AIガバナンスを支える人材育成とは?役割と階層別教育を解説
社内のAI利用ルールを整備したものの、現場で守られているか確認できない。無断利用(シャドーAI)への不安も残る。こうした状態は、ルールを運用し、守れる人を育てる設計が決まっていないことから起こりがちです。
国の人工知能基本計画(2026年7月14日閣議決定)は、人材像の1つとして、安全・安心で信頼できるAIを開発・活用するためのルールや仕組み等を整備・運用する人材を挙げています。ただし、担当者だけが詳しくても、現場の社員や管理職の判断が揃わなければ、ルールは定着しにくくなります。
この記事では、AIガバナンスを支える人材育成を、役割、階層別の教育、運用サイクル、成果指標の順に解説します。ルールの作り方は[生成AIの社内ルールの作り方](https://exawizards.com/column/article/ai-article/ai-companyrules/)、シャドーAIの定義とリスクは[シャドーAIの解説記事](https://exawizards.com/column/article/ai-article/shadow-ai/)で扱っており、本記事は「人」と「運用」に絞ります。
AIガバナンスを担う人材像|国が整理する役割と社内での考え方
人工知能基本計画が整理する5つの人材像
国は、人工知能基本計画で、AIの利活用や開発を担う人材像を5つに整理しました。全ての国民がAI適正活用人材を目指し、研究開発やガバナンスの担い手などを含めて、産学官で育成・確保するとしています。
表1:人工知能基本計画が整理する5つの人材像(計画の記述を要約。出典:内閣府「人工知能基本計画」2026年7月)
| 計画上の呼称 | 計画での説明(要約) |
|---|---|
| AI適正活用人材 | 最低限のリテラシーを身につけ、AIを適正に利活用できる人材。全ての国民が目指すべきもの |
| AI研究開発人材 | AIの研究開発に係る研究者やエンジニア等の高度専門人材 |
| AI実装人材 | 現場に適合したAIソリューションを提供する者。産業・行政の現場とAIの双方の理解が求められる |
| 「AIガバナンス人材」 | 安全・安心で信頼できるAIを開発・活用するためのルールや仕組み等を整備・運用する人材。構築を主導する人材も含む |
| AIイノベーション人材 | AIを利活用して経済・社会構造の変革や付加価値の創出を行い、課題解決を先導する人材 |
本記事では、表の4行目にあたる役割を「ルールや仕組みを整備・運用する役割」と呼びます。
計画は、リスクへの対応として、制度や技術による対応に加え、組織全体でリテラシーの向上と責任の所在の明確化を含めたガバナンスを構築する「組織管理による対応」を、統合的に進めるとしています。この「組織管理による対応」には、組織全体のリテラシー向上と責任の所在の明確化が含まれ、ガバナンスの対象は担当者に限られません。
出典:内閣府「人工知能基本計画」2026年7月
推進役の役割やスキルは[生成AI推進人材とは](https://exawizards.com/column/article/ai-promotion-talent/)、AIガバナンスの定義・規制・体制の全体像は[AIガバナンスとは](https://exawizards.com/column/article/ai-article/ai-governance/)で解説しています。
社内では4つの層で考える
教育を設計するときは、次の4つの層に分けると、誰に何を学んでもらうかを決めやすくなります。国の分類とは別に、本記事が独自に設けた整理です。
- 経営層: 許容できるリスクの範囲と、責任の所在を決める。
- 管理職・現場の推進役: ルールを現場の言葉に直して伝え、相談を受け、例外を黙認しない。
- 全社員: 入力してよい情報を自分で判断し、迷ったら相談する。
- ガバナンス担当(情報システム・法務・コンプライアンス・人事など): ルールと仕組みを整備・運用し、審査や例外判断を行う。
専任の専門家だけを育てても、現場の判断が揃わなければ、ルールは日常業務で守られにくくなります。
社内AI利用ルールが定着しない理由|シャドーAI対策がルール整備で止まる背景
シャドーAIとは、会社が認めていないAIツールを業務で使う状態です。ルール整備の後に何が起きているかを、2つの調査で確認します。
ルールを整備した企業でも、公式外のAI利用経験は残っている
