会社運営に役立つ法令情報

　経済産業省は、デジタル時代の人材政策に関する検討会での議論を踏まえ、「生成AI時代のDX推進に必要な人材・スキルの考え方2024」〜変革のための生成AIへの向き合い方〜、を取りまとめ公表しました。この報告書の内容は、生成AIに関心がありつつも急速な進展をどのように受け止めるべきか今まさに悩んでいる日本企業一般に向けたものとされています。

1．背景
生成AIの技術は、生産性や付加価値の向上等を通じて大きなビジネス機会を引き出すとともに、様々な社会課題の解決に資することが期待されています。

2023年8月に、生成AIを適切かつ積極的に利用する人材・スキルの在り方について「デジタル時代の人材政策に関する検討会」において集中的に議論し、「生成AI時代のDX推進に必要な人材・スキルの考え方」として採るべき対応をとりまとめました。その後、生成AI技術の急速な進展、国内企業の導入が進んでいますが、本格的な利活用には課題があります。

2023年10月以降、本検討会において、企業や専門家のヒアリングを重ね、今般、生成AIの利活用を妨げる課題と解決に向けた示唆、生成AI時代のDX推進人材のスキル、政策対応を取りまとめました。

2．「生成AI時代のDX推進に必要な人材・スキルの考え方2024」について
本とりまとめのポイントについては、以下のとおりです。

（1）生成AIの利活用の現在地
開発者の貢献や企業の前向きな生成AI導入（国内企業の生成AI社内利活用・推進は1年前から大きく進展）。一方で、組織として生成AIの日常業務への組み込み、新サービス創出、これを後押しする経営層の関与が停滞（世界平均より低い）。

（2）生成AI利活用の段階と課題、解決策と今後
日本においては、開発者の貢献、企業の生成AI導入において前向きな対応が確認される一方で、組織として生成AIを日常業務に組み込んで利用する取組や、新たなサービス創出につながる活用、また、これを後押しするような経営層の関与において停滞している状況が見られる。

生成AIへの理解不足と向き合い方
【課題】
⚫それぞれの生成AIツールでどのようなことが可能か理解し、どのように使うのかを計画する段階でつまずく企業が多い。背景としては、そもそも生成AIがどのようなことができるか分かっていない、分かっていても自社の業務に落とし込むことができない、漠然と利活用領域を構想することができても優先順位をつけて実現計画に落とすことができない、といった課題が挙げられる。

⚫また、生成AI利活用への意欲だけが先行し、付加価値の創出や業務改善といった価値ではなく、生成AI導入が自己目的化してしまうケースも存在している。

⚫生成AIの特性上、誤った・不正確な内容を出力してしまうこと、情報の入力に際して漏洩の配慮が必要なことなど、既存組織から見ると一定のリスクを内包する技術であるために、業務上の利用や新たなサービス創出における活用に躊躇しているケースが多く見られる。

【解決に向けた示唆】
⚫DXと同様に目的志向型のアプローチの重要性を改めて認識する必要がある。個人タスク起点の利用も有効ではあるが、効果に限りがあり、業務へ定着しづらい。業務への組み込みを起点とし、経営KPIに影響を及ぼすための手段としての生成AI利活用を検討するのが有効である。そのため、生成AI導入を目的にするのではなく、目的志向のアプローチを徹底し、生成AIの良い部分を利活用できるよう利活用の向き不向きを考えるべきである。

⚫生成AIの良い部分に関して、ハルシネーションのリスクに対応する上でも、そもそも「誤りがあるから使えない」ではなく、「間違っても良い仕事」に適用することを考えることが大切である。すなわち、既存の問題をいかに「確率的に合っていればよい仕事」に変換できるかが重要であり、この発想の転換をできるかが生成AI利活用には必要となる。

⚫また、生成AIに答えを求めるよりも、問いを深めるために利用することも大切である。問いを深めることは課題設定や仮説検証を効果的に行うことに繋がり、そのために生成AIを利活用することは有効な手段となる。

⚫利活用シーンの検討にあたっては、社内の従業員から生成AIの利活用アイデアを吸い上げ、社内での積極的な利活用を推進する事例が見られる。この実現にあたっては、企業内で生成AIを幅広い従業員が使える環境を整えた上で、メンバーが体験、ビジネス、技術それぞれの観点から、「こんなことができるのでは」、「これをやれば新しい価値が生まれるのでは」と考え、「実験」することを後押しすることが有効である。

⚫生成AI利活用の取組を前に進める上では、「誰を中核に置くか」が重要。市場や価値に対するイメージを持ちながら、勝手に実行できるような「業務に習熟し、適用領域を見出しつつ、主体的に推進する人材」が中核にいることが重要である。

