その1で、できることを3つのレベルに分けた。レベル1は毎日の作業、レベル2は考える作業、そしてレベル3が人と組織である。最も価値が大きく、そして効果が最も遅れて出る領域だ。
　帝国データバンクの調査に、気になる数字がある。AIを活用している企業のうち、18.8%が「AIを使いこなせる社員と使いこなせない社員の間で、能力や成果の格差が拡大した」と答えている。大企業では23.6%。活用が進む企業ほど、この差が見えやすくなっている。
　これはAIが人を分断しているのではない。使い方を共有しない組織が、分断されるのだ。
　今回は、その差をどう埋めるか。そして、管理職がAIを人材育成や組織の仕事にどう取り入れるかである。

■「使いこなし格差」という、新しい問題

　同じ会社の、同じ部署で、同じAIを使っているのに、出てくる成果物がまるで違う。これは必ずしも、もともとの能力の差ではない。
　その1で書いたとおり、差がつく一因は指示の出し方と、やり取りの重ね方である。慣れている人は、1回目の回答を見て「ここをこう変えて」と即座に返すが、慣れていない人は、1回目で「思ったのと違う」と諦める。もちろん、業務の知識や成果を見極める力も必要だ。
　つまり、格差を生む大きな要因の1つは、使い方の蓄積量である。そして、その蓄積は共有できる。
　その1のSTEP5で「うまくいった指示文を貯める」と書いた。個人だけで蓄積すれば差は開きやすいが、組織で共有すれば差を縮める手助けになる。ここが分かれ目になる。
▶指示文の共有フォルダ：「メルマガ用」「問い合わせ返信用」「レビュー分析用」といったフォルダを作り、実際に使った指示文と、そのとき出てきた良い出力、確認時の注意点をセットで置く。次に使う人は、商品名と条件を差し替え、結果を点検しながら一定の品質に近づけられる。
▶月1回の持ち寄り：会議の冒頭15分で「今月うまくいった使い方」を各自1つ話す。研修より続くし、実務に直結する。

　誰かが1か月かけて磨いた1本の指示文が、部署全体の作業を大きく短縮することもある。しかも、入力情報や共有範囲を適切に管理すれば、この蓄積は自社固有の資産になる。

■ベテランの頭の中を、標準作業手順に落とす

　ここからが、レベル3の本丸である。
　どの職場にも「あの人しか知らない手順」がある。担当者が異動や退職をするたび、その知識は失われる。マニュアル化の必要性は誰もが認めながら、着手できない。文章にする作業が重すぎるからだ。
　口で説明するのは得意でも、文章にするのは苦手――そういう人は多い。AIは、その間を埋める。
　手順はこうなる。

STEP1
ベテランに、口で説明してもらう
　実際の作業を、口頭で説明してもらう。それを録音し、文字起こしする。スマートフォンの録音機能とAIの文字起こしを使えば、準備の負担は小さい。資料を一から作ってもらう必要はない。ただし録音やAIへの入力は社内ルールに従い、専門用語や数値は本人に確認する。

STEP2
AIに手順書の形に整理させる
　文字起こしを渡して、「初めての人が読んで作業できる手順書の形に整理してください」と指示する。話し言葉の重複や脱線を整理し、番号の振られた手順にしてもらう。足りない情報をAIが推測で補っていないかは確認する。

STEP3
「つまずきそうな箇所」を指摘させる
　「この手順書で、初めての人がつまずきそうな箇所を5つ挙げてください」。ここが最も効く工程である。理由は次節で書く。

STEP4
本人に見せて、補ってもらう
　指摘された箇所を本人に見せる。「ああ、そこは言っていなかった」という反応が出ることがある。補ってもらって、またSTEP3に戻る。何度か繰り返すうちに、頭の中にしかなかった判断基準が文章になっていく。

■要点は「つまずきそうな箇所」を指摘させる

　なぜSTEP3が効くのか。
　ベテラン本人に「この説明で分かりにくいところはありますか」と聞いても、出てこないからである。本人にとっては全部が当たり前なので、何が抜けているかが見えない。これは能力の問題ではなく、熟練するとはそういうことだ。
　ところがAIが「この工程で、なぜこの順序なのかが書かれていません」「この判断の基準が示されていません」と具体的に指摘すると、初めて気づく。「そこは前提として言っていなかった」と。
　この使い方の本質は、AIに知識を作らせるのではなく、人が持っている知識を引き出して形にさせる点にある。AIは、その職場の暗黙の了解を知らない。だからこそ、初めて読む人の立場から、説明の抜けや曖昧な箇所を指摘させることができる。
　新人に読ませて質問させても同じことはできるが、新人は遠慮する。分からないと言いにくい。AIは遠慮しない。

