コラム 2026.09.14

これから人間の頭に残すべきものは何か｜生成AI時代の人材育成で、管理職が見落としてはいけない「問い」と問題解決力

人材育成・組織開発業務改善・効率化次世代リーダー育成

「メモしました」で、本当に人は育っているのか？

生成AI時代の人材育成で、管理職が見落としてはいけない「問い」と問題解決力

若い社員に仕事を教えていると、ときどき気になる場面があります。
「これは大切だから覚えておいてね」と伝えると、すぐにスマートフォンやパソコンを開いてメモを取る。

「はい、記録しました」その姿勢自体は、とても良いことだと思います。
ところが、しばらくして同じことを尋ねると、「あ、それ、確かメモしました」「どこかに保存したはずなんですが……」となり、メモアプリ、チャット、メール、クラウドなどを探し始める。
「記録した」という事実は覚えている。
しかし、肝心の内容や保存場所はすぐには出てこない。

毎週月曜日に「改善ファシリテーション」をテーマとしたコラムを更新、
火曜日にメールマガジンを配信しております。是非ご登録ください。(ご登録は無料です)

そんな場面を見るたびに、私は一つの疑問を持つようになりました。
情報を保存したことと、知識を身につけたことは、本当に同じなのだろうか。

もちろん、これは「最近の若者は覚えようとしない」という話ではありません。むしろ私は、そのような世代論だけで説明するのは少し危険だと思っています。

今の若い人たちは、私たちの世代にはなかったほど大量の情報へ、驚くほど速くアクセスできます。分からなければ検索する。動画で手順を見る。専門家の発信を探す。必要な情報はクラウドへ保存する。

そして現在では、生成AIに質問すれば、複雑なテーマでさえ数秒で整理して説明してくれます。
これほど「知りたい」に応えてくれる環境は、かつてありませんでした。

だからこそ、生成AIマネジメントや人材育成を考える経営者、管理職には、一度立ち止まって考えていただきたいのです。

情報を得ることが簡単になった結果、私たちは「学ぶ」という行為そのものを、知らないうちに変えてはいないだろうか。

生成AI時代の人材育成を「若者論」で終わらせない

「それはZ世代だからではないですか」と言われることがあります。
しかし、私はそう簡単には考えていません。
若い世代はデジタル機器に囲まれて育っていますが、「デジタルネイティブだから、それ以前の世代とはまったく違う学習能力を持っている」と断定できるほど単純な話ではありません。
むしろ大きく変わったのは、人間そのものよりも情報へアクセスする環境ではないでしょうか。

そして、その影響を受けているのは若い社員だけではありません。
私たち管理職も経営者も同じです。

昔は何本も覚えていた電話番号を、今はほとんど覚えていない。
目的地までの道順を覚えなくても、ナビゲーションが案内してくれる。
分からない言葉があれば、その場で検索する。
「これは覚えておかなくても、必要になったら調べればいい」と判断することが増えました。

さらに生成AIが登場しました。
「調べる」だけではなく、「整理する」「比較する」「要約する」「文章にする」「アイデアを出す」といったところまで外部へ任せることができます。

これは大きな機会です。
しかし同時に、人材育成という視点では新しい問いが生まれます。
人間は、何を自分の中に残しておけばよいのか。

人間は昔から「頭の外」に記憶してきた

認知科学には、認知的オフローディングという考え方があります。
難しい言葉に見えますが、意味はそれほど難しくありません。
人間が、頭の中だけで情報を覚えたり処理したりするのではなく、メモ、手帳、カレンダー、スマートフォン、コンピュータなどの外部資源を利用して認知的な負担を減らすことです。

つまり、メモを取ること自体が悪いわけではありません。
むしろ仕事では、重要なことを人間の記憶だけに頼らない方がよい場合がたくさんあります。

設備点検ならチェックリストを使う。
品質管理なら標準書を確認する。
安全上重要な操作なら、「覚えているはず」に頼るより、表示やポカヨケによって間違えにくくする。
私は、これは良い管理だと思っています。

