Microsoft 365 Copilotを配った。その次の一手は決まっていますか？～マネージャー層の生成AI活用を進化させるには～

1. 生成AI導入の「次」が、なぜ見えにくいのか

生成AI導入の初期段階では、やるべきことが比較的明確です。

まず、使える環境を整える。

セキュリティやルールを決める。

操作研修を行う。

利用を促進する。

社内事例を集める。

活用率を見る。

ここまでは、ロードマップを描きやすい。

そして実際、多くの企業でかなり進んできた印象があります。

Copilotを使ってメールを書く。

会議を要約する。

資料をまとめる。

ExcelやPowerPointの作業を効率化する。

生成AIをほとんど触ったことがなかった社員も、少しずつ日常業務の中で使い始める。

これは大きな進歩です。

ただし、ここまで来ると、次の施策が少し難しくなります。

利用率を上げる。

プロンプト例を増やす。

活用事例を共有する。

さらに操作研修を行う。

もちろん必要です。

しかし、それだけを繰り返していると、生成AI活用が

「できるだけ多くの人に、できるだけ便利に使ってもらう」

ところで止まってしまいます。

では、その先に何があるのでしょう。

私たちは、ここから先は、「誰が使うか」ではなく、「どの役割の人が、何のために使うか」を考える段階だと思っています。

例えば、若手社員と課長。

同じCopilotを使っていても、会社から求められている役割は当然違います。

ならば、AIとの関わり方も同じでよいはずはありません。ところが、生成AI教育だけを見ると、

新人も主任も課長も、

「要約の仕方はこうです」「プロンプトを具体的にしましょう」「まず役割を指定しましょう」と、ほぼ同じ内容を学んでいる。

ここに、次の育成施策を考える入口があると思います。

2. なぜ、課長と新人が同じAI研修なのか

例えば、新人社員がAIを使って、30分かかっていた仕事を10分で終えられるようになった。

これは大きな成果です。

メールを書く。

議事録をまとめる。

調べものをする。

企画のたたき台を作る。

目の前の仕事を速く、あるいは質を高く処理できる。

生成AIは非常に強力です。

では、課長の仕事はどうでしょうか。

もちろん課長もメールを書くし、資料も作ります。

しかし、その作業ベースの仕事がマネージャーの本来業務でしょうか？

自課の目標を達成する。

部下を育成する。

隣の課と調整する。

部長方針を自分の課へ落とし込む。

限られた人員や予算を配分する。

部下から上がってきた提案を判断する。

ときには、「今やらない」という判断もする。

つまり、マネージャーには、

作業を処理すること以上に、判断すること

が求められます。

例えば、部下から、

「来期、2名増員したいです」

という要求が出てきたとします。

一般社員が生成AIに相談するなら、

「増員要求に必要な根拠を整理してください」

でよいかもしれません。

では、課長はどうでしょう。

本当に2名必要なのか。

そもそも今の仕事を全部残す必要があるのか。

半年後にAIで代替できる業務はないのか。

会社全体では、どこに人員を重点配置しようとしているのか。

部長は、この要求をどの高さから見るのか。

考えるべきことが一段増えます。

つまり、課長に必要なのは、

AIに「答えを出させる能力」だけではありません。

AIを使って、問題そのものを一段高い位置から見直す能力

です。

ここに、一般社員とマネージャーのAI活用の違いがあります。

ところが、その違いを明確にした生成AI研修は、まだそれほど多くありません。

全社員に同じAIを配ることと、全社員に同じAIの使い方を教えることは、本来別の話ではないでしょうか。

3. AIが便利になるほど、マネージャーには別のリスクが生まれる

生成AIは、かなり優秀です。

