「スカウト文を修正していたら、評価コメントを書く時間がまた夜になってしまった」
人事部門では、求人票やスカウト文の作成、面接質問の設計、評価コメントの整理、研修教材の作成など、文章作成と情報整理を伴う業務が日常的に発生します。こうした業務が特定の担当者に集中すると、新しい採用施策の検討や、社員のキャリア開発、対話を通じた育成支援に十分な時間を割けなくなることがあります。
例えば、採用・評価・育成に関する定型文書では、生成AIによって初稿作成時間を短縮できる場合があります。ただし、効果を評価する際は、初稿作成時間だけでなく、確認・修正・承認を含む総作業時間や成果物の品質も確認する必要があります。
生成AI活用の目的は、採用や評価に関する判断をAIに委ねることではありません。下書き、要約、分類、比較といった作業を支援させ、人が判断、対話、育成、施策設計に使える時間を増やすことです。
本記事では、人事業務を中心に、生成AIを部門の実務へ安全かつ継続的に組み込むための研修設計を解説します。
生成AI研修が操作説明だけでは定着しにくい理由
生成AI研修では、プロンプトの書き方やチャットツールの操作方法が中心になりがちです。文章生成、要約、情報整理の基本を学ぶことは重要ですが、企業での継続的な活用には、それだけでは十分でない場合があります。
現場では、次のような課題が起こり得ます。
- 便利そうだが、自分の業務のどこで使えるか分からない
- 研修直後は試したものの、しばらくすると元の方法へ戻る
- 一部の詳しい社員だけが使い、活用方法がチームに共有されない
- どの情報を入力してよいか、どこまでAIに任せてよいか分からない
- AIの出力を誰が確認し、責任を持つのか決まっていない
経済産業省が公表している「AI事業者ガイドライン」では、AIの能力や限界、適切・不適切な利用方法について理解を促すことや、関係者のAIリテラシーを高めるための取り組みの重要性が示されています。本記事執筆時点の最新版は第1.2版です。
そのため、企業の生成AI研修では、単に「生成AIとは何か」を説明するだけでなく、次の事項まで具体化する必要があります。
- どの業務を対象とするか
- どの工程をAIに支援させるか
- 人が確認・判断する工程はどこか
- 入力してよい情報と、入力してはいけない情報は何か
- 活用方法をどのように共有し、更新するか
- 問題が発生した場合に誰へ報告するか
部門ごとに研修内容を変える必要がある
生成AIは、文章作成、要約、分類、比較、アイデア出し、表形式での整理など、幅広い用途に利用できます。一方、実務で求められる条件や許容できるリスクは、部門によって異なります。
- 人事部門
- 候補者への配慮、評価基準との整合性、雇用上の公平性、個人情報の保護が重要です。
- マーケティング・営業部門
- 顧客の課題や購買プロセス、商談段階、既存資料との整合性に加え、広告表現や事実関係の確認が求められます。
- 情報システム部門
- 利用サービスの契約条件、社内データの取り扱い、アクセス権限、ログ管理、既存システムとの連携などを検討する必要があります。
- 経営層
- 個々の作業時間を短縮するだけでなく、どの業務でAIを活用するのか、どのような成果指標を置くのか、誰がリスクを管理するのかという全体設計が求められます。
全社員に共通するAIリテラシー教育と、部門固有の業務・データ・判断基準を扱う実践研修は、分けて設計するのが適切です。
最初に対象とするのは「判断」ではなく「支援業務」
生成AIの導入初期には、採用可否、人事評価の点数、昇進・配置、契約上のリスクなど、個人や企業に重大な影響を及ぼす判断をAIだけに委ねるべきではありません。
生成AIの出力には、事実と異なる内容、根拠を確認できない記述、偏った評価などが含まれる可能性があります。経済産業省が公表している「AI事業者ガイドライン」も、AIの利用において、人間中心、安全性、公平性、プライバシー保護、セキュリティ、透明性、アカウンタビリティなどを考慮するよう示しています。
また、EUのAI法では、採用、労働者の選考、昇進・解雇、人員配置などに関わる一定のAIシステムが、高リスクに分類される可能性があります。高リスクAIに関する規則のうち、雇用などの領域については2027年12月2日からの適用が予定されています。日本企業に同法が常に直接適用されるわけではありませんが、人事領域でAIを利用する際に、リスクに応じた管理が重視されていることを示す参考事例です。
導入初期に取り組みやすいのは、次のような支援業務です。
- 文章の初稿を作成する
