- AXで足りないのは、技術よりも人と体制
- 今の日本企業は、IT部門が主導している
- 体制づくりは、経営の関与から始まる
- 「推進する人」と「使う人」を分ける
- AX推進人材に求める4つの力
- 全社員に求める4つの力
- 業務を知る人を、AIエージェントの設計者に育てる
- 育て方：AIで補える知識と、経験でしか身につかない知識を分ける
- AXの推進体制をつくる5つのステップ
- よくある質問
- Q. CAIO（最高AI責任者）は置くべきですか？
- Q. AX推進人材は、新しい職種として採用すべきですか？
- Q. 全社員にAIの研修をすれば十分ですか？
- Q. 中小企業でも推進チームは必要ですか？
- Q. 若手の育成はどう変わりますか？
- まとめ
- クウゼンのAX支援｜社内の知識をデータにし、AIが業務を回せる状態をつくります
- 目指す姿：AI導入フェーズから、AI駆動フェーズへ
- 進め方：AI-SECIの4つの工程で、知識をデータにして回す
- 出典
AXで足りないのは、技術よりも人と体制
IPAの「DX動向2026」で、AIの導入・運用上の課題を尋ねると、「専門人材が不足している」が50.1%で最も多く、「生成AIの効果やリスクに関する理解が不足している」45.8%、「適切な利用を管理するためのルールや基準の作成が難しい」39.7%が続きました。
IPAは、人材不足・リテラシー不足・ガバナンス整備の遅れを「三大課題」とまとめています。
出典：IPA「DX動向2026」図表3-16 AI導入・運用上の課題 p.37（https://www.ipa.go.jp/digital/chousa/dx-trend/rcu1hd0000017uk8-att/dx-trend-2026.pdf）
経済産業省の「AX時代におけるスキルのあり方検討ワーキンググループ」第5回（2026年9月1日）の事務局資料でも、同じ調査をもとに「現場の知見と基礎的AI知識を持ち、自社へのAI導入を推進できる従業員」が依然として不足している、と整理されています。
この記事では、同ワーキンググループの議論をもとに、AXを誰がどう担うかを整理します。AXを進める順番は「AXプロジェクトの進め方」で解説しています。
今の日本企業は、IT部門が主導している
IPAの調査で、AIの導入・利活用のリーダーシップを誰が担っているかを尋ねると、「IT部門の長」が46.0%で最も多く、「経営層」32.1%、「導入や利活用する現場の長」27.5%が続きました。「CAIO（最高AI責任者）」は2.9%、「CAIO以外の専任者」は9.8%です。
出典：IPA「DX動向2026」図表3-23 AI導入・利活用のリーダーシップ体制 p.42（https://www.ipa.go.jp/digital/chousa/dx-trend/rcu1hd0000017uk8-att/dx-trend-2026.pdf）
データの利活用の体制では、変化も出ています。
「経営層の関与」は2024年度の27.8%から2025年度は44.2%に上がり、「部門をまたがった連携」は45.0%でした。一方で、「必要なスキルを持つ人材の確保・育成」は52.7%から36.8%に下がっています。
出典：IPA「DX動向2026」図表3-28 データ利活用のための体制整備状況（経年比較）p.47（https://www.ipa.go.jp/digital/chousa/dx-trend/rcu1hd0000017uk8-att/dx-trend-2026.pdf）
経営層の関与は増えているものの、AIの導入をCAIOが主導している企業は2.9%、CAIO以外の専任者が主導している企業も9.8%にとどまります。
AXは業務の標準と組織を変える取り組みなので、IT部門だけで進めると、ツールの導入で止まりやすくなります。
体制づくりは、経営の関与から始まる
ワーキンググループ第2回の議論では、「AI活用の前提としてトップコミットメントが極めて重要」であり、経営者自身の利用・理解と、徹底した推進が導入・浸透の成否を分けることが方向性として示されました。
