第016章 AI時代に求められる人材とは？
AI時代に求められる人材とは、どんな人か。この問いに、多くの企業が「AIを使いこなせる人材」と答えている。答えは間違っていない。しかし、答えの寿命が短すぎる。人材要件とは、本来、十年単位で人を選び、育てるための基準である。数か月で書き換わる基準は、基準として機能しない。本章は、能力の一覧から人材を定義することをやめる。代わりに、能力が更新される速度から定義し直す。そして、その定義に合わせて採用・評価・育成をどう組み替えるかを示す。
1 なぜ、いまこの問いが立つのか
人材要件は、時代ごとに書き換えられてきた。
工業化の時代、求められたのは規律と熟練だった。決められた手順を、正確に、反復して実行できること。それが人の価値だった。情報化の時代、求められたのは情報処理と分析の力に移った。資料を読み、数字を解釈し、報告に変える力である。デジタルの時代には、データとデジタルの素養が加わった。
三つの時代に共通する発想がある。必要な能力を列挙し、その在庫を持つ人を集めるという発想である。職務記述書も、資格制度も、等級表も、すべてこの発想の上に立っている。
この発想は、長いあいだ有効だった。理由は単純である。能力の陳腐化が、人の在職期間より遅かったからである。二十代で身につけた専門性は、四十代でもまだ通用した。だから在庫を測ることに意味があった。いま、その前提が三つの方向から崩れている。
第一に、能力の陳腐化周期が、在職期間より短くなった。ある職種で必要とされる技能の中身が、五年で大きく入れ替わる。私たちが「専門性」と呼んできたものの半減期が、キャリアの長さを下回り始めた。
第二に、AIが定型的な知的作業を担うようになった。調べる、要約する、下書きを作る、コードの初稿を書く、数字を整える。これらは長く「若手の仕事」であり、同時に「専門性の土台」でもあった。その土台が、外部化されつつある。
第三に、育成の階段が壊れかけている。初級の業務がAIへ移ると、初級を経て中級になるという経路が消える。企業は当面は困らない。困るのは、いまの中堅が抜けたあとである。
前章015では、AIが仕事を奪うのかという問いを、雇用全体の構造として扱った。本章が扱うのは、その内側である。すなわち、個人に求められる資質は何か。そして、それを育てる人事の設計はどうあるべきか。
2 通説とその限界
現在、この問いには三つの答えが流通している。いずれも部分的には正しい。しかし、いずれも人材要件としては機能しない。
通説1「AIを使いこなせる人材が求められる」
最も広く語られている答えである。実際、多くの企業がこれを採用要件や評価項目に書き込んでいる。生成AIを日常的に使えること。業務にAIを組み込めること。この要件を掲げること自体は、間違いではない。
しかし、三つの理由で長続きしない。
第一に、道具の習熟は半減期が短い。ある時期に有効だった指示の書き方は、モデルが更新されると不要になる。私たちが技能だと思っていたものが、次の版では機能そのものに吸収される。
第二に、操作は民主化する。AIの利用は、業務システムの操作と同じ道をたどる。数年後には、できることが差ではなく、できないことが欠格になる。差がつかない条件を要件に据えると、要件は選別の役に立たない。第三に、「使える」は測定できない。使用頻度は測れる。しかし、使用頻度と成果は比例しない。AIに任せてはならない判断まで任せる人は、頻度だけを見れば優秀に見える。
要件にすべきは「AIを使える」ではない。AIの出力を疑えるである。この違いは後の節で具体化する。
通説2「スキルベースで人材要件を定義せよ」
二つ目は、より洗練された答えである。学歴や職歴という代理指標をやめ、必要な技能を分解して定義する。スキルマップを作り、保有状況を可視化し、不足分をリスキリングで埋める。人事の実務としては、明らかな前進である。
しかし、AI時代にはこの方法が構造的に陳腐化する。理由は、スキルという単位そのものにある。
スキルとは、繰り返し現れる作業に名前を付けたものである。市場調査、財務モデリング、文書作成、コーディング。いずれも、同じ形の作業が何度も現れるから、名前が付いた。名前が付いたから、教えられ、測られ、値段が付いた。