株式会社角川アスキー総合研究所は2026年8月、「AI白書2026」に掲載する独自調査を発表しました。上場企業または従業員300人以上の非上場企業に勤務する経営者・役員と従業員が対象で、有効回答は310件、調査時期は2026年4月24〜25日です。
会社公式でないAIツールの業務利用経験(いわゆるシャドーAI)は、全社共通のガイドラインを整備済みの企業(n=113)で46.9%、一部整備(n=88)で50.0%でした。作成中(n=54)は35.2%、未整備(n=29)は37.9%です。全社整備済みの企業でも、45.1%が「ルールやガイドラインが現場の実態に追いついていない」と回答しています。
出典:角川アスキー総合研究所「企業における生成AI導入の投資・統制・成果実態調査を発表」2026年8月(「AI白書2026」掲載の独自調査)

図1:ガイドライン整備状況別の公式外AIツールの業務利用経験と、職位別の傾向。出典:角川アスキー総合研究所「企業における生成AI導入の投資・統制・成果実態調査を発表」2026年8月(「AI白書2026」掲載、有効回答310件)をもとに作成
この調査は有効回答310件と規模が小さく、整備状況別に分けると各区分の回答数はさらに少なくなります。また、尋ねているのは利用経験の有無で、頻度は分かりません。ガイドラインの整備が進めば利用経験率が下がるという単純な関係は、この調査の範囲では確認できなかったと受け止めるのが妥当です。
日本企業のリスク対策は、指針の整備が最も多い
総務省「令和8年版 情報通信白書」は、日本・米国・ドイツ・中国の企業向けアンケートを掲載しています。日本の有効回答は515件で、2026年1〜2月に、デジタル化に取り組む従業員10名以上の企業の管理職以上を対象に実施されました。
表2:日本企業の回答(総務省「令和8年版 情報通信白書」2026年。設問ごとの出典は末尾に記載)
| 設問 | 日本の回答割合 | 母数・注記 |
|---|---|---|
| 活用方針が「積極的に活用する」または「活用する領域を限定して利用する」 | 68.9%(前年度49.7%) | 日本の回答企業 |
| 業務変革等に関する組織的な取組が「ない」 | 27.0% | 活用方針で「利用を禁止している」企業を除く |
| 不適切な利用を防ぐ取組として「全社的な指針やガイドラインを整備している」 | 41.1%(日本で最も高い回答) | 日本の回答企業(対象範囲は白書の図表を参照) |
出典:総務省「令和8年版 情報通信白書 生成AIの活用方針等」2026年
他の3か国では、導入段階の専門的な審査体制や、導入後の定期的な評価・検証が、日本より高い傾向にあるとされています。組織的な取組でも、「取組を推進する部署や責任者が明確になっている」が目立つ結果です。指針を整備した後は、審査や評価を担う役割を誰が持ち、どう運用するかが論点になると考えられます。
管理職ほどルールの限界を感じている
角川アスキー総合研究所の調査では、公式外AIツールの業務利用経験は、課長以上の管理職で46.5%、係長・主任以下の一般社員で38.1%でした。「ルールやガイドラインが現場の実態に追いついていない」も、管理職57.4%、一般社員47.1%と、管理職のほうが10ポイント以上高い結果でした。同社は、ルールを推進する立場の管理職自身が、最もルールの限界を体感している実態がうかがえると述べています。職位別の回答数は確認できないため傾向として読みますが、教育の対象を一般社員だけにしない理由にはなります。
見えないAI利用を、安全な公式活用へ移すには
会社が把握していない生成AI利用「シャドーAI」が広がる背景とリスクを整理し、一律に禁止せず、実態把握・ルール整備・業務設計・人材育成を通じて公式活用へ移行するポイントをまとめた資料です。
\こんな方におすすめの資料です/
- 生成AIの全社導入やガバナンス整備を担当している方
- 未承認の生成AI利用を把握し、リスクを管理したい方
- 現場のAI利用を安全な組織活用へ移行したい方
AIガバナンスの教育を公的指針と結びつける
教育設計を公的な指針と結びつけておくと、経営層や他部門に説明しやすくなります。原文で確認できた指針に絞ります。
AI事業者ガイドライン第1.2版
総務省と経済産業省の「AI事業者ガイドライン」は、第1.2版が2026年3月31日付で、非拘束的なソフトローと位置づけられています。共通の指針「8) 教育・リテラシー」は、各主体が、AIに関わる者に必要な教育を行うことを期待する内容です。「E. AIガバナンスの構築」は、固定されたルールを置くより、評価と見直しのサイクルを回す「アジャイル・ガバナンス」を求めています。第5部のAI利用者には、個人情報や機密情報を不適切に入力しないよう注意する、という記載があります。
