AIトレーニングは機能している。ワークフローが機能していない。

知人のL&Dディレクターが昨四半期、社内AIトレーニングプログラムを立ち上げました。修了率は80%、エンゲージメントスコアも良好でした。しかし6ヶ月後、生産性データを確認したところ、何ひとつ変わっていませんでした。ツールの導入率も、アウトプットも、トレーニングで変えるはずだったワークフローにかかる時間も、まったく改善されていなかったのです。この話は特別なケースではありません。過去1年間で話を聞いたL&Dリーダーの多くが、同じ乖離を経験しています。

これが今、多くのL&Dチームが直面している現実です。トレーニングの内容は問題ない。ツールも機能している。人々はツールを気に入っていると言う。しかし、投資を正当化するはずだった生産性の向上はどこにも見当たらない。そして誰もそれを声に出して言おうとしません。

誰も言語化していないパターン

企業はここ2年間、AIリテラシープログラムの構築に力を入れてきました。プロンプト作成のワークショップ、ツール選定ガイド、ユースケースライブラリ。トレーニングのインフラは確かに整い、修了証書も発行されています。しかし、アウトプットの指標は伴っていません。

MIT NANDAのState of AI in Business 2025レポートは、この問題を数字で示しています。350名の従業員へのアンケート、150名のリーダーへのインタビュー、300件の公開導入事例の分析を経て、研究者たちは企業向け生成AIのパイロット導入の約95%がP&Lに対して測定可能な影響をもたらしていないという結論に達しました。別の分析では、AI導入率が1年間で企業全体の61%から71%へと上昇する一方、89%のマネージャーが同期間中に生産性の変化を感じていないと回答しています。導入率は上がった。アウトプットは変わらなかった。原因はモデルの品質ではありません。同レポートが「ラーニングギャップ」と呼ぶもの、すなわちツールを導入することと、そのツールが変えるべき業務を再設計することの間にある構造的な距離にあります。

見えない根本原因、スキップできない「Jカーブ」

このパターンは新しいものではありません。Brynjolfsson、Rock、Syverson（2021年）はAmerican Economic Journal: Macroeconomics誌に掲載された論文の中で、過去1世紀にわたるあらゆる汎用技術において同じ現象を記録しています。彼らはこれを「生産性のJカーブ」と呼んでいます。新しい技術が実際に成果をもたらすために必要な無形の投資、すなわちプロセスの再設計、役割の変更、新たな評価システムの構築には、数年単位の時間がかかります。その期間中、生産性は上昇する前に一時的に低下します。この無形の取り組みを省略した企業は、上昇フェーズに到達することができません。

California Management Reviewは2025年後半に、この点について実践的な根拠を示しました。AIトランスフォーメーションのギャップを乗り越えている組織は、トレーニング時間が多い組織ではありません。AIを既存のプロセスに上乗せするものとしてではなく、プロセスそのものを再設計する契機として捉えている組織です。

AIトレーニングプログラムが生産性の数値を動かせていない理由は、おそらく人材への教育は行ったが、業務そのものを変えなかったからです。ツールのリテラシーは必要条件です。しかし、それだけでは十分ではありません。

では、何をすべきか。具体的に説明します。

すべてのトレーニングコホートをワークフローの再設計と紐づける。 変えるべき具体的なワークフローを明示しないAIトレーニングプログラムを承認してはいけません。そのワークフローのオーナーは誰か？現状はどのような形か？トレーニング後はどう変わるのか？プログラム開始前にこの3つの問いに答えられるメンバーがいないのであれば、あなたが投資しているのはリテラシーの「見せかけ」であって、真の能力開発ではありません。

学習者ではなく、業務を測定する。 修了率、満足度スコア、学習者の自己評価による自信度は、何の先行指標にもなりません。正しい指標は、変えようとした実際のワークフローにおけるサイクルタイム、エラー率、あるいは時間あたりのアウトプットです。トレーニング投資からこれらの指標のいずれかへと直線的につながるストーリーを描けないなら、そのAIプログラムが生み出しているのは「エンゲージメント」であって、インパクトではありません。

すべてのコホートにワークフローオーナーを組み込む。 MITのデータは、AIの展開に成功した事例ではツールを学ぶ人材と、そのプロセスを変更する権限を持つ人物がセットになっていることを示しています。学習者だけでは業務を再設計できません。プロセスオーナーだけでは再設計の手段がありません。最初の日から同じ場に集め、共通のアウトカムを持たせることが重要です。

Jカーブを想定し、それに見合った予算を確保する。 Brynjolfsson氏の研究はタイムラインについて率直です。本格的なAI統合の最初の6ヶ月から18ヶ月は、何もしない場合と比べて数字の上では悪く見えることがあります。この低迷期に撤退した企業は、上昇フェーズを経験することはありません。一方、踏みとどまり、無形の取り組みへの投資を続けた企業は、その先の成果を手にしています。

ほとんどのAIトレーニングプログラムが失敗しているのは、トレーニング自体に問題があるからではありません。トレーニングを取り巻く業務が手つかずのまま残されているからです。古いワークフローに新しいツールを加えても、得られるのは遅くなった古いワークフローに過ぎません。

今、最もコストをかけているAIプログラムを見てください。そのプログラムが変えるはずだったワークフロー、そのワークフローのオーナー、そして動くべき指標を、具体的に挙げることができますか？これらのひとつでも欠けているなら、何が問題なのかはすでに明らかです。

Peak Potentialでは、ツールトレーニングとワークフロー再設計を組み合わせ、トレーニングを組織に定着させるAIケイパビリティプログラムの設計を支援しています。AI投資の成果が修了レポートには現れているのに生産性の数値に反映されていないとお感じであれば、ぜひご相談ください。