AIが担うのは、まさにこの「繰り返し現れる作業」である。作業が外部化されると、名前が指していた実体が消える。スキルの名前だけが人事制度に残り、中身が抜ける。
さらに、更新の速度が合わない。スキルマップの棚卸しには、大企業なら半年かかる。定義し、調査し、集計し、承認する。その半年のあいだに、対象のスキルの意味が変わる。完成した瞬間に古いという事態が、恒常的に起きる。
問題は運用の巧拙ではない。在庫を測るという発想そのものが、構造的に遅れるということである。
通説3「人間ならではの能力を持つ人材が求められる」
三つ目は、創造性、共感、倫理観、対話力といった能力を挙げる答えである。AIが代替できない領域に人を配置せよ、という主張である。方向は正しい。しかし、人材要件としては二つの弱点がある。
第一に、境界線が毎年動く。かつて創造性の領域とされた作業の一部は、すでにAIが高い水準で行う。境界線を前提に要件を書けば、要件は境界線と一緒に動く。
第二に、これは引き算の定義である。AIができることを引き、残りを人間に割り当てる。この発想では、人は年々小さく定義されていく。育成の設計思想としては、方向が逆である。
加えて、これらの言葉は評価の場で測定できない。創造性を五段階で評価せよと言われた管理職は、結局、印象を数字に翻訳する。要件が主観の別名になる。
三つの通説には、共通の欠陥がある。能力を静的な在庫として捉えていることである。何を持っているかを問い、いつまで持てるかを問わない。陳腐化が遅い時代には、それでよかった。いまは、そうではない。
3 再定義 — 求められるのは能力の在庫ではなく、更新の速度であ
るFuture Value Theory は、AI時代の人材を次のように定義する。求められる人材とは、能力を更新し続ける人である。
何を持っているかではない。何を捨て、何を入れ替え、どれだけの速さでそれを繰り返せるか。人材の価値は、在庫ではなく、更新速度に宿る。なぜ、速度が在庫に勝つのか簡単な思考実験を置く。二人の人物がいる。一方は、いま高い専門性を持っている。もう一方は、専門性ではやや劣る。しかし、学び直す速度が二倍ある。
一年後、差はまだ縮まらない。三年後、追いつく。五年後、逆転する。そして重要なのは、逆転がその後も続くことである。速度の差は、複利で効く。在庫の差は、時間とともに目減りする。
陳腐化が遅い時代には、この逆転が起きる前に定年が来た。だから在庫を測るほうが合理的だった。陳腐化が速い時代には、逆転が在職期間の内側で起きる。だから速度を測るほうが合理的になる。
これは精神論ではない。評価対象の選び直しである。何を人材の価値と呼ぶかを変えるという、制度上の判断である。
更新速度は、三つの資質に分解できる更新速度は、それ自体では観測しにくい。しかし、三つの資質に分解すると、痕跡が見えるようになる。
第一に、問いを立てる力。 学習は、答えを集めることではない。何を学ぶべきかを決めることから始まる。AIは、問いに対して答えを返す。問いの質を超える答えは返らない。この構造は、経営におけるQuestion Design（問いの設計）と同型である。個人の水準でも、問いの質が学習の質を決める。
第二に、前提を捨てる力。 更新とは、足し算ではない。古い前提を手放し、その場所に新しい前提を置く行為である。人が学び直せない最大の理由は、時間がないことではない。過去の成功が、捨てることを拒むことである。長く成果を出した人ほど、この抵抗が強い。
第三に、目的に接続する力。 更新には痛みが伴う。慣れた方法を捨て、下手な状態に戻る期間がある。この痛みを引き受けさせるものは、危機感ではない。危機感は短期にしか効かず、長期には人を消耗させる。続くのは、何のために更新するのかという目的である。方向のない更新は、ただの消耗に終わる。
この三つは、独立していない。問いを立てるには前提を疑う必要があり、前提を疑い続けるには目的が要る。
なぜ、AIが進むほど人の価値が上がるのかここで、よくある誤解を正しておきたい。AIが知的作業を担うほど、人の価値は下がる、という誤解である。
