三菱商事の「AI資格要件化」が示す、日本企業の人材戦略の転換点。

三菱商事が 2027 年度から JDLA G 検定を管理職昇格要件とし、将来的に 5000 人超へ広げると報じられました。

これは一企業の人事制度変更にとどまらず、日本企業の AI 人材育成が「奨励」から「要件化」のフェーズに入りつつあることを示すシグナルです。

本記事では、要件化に潜む副作用、Nouma が捉える業務設計の本質、そして中堅企業がこのモデルを段階的に応用するための設計を解説します。

はじめに：三菱商事の決断が照らした「AI人材育成」の転換点

三菱商事が 2027 年度から、日本ディープラーニング協会の G 検定を管理職昇格の要件に組み込むと報じられました。将来的には、対象を 5000 人超へ広げる方針です。

これは、一企業の人事制度変更にとどまる話ではありません。

日本企業における AI 人材育成のあり方が、
「興味のある社員に学んでもらう」段階から、
「組織として習得を要件化する」段階へ移行しつつある。

そうした変化を示す、象徴的な動きだといえます。

本記事では、このニュースを起点に、企業の AI 人材戦略がなぜ 経営の意思決定として問い直されているのかを構造的に整理します。

そのうえで、規模も体力も異なる中堅企業が、このモデルをどのように応用できるのかまで考えていきます。

「奨励」から「要件化」へ──何が変わったのか

これまでの企業における AI 人材育成の多くは、いわば 「奨励モデル」でした。

会社が研修を用意し、興味のある社員が任意で受講する。受講後の業務適用は、本人と現場に委ねられる。

このモデルには、明確な課題がありました。

• 受講者と非受講者の二極化が広がる
• 学んだ内容が現場業務に接続されない
• 組織全体としての習熟度が測定できない

つまり、研修を提供すること自体が目的化し、AI 活用の組織的な底上げにはつながりにくい構造があったのです。

今回の三菱商事の制度設計は、この構図から大きく踏み出しています。

第一に、対象を全管理職候補へと広げたこと。
第二に、昇格という人事上の重要な意思決定に紐づけたこと。
第三に、2027 年度開始と期限を切ったうえで、将来的な対象規模を 5000 人超と明示したことです。

これは、「研修を提供する」ことと「組織として習得させる」ことの境界線を引き直す動きだといえます。

前者は人事部の仕事として完結します。
しかし後者は、経営の意思決定でなければ動かせません。

なぜ今、日本企業は要件化へと動くのか

AI 人材育成が要件化へ向かう背景には、単なるトレンド追随ではなく、いくつかの構造的な理由があります。

1. AI 活用の成果が「個人差」では説明できない規模に達した

生成 AI の普及から数年が経ち、同じツールを同じ部署で使っていても、成果に大きな差が出るという現象が広がっています。

これまでは、その差を「個人の IT リテラシー」や「興味関心の違い」として片づけることもできました。

しかし現在では、その差が 組織全体の生産性差として可視化される段階に入りつつあります。

この段階に入ると、AI 活用を個人の興味や習熟に委ねる設計は、経営として持続しにくくなります。

組織全体で最低限の AI 素養を担保することが、
生産性を維持・向上させるための前提になり始めている。

そう捉える必要があります。

2. 海外との「AI人材の厚み」格差が経営課題として可視化された

海外で実施された経営層向けの調査では、回答者の 92% が「AI エリート社員」の育成を優先課題に位置づけていると報告されています。

これは、特定地域の一過性の動きではありません。AI 人材の育成は、すでにグローバル水準での経営アジェンダになっています。

参照：海外コンサルティングファーム各社による C-Suite 向け AI 人材戦略調査

日本企業はこの流れを見たうえで、AI 人材の「厚み」で差をつけられる前に、要件化という強い手段に踏み込む判断をし始めていると考えられます。

3. 「DX推進部任せ」では拡張限界に達した

これまで多くの企業がとってきたのは、DX 推進部や AI 専任チームを置き、そこを起点に活用を広げるアプローチです。

この方法は、数十人規模での実証や、特定部署への横展開では機能しました。

一方で、数千人から数万人規模の組織全体へ展開するには、別の設計思想が必要になります。

推進部隊型の取り組みを補完する形で、全管理職候補への要件化という太い軸を引く。

三菱商事の制度は、この文脈に置くと理解しやすくなります。

要件化に潜む 3 つの副作用

ただし、強い制度設計には必ず副作用が伴います。

経営の意思決定として要件化を導入するなら、その副作用も同時に設計しておく必要があります。

想定される副作用は、大きく 3 つあります。

• 資格取得そのものが目的化し、合格後に学びが止まる
• 資格保有者が現場の業務設計に関与せず、知識と実装が切り離される
• 中高年層が要件化を「退出のシグナル」と受け取り、組織からの離反を招く

