1990 年代半ば、モデムの接続音とともにインターネットがビジネスシーンにやってくると、企業は一斉にオンラインに飛びつきました。企業は、HTML と JavaScript に堪能なプログラマーや、e コマースの学位を持つマーケティング専門家や、「Web 対応」のビジネス運営を提唱するコンサルタントを雇いました。その後数十年、e コマースやスマートフォンアプリなどが登場し、技術的なノウハウからビジネス価値までの間には直線を描くことができるでしょう。

しかし今日では、AI によってさまざまなトレーニングの課題が生じています。AI というテクノロジーは単に新しいだけではなく、今我々の目の前で変化し続けています。1 年前、ほとんどの AI ツールはテキストしか扱うことができませんでした。現在では、ホワイトボードの写真、会議で描いた図、手書きのメモが書かれた PDF などもアップロードできます。AI モデルはそれらを読み、解釈し、それに基づいて行動するためのアドバイスを出力することができます。この機械と人間の能力の間にある変化し続ける境界、つまり人間特有のスキルとして何が重要なのかという問題が、動き続けるターゲットとなっています。

ある日には、プロンプトエンジニアリングが将来のスキルだと思われていました。しかし次の日には、大規模言語モデルは、あまり形式立てられていない思考やあいまいな表現から使う人の意図をくみ取るように学習するようになり、こうしたアップデートによって、プロンプトエンジニアリングのスキル要件は電話交換手の作業のようなものになります。エキスパートとしての表現力は必要なくなります。AI が成長し、かつては人間のみが行うことができると考えられてきたタスクに対する能力が高まることによって、ビジネスリーダーは深い不確実性に直面しています。昨日の価値ある能力が明日には自動化される可能性がある今、人々に投資し、トレーニングし、能力を開発して高めていくにはどうすればよいでしょうか。

その答えは、あるいは少なくともその答えの最初の部分は、AI リテラシーの概念の中にあります。技術的な資格ではなく、肩書ではなく、測定可能な属性です。従業員の適応と成功を支援するための、AI について考え、AI とエンゲージしていく方法です。従業員、管理職、人事担当者を対象とした最近の一連の調査では、AI リテラシーが高い従業員は単に AI ツールをうまく使用できるだけではないことが判明しました。AI リテラシーが高い人たちは、彼ら自身にとって、また彼らの組織にとって、AI を活用した未来がどのようなものかについて、より楽観的な見方と好奇心、より強い自信を持っています。

良い点を挙げましょう。AI リテラシーは教えることができます。育て、モデル化し、共有することができます。以降のセクションでは、AI リテラシーが本当に何を意味するのか、従業員がその能力をどのように開発していくか、将来に向けて戦略的で複雑な意思決定をナビゲートする際にいかにして AI リテラシーをコンパスとして使用していくかについて探っていきます。

触れて体験することで得られる AI リテラシー

当社は、さまざまな業種の従業員の AI に関する属性と行動を理解するために、2024 年 10 月に最初の世界的な調査を実施し、4,023 人の従業員と管理職から回答を得ました。質問は幅広く設計されました。回答者は職場で AI ツールを使用したことがありますか？職場における AI の役割の高まりについて、どの程度楽観的で、どの程度不安を感じましたか？これらのツールを使用する自分自身の能力に自信を持っていましたか？

回答が描く景色は、複雑でありながら、勇気を与えるものでした。当時報告したように、希望であれ、恐怖であれ、その間のどこかであれ、従業員が AI についてどう感じているかを形作る最大の要因は、彼らの AI リテラシーのレベルでした。リテラシーが高い人は、AI がポジティブな結果をもたらすと考える割合がはるかに高く、恐怖、困難、不安を感じる割合ははるかに低くなっています。また、そうした人たちは、AI の使用が昇進や報酬などの職場の意思決定にどのように影響するか（または影響しないか）について、微妙で成熟した見解を示す割合が高かったです。

