AIの普及で変化する、採用される人材の条件
Deagreez/Getty Images
サマリー：生成AIの職場での利用が急速に拡大している。MBA修了生を数多く採用する金融、コンサルティング、テクノロジーの30社を調査したところ、AIの登場に伴い、経営者が新規採用者に求める能力が大きく変化していることがわかった。本稿では、AI時代のプロフェッショナルに求められる3つの能力を明らかにする。

生成AIの登場で、成果を挙げるための能力が変化

「3年前、私の部署では誰も生成AIツールを使用していませんでした。しかし、いまでは全員が毎日、何時間も使用しています」と、最近、ある大手多国籍銀行の経営幹部が言った。このコメントの通り、生成AIテクノロジーの職場での使用は急速に拡大している。

　筆者らは、MBA修了生を最も多く採用する3つのセクター（銀行・金融、経営コンサルティング、テクノロジー・メディア・eコマース）の30社を調査し、生成AIの登場によって経営者が新規採用者に期待するスキルにどのような変化が生じているかを分析した。以下では、AI時代にプロフェッショナルが採用され、成果を挙げるために必要な3つの能力について、筆者らが得た知見を紹介する。

1. より幅広い役割を担う

　AIの導入によって、プロフェッショナルが比較的低いレベルのタスクに費やす時間が減り、彼らが単独で遂行できる役割が増えている。ソフトウェア技術会社におけるプロダクトマネジメントの変革には、その変化がよく表れている。

　これまで、製品開発はプロダクトマネジャー、UX（ユーザーエクスペリエンス）デザイナー、開発者という3つの中核的な役割を担う人々に進められてきた。キャリアを重ねるにつれて、人々はこのうちの一つの役割に特化していった。いま、これらの役割は、AIによって一つに集約されつつある。チケット（遂行すべき業務のデジタル記録）の追跡、調整、データ収集、分析、レポーティングといったプロダクトマネジメントの基本タスクは、AIによる自動化が進んでいる。AIはプロンプトからUI（ユーザーインターフェース）のデザインを生成することができ、モックアップ（試作・見本）の作成といった、キャリア初期に担うことの多い業務を徐々に奪いつつある。そうした状況から、筆者らがインタビューした経営幹部は、低レベルのプロダクトマネジメント、UXデザイン、エンジニアリングが「ジェネラルテクノロジスト」という一つの役割に収束されると考えている。実務担当者がAIツールを使用してモックアップを作成し、たたき台のコードを書き、プロトタイプを公開することになる。

　プロダクトマネジャーが基本タスクに費やす時間が減る中、ソフトウェア企業は、プロダクトマネジャーに戦略的かつ先見性のある役割を期待する。将来のプロダクトマネジャーは、製品の技術的な側面だけではなく、ビジネスの文脈についても十分な理解があることを示す必要がある。製品のライフサイクルを最初から最後まで理解し、A地点からB地点に到達するためのロードマップを策定し、その途上でどのような問題が起こりうるかを把握する必要があるのだ。

　エンジニアリング、財務、統計など、みずからの専門領域における高度な知識やスキルは今後も重要だが、それだけで十分というわけにはいかない。プロフェッショナルには、一つの製品のさまざまな側面がどのように組み合わさって価値を生むかという、システムレベルの知識を習得することが求められる。クロード、フィグマ、ラバブル、ギットハブコパイロットなどのAIツールを使用して、アイデア創出に始まり、製品がターゲット層のユーザーに適した体験を提供できるかどうかを検証できるプロトタイプの作成、そして製品が技術的に機能することを証明する暫定的な概念実証の構築まで行わなければならない。つまり、AIを活用した問題解決アプローチを駆使して、より迅速にアイデアを生み出し、よりよい製品コンセプトやプロトタイプを構築していく能力が必要になるのだ。

　その好例として、オンラインマーケットプレイス向けにAIエージェントを活用した顧客サービスの構築がある。AI導入以前の、人間が顧客サービスを提供していた時は、この業務に必要とされた中核的スキルは、人材管理（訓練、指標の設定、パフォーマンスの測定、フィードバックの提供など）だった。それに対し、AIを活用して顧客サービスを提供する場合は、プロダクトマネジメントのスキルが重要になる。AIによって状況は大きく変わるからだ。顧客サービスは製品やサービスそのものに組み込まれ、これまでは支援が必要だったことや実行できなかったことを顧客自身で行えるようになる。

　そうなると、プロダクトマネジャーはエンド・トゥ・エンドのソリューションを設計するために、顧客のニーズ全体を理解しなければならなくなる。AIエージェントのトレーニングに必要なデータ、構築すべき指示やガードレール、設定・展開すべきAIエージェント、そしてパフォーマンス向上のために顧客と現場の情報を取り込む方法を判断することが求められるのだ。

2. 多様な情報源からの知識を統合する

　メーカーにおける新製品開発の変革には、多様な情報源から知識を統合するスキルが如実に表れている。新製品開発は、製品の設計・エンジニアリング、サプライチェーン、サステナビリティ、財務、UXデザインといった幅広い領域への多大な投資と、市場に対する深い専門知識が求められる複雑な取り組みだ。新製品を設計するためには、専門家チームが綿密に情報を収集し、データを分析し、一つひとつの工程を遂行する必要があり、何カ月もの時間を要する。