生成AIを導入した工場で最初に起きるのは、コスト削減ではなく「これまで人がやっていた仕事の中身が変わる」という現象です。検査記録の転記、日タイ英の翻訳、受発注データの入力、月次資料の作成。こうした定型業務に何年も習熟してきたスタッフをどう次の役割へ移すかを決めないまま、ツールだけを配ってしまう拠点が少なくありません。AIリスキリングとは、研修を受けさせることではなく、業務を分解し、職務を設計し直し、人を再配置するまでを含んだ人材戦略です。本記事では、タイ・ASEAN拠点の日系製造業が何から手をつけるべきかを、公開されている最新の調査をもとに整理します。
なぜ今「AIリスキリング」が経営課題なのか
経営層の期待と、従業員が受け取る条件のあいだにある溝
世界経済フォーラム(WEF)が2026年1月に公表した「Four Futures for Jobs in the New Economy: AI and Talent in 2030」では、経営層への調査結果として、AIが既存の仕事を代替すると見る回答が54%、新たな雇用を生み出すと見る回答が24%と報告されています。代替を予想する声が創出を予想する声の倍以上あるということです。
同じ調査でより注意を要するのは、AI導入によって利益率が向上すると見込む回答が45%近くあるのに対し、賃金の上昇につながると見込む回答は12%にとどまっている点です。生産性の果実が従業員の処遇に還元される前提が、経営層自身の見通しの中に置かれていません。この状態でリスキリングを呼びかけても、現場が「自分の仕事を効率化して、自分の立場を危うくする作業」と受け取るのは自然な反応です。
AIリスキリングを経営課題として扱うということは、この溝を埋める設計を経営側が先に用意することを意味します。何を学ばせるかを議論する前に、学んだ人がどの職務に就き、どういう処遇を受けるのかを決める。順序を逆にすると、研修の出席率は上がっても行動は変わりません。
2030年の姿は一本道ではない
WEFの同レポートは、2030年の雇用の姿をひとつの予測として示すのではなく、「Supercharged Progress」「Age of Displacement」「Co-Pilot Economy」「Stalled Progress」という4つのシナリオとして整理しています。4つを分けているのは、AIの技術がどこまで進展するかという軸と、AIを使いこなせるスキルを持つ人材が行き渡るかどうかという軸の組み合わせです。たとえば「Co-Pilot Economy」と「Stalled Progress」は、どちらもAIの進展が急激ではなく漸進的にとどまる点では同じで、違うのは人材側だけです。前者はAI対応スキルを持つ人材が広く行き渡っている状態、後者はそれが限られたままの状態として説明されています。
この整理が実務にとって重要なのは、シナリオを分ける軸の一方が技術ではなく人材側に置かれている点です。技術の進歩は自社の外で起きますが、人材への投資を行うかどうかは自社の意思決定です。同じ技術環境に置かれても、投資した拠点と投資しなかった拠点では2030年の姿が違ってきます。日本本社とタイ拠点では人員構成も勤続年数の分布も同じではありません。本社の議論をそのまま持ち込むのではなく、拠点ごとにどのシナリオを取りに行くかを決める必要があります。
ツールを入れれば済む段階はすでに過ぎている
SDEパートナーズ株式会社が2026年6月8日に公表した日本国内の法人を対象とした調査(2026年3月18日から23日に実施、従業員300名以上の企業に勤務する生成AI利用者1,014名が対象)では、法人での導入率はMicrosoft Copilotが45.3%、ChatGPTが45.0%とほぼ並んでいます。一方で、機能や精度が実務レベルに達していないと感じる利用者は合計83.0%に上りました。
日本国内の調査ではありますが、これは「既製のAIツールを入れただけでは業務が完結しない」ことを示す数字です。出力を検証する、業務に合う形に手を入れる、例外を人が処理する。こうした人側の適応が依然として必要であり、その適応能力こそがリスキリングの対象になります。ツール選定の議論に時間を使う一方で、使いこなす側の職務や体制の設計を後回しにしている拠点は多いのですが、成果を左右するのはむしろ後者です。導入後に使われなくなる典型的な断層については、AI活用の定着支援2026｜研修の後に使われなくなる3つの断層で具体的に整理しています。