これらは、制度設計の不備というよりも、要件化「だけ」を実施した場合に構造的に発生しやすい現象です。

資格を取らせるところで満足してしまうと、現場の業務プロセスは旧来のまま残ります。その結果、AI 活用の組織的な底上げという当初の目的から遠ざかってしまいます。

重要なのは、要件化と 業務プロセス側の再設計をセットで進められるかどうかです。

資格は入口であり、ゴールではありません。
組織成果につながるかどうかは、業務設計まで踏み込めるかで決まります。

片輪だけを回しても、組織としての成果には結びつきません。

Nouma が捉える本質：資格は入口、業務設計こそが核

資格は、AI に関する共通言語と最低限の素養を組織内に担保する装置として機能します。

会議で前提を揃え、共通の語彙で議論できる状態をつくることには、確かな価値があります。

しかし、企業の競争力を最終的に決めるのは、別の問いだと Nouma は捉えています。

「業務プロセスのどこを AI に置き換えるか」を設計できる人材を、社内にどれだけ持てるか。

ここでいう「置き換える」は、単なる作業代替ではありません。

判断のフロー、確認のポイント、責任の所在を組み替える設計行為を指します。

資格保有者と業務設計者は、重なる部分もありますが、必ずしも同じではありません。

資格に合格できる知識量と、自社の業務を分解して AI を組み込み直す設計力は、別の能力です。

そのため、経営として見るべき指標も変わります。

• 資格保有率
• 受講者数
• 研修実施回数

だけではなく、次のような実装側の指標が重要になります。

• AI 起点で業務を組み替えた件数
• 再設計後の業務サイクルタイム
• 人が判断すべき領域と AI に委ねる領域の整理状況
• 業務品質や確認工数の変化

三菱商事モデルが本当に成果を出すかどうかも、最終的にはこの 実装側の指標で判定されることになるはずです。

中堅企業はどう応用するか──段階的アプローチの設計

ここまでの議論は、大企業の話に聞こえるかもしれません。

しかし、本質部分は中堅企業にも応用できます。むしろ、規模が小さいからこそ、先に動ける部分もあります。

ただし、三菱商事の規模感をそのまま移植するのは現実的ではありません。

中堅企業に合うのは、全社展開を急がず、特定職能から始める段階的アプローチです。

具体的には、次の 3 ステップで設計します。

1. AI 活用の影響が大きい職能を 1〜2 つ選ぶ
   例：営業企画、経営企画、経理、人事、カスタマーサポートなど
2. その職能のリーダー層から、AI 活用を前提とした業務設計能力を要件化する
3. 成果が出た職能の設計手法を、他職能へ横展開する

このステップで進めるうえで重要なのは、評価制度の組み立て方です。

単に「資格を取らせる」のではなく、AI 前提で業務を設計し直した実績を評価制度に組み込みます。

資格は通過点として位置づけ、設計実績を中心に据えるイメージです。

この順序で進めれば、中堅企業でも三菱商事モデルの本質部分は再現できます。

むしろ、意思決定の速さという点では、中堅企業の方が制度設計の機動力を発揮しやすい領域だといえます。

おわりに：AI 人材戦略は経営の意思決定へ

三菱商事の決断が示しているのは、AI 人材育成を 「人事の年間プラン」から「経営のアジェンダ」へ引き上げる必要があるということです。

研修を出すだけ。
ツールを配るだけ。
推進部隊を置くだけ。

これらはどれも、経営の意思決定の代替にはなりません。

経営として何を要件化し、何を評価し、何を昇格判断に組み込むのか。

その線引きが、今後 5 年の企業競争力を左右します。

Nouma では、企業の AI 人材戦略を 「資格」から「業務設計」へ接続するための業務整理を支援しています。

AI 研修を導入したものの現場の業務が変わらない。
社内に AI を扱える人材を増やしたいが、何から始めればよいかわからない。

そうした企業に対して、職能ごとの業務分解と、AI 活用を前提とした再設計をサポートします。

AI 人材戦略を経営の意思決定として再設計するご相談は、Nouma まで。