HRDでAIを活用する効果は何を、どのように測定すべきか
팀
팀제이커브
カテゴリー
Empty
AI Native 5段階で見た組織の変化
出典：チームジェイカーブ
この記事はAI Nativeを悩む国内外の様々な組織と、
その現場でHRD担当者が実際に投げた質問、
そしてその経験をもとにチームジェイカーブがまとめた組織変化の観点を基準に作成した記録だ。
「それで、この組織は今AIをよく使っている状態ですか？」
この質問は思ったよりも答えにくいです。
AI活用効果は売上のように数字ですぐに表れず、教育満足度やツール熟練度でも十分に説明されないからだ。
そのため、HRDでのAI効果性の測定は「どのくらいよく使うか」ではなく、 「どの段階に来ているのか」を見る観点が必要だ。
ほとんどの企業はすでにレベル1にあります
多くの企業がAI教育を始め、メンバーはLLMを使ってみたし、イメージや映像生成も一度ほど経験してみた。
この経験は思ったより重要です。
AI Nativeの観点から、第1段階はAIをうまく使う段階ではなく、 AIの可能性を「経験」する段階だからだ。
この時期に
•
画像AI、映像AI、LLMなど様々なAIに露出され
•
自分で試してみて感覚を作ります。
•
「これがなぜ必要なのか」という認識が生じ始める
まだAIはビジネスパートナーではありません。ただ新しいツールに近い。 AI Nativeの観点から見ると、このステップはAIを単純なツールとして認識するステップに相当します。
そのため、多くの組織がAIを経験したにもかかわらず、依然としてAI導入以前と大きく変わらない状態にとどまっている。
HRDが見なければならない最初の指標：どのくらいの頻度AIと「働いている」か（ステップ1→2）
2段階に進む組織で最初に現れる変化は単純だ。
AIを頻繁に書き始めるという点だ。
AIは1〜2回試して評価できるツールではありません。いろいろな業務につけて慣れるプロセス自体が学習だ。
•
1日または1週間にAIと対話する回数
•
特定の業務でAIを繰り返し使用するかどうか
この指標は、組織が第1段階（Explorer）にとどまっているのか、第2段階（Experience）に移ったのかを最も明確に示しています。
この時期のAIは依然として「ツール」だ。しかし、重要な違いが一つ生じる。
必要なときに思い浮かぶ道具になる。
問題は、多くの組織でメンバーがAIを頻繁に書く「コンテキスト」がないという点だ。
したがって、HRDの役割が重要になります。すぐに私たちのチームの仕事にAIをつけにくいなら、既存の教育と組織開発プログラムにAIを自然に結合させるのも良い方法だ。
例えば、
自己理解、ビジョン内在化、キャリア設計などの組織開発プログラムにLLMベースのコーチングを入れ、イメージ、映像、音楽AIを活用して
思考を視覚化し表現する経験を設計することができます。
この過程で、メンバーはAIを学ぶのではなく、AIと共に何かを作ってみる経験をすることになる。
そしてこの経験が積むほどAIは見知らぬ技術ではなく、自然に手が行く道具になる。
2番目の指標：AIをさまざまな文脈で「役割」で実験しているか（2→3段階）
画像（アンケート内容に基づいて）
•
出典：チームジェイカーブ
2段階でAIはよく使うツールになる。しかし、依然として「必要なときに取り出すツール」に近い。
3段階に進む組織はここで変わる。 AIを特定の用途に閉じ込めない。
イメージAIはデザイン、LLMは要約と翻訳。こうして機能中心には見ない。
代わりに質問が変わります。
このAIを私たちの仕事で「どんな役割」として使うことができるのか？
この地点からAIは道具ではなく業務に投入可能な資源となる。
レポートの可視化、コラボレーション過程での迅速なコンテキスト共有、アイデアの発散、意思決定支援など、AIを複数のコンテキストに貼り付けてみる。
この違いはまるでこんな姿に似ている。
一時的に打たれたネット網のように、その時必要で使用する方式ではなく、最初から安全フェンスのように役割が定義された状態で配置される姿に近い。
たとえば、イメージAIを「デザインツール」ではなくチームのコミュニケーションツールとして定義できます。頭の中にある企画をインフォグラフィックやシアンの形で素早く視覚化して共有すれば、説明にかかる時間が大幅に減る。
実際にあるリゾートの安全担当者はデザインを全くできないが、イメージAIを活用して現場の安全設計をチームとはるかにスムーズにコミュニケーションしている。
この段階に入った組織は、
AIを「何をするツール」と見ない。 AIを「私たちの業務でこのような役割を果たす存在」と見始める。
出典：チームジェイカーブ
3番目の指標：「自分の仕事に合ったAI」を定義できるか（3→4段階）
3段階でAIは「業務に投入可能な資源」となる。しかし、依然としてAIは必要に応じてインポートする存在に近い。
4段階に進む瞬間、質問が完全に変わる。
この仕事を人がすべきか、AIがすべきか？
この地点から個人とチームは初めて自分の業務を分解して眺め始める。
