管理職向け生成AI研修とは?内容・進め方と、部下のAI活用の評価方法を解説
全社向けの生成AI研修を終えたのに、現場の利用が思うように伸びない。こうした声を人事・人材開発の担当者からよく聞きます。要因の一つが、部署のメンバーを動かす管理職です。
株式会社パーソル総合研究所の調査では、課長・部長の生成AI業務利用割合は一般社員を上回りました(数字は後述)。管理職自身は、すでに使い始めている層です。ただし、自分が使うことと、部下の活用を促し、活用状況を見極め、チームに広げることは別の仕事です。
そこで本記事では、管理職向け生成AI研修を、受講後の現場運用まで含めて考えます。扱うのは、失敗パターン、棚卸し、1on1の問い、評価の観点、成果指標、公開事例です。階層ごとの研修全体の設計は階層別AI研修の記事、評価制度の設計は関連記事「AI活用の評価制度」を参照してください。
管理職向け生成AI研修とは|一般社員向け・階層別研修との違い
管理職向け生成AI研修とは、管理職自身の活用力に加え、部下のAI活用を促し、日々の仕事の中で活用状況を見極め、チームに広げる力を身につける研修です。一般社員向けは自分の業務で使えることが到達点で、管理職向けは部署の成果にAIをつなげるところまで視野に入れます。
管理職に求められる2つの役割
管理職には、次の2つの役割が求められます。
- 管理職自身が使う: 使ったことのない道具を部下に勧めるのは難しく、成功体験があれば「この場面なら使える」と具体的に話せます。
- 部下を動かす: 使う業務を決める、相談先になる、工夫を見て評価の材料にする、共有の場をつくる、といった行動です。
パーソル総合研究所の調査レポートでは、個人の生成AI活用の成熟度が高い組織の特徴として、上司が新しいデジタルツールの活用場面とルールを具体的に示し、自らも活用しながら部下の中長期キャリアを支援していることが挙がっています。この特徴には、管理職自身が使う役割と、部下を動かす役割の両方が含まれています。
出典:パーソル総合研究所「生成AIとはたらき方に関する実態調査」2026年2月
米国のGallupの調査(2025年5月、就業者19,043人)でも、AIに投資している組織で、上司がチームのAI利用を積極的に支援していると強く同意する人は、AIを週に数回以上使う確率が約2.1倍でした。日本の調査ではなく、因果までは示されていません。
出典:Gallup「Manager Support Drives Employee AI Adoption」2025年11月8日
推進役に求められる人材像やスキルは、関連記事で解説しています。
階層別AI研修との違い
階層別AI研修は、経営層・管理職・現場社員といった階層ごとに、研修の目的と内容を分けて設計するものです。設計の手順は、階層別AI研修の記事にまとめています。
本記事が扱うのは、管理職に絞った研修後の運用です。棚卸し、1on1、チームのルール、日常の見立て、成果の見せ方など、課長・部長が部署で動く場面を中心に書きます。人事や経営が担う制度の設計(評価項目、等級、昇進との連動)は扱いません。AIリテラシーの定義は、別の記事を参照してください。
データで見る|管理職のAI活用と組織の現状
企業の利用は広がったが、組織的な取り組みには差がある
総務省「令和8年版 情報通信白書」(2026年7月公表)が紹介する調査では、日本企業のうち、自社の何らかの業務で生成AIを利用していると回答した割合は86.4%でした。「わからない」と回答した企業を除いた割合です。別の設問(利用を禁止している企業を除く)では、「組織的な取組はない」が27.0%でした。同白書は、「組織的な取組はない」の割合が米国・ドイツ・中国より高く、中小企業で特に高いと述べています。86.4%と27.0%は分母が異なります。
出典:総務省「令和8年版 情報通信白書 生成AIの業務利用状況」2026年7月
出典:総務省「令和8年版 情報通信白書 組織的な取組状況」2026年7月
管理職の利用は先行している
パーソル総合研究所が2026年2月に公表した調査(2025年10月実施)では、職位別の生成AI業務利用割合は、部長62.0%、課長58.3%、役員43.6%、代表取締役・社長40.2%、一般社員・従業員35.5%でした。同社は、マネジメント層で利用が先行する構造が明らかになったとしています。調査は、全国の就業者へのスクリーニング調査(n=19,855)と、正規雇用者3,000人の本調査で構成されます。職位ごとの人数が公表本文に記載されていないため、この割合は傾向を見る目安として読んでください。

図1 職位別の生成AI業務利用割合。出典:パーソル総合研究所「生成AIとはたらき方に関する実態調査」2026年2月をもとに作成
