第５３回
2026/7/24
出典：Mercer Global Talent Trends 2026 / Davos Executive Session：Transforming work in an AI world: Reflections from Davos 2026
2030年までに従業員のスキルの 50% が陳腐化する。
生成AIの普及でそのスピードは 68% まで加速する。
──Microsoft & LinkedIn 調査
過去3年間で、平均的な職業のスキルの 32% がすでに変化した。
──Lightcast 調査
出典：SHRM：Organization Growth and Tech Advances are Driving the Need for New Skills
WEFは「雇用主は今後5年間で従業員スキルの 44% が変革される」と予測。
──World Economic Forum Future of Jobs 2025
あなたの会社の人事評価制度は、
この「変化の速度」に追いついていますか？
・職務記述書（JD）に基づく評価。
・年1回の目標設定と考課。
・職位・役割に紐づく給与テーブル。
これらは10年前に設計された仕組みです。
生成AIが業務を根本から書き換えている今、「固定された職務」を基点にした制度は、実態と乖離し続けるしかありません。
日本企業がジョブ型に移行しようと奮闘する一方、欧米のリーディングカンパニーはすでに「その先」を実装しています。
それが「スキルベース組織（Skills-Based Organization：SBO）」です。
○ジョブ型との根本的な違いを整理しましょう。
─────────────────────────────────
【比較表】ジョブ型 vs スキルベース
─────────────────────────────────
| 項目 | ジョブ型 | スキルベース |
| 人事の基本単位 | 職務記述書（JD） | スキル・コンピテンシー |
| 採用判断 | 職務要件への適合 | 保有スキルへの適合 |
| 評価軸 | 職務行動・役割成果 | スキル発揮×スキル成長 |
| 報酬決定 | 職務価値・ポジション | スキルの市場価値 |
| キャリア | 垂直の昇進 | スキルポートフォリオの拡張 |
| 人員計画 | ヘッドカウントベース | タスク×スキルの動的設計 |
| 変化対応 | JD改訂に時間がかかる | スキル再設計でリアルタイム対応 |
ジョブ型の最大の欠点は、「職務の定義が陳腐化したとき、制度全体が機能不全に陥る」ことです。
生成AIによって職務の内容が数年単位で変化する時代には、固定されたJDは「足かせ」になります。
スキルベース制度は、この問題を根本から解消します。
74カ国・1,100名のHRリーダーへの調査（Mercer 2024/2025 Skills Snapshot Survey）。
そこから見えた現実を直視してください。
出典：Mercer：The 2024/2025 Skills Snapshot Survey report
スキルベース制度の成熟度「高い・非常に高い」と答えた企業
ラーニング領域 ：30%（前年23%→大幅増）
パフォーマンス管理 ：28%（前年22%）
キャリア開発 ：28%（前年20%）
タレント獲得 ：27%（前年24%）
要員計画 ：21%（前年14%→急成長）
スキルベース報酬 ：19%（前年13%）
つまり、まだ8割の企業が「未成熟」な状態にいます。
今動けば「先行者優位」を確実に取れます。しかし、その窓は急速に閉まりつつあります。
Gartner 2024年調査（330名のビジネスリーダー対象）では、
・85% が「AIによりスキル開発ニーズが劇的増加する」と回答
・93% が「継続学習のための時間・リソース確保は経営者の責任」と回答
出典：Gartner：Gartner Survey Shows 85% of Business Leaders Agree There Will Be a Surge in Skills Development Need…
そして、Mercer Davos 2026セッションの最新データ（2026年1月）では、
・C-suiteリーダーの 63%が「AI統合による仕事の再設計」が最も人的投資ROIが高いと確信
・投資家の 72% が「人間×AI統合を進める企業が競争優位」と判断
・投資家の 97% が「スキルパワードモデルへの移行に失敗する企業にペナルティを与える」と明言
出典：Mercer：Transforming work in an AI world: Reflections from Davos 2026