•
この業務の中でAIで自動化できるものは何か
•
AIで増強すべき部分はどこなのか
•
人が必ずしなければならない判断とコラボレーションは何か
•
事実上なくてもよい仕事は何ですか
この悩みが始まる。この時役に立つ観点が、まさにAIと人間の役割を分けるマトリックスだ。
業務を4つに分けてみる。
•
人がすべきこと（企画、意思決定、コラボレーション、感覚）
•
AIで増強すること(職務拡張、成果物作成)
•
AIで自動化すること（繰り返し、整理、報告、入力）
•
取り除くべきこと（人の間で発生した不要な仕事）
この時点から、AIは汎用ツールではなく、パーソナライズされたビジネスパートナーになります。
そしてより重要な変化が一つ現れる。 Workflowの定義を開始します。私がしている業務の暗黙の地とボトルネックを区別し、どの部分をAIに任せるのか、どの部分を私がすべきか、どこをAIで増強するかを自分で設計し始める。
この段階に入った組織では、AI活用水準より業務を眺める観点が先に変わる。
しかし、本当の基準はステップ5で明らかになります
ここまでは個人とチーム次元の変化だ。メンバーは自分の業務を分解することができ、AIに任せる仕事と人がすべきことを区別することができる。
組織は4段階（Architect）に達する。
質問が変わります。
「誰がするの？」ではなく
「人がするか、AIがするか？」
しかし、多くの組織がまさにこの地点で止まる。
個人の成果は十分に作られたが、その成果が部署のやり方で、組織のやり方に転換されない。
理由は単純です。標準化がないからだ。個人が作ったAI活用方式は、ほとんど「その人の環境」でのみ機能する。
その人でなければ理解しにくく、同じ職務を持った人もそのまま追いにくい。
だから組織は4段階から5段階に進めない。 AIを上手に使う個人は増えるが、AIを前提に働く組織は作られない。
5段階(Native)に進むために必要なのは、より多くの教育でも、より良いツールでもない。個人のAgentic Workflow
部署が一緒に書く方法で標準化する過程である。
そしてこの地点でリーダーの役割が決定的に登場する。
だからリーダーの役割は決定的です。
標準化は実務者ができることではありません。
組織レベルのAI環境を作り、どこまでAIを許容するかを決定し、業務方式を再定義することは結局リーダーの意思決定領域だからだ。
しかし、4段階で止まった組織には共通点がある。
リーダーがAIを直接書いてみない。リーダーがAIを試してみないと、
•
実務家がAIで仕事をどのように変えているのか見せずに
•
ボトルネックがどこで発生するのかわからない
•
何を組織レベルで解決しなければならないのか分からない
それで組織はこう分かれる。
一部の実務者はAIで生産性を大きく高め、ほとんどは「少し良くなったレベル」で止まる。
そしてAIを本当によく使う実務者たちは組織のスピードに耐えられずに去る。
一方、5段階に進む組織は異なる。リーダーがAIを「学ぶ人」ではなく、 AI環境を設計する人になり始める。
HRDでAI効果を見るという意味
だから、HRDでAIの活用効果を測定するのは
「AIを上手に書いた」という事例を集めることではない。
この組織は今
•
ステップ1にあるか - AIを体験するステップか
•
ステップ2にあるか - AIをツールでよく使うステップか
•
3段階にあるか - AIを業務リソースとして活用する段階か
•
4段階にあるか - AIを前提に仕事を設計する段階か
•
ステップ5にあるか - AIが組織システムとして機能するステップ
その位置を把握することに近い。
AI性能はツール使用量から明らかにならない。
組織の働き方が段階的に変化しているという信号から明らかになる。
そしてHRDはその変化を最初に感知し、最も構造的に設計しなければならない位置に立っている。
チャン・ヒョンミンのAIネイティブ仮説
•
AI Native 5段階は完成したモデルではない。国内外企業で教育を行い、
HRD担当者とリーダーたちが繰り返し投げた質問、そしてその対話の中であらわれた共通点を段階の形でまとめた仮説に近い。
HRD担当者とリーダーたちが繰り返し投げた質問、そしてその対話の中であらわれた共通点を段階の形でまとめた仮説に近い。
•
今後AI Nativeを悩む韓国、中国、日本のリーダーと実務者に会い、この段階別戦略はさらに具体化されるだろう。
•
明らかなのは一つだ。 AIネイティブは既存の方程式をよりよく実行する方法ではなく、
方程式自体を書き直さなければならない問題に近いという点だ。
方程式自体を書き直さなければならない問題に近いという点だ。
「AI Native百科事典」を購読する
サイトを購読すると、新しい投稿などの最新のアップデートを通知やメールで最初に受け取ることができます。
Slashpageに参加して「AI Native百科事典」を購読してください！
Slashpageに参加して「AI Native百科事典」を購読してください！
