AIの現在地から考える人材開発〜生成AI幻滅期に考えるリスキリングとアップスキリング〜
序章：生成AI「幻滅期」が示す、人材育成の転換点〜ハイプ・サイクルから読み解く、大企業の次の一手〜
第1回：2026年度予算編成前に問う、AI人材育成の「成熟度」〜現状を知る：自社専用の診断モデルを作る3ステップ〜
第2回：年末の振り返りが分ける、AI活用の成否〜過去を生かす：2025年の取り組みを学習資産に変える〜本記事
「やりっぱなし」が、競争力の差を生む
12月。多くの企業が2025年を振り返る時期です。
あなたの会社でも、今年のAI関連施策を振り返る会議が予定されているのではないでしょうか。そこで、こんな報告が並ぶかもしれません。
「ChatGPTを全社員に配布しました」
「生成AI研修を3回実施し、延べ300人が受講しました」
「営業部門でAI活用のパイロットプロジェクトを開始しました」
でも、待ってください。これらは本当に「振り返り」でしょうか？
「何をやったか」を列挙するのは、振り返りではありません。「何を学んだか」を抽出するのが、振り返りです。
この違いが、2026年の成否を分けます。
MIT NANDAが2025年7月に発表した調査レポートによれば、企業のAI導入プロジェクトの95%が失敗しています（*1）。失敗の主な原因は、目的が不明確、ツール選定の誤り、そして社員が使わない――いずれも「計画段階」の問題です。
しかし、もう一つ重要な失敗要因があります。それは「失敗から学ばない」ことです。
PwCが2025年春に実施した5カ国比較調査では、日本企業の特徴として「失敗に過度な懸念を持つ企業文化」が指摘されています（*2）。失敗を恐れるあまり、失敗を隠し、失敗から学ぶ機会を逃してしまう――この悪循環が、日本企業のAI活用を遅らせているのです。
デル・テクノロジーズが2025年8月に発表した調査では、APAC地域でAIプロジェクトの20%が失敗していますが（*3）、重要なのは「なぜ失敗したのか」を組織が理解しているかどうかです。
12月という年末の今、多くの企業が「何をやったか」の羅列で終わらせようとしています。しかし、生成AI幻滅期の今だからこそ、試行錯誤のデータは競争優位の源泉になるのです。
失敗を隠す文化が、最大の失敗を生む
なぜ日本企業は、失敗から学べないのか。
PwCの調査が指摘する日本企業の3つの特徴を見てください（*2）：
【日本企業にありがちな傾向】
1.合意形成重視・ボトムアップ志向の意思決定
2.失敗に過度な懸念を持つ企業文化
3.低い目標設定とチャレンジ意識の欠如
この3つが組み合わさると、どうなるか。
「失敗したくない」→「低い目標を設定する」→「全員の合意を取る」→「誰も責任を取りたくない」→「結果、何も学べない」
実際、多くの企業の振り返り会議で、こんな会話が交わされています：
A部長：「営業部のAI活用プロジェクトは、うまくいかなかったようですね」
B課長：「ええ、まあ…予算と時間の制約があって」
A部長：「では、来年は見送りますか」
B課長：「そうですね、慎重に検討します」
この会話の何が問題か。「なぜうまくいかなかったのか」が、一切議論されていないことです。
・目標設定が高すぎたのか、低すぎたのか
・ツールの選定は適切だったのか
・社員のトレーニングは十分だったのか
・業務プロセスの見直しは行ったのか
・経営層のコミットメントはあったのか
こうした具体的な「学び」を抽出しないまま、「失敗したから止める」で終わらせてしまう。これが、最大の失敗なのです。
MIT NANDAの調査が示す「95%の失敗」も、その多くは同じ失敗を繰り返しているのです（*1）。ある企業が「目的が不明確で失敗した」という教訓を、別の企業が生かせていない。社内でさえ、営業部の失敗を人事部が知らない、ということが起きています。
成功も、実は「偶然」かもしれない――客観的な分析の必要性
失敗から学べないのと同じくらい問題なのが、成功から学べていないことです。
「うちの部署ではAI活用がうまくいっています！」
そう報告する部署があったとします。素晴らしいことです。でも、問いかけてください：
「なぜ、うまくいったのですか？」
多くの場合、明確な答えが返ってきません。
「メンバーが優秀だったから」
「タイミングが良かったから」
「部長が熱心だったから」
これらは、再現性がありません。他の部署が同じ成功を再現できないのです。
成功を分析する際には、以下の視点が必要です：
【成功分析の5つの視点】