興味がかき立てられ、さらに深く掘り進んでみました。全世界の 4,030 人の従業員と管理職に対する、より最近のフォローアップ調査では、従業員の現在の AI リテラシー、およびそれらのリテラシーを構築するための過去の経験と好み（正式なトレーニング、自己学習、知人との共同学習など）、現在および将来の AI リテラシーの重要性（昇進にどの程度影響するかなど）に関する考え方について、より詳細なデータが収集されました。AI リテラシーそのものを測定する質問には、学術研究でも使用される構造化された尺度を使用しました。この尺度には、AI リテラシーの高い人に固有の特性、目標達成のために AI を適用する方法を知っているか、AI と対話している場合にそれを検出できるか、AI の制限と能力をどのように評価するかが含まれます。

AI リテラシーのこれらの指標に対する回答からは、単なる経験や主観的な自信以上のものが得られます。この構成によって、AI との知的なエンゲージメントに関して、より深く、より内省的なレベルのものが得られます。これらの記述に賛同することは、ある種の洗練と堅実さが感じられることを宣言するということです。それは、少なくとも現在のところ AI の能力の境界が急速に拡大している状態にある世界において、意義のある直感です。

AI リテラシーがどのようにして得られるかは、謎めいたところはありません。トップダウンの指示や、ウェビナーの受講を義務付けることによって、AI リテラシーが魔法のように実体化することはありません。最初は、従業員の個人的な好奇心、試行錯誤、AI ツールを利用した実験によって生じていきます。多くの場合、それらは正式な職務構造や業務領域の外で行われます。実際、McKinsey の最近の調査によると、AI に対する実践的な習熟度に関しては、従業員が管理職を上回ることがよくあると判明しました。多くの人たちは、生産性の向上、アイデアの生成、仕事での反復タスクの合理化のために、すでにこれらのツールを個人的な時間の中で静かに利用しています。そして、自発的に AI に傾倒している従業員は、AI から良いことがもたらされることを予想している人たちであり、それは AI リテラシーの高さからくる重要な結果です。実際のところ、今回の調査では、AI リテラシーが高い人の 70% がテクノロジーからポジティブな成果が得られることが期待できると回答しています。一方、AI リテラシーが低い人ではその割合は 29% でした。

こうしたマインドセットからビジネス上のパフォーマンスへと直線を描くのは早すぎます。しかし、新しいツールを試し、実験し、その実践的な価値を見つけることを気持ちよく受け入れられる人たちは、効率性を発見し、イノベーションを促進し、有意義な結果を引き出せる人たちでしょう。

組織の AI リテラシーを高める方法

では、このような労働力をどのように構築していけばよいでしょうか。AI は脅威やミステリーではなく、個人や組織の成果を高めるために、理解し、繰り返し使用し、向上させる価値があるツールであると考える人々からなる労働力を、どのように構築していけばよいでしょうか。当社の調査では 1 つのことが明らかになっています。それは、組織のペルソナが異なれば、異なる種類のサポートが必要になるということです。従業員、管理職、人事のプロフェッショナルはそれぞれ、AI に関する開始点と願望について独自のものを持っています。しかし、多様なニーズや好みがありながらも、3 つのコア戦略が一貫して最大の効果をもたらします。それは、実際に触れることによる経験、体系化されたトレーニング、AI リテラシーに関する組織文化の影響力のある規範です。

次にそれらを見ていきます。

実際に触れることによる経験: 試してもらう

当社の調査では、これまでに AI に対する理解を深めるために半数以上の従業員 (60%) が、記事を読んだり、動画を視聴したりといった非常に基本的なリソースを使用してきたことが示されています。これらのリソースにもメリットがありますが、AI リテラシーを構築する最も効果的な方法は自分の手で触れてみることです。正式なトレーニングにも意味はあり、当社でもそれを行います。しかし、多くの従業員にとって、AI に対する安心感は、自動車の運転を学ぶ際に実際に自動車を運転してみるときに感じる安心感のようなものです。マニュアルもシミュレーターも、実際に自分で運転して現実世界の道路に踏み出していくことの代わりにはなりません。

組織にとってこれは、従業員に対して安全で気軽な AI の実験方法を提供することを意味します。従業員に、AI を使用して電子メールのドラフトを作成させたり、文書を要約させたり、プロジェクトの計画のモックアップを作成させたりします。鍵となるのは、内部のコミュニケーションや部門内のプロジェクトなど、ミスによる影響が少なく、ミスが気軽に許され、顧客に到達する可能性が低く、会社の評判を損なう可能性が低い状況の中で使用することです。

