AI時代の学び直し — 何から手をつけるかの優先順位

生成AIの登場以降、学ぶべきとされるものは増え続けている。ツールの使い方、プロンプトの設計、エージェントの組み方、データの扱い。すべてに手を出すと、どれも中途半端なまま時間だけが減る。

学びを三層に分けて考える

1. 01

   第一層 — 使える（リテラシー）

   道具として日常的に使える状態。ここは短期間で到達でき、到達していないと会話に入れない。ただし到達しても差別化にはならない。

2. 02

   第二層 — 業務を変えられる（実務適用）

   自分の担当業務を、AIを前提に設計し直せる状態。作業を置き換えるのではなく、進め方そのものを変える。単価に効き始めるのはここから。

3. 03

   第三層 — 組織を変えられる（変革推進）

   他人と組織を動かして定着させられる状態。ここに届くと、案件の役割が実行者から推進者に変わる。

多くの人が第一層で止まる。研修を受けた、資格を取った、で終わるからである。第二層との差は、学んだ内容を自分の実務に当てて、型として残したかどうかにある。

優先順位のつけ方

順番は、次の案件で問われる可能性が高いものから決める。過去半年の面談で聞かれた質問、提案が通らなかったときに足りなかった論点、稼働中に他人に頼った箇所。この三つを並べると、学ぶべきものはかなり絞れる。

• 面談で答えに詰まった領域は、次も必ず問われる
• 自分が時間を溶かしている作業は、置き換えの効果がもっとも大きい
• 隣の職種が当たり前に使っている道具は、学習コストの割に効き方が大きい

学びを成果物で残す

受講履歴は、実務で何ができるかを説明しない。残すべきは成果物である。自分の案件で作った分析の型、レビューを通った資料の構成、他人が再利用できる手順。これらは面談でそのまま提示でき、第三者の評価も付けやすい。

学び直しの目的は、知識を増やすことではなく、証明できることを増やすことにある。学んだ順ではなく、証明できた順に市場価値は動く。