・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～
・第3回：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〜
・第4回：新年、経営層を動かす「AI人材投資」の説得ロジック〜説得する：幻滅期こそ投資すべき3つの理由〜
・第5回：人事異動シーズンに問う、AI時代の「適性の見極め方」 〜見極める：アップスキリングから見える、リスキリング適性〜 本記事
はじめに｜「この営業をデータサイエンティストに」と決める前に
2026年1月。多くの企業が次年度の人事異動や配置転換を検討する時期です。
「この営業は3年目で優秀だから、データサイエンティストに転換しよう」
「あの経理担当者は論理的思考力があるから、AI専門部署に異動させよう」
「DX推進のために、各部門から選抜してAIエンジニアを育成しよう」
人事担当者や部門長が、既存社員のキャリアについてこう考えるのは自然なことです。株式会社アカリクが2025年10月に発表した調査によれば、生成AI活用を推進する企業の88.4%が採用戦略を見直し、そのうち55.4%が採用人数を削減しています（*1）。新規採用を抑制する中、既存社員を「AI人材」に転換する必要性が高まっています。
でも、ちょっと待ってください。
「3年後に必要な職種」を、今の時点で決めてしまって本当に大丈夫でしょうか？
序章（第0回）で学んだように、AIの進化スピードは誰にも予測できません。2022年に「この社員をデータアナリストに転換しよう」と決めた企業の多くが、2025年には「AIがデータ分析の大部分を自動化してしまった」という現実に直面しています。Harvard Business Reviewの2023年の報告では、テクノロジー関連スキルの半減期はわずか2年半前後と指摘されています（*2）。
つまり、今「この職種が将来有望だ」と判断してリスキリング（職種転換）を開始しても、育成が完了する1〜2年後には、その職種の業務内容がAIによって様変わりしている可能性が高いのです。
1月という時期は、4月の人事異動に向けて配置転換を決定する重要なタイミングです。しかし、焦って「この営業をデータサイエンティストに」「あの経理をAIエンジニアに」と決めてしまうのは危険です。
本稿ではアップスキリングを通じてリスキリング適性を見極める方法を解説します。なぜ「3年後の職種」を今決めるのが危険なのかを実例で理解し、まず全員にAI基礎スキルを習得させ、その過程で見える「適性の兆候」から判断する新しいアプローチを提供します。焦らず観察期間を設ける重要性と、適性のある人材だけを選抜的に育成するフレームワークが手に入ります。
「有望職種」が消える速度――データアナリストとRPA開発者の教訓
「3年後の職種を今決めるのは危険」――そう言われても、ピンとこない方もいるでしょう。では、実際に何が起きているのか、具体例で見てみましょう。
▶︎ ケース1：データアナリストの業務が激変した3年間
2022年、多くの企業が「DX推進にはデータアナリストが必要だ」と考え、社員のリスキリングを開始しました。SQL、Python、統計学――1〜2年かけて育成する計画でした。
しかし、2025年現在、何が起きているか。
note上でデータアナリストとして活動するarakawamotohide氏は、2024年1月の記事で「データアナリストはより戦略に近い立場と、データ活用をトータルプロデュースする立場のいずれかになっていく」と指摘しています（*3）。つまり、データの集計や可視化といった作業はAIによって簡略化・効率化され、人間がやるべき仕事の内容が根本的に変わってしまったのです。
2022年に「データアナリストを育成しよう」と決めた企業の多くは、2025年には「SQLを書かなくなったとき、その人のことをまだ『データアナリスト』と呼ぶのか？」という疑問に直面しています。育成が完了する頃には、職種の定義自体が変わってしまったのです。
