AIリテラシー研修の進め方｜現場で止めない実践ステップ

AIリテラシー研修は、利用前に目的・担当者・対象業務・入力条件を決め、利用中に実際の入出力と判断を確認する二段構えで進めます。受講数だけを追わず、対象業務表、入力可否の根拠、演習成果物、確認記録を残せば、専任AI部門がなくても継続・修正・中止を判断できる実施計画になります。

AIリテラシー研修の進め方：利用前と利用中の全体像

AIリテラシー研修は、「利用前に判断基準を準備する段階」と「利用中に判断どおり運用できているかを確かめる段階」に分けると、担当者と完了条件が明確になります。

総務省・経済産業省が2026年3月31日に公表した「AI事業者ガイドライン第1.2版」は、非拘束的なソフトローであり、法令上の義務を新設するものではありません。同ガイドラインの別添5（AI利用者向け）は、利用前の「適正利用のための必要な知識・技能の習得」と、利用中の「AIの活用が適正な範囲・方法で行われているかについての定期的な確認」を分けて示しています。本記事ではこの区分を実務の手順に変換します（確認日：2026年7月30日）。

フェーズ	ステップ	主担当の機能	成果物	完了条件
利用前	1. 目的・担当・業務を決める	経営判断・研修設計・業務品質	研修実施計画、対象業務表	何を判断できる状態にするか説明できる
利用前	2. 個人情報の2点確認と自社基準を分ける	情報管理・業務責任	入力可否表	個人情報・個人データの2点確認と、それ以外の自社基準を区別して確認できる
利用前	3. 現状と演習を準備する	研修設計・現場確認	現状記録、教材、演習課題	同じ品質基準で演習を確認できる
利用中	4. 限定業務で一巡する	受講者・業務確認者	入出力、修正・判断記録	採用・修正・相談・停止を使い分けられる
利用中	5. 定期確認する	導入責任・情報管理	利用中確認記録	範囲、方法、サービス変更を確認できる
判断	6. 成果物を評価する	業務品質・導入責任	評価記録	受講と実務判断を分けて評価できる
判断	7. 次の扱いを決める	経営判断・導入責任	継続・修正・中止の記録	責任者、期限、再開条件が決まる

役職名や人数を公的要件のように固定する必要はありません。従業員50〜300人で専任AI部門がない企業なら、複数の機能を兼務しても構いません。ただし、誰が判断するのかを氏名または役職で割り当て、不在時の代替先まで決めます。

利用前ステップ1：目的・担当者・対象業務を決める

利用前の最初の仕事は、「誰が、どの業務で、何を安全に判断できるようにするか」を一文で定め、必要な責任機能を割り当てることです。

目的を「AIを学ぶ」「全員に使わせる」とすると、研修を実施した時点で達成したように見えてしまいます。たとえば文章の下書きを扱うなら、「営業担当者が、許可された情報だけで提案文の下書きを作り、根拠と表現を確認して採否を判断できるようにする」とします。AIを使わない判断も目的に含めるのがポイントです。

対象業務は、入力と出力を確認でき、失敗した場合の影響を限定できるものから選びます。これは成功率を保証する方法ではなく、初回検証の影響範囲を管理するための実務上の推奨です。顧客への確定回答、外部送信、データ更新、発注、削除などを伴う用途は、操作ごとに影響を評価し、承認者と停止条件を先に決めます。

必要な機能	決めること	成果物への記載	完了条件
経営判断	AI活用の目的、許容範囲、対象外	目的・非目的一覧	事業上の目的とリスク方針を説明できる
研修設計	対象者、教材、演習、進行	研修実施計画	対象者と到達行動が対応している
業務品質	対象業務、品質基準、確認者	対象業務表	通常業務と同じ基準で成果物を判断できる
情報管理	利用サービス、入力条件、記録範囲	入力可否表、サービス確認記録	規約・設定・確認日を示せる
事故対応	停止、報告、初動、代替手順	連絡経路	誰へ何を報告するか受講者が答えられる

