経営層のAIリテラシーはツール操作ではなく決裁案件を審査する力である。投資承認、人員再配置、データ移転、自動化の範囲、事故時の責任分担で問うべき質問と、分からなければ承認しない基準を実務に落とし込む。導入前に確認すべき運用と中止の基準も示す。

経営層のAIリテラシー、決裁者が学ぶべきは操作方法ではない

先月の役員ワークショップで生成AIの実演は成功した。契約書の草案が4分ででき、四半期実績の要約が一枚のスライドにまとまった。ところが今週、経営会議に上がった案件は別の顔をしている。年間9億ウォン相当の文書自動化ツール、顧客データを海外リージョンで処理する承認、審査担当者12人の再配置。実演に感心した役員が尋ねるのは、いまだに「他社も使っているのか」「いつ回収できるのか」の二つだけだ。

経営層のAIリテラシーとは、モデルの仕組みを説明したりプロンプトを書いたりする能力ではない。自分の署名が入る案件で何が分かっていないかを特定し、承認を止める根拠を言葉にできる能力である。ツールを使う人は成果物を得るが、案件を審査する人は、その成果物が間違ったときに誰が責任を負うかを決める。

人材育成の観点から結論は明確だ。経営層向け研修の成果は、役員がAIをどれだけ触ったかではなく、決裁文書に残る質問の水準が変わったかで判定すべきである。 実演は可能性を見せる形式であり、決裁は失敗条件を確認する場だ。鍛える筋肉が違う。

役員向け特別講義が終わっても決裁案件の問いは変わらない

役員向けAIプログラムは、市場動向の説明、成功事例、ツール実習、質疑応答という構成になりやすい。認識を変えるには有効だが、判断を変えるには弱い。実習の課題には正解があり、やり直しができ、失敗しても費用がかからない。決裁案件は三つとも逆である。

より根本的なのは、訓練対象の設定が違うことだ。役員が毎日プロンプトを書くわけではない。実際に行うのは、他の人が用意した資料を読み、抜けている条件を見つける仕事である。難しさを決めるのはツールを使った経験ではなく、何が抜けると危険なのかを知っているかどうかだ。

実演という形式にも限界がある。ベンダーのデモは、統制された条件で最もよい結果を見せるように設計されている。少なくとも次の四つは、その場では検証されない。

自社データ：実際の社内文書の書式不一致、誤記、廃棄されていない旧版で同じ品質が出るか。
例外ケース：処理量の5〜10%にすぎないが担当者の時間の半分を奪う案件を処理できるか。
運用コスト：ライセンス以外のレビュー時間、ルールの保守、エラー対応、再学習の費用。
終了・移行コスト：3年後に供給者を替えるとき、蓄積データと設定をどう回収するか。

これはベンダーが隠しているというより、実演という形式では扱いにくい問題である。実演中心の研修では、経営層は可能性の上限だけを学び、失敗条件の下限を扱わない。

リーダーが挙げるAI導入の成功要因で倫理とコンプライアンスは後ろに置かれる

経営層が何を重視しているかは調査にも表れる。McKinseyが2025年6月から9月に10,018人を対象に行った調査では、AI導入で最も重要な要因として新技術の使いやすさを42%のリーダーが挙げた。導入を後押しするリーダーシップと専任チームの構成が36%で続いた。

経営層のAIリテラシーで見るAI導入の成功要因と倫理・コンプライアンス基準の位置を示すMcKinsey Exhibit 2

McKinsey, The State of Organizations 2026 原文 physical page 13 / printed page 11, Exhibit 2。回答者9,346人を基準に、明確な倫理・コンプライアンス基準は24%で、成果管理との連動とともに下位に位置する。原文の図中テキストは翻訳していない。

この順位を道徳の問題として読むと誤る。使いやすさが一位なのは合理的だ。使いにくいツールは広がらない。問題は、判断条件を定める項目が下位に集まっている構造である。事業成果との連動29%、役割別能力研修29%、成果管理との連動24%、倫理・コンプライアンス基準24%。拡散を助ける項目が上にあり、拡散の条件を決める項目が下にある。

現場との認識のずれも確認されている。BCGが2026年6月に公表した11,749人の調査では、フロントライン従業員の33%だけがリーダーシップはAIについて明確に発信していると回答し、リーダーの発言と組織の実際の行動が整合していると見た回答者は28%だった。役員が方向を決めたと感じることと、現場がその方向を受け取ったと感じることは同じではない。

