生成AI時代のAIリテラシー研修とは？全社員が学ぶべき10テーマと設計方法

この10テーマで、本当に抜け漏れはないでしょうか。

AIリテラシー研修の設計を支援していると、筆者はこれに近い相談を受けることがあります。人事部門は「全社員に何をどこまで教えるべきか」に悩み、DX推進部門は「研修後に本当に使われるのか」を気にし、情シス部門は「情報管理のルールが曖昧なまま広がらないか」を心配します。立場は違っても、根底にある不安は共通しています。生成AIを社内に広めたいが、何を共通知識としてそろえるべきかが見えにくいのです。

以前のAI研修は、AIの概要説明やツール操作の紹介だけで終わることも少なくありませんでした。ところが現在は、生成AIが文章作成、要約、議事録、社内問い合わせ、営業資料、研修教材づくりなど、日常業務の中に入り始めています。そのため、研修で扱うべき範囲も「AIとは何か」だけでは足りません。業務活用、プロンプト、情報セキュリティ、著作権、社内ルール、研修後の定着まで含めて設計する必要があります。

たとえば想定例として、対象300名・1か月の全社員向けAIリテラシー研修を設計する場合、講師資料を10テーマに分けておくと、部門別の補足や確認テスト、eラーニング化にも展開しやすくなります。弊社が提供するKanataのように、AIチャット、AI要約、eラーニングを一つの業務支援プラットフォーム内で扱える環境がある場合は、研修、演習、復習、業務活用をつなげて設計する選択肢もあります。

この記事では、AIリテラシー研修で扱いたい10のテーマを、全社員向けの共通パートとして整理します。目指すのは、研修ベンダーの比較や、社内講師向け資料のたたき台として活用できる状態です。ただし、テーマを並べるだけでAI活用が定着するわけではありません。運用ルール、情報管理、受講後の実践機会とあわせて設計してこそ、現場で使われ続ける研修になります。

AIリテラシー研修は「知識」だけでなく「判断基準」をそろえる場

AIリテラシー研修という言葉から、AIの仕組みや生成AIツールの使い方を教える研修を思い浮かべる方は多いかもしれません。

もちろん、AIとは何か、生成AIで何ができるのか、プロンプトをどう書くのかといった基本知識は必要です。ただ、筆者の実感として、全社員向け研修で本当に重要なのは「詳しい人」を増やすことではありません。重要なのは、社員一人ひとりが業務の中でAIを使うときに、最低限の判断ができる状態をつくることです。

たとえば、次のような判断です。

この作業はAIに任せてよいのか
この情報をAIに入力してよいのか
AIの出力をどこまで信じてよいのか
社外に出す前に誰が確認すべきか
自分の部署では、どの業務から試すべきか
トラブルが起きたとき、誰に相談すべきか

AIリテラシー研修は、全社員に同じツール操作を覚えてもらう場ではありません。AIとの付き合い方に関する最低限の共通認識をそろえる場です。

筆者は、AI研修を設計するとき、よく「運転免許」に近いものとして説明します。自動車のエンジン構造を完璧に理解していなくても運転はできます。しかし、信号、速度、危険予測、事故時の対応を知らないまま公道に出ることはできません。生成AIも同じです。高度な技術理解よりも先に、業務で使うためのルールと判断基準が必要です。

政府のAI事業者ガイドラインでも、AIに関わる人が十分なAIリテラシーを確保するために必要な措置を講じることが重要な観点として示されています。

その意味で、AIリテラシー研修は、DX研修、情報セキュリティ研修、業務改善研修の要素を少しずつ含みます。テーマを狭くしすぎると現場で使えず、広げすぎると研修内容が散漫になります。だからこそ、まずは全社員共通で押さえるべきテーマを10個に分けて整理することが、研修設計の出発点になります。

AIリテラシー研修で扱うべき10のテーマ

全社員向けのAIリテラシー研修では、以下の10テーマを軸に設計すると、内容の抜け漏れを防ぎやすくなります。

AI・生成AI・LLMの基本概念
生成AIでできること／できないこと
業務で使いやすい代表的な活用シーン
プロンプトの基本
AI出力の確認方法
情報セキュリティと入力してはいけない情報
著作権・個人情報・社内規程との関係
部門別の活用例
社内ルールと運用責任
研修後の定着設計

この10テーマは、単なる知識の一覧ではありません。前半の1〜5は、AIを理解し、実際に使うための基礎です。後半の6〜10は、組織として安全に広げ、業務に定着させるためのテーマです。