生成AIが代替するタスクと、人にしか担えない業務の見極め方
「職種」ではなく「タスク」で分解する
AIリスキリングの検討でもっとも多い失敗は、職種単位で「なくなる仕事」を議論してしまうことです。検査員という職種がなくなるわけではなく、検査員が担っている十数から数十のタスクのうち、いくつかが自動化され、いくつかが残り、いくつかが新しく生まれる、というのが実際に起きることです。
労働政策研究・研修機構(JILPT)が2026年3月18日に公表した資料シリーズNo.299「職場における生成AIの活用による従業員への影響」は、情報通信業J社と製造業K社の事例調査をもとに、職場で起きたタスクの変化を次の5つに整理しています。
- 補完的なタスクの変化。人が担っていた作業をAIが補い、担当範囲の内訳が変わる(J社・K社の両方で確認)
- タスクの幅の拡大。これまで手が回らなかった分析や提案まで担えるようになる(J社で確認)
- タスクの再編成。既存の業務の順序や担当の切り分けが変わる(K社で確認)
- 新たなタスクの創出。AIの出力を検証する、指示の出し方を整備するといった業務が新しく生まれる(J社・K社の両方で確認)
- タスクの部分的な自動化の拡大。作業の一部だけが自動化され、全体は人が担い続ける(J社で確認)
5つのうち、職種そのものの消滅を指すものは一つもありません。このうち製造業K社で確認されたのは、補完的なタスクの変化、タスクの再編成、新たなタスクの創出の3つです。実務で起きるのは「職務の輪郭の書き換え」であり、そのためリスキリングの単位もタスクでなければ噛み合わないということです。
見極めの4象限
タスクを棚卸ししたあと、どう仕分けるか。実務で使いやすいのは、判断の再現性と、誤りが出たときの影響の大きさという2軸です。
| 分類 | 判断の再現性 | 誤りの影響 | AIの関与のさせ方 | 例 |
|---|---|---|---|---|
| 置換候補 | 高い | 小さい | 大部分を自動化し、抜き取りで確認 | 定型帳票の転記、社内文書の一次翻訳 |
| 支援候補 | 高い | 大きい | AIが下書きし、人が全件承認 | 検査記録の一次判定、契約文書の下訳 |
| 拡張候補 | 低い | 小さい | 人の発想の幅を広げる用途に使う | 改善案の洗い出し、資料構成の試案 |
| 人が担う領域 | 低い | 大きい | 参考情報の収集にとどめる | 顧客への不具合説明、要員配置の判断 |
この仕分けで大切なのは、置換候補に分類されたタスクを担っていた人を「余剰」と見ないことです。そのタスクに習熟している人ほど、支援候補の領域でAIの出力の妥当性を判断できます。検査記録の転記を10年やってきた人は、どの数値が現実的でどの数値がおかしいかを体感として知っているからです。
人にしか担えない領域は「検証」と「対人」に集まる
Courseraが2026年1月21日に公表した「Job Skills Report 2026」は、約600万人の法人学習者のデータをもとに、生成AI関連スキルの受講が前年比234%増となったことを報告しています。同時に注目されるのが、Critical Thinking(批判的思考)の受講もデータ分野で168%増など各分野で急伸している点です。同レポートはこの動きを、人間がAIの出力結果を検証する専門家の役割へシフトしていることの表れと分析しています。
AIツールの使い方を覚えることと、AIの出力を疑える力を持つことは別のスキルです。そして前者は短時間でも身につく一方、後者は業務知識の裏付けを必要とします。長く現場にいる人が有利な領域が、ここにあります。
対人スキルの重要性も同じ方向を指しています。Anthropic共同創業者のDaniela Amodei氏は2026年2月7日のFortuneのインタビューで、コミュニケーション力やEQ、対人スキルの高い人材を採用したいと述べ、AIはSTEM領域に強い一方で人文的な知見が今後さらに重要になるとの見方を示しています。工場の文脈に置き換えれば、顧客への不具合説明、現場の合意形成、サプライヤーとの交渉といった業務は、AIが下書きを作れても最終的な責任は人が負う領域として残るということです。