▶︎ ケース2：RPA開発者というニッチな職種の盛衰
もう一つの例がRPA（Robotic Process Automation）開発者です。
2020年頃、「RPAで業務自動化」というキーワードが注目され、多くの企業がRPA開発者の育成に乗り出しました。国内企業のRPA導入率は13.04%に達し、特に大企業では27.69%が導入済みと報告されています（*4）。
しかし、2025年現在、AIエージェントの台頭により、RPAの位置づけが変わりつつあります。JAPAN AI ラボが2025年12月に報告しているように、AIエージェントはRPAよりも高度な業務の効率化が可能であり（*5)、単純なRPAスキルだけでは差別化が難しくなっています。
2020年に「RPA開発者を育成しよう」と決めた企業は、5年後の2025年、「AIエージェント時代にRPA専門スキルをどう生かすか」という新たな課題に直面しているのです。
▶︎ 共通する失敗パターン：「3年後の職種」を今決める危険性
これらの事例に共通するのは、「将来有望な職種」と判断して投資したが、育成が完了する頃には職種の定義や必要スキルが変わってしまったという点です。
AIの進化スピードは想像以上に速く、Harvard Business Reviewが指摘するように、テクノロジー関連スキルの半減期は2年半前後（*2）です。1〜2年かかるリスキリングを今開始しても、完了時には「学んだスキルの半分はもう古い」という状態になりかねません。
だからこそ、新卒配属シーズンの今、焦って「この新卒をデータサイエンティストに」と決めてしまうのは危険なのです。
「全員アップスキリング先行」という戦略的選択
では、どうすればいいのか。
答えは、第0回の序章で示した通りです：まず全員にアップスキリング（現職でのAI活用スキル）を習得させ、その過程で適性を見極めてからリスキリング（職種転換）を判断する。
▶︎ なぜアップスキリング先行なのか――3つの構造的理由
理由1：期間が短く、AIの進化に追いつける
アップスキリングは数カ月で完了します。一方、リスキリングには1〜2年かかります。
前述の通り、テクノロジー関連スキルの半減期は2年半（*2）です。数カ月のアップスキリングなら、スキルが陳腐化する前に実務で活用できます。しかし、1〜2年かかるリスキリングでは、育成完了時には「学んだスキルが時代遅れ」というリスクが高まります。
理由2：全社員が対象なので、リスク分散される
リスキリングは「この職種が将来有望だ」という予測に基づきます。予測が外れれば、投資が無駄になります。
一方、アップスキリングは全職種が対象です。営業はAIで提案書作成、経理はAIで仕訳チェック、人事はAIで採用支援――どの職種も、現職でAIを活用する必要があります。つまり、予測が外れるリスクが低いのです。
理由3：現職での活用なので、職種消滅リスクが相対的に低い
データアナリストやRPA開発者という専門職種は、AIの進化で定義が変わったり、需要が減ったりするリスクがあります。
しかし、「営業としてAIを活用する」「経理としてAIを活用する」というアップスキリングは、職種そのものが存在する限り有効です。つまり、職種消滅リスクが相対的に低いのです。
▶︎ アップスキリングとリスキリングの違い――もう一度整理
ここで、この2つの概念を改めて整理しましょう。
LinkedInの定義によれば（*6）：
【アップスキリング（Upskilling）】
現在の職務や役割を継続しながら、その職務をより高いレベルで遂行するために必要な新しいスキルや知識を習得すること。既存の専門性を深め、拡張することが目的。
例：営業担当者がAIを使った提案書作成スキルを習得する
【リスキリング（Reskilling）】
現在とは異なる職種や職務に移行するために、全く新しいスキルセットを習得すること。キャリアチェンジや職種転換が目的。
例：営業担当者がプログラミングを学んでAIエンジニアになる