⚫生成AI利活用において、「ルール・ガイドライン決め・生成AI利用環境の整備」「社内業務への活用」「顧客向けサービス」を順番に進めてしまうと、市場の変化スピードについて行けないため、全てを同時並行で検討していくことが望ましい。

生成AI導入の成功企業における検討の進め方
⚫生成AIに付随するリスクを抑えるためには、組織単位で利活用に当たっての機密情報や個人情報の取扱等のガイドラインを定める必要がある。利用者の利活用を阻害しない範囲におけるシステム側での工夫によりデータ流出などの問題が発生しにくい状態にすることも重要となる。生成AIの安全な利活用に向けては、政府から広範なAI事業者を対象とする「AI事業者ガイドライン（第1.0版）」、また利用にあたっての著作権法上の論点を整理するため「AIと著作権に関する考え方について」が公開されており、活用することができる。

経営層の姿勢・関与
【課題】
⚫生成AIの利活用にあたり、経営層の役割は極めて重要である。経営層が変化に対して及び腰になり、生成AI導入のメリットよりも、リスクやコストなどのデメリットばかりに目を向けてしまい、導入が進まないことがある。

⚫経営側の関与が不十分な場合、現場主導で生成AI利活用が進む際にも、踏み込んだユースケースとならず、前述の生成AI利活用のフェーズ１（単一の業務・タスクでの生成AI活用）にとどまってしまう。

【解決に向けた示唆】
⚫生成AIを組織として利活用するためには、経営層自身が生成AI利活用において、積極利活用に向けたビジョン・方針を定め、全体最適の取組が行われるよう、意思決定・生成AI利活用戦略策定を行うことが重要になる。また、企業内の文化として「新しいものを取り入れていく」方向に誘導することが重要。そのため、経営層自身が新しいものを取り入れる姿勢を示し、デジタル化による効果を想像し、推進を後押しすることが大切である。

⚫経営層は生成AIの実力を過小評価せず、単なるコスト削減や効率化だけでなく、生成AIを使って新しいことに取り組むことを考えるべきである。例えば、労働力不足を補う手段として、生成AIによる生産性向上による効果を具体的に検討してみてはどうか。経営層が新しい取組を積極的に進めることにより、社員の自発的な学習にも繋がる。リスキリングのためにはこのように社員の意識を変えることが大事である。

⚫生成AIによるDXの推進にあたって、部分最適を防ぎ、End to Endでの業務見直しを行うためには、経営から示された戦略を実行に移すつなぎ役としての変革推進人材が求められる。変革推進人材は自社のビジネスを理解した上で、部門間の利害を超えた客観的な視点を持つ立場である必要がある。その人材にはビジネスプロセス全体を俯瞰し、部門間やプロセス間等の境目の非効率を解消する形でプロセス全体の変革を推進するビジネスプロセスマネジメントのスキルが極めて有益となる。

⚫このビジネスプロセスマネジメントのスキルを持って、ビジネスプロセスの構造管理等を行うのがビジネスアナリストである。ビジネスアナリストは経営から示された戦略を専門家の力を借りつつ具体的な手順に落とし込むような特別な専門性を持った人材であり、海外では変革を推進する人材として一般的である。経営層はこのビジネスアナリストのような変革のために必要な専門性を認識し、変革のためにはこうした専門人材・組織を設置・確保する必要性があることを理解することが望まれる。また、このビジネスアナリストは社内調整の役割を担うことが不可欠であり、組織内の意思決定構造や組織文化の理解、社内ネットワークが欠かせない。そのため企業はビジネスアナリストを外部に頼るのではなく、自社内で確保することが必要となる。

⚫なお中堅・中小企業等においては、そもそも独力でDXを推進することが難しいケースも見られる。生成AI利活用を通じたDX推進にあたっても、人材・情報・資金が不足している中堅・中小企業等は、地域の伴走役たる様々な支援機関と連携しながら取り組むことが効果的である。


（3）生成AI時代のDX推進に必要な人材・スキル
生成AIの業務での活用により知識や技術が補填されるため、DX推進人材はより創造性の高い役割としてリーダーシップや批判的思考などパーソナルスキルやビジネス・デザインスキルが重要となる。
DX推進人材には「問いを立てる力」や「仮説を立て・検証する力」、に加えて「評価する・選択する力」が求められる。

推進人材とスキル
【課題】
⚫生成AIによって労働生産性が大幅に向上するとともに、これまで代替不可能と考えられていた不定型な業務領域（その多くはホワイトカラーの仕事）をも代替することが想定される。

⚫これに伴い、従業員に求められる人材・スキルがどのように変化するか、またこうした変化が継続的に起きる中で人材育成やリスキリングにどのように取り組むべきか。

【解決に向けた示唆】
⚫生成AIの影響によりビジネスプロセスは大きく影響を受ける。ここ数年でテクノロジーの進展もあり必要とされるジョブ・スキルは変化しているが、生成AIは様々な業界・業種に大きな影響を及ぼすと見られ、人材の流動性が高まることを含めこの変化はより加速することが見込まれる。

