こんにちは、株式会社TIMEWELLの濱本です。
「AIエージェント前提経営」というテーマで連載を書いてきました。第1弾では経営層のスタンスの取り方を、第2弾では戦略の三択（採用、買収、育成）を整理しました。今回はそのうち、もっとも地味で、もっとも多くの企業が選ぶことになるであろう「育成」に踏み込みます。
採用は早いが、年収2,000万円超のAIエンジニアを揃えるのは現実的に大手しかできません。買収は資金力に左右されます。残るのは、いまいる社員の中からAI活用人材を作るという道です。ところが、この「育成」が一番ごまかしが効く領域でもあります。研修を発注して、受講率を集計して、修了証を配って、「やった気になる」のが簡単すぎる。私はこの状態を、業界全体で何度も見てきました。
この記事の前提を最初に言い切っておきます。研修だけで終わる育成プログラムは、ほぼ確実に失敗します。100体・1000体のエージェントを動かす経営を本気でやるなら、業務に組み込んだ実戦投入型に切り替える以外の選択肢はありません。本稿ではそのために必要な構成要素を、6つのH2で順に解きほぐしていきます。
「AI研修を受けさせた」だけで人材は育たない
まず数字から入ります。米Josh Bersinの2026年2月のレポートによると、企業の人材開発市場は4,000億ドル規模に膨らんでいる一方で、生成AIを現場運用に乗せた企業のうち、投資に見合うリターンを出せている割合は5%しかないという調査結果が複数出ています[^1][^4]。つまり95%は失敗している。これは衝撃的な数字ですが、現場感覚としては腑に落ちます。
なぜそうなるか。理由はシンプルで、研修と業務が分断されているからです。eラーニングを30時間受講させ、確認テストに合格させ、修了証を配る。やったことの記録は残ります。しかし、研修が終わった月曜日、現場の社員はExcelとメールに戻っていく。AIで何ができるかは知っているが、自分の業務に結びつけるエネルギーは残っていない。これが日本企業のAI研修の典型的な末路です。
問題は受講者の意欲ではありません。プログラムの設計です。受講と業務が時間的にも物理的にも切り離されているため、「学んだスキルをどこで使うか」が個人の自己判断に委ねられる。意欲の高い1割は自分で応用しますが、残りの9割は元の業務に飲まれます。経営からすれば、研修費用が9割無駄になっているわけです。PwC Japanの調査でも、AI人材育成は「伴走型OJTを通じて主体性を徐々に移管し、最終的に自走させる」アプローチが推奨されており[^5]、座学単独で完結させる設計はもはや時代遅れと考えていい。
正直なところ、私はこの「研修を受けさせた」というレベルの動きを、経営層が「うちはAIに投資している」と語るのを聞くと、複雑な気持ちになります。投資の実態は、人事部の研修予算がベンダーに移っただけだったりする。本気で育成するなら、研修を業務に溶かし込む構造に最初から作り変える必要があります。次の章から、その具体像に入っていきます。
育成すべきスキルは4階層で設計する
AI活用人材という言葉は便利すぎて、ともすれば中身が空洞になります。私の整理では、育成すべきスキルは4階層に分解できます。下から順に、プロンプト基礎、Skills自作、エージェント設計、社内展開の4段です。
第1層はプロンプト基礎。Claudeの会話で正しい指示を出し、出力をレビューし、改善ループを回せること。ここはほぼ全社員に求めるべきラインです。所要時間でいえば実務で20〜40時間程度の使用経験で身につく感覚があります。第2層はSkills自作。Claude Code Skillsのように、業務手順をMarkdownで記述し、AIに反復実行させる仕組みを自分で書けるレベルです。Anthropicが公開したSkillsは2026年3月時点でコミュニティの主要トピックになっており[^3][^6]、Fortune 500のある企業では200を超える社内Skillsが整備され、ジュニアエンジニアの生産性が3倍に伸びたという報告もあります。
第3層はエージェント設計。複数のSkillsとMCPコネクター、外部APIを組み合わせ、業務プロセス全体を1つのエージェントとして自走させる設計力です。IBM ThinkやSalesforce Agentforceが提唱する「マルチエージェント・オーケストレーション」が該当します。ここまで作れる人材は、いまの日本企業では1,000人に1人いるかどうかという肌感です。第4層は社内展開。自分が作ったエージェントを社内に配り、他人に使わせ、運用ルールを整備し、コミュニティを育てる役割。ここはエンジニアリングよりも社内政治と組織開発の比重が大きい。
なぜ4階層に分けるかというと、上の階層だけを育てようとして失敗する企業が多いからです。データサイエンティストを高給で採ったのに、社内に第1層・第2層がいないので孤立する。逆に、全社員研修だけ手厚くて、第3層・第4層を作る経路が用意されていない。育成プログラムを設計するときは、この4層をピラミッド状に配置し、「来年までに第2層を50人、第3層を10人、第4層を3人」というように人数目標を定義してください。曖昧な「全社員のAIリテラシー向上」というKPIで動いている限り、組織のAI能力は伸びません。
