AI活用スキルを人事評価・育成計画に組み込み組織成長につなげる方法

AIを使っている人は増えたのに、評価では何を見ればいいのか分からないんです

生成AI研修のあと、人事担当者や現場マネージャーからこうした声が上がることがあります。資料作成が速くなった人、会議メモの整理がうまくなった人、顧客提案のたたき台を短時間で作れるようになった人は確かにいます。一方で、それを「AI活用スキル」としてどう評価し、等級制度や育成計画にどう反映するかは、まだ整理しきれていない企業も少なくありません。

以前は、AI活用が個人の工夫に任され、リスキリング研修を受けても、日々の目標設定や1on1、人事評価には十分につながっていない状態がありました。現在は、AIを「使ったか」ではなく、業務設計、プロンプト設計、レビュー、ナレッジ共有といった行動に分けて捉え、スキルマップや育成計画に反映しようとする動きが広がっています。人材育成やスキルの見える化を考える際は、経済産業省とIPAが2026年4月に公表したデジタルスキル標準 ver.2.0も参考になります。同標準では、AX（AIトランスフォーメーション）の進展やデータ活用の重要性を踏まえ、AIやデータに関するスキル体系が見直されています。

この記事では、「AI活用 人事評価」や「AI スキル 評価」をどのように設計し、リスキリング評価を人材育成に接続するかを整理します。目指すのは、AIが得意な一部の人だけが成果を出す状態ではなく、部門ごとに必要な行動指標を定め、キャリアパスに沿ってAI活用スキルを伸ばせる状態です。ただし、評価項目を追加するだけでは十分ではありません。運用ルール、評価者の理解、定期的な見直しがあって初めて、制度として機能します。

AI活用スキルを人事評価に入れる前に考えるべきこと

生成AIの社内活用が広がると、次に出てくる問いは「誰がどれだけ使っているか」ではなく、「誰が業務成果につなげているか」です。

AIツールの利用回数やプロンプトの入力回数だけでは、評価の根拠として不十分です。毎日AIを使っていても、出力を確認せずにそのまま使っていれば、品質やコンプライアンスのリスクが高まる可能性があります。一方で、利用頻度が高くなくても、会議準備、顧客提案、業務改善、ナレッジ共有などに的確に活用し、チーム全体の成果に貢献している人もいます。

そのため、AI活用スキルを人事評価に組み込む際は、まず「ツールを使えること」と「仕事を改善できること」を分けて考える必要があります。

評価すべきなのは、AIを使ったという事実そのものではありません。AIを使って、業務の進め方を見直し、成果物の質を高め、周囲に再現可能な形で共有できているかです。

たとえば、同じ資料作成でも、次の2人では評価すべき内容が異なります。

個人の作業効率にとどまる例

AIに文章を作らせて、少し整えて提出する人です。作業時間は短縮できているかもしれませんが、業務の型やチームの知見にはなっていません。

組織の改善につながる例

資料作成のプロセスを分解し、「構成案づくり」「顧客課題の整理」「表現の調整」「最終レビュー」のどこにAIを使うかを決め、その手順をチームに共有している人です。この場合、AI活用は個人の時短にとどまらず、組織の生産性改善につながる行動として評価しやすくなります。

さらに、評価では「個人の時短」にとどまらず、「チームの業務改善」「顧客価値や事業成果への貢献」まで段階的に見ることが重要です。たとえば、資料作成時間が短縮されたかだけでなく、レビューの手戻りが減ったか、顧客への回答が迅速になったか、提案時の論点整理が標準化されたかといった変化も確認します。

AI活用を人事評価に組み込むなら、この違いを見落とさないことが重要です。

AIスキル評価で見るべき4つの観点

AIスキル評価を制度に入れる場合、最初から細かい評価項目を作り込みすぎると、現場が運用できなくなります。まずは、全職種に共通する観点を4つに絞ると設計しやすくなります。

そのうえで、4つの観点すべてに共通する横断的な要件として、情報管理やAIガバナンスを位置づけます。個人情報や機密情報を適切に扱うこと、利用してよいAIサービスやデータの範囲を確認すること、重要な判断では人が責任を持つことなどは、特定のスキルだけではなく、AI活用全体に共通して求める行動として整理します。