AI研修の内容を考えるときは、「便利な使い方」だけに寄せないことが大切です。現場の関心は「何に使えるか」に向かいやすい一方で、管理部門や情シス部門の関心は「何をしてはいけないか」に向かいやすいからです。

便利さとリスクのどちらか一方だけを強調すると、研修はうまく機能しません。便利さ、限界、責任、運用をセットで扱うことで、全社員向け研修としての実効性が高まります。

テーマ1：AI・生成AI・LLMの基本概念

最初に扱いたいテーマは、AI・生成AI・LLMの基本概念です。

全社員向け研修では、技術的な詳細に踏み込みすぎる必要はありません。むしろ、専門用語を増やしすぎると、研修の早い段階で受講者が置いていかれてしまいます。

ここで目指すべきなのは、受講者が次の違いを大まかに説明できる状態です。

AIとは何か
生成AIとは何か
LLMとは何か
検索エンジンと生成AIは何が違うのか
従来のチャットボットと生成AIチャットは何が違うのか

AIは、人間の判断や認識に近い処理をコンピューターで行う技術の総称です。生成AIは、その中でも文章、画像、音声、要約、コードなどの新しいコンテンツを生成する技術です。LLMは「Large Language Model」の略で、日本語では大規模言語モデルと呼ばれます。大量のテキストを学習し、文脈に応じて自然な文章を生成するAIモデルです。

ただし、この説明だけで終わらせないことが重要です。筆者が研修でよく補足するのは、「生成AIは、知識の保管庫というより、文脈に応じて文章を組み立てる仕組みに近い」という点です。

この前提がないと、受講者はAIの回答を「検索結果」や「正解集」のように受け取ってしまいます。しかし、生成AIは常に正しい情報を返すわけではありません。自然で説得力のある文章を作ることは得意ですが、最新情報、社内固有情報、正確な数値、法的判断などは、必ずしも正しいとは限りません。

最初のテーマでこの前提をそろえておくと、後半のリスク管理や出力確認の話が伝わりやすくなります。

テーマ2：生成AIでできること／できないこと

次に、生成AIでできることと、できないことを明確にします。

AIリテラシー研修では、「AIは便利です」と伝えるだけでは不十分です。便利さだけを強調すると、受講者は過度に期待するか、逆に「自分の仕事には関係ない」と距離を置いてしまいます。

研修では、まず生成AIが得意な業務を具体的に示します。代表的なものは、次のような業務です。

文章の下書き
メール文面の作成
会議メモや議事録の要約
資料構成の整理
アイデア出し
表現の言い換え
比較表の作成
FAQやマニュアルのたたき台作成
研修コンテンツの構成案作成

Kanataを使う場合も、最初から高度な自動化を狙うより、メールの下書き、議事録作成、資料のリライト、調査の起点づくり、週報・1on1メモの準備など、部署を問わず取り入れやすい業務から始める設計が現実的です。日常的に発生する「下書き」「整理」「要約」「言い換え」から始めるほうが、現場に定着しやすいためです。

一方で、生成AIが苦手なことも同じくらい丁寧に扱う必要があります。たとえば、以下のような作業はAIに任せきりにするべきではありません。

正確な数値や日付の判断
法務・税務・労務など専門判断
顧客との重要な交渉
人事評価の最終判断
経営判断
社外公開前の最終確認
機密情報を含む文書の扱い

下書き・要約・整理・調査の起点はAIに任せやすい一方で、事実確認・最終判断・関係性のある対話は人が担う。この線引きは、研修の中で繰り返し伝えるべきです。

AIは業務を代わりに完了してくれる存在ではなく、人が判断するための材料を整える存在です。

研修では、「AIに任せる仕事」と「人が責任を持つ仕事」を分けるワークを入れると効果的です。たとえば、受講者に自分の業務を10個書き出してもらい、次の3分類に分けてもらいます。

AIに任せやすい業務
AIに下書きまで任せ、人が確認する業務
AIに任せるべきではない業務

この分類ができるようになると、AI活用は一気に現実的になります。筆者の経験でも、AI活用が進む企業ほど、何でもAIにやらせようとはしていません。むしろ、人とAIの役割分担が明確です。

