AI活用は、「AIありき」ではなく、自社の経営課題から始めることが大切です。宇都宮大学の大嶋淳俊教授は、AIが専門的な作業の一部を担えるようになるほど、AIに何を任せ、出力をどう評価し、どんな行動や意思決定につなげるかという「判断力」が、経営者だけでなく幅広い社員に求められると語ります。そのうえで、経営者がAI活用を進めるための4つの実践を提言しています。
生成AIの業務利用は急速に広がっています。しかし、デジタル人材の育成やAI研修に投資するだけで、あとは何とかなるだろうと考えていては、成果は出ません。個人がAIを使えることと、組織として成果につなげることは、別の問題だからです。
本記事では、大嶋教授へのインタビューをもとに、AI時代に企業内大学が担うべき役割、データサイエンスと経営をつなぐ人材の育成、地域に根差した産官学連携、そして経営者がAI活用を経営課題から進めるための4つの実践を解説します（企業内大学の考え方は、中編で紹介しています）。
この記事でわかること
・AI時代に、専門家でない社員や経営者にも求められる「判断力」
・AI時代に企業内大学が担うべき役割
・データサイエンスの知識だけでは経営成果につながらない理由
・地域に根差した産官学連携の進め方
・経営者がAI活用を経営課題から進めるための4つの実践
宇都宮大学 データサイエンス経営学部・大学院地域創生科学研究科 教授。博士（人間科学）。大手総合シンクタンクで、政府の政策形成支援や民間企業のコンサルティングなどに従事。APEC（アジア太平洋経済協力）の経営人材育成分野の事務局への出向も経験。その後、東日本大震災からの復興支援への貢献を目指して福島・宮城の大学で計8年間教授を務め、産官学連携や地域活性化に取り組む。次世代経営リーダー育成、企業内大学、デジタル経営などを研究。主な著書に『次世代経営リーダー育成』『企業内大学』『デジタル経営学入門』、英文学術書『The Evolution and Challenges of Corporate Universities in Japan』など。現在はリーダーシップ開発に関する新たな英文学術書を執筆中。
聞き手：JOB Scopeマガジン編集部
大嶋教授は、東証上場企業に勤め、生成AIを業務で使っている正社員約1,200人を対象に調査を行い、AIの活用状況と、職場の人材育成や組織的な支援との関係を分析しています。重要なのは、個人がAIを使うことだけでなく、それを仕事の改善や組織の成果にどう結びつけるかという点です。
IT活用からDX、AIへと続くデジタル技術の変化を長く研究してきた大嶋教授は、生成AIがこれまでの技術と異なる点の一つとして、専門家でない社員でも、さまざまな知的業務に使いやすくなったことを挙げます。その結果、求められる能力も変わりつつあります。
| 対象 | 求められる能力 |
|---|---|
| データサイエンティストなどの専門人材 | 不要にはならない。AIを活用しながら、分析の妥当性を評価し、複雑な課題を解決できる高度な専門性が引き続き重要 |
| 経営者・管理職 | AIに何を任せ、出力をどう評価し、どんな意思決定につなげるかを判断する能力。意思決定のレベルアップにAIを使いこなせるか |
| 一般の社員 | 全員が高度な専門家になる必要はない。役割に応じてAI・デジタル技術を使いこなし、判断や業務改善に生かす能力 |
出典：大嶋教授への取材をもとに編集部作成
AIが高度化しても，経営上の判断や意思決定に対する責任は人間が負う必要があります。AIに何を任せるのか，出力をどう評価するのか，その結果をどのような行動や意思決定につなげるのか。こうした能力は、経営者や管理職だけでなく、幅広い社員に求められるようになると考えています。
――大嶋教授
企業内大学の運営責任者との議論でも、「社員が研修を受けるより、AIに任せればよいのではないか」という意見が出るといいます。しかし大嶋教授は、AIが学習を支援できるようになっても、社員自身が課題を捉え、AIの出力を評価し、仕事に生かす能力を育てることは引き続き必要だと言います。
