研修は受けた。アカウントも配られた。でも、週に1回も開いていない。
生成AIの社内研修を受けた人の多くが、この状態で止まっています。原因は「使い方が下手だから」ではありません。AIを自分の外側に置いたまま、いちばん難しい業務をいきなり渡そうとしているからです。
私は施工管理20年の非エンジニアです。会社が導入した生成AIの研修に参加したとき、隣に座っていた人の使い方を見て、自分の使い方との違いがはっきりしました。批判ではなく、「たぶんそのやり方では成果が出ない」という予測として。
この記事では、その差がどこで生まれるのか、そして5年後に何の差になるのかを分解します。
生成AI研修を受けた翌週から、誰も使わなくなる理由
結論から書きます。研修が「効果なし」で終わるのは、研修内容が悪いからではなく、参加者がAIを「便利な外注先」として持ち帰るからです。
数字でも、この躓きは裏付けられています。総務省の令和7年版 情報通信白書によると、日本企業で何らかの業務に生成AIを使用中と回答した割合は55.2%。その一方で、企業が導入時にもっとも懸念しているのは「効果的な活用方法がわからない」ことでした。ツールは配られたが、使いどころが定まらない。これが全国規模で起きている状態です。
個人側の数字はさらに厳しく、生成AIサービスの利用経験は26.7%にとどまり、40代以上の利用率は特に低い水準です。私と同年代の会社員にとって、生成AIはまだ「触ったことがある人のほうが少ないもの」なんです。
私自身、会社のキックオフ説明会に出たときは、正直あまり役に立ちませんでした。何ができるかの説明はある。セキュリティの注意事項もある。でも「明日から自分の仕事のどこに差し込むか」だけが空欄のまま終わる。持ち帰った人は、翌週になると元の手順に戻ります。戻れる手順が残っているからです。
研修で見た「一番難しい業務から一気に自動化する」という失敗パターン
2月の研修で、周りの人が口にしていたのはこういう話でした。「この面倒な業務、まるごとAIに任せられないですかね」。
誤解のないように書きますが、これはサボっている人の発言ではありません。むしろ意欲がある人ほど、いちばん面倒で、いちばん時間を食っている業務から手をつけようとします。 やる気と失敗が同じ方向を向いている。ここがこの問題のややこしいところです。
なぜその手順では成果が出ないのか。理由は技術的なもので、3つあります。
- 前提条件が多すぎる：難易度の高い業務ほど、暗黙の前提・例外処理・社内固有の判断が積み重なっている
- 指示が長くなる：前提を全部書き出そうとするので、プロンプトが数百字になり、途中で書くのを諦める
- 検証コストが跳ね上がる：出てきた成果物が正しいかどうかを確認する作業が、自分でやるより重くなる
結果、最初の2〜3回で「思ったほど使えない」という結論が出ます。そして開かなくなる。定着しないのは根気の問題ではなく、入口の難易度設定を間違えているだけです。
差がついたのは3要素の3つ目「自分の拡張」だけだった
私がAIとの付き合い方として置いている軸は3つあります。毎日触る。なんでも聞く。自分の拡張として扱う。
ここが重要なのですが、研修にいた人たちも「毎日触る」「なんでも聞く」はやろうとしていました。 決定的に違っていたのは3つ目だけです。AIを自分の外側に置いたままか、自分の思考の内側に入れているか。この位置づけの差だけが残りました。
抽象的な話で終わらせないために、私が実際にやっている手順に分解します。
自分の判断基準を渡す
多くの人は、AIに「正解」を出させようとします。私がやっているのは逆で、自分ならこう考える、という判断の筋道を先に渡すことです。
たとえば施工の課題整理なら、「工程・安全・原価のどれを優先して見るか」「この条件なら自分はこう切る」という判断軸を先に説明する。そのうえで「この前提で整理して」と渡す。返ってくるものの精度が、ここで一段変わります。
自分の判断基準を言葉にできていないと、この工程は踏めません。逆に言えば、AIに渡す作業は自分の判断基準を棚卸しする作業とセットになります。
日記やブログという一次素材を対話相手にする
もうひとつやっているのが、日記やブログの原稿をAIとの対話対象にすることです。
業務データは社外に出せません。でも、自分が書いた記録なら制約なく渡せます。しかもそこには、自分の考え方の癖・繰り返し出てくる関心・判断のパターンが全部入っています。自分にしかない一次素材を対話に使うほど、AIは自分の思考の形に寄っていきます。
私の場合は、子どもの発達記録をこの方法で扱ってきました。詳しい手順は育児日記を発達記録に変えるAI活用の実例にまとめています。業務と関係ない題材で練習できるのが、この方法の一番いいところです。
業務を渡す前に、自分の考えを渡す