テーマ3：業務で使いやすい代表的な活用シーン

3つ目のテーマは、業務で使いやすい代表的な活用シーンです。

全社員向け研修では、抽象的な説明だけでなく、「明日から何に使えるのか」を示す必要があります。

特に初回研修では、難しい活用例よりも、日常業務に近い例から入るほうが定着しやすくなります。筆者も、AI研修では最初から高度な自動化やシステム連携の話に入りすぎないようにしています。大切なのは、すごい未来の話よりも、明日の仕事が少し楽になると感じられることです。

メール作成

依頼、日程調整、お礼、お詫び、社内通知などのメール文面をAIに下書きさせます。

研修では、単に「メールを書いてください」と依頼するのではなく、相手、目的、伝えたい要点、トーン、文字数を指定する例を見せるとよいでしょう。

取引先への日程調整メールを作成してください。相手は既存顧客で、こちらから候補日を3つ提示します。丁寧だが堅すぎない文面にしてください。本文は300字以内でお願いします。

この程度の具体性があるだけで、AIの出力は大きく変わります。

議事録・会議メモの整理

会議中のメモや文字起こしから、決定事項、TODO、論点、次回までの宿題を整理します。

Kanataのように、ドキュメント、画像、音声、URL、テキストなど複数の入力方法から要約できる機能を備えたサービスを使う場合は、議事録、会議メモ、資料、録音内容などを題材にした演習を組み込みやすくなります。

議事録作成は、多くの部門で発生します。営業会議、人事面談、プロジェクト定例、経営会議、顧客打ち合わせなど、対象を変えればほぼ全社員が活用することができます。

資料の構成案作成

企画書、提案書、社内説明資料などの構成をAIに出してもらいます。

白紙から書き始めるより、構成案を見ながら修正するほうが、作業の心理的負担を下げやすくなります。筆者自身も、資料づくりではまずAIに構成案を出させ、そのうえで自分の考えに合うように削る、並べ替える、言い換えるという使い方をすることがあります。

文章のリライト・校正

長い文章を短くする、専門用語を補足する、読み手に合わせてトーンを変えるといった使い方です。

ただし、AIが意味を変えてしまう可能性もあるため、リライト後の確認は必須です。特に、契約、規程、仕様、数値、顧客条件を含む文書では、表現の改善と事実の変更を分けて確認する必要があります。

アイデア出し・論点整理

新規企画、研修テーマ、顧客提案、業務改善案などを広げるときにもAIは使いやすいです。

ここで重要なのは、AIに「正解」を求めるのではなく、考えるためのたたき台を出してもらうことです。筆者は、AIの価値は答えそのものよりも、思考の初速を上げることにあると考えています。

研修では、受講者が自分の業務に置き換えられるよう、部署別の演習時間を設けると効果的です。

テーマ4：プロンプトの基本

4つ目のテーマは、プロンプトの基本です。

プロンプトとは、AIに対する指示文のことです。生成AIの出力品質は、この指示の出し方に大きく左右されます。とはいえ、全社員向け研修で高度なプロンプト技術を教える必要はありません。

まずは、どの業務でも使える基本の型をそろえることが大切です。研修では、以下の6要素を基本形として教えるとよいでしょう。

役割: AIにどの立場で答えてほしいかを指定します。例：あなたは人事研修の設計担当者です。
目的: 何のために出力してほしいのかを伝えます。例：全社員向け研修の構成を作りたい。
対象読者: 誰が読むのか、誰に説明するのかを明示します。例：AIに詳しくない一般社員向け。
前提情報: 判断に必要な条件や背景を渡します。例：研修時間は90分、対象者は300名。
出力形式: 表、箇条書き、メール文、スライド構成など、形式を指定します。例：H2とH3の構成で出してください。
制約: 避けたい表現や注意点を指定します。例：数値は捏造しないでください。不明な点は「要確認」と書いてください。

研修では、悪いプロンプトと良いプロンプトを比較すると理解が進みます。

悪い例: AI研修の内容を考えて
良い例: あなたは全社員向けAIリテラシー研修の設計者です。対象はAI初心者を含む300名の社員です。90分研修で、生成AIの基本、業務活用、情報セキュリティ、演習を含めたいです。H2とH3の構成で、時間配分つきの研修案を作成してください。専門用語は使いすぎず、不明な前提は「要確認」としてください。