スキルマップで部門ごとの期待値を可視化する

AI活用スキルを評価するには、スキルマップを作るのが有効です。スキルマップとは、職種や等級ごとに必要なスキルを一覧化し、現在地と育成課題を見えるようにする表のことです。

ただし、全社員に同じ項目を一律で当てはめると、現場とのズレが生まれます。

営業、マーケティング、人事、経理、情報システム、経営企画では、AIを使う場面が違います。したがって、共通スキルと部門別スキルを分けて設計する必要があります。

IPAの「DX動向2026」でも、DXやAIに関連する人材について、必要なスキルの把握や人材育成の状況が分析されています。AI活用スキルを明文化し、現在地を可視化することは、評価のためだけではなく、必要な人材を計画的に育成するための基盤になります。

部門別スキルは、それぞれの業務成果に結びつけて定義します。営業であれば、商談メモの整理、提案書のたたき台作成、顧客課題の仮説整理などが対象になります。マーケティングであれば、記事構成案、広告文案、ペルソナ整理、キャンペーン振り返りなどです。人事であれば、研修設計、評価コメントの構造化、FAQ整備、オンボーディング資料の作成などが考えられます。

ここで大切なのは、AI活用を「ツール操作」ではなく「職務上の行動」として表現することです。

たとえば、スキルマップの項目を「AIチャットを使える」にすると、評価が浅くなります。代わりに、「商談メモをもとに、次回提案に必要な論点をAIで整理し、上長レビューにかけられる」と定義すれば、実務に近い評価になります。

等級制度にAI活用スキルを組み込む場合も、同じ考え方が使えます。初級者には「定型業務でAIを使える」ことを期待し、中級者には「業務プロセスにAIを組み込める」ことを求め、上級者には「チームや部門にAI活用の型を展開できる」ことを期待します。

等級制度にAI活用スキルを組み込む考え方

AI活用スキルを等級制度に反映する際は、すべての等級に同じ基準を置かないことが重要です。

若手社員に求めるAI活用と、マネージャーに求めるAI活用は異なります。若手社員には、自分の担当業務の効率化や成果物の改善が求められます。一方で、管理職には、チーム全体の業務プロセスを見直し、AI活用を組織的に定着させる役割が求められます。

たとえば、等級ごとの期待値は次のように整理できます。

このように、等級ごとの役割に応じて行動指標を変えることで、AI活用スキルがキャリアパスと接続されます。

ジョブ型の人事制度を採用している企業であれば、職務記述書にAI活用の期待行動を追記する方法もあります。ジョブ型とは、職務内容や期待成果を明確にしたうえで、人材の配置・評価・報酬を考える制度設計の考え方です。ただし、AI活用に関する記述を最初から細かく書きすぎると、ツールや業務の変化に追いつけなくなる可能性があります。

まずは主要職種から試し、四半期や半期ごとに見直す運用が現実的です。

リスキリング評価を育成計画につなげる

リスキリング評価でよくある失敗は、研修を受けたこと自体を評価してしまうことです。

もちろん、研修受講は重要です。しかし、人材育成にAIを組み込むなら、受講後に何を実践したか、どの業務に活かしたか、どのような改善につながったかを見る必要があります。

そのため、AI研修は「受講」「実践」「評価・可視化」「次の育成や役割への反映」の4つをセットにして設計します。

1. eラーニングや集合研修で、全社共通のAIリテラシー研修を受講する
2. 営業、人事、企画など、部門ごとの実務課題に取り組む
3. 1on1やチームミーティングで、AIを使った結果を振り返り、身についたスキルや改善点を可視化する
4. 振り返り内容を次の育成計画や目標設定、役割・配置の検討に反映する

営業なら商談メモから提案仮説を作る、人事なら研修案内文やFAQを作成する、企画なら会議資料の構成案を作るといった形です。

振り返りでは、次の項目を確認します。

• どの業務にAIを使ったか
• どの工程が短縮されたか
• 出力の確認でどこに注意したか
• 次回はどのように改善するか
• 他のメンバーにも共有できる型はあるか