製造業の現場で起きる変化——検査・翻訳・データ入力・事務はどうなるか
タイ拠点で定型業務に従事している層は、外観検査、通訳翻訳、データ入力、経理総務まわりの事務に集中しています。ここで起きる変化を業務別に見ていきます。
外観検査は「判定」から「基準の管理」へ
画像による外観検査の自動化は生成AI以前から進んでいましたが、変わったのは導入のハードルです。学習データの整理、判定基準の文書化、例外ケースの説明といった周辺作業に生成AIを使えるようになり、これまで規模の面で見送られていた小ロット品目にも手が届くようになりました。
その結果、検査員の仕事は「良品か不良かを判定する」ことから、「判定基準そのものを維持管理する」ことへ移っていきます。具体的には、AIが判定に迷ったケースを人が裁定する、季節や材料変更で基準がずれていないかを監視する、新製品立ち上げ時に基準を追加する、といった業務です。判定件数は減りますが、業務の難度は上がります。これは降格ではなく、明確な職務のグレードアップとして扱う必要があります。
翻訳・通訳は「訳す人」から「意味を保証する人」へ
タイ拠点でもっとも影響が大きいのがこの領域です。日本語とタイ語、英語のあいだの一次翻訳は、実用水準に達しつつあります。日本人駐在員と現地スタッフの日常的なやりとりでは、すでに機械翻訳が介在している場面が増えているはずです。
一方で、機械翻訳が担えないものが明確に残ります。品質不具合の報告で「たぶん大丈夫だと思います」という日本語の含みをどう伝えるか。顧客監査の場で、答えるべきでない質問にどう応じるか。労務上の指導で、相手の面子を保ちながら是正を求めるにはどう言うか。こうした場面は、言語変換ではなく文脈判断の仕事です。
翻訳担当を抱えている拠点では、この職務を「通訳」から「日タイ間のコミュニケーション設計」へ再定義する余地があります。用語集の整備、翻訳品質のチェック、機械翻訳では危険な場面の切り分けルール作り。これらはAIが普及するほど価値が上がる業務です。
データ入力は消える業務ではなく、上流に移る業務
受発注データ、生産実績、在庫の入力といった業務は、AI-OCRと生成AIの組み合わせで大幅に削減できる領域です。ただし、削減されたあとに何が残るかを見誤ってはいけません。
残るのは、入力そのものではなく、データの整合性を守る仕事です。取引先ごとに異なる帳票フォーマットの変更に追随する、読み取り結果が既存マスタと突き合わない場合を処理する、システム間で数字が合わない原因を追う。この種の業務は自動化しにくく、しかも現場の実態を知らないと処理できません。入力担当者が持っている「この取引先はいつも単位がケースだ」といった知識は、そのまま次の職務の土台になります。
事務・管理間接部門は業務の幅が広がりうる
先に挙げたJILPTの5類型のうち「タスクの幅の拡大」が確認されたのは情報通信業J社の事例ですが、製造業の間接部門にも同じ余地があります。資料作成や議事録の一次作成に要していた時間が減れば、これまで手が回らなかった分析や改善提案に踏み込めるからです。ただし、この拡大は自動的には起きません。空いた時間の使い道を上司が設計しなければ、業務量が減っただけで終わります。
同調査は、スキル面で新規スキルの創出やスキルの向上と並んで、一部スキルの価値低下も示唆しています。ここを直視することが、リスキリングの出発点になります。価値が下がるスキルがあると認めたうえで、その人が持つ別の資産(業務知識、社内の人脈、現場の勘)を次の職務にどうつなぐかを考えるのが、経営側の仕事です。
| 業務 | AIが担う部分 | 人に残る部分 | 移行先として設計しうる職務 |
|---|---|---|---|
| 外観検査 | 一次判定、記録の自動生成 | 迷い判定の裁定、基準の維持 | 検査基準管理、品質データ分析 |
| 翻訳・通訳 | 一次翻訳、定型文書の訳出 | 含みの伝達、交渉場面の判断 | 用語統制、多言語教育の設計 |