しかも、どんどん優秀になっています。

こちらが何か尋ねると、非常にもっともらしい答えを返してくる。

論点も整理されている。

文章も整っている。

それなりに正しい。

だから便利です。

ただ、マネージャー層には、ここに少し違うリスクがあります。

例えば、部下が作った企画書をAIに読ませて、

「問題点を指摘してください」

と聞く。

AIは、かなり立派な指摘を返します。

市場規模。

競合状況。

収益性。

リスク。

実行体制。

KPI。

ほとんどの論点が揃っている。

すると、人間側には自然と、

「まあ、これでいいだろう」

という納得感が生まれます。言い方を変えると人間は易きに流れるという話です。

しかし、その企画を見た課長本人は、最初に少し違和感を持っていたかもしれません。

顧客は本当にこれを欲しがるだろうか。

似た企画を3年前にやったが、うまくいかなかった。

営業現場は本音では乗り気ではないのではないか。

部長が今期重視している方向とは、少し違うのではないか。

こうしたものは、単なるデータではありません。

その人が長年働く中で身につけてきた、

経験。

判断の勘所。

組織内の文脈。

顧客との関係性。

過去の成功や失敗。

そうした情報から生まれる「読み」です。

ところが、AIに普通に質問するだけでは、それらはAIとの対話に入ってきません。

生成AIが返す答えは、多くの場合、

膨大な最新の優秀なLLM学習モデルから引き出される、もっとも起こりやすい「典型解」です。

典型解が悪いと言う話ではありません。

むしろ、多くの場合よくできています。

だからこそ注意が必要です。

AIが間違っているから危ないのではなく、AIがそれなりに正しいから、人間側が検証しなくなる。

マネージャーにとってはこちらの方が怖い。

そして、もし部下も課長も、同じAIに同じような問いを投げ、同じような典型解を受け取っているとしたら。

会社全体のアウトプットは、少しずつ同じ顔になっていきます。

では、マネージャーが長年積み上げてきた経験知は、どこへ行くのでしょう。

ここが、私たちがマネージャー向けの生成AI教育を別に設計する理由の一つです。

4. マネージャーに必要なのは「うまいプロンプト」ではない

《ANT-B0マネージャー編》では、4DL TechnologiesがAI活用設計に使っている考え方、4DL-AASの一部を扱います。

4DL-AASは、「良い回答を出すプロンプト集」ではありません。

むしろ私たちは、いきなりプロンプトを書き始めないことを大切にしています。

4DL-AASでは、AIとの対話を大きく三つの層で捉えます。

Protocol層

どういう順序でAIと考えるのか。

Alignment層

どの視点、どの判断軸から考えるのか。

Generat層

それを具体的にAIへどう伝えるのか。

一般的なプロンプト研修では、Generat層(一般的なプロンプトの書き方)から始まることが多いでしょう。

「役割を設定しましょう」

「目的を明確にしましょう」

「条件を書きましょう」

もちろん、それも必要です。

しかし、マネージャーの場合、その前にもっと難しい問いがあります。

自分は、そもそも何を基準に判断しているのか。

例えば、部下の企画を前にしたとき。

「この企画は良いと思う。」

これは感想です。

「当部門の承認基準を満たしている。」

これは組織のルールです。

では、

「私は、企画の完成度よりも、本人が疑わずに置いている前提を最初に見る。」

これは何でしょう。

これは、マネージャーが、どこから考え始める人なのかを表しています。

この「考える構え(あり方)」をAIに渡す。

例えば、

「私は企画の完成度よりも、本人が疑わずに置いている前提を最初に確認します。この企画に含まれる暗黙の前提を整理し、事業への影響が大きいものから私に問い返してください」

