生成AI研修は役職で分けるな─介護施設の打ち合わせで気づいた"フラットに開く"設計の理由
その打ち合わせで、私は少しだけ違和感を持った
先日、ある特別養護老人ホーム（特養）で、生成AI活用セミナーの打ち合わせをしていた。
相手はとても前向きな施設だった。
「現場をなんとかしたい」という熱があった。
話が具体化してくると、先方からこう提案された。
「まずはリーダー層を集めて、研修をお願いできますか。そこから下ろしていく形で」
ごく自然な提案だ。おそらく、これを読んでいる経営者や管理者の方の九割は「妥当だ」と思うだろう。
リーダーが学び、現場に伝える。組織を動かす王道である。
だが私は、少し考えてからこう返した。
「できれば、役職や階級はあまり意識せず、いろんな立場の方を混ぜて集めてください」
先方は一瞬、きょとんとした。
「え、リーダーじゃなくていいんですか？」と。
なぜ私はそう答えたのか。この記事は、その理由を三つに分けて話す。
そしてこれは介護現場に限った話ではなく、石川の人手不足に悩むすべての中小企業に効く「研修設計」の話だ。
Contents
「リーダーから」は、実は"別のツール"の作法だった
「まずリーダーに教えて、下ろしていく」—このやり方には名前がある。
上から下へ知識を流す、水路のような伝え方だ。
これは、答えが決まっている世界では正しい。
就業規則、機械の操作手順、新しい介護記録システムの入力ルール。
誰か一人が「正解」を習得し、それを正確に配れば組織は回る。
だからリーダーが先に覚える。
ところが、生成AIはこの種の道具ではない。
生成AIは「正解を覚えて配る」道具ではなく、
一人ひとりが自分の問いをぶつけて、自分の答えを見つける
道具だ。
私はよく「プロンプトはAIへの発注書だ」と説明するのだが、発注書に書く"欲しいもの"は人によって全部違う。
ベテラン介護士がAIに頼みたいことと、事務の若手が頼みたいことと、栄養士が頼みたいことは、まるで別物だ。
つまり、生成AIには「一つの正解を上流で作って下流に流す」という構造そのものが存在しない。
にもかかわらず起点を役職で絞ってしまうと、道具の性質と設計がズレる。
リーダーだけがうまくなっても、それは"水路の上流だけきれいにした"ことにしかならない。
下流には、上流とは違う仕事をしている人たちがいる。
これが一つ目の理由だ。「リーダーから」は、生成AIには合わない古い作法である。
隣の人と違うから、学びになる
二つ目は、研修そのものの設計の話だ。
私は職業訓練校で、生成AI・DXの講座をもう6期にわたって担当している。
セミナー登壇は80回を超えた。その現場で、毎回はっきり見えることがある。
同じお題を出しても、出てくるものが人によって全く違う。
「利用者さんのご家族への手紙をAIに手伝ってもらってください」と一つのお題を出す。
すると、ある人は淡々と事務的な文面を作り、隣の人はぐっと感情のこもった文面を作り、また別の人は「そもそも何を伝えるべきか」から相談し始める。
同じ道具、同じお題、なのに出力がバラバラだ。
このバラバラさこそが、最高の教材になる。
「あなたはそう頼んだんですね」「私はこう頼みました」—この差分を隣同士で見た瞬間、人は自分一人では絶対に思いつかなかった使い方を持ち帰る。
一方通行の講義では起きない学びだ。
ここで効いてくるのが多様性だ。
集まった人の立場・世代・仕事がバラけているほど、机の上に並ぶ「違い」の幅が広がる。
比較の幅が広がれば、学びの幅も広がる。
だから私にとって多様性は、「いろんな人に配慮しましょう」という話ではない。
学習効果を最大化するための、冷徹な設計判断だ。
リーダーだけを10人集めた研修より、リーダー・中堅・新人・事務・栄養士がまざった10人の研修のほうが、成果が出る。
これは理屈ではなく、私が現場で何十回と見てきた事実である。
「埋もれていた人」が、いきなり主役になる
