研修の成果を報告するとき、真っ先に並ぶ数字は受講率です。ところが受講率が示しているのは「何人が受けたか」であって、「何が変わったか」ではありません。AI研修では、この差がとくに表に出やすくなります。
たとえば、次のようなケースが考えられます。生成AIの全社導入にあわせてAI研修を実施し、受講率も満足度アンケートも良好だった。それなのに半年後、現場でAIを日常的に使っているのは一部の社員だけだった——。経営会議で「あの研修の効果は？」と問われても、受講率以外に示せる数字が見当たらない。
受講率が高いことと、現場が変わったことは別の話です。AI研修の効果測定が難しいのは、測る仕組みがないまま研修を始めてしまうことに原因があるのではないでしょうか。
なお、AI研修を現場に定着させるための教育の進め方については、前回の記事「生成AIを導入したのに現場で使われない？｜AI人材育成を成果につなげる教育DXの進め方」（[リンク]）で整理しています。本記事はその続編として、「定着したかどうかをどう測るか」に焦点を当てます。
AI研修の効果測定とは？受講率だけでは分からないこと
AI研修の効果測定とは、研修を実施した結果、受講者の知識やスキルがどう変わり、それが業務や組織の成果にどうつながったかを確かめる取り組みです。
ここで押さえておきたいのは、「受講した」と「使えるようになった」の間には距離があるという点です。
受講率は研修の入口を示す数字であって、理解度や行動の変化までは教えてくれません。
リスキリング（事業や業務の変化に合わせて、社員が新たなスキルを身につけること）の文脈でも同じで、受講履歴が揃っているだけでは、投資が成果を生んだかどうかは判断できないのです。
貴社のAI研修の報告資料には、受講率と満足度以外の数字が並んでいるでしょうか。
この記事では、AI研修の効果測定について、研修評価のフレームワークを手がかりに、受講率・理解度・業務成果を一本の線でつなぐ評価方法と、それを継続的に回すための仕組みづくりを解説します。
AI研修の効果が見えない3つの理由
効果測定がうまくいかない背景には、いくつか共通した構造があります。
1. 研修の目的と成果指標が決まっていない: 「全社員にAIリテラシーを」という目的のままでは、何をもって成功とするかが曖昧です。研修後に測ろうとしても、比べる基準がありません。
2. 理解度を測る手段が受講確認にとどまっている: 動画を最後まで再生したか、選択式テストに合格したかは分かっても、自分の業務にどう使うかを説明できる状態かまでは確認できていないケースが多く見られます。
3. 受講データと業務データが別々に管理されている: 受講履歴は研修担当、業務の数字は各部門と、データの持ち主が分かれています。両者をつなぐ人も仕組みもないまま、評価が受講率で止まってしまいます。
3つ目は特に見落とされやすい点です。研修担当の努力だけでは解決しにくく、経営企画やDX推進部門と一緒に設計する必要があると感じています。
研修評価フレームワークで考える4つの段階
研修の効果を整理するうえで、よく使われるのが「カークパトリックモデル」です。
カークパトリックモデルとは？
カークパトリックモデルとは、研修の効果を「反応」「学習」「行動」「結果」の4つの段階に分けて評価する考え方です。
米国の経営学者ドナルド・カークパトリックが1950年代に提唱し、企業研修の評価フレームワークとして広く使われています。
人事の現場の言葉に置き換えると、「研修の満足度」から「事業への貢献」までを段階ごとに分けて測るための物差しといえるでしょう。
AI研修に当てはめると、各段階で見るべきデータは次のようになります。
1. 反応（レベル1）: 研修に満足したか、役に立ちそうだと感じたか。受講後アンケートで把握します。
2. 学習（レベル2）: 知識やスキルを理解できたか。確認テストの結果などで、理解度として測ります。
3. 行動（レベル3）: 学んだことを業務で使っているか。現場でのAI利用状況や、上司による観察で確認します。
4. 結果（レベル4）: 業務や組織の成果につながったか。資料作成の時間、問い合わせ対応の件数など、業務KPIで検証します。
このモデルに5段階目として「ROI（投資対効果）」を加えたのが、ジャック・フィリップスによる「フィリップスのROIモデル」です。