ただし、興味深い研究があります。
人は「あとでその情報へアクセスできる」と分かっていると、情報そのものよりも「どこにあるか」を覚える傾向があることが示されています。
これは、いわゆるGoogle Effectと呼ばれて研究されてきた現象の一つです。

職場で考えると、少し心当たりがありませんか。
「覚えてる？」
「内容はちょっと……でも、確かどこかに保存しました。」
問題は、忘れること自体ではありません。

外に保存して必要なときに取り出せれば、仕事としては成立する場合もあります。
しかし近年は、外部保存に依存すると、個々の情報だけでなく、情報同士の関係を頭の中で処理することまで弱くなる可能性を示す研究もあります。
ここが、私は非常に重要だと思っています。

情報を忘れることよりも、情報と情報の「つながり」が頭の中に作られないことの方が、問題解決では深刻なのではないか。

問題解決に必要なのは「知っていること」より「つながっていること」

例えば、製造現場でヒューマンエラーが発生したとします。
「ヒューマンエラー　原因」と検索すれば、さまざまな説明が出てきます。
生成AIに聞けば、注意不足、確認不足、思い込み、疲労、コミュニケーション不足、教育不足など、もっともらしい原因候補を整理してくれるでしょう。

しかし、問題解決はそこからです。

「本当に注意不足なのか」
「設備の表示に問題はなかったか」
「作業方法に無理はなかったか」
「時間的な焦りはなかったか」
「教育方法は適切だったか」
「この人だけが間違えるのか、それとも誰でも間違える仕組みなのか」
「前工程に原因はなかったのか」

ここまで考えるためには、ヒューマンエラーという一つの知識だけでは足りません。
設備、工程、品質、安全、人間工学、心理、組織、管理など、複数の知識が頭の中でつながっている必要があります。

私は社会人になって約40年になります。
専門学校の環境工学科を卒業し、最初に入ったのはプリント配線板メーカーでした。

プリント配線板という製品そのものが、化学、電気、電子、材料、表面処理など、さまざまな科学と技術によって成り立っています。
私は工場管理部門に配属され、ボイラ、冷凍機、受変電・配電設備、空気圧縮機、環境管理、化学物質管理、廃棄物管理などに関わりました。

その後、工場建設にも関わり、施主側でありながら建設現場の事務所に入り浸り、建築、土木、コンクリート工事などにも触れました。

設備や工事には、法律や行政への届出も必要です。
当時の上司は、今思えばなかなか豪快な人でした。書類だけ渡して、「これ、役所へ行って書き方を聞いてきて」。

役所へ行くと、「これはどんな設備ですか」「能力は？」「どこで使うのですか」と聞かれる。答えられない。会社へ戻って設備を調べる。法律を読む。分からないところを整理する。そして、また役所へ行く。

今考えれば、ずいぶん非効率です。
しかし、その不便さの中で、私は知らず知らずのうちに一つのことを繰り返していました。
答えを得る前に、「何が分からないのか」を考えていたのです。

専門知識を増やしたのではなく、「なぜ？」を追いかけた

その後、品質管理やISO 9001に関わるようになり、品質管理、統計、ヒューマンエラーなどを学びました。
TPMでは設備保全だけではなく、生産性、品質、安全、教育、改善などを含め、工場全体をどう運営するのかという視点を学びました。

ところが、改善活動を進めていくと、今度は別の問題にぶつかります。
正しいことを説明しているのに、人が動かない。必要性は理解しているはずなのに、続かない。
良い仕組みを作ったのに、いつの間にか使われなくなる。

そこで、「では、人はどうしたらその気になるのだろう」と考えるようになりました。
説明や説得、コーチング、心理学、行動科学などを読みあさり、その延長で脳科学、NLP、LABプロファイルなどにも興味が広がっていきました。
こう書くと、私が幅広い知識を計画的に身につけてきたように見えるかもしれません。しかし、実際は違います。