対象外も理由とともに残します。「影響が大きい」「確認者を確保できない」「サービス条件を確認できない」など、見送る理由が分かれば、条件が変わったときに再検討できます。AIの定義や導入全般を調べたい場合は、AI関連記事一覧も参照できます。

利用前ステップ2：個人情報の2点確認と自社の入力基準を分ける

個人情報保護委員会の2点確認は個人情報・個人データを含むプロンプトが対象であり、入力可否一般の最終判定ではないため、それ以外の情報は別の自社基準で判定します。

個人情報保護委員会の2023年6月2日の注意喚起は、2026年時点の最新規制や最終基準を示す資料ではありません。そこで示される2点は、個人情報を含むプロンプトと個人データを含むプロンプトについて、企業が確認すべき事項です（確認日：2026年7月30日）。

1点目は、個人情報を含むプロンプトを入力する場合、特定された利用目的を達成するために必要な範囲内かという確認です。2点目は、あらかじめ本人の同意を得ずに個人データを含むプロンプトを入力し、その個人データが応答結果の出力以外の目的で取り扱われる場合、入力した自社が個人情報保護法の規定に違反することとなる可能性があるため、提供事業者が機械学習に利用しないことなどを確認することです。「個人情報」と「個人データ」は原文が書き分けているため、同じ意味として扱いません。

それとは別に、営業秘密、第三者から受領した秘密情報、契約上の守秘義務がある情報、第三者の著作物などについて、自社が入力可否の線引きを定める必要があります。これは個人情報保護委員会の2点確認ではなく、本記事による編集上の整理です。各社の規程、契約、権利処理の条件と照合し、判断できない情報は入力しない運用にします。

確認区分	担当者が確かめる内容	残す根拠	判定
1. 利用目的（公式の2点確認）	個人情報を含む入力が、特定済みの利用目的を達成するために必要な範囲か	利用目的、対象業務、入力項目、確認者	範囲を説明できなければ入力しない
2. 機械学習利用（公式の2点確認）	本人同意なく個人データを含む入力を行い、応答結果の出力以外の目的で取り扱われる場合、入力した自社が法の規定に違反することとなる可能性を踏まえ、提供事業者が機械学習に利用しないことなどを確認したか	利用規約、プライバシーポリシー、契約、管理設定、確認日	条件を確認できなければ入力しない
3. 個人情報以外の線引き（本記事による編集上の整理）	営業秘密、第三者から受領した秘密情報、契約上の守秘義務がある情報、第三者の著作物などが、自社規程・契約・権利処理の条件に照らして利用対象か	自社規程、契約、承認記録、確認者	自社の基準と権限を確認できなければ入力しない

「会社指定のサービスだから安全」と決めつけず、対象サービスの利用規約、プライバシーポリシー、契約、管理画面の設定を確認します。研修の問題は単純な○×にせず、「どの利用目的か」「どの規約・設定を根拠にしたか」「個人情報以外はどの自社基準で判定したか」「誰に相談するか」を答えさせます。

同注意喚起は一般の利用者向けに、入力された個人情報が機械学習に利用され、正確または不正確な内容で出力されるリスクや、確率的な相関関係に基づく応答に不正確な個人情報が含まれるリスクも示しています。したがって合格条件は入力前の判断だけではなく、出力に含まれる個人情報を鵜呑みにせず確認できることまで含めます。

利用前ステップ3：現状・教材・ログ管理を準備する

研修前には、対象業務の現状、役割に合う演習、判断理由を後から確認できる記録方法をそろえます。

現状記録は研修効果を誇張するためではなく、前後で何が変わったかを同じ条件で観測するために作ります。業務量、担当者、手順、品質基準が変われば、差が研修だけによるものとは断定できません。時間を測る場合も、研修目的に関係するときだけにし、期間、対象件数、分母、計算方法、品質条件、除外条件を一緒に残します。

