して試し、結果を確認し、役割変化のなかでも自信を保てるかどうかである。
ツールを配布しても、積極利用、個人ツールへの迂回、静かな回避に反応は分かれる。機能説明を増やしても準備度が上がらない理由である。AI研修は利用率キャンペーンではなく、従業員が役割変化と利用範囲を理解し、安全に試して上司や同僚からフィードバックを受けるための準備度設計でなければならない。
AI利用45%と自信18%低下：すれ違う二つの曲線
数字を一つずつ見ると、格差の構造が見えてくる。ManpowerGroupの2026年 Global Talent Barometerでは、定期的にAIを使う労働者は13%増えて45%になったが、テクノロジー利用への自信は18%低下した。89%は現在の役割に必要なスキルに自信があると答えた一方で、43%は今後2年以内に自分の仕事が自動化に置き換えられる可能性を心配していた。64%は安定を求めて現在の雇用主のもとにとどまる予定だと答えた。同時に、56%は最近の研修を受けておらず、57%はメンタリング機会がないと答えた。
この組み合わせは重要である。従業員は現在の仕事には自信を持っている。しかし、未来には不安を感じている。AIを使う機会は増えているが、テクノロジーへの自信は下がっている。会社に残りたい一方で、残った先にどのような学びがあるのかは見えにくい。この状態でAI研修を操作説明だけで設計しても、従業員の本当の不安には届かない。
レポート全体の構造も同じ方向を示している。ウェルビーイング、仕事満足、自信の三つの指数で構成される総合スコアは67%で前年から低下し、低下を主導したのは自信指数だった。ウェルビーイングと仕事満足は横ばいだった。揺らいでいるのは、働く人が自分の未来に向ける確信である。
World Economic Forumは2026年6月、AI時代の生産性課題を、技術の性能ではなく人の準備度の問題として整理した。技術ができることと、人がそれを実務で使いこなせることの間にギャップが生まれているという見方である。雇用主の72%が必要な人材の確保に苦労していると答え、AI関連スキルは不足リストの上位にある。AIは強力になった。しかし、従業員がその能力を業務成果に変えるには、スキルだけでなく自信が必要である。ここが人材育成の新しい出発点になる。
アクセス権85%は準備度を保証しない
Gartnerの2026年のオーストラリア調査は、ツール配布と準備度の間の溝を数字で示している。2026年第1四半期に574人を対象にした調査では、38%の従業員が職務でAI利用を期待されていた。そのうち85%は企業のAIツールを提供されていたが、86%は効率化や複雑な業務のために個人利用のAIツールも使っていた。AIを高頻度で使う従業員は、業務フローやプロセスを改善する可能性が6.7倍高く、ハイポテンシャル人材として認識される可能性も4.6倍高かった。
一方で、AI Championsは17%にとどまり、AI Resistersは56%だった。これは、AI研修の難しさをよく表している。AIは、うまく使える人には大きな成果をもたらす。しかし、組織全体が一緒に進まなければ、AIは生産性格差を広げる。上位の一部だけが速くなり、多くの従業員は不安や混乱のなかで取り残される。研修の目的は、少数のAI上級者を増やすことだけではない。多くの従業員が安全に参加できる道を作ることだ。
社内アカウント、承認済みツール、基本操作研修は出発点にすぎない。アクセス権を準備度と捉えると、従業員は自然に学び、一度の研修で基準を理解し、利用量がそのまま生産性になると思い込む。実際の成果は、AIを使う業務、結果の確認方法、人が責任を持つ判断によって決まる。
個人ツール併用86%と静かな回避：数字の裏にある組織のシグナル
Gartnerの調査で、企業ツールを提供されている従業員が多いにもかかわらず、個人利用のAIツールも使っている人が86%にのぼったことは見逃せない。従業員は、会社が用意したツールだけでは十分ではないと感じているかもしれない。あるいは、より速く、使い慣れた手段を選んでいるのかもしれない。これは単なるルール違反ではない。実際の業務フロー、使いやすさ、スピード、セキュリティ、品質基準が十分に設計されていないというサインでもある。
個人利用のAIツールは、よりよい方法を探す生産性のサインであると同時に、データ保護、個人情報、著作権、品質のリスクでもある。禁止にとどめず、利用理由、社内ツールに適した業務、入力禁止情報、結果確認の基準を教える。反対側の静かな回避も怠慢と決めつけず、職務不安、監視への懸念、データリスク、品質不信、評価の曖昧さ、変革疲れを分けて見る。
表向きの順応と実際の行動は異なるため、参加率とアンケートだけでは抵抗を把握できない。雇用不安には役割変化のロードマップ、品質不信には確認基準、データ保護への懸念には入力可能・禁止情報、専門性への不安には人が深める判断タスク、評価の曖昧さには上司のフィードバック方法を示す。
従業員の信頼は三つの確信から生まれる