人事制度は「コスト」ではなく「投資先の判断基準」になりました。
「人材のパフォーマンスに注力した企業は、競合比4.2倍高い
業績達成確率、平均30%高い収益成長、そして離職率5ポイント低下を実現」
──McKinsey 2024 Performance Management Report
出典：McKinsey & Company：Performance management that puts people first | McKinsey
スキルベース制度の導入が「人材戦略」ではなく「経営戦略」である理由がここにあります。
では具体的に、スキルベース人事評価制度はどう設計するのか。
信頼性の高いグローバルデータをもとに、7つの構成要素を解説します。
※オントロジーとは、物事の本質や存在、概念、そしてそれらの関係性を形式的に定義・整理する枠組み
すべての出発点は、「スキルの共通言語」を作ることです。
多くの企業が混同している3つの概念を整理します。
・スキルタクソノミー：スキルを階層的に分類した「辞書」
・スキルオントロジー：スキル同士の関係性をネットワークで表現した「地図」
・スキルフレームワーク：熟達度レベル・行動指標を定義した「評価基準」
※タクソノミーは、分類や体系化
出典（AIHR スキルオントロジー解説）：Skills Ontology: What Is It & How To Build One? - AIHR
生成AI時代のスキルは4カテゴリで分類することを推奨します。
1. テクニカルスキル ── 職種固有の専門知識・技術
2. AIコラボレーションスキル ── 生成AI活用・プロンプト設計・AI出力検証
3. ヒューマン（認知・社会）スキル ── 共感・創造性・倫理判断
4. アダプタビリティスキル ── 変化対応・継続学習・認知的柔軟性
※アダプタビリティとは、社会環境変化などに柔軟に適応する能力
重要なのは「AIコラボレーションスキル」の新設です。
これは従来の人事制度には存在しなかったカテゴリです。
また、Mercer 2024/2025調査では、現在スキルアセスメントを「継続的に実施」している企業は21%に過ぎません。
年1回（33%）から「常時オン型」への移行が世界的なトレンドです。
スキルの可視化には「3層のアセスメントモデル」が有効です。
第1層：自己申告（Self-Assessment）
── 従業員が自らスキルとレベルを申告
── AIが職歴・実績データから推論し補完（Skills Inference）
第2層：多方向検証（360° Validation）
── 実業務での発揮状況をマネージャー・同僚がバリデーション
── プロジェクト完遂・成果物・ピアフィードバックを証拠として活用
第3層：客観的評価（Objective Assessment）
── スキルテスト・ケーススタディ・シミュレーション
── 外部認定・資格取得データとの連携
熟達度は「5段階モデル」で定義することを推奨します。
Lv.1 Awareness（認知）── 概念・用語を理解している
Lv.2 Foundation（基礎）── 指導のもとで実行できる
Lv.3 Practitioner（実践）── 自立して業務に適用できる
Lv.4 Expert（専門）── 複雑な場面に応用し他者を指導できる
Lv.5 Leader（先導）── 組織・業界レベルで革新・牽引できる
現状では、スキルプロファイルを全従業員に公開している企業はわずか27%。
60%はHR・経営層・ラインマネージャーのみに限定しています。
透明性の確保が従業員の信頼獲得と制度定着の鍵です。
出典：Mercer：The 2024/2025 Skills Snapshot Survey report
MITの調査が示す衝撃的なデータがあります。
「今日の知識労働の78%は協働的文脈で行われているが、
チームの能力を効果的に測定するシステムを持つ企業はわずか23%」
──MIT Center for Collective Intelligence, 2023
出典：hr.com： Performance Management In 2025 And Beyond: What’s Changing And Why It Matters - HR.com
スキルベース評価では、フィードバックを4つの軸で設計します。
軸1：スキル発揮フィードバック ── プロジェクトでのスキル適用状況（月次）
軸2：スキル成長フィードバック ── 前回比での熟達度向上確認（四半期）
軸3：ピアフィードバック ── 協働業務での貢献観察（プロジェクト終了時）