出典:総務省・経済産業省「AI事業者ガイドライン(第1.2版)」2026年3月
デジタルスキル標準ver.2.0
経済産業省とIPAのデジタルスキル標準は、ver.2.0が2026年4月に公表されました。押さえたいのは、AIに関する内容の追加先が標準ごとに異なる点です。全社員向けの「DXリテラシー標準」には、「モラル」「コンプライアンス」「セキュリティ」の項目があり、生成AIの利用では、期待しない結果、権利侵害・情報漏洩、倫理的な問題への注意が示されています。分冊版に、AIガバナンスという名称のスキル項目は見当たりませんでした。
AIガバナンスが追加されたのは、DX推進スキル標準の共通スキルリストです。スキル項目「ガバナンス体制の構築・運用」の学習項目例に、AIガバナンス(AI倫理、ガイドライン整備、責任あるAI管理、推進・運用)が挙がっています。全社員向けにはDXリテラシー標準、ガバナンス担当者の学習の目安にはDX推進スキル標準、と使い分けられます。
出典:経済産業省・IPA「デジタルスキル標準 ver.2.0」2026年4月
AISIの実務マニュアル(案)とAI法
AIセーフティ・インスティテュート(AISI)事務局の「CAIO設置・AIガバナンス実務マニュアル(案)」(2026年2月)は、教育を経営層向け、技術職向け、非技術職向けに分け、一度きりで終わらせず定期的にフォローアップし、知識テストやケーススタディで効果を測定するとしています。このマニュアルは「案」の段階で、最高AI責任者(CAIO)を置く組織を想定した記述を含むため、自社の規模に合わせて読み替える参考例として扱います。
AI法(令和7年法律第53号)の第14条と第15条は、国が人材の確保・養成と、教育及び学習の振興の施策を講ずることを定めています。
出典:AIセーフティ・インスティテュート事務局「CAIO設置・AIガバナンス実務マニュアル(案)」2026年2月
表3:公的指針と本記事の教育設計の対応(各指針の記述をもとに筆者が編集。出典は上記および末尾)
| 指針 | 教育設計に使える記述 | 本記事での対応 |
|---|---|---|
| AI事業者ガイドライン第1.2版 | 教育・リテラシー、アジャイル・ガバナンス、AI利用者の留意点 | 全社員向けの内容、運用サイクル |
| DXリテラシー標準 | モラル、コンプライアンス、セキュリティ、生成AI利用の注意 | 全社員向けの土台 |
| DX推進スキル標準 | 「ガバナンス体制の構築・運用」「データ関連法令などの理解やルール整備と遵守の推進」 | ガバナンス担当の学習の目安 |
| AISI実務マニュアル(案) | 対象層別の教育、定期的なフォローアップ、効果測定、役割分担の例 | 階層別教育、役割分担、成果指標 |
AIガバナンスを動かす役割分担|情報システム・法務・人事・現場の推進役
4つの役割と、それぞれに必要な学び
AISIのマニュアル(案)は、ガバナンス・リスクマネジメントではCISOや法務・コンプライアンス部門との連携が最も強く、人材・文化では人事部門や事業部門が中心になるとしています。この整理を社内AI利用ルールの運用に当てはめると、次の4つの役割と、一次窓口の現場の推進役に分けられます。
表4:AIガバナンスの運用における役割分担の例(AISI「CAIO設置・AIガバナンス実務マニュアル(案)」2026年2月を参考に、社内ルール運用向けに筆者が整理)
| 役割 | 担う業務 | 必要な学び | 教育の入口 |
|---|---|---|---|
| 推進責任者(経営層・事業責任者) | リスク許容度と責任の所在を決める。高リスク用途の承認で説明責任を負う | リスクの種類、法規制の動向、承認と説明責任 | 短いブリーフィング、事例研究 |
| 情報システム・セキュリティ | 利用環境、ログ、例外申請の運用 | AI特有のセキュリティリスク、権限とログの設計 | 外部研修、実案件の審査への参加 |
| 法務・コンプライアンス | 法令、契約、個人情報に関する判断 | AI関連の法規制、契約・知的財産・個人情報の論点 | 社内勉強会、外部専門家との合同レビュー |
| 人事・人材開発 | 教育の設計、受講管理、周知 | 階層別教育の設計、理解度の確認方法 | 教育担当者向けの設計演習 |
