AIリテラシーとは、AIの得意・不得意を理解したうえで仕事に活かし、リスクを避ける力のことです。プログラミングのスキルは必要ありません。営業でも経理でも人事でも、職種を問わず求められる基礎能力に変わりつつあります。2026年の今、AIリテラシーは「知っておくといい」スキルから「ないと危ない」スキルに位置づけが変わってきました。

去年の秋、ある中小企業の社長から「全社員にAI研修を受けさせたい」と相談を受けました。従業員30名ほどの不動産管理会社で、社長自身はChatGPTを毎日使っているものの、社員の大半は触ったことすらないという状況です。

話を聞いていくと、社長が本当に心配していたのは「AIが使えないこと」自体ではなく、社員がAIを正しく怖がれないことでした。営業の若手が、ChatGPTで作った物件紹介文をそのまま顧客に送っていたそうです。内容を確認したら、存在しない駅名が書かれていた。顧客が気づいて事なきを得たそうですが、一歩間違えればクレームにつながりかねない事例です。

似たような相談はクライアントワークでも増えています。AIの導入スピードに、使う側のリテラシーが追いついていない。だからこそ、AIリテラシーの中身を整理しておく価値があります。

AIリテラシーは「プログラミングができること」ではない

最初に、よくある誤解を一つ解いておきます。

「AIリテラシーを身につけよう」と言われると、「Pythonを勉強しなければいけないのか」と構える方が少なくありません。クライアント先でも、50代の管理職の方が「自分にはもう無理だ」と苦笑いしていたことがありました。

AIリテラシーにプログラミングは必要ありません。少なくとも、ほとんどのビジネスパーソンにとっては不要です。

ではAIリテラシーとは何か。クライアントに説明するときは、こう伝えています。「AIの得意・不得意を理解したうえで、仕事に活かし、リスクを避ける力」です。

もう少し分解すると、こうなります。

  • AIが何をできて、何をできないかを知っている
  • AIに的確な指示（プロンプト）を出せる
  • AIの出力が正しいかどうかを判断できる
  • AIを使うときのリスク（嘘をつく、著作権の問題、情報漏洩など）を理解している

米国労働省が2026年2月に発表した「AIリテラシーフレームワーク」でも、AIリテラシーを「個人がAI技術を責任を持って利用・評価するための基礎的な能力」と定義しています。そこで掲げられた5つの基盤領域は「AIの仕組みを理解する」「AIの用途を探る」「AIに効果的に指示する」「AIの出力を評価する」「AIを責任を持って管理する」の5つで、プログラミングは入っていません。

つまり、エンジニアでなくても、営業でも経理でも人事でも、全員に必要な能力です。これがAIリテラシーの正体です。

2026年に求められる4つのスキル

ここからは、クライアントワークの中で「これは全員が持つべきだ」と感じている4つのスキルを具体的に説明します。

スキル1：AIの得意・不得意を見極める力

AIは万能ではありません。当たり前のことですが、ここを理解していない方がまだ多いように感じます。

たとえば、ChatGPTやClaudeのような生成AIが得意なのは、こういったことです。

  • 大量のテキストの要約・整理
  • 下書きやたたき台の作成
  • アイデアの壁打ち
  • 定型的な文書のバリエーション作成
  • 翻訳

一方で、苦手なのはこういったことです。

  • 最新のリアルタイム情報（学習データに含まれていない情報）
  • 正確な計算（電卓のほうが正確）
  • 事実の検証（もっともらしい嘘を平気で言う）
  • 文脈の裏にある「空気」を読むこと
  • 個別の業界・企業の暗黙知に基づく判断

先日、あるクライアントの経理担当者がChatGPTに「うちの会社の今期の売上推移を分析して」と聞いていたのですが、当然ながらChatGPTはその会社の売上データを持っていません。出てきたのは「一般的な中小企業の売上推移の傾向」で、使い物にならなかったそうです。