準備対象	研修前に決める内容	確認者	注意点
業務手順	開始条件、入力、作業、承認、完了条件	業務品質を判断できる人	手順変更と研修による変化を分ける
成果物	研修前の成果物と品質基準	現場責任者	機密情報を評価用に過剰複製しない
教材	共通知識と役割・用途別の演習	研修担当・業務確認者	プロンプトの型だけを正解にしない
入力データ	公開情報または承認済みの教材データ	情報管理担当	実データは個人情報の2点確認と自社基準を分けて判定する
ログ	操作履歴、入出力、判断理由の記録範囲	導入責任者・情報管理担当	閲覧者、保存期間、削除条件を決める

AI事業者ガイドライン第1.2版の別添5（AI利用者向け）は、利用前に基本的な動作確認と、操作履歴や入出力記録などのログ管理体制を整えることを示しています。一方、同ガイドラインは文書化について、後から容易に確認できるよう適切なツールで記録が残ればよく、紙媒体や特定の文書形式に限らないとしています。新しい帳票を増やすより、既存の申請システム、業務チケット、共有表などで必要な証跡を結び付けるほうが運用しやすいでしょう。

ここからは公的資料の要求ではなく、本記事が提案する運用基準です。教材では、正しい出力を得る操作だけでなく、根拠を再確認する、修正する、担当者へ相談する、利用しない、処理を止めて報告する行動も合格行動に含めて練習します。演習を終えたかではなく、状況に応じた行動と理由を説明できるかを確認してください。

利用中ステップ4：小さな業務で演習から実務まで一巡する

本記事が提案する初回運用の基準として、影響を限定できる一つの業務で、入力判断から出力確認、採否、報告までを一巡させます。

次の順序なら、知識確認と実務判断を分断せずに確認できます。

1. 経営目的、対象業務、対象外、相談・承認経路を共有する。
2. 利用するAIサービスの用途、特性、限界、利用規約や設定の確認場所を説明する。
3. 公開情報または承認済みデータを用い、個人情報の2点確認と自社の入力基準を分けて確認する。
4. 対象業務に沿ってAIを利用し、入力、出力、修正内容を記録する。
5. 受講者が根拠、正確性、個人情報、機密性など、自社が用途別に定めた項目を確認する。
6. 業務品質を判断できる確認者が、通常業務と同じ基準で採用、修正、差し戻しを決める。
7. 想定外の出力や条件外の入力を題材に、停止、報告、代替手順へ移れるか確かめる。

人間の確認範囲は用途の影響に応じて変えます。AI事業者ガイドライン第1.2版の別添5が示すのは、出力によって重大な影響または被害が生じ得る場合に、人間の判断を介在させる仕組みに基づいて適宜判断することです。すべての出力に一律の上司承認が必要という意味ではありません。業務ごとに、受講者の自己確認、業務確認者の確認、関係部門の承認のどこまで必要かを決めます。

実務へ進む条件を満たさないときは、公開情報や承認済みの教材データによる演習に留めます。本記事が提案する運用基準では、確認者が不在、規約や設定が未確認、停止手順がないといった状態なら、業務データを使いません。

利用中ステップ5：適正な利用を定期確認する

利用中は固定の回数や周期を当てはめず、用途、サービス変更、事故、評価結果に応じて、利用範囲と方法が適正かを定期確認します。

確認するのは利用回数だけではありません。承認した用途の範囲内か、個人情報の2点確認と自社の入力基準がそれぞれ機能したか、出力の品質基準を守れたか、相談・停止経路を使えたかを見ます。サービスの規約、プライバシーポリシー、設定、機能が変わったときは、前回の確認結果をそのまま使わず再確認します。