ただし、ここでいうROIは、研修にかかった費用と、金銭に換算した効果を比べて算出するものです。
理解度や行動の変化を把握することと、金銭的な投資対効果を算定することは、別の作業だと考えておく必要があります。
多くの企業で測れているのは、レベル1の満足度と、受講率という「レベル0」とも呼べる数字までではないでしょうか。
レベル2の理解度を確実に押さえることが、レベル3・4へ進むための足場になります。
営業部門の生成AI研修で考える評価の具体例
では、実際の研修ではどう測ればよいのか。営業部門で「生成AIを使った提案資料作成」の研修を行うケースを例に、4つの段階を当てはめてみます。
ここで大切なのは、学習管理システム（LMS）で把握できる学習データ（受講状況・テスト結果）と、各業務部門が管理する実務のKPIを区別しておくことです。
学習データだけで業務成果を語ることはできませんし、業務KPIだけを見ても、研修のどこに改善の余地があるかは分かりません。両方を並べて見ることで、初めて研修の効果と課題が立体的に見えてきます。
研修の理解度を可視化し、受講履歴を管理する仕組み
では、表の「学習」の段階を確実に測るには何が必要なのか。ポイントは、受講履歴と理解度を同じ場所で、継続的に記録できる状態をつくることです。
受講履歴の管理で「誰が、いつ、何を」を押さえる
受講履歴の管理は、効果測定の土台です。誰が、いつ、どの教材を受講し、どこで止まっているのか。これが見えていないと、理解度の分析も業務成果との突き合わせもできません。
表計算ソフトで受講状況を集計している場合、集計した時点の情報にとどまり、遅れに気づくのが月末になることもあるでしょう。
「iStudy AI Platform」では、教材の受講状況や学習履歴を管理できます。受講が進んでいない対象者を確認し、必要に応じて追加の案内やフォローを行うことで、研修担当者の管理業務を効率化できます。
理解度の確認は「記述式」も組み合わせる
選択式テストの正答率だけでは、その場の記憶を確認しているにすぎない場合があります。
AI研修であれば、「自分の業務で生成AIをどう使うか」を自分の言葉で書いてもらうほうが、行動につながる理解かどうかを判断しやすくなります。
「iStudy AI Creator」で研修内容に沿った確認テストを作成し、「iStudy AI Platform」で配信することで、受講状況やテスト結果を確認できます。記述式の回答を取り入れる場合は、受講者が自分の業務でAIをどう活用するかを説明できるか、人による評価も組み合わせて確認することが重要です。
テストの点数はあくまで理解度の目安であり、それだけで実務能力を証明できるわけではない点には注意が必要でしょう。理解度が低いテーマや部署が分かれば、追加の学習を差し込む判断もしやすくなります。
業務成果につなげる研修評価・改善サイクルの回し方
理解度が見えるようになったら、次はレベル3・4、つまり行動と業務成果への接続です。ここは一度で完成させようとせず、サイクルとして回していくのが現実的だと考えています。
1. 研修の目的と業務KPIを決める: 「営業部門の提案資料作成に生成AIを使えるようにする」のように、対象業務と見る指標を先に決めます。
2. Creatorで教材と確認テストを作る: 自社の業務マニュアルや提案書をもとに、業務に即した教材と確認テストを作成します。
3. Platformで配信し、受講履歴とテスト結果を記録する: 受講状況と確認テストの結果が蓄積されます。
4. 理解度の低いテーマを特定し、追加学習を届ける: つまずいている箇所に絞って教材を補い、再度確認します。
5. 業務KPIと突き合わせて検証する: 現場でのAI利用状況や資料作成にかかる時間などを、各部門のデータと合わせて確認します。
6. 結果をもとに、次の対象業務や教材を見直す: 効果が見えたテーマは他部署へ広げ、伸びなかったテーマは目的や教材から見直します。
たとえば、四半期ごとの経営会議で「AI研修の進捗」を報告する場面を考えてみてください。受講率だけでなく、理解度の推移と、先行部署での業務KPIの変化を並べて示せれば、次の投資判断に必要な材料はかなり揃うはずです。
人的資本投資の成果を経営に説明するために