決裁案件を五つに分けると鍛えるべき判断が見える

「AIを理解する」という目標は研修設計に翻訳しにくい。実際に経営層が署名する案件をタイプに分ければ、タイプごとの質問が明確になる。

案件の種類	決裁が実際に承認するもの	分からなければ承認しないもの
導入投資	予算と導入日程	中止条件、移行・終了費用、運用人員
人員再配置	人数配置と職務変更	消えた仕事の行き先、残る人のレビュー負担
データの外部移転	データが出ていく経路と範囲	保管・学習利用・削除の契約条件
自動化の範囲	AIが関与する業務段階	情報提供・推薦・決定のどこまでか、責任者
事故時の責任分担	事後処理と報告経路	事前に定めたリスク受容水準と判断責任

五つは別の部門から上がるが、同じ経営層が承認する。個別の研修に分けるより、一つの判断体系にまとめたほうが効果が出る。共通して確認するのは二つだ。この決定が間違ったとき、何が元に戻らないのか。元に戻らない結果を誰が引き受けるのか。

導入投資では回収期間より中止条件を先に問う

投資回収期間を尋ねる質問は、成功を前提にしている。「何か月で回収できますか」は成功シナリオの数字でしか答えられず、会議は最も楽観的な前提を確認する場になりやすい。

Deloitteの2026年CFO向け人的資本ガイドは、問いの順番を変える。どのAI投資がどのプロセスで、どの期間にコストを下げ、事業価値を生むのか。導入拡大を毎年加速すると組織と成果に何が起きるのか。信頼できる資源再配分の判断に必要なリアルタイムの成果シグナルとデータ基盤があるのか。回収時点一つでは答えられない問いだ。

経営層の研修では、次の質問を案件様式に固定するとよい。

投資を中止する条件は何か。どの指標がどの水準で何か月続けば止めるのか。
ライセンス以外に、レビュー、ルール保守、エラー対応、再学習へ年間いくらかかるのか。
3年後に供給者を替えるとき、データと設定をどの形式で回収し、その費用はいくらか。
同じ金額を現行プロセスの改善に使った場合との差は何か。

Deloitteは、技術だけに集中する組織は人間中心のアプローチを取る組織より、AI投資で期待を上回る回収を得られない可能性が1.6倍高いと整理している。ツール購入と業務再設計を同じ案件に書かせるほうが、回収期間の数字を精緻にするより判断に役立つ。

人員再配置では削減した人件費ではなく移った仕事を見る

AI導入に伴う人員再配置は、削減効果を前に出して上がってくる。レビュー担当者12人のうち5人を別部署へ移せば年間人件費がいくら減る、という形だ。反論しやすい数字ではないため、会議で通りやすい。

経営層が問うべきは、消えた仕事がどこへ移ったかである。自動化は仕事を消すより、仕事の性格を変えることが多い。作成がレビューになり、レビューが異常検知になる。残った7人にAIの出力確認が上乗せされれば、人件費は減っても判断の質は落ちる。

残る人の時間配分は導入前後でどう変わるか。レビュー時間は誰の時間から出るのか。
移った人が新しい部署で担う仕事は何で、その能力をいつ身につけるのか。
自動化された仕事を通じて新人が学んでいた判断基準は、どこで学ぶのか。
導入6か月後の滞留件数とやり直し率を、誰がどの基準で報告するのか。

三つ目の問いは抜けやすいが、3〜5年後に最も大きく戻ってくる。初級業務が消えたとき、中級の判断を担う人をどこで育てるのか。人員再配置の案件に育成経路を必須項目として入れるだけでも、議論は決裁の場に上がる。

データの外部移転は契約書にない約束を根拠にしない

データ移転の案件でよく起きる失敗は、口頭確認を根拠に承認することだ。「学習には使わないそうです」という一文だけが議事録に残り、契約書に条項がない。事故が起きるまで、その差は見えない。

経営層が確認すべきは技術の細部より、文書化の有無である。次の五つが契約書や付属文書に文章として存在するかを見るだけでも、判断の質は変わる。

移転されるデータの項目と範囲。どのフィールドが外に出て、どれが残るのか。
処理場所と再委託先。どの国のどの基盤で処理され、再委託が許されるのか。
モデル学習への利用と例外。品質改善目的の利用が別に許されていないか。
保管期間と削除手順。契約終了後の削除をどう証明するのか。
事故通知の義務。何時間以内に誰へ通知し、当社が通知先に含まれるのか。