- 長いメモや議事録を要約する
- 複数の案を比較表に整理する
- 面接質問や研修教材のたたき台を作る
- 評価コメントの素材を「事実」「解釈」「期待」に分ける
- 承認済みの社内資料からFAQ案を作る
- 文章の構成やトーンを整える
| 担当 | 主な役割 | 具体例 |
|---|---|---|
| 生成AI | 判断に必要な素材の整理や初稿作成を支援する | 要約、分類、比較、言い換え、構成案の作成 |
| 人 | 事実を確認し、判断と説明に責任を持つ | 最終判断、法務確認、本人との面談、承認 |
これらの用途でも、AIの出力をそのまま使用するのではなく、担当者が元資料との整合性や表現の妥当性を確認する必要があります。重要なのは、業務単位ではなく工程単位で、「AIが支援する範囲」と「人が責任を持つ範囲」を決めることです。
人事部門では採用・評価・育成から始めやすい
人事部門では、文章作成や情報整理を伴う業務が多くあります。そのため、入力情報と確認手順を適切に管理できれば、生成AIによる支援を検討しやすい部門といえます。
ただし、人事業務には候補者情報、社員情報、評価情報、健康情報などが含まれます。利用するサービスの契約条件、データの保存場所、入力内容がモデルの学習に利用されるかどうか、管理者が設定できる権限などを事前に確認しなければなりません。
採用：スカウト文と面接質問の初稿を作る
採用業務では、スカウト文、求人票、職務記述書、面接質問など、多くの文章作成が発生します。
研修では、個人を特定できない形に整理した職種要件や採用ターゲットを入力し、スカウト文の初稿を複数作成する演習が考えられます。
例えば、次のように対象者と訴求内容を指定します。
- 経験者向けに、担当業務と期待役割を具体的に示す
- 若手人材向けに、育成環境とキャリアの選択肢を説明する
- 管理職候補向けに、裁量の範囲と解決すべき事業課題を示す
面接質問についても、職種要件、期待役割、評価項目をもとに、過去の行動事実を確認する質問案を作成できます。
評価：コメントの素材を構造化する
人事評価では、目標、実績、行動、課題、今後への期待を整理し、本人へ伝わる文章にまとめる必要があります。
生成AIには、必要に応じて匿名化・仮名化した情報を入力し、次の項目に分けて整理させる方法があります。
- 確認できる実績や行動
- 評価者による解釈
- 強み
- 改善が期待される点
- 次期に期待する行動
「人格ではなく観察可能な行動を書く」「事実と評価を分ける」「根拠のない断定を避ける」といった条件を指定すれば、評価コメントの下書きを構造化しやすくなります。
ただし、入力した情報が不足している場合、生成AIが文脈を推測して、根拠のない説明を補うことがあります。評価者は、出力された内容を元の事実と照合し、最終的な表現と評価に責任を持つ必要があります。
育成：教材と確認テストの初稿を作る
研修教材の作成も、生成AIによる支援を検討できる領域です。
承認済みの研修資料、マニュアル、動画の文字起こしなどをもとに、次のような初稿を作成できます。
- 研修内容の要約
- スライドの構成案
- 用語集
- 理解度確認テスト
- ケーススタディ
- 受講後アンケート
新入社員研修や管理職研修など、定期的に実施・改訂する教材では、構成案や設問案を作る作業を効率化できる可能性があります。
一方、法令、社内規程、製品仕様などを扱う教材では、参照資料が最新版かどうかを確認する必要があります。AIが作成した設問の正答や解説も、担当者または専門知識を持つ人が確認しなければなりません。
部門別AI活用研修を設計する手順
対象業務を棚卸しする
最初に確認するのは、「AIで何ができるか」ではなく、「現場が何に時間を使っているか」です。
各業務について、少なくとも次の情報を整理します。
- 業務名と目的
- 実施頻度
- 1件あたりのおおよその所要時間
- 担当者と承認者
- 入力となる資料
- 作成する成果物
- 間違いが発生した場合の影響
- 個人情報や機密情報の有無
人事部門であれば、採用文書、面接設計、評価コメント、研修教材、問い合わせ対応などが候補になります。
所要時間を測る場合は、「初稿作成」「確認」「修正」「承認」など、工程ごとに記録すると、生成AIがどの工程に影響したのかを検証しやすくなります。
AIに任せる工程と人が担う工程を分ける
棚卸しした業務を工程単位に分け、AIに支援させる部分と、人が担当する部分を決めます。
AIが支援しやすい工程には、初稿作成、要約、分類、比較、言い換え、構成案の作成があります。