第3回で解説した3層アプローチを思い出してください。まず基礎活用層（全社員）と実務活用層（各部門の実務担当者）でアップスキリングを徹底し、その上で専門推進層（AI推進リーダー）を育成する――この順序が重要なのです。
アップスキリングの過程で見える「5つの適性の兆候」
アップスキリング先行の最大のメリットは、リスキリング適性を見極められることです。
全員にAI基礎スキルを習得させると、自然に「向いている人」と「向いていない人」が見えてきます。この「兆候」を観察することで、誰をリスキリングの対象にすべきかが明確になるのです。
▶︎ 兆候1：自発的な深掘り行動
見える行動：
研修で学んだ基礎を超えて、自分で調べ、試し、応用する
具体例：
ChatGPTの基礎研修を受けた後、プロンプトエンジニアリングの記事を読み漁り、業務での活用事例を自主的に試している
なぜこれが重要か：
AI分野は日々進化しています。自発的に学び続けられる人でなければ、1〜2年かけてリスキリングしても、その後の変化についていけません。
▶︎ 兆候2：抽象概念の理解力
見える行動：
「AIが何をしているのか」の原理を理解しようとする
具体例：
「なぜChatGPTはこう答えたのか」「どういう仕組みで動いているのか」と質問し、背景にあるロジックを理解しようとする
なぜこれが重要か：
データサイエンティストやAIエンジニアには、統計学や機械学習の抽象的な概念を理解する力が不可欠です。この兆候がない人をリスキリングしても、途中で挫折するリスクが高まります。
▶︎ 兆候3：問題解決への執着
見える行動：
AIがうまく動かないとき、諦めずに原因を探り、解決策を試行錯誤する
具体例：
プロンプトがうまく機能しないとき、「なぜうまくいかないのか」を分析し、何度も書き直して最適な結果を引き出そうとする
なぜこれが重要か：
AI開発やデータ分析の実務は、トライ&エラーの連続です。問題解決への執着がない人は、実務で壁にぶつかったときに簡単に諦めてしまいます。
▶︎ 兆候4：組織横断的な視点
見える行動：
自部門だけでなく、他部門のAI活用事例に興味を持ち、横展開を提案する
具体例：
営業部でのAI活用事例を見て、「これは人事部の採用業務にも使えるのでは？」と提案する
なぜこれが重要か：
AI専門人材（専門推進層）の役割は、自分が使うことだけでなく、組織全体のAI活用をけん引することです。この視点がない人は、専門スキルを身につけても「自分だけが使える」状態にとどまります。
▶︎ 兆候5：失敗を学びに変える姿勢
見える行動：
AIを使ってうまくいかなかったとき、「なぜ失敗したか」を分析し、次に生かす
具体例：
AI生成の文書が期待と違ったとき、「プロンプトの何が悪かったのか」を記録し、改善案を試す
なぜこれが重要か：
前回（第2回）で解説したように、失敗から学ぶ文化が組織の競争力を決めます。個人レベルでも、失敗を学びに変えられる人こそが、長期的に成長し続けられるのです。
▶︎ この5つの兆候をどう観察するか
これらの兆候は、3〜6カ月のアップスキリング期間中に自然に見えてきます。
観察方法の例：
・月次の1on1で、「最近AIをどう使っているか」をヒアリング
・社内Q&Aコミュニティでの投稿内容を確認
・AI活用コンテスト（第3回で紹介）での行動を観察
・上司や同僚からのフィードバックを収集
重要なのは、焦って判断しないことです。3カ月では見えない兆候が、6カ月経つと明確に見えることもあります。1月の今、新卒の配属先を「データサイエンティスト候補」と決めてしまうのではなく、「まずは営業部で配属し、6カ月後に適性を見極める」という柔軟な設計が必要なのです。
「観察期間」を戦略的に設計する――6-12-24カ月モデル
「適性を見極めてから判断する」と言っても、具体的にどれくらいの期間が必要なのでしょうか？
ここで提案したいのが、「6-12-24カ月モデル」です。
▶︎ 最初の6カ月：全員アップスキリング＋兆候観察
目的：全社員にAI基礎スキルを習得させ、適性の兆候を観察する
具体的な施策：