▶先に聞かせる：手順書ができる前でも使える。「これからベテランに作業手順を聞きます。聞くべき質問を20個挙げてください」。ヒアリング項目のたたき台ができる。
▶判断の理由を掘る：「この手順書には、作業の順番は書かれているが、なぜその順番なのかが書かれていない箇所を挙げて」。手順より、判断の理由のほうが引き継ぎでは重要になる。
　もう1つ。この作業はマニュアルを作るためだけのものではない。ベテラン本人が、自分の判断基準を言葉にする機会になる。長年やってきた人ほど、言葉にしたことがない。ただし、音や手触りなど、文章だけでは伝わらない技能は、実演や現場での訓練も必要になる。

■研修を設計する

　手順書ができたら、次は教える側の準備である。研修の準備は、時間がかかるわりに評価されにくい仕事で、しかも担当者に属人化しやすい。ここもAIが効く。
▶対象別に書き分ける：「この手順書を、①入社1年目向け、②中途入社の経験者向けに、それぞれ書き直してください」。前提知識の差に応じた教材が、一度に作れる。
▶理解度テストを作る：「この資料から、理解度を測る設問を10問、選択式で作ってください」。設問のたたき台が短時間でできる。ただし正答や難易度は担当者が確認する。
▶想定問答：「この説明に対して、受講者から出そうな質問を10個挙げ、回答案も書いてください」。初めて講師をする人の不安が、目に見えて減る。
▶説明を短くする：「この内容を、5分で説明する構成にしてください」。研修は、たいてい盛り込みすぎて時間が足りなくなる。
　ただし、研修の中身をAIが決めるわけではない。何を教えるべきかは、現場を知る人が決める。AIがやるのは、決まった中身を、教えられる形に整えることだ。

■AIで「自分」を育てる

　人材育成と同じ構造が、自己学習にも当てはまる。むしろ、こちらのほうが即効性は高い。

▶分からない言葉を、その場で確認する：会議で出た用語を、後で「中学生にも分かるように説明して」と聞く。恥をかかずに済むし、分からないまま流す習慣がなくなる。
▶自分の書いたものを添削させる：「この文章の論理が飛んでいる箇所と、根拠が弱い箇所を指摘して」。上司に出す前に一度通すだけで、指摘される回数が減る。
▶反対の立場から批判させる：「この提案に反対する立場から、最も痛い指摘を5つ」。社内で誰も本気で反論してくれない立場の人ほど効く。
▶自分が説明する：理解を確かめる有効な方法は、自分が説明することだ。「いまから私がこの仕組みを説明します。理解が間違っている箇所を指摘してください」と前置きし、自分の言葉で書く。どこが曖昧かを見つけやすい。
　最後の1つを、とくに勧めたい。
　AIに説明させると、読んだ気になる。しかし自分で説明しようとすると、分かっていない箇所で手が止まる。その止まった場所こそが、学ぶべき場所である。AIは、どこで理解が曖昧になっているかを指摘してくれる相手として優秀だ。
　ただし、AIに教わったことは裏を取る。その1で書いたとおり、AIは知らないことにも確かな口調で答えることがある。学習の入口としては優秀だが、正しさの保証はしてくれない。
　もう1つ、懸念にも触れておきたい。帝国データバンクの調査では、「社員が業務をAI任せにして、仕事への意欲やスキルが低下した」が4.0%、「若手が育たなくなった」が2.2%という回答もあった。数字としては小さいが、無視すべきではない。
　境目は、AIに代わりにやらせるか、AIから教わって自分でやるか、という使い方にもある。前者に頼りきれば、学ぶ機会が減るおそれがある。後者なら、自分の理解を深める機会になる。この違いは大きい。能力への影響そのものは、次回改めて考えたい。