私は知識を増やそうとしたのではなく、目の前の問題を解こうとした結果、必要な科学が増えていったのです。

ボイラを理解しようとしたら熱や燃焼が必要だった。
設備を管理しようとしたら電気や流体が必要だった。
品質問題を解こうとしたら統計やヒューマンエラーが必要になった。
人に動いてもらおうとしたら心理や行動を考えなければならなかった。

そこには、いつも同じ問いがありました。
「なぜ、こうなるのだろう？」
私は、問題解決力の土台は、この問いなのではないかと思っています。

生成AIは「分かったつもり」を作りやすいのか

ここで、もう一つ学習科学の視点から考えてみます。
認知心理学には、説明深度の錯覚と呼ばれる現象があります。
人は、ある仕組みについて「自分はかなり分かっている」と思っていても、いざ詳しく説明してみようとすると、実はそれほど理解できていなかったことに気づくことがあります。

例えば、「水洗トイレはどうして流れるのですか」「冷蔵庫はどうやって中を冷やしているのですか」と聞かれたとします。「そんなの知っている」と思っても、いざ仕組みを順番に説明しようとすると、「あれ？」となることがあります。

この現象をそのまま「生成AIが説明深度の錯覚を起こす」と断定することはできません。
しかし、生成AI時代の学習を考えるうえでは非常に興味深い視点です。AIは説明が上手です。
筋道を立て、具体例を使い、読みやすい文章で返してくれる。
それを読むと、「なるほど、分かった」と感じやすい。

でも、画面を閉じて、「では、自分の言葉で説明してください」と言われたらどうでしょう。

さらに、「あなたの職場ではどう使いますか」「この考え方が当てはまらないケースはありませんか」と聞かれたらどうでしょう。

そこで言葉が止まるのであれば、「理解したと感じていること」と「実際に使えること」には、まだ距離があるのかもしれません。

管理職が知っておきたい「自己説明」という学習法

では、どうすれば情報を知識へ変えられるのでしょうか。
ここで参考になるのが、自己説明です。

自己説明とは、単に答えを読むのではなく、「なぜそうなるのか」「どういう関係なのか」を、自分自身の言葉で説明する学習方法です。
学習科学では、自己説明を促すことが理解や学習に有効であることが数多く研究されています。

これは職場教育でも、そのまま使えます。
「分かった？」「はい。」で終わらせない。

「じゃあ、なぜこのルールが必要なのか、自分の言葉で説明してみて。」
「この前教えた内容と、どこがつながる？」
「この条件が変わったらどうなる？」こう問いかける。

すると、本人は保存された情報をそのまま読み上げるのではなく、自分の頭の中にある知識を呼び出し、新しい情報と結びつけなければなりません。

私は、この「つなぎ直す時間」が人材育成では非常に重要だと思っています。

AIの答えを見る前に、一度自分で考えてみる

さらに、学習研究には生成効果と呼ばれる現象があります。
完成した答えをそのまま読むだけの場合より、自分で答えを考えたり生成したりした方が、記憶に残りやすいというものです。

これも生成AIの使い方に応用できます。
何か分からないことがあったら、すぐにAIへ質問する。その方法も便利です。

しかし、毎回それだけではなく、「AIに聞く前に、自分はどう思う？」と一度考えてみる。

正解でなくても構いません。
仮説を一つ作ってからAIへ聞いてみる。
例えば、「この不良の原因は何だろう」とAIへ聞く前に、「私は設備条件と作業方法が怪しいと思う。ではAIはどう考えるだろう」とする。

すると、AIの回答を受け取る行為が、単なる答えの取得ではなく、自分の仮説との比較になります。ここで思考が生まれます。

「メモを閉じて説明する」は、意外と科学的である

もう一つ有効なのが、想起練習です。
一度学んだ内容を、何度も読み直すだけではなく、資料を閉じて、自分の記憶から取り出してみる。
こうした「思い出す練習」が、長期的な記憶保持に有効であることは、多くの学習研究で示されています。

ところが、人は必ずしもこの方法を好みません。
資料を読み返していると、「ああ、分かる、分かる」と感じます。
文章を見れば認識できるからです。
一方、資料を閉じると、「あれ？何だったっけ」となる。少し苦しい。