| 現場の推進役(一次相談窓口) | 現場の質問を受け、判断が難しい場合はガバナンス担当へ引き継ぐ | ルールの趣旨、入力情報の判断、エスカレーション先 | 場面別の演習、相談事例の共有会 |
現場の推進役は質問を受けて振り分け、判断そのものはガバナンス担当が行います。この分担で、現場が「誰に聞けばよいか分からない」状態を避けます。
判断が割れる場面の決め方
判断が割れやすいのは、高リスクな用途の承認と、ルールの例外申請です。AISIのマニュアル(案)は、連携責任表(RACI)をユースケース別に作り、四半期ごとに更新するのが実務的としています。高リスクAIユースケースの承認では、事業責任者をResponsible(実行責任)、CAIOをAccountable(説明責任)、CISO・法務・DPOをConsulted(相談先)、IT部門をInformed(報告先)とする例です。
同マニュアル(案)は、中規模企業(従業員数数百名程度までが目安)の体制案も示しています。専任が困難ならCTOまたは事業企画責任者が兼務し、専用のガバナンス室を設けにくい場合は1〜3名のバーチャル体制で運用する例です。社内ルールの運用では、相談窓口、承認者、例外の記録担当を決め、決めた内容を文書に残すところから始められます。承認や例外申請に目標リードタイムを設定するという記載は、後述の指標に使えます。
出典:AIセーフティ・インスティテュート事務局「CAIO設置・AIガバナンス実務マニュアル(案)」2026年2月
AIガバナンスと階層別教育|経営層・管理職・現場・ガバナンス担当
階層別研修の一般論は[階層別AI研修とは](https://exawizards.com/column/article/ai-training-by-level/)、AIリテラシー全般は[AIリテラシーとは](https://exawizards.com/column/article/ai-literacy/)にまとめています。ここでは、ガバナンスとリスクの領域に絞ります。
経営層:リスク許容度と責任の所在を決める学び
経営層に必要なのは、操作の知識より、意思決定に使う知識です。同マニュアル(案)は、経営層向け教育に、AIガバナンス全体の方向性、AI技術の進化とリスク、法規制の動向などを含めるとしています。確認は、方針の決定、予算化、責任者の指名といった意思決定が行われたかで見ます。
管理職:ルールを現場の言葉に直し、例外を黙認しない
管理職は、ルールを伝える立場でありながら、公式外ツールの利用経験者でもありえます。前述の調査では、管理職の46.5%に利用経験があり、57.4%がルールの追いつかなさを感じていました。
学ぶ内容は、入力してよい情報の判断、部下から相談を受けたときの一次対応、公式外ツールの利用を見つけたときの対応、エスカレーション先です。見つけたときは、責めずに公認ツールや申請手続きを案内し、窓口に共有する運用が考えられます。部下のAI活用の評価や1on1は、関連記事「管理職向けAI研修」で扱います。
一般社員・新入社員:入力してよい情報を自分で判断し、迷ったら相談する
参照する指針は、AI事業者ガイドライン第5部(個人情報・機密情報を不適切に入力しない)と、DXリテラシー標準の生成AI利用の注意です。学ぶ内容は、情報区分と入力の可否、出力の検証と最終的な責任、相談窓口の使い方です。場面別の短い演習と確認テストを組み合わせ、得点分布と部署ごとの偏りを見ます。
ガバナンス担当:審査・例外判断・インシデント対応の実務
情報システム、法務、コンプライアンスの担当者は、判断する側として学びます。DX推進スキル標準の「ガバナンス体制の構築・運用」が学習の目安です。AISIは、教育に実務案件を組み込み、高リスクAIのプロジェクトに関与させて学ばせるとしています。外部研修に加え、社内の実案件の審査への同席が考えられます。
表5:階層別ガバナンス教育マトリクス(筆者の設計案。関連する指針は表3を参照)
| 対象 | 学ぶこと | 形式 | 確認方法 |
|---|---|---|---|
| 経営層 | リスク許容度、承認の考え方、説明責任、法規制の動向 | 短いブリーフィング、事例研究 | 方針決定、予算化、責任者の指名 |
| 管理職・現場の推進役 | 入力情報の判断、一次対応、例外の扱い、エスカレーション | 自部署の業務を題材にした演習 | 相談の質と件数、演習の振り返り |
| 全社員 | 情報区分と入力の可否、出力の検証、相談窓口 | 場面別の短い演習、確認テスト | 得点分布、部署別の偏り |