Future Value Theory は逆を述べる。AIが定型的な知的作業を担うほど、人の価値は上がる。 理由は三つある。
第一に、残る仕事の性質が変わる。作業が外部化されると、人の手元に残るのは、定義すること、選ぶこと、責任を引き受けることになる。これらは代替されないだけでなく、企業の成果に対する感度が高い。同じ職位でも、担う判断の重みが増す。
第二に、AIの出力を評価するには、人の水準が要る。誤りを含む出力を見抜けるのは、その領域を理解している人だけである。AIの性能が上がるほど、誤りは巧妙になり、見抜くために必要な水準は下がらない。むしろ上がる。
第三に、同じAIから引き出せる成果に、大きな個人差が出る。モデルは共通である。価格もほぼ共通である。それでも成果は揃わない。差を生むのは、何を問うか、どこで疑うか、どこで自分が引き取るかという判断である。
第一原理の第四項が述べるとおりである。AI Define. Optimizes. Humans AIは最適化する。人間は定義する。定義する側の質が、最適化の成果の上限を決める。
更新速度は、個人だけの資質ではないもう一点、決定的に重要なことがある。更新速度は、個人の内側だけで決まらない。
同じ人が、ある会社では学び続け、別の会社では止まる。これは日常的に観察される。前提を疑うと不利益を被る組織で、人は前提を疑わない。失敗が減点される組織で、人は新しい方法を試さない。評価期間が半年しかない組織で、人は半年で成果の出ることしかしない。
つまり、更新速度は個人の資質と組織の設計の積である。だから本章は、資質の議論で終われない。人事の設計まで踏み込む必要がある。
4 構造 — 三つの資本と、二つの方程式
再定義を実務へ落とすために、正典の構造に接続する。
4.1 Future Capital Equation における Human と Learning
Future Value Theory は、企業の資本を次の式で捉える。Future Capital = Financial × Human × Learning × Trust × AI × Knowledge ×Ecosystem × Purpose八つの項が、すべて掛け算で結ばれている。足し算ではない。したがって、一つがゼロなら、全体がゼロになる。財務資本をどれだけ厚くしても、Human がゼロなら未来資本はゼロである。
この式で注目すべきは、Human と Learning が別の項として並んでいることである。人がいることと、その人が学び続けていることは、別の資本として数えられている。
人材を在庫として捉える発想は、Humanだけを見る発想である。優秀な人を何人抱えているか。しかし式は、それだけでは足りないと述べている。Learning がゼロなら、どれだけ Human が大きくても積はゼロになる。
そして、AI という項も同じ式のなかにある。AIの導入は、この式の一項を大きくする行為である。他の項を放置したままAIだけを大きくしても、積は思うほど伸びない。私たちが導入の効果に落胆するとき、たいてい原因は他の項にある。
4.2 FVCC における Learning の位置
企業の未来価値創造能力は、次の式で表される。
FVCC = Purpose × Learning × Redefinition × AI Integration × Ecosystem ×Capital Allocation × TrustここでもLearningは独立した項である。そして順序に意味がある。
Purpose の次に Learning が来て、その次に Redefinition が来る。目的があるから学び、学んだから自らを再定義できる。この順序は Future Value Chain と一致している。
Purpose → Learning → Redefinition → Creation → Enterprise Value重要なのは、ここでの Learning が組織の学習を指すことである。個人の学習の単なる合計ではない。個人が学んだことが、組織に残る仕組みがあって初めて、この項は大きくなる。