2023年3月31日以後に終了する事業年度から、上場企業などは有価証券報告書で、人材育成方針などの人的資本に関する情報を開示することが求められるようになりました。
内閣官房の「人的資本可視化指針」でも、人材育成への投資とその効果を説明することが重視されています。
研修の効果測定は、もはや研修担当の内部管理だけの話ではなく、経営企画や人事責任者が対外的に語るための材料にもなりつつあります。
一方で、注意しておきたい点もあります。ひとつは、教育成果の把握と、金銭的なROIの算定を混同しないことです。
ROIを算定するには、研修の費用と、金銭に換算した効果の両方を確認する必要があります。
もうひとつは、業務成果が改善したとしても、それが研修だけの効果なのか、ツールの改善や組織体制の変化によるものなのかを厳密に切り分けるのは簡単ではないという点です。
だからこそ、いきなりROIを一つの数字で言い切るよりも、まずは「受講→理解→行動→成果」の各段階のデータを揃え、つながりを示す形のほうが、経営層にも納得されやすいのではないでしょうか。金銭的なROIの算定に進むのは、その土台ができてからでも遅くありません。
生成AIだけでは、研修評価のサイクルは完成しない
一般的な生成AIでも、研修資料の原案や確認問題を作ることはできます。ただ、効果測定に必要なのは、教材そのものよりも、配信した後に「誰が受け、どこまで理解し、どこでつまずいたか」というデータが残り続けることです。
「iStudy AI Creator」は既存資料をもとにした教材・確認テストの作成を、「iStudy AI Platform」は配信・受講履歴の管理・テスト結果の確認を担います。教材作成と学習データの蓄積が一続きになっているからこそ、評価と改善のサイクルを止めずに回し続けられます。
まとめ：AI研修の効果測定は、測る仕組みづくりから始まる
AI研修の効果測定で大切なのは、研修が終わってから測り方を考えるのではなく、目的と指標を決めたうえで、受講履歴と理解度が自然に蓄積される仕組みを先につくることです。
そのうえで、業務KPIと突き合わせながら改善を重ねていけば、人的資本投資の成果を説明する力も少しずつ高まっていきます。
まずは貴社のAI研修について、カークパトリックモデルのどの段階まで測れているか、一度棚卸ししてみてはいかがでしょうか。
受講状況やテスト結果の確認画面を、実際に見てみませんか？
本記事で紹介した、受講状況・テスト結果の確認など「iStudy AI Platform」の学習管理の流れは、Webサイトで公開しているデモ体験ツアーで実際の画面をご覧いただけます。
学習管理・理解度確認のデモはこちら
製品資料：「iStudy AI」のサービス資料を無料ダウンロード
比較検討中の方や、社内での検討材料をお探しの方には、Creator・Platformの機能や活用イメージをまとめた製品資料をご用意しています。
- Creator（教材作成）とPlatform（配信・理解度確認・履歴管理）でできること
- 受講状況やテスト結果の管理など、学習管理の活用イメージ
- 導入の進め方やサポート体制
製品資料ダウンロードはこちら
自社の研修管理について、相談してみませんか？
自社のAI研修の評価方法や、受講状況の管理についてお悩みの方は、個別のご相談・デモのお申し込みも承っています。
研修管理について相談・デモを申し込む
参考・出典
- 内閣官房 非財務情報可視化研究会「人的資本可視化指針」（2022年8月30日公表）https://www.cas.go.jp/jp/houdou/20220830jinteki.html
- 金融庁「企業内容等の開示に関する内閣府令」等の改正（2023年1月31日公表）https://www.fsa.go.jp/news/r4/sonota/20230131/20230131.html
- Kirkpatrick Partners「The Kirkpatrick Model」https://www.kirkpatrickpartners.com/the-kirkpatrick-model/
- ROI Institute「ROI Methodology」https://roiinstitute.net/roi-methodology/