ラーニング・HRD・スキル

主要ポイント

アップスキリング・リスキリングは、最初から全社規模の大型プロジェクトとして始める必要はない。むしろ最初からすべての職務、すべての従業員、すべてのスキルを対象にすると、範囲が広がり責任が曖昧になる。2026年に必要なアプローチは、核心職務1〜2個を決め、90日間小さく実験し、その結果をもとに拡張することだ。

CompTIAの2026年Workforce and Learning Trendsは、組織の83%がスキル懸念への対応を高い優先順位に置き、HR専門家とITリーダーの62%が今後1年間でAI研修予算の増加を予想していると示す。しかし、正式な全社的アップスキリング・リスキリングプログラムを持つ企業は34%にとどまる。関心と予算は高まったが、実行体系はまだ不足しているという意味だ。

したがってHRDは、「完璧な体系構築」よりも「検証可能なパイロット」から始めるべきだ。90日パイロットの目的は、多くの研修コースを開くことではなく、変わる業務を選び、必要なスキルを定義し、現在水準を診断し、学習経路と業務適用課題を設計した後、適用結果と役割転換可能性を確認することである。

90日パイロットは全社プロジェクトより小さく始めるべきだ

アップスキリング・リスキリングは戦略的に重要だが、実行は小さく始めるべきである。全社スキル辞書、全職務診断、統合プラットフォーム、大規模研修体系を一度に作ろうとすると、時間が長くなり現場の関心が薄れる。パイロットは「自社で実際に機能する方式」を確認するための実験でなければならない。

CompTIAは、workforce developmentプログラム構築において、研修費用だけでなく実行と測定が主要課題だと説明する。調査対象と産業構成は韓国企業と異なり得るが、この信号はHRDが大きなスローガンより、機能する運用設計を先に行うべきだという点を示している。

Deloitteの2026 Global Human Capital Trendsは、競争優位が静的な人材配置から、人、スキル、データ、テクノロジーをリアルタイムでオーケストレーションする方式へ移っていると説明する。この観点で90日パイロットは単なる研修運営ではない。HRD、HRBP、現場リーダー、People Analytics、ITまたはHR Tech担当者がともに、業務・スキル・学習・適用・成果データをつなぐ小さな運用実験である。

パイロット範囲は狭いほどよい。たとえば顧客支援、採用、営業管理、生産管理、研修運営のように、AIや自動化によって業務変化が明確な職務1〜2個を選ぶ。対象者は全社員ではなく、その職務内で役割変化の可能性が高い20〜50人程度から始められる。重要なのは人数より、学習後の実際の業務適用を確認できる範囲である。

1〜15日目：変わる業務と核心職務を選ぶ

最初の15日の目標は研修コースを選ぶことではなく、変わる業務を選ぶことである。「AI研修をしよう」ではなく、「どの業務が自動化・拡張・再設計されているのか」を確認しなければならない。この段階では、現場インタビュー、業務一覧整理、最近の自動化ツール導入領域、反復業務比率、顧客または社内ユーザーの不満データを合わせて見る。

CompTIAが組織の83%がスキル懸念への対応を高い優先順位に置いていると示した点は、この段階の緊急性を示す。SHRMの2026年AI in HR報告書も、AI導入組織で職務責任の変化39%、新たな役割24%、若干の雇用代替7%を報告する。workplace AIの組織への影響が、職務責任の変化と新たな役割創出により大きく表れているという信号だ。

したがって1〜15日目には、次の三つを決める必要がある。第一にパイロット職務。第二に、その職務で変わる核心業務3〜5個。第三に、90日以内に適用結果を確認できる業務課題である。たとえば採用職務なら、候補者ソーシング自動化、面接質問設計、採用データ分析、オンボーディング連携といった業務が候補になり得る。

この段階の成果物はパイロットテーマ定義書である。「誰を研修するか」より、「どの業務変化に対応するか」が先に書かれるべきだ。そうしてこそ、その後のスキルマップと学習経路が研修カタログではなく、実際の業務変化につながる。

16〜30日目：業務・スキルマップと現在水準を診断する

16〜30日目には、パイロット職務の業務・スキルマップを作る。スキルマップは巨大な能力辞書ではない。90日パイロットでは、変わる業務3〜5個と、その業務を遂行するために必要なスキル5〜10個で十分だ。たとえば「採用データ分析」業務には、データ整理、指標解釈、バイアス検討、現場レポーティング、AIツール活用といったスキルを結びつけられる。

CompTIAは、現在使用中の訓練形式として、職務役割ベースの訓練64%、基礎AIスキル訓練64%、ワークフロー関連訓練62%、高度AI訓練53%を示す。この数字は、研修設計が職務役割とワークフロー単位へ移っていることを示している。したがってスキルマップも、職務名の下に抽象能力を並べる方式ではなく、業務と遂行行動を中心に作るべきだ。

現在水準の診断は複雑に始める必要はない。自己診断、管理職確認、簡単な課題遂行、既存成果物レビューを組み合わせればよい。熟練度は4段階程度で十分である。1段階は概念理解、2段階はガイドに沿った遂行、3段階は独立遂行、4段階は他者へのコーチングまたは業務改善提案だ。

この段階の成果物は、業務・スキルマップと現在水準診断表である。重要なのは、診断を評価と誤解されないようにコミュニケーションすることだ。パイロット診断は従業員に順位をつける道具ではなく、90日間でどの学習と業務適用を設計するかを決める出発点である。

31〜60日目：学習経路と業務適用課題を一体で設計する

31〜60日目には学習経路を設計する。ここで間違いやすいのは、研修コースだけを配置することだ。リスキリングパイロットの学習経路には、コンテンツ、実習、現場課題、管理職フィードバックが一体で含まれる必要がある。コースを受けて終わるのではなく、実際の業務で一度適用してみる構造が必要だ。

TalentLMSの2026 L&D Reportは、スキルギャップ対応方式として、既存人材のアップスキリング・リスキリング64%、AI自動化62%、外部専門人材採用57%を示す。すべての企業が複数の対応方式を併用しているという信号である。HRDは内部人材の学習経路を設計しつつ、どの業務は自動化し、どの役割は外部採用と連携するかも合わせて見る必要がある。

学習経路は三層で設計できる。第一に共通基礎学習だ。AI・データ・業務変化理解のように対象者が共通して知るべき内容である。第二に業務別実習だ。自分の職務で実際に使う文書、データ、顧客課題、プロセスを用いて練習する。第三に適用課題だ。2〜4週間以内に現場で遂行できる小さな改善課題を決める。

この段階の成果物は、学習経路表と業務適用課題一覧である。課題は必ず現場リーダーとともに決めなければならない。HRDが一人で作った課題は、実際の業務優先順位とずれる可能性がある。パイロット成功の可否は、研修コンテンツの完成度より、業務適用課題が実際に遂行されるかにかかっている。

61〜90日目：適用結果と役割転換可能性を検証する

61〜90日目には適用結果を確認する。このとき確認すべきものは修了率だけではない。従業員がどの業務に適用したのか、どの成果物が出たのか、管理職確認があったのか、そのスキルが他の業務や隣接役割へ拡張できるのかを見る必要がある。

TalentLMSは、HRマネジャーの44%が新たな役割において社内従業員より外部候補者を優先すると示しつつ、社内移動経路を作り、スキルデータを活用して採用前に役割準備度を確認するよう提案する。この観点で90日パイロットは、社内候補者の役割準備度を確認する実験でもある。

SHRMは、HR組織のAI投資成果を正式に測定していないとの回答が56%だと示す。この測定空白を避けるには、パイロット終了前に最低限の検証基準を決める必要がある。たとえば適用課題の完了有無、成果物品質、管理職確認、業務時間削減、エラー減少、顧客または社内ユーザー反応、隣接役割への投入可能性を確認できる。