| データ入力 | 帳票読取、転記、突合の下準備 | 例外処理、マスタ整備、原因追跡 | マスタ管理、業務プロセス改善 |
| 一般事務 | 資料の下書き、議事録の一次作成 | 内容の妥当性判断、関係者調整 | 業務分析、間接部門のDX推進 |
この表は完成形ではなく、拠点ごとに埋め直すための枠です。同じ「データ入力」でも、拠点が持つシステムの構成によって残る業務が変わるためです。
「研修」で終わらせない——職務再設計とキャリア再配置という発想
研修だけでは行動が変わらない構造的な理由
多くの拠点で、AI研修は実施済みです。それでも定着しないのは、研修が「できるようになること」を扱う一方、職務が「やるべきこと」を規定しているからです。職務記述書、評価項目、日々の業務指示のどれもが変わらないまま新しいスキルだけ渡されても、業務時間内にそれを使う正当性が生まれません。
つまり、リスキリングの実効性を決めるのは研修の質ではなく、研修後に本人が置かれる職務の設計です。ここを外すと、費用をかけるほど「役に立たなかった研修」という記憶だけが残ります。研修の対象者設計と費用対効果の関係はDX人材育成の研修2026｜対象者の階層設計で費用対効果が決まるで扱っていますが、本記事の主題はその一段手前、職務そのものをどう書き換えるかにあります。
職務記述を先に書き換える
実務的な手順は次の通りです。
- 対象タスクの棚卸しを行い、先に示した4象限で仕分ける
- 置換候補・支援候補に分類されたタスクを、現在の職務記述から外す
- 空いた稼働時間に何を入れるかを、具体的な成果物のレベルで定義する
- 新しい職務に必要なスキルを列挙し、そこではじめて研修を設計する
- 評価項目と処遇を新しい職務に合わせて改定する
順序が重要です。研修を先に走らせると、学んだ内容と職務のズレが後から発覚し、やり直しになります。
Rockwell Automationは、AI主導かつ人間中心の製造業が東南アジアをどう変えるかを論じた分析で、APAC地域の製造業の42%が職務再設計にデジタルツールを活用していると報告しています。同分析は、オペレーターが信頼性エンジニアへ進化するといった複合的な職務の登場を挙げ、AIによる案内を業務に組み込んだ拡張作業指示や、現場向けのデジタル訓練モジュールが取り入れられつつあるとしています。同分析はまた、クラウドとエッジを組み合わせたハイブリッドな構成が、ベトナム、タイ、マレーシア、インドネシアといった市場で標準になりつつあるとも述べています。職務の再設計もデジタル基盤の整備も、先進国だけの議論ではないということです。
再配置の3つのパターン
再配置は「昇格」だけではありません。実務では次の3パターンが使い分けられます。
- 縦の移行。同じ業務領域のまま、実行者から管理者・設計者へ上がる。検査員から検査基準管理者への移行がこれにあたる
- 横の移行。隣接する業務領域へ移る。データ入力担当が生産管理の実績分析へ移るケース
- 接続役への移行。現場とIT部門、あるいは日本人管理者と現地スタッフのあいだをつなぐ役割に就く。多言語人材はここで強みが出る
3つのうち、タイ拠点でもっとも人材が不足しているのが接続役です。システムの言葉と現場の言葉の両方を理解し、かつ日本語とタイ語の両方が使える人材は、外部から採用しようとすると極めて高くつきます。社内で育てる合理性が高い職務です。ベテランが持つ暗黙知をどう形式知として残すかという観点は、技能伝承AIの始め方2026｜ベテランの暗黙知を残す3層と費用で層別に整理しています。
誰から始めるか——AIリスキリングの優先順位のつけ方
全員一斉に始めない
予算にも管理工数にも限りがある以上、対象者を絞る必要があります。優先順位を決める軸は3つです。
- 影響の切迫度。担当タスクのうち置換候補・支援候補が占める割合が高いほど、先に着手すべき
- 移行の可能性。本人が持つ業務知識が次の職務に転用できるか、学習への意欲があるか
- 拠点への影響。その人が動くことで、周囲の業務がどれだけ変わるか
3軸のうち、多くの拠点が見落とすのが3つ目です。誰か一人が新しい職務で成果を出すと、その周囲は「あれは自分にも関係する話だ」と受け止めます。波及を意図して最初の対象者を選ぶかどうかで、二巡目以降の進めやすさが変わります。反対に、最も抵抗が強い層から着手して躓くと、その一件が失敗事例として記憶され、次の展開が難しくなります。