これは「AIに何を聞いていいか」がわからない状態です。この見極める力が、リテラシーの第一歩になります。

スキル2：プロンプトを適切に書く力

「プロンプト」という言葉自体はだいぶ広まりましたが、上手に書ける人はまだ少ないというのが現場の実感です。

よくある失敗パターンを挙げます。たとえば「いい感じの提案書を作って」というプロンプト。これだとAIは何を提案すべきかわからないので、汎用的でどこにでもあるような文書が出てきます。

これを改善すると、こうなります。「当社（不動産管理会社、従業員30名）が、築20年以上の管理物件オーナー向けに、修繕計画の見直しを提案する資料を作りたい。提案のゴールはリフォーム一括受注。A4で3ページ程度、です・ます調でお願いします」

違いは明白です。「誰が」「誰に」「何のために」「どんな形式で」という情報が入っているかどうかです。

プロンプトの書き方は「センス」ではなく「型」で身につくものだと考えています。あるクライアントの研修を支援したとき、テンプレートを5つ用意して実際に手を動かしてもらったところ、2時間のワークショップで参加者の出力品質が明らかに変わりました。40代・50代の参加者ほど驚いていたのが印象的でした。

スキル3：AIの出力を評価・修正する力

この3つ目が、もっとも重要だと考えています。

AIが返してくる文章は、一見するとすごく「それっぽい」ものです。文法は正しく、論理的に見えます。しかし中身をよく読むと、事実と違うことが混ざっていたり、微妙にズレた解釈をしていたりします。

この現象をハルシネーション（もっともらしい嘘）と呼びますが、厄介なのは、読む側にその分野の知識がないと嘘かどうか判断できない点です。つまり、AIの出力をチェックするには、その業務やテーマに関する基本的な知識が前提として必要になります。

クライアントにいつも伝えているのは、「AIの出力は、優秀だけれど入社3日目の新人が書いたものだと思ってください」ということです。新人が書いた企画書をそのまま社長に提出する人はいませんよね。必ず上司がチェックして、修正する。AIとの付き合い方もそれと同じです。

具体的には、AIが出力した内容について最低限チェックすべきポイントはこのあたりです。

  • 事実関係：固有名詞、日付、数字に間違いがないか
  • 論理の飛躍：根拠と結論がきちんと繋がっているか
  • 情報の鮮度：古い情報が「最新」として書かれていないか
  • 自社の文脈：自分たちの業界・会社の事情に合っているか

スキル4：AIのリスクを理解する力

4つ目は、AIを使うことで発生しうるリスクの理解です。ここが不十分だと、冒頭のような「架空の駅名が書かれた物件紹介文を顧客に送る」といった事故が起きます。

押さえておくべきリスクを整理します。

ハルシネーション（事実の捏造）。繰り返しになりますが、AIはもっともらしい嘘を堂々とつきます。存在しない論文を引用する、架空の統計を作り出す、実在しない法律を参照する。クライアント向け資料でこれをやってしまうと信用問題に発展します。

情報漏洩。ChatGPTなどに社内の機密情報を入力すると、その情報がモデルの学習データに取り込まれる可能性があります（設定によりオプトアウト可能）。エンジニアがソースコードを生成AIに貼り付けたことが問題になった事例も報じられています。

著作権の問題。AIが生成した文章や画像の著作権は、2026年時点でもまだ各国で議論中です。少なくとも、AIの出力をそのまま「自社のオリジナルコンテンツ」として使うことには、法的なリスクがあります。

バイアス（偏り）。AIは学習データの偏りを反映します。採用、人事評価、与信判断など、人に関わる意思決定にAIを使う場合は、出力にバイアスが含まれていないか確認する必要があります。

これらを「だから使わない」のではなく、「知ったうえで適切に使う」。この姿勢こそがAIリテラシーです。

「全社員にAIリテラシー教育を」が世界的な流れになっている

ここからは、企業研修や制度面の動向に触れておきます。AIリテラシーは個人のスキルアップの話だけでなく、組織として取り組むべきテーマになっているからです。

EU AI法でAIリテラシーが「義務」に

2025年2月2日に施行されたEU AI法（AI Act）の第4条は、AIシステムの提供者と利用者に対して、スタッフのAIリテラシーを十分な水準に確保するための措置を講じることを義務づけています。