1.目標設定
・どんな目標を、どのレベルで設定したのか
・その目標は、他部署でも適用可能か
2.選定プロセス
・なぜそのツール・手法を選んだのか
・選定の基準は何だったのか
3.導入プロセス
・どんな順序で、どのくらいの期間をかけたのか
・途中で何を修正したのか
4.支援体制
・経営層のコミットメントは？
・専任担当者はいたか
・予算は十分だったか
5.成果測定
・何をどう測定したのか
・その測定方法は他部署でも使えるか
この分析をしないと、「Aさんという優秀な人がいたから成功した」で終わってしまいます。Aさんがいない部署は、永遠に成功できないのです。
さらに言えば、「成功」と思っているものが、実は「たまたま」かもしれません。
例えば、ある営業部門でAI活用によって売り上げが10%増加したとします。でも、同時期に市場全体が成長していたら？ 競合が撤退していたら？ AI以外の要因が大きかったのではないでしょうか。
客観的な分析なしには、成功も失敗も、ただの「エピソード」で終わってしまいます。
「学習資産」に変える、3つのステップ
では、2025年の取り組みを「やりっぱなし」で終わらせず、「学習資産」に変えるにはどうすればいいのか。
ここで紹介するのは、3つのステップです。このフレームワークを使えば、成功も失敗も、2026年度の戦略に生きる資産になります。
▶︎ ステップ1：「事実」を整理する（1週間）
最初にすべきことは、2025年に「何が起きたのか」を、感情を排除して整理することです。
以下のフォーマットで、全ての施策を洗い出してください：
【施策の整理フォーマット】
| 施策名 | 開始時期 | 対象 | 投資額 | 当初の目標 | 実際の結果 | 継続/中止 |
| 例）ChatGPT全社導入 | 2025年4月 | 全社員3,000人 | 600万円/年 | 利用率50%達成 | 利用率12% | 継続中 |
| 例）営業部AI研修 | 2025年6月 | 営業部100人 | 200万円 | AI活用率70% | AI活用率35% | 中止 |
| 例）人事部AI採用支援 | 2025年9月 | 人事部20人 | 150万円 | 選考時間50%削減 | 選考時間65%削減 | 継続・拡大 |
重要なのは、「良い・悪い」の判断を入れないことです。ただ事実を並べる。この段階では、「失敗した」「成功した」というラベルも貼りません。
なぜか。「失敗」というラベルを貼ると、その時点で思考が止まるからです。「うまくいかなかったから仕方ない」で終わってしまう。
事実だけを淡々と整理してください。
▶︎ ステップ2：「なぜ」を5回繰り返す（2週間）
次に、各施策について、「なぜそうなったのか」を5回問い続けるトヨタ生産方式の「なぜなぜ分析」を応用します。
例として、先ほどの「営業部AI研修」を分析してみましょう：
【なぜなぜ分析の例】
事実：AI活用率が目標70%に対して35%だった
なぜ1：なぜ活用率が低かったのか？
→ 研修後、実務で使う場面がなかった
なぜ2：なぜ実務で使う場面がなかったのか？
→ 既存の業務プロセスが変わっていなかった
なぜ3：なぜ業務プロセスが変わらなかったのか？
→ 業務プロセスの見直しを誰も担当していなかった
なぜ4：なぜ担当者がいなかったのか？
→ 研修の企画時に、業務プロセス見直しの必要性を認識していなかった
なぜ5：なぜ認識していなかったのか？
→ 研修を「知識提供」として設計し、「業務変革」として設計していなかった
このように深掘りすると、本質的な原因が見えてきます。この場合、「研修の質が悪かった」わけでも「社員のやる気がなかった」わけでもなく、「研修を業務変革とセットで設計していなかった」ことが根本原因だとわかります。
これを全ての施策について行ってください。時間はかかりますが、この作業が最も価値を生みます。
▶︎ ステップ3：「パターン」を抽出する（1週間）
最後に、複数の施策の分析結果を横断的に見て、共通するパターンを抽出します。
例えば、こんなパターンが見えてくるかもしれません：
【よくある失敗パターン】
パターンA：トップダウン型の失敗
・経営層が「AI活用しろ」と指示
・現場は「何をどう使えばいいか」わからない
・ツールだけ配布されて終わる
→教訓：現場の課題起点で設計すべき
パターンB：研修だけで終わる失敗
・研修は実施したが、業務プロセスは変えない
・学んだことを使う場がない
・徐々に使わなくなる
→教訓：業務変革とセットで設計すべき