着手順の考え方
| 優先度 | 対象層 | 着手内容 | 期待する成果 |
|---|---|---|---|
| 第1段階 | 定型業務比率が高く、業務知識が豊富な中堅層 | 職務再設計と個別の伴走支援 | 拠点内で示せる具体的な成功例 |
| 第2段階 | 第1段階対象者の直属上司にあたる管理職 | 部下の職務設計と評価の仕方 | 現場での指示と評価の整合 |
| 第3段階 | 同じ部門の残りのメンバー | 標準化された内容の集合研修 | 部門全体の底上げ |
| 第4段階 | 他部門への横展開 | 第1段階の対象者が講師役を担う | 社内での知識の自走 |
第4段階で自社の人材が講師役を担える状態になれば、外部への支出は大きく減らせます。ここまでを最初から設計に含めておくことが、費用対効果を左右します。
最初の90日で何をやるか
初期の90日は、成果を出すことより「型を作ること」に使うべきです。具体的には、対象部門を1つに絞り、タスク棚卸しから職務記述の改定までを一巡させます。この一巡で得られるのは、業務改善の成果そのものよりも、自社でこの作業を回せるという確信と、次の部門に渡せる手順です。管理職層をどう巻き込むかについては、管理職 AI研修2026｜タイ拠点の投資判断・統制・90日実装で判断基準と統制の観点をまとめています。
タイ・ASEAN拠点特有の壁——多言語人材とスキルギャップ
採用で埋められない前提から始める
ASW Consultingが2026年2月6日に公表した「From Skills Gaps to Growth: Upskilling Southeast Asia’s Workforce for 2026」は、世界経済フォーラムのFuture of Jobs Report 2025を引きながら、タイでは人材採用担当者の62%が業界の求人を埋められないと回答し、ベトナムでは企業の60%超がスキルギャップを事業上の障壁として挙げていることを紹介しています。
この数字が示すのは、必要なスキルを持つ人を外部から採ってくるという解決策が、この地域では成立しにくいという現実です。日本の議論では「採用と育成のどちらを選ぶか」が論点になりますが、タイ・ASEAN拠点では選択の余地が狭く、育成が既定路線に近くなります。そして育成に賭けるのであれば、育てた人が残る仕組み、つまり処遇と職務の設計まで含めて考えざるを得ません。
多言語人材をどこに置くか
タイ拠点には、日本語・タイ語・英語のうち複数を扱える人材が一定数います。従来この層は通訳・翻訳や日本人駐在員の補佐として配置されてきましたが、一次翻訳がAIで賄えるようになると、この配置のままでは価値が見えにくくなります。
一方で、AIを社内展開する局面では、この層の重要性がむしろ上がります。理由は次の通りです。
- 社内の手順書や品質基準を、AIが扱える形に整備する作業は言語をまたぐ
- 生成AIの出力が現地スタッフに正しく理解されているかを確かめられる人材が、この層に集中している
- 日本本社が示すルールを現地の実務に翻訳する作業は、言語能力と業務理解の両方を要する
つまり多言語人材は、通訳という職務から「AI社内展開の推進役」へ移すのが自然な再配置です。この移行を意識的に設計しないと、本人が自分の役割の縮小を感じて離職する、という最も避けたい事態を招きます。
教育コンテンツの言語をどうするか
日本本社が用意したAI研修の教材をそのままタイ拠点で使う、というやり方には限界があります。日本語の資料を英語に訳して配布しても、現場のリーダー層が読み解けるとは限りません。かといって全てをタイ語化するとコストがかさみます。
現実的な折衷案は、対象層で言語を分けることです。管理職層には英語または日本語の教材で概念を伝え、現場層にはタイ語で「自分の業務がどう変わるか」に絞った短い教材を用意する。全社共通の分厚い教材を1つ作るより、対象を絞った薄い教材を複数作るほうが、実際には定着します。
離職リスクを設計に織り込む
