HRプロとは人手不足が深刻化する中、AI技術の活用によって業務効率化・新規事業や新しい価値の創出を目指す動きが活発化している。しかし、知識を保有するだけでなく、AI技術をビジネスの上で適用・推進できる「AI人材」は不足している状況だ。
ここでは、AI人材とはどのような人物を指すのか、どのようなスキルを保有し、現場ではどのような職務に携わる人材なのかという基礎知識を解説。また、AI人材の育成に必要な方法と、独自のプログラムでAI人材育成に成果をあげている企業事例も紹介する。
ここでは、AI人材とはどのような人物を指すのか、どのようなスキルを保有し、現場ではどのような職務に携わる人材なのかという基礎知識を解説。また、AI人材の育成に必要な方法と、独自のプログラムでAI人材育成に成果をあげている企業事例も紹介する。
AI人材とは
AI人材とは、AIシステムの構築や運用を担当する人材で、機械学習やディープラーニング（深層学習）、データサイエンスなどの幅広い知識と活用スキルをもつ専門家のことを指す。AI人材というと、システムエンジニアや研究者といった技術畑の人材を想像されることが多い。しかし広義には、AI技術を活用したプロジェクト・事業など、AI技術をビジネスに適用できる能力をもつ人材が含まれる。つまり、技術力だけでなく、ビジネス課題の解決にAIを活かせる実践的な能力が、AI人材の要件と言える。
変化の激しい人事トレンド、乗り遅れたままにしていませんか？
HRプロなら、最新の「人的資本経営」から「AI活用」まで、専門機関よる最新調査データや深掘りレポート、会員限定の事例取材記事が無料で読み放題。会員限定メルマガで人事・経営の最新情報を受け取れ、専門家監修のオンライン講座で気軽に人事領域の学習もできます。
10万人以上の人事担当者が利用する日本最大級の人事ポータルを、ぜひ情報収集にお役立てください。
HRプロなら、最新の「人的資本経営」から「AI活用」まで、専門機関よる最新調査データや深掘りレポート、会員限定の事例取材記事が無料で読み放題。会員限定メルマガで人事・経営の最新情報を受け取れ、専門家監修のオンライン講座で気軽に人事領域の学習もできます。
10万人以上の人事担当者が利用する日本最大級の人事ポータルを、ぜひ情報収集にお役立てください。
●IT人材・DX人材との違い
混同されがちな人事用語に「IT人材」「DX人材」があげられる。領域が重なる部分も多く、実務では同一人物が複数の役割を担うケースも珍しくない。ただし、それぞれの専門性は異なるため、人材要件を定義する際には、この違いを理解しておきたい。・IT人材
情報技術（IT）を活用できる人材。情報システムの運用、データベース管理、ネットワークセキュリティへの知見・スキルなど、システムやネットワークの構築と運用を職務として求められる技術職。
・DX人材
企業のDXを推進・実行する人材。デジタル技術やデータ活用といった専門知識のみならず、組織を牽引するリーダーシップや牽引力、高いコミュニケーション能力、実行力などが必要。
【関連記事】「DX人材」の定義とは？ 関連する職種のほか、必要なスキルやマインドセットを解説
AI人材が求められる理由
現在、各企業がAI人材の確保を重要視する背景としては、主に2つの要素があげられる。●DX推進にAIが不可欠
DXの推進に、AI技術の活用は不可欠となっている。前述のとおり、知識・技術に推進力・リーダーシップも備えているDX人材で、さらにAI技術の知見と運用力もあるという人材は、企業の競争力を高めていく中で絶対に確保したいものだ。特に、従来のビジネスモデルの革新のためにAIを駆使して新たな価値を付加できる強いAI人材を求めている。●生成AIの飛躍的な発展と普及