この振り返りを育成計画に反映すると、AI活用が一度きりの研修ではなく、継続的な成長テーマになります。

評価面談でも、「AI研修を受けましたか」ではなく、「研修後にどの業務で活用し、何を学びましたか」と聞くことが大切です。AI時代の人材育成については、IPAのDX動向2026や、厚生労働省の第12次職業能力開発基本計画も参考になります。

2026年の人材政策でも、職務やスキルの標準化・可視化を進め、人材育成を社内外の労働移動や処遇向上につなげていく考え方が重視されています。AIリスキリングについても、研修の受講だけで完結させず、身についたスキルを可視化し、次の業務や役割につなげる視点が重要です。

目標設定にAI活用をどう入れるか

AI活用スキルを人事評価に組み込む場合、目標設定との接続も重要です。

ただし、「AIを毎週使う」といった目標はおすすめしません。利用頻度だけを目標にすると、目的のない利用が増える可能性があるためです。

目標は、業務成果や行動変化と結びつけて設定します。

たとえば、次のような目標です。

• 月次会議資料の作成プロセスにAIを活用し、構成案作成から初稿作成までの手順を見直す
• 顧客提案前の論点整理にAIを活用し、上長レビュー時の確認事項を整理しやすくする
• 部門内で使えるプロンプトを月2件共有し、チームの業務標準化に貢献する
• 研修受講後、担当業務のうち3つについてAI活用手順を整理する

ここでも重要なのは、数値だけに寄せすぎないことです。AI活用は、短期的な時間短縮だけでなく、考える質、レビューの精度、ナレッジ共有にも影響します。

また、AI活用の効果は「個人の時短」だけで捉えず、「チームの業務改善」「顧客価値や事業成果」まで段階的に確認します。IPAの「DX動向2026」でも、AI導入の効果は業務効率化・迅速化が中心であり、価値創出や企業変革への展開は依然として限定的であることが示されています。

そのため、定量目標と定性目標を組み合わせるとよいでしょう。

たとえば、「月次資料作成にかかる初稿作成時間を短縮する」と書く場合は、比較期間と測定方法を明確にします。「導入前1か月の平均作成時間を記録し、導入後1か月と比較する」といった条件を置くと、後から検証しやすくなります。

一方で、時間短縮だけでは品質が見えません。あわせて、「AI出力をそのまま使わず、根拠確認と表現調整の手順を明文化する」といった定性目標を置くと、品質と再現性を含めた評価がしやすくなります。

AI活用スキルの育成を仕組み化する

AI活用スキルを制度に組み込むには、研修、実践、共有、振り返りを同じ流れの中で回す必要があります。

まず、全社員向けのAI基礎研修や部門別AI活用研修を用意します。研修では、生成AIの基本的な使い方だけでなく、情報の取り扱い、出力確認、利用してよい業務と注意が必要な業務を扱います。

次に、実務課題に取り組みます。営業部門であれば商談メモの要約や提案書構成、人事部門であれば研修設計や評価コメントの整理、企画部門であれば会議アジェンダや意思決定資料のたたき台づくりなどです。

さらに、うまくいったプロンプトや業務手順は、チームで共有します。共有方法は、社内Wiki、チャットツール、LMS、ナレッジ管理ツールなど、既存の環境に合わせて選べば問題ありません。KanataのようにAIチャット、eラーニング、プロンプトや学習データの管理を同じ環境で扱えるサービスを使う場合は、研修から実践、共有までを一つの流れにしやすい点が特徴です。

ただし、どのツールを使う場合でも、重要なのは運用です。誰が教材を更新するのか、どのプロンプトを正式版として扱うのか、機密情報の取り扱いをどう確認するのかを決めておく必要があります。