学んだ人が辞めれば消える組織では、Learning は蓄積しない。学びが個人の頭のなかにしかない組織では、同じ失敗が部門ごとに繰り返される。個人の更新速度を上げる施策と、それを組織に定着させる施策は、別の設計を要する。
4.3 Purpose という項が、人材要件に効く理由
同じ二つの式に、Purposeが入っている。前章013で扱ったとおり、Purpose は文化を規定する。しかし人材の文脈でも、Purpose は決定的に効く。
理由は二つある。
一つは、先に述べた更新の方向づけである。何のために学ぶのかが定まらない更新は、続かない。
もう一つは、人を選ぶ側の理屈ではなく、選ばれる側の理屈である。更新速度の高い人材は、どこでも通用する。だから、その人が会社を選ぶ基準は、待遇だけではなくなる。ここで何を学べるのか。この会社は何を目指しているのか。既刊『100の問い』#043 が扱った論点である。Purpose の弱い企業は、更新速度の高い人材から順に失う。そして、その喪失は当期の損益には現れない。
4.4 Principle 5 が意味すること
第一原理の第五項は、この章全体を一行で述べている。
Learning Is the Ultimate Competitive Advantage. 学び続ける能力が最大の競争優位である。
なぜ「最大」なのか。他の優位は模倣できるからである。設備は買える。特許は切れる。人材は引き抜ける。AIは誰でも同じものを使える。模倣できないのは、学び続ける能力そのものである。それは資産ではなく、速度だからである。
そして、企業の学習能力は、人の学習能力の上に立つ。人材の議論が経営の議論である理由は、ここにある。
この原理には、経営者にとって不都合な含意がある。学習は測りにくく、効果が出るまで時間がかかる。だから、削っても当期は痛まない。人材への投資が真っ先に削られるのは、この非対称性のためである。削った瞬間に失われるのは費用ではなく、数年後の競争優位である。
5 実像 — 採用・評価・育成を、どう組み替えるか
再定義を、人事の三つの機能に落とす。ここが本章の実務上の中心である。
5.1 採用 — 在庫ではなく、更新の痕跡を見る
更新速度は直接測れない。しかし、痕跡は残る。採用で見るべきは、この痕跡である。
私たちが推奨する問いは四つある。
直近三年で、捨てた前提は何か。 何を新しく学んだかではない。何を手放したかを聞く。答えられない人は、足し算しかしていない。
自力で学んだ領域と、その学び方は何か。
会社が用意した研修ではなく、自分で決めて学んだ経験を聞く。学ぶ対象の選び方に、問いを立てる力が現れる。
失敗から得た結論は何か。 失敗の有無ではなく、そこから引き出した一般化を聞く。更新は、失敗の解釈を通じて起きる。
AIに何を任せ、何を自分で担ったか。そしてなぜか。 これが「AIを使える」に代わる問いである。任せた範囲ではなく、任せなかった理由に判断の質が現れる。使用量を聞いても何もわからない。境界の引き方を聞けば、多くがわかる。
要件定義の書き方も変える。技能の一覧を並べるのをやめ、担うべき問いを記述する。この職務は、どんな問いに答え続ける仕事なのか。技能は問いに従属して変わるが、問いは数年もつ。
新卒採用にも同じ原則が及ぶ。即戦力性を測る意味は、以前より小さくなった。入社時点の技能は、二年で入れ替わるからである。見るべきは、学び方が自分のなかで方法として確立しているかである。
5.2 評価 — 成果の隣に、更新を置く
評価が変わらなければ、採用を変えても意味がない。人は、評価されることをする。
多くの企業の評価は、成果の一軸である。この設計は、更新に対して逆向きに働く。更新には、成果が一時的に落ちる期間があるからである。慣れた方法を捨て、新しい方法に習熟するまでのあいだ、生産性は下がる。一軸の評価では、この期間が純粋な損になる。
したがって、評価には二本目の軸が要る。成果と、更新である。
更新の軸で見るものを、具体的に述べる。前提を書き換えた実例があるか。新しい方法を試し、その結果を報告したか。自分の学びを他者が使える形にしたか。三つ目は特に重要である。個人の学習を組織のLearningに変換する行為だからである。