・全社員向けAI基礎研修（第3回の基礎活用層）
・月次の1on1で活用状況をヒアリング
・社内Q&Aコミュニティで質問・投稿を観察
・四半期ごとのAI活用コンテスト開催
この期間の終わりに判断すること：
・誰が「5つの適性の兆候」を多く示しているか
・誰を「AI推進リーダー候補」として選抜するか（現職と兼務）
・兼務スタイルで専門性を高める体制をどう整えるか
補足：
新卒の場合も、最初の6カ月は配属先で実務を経験しながらAI活用スキルを習得し、適性の兆候を観察します。配属先は変更せず、適性がある場合は兼務スタイルで育成します。
▶︎ 次の12カ月：兼務スタイルで専門性を高める
目的：適性が確認された人材を、現職と並行して専門推進層（第3回参照）として育成する
具体的な施策：
・6カ月間の観察で「5つの兆候」を複数示した人材を選抜
・現職は継続（営業なら営業、経理なら経理として働き続ける）
・業務時間の20%を専門活動に充てる（週1日相当）
・データサイエンス、AIエンジニアリング等の専門研修
・社内のAI推進プロジェクトに部門横断メンバーとして参画
・外部専門家によるメンタリング（月2回）
この期間の終わりに判断すること：
・兼務スタイルでの専門育成を継続すべきか
・2-3年後のジョブローテーションでAI専門部署への本格異動を検討するか
・それとも兼務を終了し、現職に専念するか（撤退オプション）
重要な撤退オプション：
第0回で強調したように、リスキリングには「撤退オプション」を組み込むべきです。12カ月経過時点で、「適性がないと判断した場合は、兼務を終了して現職に専念する」という選択肢を明示しておきます。配置転換を伴わないので、本人も組織も、心理的ハードルが低く、失敗を恐れずに挑戦できます。
▶︎ さらに24カ月：2-3年後のジョブローテーションと本格的なキャリア選択
目的：2-3年後のジョブローテーションのタイミングで、本格的なキャリアパスを選択する
具体的な施策：
・兼務スタイルでの実務プロジェクト成果創出
・社内コミュニティのリーダーとして活動
・他部門のAI活用支援（第3回の「上から下への知識共有」）
・2-3年後のジョブローテーションで以下のいずれかを選択：
・AI専門部署（DX推進室など）に本格異動
・現部署に残り、部署内のAI推進リーダーとして活動
・兼務を終了し、現職に専念
この期間の終わりに達成すること：
・本人の希望と適性を踏まえたキャリアパスが明確になっている
・AI専門人材として異動する場合：専門推進層として組織に不可欠な存在
・現部署に残る場合：5人以上の実務活用層を育成し、部署のAI活用をけん引
・新しいAI活用パターンを月1つ以上創出している
補足：
このモデルは既存社員だけでなく、新卒にも適用可能です。新卒の場合も、最初から職種を決めつけず、アップスキリングを通じて適性を見極め、兼務スタイルで専門性を高め、2-3年後に本格的なキャリアパスを選択するという流れは同じです。
▶︎ このモデルの最大のメリット：リスク最小化
6-12-24カ月モデルの最大のメリットは、リスクを最小化しながら、最大の成果を目指せることです。
従来のアプローチ（リスキリング先行）：
・1月時点で「この新卒をデータサイエンティストに」と決定
・4月から2年間、データサイエンス研修に専念
・2年後、「適性がなかった」と判明しても、もう遅い
・投資が無駄になり、本人のキャリアも停滞
新しいアプローチ（アップスキリング先行＋兼務型育成）：
・1月時点では配属先を確定（職種転換は決めない）
・4月から6カ月、現職でAI活用スキルを習得
・10月時点で適性を判断し、現職と兼務で専門育成を開始するか決定
・兼務なので現職での実績も積み続けられる
・1年後、適性がないと判断したら兼務を終了（配置転換不要）
・2-3年後のジョブローテーションで本格的なキャリアパスを選択
・リスクを最小化しながら、適性のある人材を確実に育成