マネージャーは、1on1や評価面談で、AIを使った実践内容を確認します。ただし、利用ログを監視するのではなく、育成の材料として扱うことが大切です。

たとえば、次のような問いを使えます。

• どの業務でAIを使いましたか
• 出力のどこを修正しましたか
• 次に改善できそうな点は何ですか
• 他のメンバーにも共有できる型はありますか

このような問いを通じて、AI活用スキルは評価されるだけでなく、育っていきます。

導入時によくある失敗

AI活用スキルを評価制度に組み込む際には、いくつかの失敗パターンがあります。

AI活用スキルを制度化する5つのステップ

AI活用スキルを人事評価・育成計画に組み込む手順は、次の5段階で考えると進めやすくなります。

1. AI活用の目的を決める

   まず、何のためにAI活用スキルを評価するのかを明確にします。目的が曖昧なまま評価項目を作ると、「会社がAIを使わせたいだけ」と受け取られる可能性があります。

   目的は、管理ではなく成長支援に置くべきです。

   • 業務改善の再現性を高める
   • リスキリングを実務に接続する
   • 部門ごとのAI活用レベルを可視化する
   • キャリアパスに新しいスキル要件を反映する

   この目的を最初に説明することで、現場の納得感が高まります。

2. 共通スキルを定義する

   次に、全社員に共通するAI活用スキルを定義します。

   おすすめは、次の4分類です。

   • 業務設計力
   • プロンプト設計力
   • レビュー力
   • 共有行動

   最初から細かくしすぎず、誰が見ても理解できる言葉にすることが大切です。また、情報管理やAIガバナンスは独立した利用テクニックではなく、4つのスキルすべてに共通する横断要件として定義します。

3. 部門別の行動指標に落とし込む

   共通スキルを定義したら、部門ごとの業務に合わせて行動指標を作ります。

   営業なら提案活動、人事なら研修や評価、情報システムなら問い合わせ対応や要件整理、マーケティングならコンテンツ制作や分析業務に結びつけます。

   このとき、人事部門だけで作らず、現場マネージャーを巻き込むことが重要です。現場の言葉で定義されていない評価項目は、運用されにくくなります。

4. 研修と実践課題をセットにする

   スキル定義だけでは、人は育ちません。

   研修で基本を学び、実務課題で試し、1on1で振り返る流れを作ります。AIチャット、eラーニング、社内Wiki、ナレッジ共有ツールなどを組み合わせ、研修内容と実務が切り離されないように設計します。

5. 評価者間で基準をすり合わせる

   最後に、評価者同士で基準をそろえます。

   同じ行動でも、評価者によって高く見たり低く見たりすると、制度への信頼が下がります。評価会議やマネージャー研修の中で、具体例を使ってすり合わせることが必要です。

   たとえば、次のようなケースを用意します。

   • AIを頻繁に使っているが、出力確認が甘い人
   • 利用頻度は高くないが、チームに使い方を共有している人
   • 時短効果は出ているが、成果物の品質にばらつきがある人
   • 自分の業務だけでなく、部門全体の手順を改善している人

   このような例をもとに話し合うことで、評価の解像度が上がります。

まとめ：AI活用を評価する目的は、管理ではなく成長支援です

AI活用スキルを人事評価に組み込むと聞くと、「社員を監視するのではないか」「AIを使わないと評価が下がるのではないか」と受け取られることがあります。

そのため、制度設計ではメッセージが非常に重要です。

AI活用を評価する目的は、社員を管理することではありません。新しい働き方に必要なスキルを明確にし、育成計画に反映し、キャリアパスにつなげることです。

また、AIを使うこと自体をすべての職種・業務の評価条件にする必要はありません。その職務でAI活用が合理的か、安全か、成果につながるかを踏まえて期待行動を設定し、AIを使わない方が適切な場面では、その判断も含めて評価することが重要です。

AIを使う人と使わない人の差は、今後さらに広がる可能性があります。ただし、その差を個人の努力だけに任せてしまうと、組織としての学習は進みません。

人事評価、等級制度、リスキリング、育成計画をつなげることで、AI活用は一部の人のスキルではなく、組織全体の能力として扱いやすくなります。

ただし、制度は一度作れば終わりではありません。AIツールも、業務も、求められるスキルも変わり続けます。最初から完璧な評価制度を目指すのではなく、小さく始めて、四半期や半期ごとに見直す姿勢が大切です。

まずは、1部門、1職種、1つの育成テーマから始めてみてください。そこで得られた実践例が、次の部門に展開するための土台になります。

Q&A