研修成果は修了率ではなく、役割変化、確認すべき成果物、評価基準を理解する自信から始まる。操作を知っていても、自分の役割がどう変わり、どの成果物を信頼すべきかが曖昧なら積極的には使えない。上司がAI利用を勧めながら評価基準を変えなければ、従業員は利用を隠す。Gartnerも従業員の自信をAI導入成功の強い動因とし、明確なガイド・研修・支援があるとの回答は半数程度にとどまると指摘した。必要なのは、AIを使える範囲が分かること、結果を自分で確認・修正できること、より価値の高い役割へ移れることという三つの確信である。自信は情報提供だけでなく、実務で判断を試せる支援によって育つ。
日本の総合スコア48%が示す警告
国別の差も見過ごせない。同じレポートで働き手のセンチメントが最も高かったのはインドの77%で、日本は48%と調査対象国のなかで最も低かった。ツールの普及速度と、働く人の確信は別々に動く。DXやAI活用の議論がどれだけ進んでも、現場の自信が置き去りになれば、AIは一部の従業員のための道具にとどまる。
日本企業では、上司の許可、チームの雰囲気、評価、情報管理、業務慣行がAI活用を左右する。研修を組織行動の設計として扱い、経営層は業務と人材ポートフォリオの変化を、管理職は実験の許容範囲とフィードバック基準を、従業員は確認・情報管理・質問・説明の方法を学ぶ必要がある。
基準の整備は進んでいる。IPAは2026年4月にデジタルスキル標準ver.2.0を公開し、AX、データ活用、ビジネス変革に合わせて、データマネジメントやAI実装・運用、ロール別スキルの重要度を見直した。問われているのは、この基準を研修カリキュラムに写すことではない。業務のなかの行動変化につなげる設計である。
評価と結びつくほど、従業員は不慣れさや失敗を隠しやすい。集合実践で成果物と失敗例を共有し、「ここでは安全に試せる」と感じられる場を作ることが、同僚間の格差を縮める。
AIへの自信を設計する7段階
ここまでの数字が示す設計原則を、実行の順序に置き換えると7段階になる。各段階で組織が自問すべきことを、先に表で整理する。
| 段階 | 焦点 | 確認する問い |
|---|---|---|
| 1. 準備度の細分化 | 診断 | 利用頻度だけでなく、信頼・不安・支援経験で従業員を見ているか |
| 2. 役割変化の説明 | 方向 | 「自分の仕事がどう変わるのか」にタスク単位で答えているか |
| 3. 利用基準の整備 | 安全範囲 | 利用可・注意・禁止の業務を実例とともに示しているか |
| 4. 業務内実践 | 適用 | 実習は架空の例題ではなく実際の業務成果物か |
| 5. 上司のフィードバック | 承認 | 上司はAI利用の有無ではなく成果物の品質を見ているか |
| 6. 同僚学習 | 展開 | 失敗事例と判断基準がチーム内で共有されているか |
| 7. 自信の測定 | 検証 | 満足度の代わりに自信・明確さ・支援経験を測定しているか |
第1段階：準備度を細かく見る
全員を同じ出発点に置いてはいけない。AIをよく使い前向きな人、使っているが不安な人、ほとんど使っていないが関心はある人、明確に避けている人を分ける。分類基準は利用頻度だけではない。信頼、不安、業務適合性、上司の支援経験、情報管理理解を合わせて見る。
第2段階：役割変化の方向をタスク単位で説明する
従業員が知りたいのは「AIを使うべきか」だけではなく、「自分の仕事がどう変わるのか」である。会社はタスク単位で説明する必要がある。カスタマーサポートでは、定型回答案はAIが支援できるが、例外対応や感情的な対応は人が担う。営業では、顧客調査や商談記録はAIが支援できるが、関係構築や交渉判断は人が責任を持つ。人事では、学習推薦やデータ整理はAIが支援できるが、評価や配置の判断は人が責任を持つ。
第3段階：利用可・注意・禁止の基準を作る
従業員が不安になる理由の一つは、どこまで使ってよいのか分からないことにある。研修では、利用可能な業務、注意が必要な業務、禁止する業務を分ける。公開情報の要約は可能かもしれない。顧客個人情報、人事評価の原データ、契約書の未公開情報、財務情報には制限が必要かもしれない。基準は抽象的ではなく、実例とセットで示すべきである。
第4段階：実際の業務成果物で実践する
AI研修の実習は、架空の例題ではなく実際の業務成果物で行う。報告書の下書き、顧客メール、会議要約、データ解釈、研修案内、採用文面、問い合わせ回答など、従業員が毎週作っているものを使う。講師は機能説明者ではなく、成果物の品質基準を整えるコーチになる必要がある。
第5段階：上司のフィードバックを組み込む
従業員は、AIを使った成果物を上司に見せられなければならない。上司は「AIを使ったかどうか」ではなく、「成果物が基準を満たしているか」を見るべきである。上司がAI利用を疑ったり低く見たりすれば、従業員は隠す。逆に、上司が基準を示し、改善点をフィードバックすれば、従業員は自信を持てる。
第6段階：同僚学習を運用する
AIへの自信は一人では生まれにくい。同僚がどのように問い、どのように失敗し、どの基準で直したかを見ることで学習が進む。小グループ実践、成果物比較、プロンプトではなく判断基準の共有、失敗事例レビューが必要である。従業員は、自分だけが難しさを感じているわけではないと分かると、試す勇気を持ちやすくなる。