このアプローチなら、1月の今、焦って「この新卒をデータサイエンティストに」と決める必要はありません。まずは配属先を確定させて実務を経験させ、6カ月後に冷静に判断し、適性がある場合は兼務スタイルで専門性を高めていけばいいのです。
既存社員の配置転換判断――「確定異動」を前提に「兼務型育成」で適性発見
ここまで、アップスキリングを通じてリスキリング適性を見極める方法を解説してきました。最後に、実際の人事異動・配置転換の判断にどう活かすかを整理しましょう。
▶︎ 従来の「即断即決型の配置転換」の限界
これまで、多くの企業が既存社員の配置転換を「即断即決」で行ってきました。
・「この営業は3年目で優秀だから、データ分析部門に異動させよう」
・「あの経理担当者は論理的思考力があるから、AI専門部署に配置転換しよう」
・「DX推進のために、各部門から選抜してAIエンジニアに育成しよう」
しかし、AI時代においては、この「即断即決」が極めて危険になっています。
なぜなら、AIの進化により、「どの能力がどの職種で重要か」が急速に変化しているからです。2022年に「論理的思考力があるからデータアナリストに」と異動させた社員が、2025年には「AIが分析を自動化したので、論理的思考力だけでは不十分」という状況になっているのです。
▶︎ 大企業の実態：配置転換は簡単ではない
ここで正直に認めなければならないことがあります。大企業において、既存社員を即座に別職種に配置転換するのは極めて困難です。
理由は明確です：
・異動先の部署は数カ月前から受け入れ準備が必要
・異動元の部署は後任の手配や業務引き継ぎに時間がかかる
・本人も現職での責任があり、「今すぐ異動」は現実的でない
・多くの大企業は人事異動を年1〜2回のタイミングで実施
・一度決めた配置転換を取り消すのは部門間調整が極めて困難
・「試しに異動させてみて、ダメだったら戻す」は組織的に受け入れられにくい
つまり、「この営業をデータサイエンティストに転換」と決めたら、後戻りしにくいのです。だからこそ、配置転換を決める前に、慎重に適性を見極める必要があります。
しかし、「適性を見極めるために数カ月異動させる」というのも非現実的です。では、どうすればいいのか。
▶︎ 新しい「兼務型育成」のアプローチ
そこで提案したいのが、「兼務型育成」です。
これは、配属は通常通り確定させる一方で、現職と並行してAI推進リーダー候補を選抜し、専門性を高めていくアプローチです。
具体的には：
ステップ1：配置転換は保留、まず現職でアップスキリング開始（1-3月）
「この営業をデータサイエンティストに」という配置転換の判断は保留します。まずは営業部門に在籍したまま、AI活用スキルの習得を開始します。この段階では配置転換は決めず、「適性があれば将来的に専門人材への道もある」という可能性を示すにとどめます。
ステップ2：現職でアップスキリング実施（4-9月）
営業は営業として、経理は経理として、現職で働きながらAI活用スキルを習得します。この期間中、「5つの適性の兆候」を観察します。重要なのは、配置転換を前提とせず、まず全員が現職でAIを使いこなせるようになることです。
ステップ3：AI推進リーダー候補の選抜（10月）
6カ月間の観察結果をもとに、「5つの適性の兆候」を複数示した社員をAI推進リーダー候補として選抜します。
重要なのは、この段階でもまだ配置転換はしないことです。営業3年目の社員は引き続き営業部に所属します。経理5年目の社員は引き続き経理部に所属します。
つまり、「営業部に在籍しながら、AI推進リーダー候補にも選抜される」という二重の立場です。
ステップ4：兼務スタイルでの専門育成（10月以降）
選抜された候補者には、現職と並行して専門研修を提供します：
・週1回、業務時間の20%を専門研修に充てる
・社内のAI推進プロジェクトに部門横断メンバーとして参画
・外部専門家によるメンタリング（月1回）
・社内コミュニティのコアメンバーとして活動
つまり、「営業3年目でありながら、社内のAI推進リーダーでもある」という兼務スタイルです。配置転換ではなく、現職に軸足を置きながら専門性を高めていきます。