海外でも似た傾向があります。米国のGallupの調査(2026年2月実施、就業者23,717人)では、AIが使える組織で週に数回以上AIを使う人は、リーダー67%、マネージャー52%、個人で業務を担う社員46%でした。対象は米国の就業者で、役職の定義も異なるため、日本の数字とは比べません。
出典:Gallup「What Separates AI Adopters and Holdouts」2026年4月12日
一方、育成は追いついていません。産業能率大学総合研究所とHR総研の調査(2026年5〜6月実施、人事担当者320社)では、生成AIの普及に伴い育成上の課題が大きいと感じる階層は「管理職」が59.4%で最多でした。「管理職向けの生成AI活用に関する周知・研修」を実施している企業は7.7%です。人事担当者の認識を聞いた調査で、管理職本人への調査ではありません。
出典:産業能率大学総合研究所×HR総研「生成AIと人材育成に関する人事実態調査」2026年10月7日
使っていても、成果と組織への広がりは別
2026年2月の調査では、生成AIを活用したタスクの所要時間が平均16.7%短縮されました。一方、実際に業務時間が減った人は、利用者の約25.4%です。16.7%はタスク単位の平均、25.4%は利用者に占める人の割合で、基準が異なります。
2026年7月の調査(正規雇用者3,300人)では、組織課題として「AIの教育・サポートが正式な業務や評価に位置づけられていない」が32.5%で、上位に挙がりました。部下を支える行動が仕事として位置づけられていなければ、現場の善意に頼る運用になりがちです。
出典:パーソル総合研究所「生成AIとはたらき方に関する実態調査を発表 生成AIの活用で業務時間は平均16.7%削減」2026年2月
出典:パーソル総合研究所「AI環境における人材とマネジメントに関する定量調査」2026年7月
管理職がつまずく6つの失敗パターン
管理職が部下のAI活用を促す場面で起きやすい失敗を6つ挙げます。データや公開事例の裏づけがあるものと、現場でよく見られる場面は区別して書きます。
失敗1:管理職が答えられず、部下の活用が止まる
メンバーがAIの使い方で困っても、上長が答えられず、担当部署に聞くよう促して終わる場面です。管理職が使い方を把握していないと、部下の疑問が解消されないまま、活用が止まります。
失敗2:利用回数・ログイン数だけで部下を見る
パーソル総合研究所の田村 元樹研究員は2026年3月のコラムで、利用率は単純な用途で使った人も高度な用途で使った人も同じ1人と数えるため、活用の成功指標として機能しなくなっていると指摘しました。同社の調査では、成熟度の高い群は低い群より削減幅が約2.3倍でした。
回数を目標に置くと、ログインや簡単な質問で数を積み上げる動きが出やすくなります。現場でよく見られる場面です。
出典:パーソル総合研究所「利用率では測れない、職場での生成AI活用の実態」2026年3月
失敗3:「AIを使え」と号令をかけるだけで、棚卸しをしない
パーソル総合研究所の調査では、生成AIを使わない理由の上位に、年代を問わず「自分の業務には必要性を感じない」「使い方がわからない」「どのような業務で使えるのかイメージできない」が挙がりました。同社は、ツールを配るだけでは利用が進まず、具体的な活用イメージと安心して試せる支援の場が必要だとまとめています。号令だけでは自己流で終わるため、部署の業務のどこに使うかを先に決めます。
出典:パーソル総合研究所「生成AIとはたらき方に関する実態調査」2026年2月
総務省の令和8年版情報通信白書でも、テキスト生成AIを使っていない人の理由は、「自分の生活や業務に必要ない」が42.4%、「使い方がわからない」が38.8%でした。調査の対象は一般の個人で、仕事の場面に限った結果ではありません。
出典:総務省「令和8年版 情報通信白書 生成AIサービスを利用しない理由」2026年7月
失敗4:現場任せと統制一辺倒のどちらかに振れる
パーソル総合研究所は、方針・利用ルール・レビューなどへの回答の傾向から、企業の普及の進め方を4タイプに分類しました。構成比は、現場の裁量に任せつつ相談・教育の役割やレビューを整える「仕組み化タイプ」が43.3%、「手探り運用タイプ」が39.8%、「統制タイプ」が9.1%です。
タスクの平均削減時間は、現場任せタイプが週52.2分で最も大きく、統制タイプは時間削減も成熟度も低水準でした。成熟度が最も高かったのは仕組み化タイプで、同社は、短期的な効率化は現場の部分最適でも実現できるが、持続的な高度活用には仕組みの整備が不可欠だと述べています。部署でも、放任すれば工夫が残らず、すべてを事前承認制にすれば試す人がいなくなりがちです。禁止に頼らない考え方は、シャドーAIの記事で解説しています。