しかし、この「思い出そうとする」こと自体が学習になる。
だから職場でも、「メモを取りなさい」だけではなく、「では、いったんメモを閉じて説明してみようか。」とやってみる。

説明できなければ、叱る必要はありません。
「あ、ここはまだつながっていなかったんだね。」それでいい。
できないことを確認することも、学習なのです。

効率化しても、「考える負荷」までなくしてはいけない

ここで少し逆説的な話になります。
企業は長い間、仕事を「楽にする」「速くする」「間違えにくくする」努力をしてきました。これは正しい方向です。
危険な仕事をわざと難しくする必要はありませんし、ムダな作業はなくした方がよい。

一方、学習科学には望ましい困難という考え方があります。
これは「難しくすれば人が育つ」という意味ではありません。
学習している最中には少し負荷がかかっても、思い出す、比較する、自分で説明する、答えを見る前に考える、といった意味のある負荷が、長期的な学習を促す場合があるという考え方です。

ここを、企業の生成AI活用でも分けて考えた方がいいと思っています。

仕事は楽にしていい。しかし、考えるところまで全部楽にしてしまっていいのか。これは別問題です。

DX・生成AI導入で「人財育成ロス」が起きていないか

企業がDXや生成AIを導入するとき、多くの場合は生産性向上を評価します。「この業務が60分から10分になった」「資料作成時間を50％削減した」「調査時間を80％削減した」。効果としては非常に分かりやすい。

しかし、人財育成という視点から見ると、私はもう一つ確認した方がよいと思っています。

その60分の中に、人が育つ時間は入っていなかったか。

以前なら、一時間かけて調べる中で、「何を調べればよいのだろう」「この二つの数字はなぜ違うのだろう」「この情報は信用できるのか」「ほかの原因はないのか」と考えていたかもしれません。
その一時間をAIが10分にしてくれた。これは素晴らしい効率化です。

しかし、そのとき同時に、「何を調べればいいかを考える時間」「比較する時間」「仮説を立てる時間」「失敗して修正する時間」まで削減していないでしょうか。

私は、DXや生成AIによって業務を効率化する一方で、仕事の中に存在していた学習機会まで失ってしまうことを、ここでは仮に「人財育成ロス」と呼んでみたいと思います。

これは科学的な専門用語ではありません。
私自身が、企業の生成AI活用を考える中で感じている問題意識です。

生成AIによって、人間は単純作業から解放され、より高度な思考へ時間を使える。これは大きな「機会」です。
一方、AIが先に答えを出すことで、若手が調べ、迷い、仮説を作り、失敗し、修正する経験を失う。これは「リスク」になる可能性があります。

だから私は、生成AIマネジメントでは、「何をAIに任せるか」だけでなく、「何を人間に残すか」を設計する必要があると思っています。

生成AIを使わせるほど、管理職は「問い」を育てる

私は企業が生成AIを使うことには賛成です。
若い社員にも積極的に使ってもらえばよいと思っています。
ただし、「生成AIを使える人材を育てる」ことと、「生成AIに答えを出してもらう人を増やす」ことは違います。

例えばAIが改善案を10個出してくれたとします。
そのまま資料へ貼り付ければ、確かに仕事は速くなります。

しかし、管理職がそこで
「この10個のうち、あなたはどれが一番いいと思う？」
「なぜ？」
「この職場で本当に使える？」
「誰かに新しい負担が出ない？」
「この案が失敗するとしたら何が原因？」
「そもそもAIに与えた問題設定は正しかった？」
と問いかければ、AIの回答が思考材料になります。

