若手社員のAI活用では、なぜ成果に大きな差がつくのか
Bernhard Lang/Getty Images
サマリー：生成AIの導入が進む現場で、若手社員のパフォーマンスには大きな格差が生じている。しかし、その差を生む原因は個人の能力やITスキルそのものではない。若手プロフェッショナルへの調査が明らかにしたのは、AIの回答に依存する者と、価値を増幅させる者との間の決定的な「行動の違い」であった。本稿では最新研究をもとに、AI時代に若手の真の成果を引き出す人材育成と評価の処方箋を論じる。

エントリーレベルの仕事とAI

　エントリーレベルの従業員は、知識労働における急激な変化の最前線に立っている。

　かつてエントリーレベルの仕事には、業界への足掛かりとなり、若手社員が専門知識を身につけ始めるのに役立つタスクがふんだんに含まれていた。しかし現在、このようなタスクの多くは、分析的で情報集約的な業務をますます巧みにこなすAI駆動型のワークフローに委ねられるリスクに直面している。そしてAIが進化を続ける中、ベースライン（成果の基本水準）が急速に再設定されていることが研究で示されている。モデルの性能向上に伴い、許容される成果の水準が上がっているのだ。

　こうした状況の中で、実際の組織環境で個人がどのようにAIのベースラインを上回る価値を生み出すのかを、組織は理解しなければならない。判断力、領域専門知識、そして意思決定にそのまま使える成果物が求められる、より重大な結果を伴う専門的業務においてはなおさらである。

　ここで2つの大きな問いが生じる。（1）キャリア初期の従業員が、AIを活用したワークフローの中で付加価値を生み出すには、何が必要なのか。（2）AIが進化を続ける中で、それらの能力を継続的に伸ばす形で、意図的に育成するにはどうすればよいのか。リーダーは両方に対して明確で具体的な答えを持つ必要がある。そうでなければ、自社のAI投資と人材パイプラインの双方から得られるリターンを損なうおそれがある。

　上記の問いへの答えを探り、このような状況下で価値を生み出す方法をより深く理解するために、筆者らはKPMGとテキサス大学オースティン校による大規模なフィールド調査を実施した。対象は、米国在住でKPMGに勤める在職18カ月以下の若手プロフェッショナル523人である。

　この研究はフィールド調査として設計され、参加者は各自の領域向けに構築されたAIエージェントを使い、業務に即したタスクを完了した。タスクはKPMGのシニアレベルの専門家によって、キャリア初期のプロフェッショナルが実際に行う業務を反映する形で設計された。これらは、顧客案件におけるタスクを簡略化したものであり、参加者はビジネス情報を分析し、専門的判断を下し、提案を作成しなければならない。

　ベースラインを設定するために、まずはAIエージェントに単独で業務を遂行させることからフィールド調査を開始した。次に、参加者にもAIエージェントを使って同じ業務に取り組んでもらった。参加者の成果物は、KPMGの領域専門家が実際の業務で期待されるパフォーマンスを反映させて作成した、詳細な評価基準を用いて評価された。そのパフォーマンスはAI単独のベースラインと比較された。

　さらに、参加者の領域専門知識、批判的思考力（クリティカル・シンキング）、AIリテラシーといった基礎的なスキルも評価し、タスクを遂行する中で参加者がこれらのスキルをどのように活用したのかを把握するために、彼らとAIとのやり取りを分析した。

　ここでの目標は、AI以上に価値を付加する人、AIの成果を再現するのみに留まる人、そして意図せずパフォーマンスが低下する可能性がある人は誰なのかを特定することだった。調査結果から、3つの異なるパフォーマンス属性が明らかになった。

・AI見習い（24.1％）は、AIのベースラインを下回る成果を示した。

・AI委任者（25.8％）は、AIのベースラインと同等の成果を挙げた。