この記事は、現職でITコンサルタント（マネージャー以上）、事業会社IT部門の部長・課長クラス、SIerのPM・PLクラスとして働いている方に向けて書いている。
結論：AIリテラシーは勉強量ではなく「AIが前提の環境にいた時間」で開く
Photo by Luca Bravo on Unsplash
AIを業務で使いこなせていない実感があるとき、多くの人は「何を勉強すればいいか」を探し始める。しかし個人学習だけで埋まるのは知識の差であって、判断の差は埋まらない。判断は日々の業務で失敗しながらしか身につかない。
AIを毎日の業務に組み込んでいる組織と、稟議と検証で止まっている組織では、1年で経験の量が桁違いになる。前者では「この業務のこの部分はAIに任せ、この部分は人が持つ」という切り分けを日常的に繰り返し、失敗も含めて経験が積み上がる。後者では「AIをどう使うべきか」という議論自体が月に一度のミーティングで止まり、実際に責任を持って運用する経験が訪れない。
したがってキャリア判断の論点は「何を勉強するか」ではなく「どの環境に身を置くか」になる。
ただし環境を変える＝転職とは限らない。まず現職で環境を作れるかを検討する。作れるなら作る。作れない構造があるなら環境を変える。この記事ではその判断材料として、転職前に確認すべき5つの見極め点と、現職に残る場合の撤退ラインを提示する。
「PCおじさん化」は能力の問題ではなく環境の問題として起きた
Photo by ThisisEngineering on Unsplash
PC導入期に取り残された層は、能力が低かったのではなく、触らずに済む役割・触らせない組織にいた期間が長かった。管理職として承認と指示だけを求められ、自分で操作する必要がなければ、PCの使い方は身につかない。その状態が数年続けば、後から追いつくのは難しくなる。
同じ構造がいま再現している。AIの出力をレビューして責任を持つ経験を積めない役割にいると、指示の粒度が分からないまま年数だけ経つ。「AIに何を任せ、何を人が持つか」の判断は、自分で手を動かして失敗を経験しないと身につかない。
私自身、代表でありながらほぼ毎日コードを書き、AIをコードレビューや開発に日常的に併用している。もしコードを書き続けていなければ、同じ側に回っていたという自覚がある。この記事は誰かを揶揄するためのものではない。構造として避けられるかどうかの話に限定する。
コンサルで「メンタルが弱い」と感じたら｜資質ではなく環境を疑うべき理由と7つの習慣でも触れたが、個人の資質として片付けられがちな問題の多くは、環境の問題として読み替えたほうが解決の糸口が見える。
いま起きているAI格差は3つの層に分かれている
Photo by LinkedIn Sales Solutions on Unsplash
AIリテラシーという言葉は曖昧すぎる。実際には3つの層に分かれており、それぞれで必要な経験が異なる。
第1層：使う
AIの生成物を業務のたたき台として使える層。プロンプトを書いて出力を得る、出力を自分の判断で修正して成果物にする。ここは個人学習でも比較的追いつく。書籍や動画で学び、自分の業務で試せば経験が積める。
第2層：設計する
どの業務のどこをAIに寄せ、どこを人が持つかを切り分けられる層。実案件でしか身につかない。AIに任せた部分が期待どおりに動かなかったとき、どこまで戻してやり直すか、どこから人が介入するかを判断する経験は、責任を持った案件の中でしか得られない。
第3層：責任を取る
AIを組み込んだ業務・成果物の品質と失敗の責任を引き受ける層。ここが評価と年収に直結する層で、経験できる環境が限られる。AIが出した成果物にミスがあったとき、それを自分の名前で顧客に出せるか、リカバリーの責任を持てるかという経験は、組織の中でAI活用が本番運用まで到達していないと積めない。
ITコンサル・事業会社IT部門の読者が本当に取りにいくべきなのは第2層・第3層であり、資格やツール習熟だけでは届かない。AI時代は「環境を設計する時代」｜仕事を奪われる不安より大切な視点で述べたように、AIが普及した先で人に求められるのは「環境を設計する」側の経験である。
転職前に確認すべき5つの見極め点（面接で聞ける形にする）
Photo by Radission US on Unsplash
求人票からは第2層・第3層の実態が読み取れない。面接で以下を確認する。
1. AI活用がPoC止まりか、本番運用まで行っているか
質問文例：「御社では現在、AIを組み込んだ業務が何本本番稼働していますか。その中で、私がアサインされる部門が責任を持っているものはありますか」
PoCは誰でもやる。本番稼働させ、失敗をリカバリーしながら運用した経験があるかどうかで、組織の成熟度が分かれる。
2. AIの利用が現場の裁量で回っているか、申請と審査で止まっているか
質問文例：「新しいAIツールを業務に導入する場合、現場の判断から実際に利用開始するまで、通常どれくらいの期間がかかりますか」
申請と審査で数カ月かかる組織では、試行錯誤の経験が積めない。現場の裁量で週単位で回る組織との差は1年で埋まらなくなる。
3. 自分がアサインされるのはどの層か
質問文例：「このポジションでは、AIを使う側の作業が中心ですか、それともAIをどの業務に組み込むかの設計と責任を持つ側ですか」
第1層の作業要員として採用されるのか、切り分けと責任を持つ側として採用されるのかで、得られる経験が変わる。後者でなければ、転職する意味は薄い。ITコンサル面接対策と選考プロセス攻略｜ケース面接から逆質問まで完全解説でも触れたが、逆質問は自分の判断材料を集める場として使う。