悪い例でも何らかの回答は返ってきます。しかし、対象者、研修時間、目的、出力形式が曖昧なため、実務で使える内容になりにくいでしょう。

筆者は、プロンプトを「お願いの文章」ではなく「仕事の依頼書」だと捉えるように伝えています。人に仕事を依頼するときと同じように、背景、目的、条件、納品形式を伝える。これだけで、多くの受講者はAIへの指示を具体化しやすくなります。

テーマ5：AI出力の確認方法

5つ目のテーマは、AI出力の確認方法です。

AIリテラシー研修では、プロンプトの書き方と同じくらい、出力の確認方法を教える必要があります。

生成AIは自然な文章を作ることが得意です。そのため、間違っていても正しそうに見えることがあります。筆者はこの点を、研修の中でかなり強調します。生成AIのリスクは、明らかにおかしな回答よりも、自然で説得力がある間違いにあるからです。

研修では、少なくとも次の観点で確認をすべきです。

数字を確認する

売上、人数、割合、期間、費用、件数などの数字は必ず確認します。AIが出した数字をそのまま使うのではなく、一時情報、社内資料、公式情報と照合することをルールにします。

日付を確認する

イベント日、契約日、公開日、法改正日、締切などの日付も確認が必要です。特に、古い情報と新しい情報が混ざると、社内文書では大きな誤解につながります。

固有名詞を確認する

会社名、サービス名、人名、部署名、製品名などの固有名詞は、誤字や混同が起きやすい項目です。社外提出資料では、固有名詞の誤りが信頼低下につながるため、必ず人が確認します。

引用や出典を確認する

AIが示した引用や出典が実在するとは限りません。研修では、「引用らしいものが出てきても、必ず原文に当たる」と伝える必要があります。

判断と事実を分ける

AI出力の中に、事実、推測、提案が混ざっている場合があります。受講者には、出力をそのまま読むのではなく、「これは事実か、推測か、意見か」を分けて確認する習慣を持ってもらいます。

ここで大切なのは、AIを疑うことではありません。AIの出力を、人が責任を持って使える状態に整えることです。

テーマ6：情報セキュリティと入力してはいけない情報

6つ目のテーマは、情報セキュリティです。

AIリテラシー研修において、情報セキュリティは後回しにしてはいけません。便利な使い方を先に教え、あとから注意事項を伝える構成にすると、受講者は「とにかく使ってよい」と受け取ってしまう可能性があります。

筆者は、生成AI研修では早い段階で「入れてはいけない情報」を扱うようにしています。少し硬い話に感じられても、ここを曖昧にしたまま業務利用を促すほうが危険です。

研修では、AIに入力してよい情報と、入力してはいけない情報を具体的に示す必要があります。

AIリテラシー研修で扱う情報区分の例
区分	例	研修での扱い
公開情報	公式サイト、公開資料、プレスリリース	原則利用しやすい
社内一般情報	社内マニュアル、公開済み社内FAQ	社内ルールに従って利用
顧客情報	商談メモ、契約条件、提案内容	契約・権限・マスキングを確認
個人情報	氏名、住所、連絡先、社員番号	原則入力しない、必要時はマスキング
機密情報	健康情報、信条、口座情報、マイナンバー等	入力禁止
未公開情報	未発表の決算、人事異動、M&A情報	入力禁止

生成AIの利用では、個人情報、顧客情報、営業秘密、未公開情報などの扱いに注意が必要です。利用するAIサービスによって、入力データの保存、学習利用、管理者権限、ログ取得、外部送信の扱いが異なるため、自社の利用ルールと契約条件に照らして確認する必要があります。

また、マスキングの基本も研修に含めると実務で使いやすくなります。

氏名を「担当者A」に置き換える
会社名を「製造業の大手企業」などに一般化する
金額を「数千万円規模」などに丸める
住所や連絡先は削除する
特定個人が推測できる情報を残さない

ただし、マスキングすれば何でも入力してよいわけではありません。複数の情報を組み合わせると個人や顧客が推測できる場合があります。

研修では、「迷ったら入力しない」「判断に迷う場合は管理部門や情シスに確認する」というルールまで明確にしておくことが重要です。

筆者は、AI活用を止めるためにセキュリティを語るべきではないと考えています。むしろ、安全な範囲を明確にすることで、社員が安心して使えるようになります。

テーマ7：著作権・個人情報・社内規程との関係

7つ目のテーマは、著作権・個人情報・社内規程との関係です。

このテーマは難しく見えますが、全社員向け研修では、法律の詳細を教えることが目的ではありません。目的は、社員が「これは確認が必要な使い方だ」と気づけるようにすることです。