出典:パーソル総合研究所「生成AIとはたらき方に関する実態調査」2026年2月
失敗5:AIの出力を頭ごなしに否定する、または鵜呑みにする
メンバーだけがAIに詳しくなると、「ちゃんと自分で考えているのか」とAI利用を否定的に捉える管理職が生まれるおそれがあります。
逆に、出力を確認せず受け取る場面もあります。否定にも鵜呑みにも振れるのは、確認の観点を上司と部下が共有していないためと考えられます。ハルシネーション(もっともらしい誤り)の確認を成熟度の指標に含める考え方もあります(後述)。
失敗6:個人の工夫が共有されず、消えてしまう
2026年7月の調査では、AI活用時の組織課題として「手順が人ごとに異なり、例外が多い」が31.0%でした。工夫がメンバー個人にとどまり共有されていないと、異動や退職でその工夫が失われます。これは現場でよく見られる場面です。
出典:パーソル総合研究所「AI環境における人材とマネジメントに関する定量調査」2026年7月
総務省の白書は、日清食品グループが対象業務を部門ごとに選び、プロンプトのテンプレートを作って社内展開した例を紹介しています。個人の工夫をテンプレートにして共有する方法は、部署単位でも参考になります。
出典:総務省「令和8年版 情報通信白書 AI導入・活用による効果創出のステップ」2026年7月
管理職のAI活用は4ステップで進める
管理職が自分の使い方から始め、部署の運用へ広げる流れが現実的です。棚卸しがないまま1on1で「使っているか」を聞くと失敗2や失敗3を繰り返すため、順番を守ってください。

図2 管理職のAI活用4ステップ。出典:エクサウィザーズ編集部が作成
ステップ0:管理職自身が日常業務で使い始める
最初は、部下に何かをさせる前に、自分の業務で使います。会議の準備や議事の要約、資料構成や部下への依頼文のたたき台など、失敗しても影響が小さい場面から始めてください。使い方の基本は、プロンプトの書き方を解説した記事が参考になります。
ステップ1:部署の業務を棚卸しし、AIで任せる業務を決める
棚卸しの進め方
手順は3つです。部署の業務を洗い出し、頻度と負担の大きさを書き出し、各業務を「AIに任せる」「AIと一緒にやる」「人が決める」に分けます。AIが下書きや整理を担い、人が最終確認するものが「任せる」、AIのたたき台に人が考えを加えるものが「一緒にやる」、責任ある判断に関わるものが「人が決める」です。
| 業務(例) | 頻度 | 負担 | 区分 |
|---|---|---|---|
| 定例会議の議事録づくり | 毎週 | 中 | AIに任せる(人が最終確認) |
| 顧客向け提案資料の構成づくり | 毎月 | 大 | AIと一緒にやる |
| 取引条件の最終判断 | 随時 | 大 | 人が決める |
表1 業務棚卸しシートの記入例(架空の例。出典:エクサウィザーズ編集部が作成)
最初のユースケースと、部下の巻き込み方
最初の業務は、頻度が高く、失敗しても影響が小さく、結果を人が確認しやすいものを選びます。
管理職だけで決めると、現場の実態とずれます。部下から「面倒な作業」を出してもらうのが近道です。メンバーのAIスキルの現状を部署単位で見たい場合は、AIスキルマップの記事が参考になります。
ステップ2:1on1と日常の声かけで部下のAI活用を後押しする
1on1で聞く4つの問い
パーソル総合研究所の2026年7月の調査では、AIを頻繁に使う職場で、部下のパフォーマンスと関連するマネジメント行動として「仕事の枠を示す」「裁量の提示」「思考の深さを問う」「学びへの接続」が挙げられました。この4つの行動は、いずれも相関に基づく示唆で、因果は確認されていません。この4つを1on1の問いに翻案すると、次のようになります。問いは本記事の提案で、同調査の文言ではありません。
- 枠を示す: 「この仕事のうち、AIに任せたい部分はどこか。最終判断は誰が行うか」
- 裁量を渡す: 「どこまでなら、自分の判断で試してよいと思うか」
- 思考の深さを問う: 「AIの出力のどこを直したか。直した理由は何か」
- 学びにつなげる: 「今回わかったことを、次の仕事や他のメンバーにどう活かせるか」
出典:パーソル総合研究所「AI環境における人材とマネジメントに関する定量調査」2026年7月
使っていない部下・不安のある部下への関わり方
使っていない部下には、まず理由を聞きます。失敗3で挙げたように、必要性を感じない、使い方がわからない、使える業務をイメージできないなど、理由は人によって違います。使い方がわからない部下とは、棚卸しで決めた業務で一緒に最初の1回を試してください。不安のある部下には、入力してよい情報を確認し、試せる範囲を示します。使わない選択をする部下の扱いは、評価の項で触れます。