第3回では、日立製作所北海道支社が生成AIの活用率100%を達成した取り組みが紹介されました。
議事要旨によると、支えになったのは「トップコミットメント、効果的な推進体制、リーダー育成、失敗を許容する文化、活用文化の醸成、コミュニティ形成の６つの要素」です。
AI戦略と人事戦略を同じ責任者に任せる会社も出てきました。
2026年6月1日付で、メルカリは執行役員CTO Japan Businessの木村俊也氏が最高人事責任者（CHRO）と最高AI責任者（CAIO）を兼務する体制にしました。目的は「AI戦略と人事戦略を同一の責任者のもとに統合することで、全社のAI-Native化を組織レベルから加速」することです。同じ日、SansanはCAXOを新設し、取締役・執行役員・CHROの大間祐太氏が就任しました。理由として「組織とビジネスの課題、双方を深く知る者がAXをリードすべき」と説明しています。
AXでは、業務の手順と同時に、人の役割、評価、配置も変わります。
人事と組織を動かせる立場の人が主導しなければ、業務の再設計は現場の一部で止まるでしょう。
「推進する人」と「使う人」を分ける
ワーキンググループ第4回（2026年7月27日）の事務局資料は、役割の比重を「変革を設計・実装する人は一部、実務者は全社員」と整理しています。
全員に同じことを求めるのではなく、推進する人と使う人で、求める役割と力を分けます。
AXを推進する人材 | 業務でAIを使う実務者 | |
|---|---|---|
人数 | 一部 | 全社員 |
主な役割 | 組織と業務の再設計、人とAIの協働の仕組みづくり、ガバナンスと安全に試せる環境の整備 | 自分の業務でAIを使いこなし、出力を確かめ、気づいたことを共有する |
求める力 | 経営・事業変革をリードする力、ガバナンス・信頼を構築する力、業務プロセスを再設計する力、職種横断で推進する力 | 問いを立てる力、文脈を理解する力、判断し責任を持つ力、自主性・学び続ける姿勢 |
出典：経済産業省 第4回WG事務局資料 p.16、第5回WG事務局資料 p.5～6をもとにクウゼンが整理
第5回の資料では、AX推進人材について「特定の職種に過度に集約せず、既存職種も含め複数の担い手が活動を進める職種横断前提で検討すべき」という議論も紹介されています。推進人材を新しい職種として1人に任せるより、業務、技術、人事など、複数の部署の人でチームをつくる形が、この議論に沿っています。
AX推進人材に求める4つの力
第5回の事務局資料は、第4回の議論を踏まえ、AXを推進する人材に求められる役割・能力を4つに整理し、これまで（BEFORE）とこれから（AFTER）を比べた表を載せています。
力 | これまで | これから |
|---|---|---|
1. 経営・事業変革をリードする力 | 既存事業の課題を発見する。多様なステークホルダーと合意形成する | 事業変革を検討・意思決定し、事業部・技術・人事・財務などを巻き込んでインパクトを設計する。AIの変化の速さに対応するため、経営視点で判断する |
2. ガバナンス・信頼を構築する力 | ルールを定め、違反や事故を防ぐ。リスクを管理する | AIの出力を評価するルール、リスク管理、倫理・セキュリティ、サンドボックス環境を整え、信頼を前提にAIを安心して使える仕組みをつくる |
3. 業務プロセスを再設計する力 | 既存業務をデジタル化する。既存のプロセスの一部をそのまま自動化する | 既存の業務範囲を越えて、プロセス・組織・役割を再設計し、価値創出につなげる |
4. 職種横断で推進する力（オーケストレーション力） | 特定の担当者や部門の間を調整する | AIのスキルも含む多様な専門性を踏まえて、役割分担と連携を進め、チームとして価値を生み出す |
出典：経済産業省 第5回WG事務局資料 p.6をもとにクウゼンが表に整理
第4回の資料では、推進人材の役割として「組織知の資産化とインセンティブ設計」も挙げられています。現場の暗黙知や失敗の経験をAIを使って形式知にし、それを共有した人が評価される制度をつくる役割です。