たとえば、次のようなケースを研修で扱うとよいでしょう。

外部記事をAIに要約させて社内資料に使う
他社のホワイトペーパーを読み込ませて比較表を作る
顧客から受け取った資料をAIに整理させる
社員情報を含む人事データをAIに入力する
AIが作成した文章を社外広告や営業資料に使う
AIが生成した画像やコピーをそのまま公開する

これらは、著作権、契約、個人情報保護、社内規程に関わる可能性があります。

研修では、すべての判断を現場社員に任せるのではなく、「確認が必要な場面」を見分ける基準を教えることが重要です。

社外から受け取った資料を使う場合は、契約上の利用範囲を確認する
個人情報を含む場合は、原則AIに入力しない
社外公開する文章や画像は、必ず人が確認する
法律・契約・労務に関する出力は、専門部門に確認する
社内規程に反する使い方をしない

全社員研修では、細かな法解釈よりも、「判断に迷う使い方を一人で進めない」ことを徹底するほうが現実的です。

筆者は、ここで受講者を怖がらせすぎる必要はないと考えています。重要なのは、「危ないから使うな」ではなく、「確認が必要な場面を見分けよう」という姿勢です。

テーマ8：部門別の活用例

8つ目のテーマは、部門別の活用例です。

全社員向け研修では、共通テーマだけでは「自分の仕事にどう関係するのか」が伝わりきらないことがあります。そのため、後半に部門別の活用例を入れると、受講者が自分の業務に置き換えて考えやすくなります。

筆者は、AI研修の中で部門別ワークを入れることをおすすめしています。同じ生成AIでも、人事、情シス、営業、管理職では使いどころが異なるためです。

人事・総務部門

人事・総務では、研修案内文、社内FAQ、問い合わせ対応、オンボーディング資料、規程説明などに活用できます。

たとえば、社内規程をもとにした問い合わせ対応では、AIに一般論で答えさせるのではなく、「規程に根拠がない場合は、担当部門へ確認を促す」といったルールを設けることが重要です。

情報システム部門

情シスでは、社内問い合わせの一次整理、利用ルールの作成、FAQの更新、システム障害についての連絡文の下書き、セキュリティ教育資料の作成などに活用できます。

ただし、システム構成、アカウント情報、脆弱性情報などの扱いには注意が必要です。

情シス部門にとってAIは、問い合わせ対応を効率化する手段であると同時に、新しい管理対象でもあります。そのため、研修では「使う側」と「管理する側」の両面を扱う必要があります。

営業・マーケティング部門

営業・マーケティングでは、提案書構成、商談メモの整理、顧客課題の仮説出し、メール文面、コンテンツ企画などに活用できます。

ただし、顧客情報や商談情報には機密性の高い内容が含まれることがあります。研修では、どこまでAIに入力してよいか、どの情報はマスキングすべきかを必ずセットで扱う必要があります。

管理職・マネジャー

管理職は、会議アジェンダ、1on1準備、評価コメントのたたき台、意思決定の論点整理、OKRドラフトなどに活用できます。

ただし、人事評価や配置判断の最終判断をAIに任せるべきではありません。AIは考えを整理する補助役であり、責任を引き受ける存在ではないことを研修で明確にします。

部門別活用例を扱う際は、「便利そうな例」を紹介するだけでなく、各部門で注意すべきリスクもセットで示すことが大切です。

テーマ9：社内ルールと運用責任

9つ目のテーマは、社内ルールと運用責任です。

AIリテラシー研修では、個人の使い方だけでなく、組織としてのルールも扱う必要があります。AI活用は個人の工夫だけで広げると、部署ごとに使い方がばらつき、情報管理や品質確認のルールが曖昧になるためです。

研修で最低限扱いたい社内ルールは、次のようなものです。

会社として利用を認めるAIツール
利用してはいけないAIツール
入力してよい情報と禁止情報
社外提出前のレビュー基準
顧客情報を扱う場合の手続き
トラブル時の報告先
部署ごとの管理者・相談先
プロンプトや活用事例の共有方法

Kanataを使う場合は、組織単位のスペース、業務単位のプロジェクト、AIチャットやAI要約などのアプリ、再利用するプロンプトや学習データを管理するライブラリを組み合わせて運用できます。こうした構造を活用すると、どの部署が、どの情報を、どのAI機能で扱うのかを整理しやすくなります。