| ガバナンス担当 | 審査、例外判断、契約・個人情報の論点、インシデント対応 | 外部研修、実案件への参加、机上演習 | 審査の記録、対応訓練の結果 |
研修で終わらせない運用設計|ルールを定着させるサイクルと最初の90日
受講から改訂までのサイクル
研修を1回で終えると、現場の利用状況の変化に教育内容が追いつかなくなります。AI事業者ガイドラインは見直しのサイクルを回すアジャイル・ガバナンスを、AISIの案は定期的なフォローアップを求めています。教育を運用につなぐ流れは、次の6段階です。

図2:教育を運用につなぐサイクル(受講、理解確認、現場での相談、実態把握、ルール改訂、再周知)。出典:筆者作成
1. 受講: 人事・人材開発が、階層別の教育を実施する。
2. 理解確認: テストや演習で、理解の度合いを確認する。
3. 現場での相談: 推進役と窓口が、現場の質問や迷いを受ける。
4. 実態把握: 情報システムが、利用状況や相談内容を集める。
5. ルール改訂: 法務・情報システム・人事が、相談内容を改訂に反映する。
6. 再周知: 管理職を通じて、改訂内容を現場に伝え直す。
相談の内容は、ルールに書かれていない場面や不足している点を見つける材料です。同マニュアル(案)はKPIの評価を通常四半期ごとに行うとしていますが、教育の頻度は、自社のリスクと改訂周期に合わせて決めます。公認ツールが使いにくいと、個人で別のツールを使う動機になりえる点にも注意が必要です。後述の事例でも、その懸念が語られています。ツール側の整備は、[AIガバナンスとは](https://exawizards.com/column/article/ai-article/ai-governance/)と[シャドーAIの解説記事](https://exawizards.com/column/article/ai-article/shadow-ai/)で扱っています。
最初の90日で始める進め方
次の進め方は本記事の設計例で、期間に公的な根拠はありません。
1. 1〜3週目:現状把握。 既存ルール、相談の記録、利用状況を集め、迷いが出ている場面を確かめる。
2. 4〜6週目:優先順位づけ。 最初に教育する層を決め、管理職とガバナンス担当を先にすると進めやすい。
3. 7〜9週目:理解の可視化。 確認テストやアセスメントで、部署ごとの理解度の分布を把握する。
4. 10〜13週目:窓口と改訂サイクルの稼働。 相談窓口、改訂担当、見直しの会議体を決め、最初の改訂を行う。
運用後に起きがちな失敗パターンと回避策
ここで挙げるのは、運用後にありがちなつまずきを、設計の観点から整理したものです。
パターン1:作った年だけ話題になり、翌年は誰も開かない。 窓口や改訂の担当が決まっていないと、ルールが読まれなくなります。役割分担を表で決め、改訂を年間の予定に入れます。
パターン2:受講率だけを見て、判断力を確認していない。 全員が受講を終えても、迷う場面で判断できるかは分かりません。受講率とは別に、確認テストと場面演習で理解の分布を見ます。
パターン3:管理職が「現場が回らない」と例外を黙認する。 管理職自身が公式外ツールを使っていると、部下の利用も見逃しやすくなります。見つけたときの対応とエスカレーション先を、教育で決めておきます。
パターン4:禁止事項が増え、相談されなくなる。 「聞くと止められる」と感じられると、相談が減ります。相談しやすさを指標に加え、回答の目標リードタイムを決めます。
パターン5:改訂がメール1通で終わり、現場に届かない。 メールでは、改訂内容が読まれたかを確認できません。管理職を通じた再周知と、短い確認テストを組み合わせます。
パターン6:担当者が兼務で異動し、知識が引き継がれない。 手順書と判断の記録を残し、複数名で担当します。
定着を測る成果指標
AISIのマニュアル(案)は、教育の効果測定を、知識評価、実務適用度、継続的なパフォーマンス指標の3つで示し、KPIの例に、教育・研修の受講率、相談件数、インシデント件数と是正状況、ポリシー遵守状況を挙げています。これらを参考に4区分で整理した指標の設計例が、次の表です。
表6:定着を測る指標の設計例(AISI「CAIO設置・AIガバナンス実務マニュアル(案)」2026年2月の区分とKPI例を参考に筆者が作成)
| 区分 | 指標の例 | 取り方 | タイミング |
|---|---|---|---|
| 進捗 | 階層別の受講完了率 | 受講管理の記録 | 月次 |