そのため企業内大学は、研修を提供するだけでは十分な価値を発揮できません。AI・デジタルを活用して学習を高度化するとともに、学んだ能力を職場で実践し、経営課題の解決や組織能力の向上につなげること。そして人材育成を採用・配置・評価と連携させ、個人の成長を組織全体の成果につなげることが求められます。大嶋教授は著書でも、AIを社員の学びや成長を支える手段として位置づける「戦略的人材成長」の視点を重視しています。
個人の利用を組織の成果につなげるには、まず自社の社員がAIをどのように使えているのかを把握することが出発点になります。
個人のAI利用を、組織の成果につなげるために
AIを使っている社員がいることと、組織としてAIを使いこなせていることは別の問題です。DEFiDEの「生成AIワークバリュー・スコア分析」で、組織の生成AI活用の状況を把握し、育成の優先順位を明確にできます。
文部科学省の「数理・データサイエンス・AI教育プログラム認定制度」は、全員がまず基礎的なリテラシーを身につけ、一部の人は応用レベルまで学ぶという方向性を示しています。大嶋教授もこの方向性には賛同しつつ、決定的に足りないものがあると指摘します。それが、データサイエンスを企業の経営課題の解決や意思決定、価値創造へと結びつける教育です。
データサイエンスの専門知識だけで経営上の成果を生み出すのは容易ではありません。分析結果を経営課題の解決につなげるには、事業や組織への理解、適切な課題設定、意思決定などの力も必要です。大嶋教授自身、シンクタンク時代にはITの専門会社に外注し、その成果をまとめて事業の成果につなげる仕事をしていました。
| 求められる力 | 内容 |
|---|---|
| データサイエンスの力 | データを分析する知識と技術 |
| 経営の力 | 事業や組織を理解し、適切な課題を設定し、意思決定する力 |
| 橋渡しする力 | 経営とデータサイエンスの双方を理解し、専門家と協働しながら、分析結果を経営判断や事業の改善につなげる力 |
出典：大嶋教授への取材をもとに編集部作成
宇都宮大学データサイエンス経営学部は2024年に設立され、大嶋教授もそのときに着任しました。国立大学の中でも先駆的に、データサイエンスと経営学の融合を学部の基本理念に掲げ、データを分析する力と、その結果を経営判断や価値創造につなげる力を一体的に育てることを目指しています。
大嶋教授は2021年に『デジタル経営学入門――IT経営、eビジネス、マーケティング編』（学文社）を著しました。経営のあらゆる活動でデジタルやデータが生まれ、関わってくるため、それを戦略的に活用する思考を持つべきだ、という主張です。
「データサイエンス」という響きだけだと、ビッグデータを収集・分析する定量的な視点だけで議論してしまいがちです。大嶋教授の「デジタル経営学」は、データの分析・活用にとどまらず、デジタル技術を経営戦略、業務改革、マーケティング、価値創造にどう結びつけるかを広く捉える視点であり、データサイエンスと経営学の融合を目指す学部の理念とも共通しています。
宇都宮大学では「シンクタンク地域経営」（Think Tank for Regional Management）を立ち上げ、地域の産官学連携を深める取り組みを進めています。地域でもデータサイエンスへの関心は高まっていますが、その知見を経営や事業にどう生かすかが課題です。学術的な助言や共同研究を通じて、地域企業や自治体の課題解決を支援していくといいます。
東北でも宇都宮でも地域に身を置いてきた大嶋教授は、現場に足を運び、何が起きているのかを肌で感じること、そして行政や企業の人たちとの交流を重ね、継続的な信頼関係を築くことを大切にしています。学生と取り組むPBL（課題解決型学習）でも、実際の地域課題を題材に、自治体や企業の人たちと一緒に考える機会を設けています。
データサイエンスを経営に生かす視点を、経営者はどう身につけ、生かせばよいのでしょうか。2026年8月に開かれた栃木県のデジタル関連プラットフォームのキックオフイベントでも、同じ問いを受けたといいます。大嶋教授の答えは、デジタルありきで考えても、よい結果は生まないということです。そのうえで、経営者に次の4つの実践を勧めています。
| 実践 | ポイント |
|---|---|
| 1. 経営者自身が関心を持ち続け、風土をつくる | AIで何ができて何ができないかを日常的に試し、可能性と限界を理解する。他の経営者、地域の大学教員、社内の得意な社員と意見交換する。好奇心を持つことが当たり前の風土をつくる。データサイエンティストの試験を受ける必要はない |