リスキリングに投資した人材が転職する可能性は、タイの労働市場では常に存在します。これを理由に投資を渋る経営判断は理解できますが、投資しなければ定型業務のまま人が滞留し、拠点全体の生産性が上がらないという別のリスクを抱えることになります。
実務的な緩和策としては、次のような設計が考えられます。
- 職務を再設計した時点で、等級や手当を明確に見直す
- 育成対象者に、拠点内で他者に教える役割を持たせて帰属意識を高める
- 個人ではなく業務プロセスに知識を蓄積し、特定個人への依存を避ける
3つ目が特に重要です。人が抜けても業務が回る形にしておくことは、離職対策であると同時に、リスキリング自体の成果でもあります。
リスキリングの投資対効果をどう測るか
研修の受講率をKPIにしない
投資対効果の議論が空転する最大の原因は、測る対象が受講率や満足度になっていることです。これらは実施したことの記録であって、成果の指標ではありません。
実務で使える指標は、3つの層に分けて設計します。
| 層 | 測るもの | 指標の例 | 測定のタイミング |
|---|---|---|---|
| 行動層 | 新しい働き方が定着したか | 対象業務でのAI利用頻度、自作した業務手順の数 | 月次 |
| 業務層 | 業務そのものが変わったか | 対象タスクの所要時間、例外処理の件数、転記起因の誤りの件数 | 四半期 |
| 事業成果層 | 拠点の数字が動いたか | 間接人員あたりの処理量、残業時間、要員計画の変化 | 半期から年次 |
行動層だけを見ていると「使っているが業務は変わっていない」状態を見逃します。逆に事業成果層の数字だけを追うと、他の要因との切り分けができず、リスキリングの寄与を説明できません。3層をセットで持つことが、継続投資の判断材料になります。
効果が出るまでの時間差を見込む
職務再設計を伴うリスキリングは、行動層の変化が1から3か月、業務層が3から6か月、事業成果層の数字への反映が6か月以降というのが実務上の目安です。この時間差を経営会議で共有しておかないと、3か月目の報告で「効果が出ていない」と判断され、途中で打ち切られます。
打ち切りの怖さは費用の無駄だけではありません。一度中断したリスキリングは、次に再開しようとしたときに現場の協力が得られにくくなります。始める前に、どの時点で何を見るかを合意しておく必要があります。
処遇の設計を先送りしない
冒頭で触れたWEFの調査に戻ります。利益率の向上を見込む回答が45%近くある一方、賃金上昇を見込む回答が12%にとどまるという構図は、リスキリングの投資対効果を測るうえで避けて通れない論点です。
生産性が上がった分をすべて人件費に回す必要はありませんが、新しい職務に移った人の処遇が以前と変わらないなら、周囲は「難しい仕事を引き受けても報われない」と学習します。二人目、三人目の候補者が出てこなくなり、リスキリングは最初の一巡で止まります。等級制度や手当の見直しは時間がかかるため、リスキリングの計画と並行して着手しておくのが現実的です。
FAQ
AIリスキリングとは？
AIの普及によって内容が変わる業務に対応できるよう、従業員のスキルと職務を組み替える取り組みを指します。ツールの使い方を学ぶ研修だけを指す言葉ではなく、業務のタスク分解、職務記述の書き換え、人の再配置、処遇の見直しまでを含む人材戦略として捉えるのが実務的です。日本語では「学び直し」と訳されることが多いのですが、学ぶ側の努力だけを指す言葉として使うと、経営側の設計責任が抜け落ちます。
AI研修とAIリスキリングは何が違いますか？
AI研修は手段の一つで、AIリスキリングはその手段を含む全体の取り組みです。研修は「新しいスキルを身につけさせること」を目的としますが、リスキリングは「身につけたスキルが発揮される職務に人を配置すること」までを目的とします。研修だけを実施して職務が変わらない場合、学んだ内容が業務時間内に使われず、投資が回収されません。
生成AIの社内展開はどの部署から始めるべきですか？
定型業務の比率が高く、かつ誤りが出ても即座に品質や納期に影響しない部署から始めるのが安全です。多くの拠点では、間接部門の文書作成業務や、翻訳が発生する部署が候補になります。逆に、いきなり品質保証や生産管理の判断業務に持ち込むと、出力の検証負荷が高く、現場の負担感だけが残りやすくなります。