知識をデータにしても、共有した人が評価されなければ、共有は続きません。
全社員に求める4つの力
第4回の事務局資料は、委員の意見を整理して、全ビジネスパーソンに共通する力として「問いを立てる力」「判断と責任（検収力）」「文脈を理解する力」の3つを挙げました。第5回では、これに「自主性・学び続ける姿勢」を加えた4つについて、質の変化を示しています。
力 | これまで | これから |
|---|---|---|
問いを立てる力 | 既存の問いを整理し、新たな価値や課題を見出し、本質的な問いを設定する | AIなどの新しい技術から自ら価値や課題を発見し、新たな領域に問いを立てにいく |
文脈を理解する力 | 相手がなぜそう考えるのかという背景を理解する | AIの出力を評価するために、組織の暗黙知などを理解する。情報を構造化・意味づけし、AIや相手に伝える |
判断し責任を持つ力 | 定められた役割や責任に応じて判断し、その結果に責任を持つ | AIの出力に対して根拠を明確にして判断し、説明責任を果たす。実行に移し、価値創出につなげる |
自主性・学び続ける姿勢 | 自ら学び、自分の領域を越えて挑戦し、変化に適応し続ける | AIで拡張される能力を活かし、自ら学び、領域を越えて挑戦し、自律的にキャリアを切り拓く |
出典：経済産業省 第5回WG事務局資料 p.5をもとにクウゼンが表に整理
第4回の資料には、「AI活用が進むほど、人間の価値は『実行』から『設計と評価』へ移る」という整理もあります。
AIに何をさせるかを決め（問い）、会社の事情を踏まえて出力を確かめ（文脈）、結果に責任を持つ（判断）。
作業の途中はAIに任せ、始めと終わりを人が担う形です。
業務を知る人を、AIエージェントの設計者に育てる
ワーキンググループ第2回では、委員の小澤氏が「AI型化モデル」を示しました。
AIエージェントを「つくる」か「つかう」か、業務知識が多いか少ないかで、人材を4つに分ける考え方です。
人材 | 業務知識 | AIエージェントとの関わり | 特徴 |
|---|---|---|---|
AIエージェント・アーキテクト | 多い | つくる | 自分のロジックをAIエージェントに落とし込み、設計・構築する。会社の理念や文化への理解が深く、言語化する力が高い |
ビルダー | 少ない | つくる | AIエージェントの技術に詳しい。組織変革や業務変革の視点も求められる |
プロフェッショナル | 多い | つかう | 豊富な業務知識でAIを高度に使いこなすが、仕組み化のスキルがなく、効果が属人的になりやすい |
オペレーター | 少ない | つかう | AIエージェントを使って定型業務を行う。AIを検索や文章作成に限って使うことが多い |
出典：経済産業省 第3回WG事務局資料 p.32「AX時代の人材像」（第2回WG 小澤委員提出資料より作成）をもとにクウゼンが表に整理
このモデルでは、プロフェッショナルに生成AIの教育をしてAIエージェント・アーキテクトに育て、アーキテクトがつくった型をオペレーターに提供する流れが示されています。
業務を深く知っている人が、自分の判断の基準をAIに落とし込めるようになると、その人の知識は個人の中にとどまらず、組織の仕組みになります。
「AXプロジェクトの進め方」で紹介したAI-SECIモデルでいえば、「表出化」の工程です。推進チームをつくるときは、技術に詳しい人だけでなく、各部署で業務を一番よく知っている人を必ず入れます。
育て方：AIで補える知識と、経験でしか身につかない知識を分ける
第5回の資料では、企業が提供すべき業務経験は「全体理解＋現場経験」ではないか、という委員の意見が整理されています。
ドメイン知識についても、AIで補完できる知識（業界用語、法令、商品仕様、業務の進め方など）と、引き続き必要な知識（顧客、因果関係、全体構造）に分けています。
同じ資料で、SMBC日興証券はドメイン知識を5つのレベルに分けて示しました。