| 理解(知識評価) | 確認テストの得点分布、部署別の分布 | テスト、アセスメント | 受講後、半期 |
| 行動(実務適用度) | 相談件数と内容、承認申請から回答までの日数、公認ツールの利用率、公式外利用の自己申告件数 | 窓口の記録、利用ログ、アンケート | 月次〜四半期 |
| 結果(パフォーマンス) | インシデント件数と是正状況、ルール改訂回数と反映までの期間 | インシデント台帳、改訂履歴 | 四半期 |
注意点は3つあります。利用率や受講率だけを成功の指標にしないこと、公式外利用の件数を改訂の材料として扱い罰の根拠にしないこと、目標値は現状を把握してから設定することです。ルール遵守や相談行動を人事評価に結びつけるかは、関連記事「AI活用の評価制度」で扱います。
事例|安全な利用と教育を組み合わせて定着を図る企業の取り組み
エナジーウィズ株式会社:安全な基盤と教育を両輪にした全社展開
実施内容・成果: 製造業で、従業員数は1,028名(2025年3月末時点)です。2024年6月に他社サービスで約30名のトライアルを始め、2025年1月から「エクサベース 生成AI」で本格運用に移りました。機密情報の保護が絶対条件で、会社のツールが最新・最高のものでなければ、会社の許可なく個人向けの生成AIサービスを業務で使う従業員が現れるかもしれないという「シャドーIT」化の懸念も、トライアルで見えたと語られています。
教育では、「エクサベース DXアセスメント&ラーニング」を導入済みです。今後は、eラーニングなども組み合わせて、全社員がセキュリティルールを守りながらAIを使いこなせるよう、教育体制を強化していく方針です。Teamsや社内SNSでの事例共有、全社会議でのヘビーユーザーの発表も行っています。AX人材育成のページの導入事例(エナジーウィズ株式会社)には、効果として、DX/AIスキルの職種・部門別の可視化と、生成AIのリスクに対して各ユーザーが正しく判断できるレベルまでの底上げが挙げられています。
参考ポイント: 同事例には、最新月のデータとして、ユーザー100人の合計で月間1,600時間の業務時間削減も記載されていますが、これはAI活用の成果を示す数字で、ルール定着の成果を示すものではありません。参考になるのは、安全に使える基盤の上で、教育と事例共有の場を組み合わせている点です。社内ルールの具体的な内容は、事例ページに記載がありません。
出典:エクサウィザーズ「エナジーウィズ株式会社 導入事例 知財部門で月間120時間/人の業務削減」(公開年月は事例ページに記載なし)
NEC:研修の修了率と教育の実効性評価を管理する
実施内容・成果: NECは、AIと人権に関する業務を定義し、必要なスキルや習熟度を明確にしたうえで、従業員(有期契約社員・嘱託を含む)向けのWeb研修を毎年1回実施しています。AI倫理の重要性、関連法規制の動向、人権・プライバシー配慮事項、全社ポリシーや運用などの基礎を学ぶ内容で、2025年度の修了率は95.6%でした。教育の実効性評価を、2030年度KPI(対象は日本電気株式会社、期間は2026年4月〜2031年3月)の非財務目標の1つとして設定しています。
参考ポイント: 参考になるのは、修了率と教育の実効性評価を目標として管理している点です。ただし、この研修は、AIを事業として提供する企業が人権の観点から行うもので、社内のAI利用ルールを定着させる取り組みそのものではありません。指標を考える際の、大手企業の一例として参照します。
出典:NEC「AIと人権」(2025年度実績・2026年度目標を掲載したサステナビリティページ、2026年11月9日確認)
AIガバナンスを支える人材を、AX人材育成で進める
実行に移すには、全社員の理解度を把握し、階層ごとに継続して学べる環境が必要です。株式会社エクサウィザーズの「エクサベース DXアセスメント&ラーニング AX人材育成」は、基礎研修、現状可視化・人材発掘(アセスメント)、AIリテラシー定着(eラーニング)、実務活用(実践型研修)で構成されています。公式ページは、階層別の役割と目標を3つに分け、経営層(新たな価値創造とAI投資判断)、リーダー・管理職・現場推進者(業務プロセスの抜本的変革(BPR)と組織定着)、全社員(安全な活用と日々の業務効率化・ナレッジ共有)としています。
eラーニングの「AIリテラシーコース」には「AI倫理・セキュリティ」が含まれます(AX人材育成ページ)。生成AI活用テストの出題項目には、リスク管理力(生成AI利用時の注意点、AIガバナンス)があります(2026年4月24日のリリース)。本記事の階層別教育のうち、全社員向けの基礎、現状の可視化、継続して学ぶ環境づくりは、このサービスの構成と重なります。