この段階の成果物はパイロット結果レポートである。良いレポートは「何人が修了したか」で終わらない。どの業務が変わり、どのスキルが必要で、誰がどの水準まで到達し、どの業務に適用し、次の90日で何を拡張するかを示す必要がある。

パイロット終了後にHRDが残すべき5つの成果物

90日パイロットが終わったら、HRDは研修結果報告書ではなく、拡張可能な運用資産を残さなければならない。TalentLMSがL&D成功の補助指標としてビジネスインパクト37%、キャリア成長結果31%、研修満足度28%を示している点を見ると、成果物も研修運営とキャリア・業務成果を合わせて説明する必要がある。

第一に、パイロット職務の業務変化マップだ。どの業務が減り、どの業務が大きくなり、どの業務が新たに生まれたかを整理する。

第二に、業務・スキルマップだ。職務名の下に能力を並べるのではなく、変わる業務と必要スキル、熟練度基準をつなげる。

第三に、学習経路と適用課題一覧だ。どの学習コンテンツ、実習、現場課題が実際に機能したかを残してこそ、次の職務へ拡張できる。

第四に、スキル診断と適用結果データだ。事前・事後の水準変化、課題成果物、管理職確認、プロジェクト投入有無を整理する。

第五に、拡張意思決定案だ。次のパイロット職務をどこにするか、プラットフォームや外部研修が必要か、社内異動または役割転換とどうつなげるかを提案する。

この五つが残れば、90日パイロットは単発の研修ではなく、スキルベースHRD運用モデルの出発点になる。Deloitteが述べる人・スキル・データ・テクノロジーのリアルタイム・オーケストレーションも、こうした小さな運用資産が積み上がるときに可能になる。

HRが次に見るべき方向

2026年のアップスキリング・リスキリングは、研修リストを増やすことではない。仕事の変化、スキルデータ、学習経路、業務適用、成果指標を一つの流れでつなぐことだ。本シリーズで扱った核心も同じである。リスキリングは、職務が消える人を選ぶことではなく、変わる業務と移動可能な役割を探すことである。

HRDは今後、「何を教えるか」より「どの業務変化に対応するか」を先に問わなければならない。そして「何人が修了したか」より「誰がどの業務を新たに遂行できるようになったか」を説明する必要がある。その説明を可能にするのがスキルデータと成果指標だ。

90日パイロットは、この転換を始める現実的な方法である。全社プロジェクトを待つ必要はない。核心職務1〜2個、変わる業務3〜5個、必要スキル5〜10個、適用課題数個で始めればよい。小さく始めつつ、必ずデータと成果を残す必要がある。そうしてこそ、アップスキリング・リスキリングは流行語ではなく、組織の働き方を変えるHR戦略になる。

主要ポイント

リスキリング成果を修了率だけで見ると、研修運営は説明できるが、人材転換は説明しにくい。従業員がコースを受けたか、満足したか、試験に合格したかは必要な指標である。しかしリスキリングの本質は、「新しい役割や変化した業務を遂行できるようになったか」にある。

TalentLMSの2026 L&D Reportは、HRマネジャー標本を中心に、学習設計、予算、優先順位、成果測定方式を扱う。この資料は、L&D成功の補助指標としてビジネスインパクト37%、キャリア成長結果31%、研修満足度28%を示す。満足度よりもビジネスインパクトとキャリア成長結果が合わせて登場する点が重要である。

SHRMの2026年AI in HR報告書も測定問題を示す。HR組織のAI投資成果を正式に測定していないとの回答が56%で、自社ROI指標を活用しているとの回答は16%にとどまる。AI研修とリスキリング投資が増える状況で測定体系が追いつかなければ、HRDは引き続き「多く研修した」という報告にとどまることになる。

修了率は必要だが、リスキリング成果の終点ではない

修了率は捨てるべき指標ではない。研修が実際に提供されたか、対象者が参加したか、最低限の学習経験があったかを確認する基本指標である。問題は、修了率がリスキリングの最終成果のように使われるときに生じる。修了率が高くても、従業員が新しい業務を担えなかったり、現場が役割転換を設計していなかったりすれば、リスキリングは完了していない。

CompTIAの2026年Workforce and Learning Trendsは、workforce developmentプログラム構築の主要課題として、研修費用とともに実行・測定要因を示す。調査対象と産業構成は韓国企業と異なり得るが、この信号はHRDが費用と運営だけでなく、測定構造も一体で設計すべきだという点を示している。

リスキリング成果指標は三層に分けるべきだ。第一は研修運営指標である。修了率、出席率、満足度、事前・事後評価がここに該当する。第二は業務適用指標だ。研修後にどの業務に適用したのか、どの成果物を作ったのか、管理職確認があったのかを見る。第三は人材転換指標だ。社内異動、役割転換、プロジェクト投入、新業務遂行可能性がここに該当する。

第一の指標は業務適用だ

リスキリングの第一の成果は「学んだことをどこで使ったか」である。研修直後の満足度が高くても、業務に適用されなければ組織成果につながりにくい。したがってHRDは、コース終了後30日、60日、90日単位で業務適用データを収集する必要がある。

TalentLMSがL&D成功の補助指標としてビジネスインパクト37%を示した点は、この方向性と重なる。SHRMもAI投資成果測定指標として、生産性向上、コスト削減、意思決定改善、従業員満足度を挙げる。二つの資料はいずれも、学習やAI投資の成果が「研修を受けた」ではなく「業務結果が変わった」という形で説明されるべきだと示している。

業務適用指標は大掛かりである必要はない。たとえばAI活用研修なら、報告書草案作成時間の短縮、顧客問い合わせ分類精度の改善、議事録要約品質の検収、反復業務の自動化、データ解釈レポートの作成といった適用事例を記録できる。リスキリング研修なら、新業務の遂行回数、現場課題への参加、成果物レビュー結果、管理職フィードバックを合わせて見るべきだ。

重要なのは、適用有無を従業員の自己申告だけで終わらせないことだ。自己申告、管理職確認、成果物、プロジェクト投入記録を組み合わせる必要がある。そうして初めてHRDは、「このコースを受けた従業員が実際にどの業務を遂行できるようになったのか」を説明できる。

第二の指標は社内異動と役割準備度だ

リスキリングは学習プログラムではなく人材移動戦略である。特にAI導入によって職務責任が変わり、新たな役割が生まれる状況では、社内異動と役割準備度が核心指標になる。SHRMは、AI導入組織で頻繁なアップスキリング・リスキリング機会57%、職務責任の変化39%、新たな役割24%、若干の雇用代替7%を報告した。また、workplace AIの組織への影響は、雇用代替より職務責任の変化では5.7倍、新たな役割の創出では3倍起こりやすいと説明する。

この数字は、リスキリング成果を「研修修了」ではなく「役割転換可能性」として見るべき根拠になる。研修を受けた従業員が隣接役割の候補群に入ったか、プロジェクトに投入されたか、職務転換面談を進めたか、新役割の必須スキル基準を満たしたかを見る必要がある。

TalentLMSも社内移動の重要性に直接言及する。HRマネジャーの44%が新たな役割において社内従業員より外部候補者を優先すると示しつつ、社内移動経路を作り、スキルデータを活用して採用前に役割準備度を確認するよう提案している。リスキリング成果指標に社内異動と役割準備度を入れるべき理由である。

実務では、「役割準備度」を単純な点数にするより条件表で管理する方がよい。必須スキルの充足有無、関連プロジェクト経験、管理職推薦、学習後の適用事例、本人の移動意思、配置可能時点などを合わせて見る。こうしてこそ、HRDデータが採用、配置、後継、成果管理とつながる。