やってはいけない声かけ
利用回数を問い詰める声かけは失敗2を、「AIでやったの?」と成果を疑う言い方は失敗5を招き、部下がAIの使用を隠しやすくなります。
「自分で考えて」と突き返すより、「AIで聞いてみた?」「AIでまとめてみてはどうか」と、具体的な使い方を示して指示するほうが、部下は動きやすくなります。問い詰めるより、使い方を具体的に示すことが要点です。
ステップ3:チームのルールと共有の場をつくり、成果を見せる
チームで決める最低限のルール
ルールは少なく始めます。決めておくのは、入力してよい情報としてはいけない情報、出力の確認方法、迷ったときの相談先の3つです。全社のルールに従い、部署独自の上乗せは最小限にします(失敗4)。全社ルールの作り方は、次の記事を参照してください。
プロンプトと事例を共有する場の作り方
共有の場は、準備や参加の負担を小さくしたほうが続きます。週1回、会議の冒頭5分で事例を1つ出す、チャットに共有スレッドを置く、といった形です。パーソル総合研究所のコラムも、小さな事例の共有が日常的に行われる状態をつくることを提案しています。うまくいった使い方は、標準のプロンプトにまとめます。
出典:パーソル総合研究所「利用率では測れない、職場での生成AI活用の実態」2026年3月
成果を上位層・他部署に見せるコツ
成果は、数字と実例の両方で見せます。数字は、タスク単位の削減率なのか、業務時間全体が減った人の割合なのかを区別してください。成果を報告するときに、使った業務と他部署が真似できる手順も示すと、横展開しやすくなります。
部下のAI活用を評価する5つの観点
ここでいう評価は、管理職が日々の仕事で部下のAI活用を観察して持つ判断(見立て)で、評価面談で伝える材料集めにあたります。人事制度としての評価は含みません。評価項目の表、等級、昇進・賃金との連動といった制度の設計は、関連記事「AI活用の評価制度」で扱います。
利用回数では測らない理由
失敗2で見たとおり、利用回数は用途の中身を区別できません。パーソル総合研究所のコラムは、利用率の代わりに、ハルシネーションをチェックできている社員の割合、業務プロセスを見直せた事例の件数、検証結果を共有する場の有無といった問いを挙げています。組織向けの問いですが、部下個人を見る観点にも置き換えられます。
出典:パーソル総合研究所「利用率では測れない、職場での生成AI活用の実態」2026年3月
日常の見立てで見る5つの観点
次の5つは、上記の問いを参考に、本記事が部下個人向けに作成した観点です。
1. 業務の成果: 時間が短くなったか、品質が上がったか。数字と本人の実感の両方を聞きます。
2. 出力を確かめる姿勢: 出力をそのまま使わず、根拠や誤りを確認しているか。
3. 業務の見直し: 作業の手順や分担そのものを、AIを使って見直せているか。
4. 共有・波及: 工夫をチームに共有し、他のメンバーが使えるようにしているか。
5. 情報の取り扱い: 入力してよい範囲を守り、迷ったときに相談しているか。
利用回数からは観点1・2・5が読み取れず、観点4も回数に表れません。5つの観点で見れば、使った量が少なくても貢献している部下を見つけられます。
評価の伝え方と注意点
観察した事実と、評価の材料にする理由をセットで伝えます。「あなたが共有した手順で、チームの作業が短くなった」のように具体的に話してください。注意点は3つあります。1つ目は、AIを使わない選択をする部下です。理由を聞き、成果が出ているなら成果を見ます。2つ目は、AIが得意な部下だけが目立つ偏りです。AIを使わなくても品質が高い仕事は認めます。3つ目は、ヘビーユーザーへの負担の集中です。パーソル総合研究所の2026年2月の調査では、頻繁に使う層ほど周囲の支援や指導の負担を感じやすく、その教育サポートが正式な業務や評価に位置づけられていない状況が確認されました。教える貢献も見立てに入れます。
出典:パーソル総合研究所「生成AIとはたらき方に関する実態調査」2026年2月
活用の差を、客観的に評価して育成につなげるには
利用ログだけでは測れない活用の「質」に着目し、職種別・階層別の活用度の差と、個人の実務活用レベルを客観的に評価して育成につなげる方法をまとめた資料です。
\こんな方におすすめの資料です/
- 社員の活用レベルや活用格差を把握できていない方
- 生成AI活用を全社の成果につなげたいDX推進担当の方
- 育成や投資の優先順位を判断したい経営層・管理職の方
成果を測る指標と、人事・経営・管理職・現場の役割分担
管理職が追う指標
指標を入口・定着・成熟の3層に分けて置くと、利用回数だけに偏りません。
- 入口: 月間アクティブ率、利用者数。使い始めたかを見る指標で、成功指標にはしません。