失敗の扱いも設計に含まれる。前提を検証するための失敗と、注意不足による失敗を、同じ扱いにしてはならない。前者を減点すれば、更新は止まる。前章013で述べたとおり、失敗の扱い方が学習の速度を決める。評価期間の設計も見直す必要がある。半年の期間しかない組織では、半年で成果が出ることしか試されない。更新の軸だけは、より長い周期で見る。
5.3 育成 — 壊れかけている階段を、どう組み直すか
ここが最も難しく、そして最も見過ごされている問題である。
これまで、人はどう育ってきたか。初級の業務を大量に処理し、そこで基礎を身につけ、中級の判断へ進んだ。資料を何十本も作った人が、資料の良し悪しを判断できるようになる。初稿を何百回も書いた人が、他人の初稿を直せるようになる。
つまり、初級業務は成果物であると同時に、訓練装置だった。二つの機能を同時に果たしていた。
AIが初級業務を担うと、成果物の機能だけが引き継がれる。訓練装置の機能は、誰にも引き継がれない。ここに構造的な断絶が生まれる。
影響はすぐには出ない。いまの中堅は、壊れる前の階段を上って育った人たちだからである。当面、業務は回る。問題が表面化するのは、五年後から十年後である。判断ができる中堅が、いるはずの人数だけいない。そして、この空洞は財務諸表のどこにも現れない。
この構造は、業種を問わず現れる。ソフトウェア開発、法務、監査、コンサルティング、製造業の設計。いずれも、初級の反復を通じて判断力を養う徒弟的な構造を持っていた。
私たちが提案する対処は四つある。
第一に、訓練を業務から分離して、明示的に設計する。 これまで訓練は業務の副産物だった。副産物が消えた以上、意図して作るしかない。つまり、意図的な非効率を買うという判断である。AIに任せれば十分早い作業を、育成のために人に担わせる時間を、予算として確保する。これは費用である。しかし、五年後の中堅層を買う投資でもある。
第二に、課す仕事の階層を上げる。 若手に、AIを部下として持たせる。作業をAIに委ね、若手には設計と検証を担わせる。かつて十年目に始まった判断の練習を、三年目から始める。訓練装置が壊れたなら、より上の段から入れる設計に変える。
第三に、レビューする側に立たせる。 AIの出力を批評させ、その批評をベテランが批評する。判断力は、作ることよりも、見抜くことで育つ側面がある。AIは無限に題材を供給する。これは階段の破壊が生んだ、数少ない好機である。
第四に、ベテランの暗黙知を言語化する。 経験を、個人の勘のまま置いておくと、退職とともに消える。判断の根拠を言葉にし、記録し、教材に変える。これは Future Capital Equation の Knowledge 項を厚くする行為である。ベテランの経験は無価値にならない。言語化されない限り、資本にならないだけである。この論点は既刊『100の問い』#045で扱われている。
5.4 三つは、一体で動く
採用・評価・育成は、別々に手を入れると必ず失敗する。
更新速度で採用しても、評価が成果の一軸なら、採った人は数年で消耗する。育成に投資しても、評価が短期なら、投資された側が損をする。評価だけを変えても、要件が古ければ、何を評価するのかが定まらない。三つを貫く基準は一つでよい。更新し続けることが、この会社では報われるか。 この問いに現場が「はい」と答えられるなら、制度の細部は後から整う。
6 経営者への問い
ここまでを一行にまとめる。
AI時代に求められる人材とは、能力の在庫が大きい人ではなく、目的に向かって能力を更新し続ける人であり、経営の仕事は、その更新が報われる仕組みを設計することである。
AIを使える人材を探すことではない。人間らしさを持つ人材を探すことでもない。それらは、この設計の部分にすぎない。
最後に、三つの問いを置く。いずれも次の経営会議で答えを出せる問いである。
問い1 — 自社の人材要件は、いつ書かれたものか。
要件を書いた日付を確認していただきたい。三年以上前のものなら、そこに書かれた技能の意味は、すでに変わっている。要件を毎年書き直すべきだと言いたいのではない。技能ではなく問いで書かれていれば、要件は数年もつ。もつように書かれているか、を問うている。