第三の指標はスキル検証と管理職確認だ

リスキリングの難しさは、修了と熟練が異なる点にある。研修を受けたからといって、すぐ新たな役割を遂行できるわけではない。そのためスキル検証指標が必要だ。検証は試験点数だけを意味しない。実際の業務課題、プロジェクト成果物、シミュレーション、管理職観察、同僚フィードバック、顧客または現場ユーザーの反応まで含めることができる。

SHRMの資料で、HR組織のAI投資成果を正式に測定していないとの回答が56%である点は、検証体系の空白を示している。自社ROI指標を活用しているとの回答も16%にとどまる。AIとリスキリング投資が大きくなるほど、「どのスキルが実際に検証されたのか」を説明できなければならない。

検証指標は4段階に単純化できる。1段階は概念理解、2段階はガイドに沿った遂行、3段階は独立遂行、4段階は他者へのコーチングまたは業務改善提案である。この段階は第6回で扱ったスキルデータ構造とつながる。スキル名だけを管理するのではなく、実際の行動水準と業務適用水準を合わせて記録する必要がある。

管理職確認も重要だ。HRDがすべての職務の熟練度を直接判定するのは難しいからだ。ただし管理職確認が主観的評価だけに流れないよう、基準が必要である。「業務適用事例があるか」「成果物が基準を満たすか」「反復遂行が可能か」「他者に説明できるか」のように、観察可能な基準を使うべきだ。

HRD実務ダッシュボード：リスキリング成果を5段階で見る

リスキリング成果ダッシュボードは、最初から複雑である必要はない。核心は、修了率以降の流れを断ち切らないことだ。TalentLMSがビジネスインパクト37%、キャリア成長結果31%、研修満足度28%をL&D成功の補助指標として示し、SHRMがAI投資成果未測定の回答を56%と示している点を合わせて見ると、ダッシュボードは研修運営と業務成果を同時に示す必要がある。

CompTIAもworkforce developmentプログラムの課題として、研修費用だけでなく実行と測定を挙げる。したがってHRDダッシュボードは、単純な修了率表ではなく、参加、学習変化、業務適用、移動・転換、組織成果をつなぐ運用表として設計する方が現実的である。次の5段階構造で始められる。

第一に参加指標だ。対象者数、参加率、修了率、中途離脱率、満足度を見る。これは研修運用品質を確認する基本指標である。

第二に学習変化指標だ。事前・事後診断、スキル熟練度変化、課題合格率、シミュレーション結果を見る。この段階から単純な受講記録を超える。

第三に業務適用指標だ。研修後30日または60日以内に適用した業務、成果物、管理職確認、プロジェクト参加有無を見る。この指標があって初めて研修と業務がつながる。

第四に移動・転換指標だ。社内異動候補群入り、役割転換面談、隣接職務プロジェクト投入、実際の配置転換、新役割遂行有無を見る。リスキリングの目的が人材転換であるなら、この指標を欠かしてはならない。

第五に組織成果指標だ。生産性改善、コスト削減、品質改善、意思決定スピード、顧客体験、従業員定着、採用代替効果などを見る。すべてのコースを組織成果へ直ちに換算することはできないが、パイロット単位では少なくとも一、二個の業務成果指標を接続すべきだ。

このダッシュボードはHRDだけの報告書ではなく、HRBP、現場リーダー、People Analytics、経営陣がともに見る運用表であるべきだ。Deloitteが述べる人・スキル・データ・テクノロジーのリアルタイム・オーケストレーションは、こうした接続構造があるときに可能になる。

HRが次に見るべき方向

リスキリング成果指標を変えると、HRDの役割も変わる。研修運営者はコースを終える人ではなく、業務変化と役割転換の証拠を集める人になる。修了率は出発点であり、業務適用と社内異動、スキル検証が成果の中心になる。

次のステップは、この指標を巨大な全社プロジェクトにしないことだ。最初からすべての職務を対象に完璧なダッシュボードを作ろうとすると失敗しやすい。核心職務1〜2個、変わる業務3〜5個、必要スキル5〜10個、適用課題数個で始めるのが現実的である。

最後の第8回では、この流れを90日パイロットロードマップとして整理する必要がある。診断、スキルマップ、学習経路、業務適用、成果測定まで小さく始める方法だ。リスキリングは研修プロジェクトではなく、人材転換の実験である。成果指標も、その実験を説明できなければならない。

主要ポイント

AI学習プラットフォームを導入すれば、スキルベースHRDが自動的に完成するように見える。しかし実際には逆である。プラットフォームはデータを入れる器であり、どのスキルをどの職務・業務・成果と結びつけるかを決めなければ、推薦学習、AIコーチング、能力診断も表面的な機能にとどまる。

CompTIAの2026年Workforce and Learning Trendsは、組織の83%がスキル懸念への対応を高い優先順位に置き、HR専門家とITリーダーの62%が今後1年間でAI研修予算の増加を予想していると示す。一方、同じ資料は正式な全社的アップスキリング・リスキリングプログラムを持つ企業が34%にとどまると説明する。予算と関心は高まっているが、スキルをどう定義し蓄積するかに関する運用構造はまだ不足しているという意味だ。

したがって、2026年のHRDの問いは「どのAI学習プラットフォームを買うか」より先に、「自社のスキルデータはどの意思決定に使われるのか」であるべきだ。スキルデータは研修受講記録ではなく、職務変化、学習経路、業務適用、社内異動、成果検証をつなぐHR運用データである。

スキルベースHRDはプラットフォームではなくデータモデルから始まる

スキルベースHRDを始める際、よく先に検討されるのはLMS、LXP、AI学習推薦ツールだ。もちろんツールは必要である。しかしツールが先に来ると、「学習コンテンツを多く推薦するシステム」は作れても、「どのスキルがどの業務転換に必要かを説明するシステム」は作りにくい。

Deloitteの2026 Global Human Capital Trendsは、競争優位が静的な人材配置から、人、スキル、データ、テクノロジーをリアルタイムにオーケストレーションする方式へ移ると説明する。ここでの核心は技術そのものではなく接続構造だ。人の現在の役割、必要なスキル、業務変化、データ、技術活用が一つの流れとして結びつく必要がある。

CompTIAの調査対象には、HR専門家とITリーダーを含むworkforce development関連の回答者が含まれる。この標本ではスキル懸念への対応優先度は高いが、正式な全社的アップスキリング・リスキリングプログラムの保有率は34%にとどまる。このギャップはプラットフォーム不足だけでは説明しにくい。より根本的な問題は、スキルをどの単位で定義し、どのデータで確認し、どのHR意思決定に結びつけるかを決められていない点にある。

スキルデータモデルは少なくとも四つの質問に答える必要がある。第一に、職務別に重要なスキルは何か。第二に、現在の従業員のスキル水準をどう確認するか。第三に、学習後の実際の業務適用をどう見るか。第四に、その結果を配置、社内異動、役割転換、成果管理にどう結びつけるか。

第一のデータは「職務名」ではなく「業務とスキルの接続」だ

スキルデータ設計の出発点は職務名ではない。同じ職務名の中でも、自動化される業務、人が続けて担うべき判断業務、AIとともに遂行すべき検証業務は異なる。第5回で見たように、リスキリング対象者の選定も職務全体ではなく変化する業務を基準にすべきだ。第6回のデータ設計も同じ原則に従う。

CompTIAは、現在使われている訓練形式として、職務役割ベースの訓練64%、基礎AIスキル訓練64%、コンプライアンス・セキュリティ62%、ワークフロー関連訓練62%、高度AI訓練53%を示す。この数字は、研修がすでに「職務役割」と「ワークフロー」単位へ移っていることを示している。したがってスキルデータも、職務名の下に単純な能力リストを付けるだけでは不十分だ。

