オフィスク編集部より
オフィスクでは、各分野の第一線で活躍する講師陣の知見を、記事としてお届けしています。本記事は、生成AI研修講師として20年以上のキャリアを持つ西口 晃司先生にご執筆いただいたものです。
生成AIを業務に取り入れる企業が増える一方で、「どのスキルから育てればよいのか」に悩む声も少なくありません。数多くの企業研修を手がけてきた西口先生の視点から、生成AI時代に会社員が本当に身につけるべきスキルを、優先順位とともに解説いただきます。
2026年時点で、会社員が業務に生成AIを活用するうえで最も重要なスキルは、AIへうまく指示を出す「プロンプト力」ではありません。AIが生成した内容を見極める力です。本記事では、生成AI時代に本当に求められるスキルの優先順位と、その育成・研修設計の考え方を整理します。
はじめに：AIの出力を「見極める」役割へ
生成AIは、文章作成・要約・企画案作成・調査補助・資料作成など、多くの業務を高速化します。一方で、その出力には、事実誤認、古い情報、出典不明の主張、過度な一般化、社内文脈との不一致、機密情報や知的財産に関するリスクが含まれる可能性があります。
そのため会社員に求められる役割は、「AIから出力を得ること」から、次のような判断を行うことへと移りつつあります。
- 出力が正しいかを確認する
- 出典や根拠を検証する
- 自社の業務・顧客・規程に合うように調整する
- 複数案から採用すべきものを選ぶ
- 採用理由や修正理由を説明できる状態にする
- リスクを把握し、必要に応じて利用を止める
結論：3つのポイント
結論1：最重要スキルは「生成物を見極める力」
生成AIの出力をそのまま信じるのではなく、採用・修正・保留・却下を判断する力が、会社員の業務価値を左右します。
結論2：最初に育てるべきは「情報検証力・問いを立てる力・評価/選択する力」
これらは、誤った出力の流入防止、業務目的との整合、意思決定の品質向上に直結します。
結論3：プロンプト力は重要だが、最上位ではない
プロンプト力は、良い問いをAIに伝えるための実装的スキルです。判断・検証・評価の力が不十分なままプロンプトだけを磨くと、誤った前提を高速化する危険があります。
生成AI活用における重要スキルランキング
| 順位 | スキル | 重要な理由 |
|---|---|---|
| 1 | 生成物を見極める力 | 生成AI時代の人間の価値は、出力の採否判断・修正判断・説明責任に移っているため。 |
| 2 | 情報検証力 | AIの出力には誤情報や古い情報が含まれる可能性があり、一次情報や社内資料との照合が不可欠なため。 |
| 3 | 問いを立てる力 | 目的や制約が曖昧なままAIを使っても、業務価値の高い出力は得にくいため。 |
| 4 | 評価・選択する力 | 実務では、多数の案を出すことよりも、どの案を採用するかを判断する力が重要なため。 |
| 5 | 仮説構築・検証力 | 生成AIは仮説の叩き台を高速に作る道具であり、出力を試し・比較し・改善する力が成果差を生むため。 |
| 6 | AIリテラシー／責任ある利用 | 情報漏えい・知財・偽情報・偏り・説明責任などを理解せず使うことは、組織リスクにつながるため。 |
| 7 | プロンプト力 | 重要ではあるが、問い・検証・評価を支える実装的サブスキルとして位置づけるべきため。 |
プロンプト力を軽視する必要はありません。しかし優先順位としては、まず「生成物を見極める力」「情報検証力」「問いを立てる力」「評価・選択する力」を育てるべきです。これらが不足したままプロンプト改善だけを進めると、もっともらしいが誤った出力を効率よく量産してしまう可能性があります。
会社員に必要なソフトスキル一覧
| スキル | 実務での意味 | 育成方法 |
|---|---|---|
| 情報検証力 | 出力の事実・出典・数値・時点を確認する力 | 一次情報照合、ファクトチェック演習、AI回答と社内資料の突合 |