商品仕様や業界用語などの「業務知識」、業務の進み方を理解する「プロセス知識」はAIによる補完・代替の余地が大きく、「顧客知識」「実践知」「経験知」は経験や対話、試行錯誤を通じて獲得されるため、AIによる代替は容易ではないとしています。
育て方の例として、同社の「デジタルトレーニー制度」も紹介されています。
所属部署を離れて一定期間デジタル戦略部に異動し、生成AIやRPA、BIなどのスキルを座学で学んだ後、出身部門の実案件でOJTを行う制度です。
部署の全員にAIを使う経験をさせる方法もあります。
第3回の資料では、グッドパッチが事業部の全員にClaude Codeでアプリケーションをつくってデプロイするよう求めた取り組みが紹介されています。1か月で200個のアプリと300件のナレッジが生まれ、営業の96%、人事の86%、マーケターの91%、デザイナーの81%がデプロイしました。
AXの推進体制をつくる5つのステップ
ここまでの議論をもとに、クウゼンが整理した体制づくりの手順です。
ステップ | やること |
|---|---|
1. 経営が目的を決める | 経営層が、AXで何を変えるか（目的と対象業務）を決め、自分でもAIを使う。AI戦略と人事・組織の責任をどう持つかを決める |
2. 推進チームをつくる | 業務、技術、人事・組織の担当者でチームをつくる。1人の専任者に任せず、職種横断で進める |
3. 業務を知る人を設計者にする | 対象業務を一番よく知る社員を選び、AIエージェントの設計を学ぶ機会を与える。その人の判断の基準を書き出し、仕組みにする |
4. 安全に試せる環境を整える | アクセス権限、AIの出力を確かめるルール、試験用の環境（サンドボックス）を用意し、失敗してよい範囲を決める |
5. 知識を共有した人を評価する | 知識を書き出した人、他の人も使える型をつくった人を評価する。使う人を増やすだけでなく、知識を出す人を増やす |
出典：経済産業省 第2～5回WG資料の議論をもとにクウゼンが整理
よくある質問
Q. CAIO（最高AI責任者）は置くべきですか？
IPAの調査では、CAIOを置いている企業は2.9%でした。
役職名よりも、AI戦略と組織・人事の責任を同じ人が持てるかどうかが大事です。メルカリやSansanのように、人事の責任者がAIやAXの責任を兼ねる形もあります。
Q. AX推進人材は、新しい職種として採用すべきですか？
ワーキンググループでは、特定の職種に集約せず、既存の職種も含めて職種横断で進める前提で検討すべき、という議論が出ています。
外部から採用するだけでなく、社内で業務を知っている人を推進チームに入れるところから始めます。
Q. 全社員にAIの研修をすれば十分ですか？
研修だけでは、使い方が個人の中にとどまります。
ワーキンググループ第2回では「個人の生産性向上と組織価値創出は一致しない」ことが示されました。研修に加えて、業務の標準を変える推進チームと、知識を共有した人を評価する仕組みが必要です。
Q. 中小企業でも推進チームは必要ですか？
人数が少なくても、役割は分けられます。
経営者が目的を決め、業務を一番よく知る社員が設計を担い、技術の部分は外部の支援を受ける、という形でも体制は組めます。
Q. 若手の育成はどう変わりますか？
ワーキンググループでは、定型業務がAIに代わることで、若手が失敗や修正を通じて学ぶ機会が減るおそれが議論の的になりました。
一方で、熟練者の暗黙知を形式知にできれば、定型業務を経由せずに学べるという意見もあります。業務の全体を理解し、上流の判断に関わる経験を、意識して若手に与える必要があります。
まとめ
AI導入・運用の課題の1位は専門人材の不足（50.1%）。AIの導入はIT部門の長が主導する企業が46.0%、CAIOは2.9%（IPA）
体制づくりは経営の関与から。AI戦略と人事戦略を同じ責任者に任せる企業も出ている
変革を設計・実装する人は一部、実務者は全社員。推進人材には経営・ガバナンス・業務再設計・職種横断の4つの力を求める
全社員には、問いを立てる力、文脈を理解する力、判断し責任を持つ力、自主性を求める
業務を知る人をAIエージェントの設計者に育て、知識を共有した人を評価する仕組みをつくる
