「生成AIに代替される人」と「AIで能力を拡張する人」の決定的な違い――リスキリングで磨くべき3つの非認知能力

1. 【プロローグ】生成AIで仕事はどう変わるか

生成AIの登場によって、多くの企業で「文章作成が速くなった」「資料のたたき台を作りやすくなった」「調査や要約の時間が短くなった」といった効果が見られるようになりました。これまで人が時間をかけて行っていた作業の一部を、AIが短時間で支援してくれるようになったことは間違いありません。

しかし、生成AIが本当に変えているのは、単なる業務手順ではありません。変わっているのは、仕事で求められる能力の構造そのものです。これまでは、情報を正確に覚えること、決められた手順に沿って処理すること、過去の事例をもとに一定品質の成果物を作ることが、ホワイトカラーの付加価値として評価されてきました。ところが、生成AIは、文章の下書き、論点整理、要約、比較表の作成、アイデア出しなどを短時間で行います。つまり、「知っていること」や「手を動かして整えること」だけでは、付加価値を出しにくくなっているのです。

2026年以降の仕事では、AIを使えるかどうかだけでなく、AIを使って何を実現するのかが問われます。AIに任せる部分と、人間が判断すべき部分を切り分ける力。曖昧な業務課題を、AIに伝わる形に分解する力。AIが出した結果を鵜呑みにせず、自社の文脈、顧客の状況、法令や倫理、現場感覚に照らして判断する力。こうした能力が、これからのホワイトカラーの付加価値を大きく左右します。

生成AIは、仕事を奪う存在としてだけ捉えるべきものではありません。むしろ、使い方によっては、人の能力を拡張する強力なパートナーになります。ただし、その恩恵を受けられる人と、逆にAIに代替されやすくなる人の差は、今後ますます広がっていくでしょう。

本コラムの前提

2. 生成AIに「代替されやすい人」の共通点：受動的スキルの限界

生成AIに代替されやすい人には、いくつかの共通点があります。第一に、「正解を出すスピード」だけで勝負していることです。たとえば、定型的なメール文の作成、一般的な市場情報の整理、既存資料の要約、議事録の整形などは、生成AIが得意とする領域です。もちろん人の確認は必要ですが、単に早く、きれいに、一般的な答えを出すだけであれば、AIの方が優位になる場面は増えていきます。

第二に、過去の成功体験に基づく「やり方」に固執していることです。これまで通用してきた資料の作り方、会議の進め方、顧客への説明の仕方が、今後もそのまま通用するとは限りません。生成AIを使えば、資料作成そのものは短時間で済ませ、空いた時間を顧客理解や仮説検証に回すことができます。それにもかかわらず、「昔からこのやり方だから」「自分はこれで成果を出してきたから」と変化を拒んでしまうと、仕事の生産性も学習速度も停滞してしまいます。

第三に、指示を待つ「オペレーター型」の思考にとどまっていることです。AI時代において、単に「言われたことを処理する」だけの仕事は、最も代替されやすい領域になります。なぜなら、明確な指示があり、成果物の型が決まっている作業ほど、AIに依頼しやすいからです。上司や顧客から与えられた依頼をそのまま処理するだけではなく、「本当に解くべき課題は何か」「この依頼の背景にはどのような目的があるのか」を考える姿勢が必要になります。

ここで重要なのは、生成AIに代替されやすいのは「能力が低い人」ではなく、「受動的なスキルだけに依存している人」だという点です。知識や経験があっても、それを更新せず、問い直さず、他者やAIと組み合わせて活用できなければ、価値は相対的に低下していきます。

3. AIで「能力を拡張する人」の共通点：能動的マインドセットの獲得

一方で、生成AIによって能力を大きく拡張する人もいます。そのような人は、AIを単なる便利ツールとしてではなく、「外付けの脳」として使いこなしています。自分の頭の中だけで考えるのではなく、AIとの対話を通じて思考を外部化し、論点を広げ、抜け漏れを確認し、複数の選択肢を比較します。

たとえば、新規研修の企画を考える場面を想定してみましょう。従来であれば、担当者が過去の資料を見ながら一人で構成案を作り、上司に確認して修正する流れが一般的でした。AIを使いこなす人は、まず対象者、課題、研修時間、到達目標をAIに伝え、複数の構成案を出させます。そのうえで、自社の事情に合わない部分を見極め、必要な論点を追加し、受講者の理解度に合わせて内容を調整します。AIに考えさせるのではなく、AIを壁打ち相手として使いながら、自分の判断の質を高めているのです。