もうひとつには、AI技術の発展が目覚ましい2020年代という時代・社会背景があげられる。一層深刻化する少子高齢化による人手不足などの企業課題には、人材リソース活用のために業務効率化や工数削減が必要である。そのようななか、飛躍的に発展・普及しているAI技術は、課題解決の救世主になり得る。そのため、AI技術を使いこなせてビジネスへの適用・運用も手がけられるAI人材の確保は急務となった。なお、AI技術の発展・普及を時系列で見ると、おおよそ以下のような動きをしている。
・1950年代：人工知能の存在や概念が一般化（第1次AIブーム）
・1980年代：コンピュータの高性能化が進行。AI技術では知識蓄積方法に課題
・1990年代：ウェブサイトの一般公開。音声認識などの技術発展（第2次AIブーム）
・2000年代：インターネットの一般普及で通信技術が躍進。
・2010年代：ディープラーニング技術の誕生・発展。画像認識・自然言語処理、シミュレーションが可能化（第3次AIブーム）
・2020年代：OpenAIによる対話型AI「ChatGPT」の登場
・1980年代：コンピュータの高性能化が進行。AI技術では知識蓄積方法に課題
・1990年代：ウェブサイトの一般公開。音声認識などの技術発展（第2次AIブーム）
・2000年代：インターネットの一般普及で通信技術が躍進。
・2010年代：ディープラーニング技術の誕生・発展。画像認識・自然言語処理、シミュレーションが可能化（第3次AIブーム）
・2020年代：OpenAIによる対話型AI「ChatGPT」の登場
2022年「ChatGPT」の登場により生成AI時代が到来し、現在は第4次AIブームといってよい。AIは一部の技術者が駆使するスキルではなく、ビジネスや家庭でも活用されるものへと発展した。技術を知っているだけでなく、ビジネス上で活用・運用し、成果をあげられる人材が必要になったのである。
【関連記事】「生成AI」の基本概念や種類とは？ ビジネスでの使い方や人事業務での活用事例を解説
AI人材に求められるスキル
続いて、AI人材に求められる代表的な5つのスキルについて解説する。これらのスキルをすでにもっている人材は、率先して採用、積極的に育成していく必要があるだろう。●プログラミングスキル
プログラミングスキルはAI開発・運用の基盤となる技術だ。システム開発・改善、データ収集・処理の自動化、外部APIとの連携といった技術的なあらゆる業務においてコーディングの能力が求められる。言語としては、機械学習やディープラーニングライブラリが可能でAI開発における標準言語である「Python」の習得は必須といってよい。他に、統計解析に長けた「R言語」、アプリ開発に有用な「Java」などに精通していると、担当領域がさらに広がる。
●データサイエンスの知見
統計学・機械学習・コンピュータサイエンス・ドメイン知識などを組み合わせてAIに読み込ませ、大量のデータから隠れたパターンや有用な情報を発見するのがデータサイエンスだ。データの可視化や統計分析、仮説検証の方法論を理解していることで、AIの出す結果を適切に解釈し、業務上の意思決定につなげることができる。●機械学習・ディープラーニングの知識
現在のAIの根幹となっている知識・技術として「機械学習」と「ディープラーニング」への知見は必須だ。機械学習は、データからパターンを学習して予測・分類を行う。ディープランニングは深層学習とも呼ばれ、ニューラルネットワークを用いてより複雑な課題を解決できるようにする。また、実践的手法として「転移学習」や「ファインチューニング」、「大規模言語モデル（LLM）」などの知識も必要とされている。
●AIやデータの利活用に関する法的知識
人事でAIを活用する場合、従業員データという機密情報にアクセスするシーンが多々予想されるため、「個人情報保護法」は深く理解する必要がある。また、自社がAI技術によって生み出した製品の盗用を防ぐためには「著作権法」を、EU圏をはじめとする海外での個人データ保護やその取り扱いに適用される法令として「EU一般データ保護規則（GDPR）」などの関連法規を知っておかなければならない。また、AI人材にとって、技術力や法知識だけでなく、コンプライアンス意識と倫理感を高く保ち続けるマインドも欠いてはならない要素である。