■新人教育は、どう変わるか

　人材育成の話をもう一歩進めてみよう。AIがある前提で、新人に何を教えるかという問題である。
　従来、新人はまず単純作業から入った。資料の整理、数字の転記、議事録の作成─退屈な仕事だが、そこには意味があった。手を動かすうちに、どの数字が危ういか、どこで間違いが起きやすいかが体に入る。
　その工程を、AIが引き受ける場面が増えた。すると新人は、作業の仕組みを知らないまま完成品を確認する側に立つことがある。どこで間違いが起きやすいかを知らなければ、検証は難しい。
　だから、教え方を変える必要がある。
▶まず自分でやらせる：AIに頼む前に、一度は手でやらせる。1か月分の集計でいい。どこに手間がかかり、どこで迷うかを体験させてから、AIに渡す。順序を逆にしないこと。
▶ AIの出力を間違い探しに使う：「このAIの出力には間違いが3か所あります。探してください」。教育担当者が実際に間違いを仕込んでおく。確認する目を養うには、探す練習が役立つ。
▶指示文（プロンプト）を書かせる：成果物だけでなく、指示文も提出させる。「どういう条件を与え、何を確認したか」を見れば、その人が仕事の構造をどう理解しているかを知る手がかりになる。
　3つ目が、いちばん効くように思う。指示文には、その人が何を条件だと考えたかが表れる。成果物だけでなく、指示と確認の過程を見ることが、育成の材料になる。

■確認する体制を、どうつくるか

　ここまで3回、繰り返し書いてきたことがある。AIの出力は確認が要る、ということだ。では、その確認をどう仕組みにするか。
　まず、前提を1つ共有しておきたい。確認が難しいのは、AIが下手だからではない。出てくるものが十分に良いからである。読みやすく、形式が整い、自信に満ちている。だから読み流してしまう。
　人間の部下なら、迷えば「ここ、どうしましょう」と聞いてくる。表情にも出る。AIは、判断に迷った箇所を自発的に示してくれるとは限らない。情報不足のところを埋めて返すこともある。もっともらしい完成品ほど、確認が難しくなる。
　しかも、確認の負荷は担当者に移ることがある。従来は担当者が作り、上司が見る仕事でも、AIを入れると担当者自身がAIの成果物を検証する側に回る。
　これは想像以上に大変な変化だ。手を動かして作った人は、どこが危ういか分かっていることが多い。自分で計算した人は、どの数字が概算だったか覚えている。ところが完成品だけを渡された人は、その感覚を持ちにくい。作業過程を知らずに検証する難しさがある。「AIを入れたのに楽にならない」という声の正体は、おそらくここにある。作業時間は減っているのに、神経を使う時間が増えている。
　対策は、大がかりなものから始めなくていい。まず3つである。
▶危ない工程を特定する：全部を等しく見直すのは無理だし、続かない。特に注意したいのは、AIが条件を補って判断してしまうところと、元資料や計算そのものに誤りがあり得るところだ。伝票からの転記、前年比の定義、業界統計の出所、法令表現、音楽の利用規約。重要度に応じて人が押さえる。
▶前提を洗い出させる：「この作業で、明示されていないために仮定した可能性のある前提を挙げてください」。確認すべき論点が見つかりやすくなる。ただしAIの説明も正しいとは限らないので、資料と照らし合わせる。
▶確認の型を1回だけ作る：月次集計なら確認項目は毎月かなり共通している。一度チェックリストを書いて、使い回す。そしてそのリストのたたき台を作るのもAIが得意である。「この集計で確認すべき項目を挙げて」と聞けばいい。
▶失敗例も貯める：うまくいった指示文だけでなく、AIの出力をどう見誤ったかも記録しておく。例えば「前年比の定義を取り違えた」「資料にない数字を補っていた」。原因、気づいたきっかけ、確認方法を一緒に残せば、新人教育にも役立つ。もちろん、顧客情報などは適切に伏せる。

■どこまで任せるかを、誰が決めるのか

　導入に際しては社内ルールづくりが欠かせない。
　帝国データバンクの調査で、活用企業が挙げた懸念の第3位は「生成AIを活用すべき業務の範囲」で40.0%。第5位に「トラブル時の責任所在などのルール整備」25.5%が入っている。つまり多くの企業が、どこまで任せていいかを決めかねている。
　だからといって完璧なルールを作ろうとすると、いつまでも始まらない。まず利用するAIサービスと情報管理の条件を確認し、そのうえで禁止事項と、人が確認すべき工程を決めるのがいい。
　①入れてはいけない情報。②人が必ず確認する工程。③AIに決めさせない判断。この3つを現場向けのA4一枚にまとめる。詳しい社内規程は別にあっても、日常使う要点は短いほうがいい。
▶禁止事項から作る：「うちの業種で、AIに入力してはいけない情報と、人が最終確認すべき工程を一覧にして」とAIに聞いて、たたき台を作る。そこから自社の事情に合わせて削り、必要な項目を加える。ゼロから書くより速い。
▶相談先を決めておく：判断に迷ったとき誰に聞くかを決める。担当者を決めるだけで、現場は動きやすくなる。ルールの中身より、相談先があることのほうが効く。
　そしてルールは、使い始めてから直す。最初から完成させようとしないのは、指示文と同じである。

