生成AIの利用ルールを配り、全社員向け研修を一度実施しても、現場の迷いはなくなりません。営業担当は顧客情報を入力してよいか、採用担当は候補者評価へ使ってよいか、開発者は外部モデルの更新をどう検証するか、管理者は例外をどこまで認めるか。必要な知識と判断は、役割、利用場面、影響を受ける人によって異なります。

EU AI Actの現行第4条は、AIシステムの提供者と導入・利用者に対し、従業員などのAIリテラシー育成を支援する措置を求めています。その際、技術知識、経験、教育・訓練、利用文脈、影響を受ける人々を考慮するとしています。2026年の改正後は、個人ごとの特定水準を保証する義務ではないことも明記されました。

日本の「AI事業者ガイドライン（第1.2版）」も、AIに関わる者が正しい理解、社会的に適切な利用、倫理観を持てるよう教育することを共通の指針に含めています。重要なのは、法令対応の形式を整えることではなく、AIの便益を活かしながら、迷ったときに止まり、相談し、記録し、改善できる組織能力をつくることです。

課題：受講率が高くても、実務の判断はそろわない

研修が機能しにくい第一の理由は、対象者を「AI利用者」という一つの集団で扱うことです。文章の下書きに使う人、顧客対応へ組み込む人、モデルを開発する人、調達や監査を担う人では、必要な知識、権限、確認事項が違います。全員に同じ内容を配ると、一般論は理解できても、自分の業務で何を確認すべきかが分かりません。

第二の理由は、学習を受講記録だけで終えることです。動画を最後まで見たことは、出力の誤りを検知できること、機密情報を適切に扱えること、影響の大きい判断を人へ戻せることの証明ではありません。第三の理由は、AIサービス、社内ルール、利用目的が変わっても教材が更新されないことです。古い前提の研修は、かえって誤った安心感を生みます。

考え方：「役割 × 文脈 × リスク」で必要能力を決める

AIリテラシーを知識量ではなく、実務で必要な行動として定義します。基礎知識に加え、「何を確認するか」「どの条件で使わないか」「誰へ相談するか」「何を記録するか」を役割ごとに決めます。同じ担当者でも、社内メモの要約と顧客へ送る提案書では、確認の深さを変える必要があります。

NIST AI RMF Playbookは、AIの運用や監督を担う人向けのリスク管理訓練、役割と責任、人による監督、必要な技能・資源・ドメイン知識の確認を例示しています。EU AI Officeの実践集も、eラーニングだけでなく、対面研修、ブートキャンプ、社内コミュニティなど多様な方法を紹介しています。ただし、掲載例をそのまま採用すれば適合が推定されるものではないと明記されています。自社の業務とリスクに合わせて設計する必要があります。

実践手順：役割別の学習を運用へつなぐ5ステップ

1．利用場面と関係者を棚卸しする

部門名だけで分けず、「何のために、どのAIを使い、どの情報を入力し、誰が出力を受け取り、判断の結果が誰へ影響するか」を利用場面ごとに整理します。利用者、承認者、システム管理者、調達、法務・コンプライアンス、セキュリティ、監査、問い合わせ窓口まで含めます。

最初から全社を網羅せず、利用頻度が高い業務、外部提供につながる業務、個人や取引先への影響が大きい業務から始めます。未承認のAI利用を責めるための調査ではなく、実際の困りごとと支援ニーズを見つける棚卸しにします。

2．役割ごとに「できる状態」を定義する

例えば一般利用者には、入力してはいけない情報、出力の検証、引用・表示、相談条件を求めます。業務責任者には、利用目的、許容できない影響、人による確認、停止基準を求めます。開発・運用担当には、データ、評価、変更、ログ、セキュリティ、障害時対応を求めます。経営・ガバナンス担当には、リスク受容、資源配分、重大事象の報告と見直しを求めます。

能力定義は「AIを理解する」のような抽象語ではなく、「顧客向け文書で根拠を確認し、確認できない記述を除外できる」「高影響な判断をAIだけで確定せず、指定された承認者へ戻せる」のように観察可能な行動で表します。