| 問いを立てる力 | 曖昧な依頼を、目的・制約・判断基準が明確な問いに変える力 | 業務課題の分解、依頼文の改善、上司レビュー付きの問い設計演習 |
| 評価・選択する力 | 複数案を比較し、採用・修正・保留・却下を決める力 | 比較表作成、採否理由の記述、レビュー会での説明練習 |
| 仮説構築・検証力 | AIの提案を叩き台に、試して確かめる力 | 小さなAB比較、ドラフト検証、実験ログの記録 |
| リスク感度 | 漏えい・知財・偏り・誤情報・信用毀損を先回りして察知する力 | 事故例学習、禁止入力ルール、ケーススタディ |
| 文脈統合力 | 一般論を自社の顧客・業務・規程・商流に合わせて調整する力 | 自社事例への置換演習、部門別テンプレート化 |
| 協働・説明責任 | AI利用の判断理由を上司・同僚・監査・顧客に説明する力 | レビュー記録、説明メモ、承認フローとの連動 |
| 継続学習力 | ツール変更やルール更新に追随し続ける力 | 月次アップデート共有、失敗事例の振り返り、社内ナレッジ更新 |
生成AI教育は、一部の専門職だけでなく、全社員向けの基盤教育として設計することが望ましいと言えます。特に、メール・文書作成、議事録作成、社内資料作成、企画案作成、調査補助、顧客対応文面の作成、業務改善案の検討、マニュアル・FAQ作成といった業務では、全社員レベルでの基本的な生成AIリテラシーが求められます。
最重要スキル「生成物を見極める力」とは
定義
「生成物を見極める力」とは、生成AIが出力した文章・表・要約・分析・提案・コード・画像などについて、業務で使えるかどうかを人間が判断する力です。具体的には次の判断を含みます。
- そのまま使ってよいか
- 修正すれば使えるか
- 追加確認が必要か
- 利用を保留すべきか
- 利用してはいけないか
- 誰に確認・承認を取るべきか
- どの根拠を残すべきか
なぜ最重要なのか
生成AIは自然で説得力のある文章を生成できますが、常に正しいとは限りません。むしろ、誤った内容でも自然な表現で提示されるため、人間が誤りに気づきにくい場合があります。そのため、会社員には次の姿勢が求められます。
- AIの出力を最終成果物ではなく、叩き台として扱う
- 出力内容を自分の業務責任のもとで検証する
- 判断根拠を記録する
- 必要に応じて専門部署や上司に確認する
- 顧客や社外に出す前にリスクを確認する
「生成物を見極める力」の6ステップ
1. 問題定義
何を解くのか、誰のための出力なのか、何を判断したいのかを最初に明確にします。業務の目的、対象者、AIを使う理由、成果物の利用場面、失敗した場合の影響の大きさを整理します。
2. 条件設定
AIに与える前提・制約・使用データ・禁止事項・期待する粒度を明確にします。使用してよい情報／してはいけない情報、社内規程上の制約、出力形式、判断基準や期限・優先順位を定めます。
3. 検証
出力について、事実・数値・出典・時点・社内ルールとの整合性を確認します。事実関係の誤り、計算ミス、出典の有無、情報の新しさ、社内資料・法令・規程との矛盾、存在しない情報の生成（ハルシネーション）をチェックします。
4. 統合
AIの一般論を、自社の文脈・顧客条件・部門事情・法務／情報管理要件に合わせて調整します。自社の業務プロセスや表現ルールに合っているか、関係部署（法務・情報システム・広報など）の観点が反映されているかを確認します。
5. 評価・選択
「そのまま使う／修正して使う／保留する／捨てる」を判断します。目的への適合、根拠の有無、業務効果、リスクの許容度、修正コスト、関係者への説明可能性を基準にします。
6. 説明責任
「なぜその判断をしたのか」を説明できる状態にします。AIを使った目的、使用した情報、出力結果、検証内容、修正箇所、採用・不採用の理由、承認者・確認者、残るリスクを記録します。
実務で使える「生成物の見極めチェック」
見極めチェックリスト
| 観点 | 確認内容 |
|---|---|