クウゼンのAX支援｜社内の知識をデータにし、AIが業務を回せる状態をつくります
クウゼンは、業務を知る社員の知識をデータにするところから、推進チームとともにAXを進めています。
目指す姿：AI導入フェーズから、AI駆動フェーズへ
フェーズ | 会社の状態 |
|---|---|
AI導入フェーズ | 今の業務を効率化するために、AIを補助として使っている。AIはまだ中核の業務を担っていない |
AI拡大フェーズ | AIエージェントが業務プロセスに入り、人とAIが業務を分担している |
AI駆動フェーズ | 業務プロセス、組織構造、意思決定、提供価値がAIを前提に設計されている |
進め方：AI-SECIの4つの工程で、知識をデータにして回す
1. 表出化｜業務の知識をデータにする
最初に決めるのは、AIで変える業務と、成果の測り方です。
そのうえで、業務を担当する社員にヒアリングし、手順と判断の基準を書き出します。マニュアルや過去の対応履歴、社内文書と合わせて、AIが読めるデータ、プロンプト、ワークフローの形に整えます。
2. 結合化｜データと業務システムをつなぐ
売上、顧客、問い合わせ、在庫など、部署ごとに分かれたデータをつなぎ、項目の定義と表記をそろえます。
社内文書を検索して答える仕組み（RAG）や、AIと外部のシステムを接続する規格（MCP）で、社内の文書やシステムとAIをつなぎ、AIが社内のデータを参照して答えられるようにします。
3. 内面化｜AIを現場の業務に組み込む
つくったAIエージェントを実際の業務で使い、現場の担当者がレビューして改善します。効果は、表出化で決めた指標で測ります。
4. 共同化｜新しく生まれた知識を組織で共有する
AIを使う中で見つかった新しいやり方や判断の基準を、ワークショップなどで部署を越えて共有します。共有した知識は、次の業務の表出化に持ち込みます。
1つの業務でこのサイクルを回せれば、拡大フェーズに入れます。対象の業務を増やしながらサイクルを続けると、意思決定や組織の設計もAIを前提に組み替えられます。その段階が駆動フェーズです。
「どの業務から始めればいいか分からない」という段階からでも、ご相談ください。
出典
IPA「DX動向2026」報告書（2026年7月公表） https://www.ipa.go.jp/digital/chousa/dx-trend/rcu1hd0000017uk8-att/dx-trend-2026.pdf
経済産業省「第3回AX時代におけるスキルのあり方検討WG」事務局資料（2026年6月23日） https://www.meti.go.jp/shingikai/mono_info_service/society_digital/ax_skill/pdf/003_02_00.pdf
経済産業省「第3回AX時代におけるスキルのあり方検討WG」議事要旨 https://www.meti.go.jp/shingikai/mono_info_service/society_digital/ax_skill/pdf/003_gijiyoshi.pdf
経済産業省「第4回AX時代におけるスキルのあり方検討WG」事務局資料（2026年7月27日） https://www.meti.go.jp/shingikai/mono_info_service/society_digital/ax_skill/pdf/004_02_00.pdf
経済産業省「第5回AX時代におけるスキルのあり方検討WG」事務局資料（2026年9月1日） https://www.meti.go.jp/shingikai/mono_info_service/society_digital/ax_skill/pdf/005_02_00.pdf
メルカリ プレスリリース（2026年6月1日） https://about.mercari.com/press/news/articles/20260601_chrocaio/
Sansan ニュース（2026年6月1日） https://jp.corp-sansan.com/news/2026/0601_02.html