●論理的思考力と課題設定力
物事の筋道を立てて、矛盾や飛躍のない思考ができる論理的思考力（ロジカルシンキング）が身についていると、パターンによる規則性と法則性を見つけ、分類するといった能力も高い。また、ビジネス課題の解決にAI技術を利用するなら、課題の本質をとらえたうえで課題設定ができる能力が必要だ。課題に対して適切なAIソリューションを提案するために、ビジネスの文脈でAIを捉える視点・論理的思考力も重要となる。
AI人材の主な職種と職務
ここからは、企業におけるAI人材の代表的な職種を紹介していこう。それぞれがどのような職務を行っているのか、具体的な内容もあわせて解説する。●AIエンジニア・プログラマー
AIエンジニア・プログラマーは、自社製品・サービスにAIを搭載するためにAI技術の開発・実装を担う人材で、AI開発者のこと。AIシステムの開発と機械学習モデルの実装を主な職務とする。AIエンジニアやプログラマーの場合、単なる技術開発ではなく、製品・サービスの利用者や顧客の行動原理と習慣、市場動向などを考慮し、製品に盛り込めるAI技術開発を推進する。技術者の中でもビジネスの現場に根差した職務を担っている。
●データサイエンティスト
データサイエンティストは、データ分析とAIモデルの開発を行い、ビジネス課題の解決を担う。大量のデータ分析からビジネスに有益な情報を抽出し、データ同士の関連性などのデータ解析を行う。ビックデータの活用が活発化した昨今、リスク管理や市場分析、カスタマーサービスなどを担当する。
●デジタルストラテジスト
デジタルストラテジストは、デジタル活用全般にわたって戦略を立案する職種。企業のオンラインプレゼンス向上とデジタルマーケティングの取り組みを強化する。AI技術の活用だけでなく、マーケティング施策、コンテンツ戦略、データ分析、パフォーマンス測定など、多様なスキルが求められる。●AI研究者（リサーチャー）
読み込んだデータの処理方法や、アウトトプット方法を決定する仕組み「AIモデル（機械学習モデル）」が構築されると、AI研究者はAIモデルの精度向上や、新たなアルゴリズムでの処理方法の開発を担う。同じ技術者でも、AIエンジニアは製品に搭載するための技術を開発しビジネスの現場に根差すのに対し、AI研究者はあくまでも学術的な研究・開発に従事する。
●AIプランナー
AIプランナーは、AI技術を活用した製品やサービスを企画する。また、企業のニーズ・戦略に沿った形で実装する役割を担うため、最新のAI技術やトレンドをキャッチする力が求められる。AI戦略立案とプロジェクト管理、AIソリューションの実装のほか、実装後の評価とリスク管理、品質向上なども職務となる。
●AIプロダクトマネージャー
AI製品の企画・開発・運用・管理を統括する職務が、AIプロダクトマネージャーだ。AI技術への知見をいかして、自社製品やサービスに活用する方法をさまざまな角度から検討し、企画・判断・運用・マネジメントまでを担う。社外の関係者と折衝やプロジェクト管理・進行も行うため、状況把握能力や技術知識のほか、高いコミュニケーション能力をもつことが必要となる。
●AIサービス活用担当（非エンジニア系）
昨今はエンジニアでなくても、AIに関する知識やスキルが求められるようになっている。AIを現場で活用できるよう、導入の企画立案や調整役を担う人材も「AI人材」と呼べるだろう。新規プロジェクトの立ち上げや生産性・業務効率の向上に力を発揮する。また、AI技術者と、現場の間で架け橋となる「ハブ」の役割も担う。専門的な開発スキルがなくても、ビジネス課題とAI活用を結び付けられる人材は、今後さらに重要になっていくと考えられる。
AI人材を育成する方法