また、AIで能力を拡張する人は、試行錯誤を恐れません。プロンプトエンジニアリングという言葉がありますが、これは単に「上手な命令文を書く技術」ではありません。期待した出力が得られなかったときに、前提条件を変える、役割を指定する、出力形式を指定する、判断基準を加える、具体例を与えるといった工夫・試行錯誤を重ねる姿勢そのものが重要です。AI活用は一回で正解を出す作業ではなく、対話を通じて成果物を磨き込むプロセスです。

さらに、ドメイン知識、つまり業務や業界に関する専門性とAIを掛け合わせる力も欠かせません。生成AIは一般的な情報整理には強い一方で、個別企業の事情、顧客との関係性、現場の空気、暗黙知までは理解していません。だからこそ、専門性を持つ人がAIを使うことで、成果物の質は大きく高まります。AI時代に重要なのは、「AIがあるから専門性はいらない」ではなく、「専門性がある人ほどAIで伸びる」という理解です。

4. 違いを分ける鍵は「非認知能力」にある

AIに代替されやすい人と、AIで能力を拡張する人の違いは、単なる知識量やITスキルだけでは説明できません。鍵になるのは、非認知能力です。非認知能力とは、知識や計算力のように点数化しやすい能力ではなく、粘り強さ、主体性、協調性、自己調整力、課題に向き合う姿勢など、仕事の成果を支える土台となる力を指します。

これまでの人材育成では、資格取得、業務知識、PCスキル、専門知識など、比較的測定しやすい認知能力が重視されてきました。もちろん、これらは今後も必要です。しかし、生成AIが知識の検索、文章の生成、論点整理、案の比較を支援するようになると、人間に求められる力は変わります。何を目的にAIを使うのか。どの情報を信頼するのか。どの選択肢を採用するのか。誰を巻き込んで実行するのか。こうした判断には、非認知能力が深く関わります。

言い換えれば、非認知能力は、AIを使いこなすためのOSのようなものです。どれほど高性能なアプリケーションを導入しても、OSが古ければ十分に機能しません。同じように、生成AIという強力なツールを導入しても、社員が受け身の姿勢のままであれば、活用は定着しません。逆に、問いを立て、学び続け、他者と協働できる人材が増えれば、AIは組織全体の生産性を押し上げる存在になります。

人的資本経営の観点からも、非認知能力の育成は急務です。人的資本経営とは、人材をコストではなく価値創造の源泉として捉え、継続的に投資していく考え方です。AI導入によって生産性の二極化が進む中で、企業が競争力を維持するには、ツール導入だけでなく、人材開発・リスキリングを通じて社員の能力変革を支える必要があります。

5. リスキリングで磨くべき非認知能力① 問いを立てる力（課題定義力）

AI時代に最も重要な非認知能力の一つが、問いを立てる力、すなわち課題定義力です。生成AIは、与えられた問いに対して答えの候補を出すことは得意です。しかし、「そもそも何を問うべきか」「どの課題を優先して解くべきか」「この状況で本当に必要な判断は何か」を決めるのは、人間の役割です。

たとえば、「売上を上げる施策を考えて」とAIに依頼すれば、広告強化、キャンペーン、顧客分析、SNS活用など、一般的な施策は出てくるでしょう。しかし、それだけでは実務で使える提案にはなりません。必要なのは、「新規顧客が足りないのか」「既存顧客の継続率が低いのか」「単価が低いのか」「営業担当者の提案力に課題があるのか」といった問いの分解です。問いが粗ければ、AIの出力も粗くなります。問いが具体的であれば、AIの出力も実務に近づきます。

ここで重要になるのが、文脈、すなわちコンテクストを読み解き、AIに翻訳する力です。AIは、社内事情や顧客背景を自動的に理解してくれるわけではありません。人間が「対象者は誰か」「現状の制約は何か」「どのような成果を求めているのか」「避けるべきリスクは何か」を整理し、AIに伝える必要があります。これは、単なるプロンプト作成ではなく、業務理解そのものです。

この違いは、AIの性能の差ではありません。問いの立て方の差です。AI時代のリスキリングでは、操作方法を教えるだけでなく、「なぜ？」「本当の課題は何か？」「誰にとっての価値か？」を繰り返すクリティカル・シンキングを育てることが重要です。

6. リスキリングで磨くべき非認知能力② 学び続ける力（ラーナビリティ）

生成AI時代には、学び続ける力、すなわちラーナビリティも重要になります。技術の変化が速い時代には、一度学んだ知識やスキルだけで長期間通用するとは限りません。むしろ、これまでのやり方を必要に応じて捨てる力、すなわちアンラーニングが求められます。