ステップ5：1-2年後の人事異動で本格的な配置転換を判断（翌年度以降）
多くの大企業は年1〜2回、定期的に人事異動を実施します。兼務スタイルで1-2年間育成した後、このタイミングで、本人の希望と適性を踏まえ、以下のいずれかを選択します：
・パターンA：AI専門部署（DX推進室、データサイエンス部など）に本格的に配置転換
・パターンB：現部署に残り、部署内のAI推進リーダーとして活動継続
・パターンC：兼務を終了し、現職に専念（撤退オプション）
重要なポイント：この判断をするのは、6カ月後ではなく1-2年後です。配置転換という重大な判断を、わずか6カ月の観察で行うのは危険です。1-2年間、兼務スタイルで実際にAI推進プロジェクトに関わり、成果を出し、本人の希望も明確になってから、初めて配置転換を実行します。
▶︎ このアプローチのメリット
メリット1：部署間の調整がしやすい
配置転換は1-2年後なので、異動元と異動先の両部署が十分に準備できます。「来月から異動」という突然の配置転換ではなく、1年以上前から計画的に準備できるので、後任の手配や業務引き継ぎも円滑に進みます。
メリット2：本人の心理的安全性
「今すぐ配置転換」ではなく「まず兼務で試してみる」というアプローチなので、本人も落ち着いて挑戦できます。AI推進リーダー候補に選ばれるのは「追加の機会」であり、選ばれなくても現職で成果を出し続ければ評価されます。
メリット3：現職での実績も積める
兼務なので、現職での実績も積み続けられます。仮にAI専門人材への配置転換を選ばなくても、1-2年間の営業・経理での成果がキャリアの基盤になります。「配置転換したけど適性がなくて、元の職種に戻ったら数年ブランクがある」という最悪の事態を避けられます。
メリット4：撤退オプションが自然に機能
兼務を辞めて現職に専念すれば、自然に「撤退」できます。配置転換を伴わないので、本人も組織も心理的ハードルが低くなります。「配置転換して失敗したら元に戻す」という大変な調整が不要です。
メリット5：人事制度との整合性
大企業の年1〜2回の人事異動サイクルに整合します。「今すぐ配置転換」という非現実的な設計を避け、次の人事異動タイミング（1-2年後）で判断できます。
▶︎ 1月にやるべきこと：配置転換は保留、育成プログラム設計を優先
では、1月の今、人事担当者や部門長は何をすべきか。
具体的な手順：
1. 配置転換の判断は保留
「この営業3年目をデータサイエンティストに」「あの経理5年目をAIエンジニアに」という配置転換の判断は、今すぐ決めません。4月の人事異動では、現部署に留まることを前提とします。
2. 「AI人材育成プログラム」の全体像を設計
以下の内容を盛り込んだプログラムを設計します：
・4月から6カ月：全員（または選抜者）がAI活用スキルを習得
・10月：適性を示した社員を「AI推進リーダー候補」に選抜
・選抜者は現職と兼務で専門性を高める（業務時間の20%）
・1-2年後の人事異動で本格的な配置転換を判断
3. 現場への説明と合意形成
各部門の部門長に対して、「優秀な社員が兼務でAI推進リーダー候補になる可能性がある」「兼務時は業務時間の20%を専門活動に充てる」「1-2年後に配置転換の可能性がある」ことを説明し、合意を取ります。
4. 6カ月後の選抜基準を設定
「5つの適性の兆候」をもとに、どう評価し、何人程度を選抜するかの基準を今のうちに設計しておきます。
このアプローチなら、1月の今、焦って「この営業をデータサイエンティストに配置転換」と決める必要はありません。まずは現職でAI活用スキルを習得させ、6カ月後に適性を見極めてから兼務スタイルで専門性を高め、1-2年後の人事異動で本格的な配置転換を判断すればいいのです。
▶︎ 補足：新卒の場合も同じ考え方
なお、2026年4月入社の新卒についても、同じ考え方が適用できます。