不要なデータや冗長なログの削除、保存期間、閲覧権限も点検します。なお、「必要最小限のデータ入力・参照」はAI事業者ガイドライン第1.2版の別添3（AI開発者向け）、「業務遂行に必要な最小限の権限」は別添4（AI提供者向け）の記述です。利用企業の従業員への公式要求と取り違えず、自社の提供者・開発者へ確認する観点として扱います。AI利用者側は、別添5が示す不要なデータや冗長なログの削除などによるデータ管理を自社運用へ落とし込みます。

確認周期は「毎月」「半年ごと」と固定せず、少なくとも次のトリガーを決めておきます。

• AIサービスの規約、設定、モデル、連携先が変わった
• 対象業務、入力情報、出力の利用先が変わった
• 誤り、情報管理上の懸念、想定外の操作が起きた
• 確認者や相談先が変わった、または不在になった
• 演習・実務の記録から同じ迷いや差し戻しが繰り返し見つかった

判断ステップ6：成果物と記録を確認する

成果確認では、受講記録や理解度テストと、実務での入力判断・出力確認・採否の記録を分けて評価します。

受講者数、修了状況、テスト結果は、研修を実施し知識を確認したことを示します。ただし、それだけでは対象業務で適切に使えたか、使わない判断ができたかまでは確認できません。業務成果物と判断理由を組み合わせて確認します。

成果物	確認する内容	合格とする状態
研修実施計画	目的、対象者、担当機能、対象外	誰が何を判断できるようにするか明確
対象業務表	入力、出力、影響、確認者、停止条件	業務ごとの利用範囲を説明できる
入力可否表	個人情報の利用目的、個人データの機械学習利用条件、個人情報以外の自社基準、規約・設定、確認日	公式の2点確認と自社基準を区別して根拠を示せる
演習・実務成果物	入出力、修正、根拠、採否、相談	判断と理由を再現できる
利用中確認記録	変更、問題、次回判断、責任者、期限	継続・修正・中止へつなげられる

前後の数値を比べる場合は、証拠ラベルと測定条件を明示します。たとえば自社で測った値なら「実測」とし、期間、母数、組織規模、対象業務、算出方法、品質確認の範囲、測定限界を同じ行に置きます。条件を確認できない相場、平均、発生率、失敗率や、競合の実績値を目標値として使いません。

ラクダ式：利用した理由と利用しなかった理由を同じ証跡にする

ラクダ式では、AIを利用した記録だけでなく、利用しなかった理由も同じ業務証跡に残し、判断の質を確認します。

これは公的資料が指定する評価様式ではなく、研修を実務判断へ接続するための運用上の提案です。「使わなかった」を自動的に成功または失敗とはみなしません。入力条件を満たさない、品質基準に届かない、確認者がいないと判断して止めたなら、その根拠を確認します。使い方が分からなかった、相談先が不明だった、対象業務が適さなかった場合は、教材、体制、業務選定のどこを修正するか決めます。

証跡欄	記録内容	確認の観点
利用前	従来手順、入力、期待する出力、想定リスク	比較条件と許可範囲が分かる
利用時	AIの用途、入出力、修正、最終成果物	規約・設定と品質基準を守った
利用しなかった時	入力条件外、品質不足、承認不能、業務不適合など	推測と確認済み事実を分けた
確認	採用、差し戻し、停止、相談の理由	判断者と根拠が明確
次回	継続、条件変更、追加演習、中止	責任者、期限、再開条件が明確

記録は一件ごとに巨大な報告書へする必要はありません。業務チケットや承認履歴に、入力可否の根拠、出力の扱い、確認者、未利用理由を結び付け、後からたどれる状態にします。

判断ステップ7：継続・修正・中止を判断する

継続・修正・中止は、利用範囲、成果物の品質、情報管理、確認体制、運用負担を証跡で比較して決めます。

継続は、許可範囲と入力条件を説明でき、用途に応じた出力確認と事故対応を実行できる状態です。修正は、教材不足、入力条件の曖昧さ、確認者不在、サービス変更、対象業務との不一致など、直す場所が特定できる場合に選びます。