アンラーニングとは、過去の知識や経験を否定することではありません。過去に有効だったやり方を絶対視せず、現在の環境に合わせて更新することです。たとえば、かつては資料作成に時間をかけることが丁寧な仕事と見なされていたかもしれません。しかし、生成AIを使えば、資料のたたき台は短時間で作成できます。すると、人間が時間をかけるべき部分は、デザインの微修正ではなく、相手に合わせた論点設計や意思決定の支援へと移っていきます。

また、アダプティブ・ラーニングの考え方も有効です。全員に同じ研修を同じ順番で受けさせるのではなく、各社員の理解度や業務課題に応じて、学習内容を最適化する方法です。生成AIを使えば、自分が理解できていない点を質問したり、業務に近い例に置き換えて説明してもらったり、学習計画を作成したりすることができます。AIは、個人の学びを支援するコーチとしても活用できるのです。

半年後、両者の差は単なるAI操作スキルではなく、学習習慣の差として表れました。社員Dは、失敗を「うまくいかなかった経験」ではなく「次の改善に使える学習データ」として蓄積していたのです。生成AI時代のリスキリングでは、知識を一度習得して終わりにするのではなく、試し、振り返り、更新し続ける仕組みを作ることが重要です。

7. リスキリングで磨くべき非認知能力③ 協働して価値を作る力（共創力）

AI時代に求められる三つ目の非認知能力は、協働して価値を作る力、すなわち共創力です。生成AIの活用は、個人の生産性向上にとどまりません。AI、人間、組織内外の関係者をどのように組み合わせ、価値創造につなげるかが重要になります。これは、AI×人間×人間のオーケストレーション能力とも言えます。

AIは、企画案、文章、分析の切り口などを提示してくれます。しかし、その出力を実際の意思決定や行動に結びつけるには、人間同士の対話が不可欠です。現場担当者の感覚、管理職の判断、顧客の期待、経営方針などをすり合わせながら、AIの出力を組織にとって意味のある形に変換する必要があります。

また、AI活用ではハルシネーションへの注意も欠かせません。ハルシネーションとは、AIが事実と異なる内容をもっともらしく出力してしまう現象です。AIの出力をそのまま採用するのではなく、根拠を確認し、専門知識に照らして妥当性を判断し、必要に応じて関係者に確認する姿勢が必要です。このとき問われるのは、単なるチェック作業ではなく、責任ある判断を下す審美眼です。

この事例でAIが果たした役割は、答えを出すことではなく、議論の材料を広げることでした。最終的に価値を生み出したのは、AIの出力をもとに、関係者が共通のナラティブを作り、改善に向けて動き出したことです。AI時代の共創力とは、AIを使って一人で完結する力ではなく、AIを媒介にして人と人の協働を深める力なのです。

8. 【実践編】非認知能力を伸ばすリスキリングの進め方

では、企業はどのように非認知能力を伸ばすリスキリングを進めればよいのでしょうか。まず個人でできる実践としては、AIを「部下」や「コーチ」に見立てて使う方法があります。部下に仕事を依頼するように、目的、背景、制約条件、成果物のイメージを明確に伝える。コーチに相談するように、自分の考えをAIにぶつけ、反論や別案を求める。こうした使い方を続けることで、思考の外部化が進み、自分の考えの曖昧な部分に気づきやすくなります。

たとえば、会議前に「この提案の弱点を指摘して」「想定される反対意見を挙げて」「経営層向けに説明する場合の論点に整理して」とAIに依頼すれば、自分だけでは気づきにくい観点を得ることができます。この習慣は、問いを立てる力やクリティカル・シンキングの訓練にもなります。

組織としては、失敗を許容する文化と環境整備が欠かせません。生成AIの活用は、最初から完璧には進みません。期待した出力が出ない、現場で使われない、ルールが曖昧で不安が残るといった課題は必ず発生します。そのときに、失敗を責めるのではなく、「どのような条件なら使えるのか」「どこにリスクがあるのか」「どの業務から始めるのがよいのか」を組織で学習する姿勢が重要です。

また、キャリア自律を促すインセンティブ設計も必要です。社員に「学びなさい」と伝えるだけでは、リスキリングは定着しません。学んだことを業務で試せる場、成果を共有できる場、評価や配置に反映される仕組みが必要です。たとえば、AI活用による業務改善事例を社内で共有する、部門横断の実践コミュニティを作る、学習成果をキャリア面談で扱うといった取り組みが考えられます。

さらに、専門スキルとAI活用を組み合わせたハイブリッド・リスキリングも有効です。営業であれば顧客理解とAIによる提案準備、人事であれば人材開発の知識とAIによる研修設計、経理であれば会計知識とAIによる分析補助、法務であれば契約知識とAIによる論点整理というように、既存の専門性にAI活用を掛け合わせることで、現場で使える力になります。