出典:エクサウィザーズ「エクサベース DXアセスメント&ラーニング AX人材育成」(2026年10月28日確認)
まとめ
AIガバナンスを支える人材育成は、ルールを作った後の運用を人の側から設計する取り組みです。経営層、管理職、全社員、ガバナンス担当の4層で教育を設計し、受講から改訂までのサイクルと、進捗・理解・行動・結果の指標で定着を確認します。最初の一歩は、現状の相談と利用状況を集めることです。
出典
- 内閣府「人工知能基本計画」2026年7月 https://www8.cao.go.jp/cstp/ai/ai_plan/aiplan_20260714.pdf
- 総務省「令和8年版 情報通信白書 生成AIの活用方針等」2026年 https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r08/html/nd121110.html
- 総務省「令和8年版 情報通信白書 組織的な取組状況」2026年 https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r08/html/nd121120.html
- 総務省「令和8年版 情報通信白書 懸念されるリスク及びリスク対策のための取組状況」2026年 https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r08/html/nd121140.html
- 総務省「令和8年版 情報通信白書 付注(調査概要)」2026年 https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r08/html/ne110000.html
- 角川アスキー総合研究所「企業における生成AI導入の投資・統制・成果実態調査を発表」2026年8月(「AI白書2026」掲載の独自調査) https://www.lab-kadokawa.com/release/pdf/445.pdf
- 総務省・経済産業省「AI事業者ガイドライン(第1.2版)」2026年3月 https://www.soumu.go.jp/main_content/001064279.pdf
- 経済産業省・IPA「デジタルスキル標準 ver.2.0」2026年4月 https://www.ipa.go.jp/jinzai/skill-standard/dss/rcu1hd000000j76k-att/dss_ver2.0.pdf
- IPA「デジタルスキル標準 DXリテラシー標準(DSS-L)分冊版 ver.2.0」2026年4月 https://www.ipa.go.jp/jinzai/skill-standard/dss/rcu1hd000000j76k-att/sep_dss-l.pdf
- AIセーフティ・インスティテュート事務局「CAIO設置・AIガバナンス実務マニュアル(案)」2026年2月 https://aisi.go.jp/assets/pdf/caio-ai-governance-manual.pdf
- e-Gov法令検索「人工知能関連技術の研究開発及び活用の推進に関する法律」(令和7年法律第53号) https://laws.e-gov.go.jp/law/507AC0000000053
- エクサウィザーズ「エナジーウィズ株式会社 導入事例 知財部門で月間120時間/人の業務削減」(公開年月は事例ページに記載なし) https://exawizards.com/exabase/gpt/case/30695/
- NEC「AIと人権」(2025年度実績・2026年度目標を掲載、2026年11月9日確認) https://group.nec/global/ja/about/sustainability/social/ai/
- エクサウィザーズ「エクサベース DXアセスメント&ラーニング AX人材育成」(2026年10月28日確認) https://exawizards.com/exabase/assess-learning/training/ax/
- エクサウィザーズ「生成AIの実務活用レベルを評価する生成AI活用テストの提供を開始」2026年4月24日 https://exawizards.com/archives/31807/