| 正確性 | 事実誤認、計算ミス、制度の誤読はないか |
| 根拠 | 出典・一次情報・社内データ・計算過程で裏づけられるか |
| 時点 | いつ時点の情報か、古くないか |
| 適用範囲 | どの条件で有効か、例外条件は何か |
| 業務適合性 | 自社の目的・顧客文脈・社内規程に合っているか |
| リスク | 漏えい・知財・偏り・信用毀損・誤案内の恐れはないか |
| 説明可能性 | 上司・監査・顧客に採用理由を説明できるか |
実務チェックシート
| 確認項目 | 判定 | メモ |
|---|---|---|
| 事実関係は確認したか | □ OK □ 要確認 □ NG | |
| 出典・根拠は確認したか | □ OK □ 要確認 □ NG | |
| 情報の時点は確認したか | □ OK □ 要確認 □ NG | |
| 自社業務に合っているか | □ OK □ 要確認 □ NG | |
| 機密情報・個人情報の問題はないか | □ OK □ 要確認 □ NG | |
| 著作権・知財上の懸念はないか | □ OK □ 要確認 □ NG | |
| 顧客や社外に出してよい表現か | □ OK □ 要確認 □ NG | |
| 採用理由を説明できるか | □ OK □ 要確認 □ NG |
まず育てるべき3つのスキル
会社員が最初に育てるべきスキルは、情報検証力・問いを立てる力・評価/選択する力の3つです。
| 優先スキル | 先に育てる理由 | 育成方法 |
|---|---|---|
| 情報検証力 | 誤情報・古い制度情報・もっともらしい誤答の流入を止める防波堤になるため。 | 「AI回答 → 一次情報照合 → 差分記録」を週1回実施する。 |
| 問いを立てる力 | 良い問いがなければ、良い出力も良い評価も生まれないため。 | 業務依頼を「目的・制約・判断基準」に分解して書き直す演習を行う。 |
| 評価・選択する力 | 実務成果は、案の量ではなく採否の質で決まるため。 | 3案比較、採用理由の明文化、上司への説明練習をセットで行う。 |
人材育成・研修設計への落とし込み
研修設計の基本方針
会社員向けの生成AI研修は、単なるツール操作研修ではなく、次の順序で設計することが望ましいと言えます。
生成AIの基本理解 → リスクと禁止事項の理解 → 問いの設計 → AI出力の検証 → 業務文脈への統合 → 評価・選択 → 説明責任 → 実務演習 → 継続的な振り返り
推奨する研修構成
| テーマ | 内容 |
|---|---|
| 第1回：生成AIの基本とリスク | できること・できないこと、情報漏えい、誤情報、知財リスクを学ぶ |
| 第2回：問いを立てる力 | 業務依頼を目的・制約・判断基準に分解する |
| 第3回：情報検証力 | AI回答を一次情報・社内資料・公式資料と照合する |
| 第4回：評価・選択する力 | 複数案を比較し、採用理由を説明する |
| 第5回：生成物の見極め演習 | 実際の業務文書を使ってチェックリストを運用する |
| 第6回：実務適用と改善 | 部門ごとのユースケースを作成し、運用ルールに落とし込む |
参考フレームワーク比較
| フレームワーク | 主眼 | 本件への示唆 |
|---|---|---|
| 経済産業省 | 生成AI時代の人材要件として、問い・仮説検証・評価/選択を重視 | 会社員向け育成は、操作教育より上流の判断教育から入るべき。 |
| Microsoft Research | AIへの高信頼と批判的思考低下、人間の仕事の評価・統合・オーケストレーション化を提示 | 「見極める力」を最上位に置く根拠になる。 |
| NIST | 生成AIをGovern・Map・Measure・Manageで評価・管理する枠組み | 見極めチェック・採否判断・説明責任の裏づけになる。 |
| IPA | DXリテラシー標準を通じて、全ビジネスパーソン向けのデジタル基礎力を提示 | 生成AI教育を専門職向けでなく、全社員基盤教育として設計できる。 |