3．実際の業務に近い演習を行う

知識テストだけでなく、誤った出力、機密情報を含む入力、偏りが疑われる判断、モデル更新、利用者からの異議申立てなどを題材にします。受講者が「使う・止める・確認する・相談する」を選び、その理由を説明できる演習にします。

正解を一つに固定できない場面では、許容条件とエスカレーション先を確認します。失敗を個人評価へ直結させず、ルール、画面、承認経路、支援資料の改善材料として扱うことで、現場が迷いを共有しやすくなります。

4．業務中の支援とエスカレーションを用意する

研修資料を探さなくても判断できるよう、承認済みツール一覧、短いチェックリスト、入力禁止情報、出力確認の例、相談窓口を業務導線へ置きます。利用制限だけでなく、代替手段も示します。例外申請では、目的、対象情報、影響、確認者、期限を簡潔に記録できるようにします。

相談件数の多いテーマは、個人の理解不足ではなく設計上の摩擦かもしれません。問い合わせを分類し、ルールの曖昧さ、ツールの使いにくさ、承認の滞留を特定して、教材と業務プロセスの両方を直します。

5．行動と変化を記録し、定期的に更新する

受講率に加え、演習で適切に判断できた割合、相談から回答までの時間、同じ迷いの再発、例外の期限切れ、AI関連インシデント、現場からの改善提案などを確認します。数値は処罰のためではなく、どの役割にどの支援が足りないかを話し合う材料にします。

新しいAIの導入、モデルや機能の更新、利用目的の変更、重大な誤りやインシデント、法規制・社内方針の変更を教材更新の契機にします。更新履歴、対象役割、再受講が必要な範囲を残し、必要な人へ必要な内容だけを届けます。

注意点：教育を統制や免責の代わりにしない

  • 全員へ同じ研修を繰り返さない：共通基礎はそろえつつ、役割、利用文脈、影響に応じて演習と支援を変えます。
  • 受講証明だけを成果にしない：実際の判断、相談、記録、改善まで確認します。個人知識の特定水準を保証すること自体を目的にしません。
  • 教育で設計上の欠陥を補わない：誤操作しやすい画面、過大な権限、不十分なログ、曖昧な承認経路は、システムとプロセス側で直します。
  • 責任を利用者だけへ移さない：経営、業務責任者、開発・運用、調達、監督機能それぞれの責任と支援を明確にします。
  • 海外制度を一律に適用しない：EU AI Actなどの適用関係は事業、役割、地域、利用方法で変わります。具体的な法的判断は関係専門家と確認します。

最初の90日で作るべき成果物

最初の30日で、重要な三つ程度の利用場面を選び、利用者、AI、入力情報、出力先、影響、既存ルール、相談先を整理します。次の30日で、役割別の行動目標と短いケース演習を作り、少人数で試します。最後の30日で、迷った箇所、相談の滞留、ルールと画面の欠陥を振り返り、教材、チェックリスト、エスカレーションを更新します。

成果物は大規模な研修体系ではありません。利用場面マップ、役割別の能力表、三つ程度のケース演習、業務中チェックリスト、相談・例外フロー、更新条件、改善指標という小さな運用一式です。この一式が機能してから、対象部門と利用場面を広げます。

まとめ

AIリテラシーは、用語を覚えることでも、一度の研修を修了することでもありません。役割と利用文脈に応じて必要な判断を定め、実務に近い演習で試し、業務中の支援と相談経路を用意し、変化に合わせて更新する継続的な組織能力です。

FourthWallは、AI利用場面の棚卸し、役割と責任の設計、AIポリシー、実務演習、相談・例外管理、モニタリングを一つの運用として整える支援を行います。最初の一歩は、全社員研修を増やすことではなく、重要な一つの利用場面で「誰が、どの条件で、何を判断できる必要があるか」を具体化することです。

参考資料

本記事は公開資料に基づく一般的な情報提供を目的とし、EU AI Actその他の法令適用、人事評価、教育義務、コンプライアンスに関する個別助言ではありません。実際の対応では、事業地域、組織の役割、対象AI、利用目的、影響を受ける人、雇用・個人情報の取扱いを踏まえ、関係専門家と確認してください。

FW

WRITTEN BYFourthWall Consulting Teamテクノロジーと経営の両面から、企業変革を支援しています。

← 技術ブログ一覧へ戻る