軸4：AIフィードバック ── データから自動生成の成長インサイト（常時）
推奨する評価サイクルは以下の通りです。
【常時】AIによるスキル発揮シグナルの自動収集
【月次】マネージャーとの1on1チェックイン（15分）
【四半期】スキルレビュー・育成計画の調整
【年次】スキルポートフォリオ全体の評価・報酬反映
従来の「成果（What）だけ」の評価から脱却します。
スキルベース制度では「成果（What）×スキル（How）×成長（Growth）」の三次元で評価します。
○推奨する評価ウェイト
成果・貢献（Outcomes） ：40%
スキル発揮（Application） ：35%
スキル成長（Growth） ：25%
そして生成AI時代に特有の評価項目として、以下を新設することを強く推奨します。
・AI活用による生産性向上の実績
・AI出力の批判的検証・修正能力（AIリテラシー）
・AI倫理・ガバナンスへの意識と行動
・人間固有価値（共感・創造・判断）の発揮度
デロイトは「ジョブの終焉（The End of Jobs）」を提唱し、仕事をタスクに分解し、各タスクを「人間・AI・人間×AI」のどれが最適に実行するかを再設計するアプローチを推奨しています。
出典：Deloitte 2025 Human Capital Trends：Planning for work outcomes | Deloitte Insights
スキルベース評価の真の価値は、評価と育成が「一体化」することです。
A：理想のサイクル
スキルアセスメント
→ スキルギャップの自動特定（AI）
→ 個別学習パスの自動生成
→ マイクロラーニング・OJT・メンタリングの提供
→ 学習効果のスキル熟達度への反映
→ 次のアセスメントへ（継続ループ）
B：アップスキリングによる効果として確認されているデータ
・職務パフォーマンスの大幅改善：68%が実感
・従業員エンゲージメントの向上：60%
・リテンション（離職防止）改善：59%
・キャリアモビリティの拡大 ：54%
出典：HR.com Future of Upskilling and Employee Learning 2025：HR.com's Future of Upskilling and Employee Learning 2025 - HR.com
C：育成優先スキルは以下の3軸で決定します
軸A：戦略的優先度 ── 事業目標に直結するスキル
軸B：市場希少性 ── 外部採用が困難・コスト高のスキル
軸C：AI代替リスク ── 近い将来AIに代替されるスキルは優先度を下げる
※最も設計が難しく、かつ最後に取り組むべき領域です。
Korn Ferry 2025年グローバル総報酬調査（140カ国・8,000組織対象）より
「スキルベース・パフォーマンスベースの報酬モデルは今後3〜5年で普及が加速する見込み。
ただしAIは透明性と公平性の向上に貢献する。
一方、HR部門の準備不足と従業員の慎重な姿勢が課題として残る」
出典：Korn Ferry：Korn Ferry's Global Total Rewards Pulse Survey
現在、スキルベース報酬を「導入済み」の企業はわずか17%。
残り83%はまだ「未実施」ですが、84%の企業が
「プレミアムスキル人材の獲得・保持のために導入を検討している」と回答。
設計するなら3つのモデルから選択します。
モデルA：スキルプレミアム型
── 希少・戦略的スキル保有者に手当・加算
── 移行期の現実的アプローチ（最も導入しやすい）
モデルB：スキルバンド型
── スキルポートフォリオの幅・深さで給与レンジを決定
── ジョブ型との併用も可能
モデルC：ダイナミックペイ型
── 習得・発揮スキルのリアルタイム評価で変動報酬
── 成熟段階での先進モデル
重要な設計原則：報酬は「金銭」だけではありません。
育成機会・キャリアパスの透明性・柔軟な働き方・承認・これらを含む「包括的報酬」全体での設計が必要です。
スキルベース制度を「生きた仕組み」にするために、AIによる5つの機能が不可欠です。
機能1：スキル推論（Inference）
── 職歴・業務データからスキルを自動推定・補完
機能2：ギャップ分析
── 現有スキルと必要スキルの差を継続的に算出
機能3：マッチング
── スキルとプロジェクト・ポジションの最適配置推薦
機能4：学習推薦
── 個人のギャップに応じた学習コンテンツの自動推薦
機能5：予測分析
── 将来必要なスキルと人材リスクの予測
「マネージャーが複数ソースからのフィードバックを集約・合成してコミュニケーションを効率的に起草できるよう支援し、
コーチングや1on1など価値創出の核心部分に集中できる環境を作る」