9. 経営層が知っておくべき「人への投資」の投資対効果（ROI）

生成AI時代の人材開発・リスキリングは、福利厚生的な学習支援ではありません。企業競争力に直結する投資です。AIツールを導入しても、それを使いこなす人材がいなければ、十分な効果は得られません。逆に、社員がAIを使って業務改善、顧客提案、意思決定支援、ナレッジ共有を進められるようになれば、組織全体の生産性は大きく変わります。

ここで経営層が意識すべきなのは、単純な研修費用の削減ではなく、投資対効果、ROIの視点です。たとえば、資料作成時間が削減される、問い合わせ対応の品質が上がる、企画立案のスピードが上がる、属人化していたノウハウが共有される、若手社員の立ち上がりが早くなるといった効果は、いずれも経営上の価値につながります。さらに、社員が自ら学び、変化に対応する組織文化が育てば、中長期的な競争力にもつながります。

※上記数値は、生成AI活用と非認知能力開発を組み合わせた実務モデルケースに基づく試算・改善イメージです。

一方で、リスキリングには一定の費用と時間がかかります。そのため、人材育成助成金などの制度を活用し、コストを抑えながら計画的に進める視点も重要です。助成金の対象や要件は制度によって異なるため、最新情報を確認しながら、自社の人材育成計画と結びつけて検討する必要があります。

また、eラーニングと講師派遣を組み合わせるのも効果的です。基礎知識や操作方法はeラーニングで効率的に学び、講師派遣ではケーススタディ、グループ討議、プロンプト改善演習、業務課題への適用を行う。これにより、知識習得と実践の両方をカバーできます。特に非認知能力は、動画を見るだけでは十分に育ちません。他者との対話、振り返り、実務への適用を通じて磨かれるため、研修設計にも工夫が必要です。

10. まとめ：AI時代こそ「人への投資」が最大の差別化要因になる

生成AIの進化によって、仕事の進め方は大きく変わりつつあります。しかし、AIが普及すればするほど、人間の価値がなくなるわけではありません。むしろ、AIをどのように使い、何を問い、どのように判断し、誰と協働して価値を生み出すのかという、人間ならではの力がより重要になります。

生成AIに代替されやすいのは、指示を待ち、過去のやり方に固執し、正解を出す作業だけに依存する人です。一方で、AIによって能力を拡張できるのは、問いを立て、学び続け、他者と協働しながら価値を作れる人です。その違いを分けるのが、非認知能力です。

企業にとって、AI導入はゴールではありません。AIを前提に、人材の能力をどう変革するかが本当の課題です。人的資本経営の観点から見ても、人材開発・リスキリングへの投資は、これからの企業競争力を左右する重要なテーマになります。

AI時代の最大の差別化要因は、AIそのものではありません。
AIを使って価値を生み出せる「人」です。

だからこそ、今必要なのは、単なるツール研修ではなく、専門スキルとAI活用、そして非認知能力を組み合わせたリスキリングです。社員一人ひとりがキャリア自律の意識を持ち、組織が学びを支援し、経営層が人への投資を戦略として位置づけること。その積み重ねが、生産性の二極化を乗り越え、AI時代に選ばれる組織を作ります。

今こそ、人への投資を次の成長戦略として捉え直すことが求められています。

監修者情報

林 雄次（はやし ゆうじ）

LEC東京リーガルマインドのおすすめ研修

AI代替を防ぎ、能力を拡張する人材を育成したい方に

• 生成AIパスポート試験合格講座（資格・検定対策）
• 生成AIリテラシー研修（資格・検定対策）
• 生成AI入門研修（講師派遣）
• ITリテラシー研修（講師派遣）
• DX戦略入門研修（講師派遣）

思考低下を防ぎ、自律的に学び続ける組織を作りたい方に

• ロジカルシンキング（eラーニング）
• 問題解決力を高める（eラーニング）
• モチベーションのコントロール法を学ぶ（eラーニング）
• デザイン思考研修（講師派遣）
• メンタルヘルス・マネジメント®検定試験（資格・検定対策）

人的資本経営を推進し、共創する組織へ変革したい方に

• リスキリングアドバイザー養成講座（資格・検定対策）
• チームビルディング研修（講師派遣）
• キャリアコンサルタント（資格・検定対策）
• 目標管理と部下育成研修（講師派遣）
• 部下との対話法とは？（eラーニング）

ITリテラシー向上関連コラム

生成AIパスポート試験の関連コラムはこちらから

研修を探す

テーマ別・資格･検定対策・階層別・目的別 研修一覧

資格・検定対策研修から選ぶ