⚫特にスキルはジョブに基づいて定義される以前にテクノロジーの進展に応じた速いスピードで変化が進むため、市場のスキルトレンドを踏まえて、人材戦略を考えることが企業の持続的な成長において不可欠となる。そのため企業においては、スキルトレンドをデータドリブンかつタイムリーに捉えるためのケイパビリティを整備し、先を見据えた人材定義や教育、人材の活躍の場作りなどを行うことが重要となる。

⚫推進人材に求められるスキルを明確に定義した上で、人材を評価するといったスキルベースの取組は一層重要となる。スキルベースで社員とコミュニケーションを図ることにより、社員の保有スキルと企業の求めるスキルのギャップが明確になり、社員の自律的なキャリア形成や効果的な人材育成施策を実行することが可能となる。

⚫こうしたスキルベースの人材育成は企業各社で取り組むべき課題であるとともに、個社を超えた環境整備として、共通のスキル標準の可視化や技術の進歩を踏まえたアップデートが求められる。また、より効率的で普遍的な人材育成に向けて、継続的な学び、スキルアップ、キャリア形成の実現を促すための仕組みが求められる。

データの整備
【課題】
⚫生成AIでは、企業データの90％を占める非構造化データが技術的には利活用できるようになると言われており、データ利活用を通じた企業価値の向上が強く期待される。一方で、実態として企業においてデータが適切に管理されているとはいえない状況にある。例えば、システム分散化によるデータの無秩序な拡散、業務部門毎に最適化されたIT導入によるデータ管理のサイロ化、データを全社横串で見る機能が存在しないなど、いざデータを利活用しようとする場面で、データの粒度、制度、整合、管理など、データ利活用に係るマネジメント不足による様々な課題が顕在化している。

【解決に向けた示唆】
⚫生成AIにおいて外部情報の検索を組み合わせるRAG（Retrieval-Augmented Generation）は正確で有益な回答を得る肝となる技術であり、生成AIの利活用において更なる進化が期待される領域である。RAGの技術が重要な一方、企業としては社内で質の良いデータを確保していなければ、いかに良い生成AIを導入しても、正しく適切な出力がされず、効果的に利活用ができない課題がある。これまで企業ではデータに関する基盤やプラットフォームといったIT（器）にばかり視線が集まり、データの中身の品質や価値を高めること（中身）に着目してこなかったのが現状である。

⚫こうした課題を乗り越えるためには、全社的なデータマネジメントを行う必要がある。このデータマネジメントは、�@活用に足る状態のデータに整備・運用するための戦略・目的の策定、�A実行体制の整備・人材育成・定着化、�Bルール・プロセスなどの整備・実行・統制の3つで構成される。現状ではこのデータマネジメントの実践を担う役割の必要性について認知が進んでおらず、専門人材が圧倒的に不足している。今後、企業はビジネスの現場で意思決定に役立つデータを確保するため、データの「目利き」人材として、データマネジメントを推進する人材の必要性を認識し、これを「プロフェッショナル人材」と定義し、当該専門人材の育成・確保、適正な評価・処遇をしていくことが求められる。

⚫また、従来のAIではトランザクション・ユーザーのデータ等の構造化データを主に対象としていたが、生成AIの登場によりこれまで十分に利活用ができていなかったテキスト、画像、音声等の非構造化データの利活用が可能となるため、マルチモーダルAIを導入することにより今までのAIでできなかった高度なデータ利活用が期待される。このような生成AIの特性を活かした高度な利活用の前提となるデータの中身を管理するデータマネジメントの取組は、これまで以上に重要になる。

経験機会の喪失と実践的な教育・人材育成
⚫今後、定型業務から一部の非定型業務までが生成AIによって代替されれば、従来OJT等を通じて行われてきた経験を蓄積する機会が省略されることになるため、組織における人材育成のあり方を見直す必要があるのではないかとの指摘がある。

⚫例えば、シニアエンジニアの指導下でジュニアエンジニアがコードを書きながら経験を積んでいくこと、企業・業界分析を行うジュニアコンサルタントが上司の指導を受けながら一人前のコンサルタントとして成長していくプロセスは、既に生成AIによる部分的な代替が始まっている。

⚫こうした変化について、「経験蓄積の機会が無くなるのは組織の人材育成において大きな問題である」という懸念や不安の意見がある一方で、「生成AIを利活用した新しい仕事の進め方が生まれる」という前向きな意見もあり、双方の視点で議論がある。