「この新卒は理系だからデータサイエンティストに」と最初から決めるのではなく、まず営業・経理・人事などの配属先で実務を経験させ、6カ月間AI活用スキルを習得させながら適性を観察します。適性がある場合は、既存社員と同様に兼務スタイルで専門性を高め、2-3年後の人事異動で本格的なキャリアパスを判断します。
重要なのは、新卒も既存社員も、「最初から職種を決めつけない」「アップスキリングを通じて適性を見極める」という点で一貫したアプローチを取ることです。
焦らない勇気と、現実的な設計が、2年後の競争力を決める
人事異動を検討する1月、多くの人事担当者や部門長が「この社員をAI人材に配置転換すべきか」という判断を迫られています。
しかし、焦って今決める必要はありません。
序章（第0回）で学んだように、AIの進化スピードは誰にも予測できません。2022年に「この営業をデータアナリストに配置転換しよう」と決めた企業が、2025年に「業務内容が激変してしまった」という現実に直面したように、「2年後の有望職種」を今予測することは極めて困難なのです。
だからこそ、アップスキリング先行という戦略が重要です。
まず全員（または選抜者）にAI基礎スキルを習得させ、その過程で「5つの適性の兆候」を観察する。6カ月後、適性が確認された人材だけを「AI推進リーダー候補」として選抜し、現職と兼務で専門性を高める。そして1-2年後の人事異動で、本人の希望と適性を踏まえた本格的な配置転換を判断する。
この兼務型育成モデルなら、大企業の人事制度とも整合し、部署間の調整もしやすく、本人の心理的安全性も確保できます。そして何より、予測が外れるリスクを最小化しながら、真に適性のある人材を確実に育成できます。
1月の今、「この営業をデータサイエンティストに配置転換」と決めてしまうのではなく、「まずは現職でAI活用スキルを習得させ、6カ月後に適性を見極めてから兼務スタイルで専門性を高め、1-2年後に本格的な配置転換を判断する」という現実的な設計も選択肢として考えてみてはどうでしょうか。
焦らない勇気と、現実的な設計が、2年後の競争力を決めます。
次回・第6回は、アップスキリング・リスキリングを失敗させないために、最初から組み込むべき「撤退の仕組み」を解説します。多くの企業が見落としている、この重要な設計原則をお届けします。
＜ 参考文献・出典 ＞
*1 株式会社アカリク「AI×新卒採用要件の変化」に関する調査、2025年10月28日
https://prtimes.jp/main/html/rd/p/000000261.000017667.html
*2 リクルートワークス研究所「リスキリングとアップスキリングの時代｜米国の労働政策」
Harvard Business Review「Reskilling in the Age of AI」(2023)
https://www.works-i.com/research/labour/column/usa/detail008.html
*3 arakawamotohide「生成AIでデータアナリストはなくなるのか」note、2024年1月9日
https://note.com/arakawamotohide/n/n5b3afc93c8bb
*4 スターティアレイズ、2024年度版 RPAツールの導入・活用に関するアンケート調査結果を発表 2025年1月22日
https://www.startiaraise.co.jp/news/release/a88
*5 JAPAN AI ラボ「【2025年最新】RPAツールの人気ランキング26製品を徹底比較」2025年12月
https://japan-ai.geniee.co.jp/media/basic/2884/
*6 リクルートワークス研究所「リスキリングとアップスキリングの時代｜米国の労働政策」
LinkedIn Learning「Difference Between Upskilling and Reskilling」を引用
https://www.works-i.com/research/labour/column/usa/detail008.html