努力目標ではなく「義務」です。

2026年8月からは各国の監督機関による執行が始まります。EU AI法はEU域内だけでなく、EU市民に影響を与えるAIシステムを使うすべての企業が対象です。つまり、日本企業でもEU向けにビジネスをしている場合は無関係ではありません。

米国も国家レベルで動き始めた

2026年2月13日、米国労働省がAIリテラシーフレームワークを公表しました。これは州政府、職業訓練機関、企業、学校に向けた自主的なガイドラインですが、AIリテラシーを国家的な人材開発の優先事項として明確に位置づけた点が重要です。

労働長官のLori Chavez-DeRemer氏は「すべてのアメリカの労働者がAIがもたらす繁栄を共有できるようにする」と発言しており、AIリテラシーは一部のエンジニアだけの話ではなく、全労働者の基礎能力だという認識が広がっています。

日本でも企業研修の導入が急拡大

日本国内でも動きは加速しています。2025年度の新入社員向けAI研修の導入率は約5割に達し、前年度比で17ポイント以上の増加です。経済産業省と総務省が共同策定した「AI事業者ガイドライン」（2025年3月に第1.1版を公表）でも、AI関係者のリテラシー確保に必要な措置を講じることが求められています。

数字で見る「AIリテラシーの経済効果」

「研修にコストをかけて、元が取れるのか」。経営者なら当然こう考えます。いくつかデータを紹介します。

PwCの「2025年グローバルAIジョブバロメーター」によると、AIスキルを持つ労働者はそうでない同職種の労働者に比べて平均56%高い賃金を得ています。前年の25%から大幅に上昇しており、AIスキルの市場価値が急速に高まっていることがわかります。

DataCampとYouGovの共同調査（2026年2月発表）では、組織全体でAIリテラシーの研修プログラムを整備している企業は、AI投資から「顕著なROIを得られた」と回答した割合が42%。プログラムが未整備の企業の約2倍でした。

そしてMicrosoftとLinkedInの共同調査（31カ国31,000人対象）では、66%のリーダーが「AIスキルのない人材は採用しない」と回答しています。さらに71%が「AIスキルがある未経験者を、スキルがないベテランより優先する」と答えています。

この流れは、もう不可逆だと考えてよいでしょう。

「AIリテラシーが低い」と何が起きるのか

抽象的な話を続けても仕方がないので、クライアントワークで実際に見た「AIリテラシーが足りないことで起きた問題」を具体的に書きます。もちろん社名は伏せています。

ケース1：AIが書いた契約書の条文をそのまま使った。あるクライアントの法務担当者が、ChatGPTに「業務委託契約書のひな形を作って」と依頼しました。出てきた契約書を、ほぼそのまま相手方に送付。後日、弁護士に確認してもらったところ、損害賠償条項の内容が自社にとって著しく不利な内容になっていました。AIが出力した「なんとなくそれっぽい条文」を検証なしに使ったのが原因です。

ケース2：社内報にAIの誤情報がそのまま掲載された。広報担当者がAIに「業界の最新トレンドをまとめて」と依頼し、その出力を社内報に掲載しました。ところが、引用されていた調査レポートが実在しなかった。社内からの指摘で気づいたからよかったものの、社外に出していたら会社の信用に関わる問題でした。

ケース3：顧客対応メールの文面が全員同じ。ECサイトを運営するクライアントで、カスタマーサポートのスタッフ全員がAIで返信メールを作成するようになりました。その結果、異なる顧客への返信内容がほぼ同一になり、「テンプレ対応しかしないのか」とクレームが来ました。AIを「使っている」のに、顧客体験は悪化したケースです。

どの事例にも共通しているのは、「AIを使える」けれど「AIの限界を理解していない」ということ。操作スキルはあるが、リテラシーがない状態です。

AIリテラシーを高めるための具体的なステップ

ここからは、個人としてAIリテラシーをどう高めていくか、実践的なステップを紹介します。

ステップ1：まずは自分の業務で1つ使ってみる

最初から「AIで業務を効率化しよう」と大きく構える必要はありません。まずは自分の仕事の中で、「毎回同じような作業をしている面倒なタスク」を1つ見つけて、AIに投げてみてください。