つまり、生成AI時代の管理職には、答えを教える能力だけではなく、部下の頭の中に知識のつながりを作る問いが必要になる。

私は、ここがこれからのマネジメントにおける大きな変化の一つだと思っています。

問題解決力は「正解を知る力」ではない

問題解決力についても同じです。
正解を知っていることと、問題を解決できることは違います。

実際の仕事では、最初から問題がきれいに整理されているとは限りません。
「何となく不良が増えた」「最近ミスが多い」「改善活動が続かない」「若手が育たない」

こうした曖昧な状態から、「本当の問題は何か」「何が事実なのか」「原因は何か」「何を変えるべきか」を考えていかなければなりません。

生成AIは答えを出すことは得意です。
しかし、何を問題として設定するかは、人間側の重要な仕事として残ります。

だから私は、生成AI時代ほど問題解決力が不要になるのではなく、むしろ逆に、問題を見つける力、問いを作る力、答えを吟味する力が重要になると考えています。

これから人間の頭に残すべきものは何か

これまでの教育では、知識をたくさん覚えている人が評価される時代がありました。
インターネットの時代になると、必要な情報を素早く検索できる人が強くなりました。
そして生成AIの時代では、情報を探すだけでなく、整理、比較、分析、文章化までAIが支援してくれます。

それなら、人間は何を自分の中に残しておけばよいのでしょうか。

私は、

意味
関係
原理原則
経験
そして、問い

だと思っています。

全部を暗記する必要はありません。検索すればよい。AIにも聞けばよい。資料はクラウドに保存すればよい。

ただし、「これは何とつながっている？」「なぜそうなる？」「この条件でも同じ？」「本当に？」という問いだけは、外部へ預けない。
そこから問題解決が始まります。

「メモしました」の次に、一つ問いを

最後に、このコラムを読んでくださった経営者、管理職、人材育成担当者の方に、一つだけ提案があります。

明日、部下があなたの説明を聞いて、「はい、メモしました。」と言ったら、そこで会話を終わらせず、一つだけ問いを返してみてください。

「じゃあ、これは何のためだと思う？」正解がすぐに出なくても構いません。少し黙って考える。
その数十秒の間に、本人は頭の中にある知識を探し、新しい情報と結びつけようとします。

もう少し慣れてきたら、「前に教えた何とつながる？」「条件が変わったらどうする？」「AIならこう答えたけど、あなたはどう思う？」「本当にそれが原因？」と問いを増やしてみる。

私は、こんな小さなやり取りの積み重ねが、生成AI時代の人財育成では非常に重要になると思っています。

生成AIは、これからもっと賢くなるでしょう。
私たちは今以上に多くの「答え」を、短時間で手に入れられるようになります。

だからこそ、企業が育てるべきなのは、
答えをたくさん持っている人ではなく、問いを持てる人。
情報を保存できる人ではなく、情報をつなげられる人。
AIに答えを出してもらえる人ではなく、その答えを疑い、現場で確かめ、別の知識と結びつけられる人。

そして、知らないことに出会ったとき、「分かりません」で止まるのではなく、「では、何を調べればいいのだろう？」と次の問いを作れる人。

私は、それが生成AI時代の人財育成であり、生成AIマネジメントであり、そしてこれからの問題解決力なのではないかと考えています。

答えが簡単に手に入る時代ほど、「なぜ？」を手放さない。
学ぶとは、情報を保存することだけではない。
自分の中に新しい「つながり」ができること。

そして、そのつながりから、また次の「なぜ？」が生まれること。

私は、そんな人財を育てることが、生成AI時代の企業にとって大きな競争力になると思っています。

体験セミナーのお申し込みはこちらから

体験セミナー日程はこちら

お気軽にお問い合わせください

お問い合わせフォーム

マネジメントコンサルティング部部長

坂田和則

国内外において、企業内外教育、自己啓発、人材活性化、コストダウン改善のサポートを数多く手がける。「その気にさせるきっかけ」を研究しながら改善ファシリテーションの概念を構築し提唱している。特に課題解決に必要なコミュニケーション、モチベーション、プレゼンテーション、リーダーシップ、解決行動活性化支援に強く、働く人の喜びを組織の成果につなげるよう活動中。新5S思考術を用いたコンサルティングやセミナーを行い、企業支援数が190件以上及び年間延べ3,400人を越える人を対象に講演やセミナーの実績を誇る。