AIで研修はどう変わるか：個別最適化学習の現在地

「研修を実施しても、受講者によって手応えがまるで違う」——多くの人事担当者が抱える悩みではないでしょうか。全員に同じ内容を同じペースで届ける一律研修は、理解の早い人には物足りず、つまずいた人は置き去りにしがちです。近年、AIを使って一人ひとりの理解度に学習を合わせる「アダプティブラーニング（適応学習）」が注目されています。本記事では、研修の個別最適化がなぜ求められるのか、AIで何がどこまで変わるのか、そして中小・中堅企業が過度な期待を避けつつ小さく始める道筋を整理します。

なぜいま「研修の個別最適化」が求められるのか

厚生労働省の令和6年度「能力開発基本調査」によると、OFF-JTや自己啓発支援などの教育訓練費用を支出した企業は54.9%でした（費用は令和5年度実績）。裏を返せば、4割を超える企業は費用面での支出がありません。一方で、能力開発や人材育成に「何らかの問題がある」とした事業所は79.9%にのぼります。多くの企業が育成の必要を感じながら、思うように投資も実行もできていない状況がうかがえます。

問題の上位には「指導する人材が不足している」「人材育成を行う時間がない」「育成しても辞めてしまう」といった声が並びます。教える人と時間が足りないという、構造的な制約です。研修の担い手を増やすことが難しいなら、限られたリソースをより効率よく使う工夫が要ります。

加えて、OFF-JTの労働者一人当たり平均額は1.5万円、自己啓発支援は0.4万円にとどまります。限られた予算と時間のなかで、全員に同じ研修を一律に届けるやり方は、効果の面でも効率の面でも見直しの時期に来ていると言えます。

アダプティブラーニング（適応学習）とは何か

アダプティブラーニング（適応学習）とは、学習者の理解度や進捗に合わせて、学習の内容や難易度を個別に最適化する学習方法です。理解が早い人には発展的な課題を、つまずいている人には基礎の復習を——というように、同じ教材を使っても、人によって進む道筋が変わります。一斉授業とマンツーマン指導の中間を、仕組みで実現しようとする試みと考えると分かりやすいでしょう。

何が「最適化」されるのか

• 出題の難易度：直前の正誤に応じて、次に出す問題のレベルを上げ下げする
• 学習の順序とペース：すでに理解している範囲は省き、必要なところに時間を割く
• 復習のタイミング：忘れかけた頃に再提示し、定着を促す
• 到達目標に対する不足箇所：目標との差分を特定し、埋めるべき箇所を示す

AIが担う役割

これらの調整を支えるのが、学習ログの分析です。解答の正誤、回答にかかった時間、つまずいた箇所といったデータからAIが理解度を推定し、次に提示する内容を選びます。一人ひとりに対して人手では行いきれない「見立てと出し分け」を、仕組みとして継続的に回せる点が、AIを使う最大の意味です。

AIで研修は「どこが」変わるのか——3つの局面

AIによる変化は、研修の前・最中・後という3つの局面に分けて捉えると整理しやすくなります。

研修前：出発点を人によって変える

従来は全員が同じ入口から始めていました。事前の診断やスキルの可視化を組み合わせると、すでに身についている内容は飛ばし、不足している範囲から始められます。経済産業省とIPA（情報処理推進機構）が策定した「デジタルスキル標準」のように、身につけるべきスキルの共通の物差しを持っておくと、診断の結果と学習設計をつなげやすくなります。

研修中：理解度に応じて出し分ける

学習の途中で理解度を測り、正答が続けば先へ進め、つまずけば基礎に戻す。この分岐を自動化することで、講師が全員の進捗を追いきれない大人数の研修でも、置き去りになる人を減らせます。理解の早い人が待たされる時間も減らせます。

研修後：ログを効果測定とフォローに使う

誰がどこでつまずいたかがデータとして残るため、研修後のフォローや次回の設計に活かせます。「受けて終わり」になりがちな研修を、継続的な改善のループに乗せられるのは、紙の集合研修にはなかった利点です。

導入前に冷静に見極めたい論点

期待が先行しやすい分野です。導入の判断では、次の4点を事前に押さえておきたいところです。

• AIは万能ではない：出し分けの精度は、教材の設計と蓄積されたデータの量・質に左右される。データが乏しい立ち上げ期は、効果が出にくいこともある
• 集合研修やOJTを『置き換える』ものではない：知識のインプットや反復は適応学習が得意だが、対話・実践・行動変容の支援は集合研修やOJTの役割。両者を組み合わせるブレンディッドラーニングの発想が現実的
• 効果測定は依然として必要：学習ログが充実しても、それが業務上の行動や成果に結びついたかは、別の指標で確かめる必要がある
• 目的から逆算する：ツールの機能ではなく、『誰の・どのスキルを・どこまで』引き上げたいのかを先に決める

中小・中堅企業が小さく始めるには

最初から全社一斉の高度な仕組みを目指すより、対象を絞って小さく始め、自社の学習データをためていくほうが、結果的に出し分けの精度も定着率も高まります。次の手順が現実的です。

1. 対象を一つに絞る：全社ではなく、特定の職種・スキル（例：新入社員の基礎知識、特定ツールの操作研修）から始める
2. いま使っているLMS・eラーニングの機能を確認する：多くのサービスに理解度診断や出題調整の機能があり、まず手元の道具でできる範囲を試す
3. 『診断→出し分け→復習』の小さなループを回す：小規模で運用し、受講者がつまずく傾向をつかむ
4. 効果を測って設計に戻す：テスト結果や現場での行動変化を確認し、教材と出し分けのルールを調整する

個別最適化学習は、まだ発展の途上にある領域です。だからこそ、大きな投資でいきなり全社導入するより、目的を明確にして小さく試し、自社に合う使い方を見極めていく姿勢が向いています。

株式会社ノアブリッジでは、人材開発・社員研修の設計をご支援しています。研修の個別最適化やブレンディッドラーニングの設計にお悩みの際は、お気軽にご相談ください。

支援の具体例 → 導入事例：「知っている」を「できる」に変える基礎スキル・マインドセット研修