メールの下書き、会議メモの整理、資料の骨子作成。何でも構いません。大事なのは、AIの出力をそのまま使うのではなく、「自分で修正する前提で使う」ことを体験する点です。この一連のプロセスを経験するだけで、AIの得意・不得意が体感的にわかるようになります。

ステップ2：プロンプトの「型」を3つ覚える

プロンプトを毎回ゼロから考える必要はありません。クライアント研修で教えているのは、この3つの型です。

型1：役割＋タスク＋条件。「あなたは不動産業界に詳しいマーケターです。築20年のマンションオーナー向けの修繕提案メールを、300字以内で書いてください。」

型2：入力＋処理＋出力形式。「以下の議事録を読んで、決定事項とTODOを箇条書きで抽出してください。（議事録を貼り付け）」

型3：ゴール＋制約＋評価基準。「新入社員向けのAI研修企画を考えてください。所要時間は2時間以内、座学ではなくハンズオン形式。評価基準は参加者の満足度と、研修後1週間のAI利用率です。」

型を覚えたら、あとは自分の業務に当てはめてアレンジするだけです。このほうが「プロンプトエンジニアリング入門」のような本を最初から読むよりずっと早いと感じています。

ステップ3：「AIが間違えたケース」を集める

AIが出力した内容のうち「ここ間違っているな」と気づいたものをメモしておく方法です。この蓄積が、AIの出力を評価する目を養います。

たとえば、「Claudeに競合分析を頼んだら、すでにサービス終了している競合をリストに入れてきた」「ChatGPTに法律の解釈を聞いたら、改正前の条文で回答された」など。こういう具体例を知っていると、AIの出力を見るときの「ここは疑ってかかるべきポイント」がわかるようになります。

ステップ4：同じ温度感の仲間と学ぶ

独学でAIリテラシーを高めるのは、なかなか大変です。ネット上の情報は玉石混交ですし、自分の業務にどう当てはめるかは、ほかの人の使い方を見ないと発想が広がりにくい面があります。

クライアントワークで痛感しているのは、「AIの使い方は、人によって最適解がまったく違う」ということです。同じChatGPTを使っていても、営業と経理と広報では、効果的なプロンプトも、注意すべきリスクも違います。

弊社が運営に関わっているRIALA（リアラ）というAI活用コミュニティは、まさにこの「自分の仕事にどう当てはめるか」を、同じように模索している仲間と一緒に学べる場として立ち上げました。フリーランスや個人事業主、中小企業の担当者が中心で、「座学より実践」がスタンスです。実際にプロンプトを書いて、出力を見せ合って、フィードバックし合う。そういう場が、AIリテラシーを高めるうえでは効率がいいと考えています。

AIリテラシーに興味はあるけれど何から始めればいいかわからない方は、一度覗いてみてください。

RIALAを見てみる →

「読んだだけ」では身につかない

最後に、1つだけお伝えします。

AIリテラシーの厄介なところは、知識だけでは不十分だという点です。ハルシネーションの意味を知っていても、実際にAIが出力した嘘を見抜けなければ意味がありません。プロンプトの型を暗記しても、自分の業務で使えなければ活きません。

DataCampの調査でも、組織全体の研修プログラムがある企業のうち、リーダーの3分の2が「既存の学習リソースは受動的すぎて、実務との接続が弱い」と回答しています。つまり、動画を見たりスライドを読んだりするだけの研修では不十分だということです。

PwCのデータが示す56%の賃金プレミアムにしても、Microsoftの調査が示す「66%のリーダーがAIスキルなしでは採用しない」にしても、求められているのは「知っている」ことではなく「使える」ことです。

だからこそ、実際に手を動かして、失敗して、改善する。そのサイクルを回せる環境を持っているかどうかが、これからの分かれ目になりそうです。

参考文献