三つ目。これが、私がこの設計に一番こだわる理由だ。
役職、勤続年数、ITスキル、学歴。組織の中で人を測る"ものさし"はいくつもある。
そして、そのものさしのどれにも引っかからず、静かに埋もれている人が、どの職場にも必ずいる。
ところが生成AIは、その過去のスペックを一切問わない。
パソコンが苦手だった人が、AIには自然な言葉で話しかけられる。
学歴では前に出なかった人が、「利用者さんの気持ちを言葉にする」という一点で、驚くほど的確な発注書を書く。
勤続年数の浅い人が、いちばん柔らかい発想でAIを使いこなす。
生成AIの土俵の上では、既存のヒエラルキーが一度リセットされる。
昨日まで会議で発言しなかった人が、研修の場でいきなり主役になる。
私は毎期、この瞬間を目撃している。
そしてこれこそが、経営者にとって最大の収穫だ。
埋もれていた戦力が、可視化されるのだから。
私はこの現象をいつもこう言っている。
「最終学歴より、最新学歴」。
どこの学校を出たかではなく、いま何を学び続けているか。
それだけが人を前に進める。
生成AIは、まさにその「最新学歴」で勝負できる、数少ない土俵なのだ。
そして——ここが肝心なのだが——
リーダーだけを集めてしまうと、この発見の機会そのものが生まれない。
埋もれていた人を呼んでいないのだから、化けようがない。
「リーダーから」という一見効率的な判断が、組織にとって一番大きな鉱脈を、最初から掘らずに捨てているのだ。
介護現場だからこそ、この設計が刺さる
ここで介護の話に戻る。
特養は、職種の幅がとにかく広い。
介護士、看護師、ケアマネ、生活相談員、栄養士、事務、送迎。
世代も20代から60代まで、ITスキルも人によって天と地ほど違う。
普通のマネジメントでは、この「バラつき」は悩みの種だ。
まとめにくい、足並みが揃わない、共通言語がない。
多くの管理者が頭を抱えるポイントである。
ところが、生成AI研修に限っては、このバラつきがそっくりそのまま最大の資産に変わる。
職種が違えばAIに頼みたいことが違う。世代が違えば発想が違う。
ITスキルが違えば、つまずくポイントも突破するポイントも違う。
前の章で話した「差分こそ教材」が、これ以上ないほど濃く発生する場所——それが介護現場なのだ。
だから私は、介護施設ほど「混ぜて研修すべき」だと考えている。
均質化するな。むしろ混ぜろ。バラつきを消そうとするのではなく、バラつきを燃料にする。
これは石川の、職種も世代も入り混じった多くの中小企業にそのまま当てはまる話でもある。
結論：「フラットに開く」は、精神論ではなく実利だ
特養の打ち合わせで私が返した「フラットに集めてください」という一言。
あれは、優しさや平等の理念で言ったのではない。
その下には、三つの根拠が積み重なっている。
- 道具の思想：生成AIは正解を上流から流す道具ではない。だから役職で起点を絞るのは筋が悪い。
- 学習の設計：立場がバラけるほど「差分」が増え、比較の幅＝学びの幅が広がる。
- 組織の発見：過去のスペックを問わないAIの土俵で、埋もれていた人が化ける。リーダーだけ呼べば、その機会は生まれない。
この三つは、どれも最後は同じ場所に着地する。
「そのほうが、成果が出る」。
フラットに開くのは、理念として正しいからではなく、実利として得だからだ。
人手不足は、もう根性では埋まらない。
埋めるとしたら、いま社内にいる人の「まだ使われていない力」を掘り起こすしかない。
生成AIは、その力を役職や学歴の壁ごと引きずり出してくれる。
だからこそ、研修を役職で分けてはいけない。
もし次に社内でAI研修を考えるなら、まず参加者リストを見てほしい。
そこに並んでいるのが役職者ばかりなら——それは、いちばん化ける人を呼び忘れているサインだ。
混ぜよう。フラットに開こう。
組織で一番おもしろい変化は、たいてい一番意外な席から起きる。