とAIに伝える。

すると、AIから返ってくるものが変わります。

プロンプトが長いからではありません。その人の判断基準がAIとの対話に入ったからです。

そして、この過程にはもう一つ効果があります。

AIに伝えようとすると、自分自身が、「自分は何を見ているのだろう」と考えざるを得なくなる。AIに教えるために、自分の思考を言語化する。

結果として、AIを使いながら、自分自身のマネジメントのあり方を確認する。

これが、《ANT-B0マネージャー編》で扱いたいことです。

5. Copilot対応。しかし、Copilot専用ではありません

ANT-B0マネージャー編は、Microsoft 365 Copilotを導入されている企業で実施できるよう設計しています。

ただし、

Copilot専用の研修ではありません。

OpenAIのChatGPT。

GoogleのGemini。

AnthropicのClaude。

基本的には、同じ考え方を適用できます。

なぜなら、このワークショップの中心は、「Copilotのどのボタンを押すか」ではないからです。

扱うのは、

AIに何を任せるのか。何を人間側に残すのか。

自分の判断基準をどうAIへ渡すのか。

AIからどう問い返させるのか。

そして、AIとの対話をどう自分自身の思考に戻すのか。

という、

人間とAIの役割分担です。

生成AIの世界は変化が速い。

今のメインツールが、数年後も同じとは限りません。

生成AIの世界は変化が速い。

企業が利用する生成AI環境も、その中で選べるモデルや機能も、これから変化し続けるでしょう。

そのたびに、

「新しい画面の操作方法」

「新しく追加された機能の使い方」

だけを学び直していたら、育成施策の寿命は短くなります。

一方で、AIとの思考の組み立て方は、利用する環境やモデルが変わっても残ります。

これは、育成施策を考える側にとっても重要なポイントではないでしょうか。

せっかく予算を使って行うのであれば、特定の製品や機能の変化だけで陳腐化しにくいものにしたい。

ANT-B0マネージャー編は、そこを意識して設計しています。

そのたびに、「新しい画面の操作方法」だけを学び直していたら、育成施策の寿命は短くなります。

一方で、AIとの思考の組み立て方は、ツールが変わっても残ります。これは、育成施策を考える側にとっても重要なポイントではないでしょうか。

せっかく予算を使って行うのであれば、特定ツールのUI変更で陳腐化しにくいものにしたい。ANT-B0マネージャー編は、そこを意識して設計しています。

6. この3時間で、何を変えるのか

《ANT-B0マネージャー編》は、3時間のワークショップです。

冒頭、参加者には15問の簡易アセスメントに回答していただきます。測るのは、AIスキルの高低ではありません。AIとの距離感です。

AIが出した答えに、どの程度判断を預けるのか。納得できる回答が返ってきたとき、そこで進むのか。それとも、一度確かめるのか。

その傾向を簡易的に可視化します。

面白いのは、

同じ会社。

同じ部門。

同じ「課長」という肩書。

同じ生成AI環境。

それでも、AIとの距離感はかなり違うことです。

AIを慎重に使う人もいる。

大胆に使う人もいる。

どちらが良い悪いではありません。

まず、

自分がAIとどう向き合いやすい人なのかを知る。そこからスタートします。

その後、生成AIがなぜ「もっともらしい答え」を返すのか。なぜ人間は、その答えに納得しやすいのか。

典型解とは何か。

マネージャーは、部下と同じAI活用でよいのか。といったテーマを、実務場面を使いながら考えます。

さらに4DL-AASの一部を使って、単にAIへ質問するのではなく、自分の目的、判断基準、経験、疑うべき前提をAIとの対話へどう持ち込むかを体験します。

講師のデモを見るだけではありません。

参加者自身が利用可能な生成AIを使い、普通に聞いた場合と、自分の「考える構え」を入れた場合で、返答がどう変わるのかを確かめます。

そして最後に持ち帰るのは、新しいプロンプト集ではありません。

明日の会議で、部下にどんな問いを投げるか。

そこまでを考えて終わります。

例えば、

「この企画の売上はいくらになる？」から、

「この企画で、君が一番疑っていない前提は何？」へ。

「競合はどうしている？」から、

「競合と同じ前提で考える必要は、本当にある？」へ。

「何人増員が必要なの？」から、

「今の仕事を全部残す前提で考えていない？」へ。

AIの使い方が変わるというより、AIを使った結果、マネージャーの問いが変わる。私たちが3時間で狙っているのは、そこです。

7. 下期施策として「小さく試す」という選択

ここまで読むと、「面白そうだが、全社の管理職研修として実施するとなると話が大きい」と思われるかもしれません。

その通りです。

そして私たちは、最初から全社施策にする必要はないと思っています。

むしろ、まず現場で小さく試す。これが現実的です。

例えば、

DX推進部門と関係の深い課長層。

IT部門。

営業企画部門。

生成AI活用を先行している事業部。

そうした20名、30名程度のマネージャーから始めてみる。

実際に、

どんな反応が出るのか。

AIとの距離感にはどんな傾向があるのか。

翌日の業務で何が変わるのか。

まず確かめてみる。

その結果を見て、

翌年度の施策を考える。

対象部門を広げるのか。

人事部門と連携して管理職育成体系に入れるのか。

あるいは、別の職位向けのAI育成を考えるのか。

それは、試した後に決めればいい。特に下期の修正予算を検討する時期には、新しい大規模システムを導入するよりも、すでに導入した生成AIを、もう一段使い切るための施策として考えやすいのではないでしょうか。

生成AI導入の第一段階は、

「使える環境を作ること」でした。

第二段階は、

「使う人を増やすこと」。

そして、その次は、

「役割に応じて、AIとの関わり方を変えること」

だと私たちは考えています。

その最初の対象として、マネージャー層は非常に重要です。

部下と同じAIを使っていても、部下と同じ高さからAIを見る必要はありません。

マネージャーには、マネージャーのAI活用がある。

もし、「Copilotは配った」「ChatGPTも使えるようにした」「利用促進も進んできた」

そのうえで、

「さて、次は何をしよう」

と考えているのであれば、《ANT-B0マネージャー編》は、その次の一手の候補になるかもしれません。

生成AIを配ることから、

生成AIでマネジメントを変えることへ。AI活用の次のステージを、まず一つの部門から始めてみる。

それくらいの大きさからで、十分だと思います。

《ANT-B0マネージャー編》の詳細は、以下のバナーからダウンロードでき縷々カタログでご紹介しています。一般的なCopilot操作研修やプロンプト研修とは何が違うのか。実際のワーク例も含めてご覧いただけます。

AIに仕事を速くしてもらう。

その次は、AIを使って、自分たちの視座を変える。マネージャーにとっての生成AI活用は、そこからが本番ではないでしょうか。