サービス条件と用途が合わない、重大な懸念が解消していない、必要な人間判断や停止手順を確保できない場合は、その業務での利用を中止または保留します。中止理由、影響範囲、代替手順、再開に必要な条件を残せば、状況が変わったときに判断をやり直せます。

研修の進め方として扱うのは、この最初の継続判断までです。その後の定着施策や業務改善の詳細は別の運用課題として切り分けると、研修の合格条件が曖昧になりません。

よくある質問

AIリテラシー研修で迷いやすい対象者、実データ、効果測定、未利用の扱いを、実施判断に絞って回答します。

Q1. 全社員に同じAIリテラシー研修を行うべきですか？

経営目的、基本ルール、相談・事故対応の経路は共通化できますが、演習は役割、経験、対象業務、影響範囲に合わせます。全員に同じ操作をさせるのではなく、対象業務ごとに入力判断、出力確認、承認範囲を設定し、必要な行動を実行できるか確認してください。

Q2. 実際の業務データを研修に使ってもよいですか？

一律に可否を決めず、情報の種類、利用目的、必要性、サービス条件を確認します。個人情報を含む場合は利用目的を達成するために必要な範囲かを確認し、本人同意なく個人データを含む入力を行い、応答結果の出力以外の目的で取り扱われる場合は、入力した自社が法の規定に違反することとなる可能性を踏まえ、提供事業者が機械学習に利用しないことなどを規約・契約・設定で確認します。それとは別に、営業秘密、第三者から受領した秘密情報、契約上の守秘義務がある情報、第三者の著作物などを自社基準で判定します。確認できなければ、公開情報または承認済みの教材データへ置き換えます。

Q3. 研修効果は受講者数や理解度テストで判断できますか？

受講者数とテスト結果は実施状況や知識理解を確認する材料ですが、実務で適切に判断できたかまでは単独で確認できません。対象業務の入出力、修正理由、採否、相談・停止の記録を合わせ、前後比較では業務量、担当者、手順、品質基準の違いも明示します。

Q4. 現場でAIが使われなかった場合、研修は失敗ですか？

一律に失敗とは判断しません。入力条件外、品質不足、確認者不在などを根拠に利用しなかったなら、適切な停止判断の可能性があります。理由を記録し、ルールを守った判断なのか、教材不足、体制不足、業務不適合なのかを分けて、継続・修正・中止を決めます。

まとめ

AIリテラシー研修を現場で止めない要点は、利用前に判断基準を作り、利用中に実際の判断を証跡で確かめることです。

個人情報保護委員会の2点確認は、個人情報を含む入力の利用目的と、本人同意なく個人データを含む入力を行い、応答結果の出力以外の目的で取り扱われる場合の機械学習利用条件を確認するものであり、入力可否一般の最終判定ではありません。それとは別に、営業秘密、契約上の守秘義務がある情報、第三者の著作物などの自社基準を定めます。演習では採用だけでなく、修正、再確認、相談、利用しない、停止・報告も、本記事が提案する合格行動に含めます。

受講数だけで終えず、対象業務表、入力可否の根拠、演習・実務成果物、利用中確認記録をそろえれば、専任AI部門がなくても次の判断ができます。継続できる条件、直す場所、中止・保留する理由と再開条件を明確にし、責任者と期限を決めて運用へつなげましょう。

参考資料

本記事の制度・指針に関する記述は、次の公式掲載ページを各資料の確認日に確認しています。

• 法令の解釈・運用に関する注意喚起：個人情報保護委員会「生成AIサービスの利用に関する注意喚起等」（2023年6月2日）（確認日：2026年7月30日）
• 非拘束的なソフトロー：総務省・経済産業省「AI事業者ガイドライン第1.2版」掲載ページ（2026年3月31日）（確認日：2026年7月30日）