たとえば、全社共通のAI研修では、受講者に次のような説明を入れるとよいでしょう。

全社員が使う共通環境
部署ごとに使う環境
機密性の高い業務で使う環境
研修用に使う環境
検証用に使う環境

また、誰がAI出力に責任を持つのかも明確にします。

AIが作成した文章であっても、社外に提出する場合は提出者や承認者が責任を持ちます。AIが間違えたから仕方ない、という説明は通用しません。

この考え方を研修で共有しておくことで、受講者が安心して使える範囲と、慎重に扱うべき範囲を理解しやすくなります。

筆者は、AI活用の成否はツール選定だけで決まらないと考えています。現場で使われ続けるかどうかは、ルールと責任の設計に大きく左右されます。

テーマ10：研修後の定着設計

最後のテーマは、研修後の定着設計です。

AIリテラシー研修は、1回実施して終わりではありません。むしろ、研修後にどのような行動を促すかで、実際の定着度が変わります。

筆者がよく伝えるのは、研修は「イベント」ではなく「運用の起点」だということです。受講した直後に少し盛り上がっても、1か月後に誰も使っていなければ、研修としては十分ではありません。

研修後の定着には、次のような仕組みが有効です。

受講後すぐに使えるチェックリストを配る

受講者が業務でAIを使う前に確認できるチェックリストを用意します。

目的は明確か
入力情報に機密情報や個人情報が含まれていないか
出力形式を指定しているか
数字や固有名詞を確認したか
社外提出前に人がレビューしたか

受講後1週間以内にミニ演習を行う

研修直後は理解していても、時間が経つと使い方を忘れてしまいます。そのため、受講後1週間以内に、各自の業務で1つAI活用を試してもらうミニ演習を入れるとよいでしょう。

自分の業務でAIに任せやすい作業を3つ書き出す
メール文面をAIで下書きする
会議メモをAIで整理する
研修で学んだプロンプトの型を使って1回依頼する
出力結果を確認し、修正点を記録する

大切なのは、研修内容を「理解」で終わらせず、実際の業務行動に変えることです。

部署ごとに活用事例を共有する

全社員研修のあと、部署ごとに活用事例を共有する時間を設けます。同じ研修を受けても、使える場面は部署によって異なります。人事、情シス、営業、管理職では、AI活用の入口が違います。

部署ごとの共有会を行うことで、「自分の業務でも使えそう」という気づきが生まれやすくなります。

筆者は、活用事例の共有では、成功例だけでなく失敗例も扱うことをおすすめしています。うまくいかなかったプロンプト、出力確認で気づいた誤り、入力してはいけない情報に気づいた場面なども、組織にとっては重要な学びです。

プロンプトや教材を蓄積する

よく使うプロンプトや研修資料は、個人のメモに閉じず、組織で再利用できる形にすることが重要です。

Kanataのように、プロンプトや学習データをプロジェクト単位で管理できる環境がある場合は、研修で使ったプロンプト、よくある質問、社内ルール、サンプル教材などを蓄積しやすくなります。個人の工夫を組織のナレッジとして再利用することが、研修後の定着につながります。

eラーニングで継続学習につなげる

全社員向けの初回研修をライブで実施し、その後はeラーニングで復習できるようにする方法もあります。

Kanataのように、動画コンテンツをeラーニングとして配信し、受講者が学習内容についてAIに質問できる仕組みを備えた環境であれば、研修後に受講者が不明点を見返し、必要に応じて補足説明を受ける導線をつくれます。

研修後に受講者が不明点を見返せる状態をつくることで、1回限りの研修ではなく、継続的な学習導線にできます。

研修カリキュラムの構成例

ここまでの10テーマを、実際の研修にどう落とし込むかを考えます。

研修時間によって、扱う深さは変わります。ここでは、想定例として90分研修、半日研修、eラーニング併用型の3パターンを示します。

90分研修の構成例

対象は全社員、前提はAI初心者を含む状態です。目的は、最低限の基礎理解と安全な使い方をそろえることです。

90分のAIリテラシー研修の構成例
時間	内容
0〜10分	AIリテラシー研修の目的
10〜25分	AI・生成AI・LLMの基本
25〜40分	できること／できないこと
40〜55分	プロンプトの基本
55〜70分	情報セキュリティと入力禁止情報
70〜80分	AI出力の確認方法
80〜90分	研修後の実践課題とチェックリスト