■AIを入れると、ごまかしが効かなくなる

　ベテランの暗黙知を手順書にするのも、前年比の定義を決めるのも、確認のチェックリストを作るのも、やっていることは1つである。ここでは普段無意識に行っている仕事を、意識して分解することが重要になる。分解とはすなわち、自社の業務の、どこが判断で、どこが作業かを言葉にすることだ。
　そして、人が判断基準を説明できない業務は、AIに安心して任せることも難しい。
　これは裏返せば、AIを入れるとごまかしが効かなくなる、ということでもある。手順が曖昧なまま回っていた業務ほど、AIを入れることで曖昧さが表に出やすい。税抜か税込かを誰も決めていなかった。発注量は「なんとなく」で決まっていた。引き継ぎは口伝えだった。そうした場所が可視化される。
　痛い話に聞こえるかもしれない。しかし、これは悪いことではないと思う。
　業務を言語化する作業は、担当者が変わるたびに必要でありながら、ずっと先送りされてきた。人手が足りない、時間がない、そもそも誰も頼まない。AIを入れるという口実で、ようやくそこに手をつけられる。
　だとすれば、この技術がもたらす最大の効果は、実は自動化そのものではないのかもしれない。
　その1の最後に、こう書いた。AIが優秀になるほど、誰でも手に入る情報の価値は下がり、現場でしか得られない情報の価値は上がっていく、と。
　その「現場でしか得られない情報」は、多くの会社で、まだ個人の頭の中にしまい込まれている。ベテランの勘、担当者の判断、現場の慣行。それを言葉にして、組織の共有物に変える。AIは、そのための道具として使うのがいちばん値打ちがある。
　まずは明日の朝、いつも15分かけて書いているメールを1本、社内で認められたAIに下書きさせてみる。そして、できあがった文面のどこを自分が確認し、直したかを意識してほしい。
　その1本の延長線上に、組織でAIを使うための実践がある。
　ただし、便利な道具を手に入れることと、それを使う人間が成長することは、必ずしも同じではない。AIに任せることで、何ができるようになり、何をしなくなるのか。どんな力が強まり、どんな力を使わなくなるのか。次回は、人間の能力そのものに目を向けてみたい。

参考
【WEB】●帝国データバンク「生成AIに関する企業の動向調査（2026年3月）」●商工中金「中小企業の生成AIの利用にかかる調査」（2026年3月公表）ほか

POINT
■使いこなし格差を縮める第一歩は、指示文と良い出力、確認時の注意点を組織で共有すること。
■ベテランの仕事は、口頭説明を録音・文字起こししてAIで手順書の形に整理する。情報管理と本人確認を忘れない。
■「初めての人がつまずきそうな箇所」をAIに挙げさせ、抜けた判断基準を本人に補ってもらう。
■AIは職場の暗黙の了解を知らない。だから、説明不足を見つけるための質問役に使える。
■研修教材、理解度テスト、想定問答はAIでたたき台を作り、教える内容や正しさは人が判断する。
■自分の理解を確かめたいなら、AIに説明させるだけでなく、自分で説明して指摘を受ける。
■新人にはAIに渡す前の作業を一度体験させ、成果物だけでなく指示と確認の過程を見る。
■AIの出力は見栄えがよくても誤る。重点確認項目とチェックリストをあらかじめ決める。
■成功した使い方に加え、誤った出力や見落としも、個人情報を伏せて共有する。
■社内ルールは利用サービスと情報管理を確認したうえで、入力禁止事項・人の確認工程・AIに任せない判断を簡潔に示す。
■AI導入は、自社の仕事のどこが作業で、どこが判断なのかを言葉にする機会になる。

ビジネスシンカーとは：日常生活の中で、ふと入ってきて耳や頭から離れなくなった言葉や現象、ずっと抱いてきた疑問などについて、50種以上のメディアに関わってきたライターが、多角的視点で解き明かすビジネスコラム