実務では、職務を三段階に分けると有用である。第一に職務名だ。たとえば採用担当者、研修担当者、営業管理者のように組織がすでに使っている役割単位である。第二に主要業務だ。採用担当者なら、候補者ソーシング、面接運営、採用データ分析、オンボーディング連携があり得る。第三に業務別の必要スキルだ。データ解釈、面接設計、利害関係者コミュニケーション、AIツール活用、個人情報判断のように、より小さな単位へ下りる必要がある。

このように設計すれば、プラットフォームの学習推薦も変わる。「採用担当者にAI研修を推薦」ではなく、「候補者ソーシング自動化後に残るデータ検証と候補者体験設計スキルを強化」する形で推薦できる。スキルデータは研修カタログの分類表ではなく、業務変化マップであるべきだ。

第二のデータは学習履歴ではなくスキル熟練度の変化だ

多くの組織のLMSには、受講履歴、修了率、満足度、テスト点数が残る。しかしこれだけでは、従業員が実際にどのスキルをよりうまく使えるようになったのか、どの業務を担えるようになったのかを説明しにくい。スキルベースHRDで必要なデータは、「研修を受けた」ではなく、「どのスキル熟練度がどの水準からどの水準へ移ったか」である。

SHRMの2026年AI in HR報告書は、HR組織のAI投資成功を正式に測定していないとの回答が56%だと示す。調査対象と産業構成は韓国企業と異なり得るが、AI導入と学習投資が増える状況で測定構造が追いついていない問題を示している。AI学習プラットフォームも同じだ。修了率だけが残れば、投資成果を説明しにくい。

スキル熟練度データは、最初から複雑にする必要はない。たとえば4段階程度で始められる。1段階は概念理解、2段階はガイドに沿った遂行、3段階は独立遂行、4段階は他者へのコーチングまたは業務改善提案である。重要なのは、この段階が研修コース名ではなく、実際の業務行動と結びつくことだ。

たとえば「生成AI活用」というスキルを一つに置くと、データは曖昧になる。HRD担当者には、研修ニーズ分析の草案作成、学習コンテンツの構造化、アンケート回答の要約、研修効果レポート草案のレビューのように、業務別行動へ分ける必要がある。そうして初めて、研修前後の診断、管理職フィードバック、プロジェクト適用事例が一つのスキル変化データにつながる。

第三のデータは研修後の業務適用だ

スキルデータがHRD内にとどまれば、「研修をうまく運営した」という報告は可能でも、「組織の働き方が変わった」という説明は難しい。研修後にどの業務に適用されたのか、どのプロジェクトに投入されたのか、どの役割転換につながったのかが合わせて記録される必要がある。

TalentLMSの2026 L&D Reportは、HRマネジャー標本を中心にL&D設計、予算、優先順位、成果測定方式を扱う。この資料は、L&D成功の補助指標としてビジネスインパクト37%、キャリア成長結果31%、研修満足度28%を示す。満足度よりもビジネスインパクトとキャリア成長結果が合わせて言及される点は重要である。学習データが実際の業務と社内移動につながるべきだという信号だからだ。

業務適用データは、大掛かりな生産性指標から始める必要はない。研修後30日以内に適用した業務、適用アウトプット、管理職確認、同僚フィードバック、プロジェクト投入有無、自動化または改善した業務単位のような小さなデータから始められる。核心は、「研修終了」と「業務変化」の間を断ち切らないことである。

たとえばAI研修を受けた従業員が、報告書草案作成時間を短縮したか、顧客問い合わせ分類基準を改善したか、反復業務を自動化したか、議事録要約品質をレビューする基準を作ったかを確認する必要がある。こうしたデータが蓄積されて初めて、次回扱う成果指標も修了率ではなく、適用、移動、役割転換中心に設計できる。

HRD実務チェックリスト：プラットフォーム導入前に確認すべき6つのデータ質問

AI学習プラットフォームやLXPを検討する前に、HRDはまずデータ質問を整理する必要がある。CompTIAの2026年資料で、AI研修予算の増加を予想したHR専門家とITリーダーが62%である点は、投資圧力が高まっていることを示す。しかし正式なアップスキリング・リスキリングプログラム保有企業が34%という数字は、投資前にデータ構造を点検する必要があるという警告でもある。

第一に、自社はスキルをどの単位で定義するのか。職務名、職務能力、業務、行動指標、ツール活用能力が混在していれば、プラットフォームに入れても検索と推薦の品質は低くなる。

第二に、スキルと業務の接続表があるか。「AI活用能力」のような広い表現より、「研修満足度の自由記述回答を要約し、改善課題を分類する」のように業務行動と結びついた表現が必要だ。

第三に、現在水準をどう診断するか。自己診断だけを使うのか、管理職確認を加えるのか、課題遂行結果を見るのか、プロジェクト成果物を見るのかを決める必要がある。診断方式がなければ、学習推薦は個人の関心事推薦にとどまる。

第四に、学習後の変化をどう記録するか。修了有無、診断点数の変化、業務適用事例、管理職確認、プロジェクト投入有無が最低限の候補データになり得る。

第五に、このデータをどのHR意思決定に使うのか。研修推薦だけに使うのか、社内異動、役割転換、後継候補群、プロジェクト配置、人員計画までつなげるのかによって、必要なデータ水準は変わる。

第六に、個人情報と評価リスクをどう管理するか。スキルデータは従業員の成長支援と配置意思決定に有用だが、不透明な評価やレッテル貼りに使われれば信頼を失う。データ収集目的、アクセス権限、保存期間、個人へのフィードバック方式は、プラットフォーム契約より先に決める必要がある。

HRが次に見るべき方向

2026年のアップスキリング・リスキリングの核心は、より多くの研修コンテンツを配置することではない。どの業務が変わり、どのスキルが必要で、誰がどの水準にあり、学習後どの業務に適用したのかを説明できなければならない。この説明可能性がスキルデータの役割である。

プラットフォームはこのデータをうまく集め、見せることができる。しかしデータモデルがなければ、プラットフォームは修了率とコンテンツ推薦を繰り返すだけだ。逆に、業務・スキル・診断・学習・適用・検証の流れが整理されていれば、小さなLMSやスプレッドシートでもパイロットを始められる。

次回は、このデータがどの成果指標へつながるべきかを扱う必要がある。リスキリングの成果は修了率だけでは説明しにくい。社内異動、役割転換、業務適用、生産性改善、管理職評価、プロジェクト投入といった指標が合わせて必要だ。スキルデータは、その成果指標を作るための基礎インフラである。

主要ポイント

リスキリング対象者を選ぶとき、最も危険な問いは「どの職務がなくなるのか」だ。この問いはすぐに恐怖を生むが、実行基準としては粗い。より有用な問いは、「どの業務が減り、どの業務が大きくなり、どの役割へ移れるのか」である。

SHRMの2026年AI in HR報告書は、1,908人のHR専門家を対象にした調査で、AI導入組織の回答者が、頻繁なアップスキリング・リスキリング機会57%、職務責任の変化39%、新たな役割24%、若干の雇用代替7%を報告したと示す。workplace AIの組織への影響も、雇用代替より職務責任の変化では5.7倍、新たな役割の創出では3倍起こりやすいと説明する。

したがってリスキリング対象者は、「なくなる職務にいる人」ではなく、「業務の組み合わせが変わり、隣接役割への移動可能性があり、学習と配置を一体で設計できる人」の中から探すべきである。

リスキリング対象者は「消える職務」ではなく「変わる業務」から生まれる

職務名だけを見ると、リスキリング対象者を過度に広げたり、誤って狭めたりしやすい。たとえば同じ顧客支援職務の中でも、単純な問い合わせ対応は自動化され得るが、複雑な課題調整、顧客不満の分析、AI回答の品質検収はより重要になり得る。職務全体をリスク群と見なすと、残る業務と拡大する役割を見落とす。