- 定着: 共有の場の開催回数、標準プロンプトの数。工夫が組織に残っているかを見ます。
- 成熟: 出力を確認できている人の割合、業務の見直し事例の件数。使いこなしの質を見ます。
成熟の例は、前述のコラムの問いをもとにしています。入口の指標は後述の事例でも使われていますが、入口の数字が伸びても、成果が出たかどうかは別の指標で確認します。
4者の役割分担
運用は、4者で分担します(パーソル総合研究所の提言をもとに、エクサウィザーズ編集部が整理)。
- 人事・人材開発: 研修の企画、スキルの可視化、評価制度の設計、測定の仕組み
- 経営: 方針の提示、推進オーナーとしての率先した活用、後押し
- 管理職: 棚卸し、1on1、チームのルール、日常の見立て、成果の見せ方
- 現場: 実践、事例や手順の共有、気づきの提案
同社は提言で、普及を一部の詳しい人やDX推進部に任せず、試す役割と広げる役割を分担することと、経営層が推進オーナーとして率先して活用することを挙げています。管理職は、現場に最も近い立場で両方をつなぎます。
出典:パーソル総合研究所「生成AIとはたらき方に関する実態調査」2026年2月
IPAの「DX動向2026」(国内企業1,799社)では、AI導入・利活用のリーダーシップ体制は、「IT部門の長」が46.0%、「経営層」が32.1%、「導入や利活用する現場の長」が27.5%でした。AIを導入、試験利用、検討している企業が対象です。IPAは、AI利活用を専門的に主導する体制が整っている企業はまだ少ないとしています。
出典:IPA「DX動向2026」2026年7月30日
公的指針との紐付け|デジタルスキル標準ver.2.0を共通言語にする
経済産業省とIPAは、2026年4月にデジタルスキル標準ver.2.0を公表しました。同標準は、全てのビジネスパーソンが身につけるべきスキルを定めた「DXリテラシー標準」と、DXを推進する人材の役割とスキルを定めた「DX推進スキル標準」で構成されます。DXリテラシー標準は管理職に限らず全てのビジネスパーソンが対象のため、部下と同じ言葉でAIについて話す共通言語として、1on1や棚卸しの場で使えます。
出典:IPA「デジタルスキル標準ver.2.0を公開」2026年4月
デジタルスキル標準の全体像は、別の記事で解説しています。
事例|日本ピザハット:管理職向け研修で利用が現場に波及
実施内容・成果
日本ピザハット株式会社は、2025年から2027年の3か年DXロードマップを策定しています。2025年に「エクサベース AI」を導入しましたが利用率が伸び悩み、2026年にエクサウィザーズの管理職向け生成AI研修を実施しました。研修は対面で、全国の拠点から管理職が集まりました。座学を減らしてハンズオンを増やし、翌日から実務で使える内容に調整されています。
研修前のアンケートでは、管理職の58%が「AIを活用できていない」と回答しました。研修後は、96%が「AIを活用していけそう」、81%が「部下に勧められそう」と答えています。受講した管理職層の利用アカウント数は、研修前の5月が22、研修後の7月が30で、月間アクティブ率は65%から88%へ上昇しました。研修を受講していない社員層でも、利用アカウント数が98から111に、月間アクティブ率が62%から72%に上がっています。

図3 日本ピザハットの月間アクティブ率の変化。出典:エクサウィザーズ「日本ピザハット株式会社様 お客様の声」をもとに作成
参考ポイント
営業部門の管理職は、研修のハンズオンでPowerPointの構成のたたき台をAIに作らせる成功体験を得ました。翌週のチームミーティングで活用方法を共有し、約300人の店長が書いた会議の感想文の要約にも広げています。管理職が先に成功体験を得てから部下への指示を変えた流れが参考になり、管理職の利用が現場の利用に波及した一例といえます。ただし、受講者数は公表されておらず、アカウント数も少人数で、変化が研修だけの効果とは断定できません。月間アクティブ率は入口の指標のため、成果の指標は別に置く必要があります。
出典:エクサウィザーズ「日本ピザハット株式会社様 お客様の声」
管理職向けAI研修の選び方と、AX人材育成での進め方
選び方の3つのチェックポイント
1. 部下の1on1や日常の見立てまで扱うか: 操作の説明だけで終わると、研修後に現場でAI活用が進まなくなります。
2. 自部署の業務を題材にしたハンズオンか: 前述の事例でも、座学を減らしてハンズオンを増やしていました。
3. 受講後の測定とフォローがあるか: 研修後の利用状況やスキルの変化を見て、次に取る施策を決められるかを確認します。
研修一般の選び方は、次の記事にまとめています。
AX人材育成ソリューションで進める場合