人が担うべき工程には、最終判断、事実確認、関係者との合意形成、本人との面談、倫理・法務・労務上の判断などがあります。
次の項目を業務ごとに明文化しておくと、担当者による判断のばらつきを抑えやすくなります。
- 入力できる情報
- 入力してはいけない情報
- AIに依頼できる作業
- 必ず人が確認する項目
- 成果物の承認者
- 問題発生時の報告先
実務に近い演習を用意する
研修では、一般的な例題だけでなく、実務を模した演習を用意します。
人事部門であれば、次のようなテーマが考えられます。
- 匿名化した職種要件からスカウト文を3案作る
- 職務記述書の表記と構成を統一する
- 評価項目ごとに、行動事実を確認する面接質問を作る
- 評価コメントの素材を事実・解釈・期待に分ける
- 承認済みの研修資料から確認テスト案を作る
実際の候補者情報や社員情報を教材として使う場合は、氏名や所属を削除するだけでなく、経歴や出来事の組み合わせから個人を推測できないかも確認します。
プロンプトと確認手順を共有資産にする
活用方法が個人のメモやチャット履歴に閉じていると、担当者が変わるたびに同じ試行錯誤を繰り返すことになります。
効果が確認できた指示文は、次の情報とともに管理します。
- 対象業務と利用目的
- 入力する情報
- 入力してはいけない情報
- 期待する出力形式
- 確認項目
- 作成者と承認者
- 利用するAIやモデル
- 最終更新日
ただし、同じプロンプトを使用しても、入力情報や使用するモデルによって出力は変わります。プロンプトの共有は品質を自動的に保証するものではなく、作業手順や確認基準をそろえるための手段と考えるのが適切です。
効果とリスクを定期的に見直す
AI活用研修は、一度実施して終わりではありません。
業務内容、採用要件、評価基準、社内規程、利用サービスの仕様は変化します。プロンプトや参照資料を更新しなければ、現在の業務と合わない出力が増える可能性があります。
月次または四半期ごとに、次の指標を確認します。
| 分類 | 確認する指標 |
|---|---|
| 利用状況 | 利用者数、利用件数、業務別の利用頻度 |
| 作業時間 | 初稿作成時間、確認・修正を含む総作業時間 |
| 品質 | 修正回数、差し戻し件数、重大な誤りや不適切な出力の件数 |
| 運用 | 利用されなくなったテンプレート、参照資料の更新状況、利用者からの改善要望 |
作業時間だけでなく、成果物の正確性、一貫性、利用者や確認者の負担も評価することが重要です。
コンプライアンスと情報管理を研修に組み込む
人事部門では、候補者情報、社員情報、評価情報、健康情報、ハラスメント相談など、慎重に扱う必要がある情報を取り扱います。
日本では、2025年9月に「人工知能関連技術の研究開発及び活用の推進に関する法律（AI法）」が全面施行され、AIの研究開発・活用を促進するとともに、適正な利用を確保するための政策的な枠組みが整備されています。企業のAI活用研修でも、個別のツール利用ルールだけでなく、国のガイドラインや指針の更新を継続的に確認することが重要です。
生成AIの利用ルールは、「個人情報は一切入力しない」と一律に決めるだけでは不十分です。利用目的、社内規程、利用サービスの契約条件、データの保存・処理方法、モデル学習への利用の有無などを確認し、業務ごとに入力可能な範囲を定める必要があります。
個人情報保護委員会も、生成AIサービスへの個人情報の入力について注意喚起を行っています。利用可否を判断する際は、個人情報保護法だけでなく、利用するサービスの規約やデータの取り扱い条件を確認する必要があります。
研修では、少なくとも次のルールを明確にします。
- 会社が承認していないサービスには、個人情報や機密情報を入力しない
- 業務上必要な場合も、可能な範囲で情報を匿名化・仮名化する
- 評価や採否の最終判断をAIだけに委ねない
- AIの出力を本人や候補者に伝える前に、人が確認する
- 法務・労務・コンプライアンス上の判断は専門担当者に確認する
- 参照させてよい資料と、登録してはいけない資料を区分する
- 誤入力や情報漏えいが疑われる場合の報告手順を決める
- AIを利用した業務と確認結果を、必要な範囲で記録する
研修後の活用を定着させる仕組み
生成AI研修で学んだ内容を実務に定着させるには、受講者個人の工夫だけに依存しない仕組みが必要です。
例えば、次のような環境を整えます。
- 部門や業務ごとに利用場所を分ける
- 承認済みのプロンプトを共有する
- 参照してよい社内資料を整理する
- 良い出力例と修正例を蓄積する