問い2 — 更新した人と、しなかった人の処遇に、差はあるか。
過去三年の昇進者を並べ、その理由を確認していただきたい。成果だけが理由なら、この会社は在庫を評価している。前提を書き換えた人が報われた例がなければ、社員は正しく行動している。更新しないという行動を、制度が選ばせている。
問い3 — 五年後の中堅層は、いま、どこで育っているか。
具体的な場所を答えられなければ、階段はすでに壊れている。AIが初級業務を引き受けた分だけ、訓練の機会が失われている。その穴を埋める設計が、今年の予算に入っているかを確認していただきたい。
三つの問いは、いずれも人材の優劣を聞いていない。人が更新され続ける仕組みが、この会社にあるかを聞いている。
人は資本である。しかし、資本は放置すれば劣化する。設備が減価償却されるように、能力も陳腐化する。違うのは、能力だけが、設計次第で増価しうるという点である。
第一原理の第三項は、資本の役割をこう述べている。Capital Exists to Create Possibility. 資本は可能性を創るために存在する。人という資本も例外ではない。人材への投資とは、人を維持することではない。人が新しい可能性を創れる状態を、保ち続けることである。
AIは、私たちの能力の一部を代替する。同時に、更新のための時間と手段を返してくれる。その返ってきた時間を、何と掛け合わせるか。企業の未来は、その一点で分かれる。
本章のまとめ
- AI時代に求められる人材とは、能力の在庫が大きい人ではなく、更新し続ける人である。
- 更新速度は、問いを立てる力、前提を捨てる力、目的に接続する力の三つに分解できる。
- 更新速度は個人の資質と組織の設計の積である。だから採用・評価・育成を一体で組み替える。
- AIが定型を担うほど人の価値は上がる。定義する側の質が、成果の上限を決めるからである。
重要概念
Future Capital（未来資本）／Future Value Creation Capability（未来価値創造能力）／Question Design（問いの設計）／Future Value（未来価値）
関連概念
Purpose → Question Design → Learning → Future Capital → Future Value
関連する第一原理
Principle 5 — Learning Is the Ultimate Competitive Advantage. Principle 4 — AI Optimizes. Humans Define. Principle 3 — Capital Exists to Create Possibility.
関連する章
- 第II巻 015「AIは仕事を奪うのか？」— 返ってきた時間と人的資本の関係を扱う
- 第II巻 018「AI時代に社長が学ぶべきこと」— 更新の対象が経営者自身になる場合
- 第V巻 048「人材を再定義するとは？」— 人材の再定義を実務の手順へ落とす
- 第VII巻 070「人材は企業価値になるのか？」— 人をどこまで価値として語れるか
関連論文・既刊
- Kadowaki, N. (2026). Future Value Theory: A Management Framework for Enterprise, Capital, and Society in the Age of AI. VURA Working Paper. SSRN: https://ssrn.com/abstract=7120980 ／ Zenodo: https://doi.org/10.5281/zenodo.21255662
- 『AI時代の経営100の問い』#043「優秀な人材は、どんな会社を選ぶ？」／#059「AI時代、採用で何を見るべきか」／#045「ベテランの経験は、AI時代に無価値になるのか」
次に読むべき章
→ 第II巻 017「AI時代に会社の寿命は延びるのか？」
第II巻 AI時代の組織と人