90分研修では、すべてを深く扱うよりも、共通認識をそろえることに重点を置きます。部門別活用例や演習は、別途フォロー研修に分けると無理がありません。

半日研修の構成例

対象は、人事、DX推進、情シス、部門推進者など、社内展開を担う立場の方です。目的は、自部署で研修や活用推進ができる状態にすることです。

半日のAIリテラシー研修の構成例
時間	内容
0〜30分	AIリテラシーの基本と研修目的
30〜60分	生成AIでできること／できないこと
60〜90分	プロンプト演習
90〜120分	情報管理・社内ルール
120〜150分	部門別活用ワーク
150〜180分	研修後の定着施策設計
180〜240分	自部署向け研修案の作成・共有

半日研修では、受講者自身が「社内講師」や「部門推進者」になることを想定し、研修資料の構成案作成まで行うと実務につながります。

筆者が支援する場合も、この層には単なる受講者ではなく、社内に広げる側として参加してもらうことを重視します。そうしないと、研修が一度きりのイベントで終わってしまうからです。

eラーニング併用型の構成例

対象は全社員、前提は受講時間を分散させたい企業です。目的は、基礎知識をeラーニングで学び、演習はライブで行うことです。

eラーニングで基礎講座を受講
確認テストで理解度を確認
ライブ研修でプロンプト演習を実施
部署ごとに活用例を共有
1か月後に活用状況を振り返る

この形式は、全社員一斉研修が難しい企業や、拠点・部署が分かれている企業に向いています。

KanataのようにAIチャット、AI要約、eラーニングを同じ業務支援プラットフォーム内で扱える場合は、研修、演習、復習、業務活用をつなげやすくなります。

ただし、ツールを導入するだけで研修が定着するわけではありません。誰が教材を更新するのか、誰が質問に答えるのか、どの頻度でルールを見直すのかまで決めておく必要があります。

AIリテラシー研修の抜け漏れを防ぐチェックリスト

研修設計時には、次の観点で抜け漏れを確認します。

知識面

AI、生成AI、LLMの違いを説明しているか
検索と生成AIの違いを扱っているか
生成AIの得意・不得意を説明しているか
AIが間違える可能性を伝えているか

実践面

業務で使える具体例を示しているか
プロンプトの基本形を教えているか
悪い例と良い例を比較しているか
受講者が手を動かす演習を入れているか

リスク面

入力してはいけない情報を明示しているか
個人情報・機密情報の扱いを説明しているか
著作権や社内規程に触れているか
出力確認のルールを扱っているか

運用面

利用できるツールを明示しているか
社外提出前のレビュー責任を説明しているか
困ったときの相談先を示しているか
研修後の実践課題を用意しているか
定着状況を振り返る機会を設けているか

このチェックリストを使うと、研修ベンダーの提案内容を比較するときにも役立ちます。

たとえば、ある研修がプロンプト演習に強い一方で、情報セキュリティや社内ルールに触れていない場合、自社側で補足コンテンツを用意する必要があります。

逆に、リスク説明に偏りすぎて実践演習が少ない場合、受講者は「AIは危ないもの」という印象だけを持って終わる可能性があります。

AIリテラシー研修では、知識、実践、リスク、運用の4つをバランスよく設計することが重要です。

Kanataを研修運用に組み込む場合の考え方

AIリテラシー研修の運用では、教材作成、受講、演習、振り返り、ナレッジ蓄積など、複数の工程が発生します。

Kanataは、AIチャット、AI要約、eラーニングなどを一つの業務支援プラットフォーム内で扱えるため、研修運用の一部に組み込める場面があります。とはいえ、Kanataだけが選択肢ではありません。すでに社内で使っているLMS、チャットツール、ナレッジ管理ツール、生成AIサービスと組み合わせて運用する方法もあります。

Kanataが向いているのは、研修コンテンツ、AI演習、要約、プロンプトや学習データの管理を、できるだけ一つの導線で扱いたい場合です。

AIチャットでプロンプト演習を行う

受講者が研修中に、実際の業務を題材にプロンプトを作成し、AIチャットで出力を確認します。このとき、講師は「よい出力が出たか」だけでなく、目的、前提、出力形式、制約が書けているかを確認します。