| 2. 事業課題の洗い出しから始める | さまざまな部署から数人ずつ選び、AI研修や検定より先に自社の課題を洗い出す。例えば営業部門の課題10個のうち、AIで解決できそうなものはどれか。ビジネスの中身が分かる人を必ず入れる |
| 3. 小さく試して検証し、組織に適用する | 「AIを使うのは当たり前」「失敗してもきちんと検証すればよい」という雰囲気をつくる。大きな投資をせず、小さく試してPDCAを回し、検証してから組織に広げる。企業内大学の枠組みで共有すれば、横展開もしやすい |
| 4. 越境の機会を自らつくる | 大学や研究機関、異業種の企業、地域の専門家と交流し、自社だけでは得られない視点に触れる。とくに中堅・中小企業では、外部の知的資源の活用が重要 |
出典：大嶋教授への取材をもとに編集部作成
ITが好きな人だけで検討チームをつくっても、事業課題とAIは結びつきません。また、参謀役のいない中堅・中小企業では、こうしたことを描いて組織に浸透させる経営トップの責任と役割がより大きくなると大嶋教授は言います（中小企業のDXの進め方については井上善海教授の、失敗を検証して学ぶ組織については高橋伸夫教授の解説記事でも紹介しています）。
最後に大嶋教授は、人材育成全般について、「何を学ばせるか」から考えるのではなく、「自社は何を実現したいのか、そのためにどのような人材が必要なのか」から考えることが重要だと語ります。経営戦略と人材育成を結びつけ、学んだことを職場で実践し、組織全体の能力向上へとつなげていく。その仕組みを経営者自身が継続的に支えることが、企業の持続的な成長につながるのです。
A. 大嶋教授は、AIに何を任せ、出力をどう評価し、その結果をどんな行動や意思決定につなげるかという判断の力を挙げています。全員が高度な専門家になる必要はなく、役割に応じてAIを使いこなし、判断や業務改善に生かす力が、経営者や管理職だけでなく幅広い社員に求められます。
A. 大嶋教授は不要にはならないとしています。AIが学習を支援できても、社員自身が課題を捉え、AIの出力を評価し、仕事に生かす能力を育てることは必要です。企業内大学は、学んだ能力を職場で実践し、採用・配置・評価と連携させる仕組みへ変わる必要があります。
A. 分析結果を経営課題の解決につなげるには、事業や組織への理解、適切な課題設定、意思決定などの力も必要だからです。経営とデータサイエンスの双方を理解し、専門家と協働しながら分析結果を経営判断につなげる人材が求められます。
A. 大嶋教授は、①経営者自身が関心を持ち続け風土をつくる、②事業課題の洗い出しから始める、③小さく試して検証し組織に適用する、④大学など外部との越境の機会をつくる、の4つを勧めています。
A. 参謀役がいないことが多いため、経営トップの責任と役割がより大きくなります。また社内で得られる情報や専門知識に限界があることもあるため、大学や異業種、地域の専門家など外部の知的資源を積極的に活用することが重要です。
前編では次世代経営リーダーの育成を、中編では企業内大学と越境学習を見てきました。AIもデータサイエンスも、それ自体が目的ではありません。人が何を考え、どう判断し、どのような組織をつくるのか――経営の本質を捉えたうえでデジタルを生かすことが、これからの企業に求められています。
人材の情報をデータでつなぎ、判断に生かす
「自社は何を実現したいのか、そのためにどんな人材が必要か」を考えるには、社員一人ひとりの職務やスキル、評価、育成の状況をデータで把握できることが出発点になります。DEFiDEの「JOB Scope」では、実際の画面を見ながら説明を受けられる個別オンラインデモを行っています。
▶ 前編：次世代経営リーダーはどう育てる？研修だけでは育たない理由と、経営・人事・現場が連動する育成モデル（内部リンク）
▶ 中編：企業内大学とは？人的資本経営を実践する基盤へ――CU3.0、4つの類型、越境学習と「4Kリーダーシップ」（内部リンク）
▶ インタビュー全文：人と組織の成長が経営を変革する――次世代経営リーダー育成・企業内大学・デジタル活用を考える（後編）（JOB Scopeマガジン）