これらは法務と情報セキュリティが確認する。しかし経営層研修の目的は、役員が法律の専門家になることではない。レビューがない、または条件付きのまま承認が進むときに止められるようにすることだ。危険なのはレビューが弱いときだけではなく、レビュー結果が会議に届かないときでもある。

自動化の範囲は情報提供・推薦・決定のどこかを案件に書く

最も頻繁に省略されるのが自動化の範囲である。「AIを導入する」という一文では、資料を集めるのか、選択肢を推薦するのか、人の確認なしに決定を実行するのか分からない。三つはリスクの性質がまったく違う。

経営層のAIリテラシー研修で基準となる決裁案件の質問を示すDeloitte CFOガイド原文ページ

Deloitte, The CFO Guide to 2026 Human Capital Trends 原文 physical page 5 / printed page 4。AIが情報を提供するのか、推薦するのか、決定するのか、結果の責任者は誰かを問う箇所である。画像内の文字は翻訳していない。

案件には少なくとも次を一行で書く。

AIの役割：情報提供／推薦／決定　｜　最終判断者：役職名　｜　人の確認：必須／条件付き／不要　｜　異議申立て：経路と期限

この欄が空白のまま「実証実験」と書かれているなら、実験ではなく責任の先送りである。実験ほど、失敗した際の停止条件と判断者を明確にしなければならない。

事故時の責任分担は事故の後に決められない

AIが誤ったときに「人が最終確認する」とだけ書く会社も多い。しかし最終確認者が誰で、どれほどの時間で、何を見れば、どの種類の誤りを止められるのかがなければ、責任の文章は実務にならない。

経営層が承認するべきなのは、AIの正確さの約束ではなく、人の介入が働く仕組みである。異常値を表示したら処理を止めるのか。閾値を超えたときは誰が二次レビューをするのか。判断を覆した人がどの理由コードを残すのか。インシデント後にモデル、データ、業務手順のどこを更新するのか。これらは業務設計と教育設計が一緒に決める。

リスク受容水準を先に決めれば案件ごとの揺れが減る

同じ誤りでも、マーケティングの文案と与信判断では許容できる範囲が違う。にもかかわらず案件ごとに会議で「今回はどこまで大丈夫か」を決めると、声の大きさと納期が基準になってしまう。

リスク受容水準は、業務の影響度、可逆性、対象者の権利、データの機微性、誤りを発見するまでの時間で類型化する。教育ではこの分類を暗記させず、実際の決裁案件に当てはめて保留理由を言わせる。承認しない判断も、経営層のAIリテラシーの一部である。

日本企業は講演への招待ではなく実際の決裁文書でリハーサルする

日本企業で経営層向けAI研修を設計するなら、一般的な成功事例の講演を増やすより、実際に使われた決裁様式を匿名化して教材にするほうがよい。投資申請、データ利用申請、人員再配置案、事故報告の四つを用意し、役員が質問、保留、条件付き承認のいずれかを口にする。

研修後には、次の案件に四つの変化が出たかを確認する。

AIの役割が情報提供・推薦・決定のいずれかで明記されている。
中止条件と再評価の時期が書かれている。
人のレビュー責任者と証拠の保管場所が決まっている。
人員再配置と育成経路が同じ文書で扱われている。

この確認がなければ、研修は知識イベントのままである。経営層の判断を変えるには、研修の出席記録ではなく、研修後の案件フォーマットを変える必要がある。

経営層のAIリテラシーは承認責任の言葉である

AIに詳しい役員を増やすこと自体が目的ではない。経営層が、何を知らないか、どの条件を確認するまで署名しないか、失敗したとき誰が止めるかを言えるようにすることが目的だ。

McKinseyの調査で使いやすさが上位に来たことは、導入の入口が重要であることを示す。しかし、その入口から投資、業務設計、データ、責任の判断へ進むには、別の研修筋肉が必要だ。Deloitteの問いを日本企業の決裁文書に移し、BCGが示す経営と現場の認識差を実際の案件で検証する。AI研修の最終成果物は、役員が触ったツールではなく、署名の前に残した質問である。