第7段階：自信を測定する
研修後の満足度だけを聞いてはいけない。「自分の業務でAIを使ってよい範囲が分かる」「AIの出力を確認する基準がある」「困ったときに相談できる人がいる」「AI利用が自分の役割を弱めるのではなく広げると感じる」といった項目を測定する。自信は抽象的に見えるが、設問にすれば把握できる。
AI Championsの17%ではなく、残りの従業員が成果を決める
AI Championsには、より難しい役割を与える必要がある。彼らは基本操作をすでに理解している。必要なのは、同僚を支援する役割、業務標準を作る役割、リスク事例を見つける役割である。AIに強い人を個人の生産性が高い人として置いておくだけでは、組織全体の効果は小さい。AI Championsはチームの学習促進者になるべきだ。
関心はあるが不安な従業員には、小さな成功経験が必要である。最初から複雑な自動化や高度な分析を任せると負担が大きい。毎週繰り返される小さな業務を選び、AIで下書きを作り、人が確認し、上司からフィードバックを受ける流れがよい。自信は「一度やってみたらできた」という経験から生まれる。
低利用で否定的な感情を持つ従業員には、説得よりも傾聴が先である。なぜ使わないのかを聞く必要がある。雇用不安なのか、個人情報への懸念なのか、出力品質への不信なのか、業務量が増えることへの不安なのか、学習疲れなのかを分ける。原因が違えば研修も違う。不安を解決せずに機能説明を繰り返すと、抵抗は強くなる。
管理職には別の研修が必要である。管理職はAI導入の観察者ではない。従業員の自信を左右する環境そのものである。上司が役割変化を説明できなければ、従業員は不安になる。上司が成果基準を変えなければ、従業員はAI利用を隠す。上司が失敗を責めれば、従業員は試さない。管理職向け研修は、AI機能よりも対話、フィードバック基準、業務再設計、心理的安全性に焦点を当てるべきである。
AIリテラシーの次：ツールが変わっても残る四つのメタスキル
AI研修がツールの使い方だけにとどまると、技術変化の速度についていけない。World Economic Forumのメタスキルの議論は、この点を示している。デジタル技術環境では、タスクは職務記述書より速く変わり、技術は研修カリキュラムより速く進化する。企業は特定ツールを一度覚えさせるだけでは足りない。従業員が新しいツールや新しいタスクを学び続ける力を育てる必要がある。
AI時代のメタスキルは四つに整理できる。第一に、批判的評価である。AIの出力をそのまま受け入れず、根拠、文脈、誤りの可能性を見る。第二に、実験設計である。業務課題を小さな実験に分け、何が改善なのかを確認する。第三に、自己点検である。自分が何を知らず、どの支援を受けるべきかを判断する。第四に、社会的学習である。同僚の方法から学び、自分の失敗を共有し、チームの基準を作る。
このメタスキルは、自信と直接つながる。従業員はすべての答えを知っているから自信を持つのではない。分からないことをどう扱うかを知り、相談できる人がいて、試せる範囲があり、失敗を修正できると感じるから自信を持つ。AI研修は、正解を教える場ではなく、不確実性を扱う力を育てる場である。
60日パイロット：診断から拡張判断まで
AIへの自信を設計する取り組みは、60日のパイロットで始められる。最初の2週間は準備度診断である。簡単なアンケートとインタビューで、利用頻度、不安、信頼、業務適合性、上司の支援経験を把握する。このとき、個人を評価する形にしてはいけない。目的は分類してラベルを貼ることではなく、必要な支援を変えることである。
3〜4週目は、役割変化と利用基準を整理する。対象部門の主要タスクを分け、AIが支援できる仕事と人が責任を持つ仕事を区別する。入力してよい情報、注意が必要な情報、禁止する情報を例とともに整理する。従業員が迷いやすい場面をFAQにする。
5〜6週目は、業務成果物ベースの実践を行う。従業員は実際の業務成果物を持ち込み、AIで下書きを作る、改善案を出す、要約する、比較するなどを行う。その後、出力を確認し、同僚と見比べ、上司からフィードバックを受ける。講師はプロンプトの言葉よりも、成果物の品質基準を強調する。
7週目は、同僚学習と事例整理の期間である。うまくいった事例だけでなく、誤った出力、危険だった入力、判断に迷った場面も共有する。従業員は失敗事例を見ることで、より現実的な自信を得る。「自分も間違えることがあるが、直せる」という感覚が重要である。
8週目は、測定と拡張判断を行う。修了率よりも、自信、利用基準の理解、上司からのフィードバック経験、業務成果物の改善、個人AIツール利用の安全な移行を確認する。その結果をもとに、次の部門へ広げるのか、同じ部門でより難しいタスクに進むのかを判断する。
受講満足度の代わりに問うべき10の質問
AI研修が従業員の自信と信頼を設計しているかを確認するには、次の問いが有効である。
- 従業員を利用頻度だけでなく、信頼、不安、業務適合性、支援経験で見ているか。
- AIで変わるタスクと、人が責任を持ち続けるタスクを説明しているか。