SHRMの調査範囲はグローバルHR専門家標本であり、産業・職群構成は韓国企業と異なる可能性がある。それでも、職務責任の変化39%、新たな役割24%、雇用代替7%という数字は、リスキリングの出発点が職務廃止ではなく業務変化であることを示す。対象者選定では、職務名より先に業務単位の変化マップを描く必要がある。

第一の基準は自動化可能性ではなく、残る判断業務だ

AIができる仕事を探すだけでは、リスキリング候補群を選べない。自動化可能性が高い業務があっても、その周辺に人がよりよく行うべき判断業務が残る可能性があるからだ。SHRMが、workplace AIの組織への影響は雇用代替より職務責任の変化の方が5.7倍起こりやすいと説明している点が重要である。

したがって第一の基準は「何が自動化されるか」ではなく、「自動化後にどの判断が残るか」だ。反復入力が減れば例外処理と品質検証が残り得る。報告書草案の作成が速くなれば、データ解釈と意思決定支援が重要になり得る。相談対応が自動化されれば、顧客課題分析とサービス改善提案の役割が大きくなり得る。

第二の基準は移動可能な隣接役割だ

リスキリングは研修だけでは終わらない。配置可能な隣接役割が必要だ。TalentLMSの2026年L&D Reportは、「Training builds skills, but mobility builds futures」と説明し、社内キャリア経路と学習の接続の必要性を強調する。同時に、HRマネジャーの44%が新たな役割において社内従業員より外部候補者を優先すると示す。

この数字は、リスキリング対象者の選定において社内移動経路がどれほど重要かを示している。社内候補者を育てると言いながら、実際の新役割を外部採用で埋めるなら、リスキリングは動機を失う。対象者を選ぶ際には、現在のスキルと目標役割の距離を見る必要がある。近すぎればアップスキリングに近く、遠すぎれば短期リスキリングでは難しい。隣接役割が見える集団から始めるのが現実的だ。

第三の基準は学習可能性と配置可能性を合わせて見ることだ

リスキリング候補群を選定する際、学習意欲だけを見ると失敗しやすい。配置可能性のない学習は、個人にとっても組織にとっても曖昧な約束になる。TalentLMSは、スキルギャップ対応で既存人材のアップスキリング・リスキリングを選んだHRマネジャーが64%、AIで業務を自動化すると答えた人が62%、外部専門人材の採用に依存すると答えた人が57%だと示す。

またTalentLMSは、半数の企業が役割または責任を再構造化し、29%が古いスキルに依存するポジションを廃止していると説明する。この調査対象と標本は企業状況に応じて解釈する必要があるが、一つは明確だ。リスキリングは研修プログラムではなく、自動化、役割再構造化、外部採用、社内移動の間で選択する人材戦略である。

実務マトリクス：リスキリング候補群を分ける4つの質問

第一に、現在業務のうち減る業務と大きくなる業務が区別されているか。第二に、現在保有するスキルと目標役割の間に隣接性があるか。第三に、学習を通じて3〜6カ月以内に検証可能なアウトプットを作れるか。第四に、研修後に投入可能なプロジェクトや役割があるか。

この四つの質問を基準に候補群を分けると、実行優先順位が明確になる。業務変化が大きく、隣接役割があり、配置可能性が高い集団は第1優先のリスキリング対象だ。業務変化は大きいが隣接役割や配置可能性が低い集団は、長期転換または別途人員計画が必要になる。業務変化が小さく、現在役割の成果改善が核心の集団は、リスキリングよりアップスキリング対象に近い。

CompTIAが組織の83%がスキル懸念への対応を高い優先順位に置いていると示しているだけに、多くの企業が似た問いに直面している。重要なのは、全社員を一度にリスキリング対象として束ねることではなく、調査対象、職群、業務変化、配置可能性を区別し、小さなパイロットから始めることである。

HRが次に見るべき方向

リスキリング対象者の選定は、個人をリスク群に分類する作業ではない。業務変化と役割転換可能性をデータで見て、組織が実際に移動経路を開けるかを確認する作業である。職務ではなく業務を見て、研修意欲ではなく配置可能性を合わせて見なければならない。

次回は、この判断を可能にするスキルデータ設計を扱う。LMSやAI学習プラットフォームを導入する前に、どのスキルデータをどのように蓄積し検証すべきかを整理する必要がある。

主要ポイント

スキルベース組織は、研修チームがスキル辞書を作り、コースを開設すれば完成するものではない。核心は「誰がどのスキルを学んだか」を記録することではなく、そのスキルが採用、配置、成果管理、社内異動、報酬の議論とつながるかどうかにある。

Deloitteの2026 Global Human Capital Trendsは、競争優位が静的な組織構造の中で人材を配置する方式から、人、スキル、データ、テクノロジーをリアルタイムにオーケストレーションする方式へ移っていると説明する。CompTIAも、組織の83%がスキル懸念への対応を高い優先順位に置いていると示す一方、現在の従業員向けに正式な全社的アップスキリング・リスキリングプログラムを持つ企業は34%にとどまると明らかにしている。

このギャップは、スキルベース組織がなぜHRD単独プロジェクトで終わりやすいのかを示している。研修は開かれても、職務、現場ニーズ、社内異動、成果指標と結びつかなければ、スキルは運用データではなく研修履歴として残るだけだ。

スキルベース組織はスキル辞書ではなく運用方式だ

スキルベース組織を始める際、多くの企業はまずスキル辞書や能力モデルを作る。もちろん共通言語は必要だ。しかしDeloitteが述べる核心は、リストではなくオーケストレーションである。人、スキル、データ、テクノロジーをリアルタイムにつなぎ、成果中心に能力を再構成する方式が重要だ。

調査範囲や産業構成はレポートごとに異なるが、方向性は同じである。CompTIAはスキル構築を最上位のビジネス優先課題と見ながらも、正式な全社的アップスキリング・リスキリングプログラムを持つ組織は34%だと示す。スキルという言葉は広がったが、それを実際の人材運用方式に変えた組織はまだ多くないという意味だ。

したがって最初の問いは「自社にスキル一覧があるか」ではない。「スキルデータはどの意思決定に使われるのか」であるべきだ。採用要件を変えるのか、社内候補者を推薦するのか、研修優先順位を決めるのか、成果面談で成長目標として使うのかを見る必要がある。

HRDは学習経路を作るが、一人では配置を変えられない

HRDはスキルベース組織の重要な出発点である。しかしHRDができることは主に、診断、学習経路、コース設計、学習履歴管理である。実際の役割変化と配置は、現場、HRBP、組織設計、採用、成果管理とつながらなければならない。

CompTIAの回答標本を見ると、開発予算がHR/L&Dに属するとの回答は46%、個別部門に属するとの回答は43%でほぼ二分されている。外部財源という回答も10%だ。予算責任がこのように分かれることは、スキル開発がすでにHRD単独予算だけで動いていないという信号である。

SHRMの2026年AI in HR報告書も似た含意を与える。1,908人のHR専門家標本では、AI導入はHRが単独で主導する場合よりも、IT、法務・コンプライアンス、cross-functional teamとつながる場合が多いと説明する。スキルベース組織も同様だ。研修チームはコースを作ることはできるが、どの業務が変わり、どの役割が生まれるかは現場とともに決める必要がある。

HRBPと現場は「必要なスキル」を業務変化へ翻訳すべきだ

スキルベース組織におけるHRBPと現場の役割は、研修要望を伝えることにとどまらない。「データ分析研修が必要だ」という要望を、「どの業務上の意思決定で、どのデータを解釈すべきなのか」へ変えなければならない。「AI研修が必要だ」という要望も、「どの反復業務を自動化し、どの検証責任を人が持つべきなのか」へ具体化する必要がある。