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)の4段階で育成を進めます。公式ページでは、階層別の役割を「経営層」「リーダー・管理職・現場推進者」「全社員」に分け、リーダー・管理職・現場推進者の役割は業務プロセスの抜本的変革(BPR)と組織定着です。現状の可視化にはDIAと生成AI活用テストを使い、前述の事例のように管理職向けの生成AI研修も提供しています。導入は、課題整理、スキル可視化・育成プラン設計(推進体制と役割の設計を含む)、研修開始・実務サポート(現場での定着まで伴走)の3ステップです。AX人材の考え方は、別の記事で解説しています。
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」
出典
- パーソル総合研究所「生成AIとはたらき方に関する実態調査」2026年2月 https://rc.persol-group.co.jp/thinktank/data/generative-ai/
- パーソル総合研究所「生成AIとはたらき方に関する実態調査を発表 生成AIの活用で業務時間は平均16.7%削減」2026年2月 https://rc.persol-group.co.jp/news/release-20260203-1000-1/
- パーソル総合研究所「AI環境における人材とマネジメントに関する定量調査」2026年7月 https://rc.persol-group.co.jp/thinktank/data/ai-management/
- パーソル総合研究所「利用率では測れない、職場での生成AI活用の実態」2026年3月 https://rc.persol-group.co.jp/thinktank/thinktank-column/202603120001/
- Gallup「What Separates AI Adopters and Holdouts」2026年4月12日 https://www.gallup.com/workplace/704252/workplace-separates-adopters-holdouts.aspx
- Gallup「Manager Support Drives Employee AI Adoption」2025年11月8日 https://www.gallup.com/workplace/694682/manager-support-drives-employee-adoption.aspx
- 産業能率大学総合研究所×HR総研「生成AIと人材育成に関する人事実態調査」2026年10月7日 https://www.hj.sanno.ac.jp/research-report/202610/generative-ai-hr-survey2026.html
- 総務省「令和8年版 情報通信白書 生成AIサービスを利用しない理由」2026年7月 https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r08/html/nd111220.html
- IPA「DX動向2026」2026年7月30日 https://www.ipa.go.jp/digital/chousa/dx-trend/dx-trend-2026.html
- 総務省「令和8年版 情報通信白書 生成AIの業務利用状況」2026年7月 https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r08/html/nd121130.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7月 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 AI導入・活用による効果創出のステップ」2026年7月 https://www.soumu.go.jp/johotsusintokei/whitepaper/ja/r08/html/nd121420.html
- IPA「デジタルスキル標準ver.2.0を公開」2026年4月 https://www.ipa.go.jp/pressrelease/2026/press20260416.html
- エクサウィザーズ「日本ピザハット株式会社様 お客様の声」 https://exawizards.com/exabase/assess-learning/training/voice/138
- 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」 https://exawizards.com/exabase/assess-learning/training/ax/