- テンプレートの作成者と更新日を記録する
- 利用者が改善点を報告できるようにする
- 管理者が利用状況や教材の更新状況を確認する
こうした環境は、社内ポータル、ナレッジ管理ツール、学習管理システム、法人向け生成AIサービスなど、複数の方法で構築できます。必要な機能、セキュリティ要件、既存システムとの連携、運用担当者の負担を比較して選ぶことが重要です。
Kanataも、その選択肢の一つです。Kanataでは、企業の生成AI活用と人材育成を支援するための機能を提供しています。最新の対応機能や利用可能なAIモデルについては、公式サイトをご確認ください。
人事部門で利用する場合は、例えば次のような構成が考えられます。
- 採用担当者
- 求人票、スカウト文、面接質問の初稿作成
- 評価者
- 評価コメントの素材整理
- 研修担当者
- 教材構成、確認テスト、アンケートの初稿作成
- 管理者
- 承認済みプロンプトや参照資料の管理
ただし、ツールを導入するだけで活用が定着するわけではありません。対象業務の選定、入力データの品質、確認手順、管理者の配置、利用者への継続的な支援が伴って初めて、運用を改善しやすくなります。
Kanataを含むサービスを比較する際は、機能の多さだけでなく、次の点を確認するとよいでしょう。
- 必要なAIモデルを利用できるか
- 入力データがどこに保存・処理されるか
- 入力内容がモデルの学習に利用されるか
- ユーザーや部門ごとに権限を設定できるか
- 操作履歴や利用状況を確認できるか
- プロンプトや参照資料を管理できるか
- 研修と実務利用を同じ環境で運用できるか
- 導入後の支援や問い合わせ体制があるか
まとめ：AIに作業を任せ、人が判断と対話に向き合う
部門別AI活用研修で重要なのは、生成AIの機能を幅広く紹介することではありません。日常業務を工程に分け、AIが支援する部分と、人が責任を持つ部分を明確にすることです。
生成AIは、下書き、要約、分類、比較、教材の構成案作成などを支援できます。一方、採用判断、人事評価、コンプライアンス判断、社員との対話までを任せられるわけではありません。
AIが担うのは、判断に必要な素材を整理し、初稿を作ることです。人が担うのは、事実を確認し、個別の事情を考慮し、判断の理由を説明することです。
この役割分担が明確になれば、採用担当者は候補者との対話に、評価者は部下の成長支援に、研修担当者は学習体験の設計に、より多くの時間を使える可能性があります。
その状態を目指すには、ツールの機能から研修内容を考えるのではなく、現場の業務、扱う情報、必要な判断、想定されるリスクから逆算して設計することが重要です。
部門別AI活用研修に関するQ&A
生成AI研修では、最初にプロンプトの書き方を教えるべきですか？基本的な操作方法は必要ですが、プロンプトの書き方だけを研修の中心にする必要はありません。最初に対象業務を棚卸しし、AIに支援させる工程と、人が確認する工程を決めたうえで、その業務に必要なプロンプトを学ぶ方が実務へ接続しやすくなります。
人事評価のコメントを生成AIで作成しても問題ありませんか？生成AIを下書きや情報整理に使うことは考えられますが、出力をそのまま評価コメントとして使用するのは適切ではありません。入力情報の正確性、表現の公平性、評価基準との整合性を評価者が確認し、最終的な評価と説明に責任を持つ必要があります。
候補者や社員の個人情報は生成AIに入力できますか？一律に可否を判断することはできません。利用目的、個人情報保護法、社内規程、利用サービスの契約条件、保存・処理方法、モデル学習への利用の有無などを確認する必要があります。原則として、会社が承認していないサービスへの入力は避け、必要な場合も匿名化・仮名化を検討します。
生成AI研修の効果は、どのように測定すればよいですか？初稿作成時間だけでなく、確認・修正を含む総作業時間、修正回数、差し戻し件数、成果物の正確性、不適切な出力の件数、利用者数などを確認します。導入前後で比較する場合は、対象業務や文書の難易度、測定期間をそろえる必要があります。
Kanataのような法人向けサービスを利用する利点は何ですか？法人向けサービスには、用途別の利用環境、プロンプトや参照資料の共有、権限管理、利用状況の確認など、組織運用を支援する機能が用意されている場合があります。Kanataも、AI活用と人材育成を一つの環境で運用したい企業にとって検討候補となります。ただし、自社に必要な機能、データ管理条件、既存システムとの相性、運用体制を確認し、他の選択肢と比較して判断することが重要です。
