AIツールを導入したことと、従業員が実際に仕事の進め方を変えたことは同じではない。Aonが6月17日に公開した記事は、この隔たりをかなり明確に示している。世界の組織のほぼ4分の3がAIを導入済み、またはパイロットを実施している一方で、従業員の大多数がAIのリスキリング・アップスキリングに参加している組織は18%にとどまるという指摘である。
この数字は、HRチームがAIプロジェクトを見るときの最初の問いを変えるべきだというサインである。「どのツールを導入したのか」よりも、「誰が学び、どの業務が変わり、その変化が成果指標として捉えられているのか」が先に来る。導入率が高くても、学習参加率と運用基準が低ければ、AI投資はHR運用モデルのボトルネックをそのまま映し出す。
導入率と学習参加率の間にあるギャップがまず見える
2026年6月17日付のAon insightは、AIの導入やパイロットがすでに広く進んでいると説明している。数字で見ると、世界の組織のほぼ4分の3がAIを導入済み、または試験中である。さらに雇用主ベースでは、4分の3を超える組織がAIツールをすでに提供していると示した。表面上、AIトランスフォーメーションは速い。
しかし同じ資料が示す二つ目の数字は、より不都合である。従業員の大多数がAIのreskillingとupskillingに参加している組織は18%にすぎない。導入率と学習参加率の差は、単なる研修スケジュールの遅れではない。HRD予算、職務別の優先順位、管理職の役割、業務再設計が同じ画面でつながっていない可能性を意味する。
利用回数だけを数えてもAI投資の成果は見えない
Aonは、AI活用がいまも「frequency of use」で測定されることが多いと指摘した。何人がログインしたか、何回プロンプトを入力したか、どのチームが最も多く使ったかは、初期普及の指標としては使える。しかしこの指標だけでは、採用リードタイム、研修転換率、顧客対応品質、文書レビュー時間、管理職の意思決定速度が改善したかどうかは確認しにくい。
研修カバレッジも同じ問題を示している。Aonは、従業員の10%すら教育できていない雇用主は3分の1未満であり、6社に1社はどの従業員にも教育を行っていないと説明した。AIプロジェクト会議で「利用者数」だけを見て終わると、この空白は隠れてしまう。HRは教育対象、職務群、ユースケース、前後の成果指標をまとめて見る必要がある。
HRDとPeople Analyticsは同じダッシュボードを見る必要がある
もはやAI教育を独立したキャンペーンのように運営することは難しい。18%という参加率はHRDチームだけの問題ではなく、People Analytics、HRBP、IT、現場リーダーが一緒に見るべき運用指標である。たとえば研修修了率だけでなく、研修後に実際の業務へAIが投入された比率、承認済みユースケースの数、リスクレビューを終えたプロセス数を並べて見る必要がある。
John McLaughlinは、組織がAIを導入している一方で、それを効果的に使うために必要なclarity、direction、operating modelを十分に提供していないと述べた。この一文は、HR運用モデルのチェックポイントとして読める。職務別のAI利用基準はあるか。管理職はどの成果物を承認すべきか。研修後30日、60日、90日に何を比較するのか。こうした問いがなければ、AI活用は個人の好奇心に委ねられる。
韓国企業の次の会議で問うべきなのはツールではなく準備度だ
Aonの資料はグローバルコンサルティングの観点から書かれているため、韓国企業の法的義務や産業別規制を代わりに説明するものではない。今回の自動実行では、標本、調査範囲、産業別の回答者分布までは確認していないため、数字は人材準備度を点検するためのシグナルとして読むべきである。ただしHR実務判断に適用できる警告はある。AI転換をソリューション導入プロジェクトとしてだけ扱うと、教育、役割、成果測定、責任構造が追いつかないという点である。
次のAIHR会議では、機能一覧よりも先に準備度の表を開く方がよい。職務群別の教育参加率、実際に適用された業務、管理職の承認基準、禁止ユースケース、成果指標、データセキュリティ点検状況を一行ずつ確認すべきである。ツールがすでに入っているなら、手遅れになる前に問う必要がある。自社はAIを使う人を増やしているのか、それともAIを使える仕事を新たに設計しているのか。
参考資料
- Aon, AI Isn’t the Differentiator. Workforce Readiness Is, 2026-06-17.