業務に組み込んだ実戦投入型育成の作り方
スキル階層が定義できたら、次はそれをどう習得させるかです。冒頭で書いた通り、研修を独立イベントとして扱うやり方ではほぼ機能しません。私が現場でうまくいっているケースに共通するのは、業務時間の20〜30%を「AI実装枠」として正式に組み込んでいる、というシンプルな構造です。
具体的には、対象部門の社員に対して、毎週金曜日の午後をAIスキル習得と実装に充てるようカレンダーをブロックします。受講ではなく、「自分の業務をAIで置き換える時間」として設計するのがポイントです。NTTデータグループや株式会社ブレインパッドが採用している伴走型OJT、SIGNATE Cloudの社内コンペ形式も、原理は同じで、「業務時間内に、業務に紐づく形で、AIスキルを使う」という構造を作っています[^4]。座学はあくまで補助線で、メインは業務上の課題解決です。
このとき、ファシリテーター役のシニアAI人材が必要になります。第3層の人材が4〜5人を見るのが現実的なスパン。1on1ではなく、グループOJTでスキルを伝播させる。週次で各メンバーが「今週何を実装したか」「どこで詰まったか」を共有し、シニアがコードレビューやプロンプト改善のフィードバックをかける。私たちが企業のAI内製化支援をするとき、最初の60日はこの構造を立ち上げることに集中します。研修動画を100時間分作るより、シニア1人とOJT枠の確保のほうが、結果として成果が出ます。
余談ですが、日本企業に提案するとき、もっとも抵抗されるのが「業務時間の20%を実装に当てる」というルールです。短期的に見れば、その時間で既存業務が止まるからです。私はそれでも譲りません。理由は明白で、AIに置き換えればその20%は60%や80%の効率改善として返ってくるからです。最初の3か月は赤字でも、半年経てば黒字に転じる投資です。経営者にこの判断ができるかどうかが、育成プログラムの成否を半分以上決めると感じています。
スキルシェアの仕組み化（Skills.md・コネクター・社内ライブラリ）
実戦投入型でメンバーがエージェントやSkillsを作り始めると、次に問題になるのが「個人のPCの中にしか存在しない」状態です。Aさんが作った優秀な議事録要約Skillが、Bさんに共有されない。同じものを各自が作り直しているうちに、組織全体としては時間を浪費している。これを防ぐ仕組みが「スキルシェアの仕組み化」です。
最低限揃えるべき要素は3つあります。第1にSkills.mdの中央リポジトリ。GitHubのプライベートリポジトリに、社員が作成したSkillをMarkdown形式で集約し、Plugin Marketplaceとして全社員が引き込めるようにする運用です。Zennの実装記事[^6]でも、自社GitHubをClaude Codeの社内Marketplaceに登録するセットアップ手順が公開されています。第2にコネクター（MCPサーバー）の統一管理。Anthropicの公式ドキュメントによれば、Enterpriseプランの管理者は組織内で利用可能なコネクターをallowlist形式で制御できます。Google Workspace、Microsoft 365、自社CRMなど業務システムへの接続を、IT部門が中央集権的に許可・監査する。これがないと現場の独自接続でセキュリティ事故が起きます。
第3に社内ライブラリのドキュメント化です。Skillの一覧、用途、作者、更新日、利用回数を一枚のページで見える化する。これがあるかないかで、同じSkillを2回作ってしまう無駄が劇的に減ります。私が運用するときは、Notionまたは内製Webアプリに「Skill台帳」を置き、毎週月曜の朝会でその週の新規Skill・更新Skillを発表する習慣を作ります。地味ですが効きます。
WARPで支援している企業の一つでは、この仕組みを入れた半年後にSkill数が3個から180個まで増え、月間の引用回数（社員がSkillを呼び出した回数）が1万回を超えました。重要なのは、誰かが上から強制したのではなく、台帳で「自分のSkillが使われている回数」が可視化されたことで、社員が自発的に改善を始めた、というポイントです。仕組み化とは、強制することではなく、自発性が回り続ける設計を作ることだと私は考えています。
トップダウン×ボトムアップの両輪運用
育成プログラムが軌道に乗ってくると、必ず次のフェーズで詰まります。最初の数か月は熱量で進むが、半年後に失速するパターンです。私はこれを何度も見てきて、原因はトップダウンとボトムアップのどちらか片方しかない、という構造的問題だと結論づけています。