出典：McKinsey & Company：Performance management that puts people first | McKinsey
スキルベース制度への移行は「一気に全社展開」ではなく、段階的・確実に進めることが成功の鍵です。
Phase 1：基盤構築期（6〜12カ月）
・スキルタクソノミー・フレームワークの設計
・パイロット部門（1〜2部門）での試行
・スキルアセスメントツールの選定・導入
・ガバナンス体制の確立（誰がスキル定義を管理するか）
Phase 2：評価・育成統合期（12〜24カ月）
・継続的フィードバック文化の醸成
・L&Dとの統合・学習推薦の自動化
・マネージャー育成（コーチング型への転換）
・全社展開とスキルプロファイルの可視化
Phase 3：報酬・AI統合期（24〜36カ月）
・スキルベース報酬の設計・導入
・AIプラットフォームの本格稼働
・タレントマーケットプレイス（社内公募の高度化）
・継続的な制度改善サイクルの確立
多くの日本企業がスキルベース制度の導入に失敗するパターンには共通点があります。
失敗パターン①：スキル定義の「所有権」が曖昧
スキルベース移行を阻む最大の障壁は「HR部門のキャパシティ・能力不足（40%）」。
スキルオントロジーのガバナンス（誰が更新・承認するか）を
最初に決めなければ、制度は形骸化します。
失敗パターン②：報酬設計から着手してしまう
スキルベース報酬から先に設計すると、
既得権との衝突で必ず頓挫します。
先にスキルの共通言語と評価の仕組みを定着させてから
報酬へ接続するのが鉄則です。
失敗パターン③：従業員への情報開示が不十分
生成AIによる変化に対して、従業員の98%が「もっとサポートが必要」と感じています。
一方で「研修・リトレーニングが必要」と認識している経営者は40%のみ。
評価基準・プロセス・結果の透明な開示が従業員の制度受容の絶対条件です。
出典：Mercer：The future of work in the age of generative AI
欧米の先進企業は、すでに「研究段階」を終えています。
PwC ── 全従業員への生成AIスキリング教育を大規模展開
Amazon ── 従業員向けAI「コーチ」を開発し個別スキル支援を実装
Johnson & Johnson ── スキルベースタレントマネジメントを全社展開
Salesforce ── AIパフォーマンスダッシュボードでコーチングを最適化
Unilever ── インターナルタレントマーケットプレイスで社内流動化を実現
これらの企業が共通して取り組んでいること──それは「スキルを組織の共通通貨にする」ことです。
スキルが見えれば、最適な人材配置ができる。
スキルが見えれば、個人に最適な育成ができる。
スキルが見えれば、公平で透明な報酬設計ができる。
スキルが見えれば、将来の人材リスクを予測できる。
圧倒されている必要はありません。
スキルベース制度への移行は、今日から始められます。
まず、以下の3つの問いに答えることから始めてください。
問い1：
「あなたの会社のすべての従業員のスキルを、今この瞬間、リスト化できますか？」
問い2：
「生成AIの普及で最初に変化するであろう職種・スキルを特定できていますか？」
問い3：
「3年後に会社が必要としているスキルと、現在の人材が持つスキルのギャップを把握していますか？」
3問すべてに自信を持ってYESと答えられた方は、すでに「スキルベース組織」への移行準備ができています。
1問でもNOがあった方には、今すぐ動き始めることをお勧めします。
このレポートをお読みいただいた方に、以下のいずれかのご支援が可能です。
【ご支援メニュー①】
スキルベース人事制度 導入可能性アセスメント（無料・60分）
現在の人事制度の課題を診断し、スキルベース制度への移行における優先課題と具体的な第一歩をご提示します。
【ご支援メニュー②】
スキルフレームワーク設計ワークショップ（有料）
貴社の業種・事業特性に合わせたスキルタクソノミー・評価基準の設計をワークショップ形式で共同設計します。
【ご支援メニュー③】
パイロット推進サポート（有料・3〜6カ月）
特定部門でのパイロット実施から全社展開計画の策定まで、ハンズオンでご支援します。
▶▶ まずは無料相談をお申し込みください ◀◀
ご相談・ご質問は、いつでもお気軽にどうぞ。
人事制度の変革は、大きな決断です。
しかし「変えない」という選択は、もはやリスクです。
生成AI時代の「スキルベース人事制度」──今日が、その第一歩になりますように。
※JOB Scope（ジョブスコープ）は、デフィデ株式会社の登録商標です。