SHRMは、AIが導入された組織でHR専門家回答者が、頻繁なアップスキリング・リスキリング機会57%、職務責任の変化39%、新たな役割24%を報告したと示す。若干の雇用代替に言及した回答は7%だった。この数字は、職務全体が消えるという単純な物語よりも、業務責任と役割の組み合わせが変わる変化の方が重要な管理対象であることを示している。

そのためHRBPと現場は、職務名より業務単位を見る必要がある。どの業務が自動化されるのか、どの業務がより重要になるのか、どのスキルが社内異動の基準になるのかを定義して初めて、HRDは実際の学習経路を設計できる。

採用と成果管理がつながらなければスキルデータは蓄積されない

スキルベース組織は学習データだけでは機能しない。採用でどのスキルを求めるのか、社内応募者がどのスキルを証明したのか、成果管理でどの成長目標が合意されたのか、プロジェクト配置でどの経験が蓄積されたのかが合わせて積み上がる必要がある。

TalentLMSの2026 L&D Reportは、L&Dをビジネスインパクトで測定する企業が37%だと示す。また、HRマネジャーの84%はL&Dプログラムがキャリア進展と結びついていると見ているが、実際の従業員経験はより遅く動くと説明する。このギャップは、研修履歴とキャリア移動の間に運用上の接続線が弱いときに生じる。

Deloitteが述べるリアルタイム・オーケストレーションも、結局は同じ問題を指している。スキルデータが採用、成果管理、社内異動、プロジェクト投入へつながらなければ、データが増えても意思決定は変わらない。People Analyticsはダッシュボードを作る機能ではなく、スキルデータがどの人材意思決定に使われたのかを確認する機能として設計されるべきだ。

実務チェックリスト：スキルベース組織を始める際に確認すべき5つの接続線

第一に、スキル辞書の各項目が実際の職務と業務単位につながっているか。第二に、HRDコース修了データが社内異動、プロジェクト配置、成果面談で確認されるか。第三に、開発予算の責任がHRDと現場の間でどう分かれているか。CompTIAの46%・43%という数字のように、予算責任は組織ごとに異なるため、社内基準を先に決める必要がある。

第四に、スキルデータの調査対象と標本を社内でも明確にしているか。全社員基準なのか、特定職群基準なのか、核心職務基準なのかが変われば、ダッシュボードとKPIも変わる。第五に、L&D成果を修了率ではなく、ビジネスインパクト、社内異動、業務適用、成果改善とつなげて報告しているか。TalentLMSが示した37%という数字は、この接続がまだ多くの組織で弱いことを示している。

この五つの接続線を確認すれば、スキルベース組織は研修チームの新規プロジェクトではなく、HR運用モデルの変化として出発できる。

HRが次に見るべき方向

スキルベース組織の核心は、研修をより多く開くことではなく、スキルを人材意思決定の言語へ変えることだ。HRDは学習経路を作り、HRBPと現場は業務変化を定義し、採用と成果管理はスキルを選抜と成長の基準につなげる必要がある。People Analyticsは、この過程が実際に機能しているかをデータで確認しなければならない。

次回は、この運用モデルの中でリスキリング対象者をどう選定するかを扱う。消える職務を探す方法よりも、変わる業務と移動可能な役割を基準に優先順位をつけるアプローチが必要だ。

主要ポイント

AI時代の従業員研修をコーディング教育だけで捉えると、方向を見失いやすい。一部の技術職ではコーディングやモデル理解が重要だが、多くの従業員にまず必要なのは、AIとともに働くための業務判断力である。どの問題をAIに任せるのか、どのデータと文脈を入れるべきか、結果をどう検証するのか、人の判断が残るべき地点をどう見分けるのかが核心だ。

CompTIAの2026年資料は、組織の83%がスキル懸念への対応を高い優先順位に置き、HR専門家とITリーダーの62%が今後1年間でAI研修予算の増加を予想していると示す。本稿は、CompTIAのHR専門家・ITリーダー回答者資料、SHRMの1,908人のHR専門家標本、DeloitteとTalentLMSの2026年調査範囲を合わせて見るが、産業・職群・職務構成に差があることを前提に読む。同時にCompTIAは、AI研修の現在の形式で職務役割ベースの訓練が1位だと説明する。これは「全員に同じAI特別講義」よりも、各職務の業務場面に合わせたスキル設計が必要だという意味である。

AIスキルはツールの使い方ではなく業務判断力だ

AI研修が失敗するよくある理由は、ツールの使い方をスキルと勘違いすることだ。CompTIAの2026年Workforce and Learning Trendsは、組織の83%がスキル懸念への対応を高い優先順位に置き、HR専門家とITリーダーの62%が今後1年間でAI研修予算の増加を予想していると示す。この予算がツール操作研修だけに使われれば、業務成果につながりにくい。生成AIの画面でプロンプトを入力する方法は必要だが、それだけで業務成果が変わるわけではない。CompTIAは、AIとデジタルfluencyが全人材のアップスキリング需要だと説明しつつ、AI研修の現在の形式で職務役割ベースの訓練が1位だと示す。つまりAIスキルは汎用的なツール研修ではなく、職務別の業務判断と結びつくべきである。

Deloitteの2026 Global Human Capital Trendsも、競争優位が静的な組織構造の中で人材を配置する方式から、人、スキル、データ、テクノロジーをリアルタイムでオーケストレーションする方式へ移っていると説明する。この観点でAIスキルとは、「AIを使える」ことではなく、「AIを業務フローの中にどう配置するかを判断する」ことに近い。

第一のスキルは問題定義だ

AI活用の出発点は、良い質問ではなく良い問題定義である。同じ報告書作成業務でも、AIに草案を任せられる部分、社内データを確認すべき部分、利害関係者の判断が必要な部分は異なる。問題を誤って定義すると、AIは素早く答えを出すが、その答えは見当違いの方向に正確になり得る。

HRDの観点では、従業員に「AIを使ってみよう」と言うより、業務を小さな単位に分けさせる必要がある。反復作成、要約、分類、草案生成、比較検討、意思決定支援のうち、何をAIに任せるかを区別させるのだ。CompTIAが、AI以外の技術要因もスキルギャップを作ると見るHR専門家とITリーダーが80%だと示している点を踏まえると、問題定義力はAI一つではなく、複数のデジタルツールを業務に接続する基盤になる。

第二のスキルはデータ解釈と結果検証だ

AIが作った結果は、もっともらしく見えるほど危険になり得る。SHRMの2026年AI in HR報告書は、1,908人のHR専門家を対象にした調査で、技術的障壁がなくなっても非技術的障壁がHR機能の完全自動化を妨げると見る回答が72%だと示す。ここには、従業員、管理職、応募者といったHR顧客の受容性、信頼、責任、文脈判断の問題が含まれる。

TalentLMSの2026 L&D Reportも、学習リーダーの22%がAI生成コンテンツの信頼性を懸念していると説明する。この数字は、AIの結果をそのまま使う能力ではなく、検証する能力が重要だという信号である。従業員は、AIが提示した要約、推薦、分類、評価草案がどのデータに依拠しているのか、欠けた文脈はないか、バイアスやエラーの可能性はないかを確認できなければならない。

第三のスキルは協働と倫理的判断だ

AIが業務に入ると、一人でうまく使う人より、チームの働き方を変える人が重要になる。SHRMは、AI導入組織でHR専門家回答者がアップスキリング・リスキリング機会57%、職務責任の変化39%、新たな役割24%を報告したと示す。これは、AI導入が個人の生産性ツールを超え、役割と協働構造を変えていることを示している。