順番の話です。多くの人は「業務 → AI」で渡します。私は「自分の考え → AI → 業務」の順で渡します。
Q：それだと手間が増えませんか？ A：最初の1か月は増えます。ただ、判断基準を渡し終えた相手は、次から前置きなしで動きます。 手間が増えるのは学習期間だけです。
施工管理20年の非エンジニアが実際にAIでやったこと
抽象論に見えないように、実際にやったことを書きます。
ひとつは、担当している工事に特化したAIを自分で作ったこと。既製のテンプレートではなく、自分の現場の前提条件・判断軸・確認項目を読み込ませた専用の相棒を用意しました。プログラミングの知識は使っていません。やったのは、自分の頭の中を文章にして渡す作業だけです。
もうひとつは、複数工区にまたがる施工課題の整理。工区ごとに条件が違い、干渉する箇所も違う。この整理を、判断軸を渡したうえでAIに一次整理させ、私が判断する形に切り替えました。
正直に書くと、うまくいかなかったこともあります。数量や寸法が絡む確認は、こちらで検算しないと使えません。「任せられる領域」と「自分で押さえる領域」の線引きは、渡してみて初めてわかります。 そしてこの線引きこそが、後から効いてきます。
ブログを書き始めたときにも同じ感覚がありました。書く速度そのものより、考えを整理して形にするまでの時間が明らかに短くなった。生産性が上がったのは、出力の速さではなく思考の回転数のほうです。
AIに仕事を任せるのは、現場で人に仕事を任せるのと同じだった
施工管理を20年やってきて気づいたことがあります。AIに仕事を任せる感覚は、現場で人に仕事を任せる感覚とほぼ同じです。 この構造が、あの研修で感じた違和感を説明してくれました。
「任せられる」の定義は、細部まで納得できる成果が返ってくること
現場で「この人には安心して任せられる」と判断するのはいつか。指示通りに作業をこなす人ではありません。自分で考える癖がある人です。
たとえば鉄骨建方が初めての人でも、見ていればわかります。この作業に何の道具・機械が必要か。段取りをどう組むか。搬入場所の確認、搬入順序の検討、ヤードの競合調整、計測のための逃げ墨——こうした細部を自分で洗い出し始める。わからないところは周囲にヒアリングして、少しずつ課題を潰していく。
その姿勢が見えた時点で、私は任せられると判断します。 返ってくるものが、細部まで自分の納得する形になるからです。
任せられるまでにやっている3つのこと
では、そこに至るまでに何をしているか。
- 簡単な作業から渡す
- 間違いがあればその都度戻す
- 「なぜそう判断したのか」を毎回言葉にして伝える
この3つの繰り返しだけです。そして気づくと思います。これは、私がAIに対してやっていることと構造が完全に一致しています。 毎日触る。質問する。自分の判断基準を学習させる。
だから「一気に効率化」は構造的に失敗する
研修で見た欲張った効率化がうまくいかない理由は、ここに戻ってきます。
育成の工程を飛ばして、いきなり最難度の業務を渡している。 現場の人間なら絶対にやりません。育っていない相手に難所を渡せば失敗する。失敗が続けば「使えない」と判断して手を引く。それだけの話です。
5年後の差は、育成に投じた時間の差
自分と同じ考え方で判断してくれるAIと、毎回ゼロから説明し直すAI。この2つは、5年後にはまったく別のものになります。
前者は、渡した仕事から新しい気づきが返ってくることすらあります。後者は、指示通りを一歩も超えません。
そして育成に投じた時間は、あとから短縮できません。 5年の差は、その時間を「毎日」に変えたかどうかの差でしかない。
なお、「AIに頼ると思考力が落ちる」という指摘もあります。これについての私の立場はシンプルで、自分で考察したあとにAIを使う限り、思考力は落ちるどころか伸びます。 落ちるのは、考える前に渡した場合です。順番の問題であって、AIの問題ではありません。
まとめ：差がつくのはスキルではなく「位置づけ」
ここまでを整理します。
- 生成AI研修が定着しないのは、AIを自分の外側に置いたまま持ち帰るから
- 意欲がある人ほど最難度の業務から入り、検証コストで折れて離脱する
- 「毎日触る」「なんでも聞く」は多くの人ができている。差がつくのは「自分の拡張として置くか」だけ
- その育て方は、現場で人に仕事を任せるプロセスと同じ構造
- 5年後の差＝安心して仕事を渡せる相棒がいるかどうか
明日からやることを1つだけ挙げるなら、いちばん難しい業務ではなく、自分の考えを言葉にして渡すところから始めてください。 業務を渡すのはその後です。
現場で使えるAI活用と、記録を資産に変える方法をXでも発信しています → @Ktsby_life
著者：Kota｜土木施工管理エンジニア（橋梁・仮設構造物）。大規模現場の施工管理に実務20年従事。非エンジニアの立場から、現場業務と育児記録へのAI実装を記録している。