外部登用ではなく、既存の従業員をAI人材に育てることも企業人事の課題である。ここでは、基本的な3つの育成方法を紹介する。●社内教育
社内に熟練したAI人材がいる場合は、その従業員によるOJTや研修を主導してもらう。ただし、講師となる人材の業務を停滞させないよう配慮が必要となり、余裕をもった研修計画を立てることが重要である。また、効率よく能力を身に付けさせるために、社内教育を受ける社員のモチベーションを維持・向上させなければならない。例えば、AIを活用したプロジェクトの実例を教材とすると、AI技術を実務で活用するイメージがもちやすい。ひとりで学習し続けるのはモチベーション低下を招きやすいため、教育を受ける従業員がグループで学んだり議論したりする場も設けるのもよいだろう。
●外部研修・アウトソーシング
AIに関する知見や経験が豊富な人材が社内にいない場合は、外部研修やアウトソーシングを検討したい。AIの専門家による研修・プログラムを受講し、企業で起こり得る状況を想定したAIによる課題解決など、ロールプレイングやグループディスカッションによって、より実践的な体験・知見を得ることができるだろう。コストをかけてでもAI人材の育成を着実に根付かせたい企業にもおすすめで、初級者だけでなく中級～上級の知識・スキルを保有している従業員に対しても効果が見込める育成方法である。
●自己学習
「AI技術とはそもそも何か」「どのようなことができるのか」といった基礎知識や、「Python」などの必要言語などは、参考書やウェブ教材を利用した自己学習で習得することができる。ただし、AI技術は進化のスピードが速く、既存の知識がすぐに古くなってしまう。だからこそ、社員が日常的に学び続ける環境を企業側が整えることが大切となる。学習ツールの導入やナレッジ共有のためのコミュニティ形成など、学習を「個人任せ」にしない仕組みづくりが求められる。習得したスキルを実務に活かせる機会や、評価制度と連動も大切となってくる。
AI人材育成を成功させる6つのポイント
育成施策を作っただけでは、効果的にAI人材は育たない。取り組みを成果につなげるために、押さえておきたい6つのポイントを解説する。●目的を明確にする
「とりあえずAIを学ばせる」という姿勢では、育成は長続きしない。業務効率化なのか、新規事業開発なのか、目的によって求めるスキルセットは異なるからだ。まず育成の目的を明確にすることで育成設計の軸が定まり、現場への説明にも一貫性が生まれる。目的の設定に迷った場合は、現場へのヒアリングや経営課題の棚卸しをすると軸が固まりやすい。●経営層と従業員の理解を得る
人材育成が形骸化する組織に共通した原因として、担当者だけが旗を振り、経営層の関与が薄い点があげられる。予算も時間も確保できなければ、施策は中途半端に終わってしまう。担当者は育成計画を策定する段階から経営層を巻き込み、投資対効果を数字で示すことが有効だ。一方、従業員に対しては「なぜ自分たちがAIを学ぶ必要があるのか」「どこでスキルを活用するか」を丁寧に説明し、日常業務との接続を示すことが、前向きな姿勢を引き出しやすくなる。
●評価制度とキャリアパスを整備する
身につけたスキルが、評価や昇進に反映されることで、従業員のモチベーションにつながる。AI関連スキルの習得を人事評価に組み込み、資格取得や実務での活用実績をきちんと認める仕組みが重要だ。育成担当者としては、既存の等級制度やグレード定義にAIスキル要件を追記するところから着手すると、大規模な制度改定をせずに対応しやすい。あわせて、AI人材としてのキャリアパスを社内に可視化することで、学び続ける動機づけにもなる。
●現場での実践機会を設ける
知識をいくらインプットしても、実務に活かせなければ意味がない。実際のビジネス課題を題材にした演習やAIを活用したプロジェクトへの参加、OJTへのAI要素の組み込みなど、現場での実践経験を積み重ねることで、本質的なスキル習得につながる。●継続的に学習できる環境を作る