倫理的判断も切り離せない。採用、評価、報酬、研修推薦のように人に影響を与えるHR業務では、AI結果を適用する前に、責任の所在、説明可能性、個人情報、差別可能性を確認しなければならない。AI時代の核心スキルは、速いアウトプットではなく、安全で納得可能なアウトプットを作る能力である。

HRD実務チェックリスト：AI研修を再設計する5つの質問

第一に、この研修はツールの使い方を教えるのか、職務別の意思決定場面を変えるのか。CompTIAが職務役割ベースの訓練をAI研修の現在1位の形式として示し、AIとデジタルfluencyを全人材のアップスキリング需要と説明しているだけに、研修設計は職務別ケースから始めるべきだ。特にCompTIAの62%のAI研修予算増加予想と、SHRMの57%のアップスキリング・リスキリング機会という数字は、予算拡大がそのまま成果につながるわけではないことを示している。

第二に、従業員はAIに任せる業務と人が残るべき業務を区別できるか。第三に、AI結果を検証するデータ基準と品質基準を持っているか。第四に、協働ルールと責任基準をチーム単位で合意したか。第五に、AI研修予算の増加が単なる特別講義の増加ではなく、業務適用、検証、フィードバック、成果測定につながっているか。

この五つの質問に答えられなければ、AI研修は急速に広がっても組織のスキル体系としては残らない。逆に質問に答えられるなら、コーディングを教えなくても従業員はAIとともに働く核心能力を身につけ始める。

HRが次に見るべき方向

2026年のHRDの課題は、AI研修をより多く開くことではなく、AI時代の業務判断力を職務別スキルへ翻訳することである。問題定義、データ解釈、結果検証、協働、倫理的判断は、ある一つのコース名ではなく、スキルベース組織へ移るための運用言語だ。

次回は、これらのスキルが研修チーム内だけで管理できない理由を扱う。スキルベース組織は、HRDのコース設計だけでは作られない。職務体系、採用、成果管理、社内異動、People Analyticsが合わせてつながる必要がある。

主要ポイント

アップスキリングとリスキリングは似て見えるが、HRD予算を設計する際にはまったく異なるものとして扱う必要がある。アップスキリングは、現在担っている役割の成果を高める投資だ。リスキリングは、別の役割や新しい職務へ移れるようにする転換投資である。

この区分が重要なのは、2026年のスキルギャップが単なる研修不足だけでは説明できないからだ。CompTIAは、組織の83%がスキル関連の懸念への対応を高い優先順位に置き、62%は今後1年間でAI研修予算が増えると予想していると示す。一方、同じ資料で、現在の従業員向けに正式な全社的リスキリングまたはアップスキリングプログラムを持つ企業は34%にとどまる。

つまり、多くの組織がスキル問題を重要視しているものの、予算、対象者、成果指標をまだ体系的に分けられていない。このとき二つの概念を混同して使うと、研修は増えても人材戦略は明確にならない。

アップスキリングは現在の役割の成果を高める投資だ

アップスキリングは、従業員が現在担っている役割をよりよく遂行できるよう支援する学習である。CompTIAの2026年調査で、組織の83%がスキル懸念への対応を高い優先順位に置いていることを見ると、これは一部職務だけの補完研修ではなく、現在の人材全体に対する生産性投資に近い。営業担当者が顧客データをよりよく解釈すること、採用担当者がAIスクリーニング結果を検証すること、研修担当者が生成AIでコース設計を迅速化することがここに含まれる。

核心は「現在の職務の中で成果がどう良くなるか」だ。したがって対象者は、現在の職務を維持しながら生産性、品質、スピード、判断力を高める必要がある従業員である。予算も比較的広く設定できる。全社員向けAIリテラシー、職務別デジタルツール活用、データに基づく意思決定、管理職のコーチング力といった項目はアップスキリング予算に近い。

CompTIAは、AIとデジタルfluencyが全人材のアップスキリング需要であると説明する。同時に、AIだけがスキルギャップの原因ではないとも見る。HR専門家とITリーダーの80%は、AI以外の技術要因もスキルギャップを生んでいると回答した。これは、アップスキリング予算が「AI特別講義」一つで終わってはならないという意味だ。調査対象、標本、産業構成が異なるグローバル資料という限界はあるが、少なくとも職務別の業務場面に合わせた学習設計が必要だという方向性は明確である。

リスキリングは別の役割へ移れるようにする転換投資だ

リスキリングは、現在の職務を少しうまくこなすための研修ではない。SHRMの2026年AI in HR調査では、AI導入組織のHR専門家回答者が、職務責任の変化39%、新たな役割24%、アップスキリング・リスキリング機会57%を報告した。このような状況でのリスキリングは、業務構造が変わったり、既存役割の需要が減ったり、新しい役割が生まれたりしたときに、従業員が移動できるようにする転換学習である。

たとえば単純反復の報告業務が減る一方で、データ解釈と現場コンサルティングの役割が大きくなるなら、既存の報告担当者をPeople Analytics支援役割へ移す過程がリスキリングだ。コールセンター相談業務の一部が自動化され、相談品質管理、顧客課題分析、AI回答検収の役割が大きくなるなら、これもリスキリング対象になり得る。

SHRMの2026年AI in HR資料は、AI導入が大規模な雇用代替よりも責任の変化と新しい役割を多く生んでいることを示す。AIが導入された組織で、HR専門家回答者は頻繁なアップスキリング・リスキリング機会を57%、職務責任の変化を39%、新しい役割を24%と報告した。若干の雇用代替に言及した回答は7%だった。この数字は、リスキリングを構造改革後の事後研修ではなく、役割転換を事前に準備する装置として見るべきだという点を示している。

予算を分ける最初の基準は「現在職務の強化」と「役割転換」だ

HRD予算を分ける際、最初に見るべき基準は研修テーマではなく人材意思決定である。CompTIAの回答標本では、開発予算が主にHR/L&Dに属するとの回答が46%、個別部門に属するとの回答が43%でほぼ二分されている。したがって、現在の職務を維持したまま能力を高めるのか、それとも別の役割へ移る可能性をつくるのかによって、アップスキリングとリスキリングの予算構造も変わるべきだ。

アップスキリング予算は通常、より広い人数を対象にする。期間は短期または中期になり得て、業務適用課題が重要になる。一方、リスキリング予算は対象者がより狭く、期間が長くなる可能性がある。診断、選抜、学習、プロジェクト実習、メンタリング、配置検討まで含める必要があるからだ。

CompTIAは、開発予算の所在も組織によって分かれると説明する。回答標本で開発予算がHR/L&Dに主に属するとの回答は46%、個別部門に属するとの回答は43%だった。この違いは単なる会計上の問題ではない。アップスキリングではHRDが共通体系を作れるが、リスキリングでは現場部門の役割需要と配置可能性が合わせて確認されなければならない。

成果指標も異なるべきだ

アップスキリングの成果は、現在の職務での適用で見る必要がある。たとえば研修修了後の業務処理時間、アウトプット品質、エラー削減、管理職評価、顧客反応、職務別AI活用ガイドの遵守状況を確認できる。修了率と満足度は補助指標に近い。

リスキリングの成果は、移動と転換で見るべきだ。新たな役割の候補群入り、プロジェクト実習の通過、社内公募への応募、転換配置、新職務への適応期間、3カ月または6カ月後の成果が重要になる。研修を受けたかではなく、別の役割を実際に担えるようになったかが核心である。

この違いを無視すると、HRD報告書の見栄えはよくても経営陣の問いには答えられない。「何人が受講したか」は言えても、「どの人材リスクが減ったか」「どの社内移動が可能になったか」「採用代替効果はあったか」には答えにくい。