パターンC：予算・時間不足の失敗
・小さすぎる予算で大きな目標を設定
・専任担当者がいない
・片手間で進めて成果が出ない
→教訓：リソース配分を現実的に
【よくある成功パターン】
パターンX：スモールスタート成功
・小さな部署・チームで試験導入
・具体的な業務課題を一つ解決
・成果を可視化して横展開
→再現ポイント：目標を絞り、小さく始める
パターンY：専任リーダー成功
・AI活用推進の専任担当者を配置
・継続的に支援・フォロー
・社内コミュニティーを形成
・→再現ポイント：専任リソースの確保
パターンZ：経営コミット成功
・経営層が定期的に進捗確認
・評価制度に組み込む
・予算を継続的に配分
→再現ポイント：経営層の継続的関与
こうしたパターンを抽出できれば、それは再現可能な知識になります。「うちの会社では、パターンBの失敗が多い。2026年度はパターンYとZを意識的に取り入れよう」――こういう戦略が立てられるのです。
12月にやるべきこと：「振り返り会議」の設計
3つのステップを紹介しましたが、これを一人でやる必要はありません。いえ、一人でやってはいけません。組織の学びは、組織で作るものです。
12月に、以下のような「振り返り会議」を開催してください：
【AI活用振り返り会議の設計】
参加者：
・経営企画、人材開発、DX部門の責任者
・AI関連施策を実施した各部門の担当者
・成功した施策の推進者
・失敗した施策の担当者（重要！）
アジェンダ（2時間）：
第1部（30分）：事実の共有
・各施策の概要と結果を淡々と報告
・この段階では評価しない
第2部（60分）：なぜなぜ分析
・特に重要な3-5施策を選んで深掘り
・成功・失敗の両方を分析
・ファシリテーターが「なぜ？」を繰り返す
第3部（30分）：パターン抽出
・共通する成功・失敗パターンを議論
・2026年度に生かせる教訓をまとめる
重要な原則：
1.責任追及をしない
失敗した人を責めない。「誰が悪いか」ではなく「何を学ぶか」に集中する
2.成功者を称賛する
成功した人を表彰する。ただし、「なぜ成功したのか」を言語化してもらう
3.全員が発言する
一部の人だけが話すのではなく、全員が意見を言う場にする
4.記録を残す
議論の内容を文書化し、2026年度の戦略策定に活用する
この会議の成果物は、「2025年度 AI活用学習レポート」としてまとめてください。これが、あなたの会社の競争優位になります。
幻滅期だからこそ、試行錯誤が資産になる
ガートナーのハイプ・サイクルが示すように、生成AIは今、「過度な期待のピーク期」から「幻滅期」へと移行しつつあります。
多くの企業が、期待と現実のギャップに直面し、取り組みを縮小・中断しようとしています。
でも、考えてみてください。
幻滅期に諦める企業と、幻滅期に学ぶ企業――どちらが、次のフェーズで勝つのでしょうか？
答えは明らかです。
MIT NANDAの調査が示す「95%の失敗」も、見方を変えれば「95%の学習機会」です（*1）。あなたの会社が2025年に経験した試行錯誤は、2026年の戦略を磨く原石なのです。
PwCの調査が指摘する「失敗に過度な懸念を持つ企業文化」を変えることは、一朝一夕にはできません（*2）。しかし、12月の振り返り会議で、「失敗から学ぶ」文化の第一歩を踏み出すことはできます。
「何をやったか」ではなく、「何を学んだか」。
この問いに答えられる企業が、2026年に飛躍します。
次回・第3回は、2026年度に向けて、効果を生む3層アプローチの全体像を解説します。全社展開、部門別展開、選抜育成――それぞれをどう組み合わせ、どう順序立てるのか。学習資産を生かした戦略設計の方法をお届けします。
＜参考文献・出典＞
*1 MIT NANDA「The State of AI in Business Report 2025」2025年7月
https://mlq.ai/media/quarterly_decks/v0.1_State_of_AI_in_Business_2025_Report.pdf
*2 PwC「生成AIに関する実態調査 2025春 5カ国比較」2025年春
https://www.pwc.com/jp/ja/knowledge/thoughtleadership/generative-ai-survey2025.html
*3 デル・テクノロジーズ「APAC地域のAI導入に関する調査」2025年8月
https://www.dell.com/ja-jp/blog/ai-ai-4/
