AIはほとんどのリーダーが気づいているより速くL&Dを変えている

私が話すL&DリーダーはみんなAIが自分たちの領域に来ていることを知っています。ただ、そのスピードがわかっていないだけなのです。

ほとんどの人はまだAIをコンテンツ制作ツールとして考えています。コース概要をより速く書いたり、クイズの問題を生成したりする道具として。たしかにそれはできますが、それはインターネットを「速いファックス」と言っているようなものです。本当の変化はもっと大きいのです。

---

誰も準備できていない変化

Zhang & Fan (2024)はAI活用の学習アナリティクスの体系的レビューを行い、協調学習環境におけるAIツールは主に認知的エンゲージメントの追跡に焦点を当てているが、適切なインストラクショナルデザインの原則や介入支援が欠けているものがほとんどであることを明らかにしました。これが今のギャップです。テクノロジーがペダゴジーの先を行っており、学習デザインを理解しているL&D専門家こそが、そのギャップを埋められる存在なのです。

AIは今、全員が同じコンプライアンス研修を受けるという汎用的なアプローチではなく、個々の従業員の実際のスキルギャップに基づいたパーソナライズされた学習パスを生成できるようになりました。本当の意味でパーソナライズされた育成プランを構築し、その人の成長に合わせて適応していきます。

パフォーマンスデータを分析して、パフォーマンスの問題になる前にスキルギャップを特定することもできます。マネージャーが気づく前に、年次評価の前にです。

難しい会話のためのリアルなプラクティスシナリオも作れます。新任マネージャーが厳しいフィードバックを与える練習を、防御的な態度を取る部下のように反応するAIを相手に、筋肉の記憶ができるまで繰り返すことができます。

そして、研修コンテンツを数分で複数の言語に翻訳しローカライズすることも可能です。私は東京で国際チームと仕事をしていますが、これだけでも前の職場で何百時間も節約できたはずです。

---

🔑 今のL&Dにおけるより大きなリスクは、AIによって、見た目は洗練されているのに中身が全くない研修が簡単に作れるようになってしまうことです。 美しいスライド、プロフェッショナルな台本、完璧なフォーマット、でもラーニングはゼロ。ほとんどのリーダーはまだその違いを見分けられません。それが問題なのです。

---

窓は閉じつつある

Guenole & Charlwood (2023)はHRがAIのパラドックスに適応できるかを検証し、重要な緊張関係を特定しました。HRとL&Dの専門家は、ピープルマネジメントのためのAI開発において倫理と公平性を中心に据えるためのスキルを身につける必要があるのに、そのスキルを十分な速さで構築できている人はほとんどいません。今後12カ月から18カ月でこれを解決したL&Dチームは不可欠な存在になります。AIを使ってこれまでと同じ平凡な研修をより速く量産するL&Dチームは、自らの存在意義を自動化で消していくことになります。

AIは、事実を覚えているかどうかをテストするアセスメントは生成できますが、大事な場面で応用できるかどうかはテストできません。そして学習が実際には起きていないのに学習文化があるかのような外観を作り出すこともできます。

学習を強化するAIと、学習をシミュレートするだけのAIの違いを知ること。それが今、求められているコンピテンシーです。

---

今四半期にどこに力を入れるか

• 既存の研修プログラムを一つ、AIのレンズで見直しましょう。 最も人気のあるコースを取り上げて、AIが各学習者に合わせてパーソナライズできる部分はどこか、ヒューマンファシリテーターが必要な部分はどこかを問いかけてください。その答えがカリキュラム全体の考え方を変えるきっかけになります。
• AIを使ったプラクティスシナリオを一つ作りましょう。 マネージャーが苦労しているスキル（フィードバック、権限委譲、難しい会話）を選んで、ClaudeかChatGPTでリアルな練習相手を作ってみましょう。まず自分で試して、何がうまくいくか観察してください。
• コンテンツの「磨かれた空虚さ」を監査しましょう。 直近の3つの研修モジュールを見直して、正直に問いかけてください。これは行動を変えているか、それともチェックボックスを埋めているだけか。AIは完成度が高く感じるのに何も教えないコンテンツを作りやすくします。
• チームとスキルについての会話をしましょう。 L&D部門が来年必要とするAIスキルは何か。コーディングではなく、プロンプトデザイン、学習アナリティクス、パーソナライゼーションのアーキテクチャです。今のうちにギャップを把握しておきましょう。

---

「アーリーアダプター」と「手遅れ」の間の窓は、ほとんどのL&Dリーダーが思っているより短いです。今から実験を始める人たちが、他の全員にとっての「良い」の基準を定義することになります。これらはまさに私がPeak Potentialのワークショップを通じてL&Dチームと取り組んでいる課題です。何を自動化し、何を守り、今本当に大事なスキルをどう構築するかを一緒に考えています。

---

出典:

• Zhang & Fan (2024), “AI-Driven Learning Analytics Applications and Tools in Computer-Supported Collaborative Learning: A Systematic Review.”
• Guenole & Charlwood (2023), “Can HR Adapt to the Paradoxes of Artificial Intelligence?”
• How to Use Claude to Build a Personal Knowledge System, AIが個人レベルで継続的な学習をどう支援できるか。
• Why Every Leader Needs to Understand AI, AI導入の課題のリーダーシップ側面。

---

leadhuman.aiのLead Humanlyシリーズの一部です。