このような気軽な機会を特定することが重要です。人事リーダーを対象とした別の調査によると、ほとんどの企業には、AI モデルに対して共有してもいいデータと共有してはいけないデータを規定するポリシーがあります。しかし、AI の適切な使用に関するガイダンスを用意している企業はわずかです。例えば、AI を活用してどのような種類の仕事を行ってもよいかや、どれだけの作業量を行ってもよいかなどのガイダンスです。このような実験段階を最大限に活用するために、組織は従業員向けに、AI 利用に関する明確なガードレールを確立することを優先する必要があります。これらのポリシーは、労働者が実験で使用するサンドボックスの形成に役立ちます。適切な防護策を講じることで、この種の体験型学習からはスキル以上のものが得られます。AI リテラシーの重要な側面すべてにおいて、自信と的確な判断力、そして自分自身の判断に対する信頼が育まれます。

体系化されたトレーニング：目的に沿った実践を支援する

しかし、実際に触ってみるだけでは、あまり遠くまでは行けません。ある時点になると、新しく見つけた快適さと好奇心に加えて、体系化されたトレーニングによる足場が必要になります。AI の場合、これが難しいのです。スプレッドシートや CRM システムとは異なり、新しい一連の AI には、認定、トレーニングマニュアル、ベストプラクティスからなる数十年のエコシステムが付属しているわけではありません。しかしながら、体系化されたトレーニングは可能であり、すでに説明したように重要でもあります。ただし、そうしたトレーニングが最も効果を発揮するのは、人々が使用しているツール、担当している仕事、実行しているタスクに具体的に適合している場合です。

ツールから見ていきましょう。多くの従業員は、毎日使用しているシステムにすでに AI が埋め込まれていることを認識していません。そうした AI の機能には、Outlook での返信の提案、Grammarly でのトーンの指摘、Zoom や Microsoft Teams での会議の自動的な要約などがあります。これらの AI 機能を見つけられるように支援し、AI を使用しない場合と使用した場合で作業の速度がどれだけ違うかを示すことで、従業員にひらめきの瞬間を与えることができます。すぐに得られる結果により、自信が高まり、さらに学びたいという意欲がかき立てられます。

次に、仕事レベルの視点です。優れた AI トレーニングプログラムを導入することにより、従業員は組織内で担当しているタスクをより効果的にこなせるようになります。一部の従業員は、AI モデルをトレーニングし、チューニングし、メンテナンスしていく方法について学ばなければならないかもしれません。しかし、その他の多くの人たちにとって、必要なのは実用的な基本事項だけです。それは、効果的なプロンプトの作成方法、適切な入力を見つける場所、AI の出力を適切に統合して、生産を担当している製品やサービスのオフラインバージョンを作り出すことです。

最後は、タスクレベルの話です。すべてのタスクが AI に適しているわけではありません。また、強力なトレーニングプログラムを受けることにより、従業員は自分の仕事のどの部分に人間的なタッチが必要なのか、1 日の中でどの瞬間に人間的なタッチが必要なのかについて、感覚を養うことができます。トレーニングによって従業員が具体的なタスクにフォーカスできるようになり、同時にサンドボックスで幸運な偶然やひらめきの瞬間を体験できることによって、従業員たちは、自分の仕事に適した、目的に合った AI の使い方を見つけるのに役立つ、基礎的な理解を構築し始めます。

これこそが、従業員が求めているものです。従業員は、別のコンプライアンスに関するトレーニングモジュールに対しては不平をもらすかもしれませんが、AI に関しては目がまわることはあまりなさそうです。実際のところ、当社の調査では、AI リテラシーを向上させるために従業員が望んでいることの第一位が正式なトレーニングでした。調査サンプルの 44% が、学習方法として正式なトレーニングをトップに挙げていました。非形式的な学習、オンザジョブトレーニング、ソーシャルラーニングは選択される割合が低いオプションでした。

一部の従業員は、勤務時間外の実験によってかなり先に到達しているかもしれません。しかし、この AI スキル開発の取り組みに全員を参加させることを目標にして前進させる際に、彼らが求めていることや必要としていることはレッスンなのです。