| WEF | 労働者のコアスキル変化、AI・ビッグデータ・分析的思考・創造的思考の重要性を提示 | なぜ今、会社員のスキル再編が必要かを示すマクロ根拠になる。 |
実務導入に向けた4つの提言
提言1：プロンプト研修だけで終わらせない
生成AI研修を「便利なプロンプト集」や「使い方講座」だけに限定すると、業務リスクを十分に管理できません。研修では、AI出力の検証方法、出典確認の方法、社内情報の扱い、個人情報・機密情報の禁止事項、出力の採否判断、顧客・社外向け利用時の注意点、説明責任の考え方を必ず含めるべきです。
提言2：「見極めチェック」を標準業務に組み込む
生成AIの利用を個人任せにすると、品質とリスク管理にばらつきが出ます。社外向け文書、顧客提案書、契約・法務文書の下書き、人事・評価文書、広報・マーケティング文書、数値分析や経営資料、社内規程・マニュアルの作成には、見極めチェックを組み込むことが望ましいと言えます。
提言3：判断過程を記録する
AIを利用した場合は、成果物だけでなく判断過程を記録することが重要です。記録すべき内容は、AIを利用した業務目的、入力した情報の種類、出力結果、人間が修正した箇所、検証した出典、採用・不採用の判断理由、承認者、残るリスクです。
提言4：部門別ユースケースに落とし込む
生成AIの活用方法は部門によって異なります。全社共通の基本教育に加え、部門別の利用シーンに合わせた教育が必要です。
| 部門 | 主な活用例 | 特に重要な見極め観点 |
|---|---|---|
| 営業 | 提案書、メール文、顧客分析 | 顧客文脈、事実確認、誤案内防止 |
| 人事 | 研修資料、評価文案、社内通知 | 公平性、個人情報、表現の適切性 |
| 法務 | 契約書レビュー補助、論点整理 | 法的正確性、専門家確認、責任範囲 |
| 経理・財務 | 数値説明、レポート要約 | 数値整合性、出典、計算過程 |
| 広報 | プレス文案、SNS文案 | 信用毀損、ブランド表現、炎上リスク |
| 情報システム | FAQ、手順書、コード補助 | セキュリティ、正確性、運用適合性 |
| 企画 | 市場調査、企画案、仮説整理 | 根拠、時点、実現可能性 |
まとめ
生成AI時代の会社員にとって最も重要なスキルは、「うまく出させる力」ではなく、出てきたものを見極める力です。生成AIは業務効率化や発想支援に大きな効果をもたらす一方で、出力の正確性・根拠・時点・適用範囲・業務適合性・リスク・説明可能性を、人間が確認しなければなりません。
したがって、会社員向けの生成AI教育では、次の順序でスキルを育てるべきです。
- 情報検証力
- 問いを立てる力
- 評価・選択する力
- 仮説構築・検証力
- リスク感度
- 文脈統合力
- 協働・説明責任
- プロンプト力
- 継続学習力
プロンプト力は重要ですが、判断力や検証力を代替するものではありません。むしろ、問いを明確にし、出力を検証し、採否を判断できる人が使って初めて、プロンプト力は実務価値を持ちます。今後、AIエージェント化が進むほど、人間の役割は作業そのものから、監督・評価・統合・説明へと移っていきます。その意味で「生成物を見極める力」は、会社員にとって最も基盤的かつ重要なスキルです。
参考情報
| 区分 | 参照先 |
|---|---|
| 日本の産業政策・人材育成 | 経済産業省（meti.go.jp） |
| DXリテラシー・デジタル人材 | IPA（ipa.go.jp） |
| AI事業者ガイドライン・情報通信政策 | 総務省（soumu.go.jp） |
| AIリスク管理・生成AIプロファイル | NIST（nist.gov、airc.nist.gov） |
| 生成AIと人間の認知・業務変化 | Microsoft Research（microsoft.com） |
| 将来スキル・労働市場変化 | World Economic Forum（weforum.org） |