AI技術の進化は速く、一度の研修で習得した知識はすぐに陳腐化する。eラーニングツールの導入や社内勉強会の実施、ナレッジを蓄積・共有できるコミュニティといった仕組みを企業が用意し、従業員の継続的な学習をサポートしたい。●役割に合わせたカリキュラムを作成する
職種・役割・習熟度に応じてカリキュラムを設計することが、育成の質を左右する。後述のサイバーエージェントのように「全社員向け」「エンジニア向け」「機械学習エンジニア向け」と階層を分けることで、学ぶ内容の解像度が上がり、育成効果が高まりやすい。最初から全階層を整備しようとせず、まず対象人数が多い層や育成の優先度が高い職種に絞ってカリキュラムを試作すると良いだろう。AI人材育成の企業事例
ここからは、独自の育成プログラムによってAI人材育成の成果をあげている企業実例を紹介しよう。（1）NECビジネスインテリジェンス：生成AI人材育成プログラム「虎の穴」
NECビジネスインテリジェンスは、グループ全体のDX実現を目的として、AIとデータ分析を中心としたテクノロジー活用によるスタッフ業務のインテリジェント化を推進している。NECビジネスインテリジェンスの社員は、ほとんどがNECグループ内で人事・経理のキャリアを長年積んでいたため人事・経理・業務プロセスの組み立てには非常に長けていたが、ITリテラシーが充分ではないという課題があった。そのため、選抜・自薦の生成AI教育や全員対象のリテラシー研修を実施。また、この研修によって自ら学ぶ・自らキャリアを描く意識を高めるために、IT資格取得の目標設定や、勉強会・コーチングなども並行した。
全社員が受講可能な生成AI人材育成プログラム「虎の穴イノベーションスクール」を立ち上げた。これは、業務環境に応じて選択することができる階層別のプログラム。その中心施策が「虎の穴」プログラムで、選抜された社員は1カ月間通常業務を離れ、集中して先端デジタル技術の知識やその活用法を学習する。
受講者へのアセスメントから、プログラムの成果が上がりやすい人材には以下のような傾向が見られた。
・一定の業務経験がある
・課題意識がある
・柔軟性のある
・粘り強さがある
・行動力がある
また、社員の平均年齢は50歳ではあるが、学習成果が上がるか否かに年齢やAI経験は関係がないという実感もあるという。
NECビジネスインテリジェンスでは「虎の穴」プログラム以外にも、新入社員が配属前2週間に受講する、AI活用の基礎を実践する「猫の穴」や、全社員の自走向けプログラムで1回1～2時間程度の時間で実施する「虎の穴ハンズオン」という人材育成プログラムも行っている。
【関連記事】NECグループのDXを担う人材の育成手法とは？ ～トップダウンとボトムアップ両面で取り組む「全社員DX人材化」～
【関連記事】誰しも成長すると信じたからこそ実現できたデジタル人材化――トップダウンとボトムアップ両面で取り組む「全社員DX人材化」
（2）日立製作所：Generative AIセンター
日立製作所は、生成AIの安全で有効な活用を社内外で推進する「Generative AIセンター」を新設した。Generative AIセンターは、生成AIに深い知見があるデータサイエンティストやAI研究者と、IT・セキュリティ・法令などに関する業務のスペシャリストを集結させ、リスクマネジメントしながら活用を推進する組織である。Generative AIセンターが取り組む具体的な内容としては、以下の3点をあげている。
・生成AIを活用したユースケースの創出
・日立独自の生成AI技術を組み合わせた新たなアプリケーションの開発
・Prompt Engineerの育成
Prompt Engineerは、AIに読み込ませるデータやプロンプト（命令）による精度向上に長けたエンジニアである。Generative AIセンターが中心となって、文章の作成・要約・翻訳・ソースコード作成などの生成AIを業務で利用し、生産性向上のノウハウを蓄積するため、熟練したAI人材としてのエンジニア育成は重要なのである。