- 利用可能な業務、注意が必要な業務、禁止する業務を実例で示しているか。
- 研修実習は架空の例ではなく、実際の業務成果物で行われているか。
- 従業員はAIを使った成果物を上司に見せ、フィードバックを受けられるか。
- 管理職はAI利用の有無ではなく、成果物の品質と判断基準を見るよう訓練されているか。
- AI Championsを個人の高生産性人材にとどめず、同僚学習の促進者として活用しているか。
- AIに抵抗する従業員の不安を診断し、グループ別支援を設計しているか。
- 最近研修やメンタリングを受けていない従業員に、別の支援を用意しているか。
- 研修後の満足度だけでなく、自信、明確性、支援経験、業務成果物の改善を測定しているか。
自信が戻れば、利用率は後からついてくる
AI研修の成功は、従業員がいくつの機能を覚えたかでは決まらない。自分の業務でAIをどこに使い、どこで止め、どう確認し、誰に相談すればよいかが分かるとき、成果が生まれる。AI利用率は結果指標にはなるが、出発点ではない。出発点は自信と信頼である。
技術はこれからも進化する。しかし、組織のなかで従業員の準備度が追いつかなければ、AIは一部の従業員の生産性ツールになり、多くの従業員には不安と格差を生む。逆に、従業員が安全に試し、同僚と学び、上司からフィードバックを受け、役割変化の方向を理解できれば、AIは組織学習のきっかけになる。
2026年の人材育成は、AIツールの一覧を増やすことにとどまってはいけない。従業員がAIと一緒に働く自信を持てるように、業務、信頼、学習、フィードバックを設計する必要がある。AI研修のボトルネックはツールではなく、人の準備度である。45%まで伸びた利用率と18%下がった自信の間にある溝。このボトルネックを解ける企業だけが、AI導入を実際の生産性と成長につなげられる。
あわせて読みたい記事
- AI導入の成否はミドルマネジャー育成で決まる
- AIエージェント人材育成：任せ方と監督の仕方を教える研修設計
参考文献
- World Economic Forum, “Greater worker confidence is needed for AI era productivity gains”, 2026-06, https://www.weforum.org/stories/artificial-intelligence/close-gap-what-ai-can-do-people/
- Gartner, “Gartner HR Survey Finds AI is Boosting Productivity but Widening Workforce Divisions in Australia”, 2026-06-02, https://www.gartner.com/en/newsroom/press-releases/2026-06-02-gartner-hr-survey-finds-ai-is-boosting-productivity-but-widening-workforce-divisions-in-australia
- ManpowerGroup, “Global Talent Barometer 2026: AI Use Accelerates as Worker Confidence Falls and Job Hugging Takes Hold”, 2026-01-20, https://investor.manpowergroup.com/news-releases/news-release-details/global-talent-barometer-2026-ai-use-accelerates-worker
- ManpowerGroup, “2026 Global Talent Barometer”（レポート本文）, 2026-01, https://www.manpowergroup.com/en/insights/talent-barometer
- World Economic Forum, “The 5 faces of human readiness for AI adoption – and how to work with them”, 2026-06, https://www.weforum.org/stories/artificial-intelligence/ai-workplace-adoption-readiness/
- World Economic Forum, “How meta-skills prepare teams for AI-powered work futures”, 2026-06, https://www.weforum.org/stories/artificial-intelligence/meta-skills-continual-learning-workplace-ai-era/
- IPA, “デジタルスキル標準ver.2.0を公開”, 2026-04-16, https://www.ipa.go.jp/pressrelease/2026/press20260416.html