⚫人材育成へのネガティブな影響と受け止める立場からは、従来の下積みに代わる育成方法について、生成AIの影響も見ながら代替案を考えていく必要があるとの意見がある。また、人材育成へのポジティブな影響と受け止める立場からは、生成AIを用いることで個々のタスクが効率化され、業務をより高速で回すことができ、これが業務の早期の習熟につながるという意見もある。

⚫特に後者については、既に生成AIを教師として学習したり、人材育成を行う取組が生まれている。例えば、日立製作所では、新卒社員など経験が浅いデジタル人材に対し、生成AIをうまく利活用することでポジティブな影響が出ている。また、コラムで紹介したベネッセホールディングス「自由研究お助けAI」は、生成AIが答えを教えるのではなく、考える力を養うために生成AIを利活用している好事例である。

⚫また、生成AIの登場によって、課題解決型から課題発見型のアプローチが重要になる中、探求学習の意義が高まっているが、自分で問いを立て、その問いを磨く研鑽の過程において、生成AIを積極的に利活用することで探究学習の質を更に高めることができる、といった指摘もある。

⚫生成AIによる経験機会の喪失の論点については、引き続き両論あるところ、生成AIの普及によって生成AIをパートナーとして利用するような日常への浸透とともに、今後、各組織において検討が深まることが望まれる。

（4）生成AIを踏まえた人材・スキルの在り方に関する対応
経済産業省の対応として、「デジタルスキル標準（DSS）」の見直し、「デジタルガバナンス・コード」の見直し、AI学習機会の裾野の拡大、生成AI時代に求められる継続的な学びの実現に向けた環境整備に取り組んでいく。
経済産業省における政策対応

(1)「デジタルスキル標準（DSS）」の見直し
⚫昨年8月の｢DXリテラシー標準（DSS-L）44」（2022年3月策定）の見直しに続き、DXを推進する人材類型の役割や習得すべきスキルを定義した「DX推進スキル標準（DSS-P）」（2022年12月策定）の見直しを行う。

⚫生成AIの登場やその進化によって､DXを推進する人材に求められる役割等も変化することを踏まえて、DX推進人材に求められる行動等についてDX推進スキル標準への必要な変更を実施する。また、生成AIに関するスキルの必要性も鑑み、共通スキル項目の一部を改訂する。

⚫グローバル標準において、「プロダクトマネージャー」が一般的な職種として設定されており、日本においても特にデジタルサービスを提供する企業における職種として浸透してきている動きや教育コンテンツも整い始めていることを踏まえ、2024年3月にビジネスアーキテクト類型の補記として「プロダクトマネージャー」の定義を公開した。今回の見直しにてデジタルスキル標準に「プロダクトマネージャー」の定義を正式に追加する。

(2)「デジタルガバナンス・コード」の見直し
⚫「デジタルガバナンス・コード」は、経営者がDXによる企業価値向上の推進のために実践することが必要な事項（ビジョン・戦略等）をまとめたDX時代の経営の要諦集である。

⚫足下でのデジタル人材の不足、生成AIの登場等のDXの新たな課題を踏まえ、人的資本とDXの関係の整理、デジタル人材に求めるスキルや育成方法、人材育成方針策定やキャリアパス開発等を通して可視化し開示する重要性等について、「デジタルガバナンス・コード」の改訂論点として検討する。

(3)AI学習機会の裾野の拡大
⚫生成AIの登場などデジタル技術の急速な進化により、求められる人材像が変化しているほか、変化の速さに応じた学びと実践を繰り返すことが不可欠となっている。このため、「第四次産業革命スキル習得講座（Reスキル講座）認定制度」のIT分野について、2023年10月申請より、デジタルスキル標準に紐づく講座について新たに募集を開始し、E資格等のAI関連資格の講座を認定した。

⚫また、厚生労働省とともに認定対象講座のレベルの再整理を行い、2024年4月申請よりITSSレベル３の講座についても認定制度の対象とすることとした46。これらの新たな基準で認定される講座についても、個人支援によるリスキリング推進の観点から、教育訓練給付講座の指定対象となっている。

(4)生成AI時代に求められる継続的な学びの実現に向けた環境整備
⚫生成AI時代には変化をいとわず学び続けることが必要となる。これまで行ってきた政府のデジタル人材育成の取組は一定の成果が見られるが、これが生成AI時代においても積極的に活用され続けるためには、個人の学びの動機付けや学び続けるモチベーションを維持する仕掛けが必要となる。これには、自身がこうなりたいという人物像やキャリアのイメージがあり、何を学ぶべきか、学びのステップが明確であること、学んだことを役立てる場があることや評価を得ることが含まれる。

⚫こうしたスキルアップを続けるデジタル人材を支援するため、個人のデジタルスキル情報の蓄積・可視化を可能とする情報基盤の構築を検討するとともに、スキル情報を広く労働市場で活用するための仕組みを検討するべきである。