組織の文化：ピアツーピアの学習を通じて影響を与え合う

長い間、組織に関する科学は、企業の文化の力と、それに関連して従業員の態度や行動に影響を与える規範の力を実証してきました。現在、このような社会的なダイナミクスを利用して従業員全体で集団の AI リテラシーを育成する絶好の機会が存在します。具体的には、リーダーは次のことを行うことができ、また、これらを行うべきです。

• ツールを一緒に探索する時間と空間をチームに提供する
  私たちが推奨するのは、人々をたばねる管理職が、実際の仕事の課題を特定したり、危険な部分を処理したりして、可能性のある AI 製品をグループで探索し、スキルを構築しながら実践的な問題解決を行うことです。チームミーティングで発表する課題を割り当てるか、専用の反復ミーティングシリーズを設定して、チームメンバーに宿題と与え、説明責任を割り当てます。これにより、AI を扱う際のチームの規範と期待を構築します。
• 早期に導入する人々を特定する
  自主的な学習において実際に触れて高い能力やモチベーションを示した従業員を特定します。彼らに、形式的でないデモをリードしたり、ユースケースを共有したり、同僚を指導したりする役割を与えます。特に、熱意と実践的なノウハウが伝染する可能性があるチームミーティングや部門横断的な取り組みに関与してもらいます。
• レッスンの継続的な共有と成功の認識のための専用チャネルを作成する
  チャットチャネルを設定して、従業員がリソースやヒントを交換し、AI を仕事に適用するにあたって良い点と良くない点などの体験を共有できるようにします。うまくいけば、このようなフォーラムは複数の目的を果たすことができます。まず、自分自身で AI を継続して使用すべきという暗黙的な期待がチーム全体で形成されます。次に、チームの枠を越えたレッスンを活用して AI の使用から価値をより早く引き出すことができます。さらには、管理職にとっては、このチャネルでの自身の貢献を通じて AI に対するエンゲージメントのモデルとなる機会や、チャネルでの活動量を通じてチーム全体で（およびチームの誰が）どれだけこのテクノロジーに傾斜しているかを把握する機会が得られます。

繰り返しますが、当社の調査によると、これらの取り組みに対して従業員はあまり大きな抵抗を示さないことが判明しています。人間の本質全体が変化によって脅かされているかもしれません。しかし、AI に関しては、従業員が現在何が起こっているのかを見て、その中での自分自身の役割についてすでに真剣に考えています。87% が、AI リテラシーを向上させることが自分の会社にとって重要であると考えています。半数以上 (57%) が、AI に対する理解が限定的であることが自分自身の職場での成功を妨げていると考えています。63% が、これが将来の妨げになる可能性が高いと考えています。

つまり、AI が重要であると人々を説得する必要はないのです。彼らはすでにそれを知っています。現在彼らが探しているのは、追いつくための支援です。

波に乗ることを学ぶ

マインドフルネスのエキスパートであるジョン・カバット＝ジン氏は、「波をコントロールすることはできないが、波乗りを学ぶことはできる」と書いています。その意味は明らかです。私たちがほとんど理解できない、ましてや操作することなどできない混沌とした宇宙では、私たちを取り巻く出来事、人々、世界をコントロールしようとして時間とエネルギーを浪費することに利点はほとんどありません。これをビジネス用語で表現すると、最大限の投資回収率 (ROI) を達成するためには、混沌の中で平衡状態や安定性を見つけるために時間とエネルギーを費やすほうがはるかに賢明です。

まさにこの態度こそが、AI の時代に必要なものです。AI のテクノロジーは発展し続け、ツールは変化し続け、ユースケースも拡大し続けていくでしょう。人間と機械の境界は曖昧な状態のままでしょう。もしかしたら、ほとんど消えかかるかもしれません。しかし、AI リテラシーは長続きする個人の属性です。人々が思慮深く関わり、迅速に適応し、とどまることのない潮流に正しく対応できるようにするマインドセットです。AI リテラシーによって波を止めることはできません。しかし、AI リテラシーは波に乗るのに役立ち、時間とともに波の勢いを自分自身の勢いに変えるのに役立ちます。

関連情報