リスキリングにはどのくらいの期間が必要ですか？
対象範囲によりますが、1部門でタスク棚卸しから職務記述の改定までを一巡させるのに3か月程度、その職務で本人が自走できるようになるまでにさらに3から6か月というのが一つの目安です。全社展開を前提にすると1年から2年の計画になります。短期で成果を求めるより、最初の部門で型を作り、その型を他部門へ渡していく進め方のほうが、結果的に早く広がります。
タイ人スタッフ向けの教材は日本語や英語のままでよいですか？
現場層に届けるものについては、母語での用意を前提に考えたほうが安全です。翻訳コストを理由にタイ語版を省くと、変化の意図が伝わらないまま「仕事を取られる話」として受け取られ、抵抗の原因になります。本文の「タイ・ASEAN拠点特有の壁」で触れたとおり、対象層ごとに言語と分量を変える設計が現実的です。
まとめ
AIリスキリングを人材開発部門の施策として扱っているうちは、成果は出にくいままです。本記事で整理した要点を振り返ります。
- 経営層の期待と従業員が受け取る条件のあいだには溝がある。処遇の設計を先に用意する
- 議論の単位は職種ではなくタスク。判断の再現性と誤りの影響で4象限に仕分ける
- 検査、翻訳、データ入力、事務のいずれも、消えるのではなく職務の輪郭が書き換わる
- 研修の前に職務記述を書き換える。順序を逆にするとやり直しになる
- 対象者は絞る。定型業務比率が高く業務知識が豊富な中堅層が起点として適している
- タイ・ASEANでは採用でスキルギャップを埋めにくい。多言語人材はAI社内展開の推進役へ移す
- 効果測定は行動層・業務層・事業成果層の3層で持ち、時間差を事前に合意しておく
最初の一歩は、どのツールを導入するかを決めることではなく、一つの部門を選んでタスクを書き出すことです。書き出してみると、置き換えられるタスクが想像より少なく、書き換えが必要なタスクが想像より多いことに気づくはずです。
TOMAS TECHは、PEGASUSをはじめとする生産管理・エネルギー管理システムを通じて、タイおよびASEANの日系工場のデジタル化を支援してきました。その過程で、システムを入れても現場の職務が変わらなければ効果が出ないという場面を数多く見てきています。AIリスキリングをどこから手をつけるべきか検討している段階でも、自社の業務のうち何が置き換わりうるかを一緒に整理するところからご相談いただけます。ご相談はお問い合わせページからお気軽にどうぞ。
参考情報
- Four Futures for Jobs in the New Economy: AI and Talent in 2030 — World Economic Forum、2026年1月。経営層調査と2030年の4シナリオ
- 職場における生成AIの活用による従業員への影響(資料シリーズNo.299) — 労働政策研究・研修機構(JILPT)、2026年3月18日。情報通信業J社と製造業K社の事例調査
- Introducing Coursera’s Job Skills Report 2026 — Coursera、2026年1月21日。法人学習者の受講動向
- Anthropic cofounder Daniela Amodei on humanities majors, soft skills and hiring — Fortune、2026年2月7日
- From Skills Gaps to Growth: Upskilling Southeast Asia’s Workforce for 2026 — ASW Consulting、2026年2月6日。東南アジアのスキルギャップ
- How AI-Driven, Human-Centred Manufacturing Will Shape Southeast Asia in 2026 — Rockwell Automation。APAC製造業の職務再設計とハイブリッド構成
- 国内法人における生成AIプラットフォームの利用実態に関する調査 — SDEパートナーズ株式会社、PR TIMES、2026年6月8日。国内法人の生成AI利用者1,014名が対象