AI要約で議事録や資料要約の演習を行う

会議メモや資料を題材に、要約の演習を行います。ドキュメント、画像、音声、URL、テキストなど複数の素材を入力できる要約機能があれば、議事録、研修資料、社内共有文書などの題材に展開しやすくなります。

eラーニングで基礎研修を配信する

全社員向けの基礎パートは、動画コンテンツとして配信し、受講状況を確認します。その後、ライブ研修や部署別ワークショップで、実際の業務に近い演習を行うと、知識と実践を分けて設計できます。

プロンプトや学習データを蓄積する

研修で使ったプロンプト、よくある質問、社内ルール、サンプル教材などをライブラリに蓄積します。個人の工夫を組織のナレッジとして再利用できる状態にしておくと、研修後の定着につながります。

ただし、Kanataを使えばAIリテラシー研修が自動的に成功するわけではありません。研修の目的、対象者、社内ルール、運用体制を決めたうえで、必要な部分に組み込むことが大切です。

筆者は、AI導入において「ツールがあるから使う」のではなく、「業務上の課題があり、それを解くためにツールを使う」という順番を重視しています。これは研修運用でも同じです。

まとめ：10テーマを起点に、自社のAIリテラシー研修を設計する

AIリテラシー研修で大切なのは、生成AIの便利さを伝えることだけではありません。

全社員が、安全に、現実的に、業務の中で使える判断基準を持つことが重要です。

そのためには、次の10テーマを軸に研修内容を設計すると、抜け漏れを防ぎやすくなります。

AI・生成AI・LLMの基本概念
生成AIでできること／できないこと
業務で使いやすい代表的な活用シーン
プロンプトの基本
AI出力の確認方法
情報セキュリティと入力してはいけない情報
著作権・個人情報・社内規程との関係
部門別の活用例
社内ルールと運用責任
研修後の定着設計

研修担当者は、まずこの10テーマを共通パートとして整理し、そのうえで自社の業種、部門構成、利用ツール、情報管理ルールに合わせて深さを調整するとよいでしょう。

AIリテラシー研修は、全員に同じ知識を教えるだけの研修ではありません。共通の土台をつくったうえで、役割ごとの意思決定や業務活用へつなげるための入口です。

筆者が現場で感じるのは、AI活用がうまく進む企業ほど、最初から大きな成果を狙いすぎないということです。まずは、社員が安心して試せる範囲を決める。次に、よく使う業務で小さく実践する。そして、うまくいった使い方を組織で共有する。この積み重ねが、結果的にAI活用の定着につながります。

Q&A：AIリテラシー研修でよくある質問

AIリテラシー研修は何時間くらいで実施すべきですか？

全社員向けの初回研修であれば、まずは90分程度で共通認識をそろえる設計が現実的です。AIの基本、できること・できないこと、プロンプトの型、情報セキュリティ、出力確認の考え方を扱います。部門別演習や社内ルールづくりまで行う場合は、半日研修や複数回の研修に分けると無理がありません。

AI初心者が多い場合、どこから教えるべきですか？

最初は専門用語よりも、日常業務に近い活用例から入ると理解しやすくなります。メール作成、議事録整理、文章のリライト、資料構成案の作成など、受講者が自分の仕事に置き換えやすい題材を使うと効果的です。そのうえで、AI・生成AI・LLMの基本概念を簡潔に補足すると、知識と実務がつながりやすくなります。

プロンプト研修では何を教えればよいですか？

高度なテクニックよりも、まずは「役割」「目的」「対象読者」「前提情報」「出力形式」「制約」の6要素を教えるとよいでしょう。たとえば「AI研修の内容を考えて」ではなく、「対象者はAI初心者を含む300名、研修時間は90分、出力は時間配分つきの構成案」と伝えるだけで、出力の実用性は高まりやすくなります。

情報セキュリティはどこまで扱うべきですか？

少なくとも、入力してよい情報と入力してはいけない情報の分類は扱うべきです。個人情報、顧客情報、営業秘密、未公開の財務情報、人事情報などは、利用するAIサービスや社内ルールによって扱いが変わります。研修では、「迷ったら入力しない」「判断に迷う場合は情シスや管理部門に確認する」という行動基準まで伝えることが重要です。

研修後にAI活用を定着させるには何が必要ですか？

研修後のミニ演習、部署別の活用共有、プロンプトや教材の蓄積、定期的なルール見直しが有効です。研修を一度実施するだけでは、現場の行動は変わりにくいものです。受講後1週間以内に実務で1回使ってもらい、1か月後に活用状況を振り返るなど、研修を運用の起点として設計することが大切です。