また、生成AIの利用を検討中の顧客に対して、AIへの知見・セキュリティ・知財への専門知識によってリスクコントロールしながら生成AIのユースケースや価値創出を支援するコンサルティングサービスを開始し、自社で蓄積したAI活用ノウハウが顧客の安心安全な利用環境の提供に波及する、価値創出サイクルを回すことが大きな目的となっている。
さらに、デジタル体制強化のため「デジタルエンジニアリングビジネスユニット（BU）」が新たに組成され、生成AI活用支援を行うコンサルティングサービスの提供も開始された。
【参考】Hitachi Global Website：新組織「Generative AIセンター」により、生成AIの社内外での利活用を推進し、Lumada事業での価値創出の加速と生産性向上を実現
（3）サイバーエージェント：生成AI徹底理解リスキリング
サイバーエージェントは、AI人材育成をより強化するために、全社員を対象にした「生成AI徹底理解リスキリング」を開始した。サイバーエージェントは2016年にAI研究組織「AI Lab」を設立。23年には独自の日本語LLM（大規模言語モデル）を開発し、これを一般公開して自社サービスに生成AIを実装。同年に「ChatGPTオペレーション変革室」を設立するなど、AI技術のプロジェクト実装・運用や、生成AI活用による業務効率化、開発・制作ワークフローの構築を早くから積極的に進めてきた企業である。
「生成AI徹底理解リスキリング」では、受講対象を全社員・エンジニア・機械学習エンジニアの3階層に分けて育成に取り組む。階層が絞られるごとにプログラムの専門性も深まる構造だ。階層別の実施内容は以下のとおり。
・生成AI徹底理解リスキリング for Everyone
全社員対象で、生成AIによる業務効率化や新規事業の着想・立案のために生成AIの基礎知識を身につけるプログラム。全社員の基本リテラシーの向上を目的としている。実施方法はeラーニング形式で、学習内容は、ChatGPTやLLMの活用、生成AI活用における法務・セキュリティ知識を含む。受講後にオリジナル試験を実施し、合格がプログラム修了の必須条件となる。
・生成AI徹底理解リスキリング for Developers
エンジニアを対象とし、自社が手掛ける全てのプロダクトに、LLMを活用して組み込むことが可能な状態を作ることを目標としたプログラム。実施方法はeラーニング形式で、LLM開発スキルの底上げを目指す。
・生成AI徹底理解リスキリング for ML Engineers
自社の事業やプロダクトが内包する特有の課題解決を目指すオリジナルプログラム。LLMのモデル構築やチューニングによって課題解決ができる人材が育成目標である。
サイバーエージェントでは、AI人材育成の強化と同時に、誰もが業務で生成AIを活用できる環境整備も推進。企業でのAI活用をより一層加速させ、業務効率化とさらなる新規事業の創出、サービスの価値創造を目指すとしている。
【参考】サイバーエージェント、全社的なAI人材育成に向けて「生成AI徹底理解リスキリング」をスタート
まとめ
AI技術の活用が企業の持続的成長と競争力強化に欠かせない要素となりつつある今、AI人材の獲得はますます熾烈な競争になっていくだろう。有能なAI人材を外部登用しても、限られたリソースの奪い合いになるため次第に困難になることも予想される。そのため、企業としては早急に、社内でもAI人材を育成していけるよう、態勢を整えることが重要となる。例えば、現在はソフト開発やシステム実装を担当している社員向けに、AI知識や技術・スキルを習得できる機会を作るといった手段は有効だろう。AI人材の育成にあたり、その方法を手探りの企業は少なくない。育成担当者は、他社の事例を参考にしながら理解を深め、自社にマッチしたAI人材の育成手法を探っていく必要があるだろう。
- 1