トップダウン側で握るべきは、週次のKPIモニタリングです。経営会議の定例アジェンダに、AI育成プログラムの進捗を入れる。具体的には、Skill数、引用回数（社員がSkillを呼び出した総回数）、自動化された業務件数、削減された業務時間、第2層〜第4層の人数推移、の5指標を毎週レビューします。Microsoft 365 Copilotの全社展開で有名なOBC（オービック ビジネス コンサルタント）の事例でも、経営層が「全社員がAIを当たり前に使う文化」をKPIで明示的に追跡していることが成功要因として挙げられています[^7]。経営が見ている数字は、現場が動く数字です。
ボトムアップ側で必要なのは、社員主体のコミュニティとイベントです。具体的には、毎月1回の「AI実装ショーケース」を社内で開催し、各部門のメンバーが自分の作ったエージェントを発表する。優れたものには社長賞や賞金を出す。さらにSlack（またはTeams）に「ai-skills」「ai-agents」のような専用チャンネルを設け、質問とノウハウ共有が日常的に流れる場を作る。このコミュニティは、人事部が運営してはいけません。現場のエース第3層人材が運営するから熱量が続きます。
両輪で動かすという表現を使いましたが、もう少し丁寧に言うと、トップダウンは「数字の規律」、ボトムアップは「文化の醸成」を担当します。どちらも欠けるとプログラムは死にます。トップダウンだけだと数字遊びになり、ボトムアップだけだと熱意ある人だけが楽しんで終わる。経営層は数字を見ながらコミュニティに敬意を払い、現場は数字を理解しながらコミュニティを運営する。この両立ができる会社はそう多くありません。だからこそ、できれば差がつく領域だと考えています。
90日で立ち上げる育成プログラムの設計
最後に、いまから動き始める経営者と人事責任者に向けて、90日のロードマップを置いておきます。理想を語るより、明日から動ける手順のほうが価値が高いはずです。
最初の30日でやるべきは、現場業務の棚卸しとスキル階層の定義です。研修コンテンツを発注する前に、対象部門の業務を1日単位で棚卸しし、AIで置き換える余地が大きいタスクを3〜5個選定します。同時に、自社版の4階層スキル定義を文書化し、現状の各層の人数をカウントします。多くの場合、第3層・第4層は0人です。それを正面から認めるのが出発点です。
31日目から60日目は、第3層人材の確保とパイロットチーム発足の期間です。第3層は社内に1人いれば奇跡で、いなければWARPのような外部コンサルに伴走を依頼するか、即戦力を採用するかの判断が必要です。同時に5〜10人のパイロットチームを組成し、業務時間の20〜30%をAI実装枠としてブロック。Skills中央リポジトリ、社内Marketplace、Skill台帳の3点セットを構築します。ZEROCKのようなエンタープライズAI基盤を導入する企業なら、この期間でナレッジ統合とコネクター整備も並行で進めると、第61日目以降の加速度が変わります。
61日目から90日目は、トップダウンKPIとボトムアップコミュニティの立ち上げです。経営会議の定例にAI育成KPIを正式組み込み、毎週5指標をレビュー。社内Slackに専用チャンネルを開設し、第1回のAI実装ショーケースを90日目に開催する。この90日が終わった時点で、Skill数20〜50個、第2層人材5〜10人、第3層人材1〜3人がいる状態になっていれば、プログラムは離陸したと判断していい数字感覚です。
WARPでは、この90日プログラムをそのまま伴走支援するメニューを提供しています。私たち自身が第3層・第4層の人材を社内に派遣し、貴社のメンバーがOJTで育つ構造を作ります。育成は外注できる業務ではないとよく言われますが、最初の90日だけは伴走者を入れたほうが圧倒的に立ち上がりが早い、というのが20社以上の支援を経た実感です。AIエージェント前提経営という言葉に共感していただけるなら、まずは自社の第3層人材が何人いるか、を数えるところから始めてみてください。たぶん、想像より少ないはずです。そこからが本番です。
参考文献
[^1]: New Research: How AI Transforms $400 Billion Of Corporate Learning – Josh Bersin（2026年2月） [^2]: Huawei Unveils AI Talent Development Service Solution（2026年3月） [^3]: agent-skills（GitHub・addyosmani） [^4]: 【2026年版】生成AI導入のロードマップ｜失敗しない5つのステップ – ExaWizards [^5]: 社内における「AI人材」の育成アプローチ – PwC Japan [^6]: Claude Code の Skills や Hooks を社内で共有する方法 – Zenn [^7]: Microsoft 365 Copilotの全社展開と内製開発でAI活用文化を醸成するOBCの取り組み – Microsoft Customer Stories