4. 失敗をどう扱うか
質問文例：「過去にAI起因のミスが発生した場合、組織としてどのように対応しましたか」
AI起因のミスが出たときに利用停止に振れる組織か、ガードレールを作って続ける組織かで、経験を積める期間が決まる。前者では一度の失敗で経験の機会が消える。
5. その環境が続く根拠があるか
質問文例：「経営層は、AIへの投資を今期限りの施策として扱っていますか、それとも中長期の投資として扱っていますか」
一時的な流行として扱われている場合、予算が削られたタイミングで経験の場が消える。投資として扱われているかどうかは、経営の意思決定の文脈から読み取る。
こんなコンサルファームは入社するな｜後悔しない選び方の重要ポイント7選で挙げた「入ってから分かる構造」の見極め方と同じで、面接で聞ける質問の形に落としておくことが重要である。
転職しないという選択肢と、その場合の撤退ライン
Photo by Christina @ wocintechchat.com M on Unsplash
配偶者・子供・住宅ローンを抱えた読者にとって、環境の悪さだけを理由にした転職はリスクが割に合わないことがある。大企業エンジニアがスタートアップ転職で失敗しない方法｜よくある後悔と対策を解説でも触れたが、環境を変えるリスクは定量的に判断すべきである。
現職に残る場合の打ち手は以下の通り。
小さくても自分の責任範囲でAIを本番業務に通す
自分の担当業務の一部だけでも、AIを組み込んで責任を持って運用する。社内稟議を通す必要がない範囲で、まず第2層・第3層の経験を作る。
社内の先行部門に手を挙げる
AI活用が進んでいる部門が社内にあるなら、そこへの異動や兼務を打診する。同じ会社の中でも部門によって環境は大きく異なる。
外部の実務コミュニティで第2層の経験を補う
社内で経験が積めない場合、外部の勉強会やコミュニティで実案件の事例を聞き、自分の業務に持ち帰って試す。完全な代替にはならないが、判断の引き出しは増やせる。
残る判断の撤退ラインを事前に決めておく。撤退ラインは年齢や年収ではなく、経験できる内容で定義したほうが判断がぶれない。
例：
- 1年後に自分の名前で本番稼働した業務が1つも増えていない
- AI関連の意思決定に一度も呼ばれていない
- 社内で「AIはリスクが高い」という理由で利用停止の動きが出ている
これらの状態になったら、環境を変える判断に移る。撤退ラインを先に決めておけば、ずるずると現職に残り続けることを避けられる。
よくある誤解
誤解1：資格やプロンプトの学習で追いつける
追いつくのは第1層まで。第2層・第3層の経験は、責任を持った案件の中でしか得られない。
誤解2：AIに強い会社＝AIを売っている会社
売る側でも社内は旧来運用ということはある。自分が入る部署の実態を見る。コンサル役職別の年収と昇格の仕組み｜シニアマネージャー・プリンシパルに求められる成果でも触れたが、ポジション設計の中身を確認しないと、入ってから期待と現実のギャップに直面する。
誤解3：管理職はもう手を動かさなくていい
出力の良し悪しを判断できないマネジメントは、見積もりも品質判断もできなくなる。自分で手を動かさなくても、出力をレビューして責任を持つ経験は必要である。
誤解4：今すぐ動かないと手遅れ
手遅れになるのは環境が数年変わらない場合であり、明日決める話ではない。判断基準を整理してから動く。
まとめ：判断基準と次の一手
判断基準は「その環境で、AIを組み込んだ業務の責任を持つ経験ができるか」の一点に集約する。
現職で作れるならまず作る。小さくても自分の責任範囲で本番運用の経験を積む。作れない構造があるなら環境を変える。
転職を検討する場合、求人票からは第2層・第3層の実態が読み取れないため、面接で5つの確認点を聞き、ポジション設計の中身を確認してから判断する。現職に残る場合は、撤退ラインを状態で定義し、その状態になったら環境を変える判断に移る。
AIリテラシーの差は、個人の勉強量ではなく「AIが前提の環境にいた時間」で開く。この構造を理解したうえで、自分がどの環境に身を置くかを判断してほしい。
もし、AI活用の実態や自分がアサインされる層まで踏み込んで確認したいという場合は、徐 聖博を指名してキャリア相談するで対応している。私自身が現役でコードを書き、AIを日常的に併用している立場から、判断材料を整理する。
FAQ
AIリテラシーは個人の勉強で追いつけるのか
第1層（使う）は個人学習で追いつける。しかし第2層（設計する）・第3層（責任を取る）は、実案件で責任を持った経験が必要であり、個人学習だけでは届かない。
AIを使えない職場にいると何が起きるのか
AIを業務に組み込む判断の経験が積めないまま年数が経ち、後から追いつくのが難しくなる。PC導入期に取り残された層と同じ構造が再現する。
AI経験が積める環境かどうかを面接でどう見極めるのか
本文で挙げた5つの確認点を面接で聞く。特に「本番稼働している業務が何本あるか」「自分がアサインされるのはどの層か」は必ず確認する。
40代・50代からでもAI活用の経験は積めるのか
積める。ただし環境が重要である。年齢ではなく、AIを本番業務に組み込んで責任を持つ経験ができる環境にいるかどうかで決まる。
転職せずに現職でAI経験を積む方法はあるのか
ある。自分の責任範囲で小さくても本番運用の経験を作る、社内の先行部門に手を挙げる、外部の実務コミュニティで判断の引き出しを増やす、といった打ち手がある。ただし1年後に経験が積めていない場合は、環境を変える判断に移る。