HRD実務チェックリスト：2026年研修計画に反映すべき5つの質問

第一に、この研修は現在の職務を強化するのか、別の役割へ移すのか。CompTIAが現在従業員向けの正式な全社的アップスキリング・リスキリングプログラム保有企業を34%と示しているだけに、この問いは研修名の整理ではなく、調査対象、予算責任、成果指標を決める出発点である。答えが前者ならアップスキリング、後者ならリスキリングに近い。

第二に、対象者は全社員か、特定職務群か、転換候補群か。対象者範囲が広いほどアップスキリングの可能性が高く、選抜と配置検討が必要なほどリスキリングの可能性が高い。

第三に、成果指標は現在業務の成果か、役割転換の結果か。アップスキリングは業務適用指標を、リスキリングは移動・配置・新役割適応指標を含めるべきだ。

第四に、予算責任はHRD単独か、現場との共同か。リスキリングは現場の需要と実際のポジションなしには機能しにくい。

第五に、調査対象、標本、産業構成、回答者特性は自社とどれほど異なるか。グローバルレポートの数字は方向性を示すが、最終的な予算配分は社内の職務変化データとともに決定する必要がある。

HRが次に見るべき方向

アップスキリングとリスキリングを区別することは、用語整理ではない。CompTIAの83%のスキル優先順位、62%のAI研修予算増加予想、SHRMの57%のリスキリング機会回答が共通して指し示すものは一つだ。HRDがどこに予算を使い、誰を対象にし、どの結果を経営陣に報告するかを決める基準が必要だという点である。

次回は、AI時代に従業員に必要な核心スキルを扱う。すべての従業員にコーディングを教える方法ではなく、AIとともに働くために必要な問題定義、データ解釈、検証、協働、倫理的判断力を中心に見る必要がある。

主要ポイント

2026年、アップスキリングとリスキリングはもはや研修コースの名称ではない。HRが人材戦略、AI導入、生産性、職務再設計を一体で扱うために、改めて取り上げるべきオペレーション上の議題に近い。

AIHRの2026年HR優先課題は、この変化を「headcountからskill countへ移行する」という表現で要約している。Deloitteも、人、スキル、データ、テクノロジーをリアルタイムにオーケストレーションする力が組織競争力の核心になっていると見る。CompTIAの資料では、組織の83%がスキル関連の懸念への対応を高い優先順位に置き、62%は今後1年間でAI研修予算が増えると予想している。

したがって、HRDの出発点も変わらなければならない。「今年どんな研修を開くか」よりも、「どの業務が変わり、どのスキルを新たに検証すべきで、誰がどの役割へ移れるのか」を先に問う必要がある。

研修コースではなく、能力転換が議題になった

かつてのアップスキリングは、既存の職務をよりよく遂行するための補完研修に近かった。リスキリングも、構造改革や職務転換が必要な一部人材に提供される例外的なプログラムと見なされていた。しかし、2026年の状況は異なる。

AI導入は、特定の職務全体を一度に消し去るというより、業務単位を再分解している。報告書作成、データ整理、顧客対応、コンテンツ制作、採用スクリーニング、研修設計のように、人の判断とツールの自動化が混在する領域が急速に増えている。このとき必要なのは単なるツールの使い方ではなく、変化した業務フローの中で人がどの判断を担い、AIがどの補助役を果たし、結果をどう検証するかという新しい能力である。

TalentLMSはこれを「learning debt」という表現で説明する。仕事が変わるスピードが学習と開発のスピードを上回ると、組織内には見えないスキル負債が積み上がる。従業員は忙しくて学べず、管理職は目先の成果を急ぐため学習時間を確保できず、HRDは修了率を管理しても実際の業務転換までは追跡できない。このギャップが広がるほど、研修は増えているのに能力転換は起きないという問題が生じる。

AIは雇用をなくすより、仕事を組み替えている

アップスキリング・リスキリングの議論が再び重要になった最大の理由は、AIへの解釈が変わりつつあるからだ。単に「AIが雇用を代替する」という言葉だけでは、HRD戦略を立てにくい。実際の組織では、代替、補完、役割変更、新たな役割の創出が同時に起きている。

SHRMの2026年AI in HR資料は、この点を比較的明確に示している。AIが導入された組織のHR専門家回答者は、AI導入の結果として頻繁なアップスキリング・リスキリング機会が生まれたとの回答を57%、職務責任の変化があったとの回答を39%、新しい役割が生まれたとの回答を24%と報告した。一方、若干の雇用代替に言及した回答は7%だった。

この数字は、HRが注力すべき地点を示している。核心は恐怖ではなく再設計だ。ただし調査対象、標本、産業構成はレポートごとに異なるため、韓国企業にそのまま移植するのではなく、社内の職務データと合わせて読む必要がある。どの業務が自動化されるのか、どの業務がAIとともに拡大するのか、どの従業員が新たな役割へ移れるのかを判断しなければならない。リスキリングは、消える職務の避難所ではなく、変わる業務を基準に人材を再配置する装置であるべきだ。

HRDの問いは「何を教えるか」から「どの仕事を変えるか」へ移る

Deloitteの2026年人的資本トレンドは、静的な職務と組織構造だけでは変化のスピードに追いつきにくいと見る。人、スキル、データ、テクノロジーをリアルタイムにつなぎ、業務成果を中心に能力を再構成する組織が有利になるということだ。

この観点から、HRDは研修提供者ではなく、スキル転換の設計者にならなければならない。たとえば生成AI研修を運営するとしても、単にプロンプトの書き方を教えるだけで止まれば効果は限定的だ。採用担当者には候補者レビュー基準とバイアス点検能力が必要であり、営業担当者には顧客データの解釈と提案書の検証能力が必要になる。研修テーマが同じでも、職務別の業務変化が異なれば、学習経路と成果指標も変わるべきだ。

CompTIAの資料も、AIだけがスキルギャップの原因ではないと見る。HR専門家とITリーダーの80%は、AI以外の技術要因もスキルギャップを生んでいると回答した。これは、2026年のHRDがAI研修一つですべての問題を解決しようとしてはならないという意味だ。デジタルツール、データ活用、協働の方法、職務別専門性、認証と検証の仕組みを合わせて見る必要がある。

企業実務への適用ポイント：2026年アップスキリング・リスキリング設計チェックリスト

第一に、研修ニーズ調査より業務変化の診断を先に行うべきだ。「どんな研修が必要か」ではなく、「直近1年でどの業務が自動化・拡張・縮小・拡大したか」を確認しなければならない。

第二に、アップスキリングとリスキリングを分ける必要がある。アップスキリングは現在の職務の成果を高める学習であり、リスキリングは別の役割や職務へ移れるようにする学習だ。対象者、予算、期間、成果指標が同じであるはずはない。

第三に、AI研修は職務別の業務場面と結びつけるべきだ。全社員共通の特別講義だけでは実際の適用が難しい。職務別ユースケース、検証基準、リスク管理、管理職のコーチングを一体で設計しなければならない。

第四に、修了率中心の指標を減らすべきだ。社内異動、新業務への投入、プロジェクト成果、管理職評価、スキル検証、従業員のキャリア移動といった指標が合わせて必要になる。

第五に、HRDだけで進めてはならない。AIHRが述べるように、HRはAI転換の共同リーダーの役割を担うべきだ。しかし実行は、HRD、HRBP、現場リーダー、IT、データ組織が共同で設計して初めて可能になる。

HRが次に見るべき方向

2026年のアップスキリング・リスキリングの核心は、研修をより多く開くことではない。変化する仕事の構造を見て、必要なスキルを定義し、学習を実際の役割転換と成果につなげることだ。

次回は、アップスキリングとリスキリングをどう区別すべきかを扱う。二つの概念を正確に分けなければ、研修予算も対象者選定も成果測定も曖昧になる。2026年のHRD計画を立てる組織なら、まずこの区分から見直す必要がある。