AI Proficiency：単なる利用から実践的な構築者へ、そのステップと必要なスキルセットを解説します

多くの企業が AI 導入において陥っているのは、ツールの普及や処理速度といった表面的な指標に執着しすぎている点です。Tier One Performance のマイク・ルイス氏は、業務プロセスそのものを再構築できる人材の育成こそが重要であると指摘します。

AI 熟練度を定義する L0 から L3 までの 4 段階モデル

ルイス氏は、AI への対応能力を評価する際、L0 から L3 までの 4 つのレベルで構成される階層モデルを提案しています。これは単なる技術的な習熟度ではなく、組織内での思考様式や影響力の範囲を示す指標です。

• L0（未使用・抵抗）: AI を利用しない、あるいは抵抗する層です。ここには「仕事への恐怖」から来る抵抗と、「AI の品質への失望」による抵抗の 2 つのタイプが存在します。
• L1（利用者）: AI ツールを日常的に使いこなす層です。メール作成や文書解釈などで効率化を図っていますが、企業全体としての明確な価値創出には繋がりにくい段階です。
• L2（非技術的構築者）: 技術スキルよりも業務への深い理解を持ち、AI エージェントを活用して組織の作業様式そのものを模倣・再構築できる人材です。
• L3（組織全体に影響を与える人）: L2 が作成した成果物をスケーラブルで堅牢なものにし、ガバナンスや法則違反を防ぐなど、組織全体の安定と拡大を担う存在です。

ルイス氏は「L1 は L0 よりも優れている」「L3 は L2 よりも上」という上下関係ではなく、組織内で異なる役割を担う層として捉えるべきだと強調しています。

注目すべきは「非技術的構築者」：業務の DNA を理解する人材

企業変革において最も重要なのは、L1 から L2 への飛躍です。ルイス氏は、AI に熱狂して最新のモデル名を叫ぶ「AI エクサイテッド（AI Excited）」な層ではなく、組織の「DNA」を深く理解している人物こそが L2 の候補であると定義します。

「L2 に必要なことは技術的な適性ではありません。最も重要なのは、その会社の業務を驚くほどよく理解しているか、ブランドに敬意を払いながら成果物を届けるスタイルを持っているかどうかです。」

L2 は、特定のタスクを AI で代行するだけでなく、AI エージェントを用いて「組織が望む形」で作業プロセス全体を再設計できる能力を持ちます。彼らは、現場の熟練者が行うべき業務の本質を見極め、それを AI によって再現・拡張する役割を果たします。

また、ルイス氏はチーム構成において「1 チームに L2 は 1 名」という原則を推奨しています。複数の L2 がいると混乱を招くため、L2 が創造的な構築を行い、その成果物を L3 が検証・安定化させるという協働モデルが理想とされます。

「品質への失望」に耳を傾ける：抵抗の背景にある真実

AI 導入に対する現場の抵抗（L0）には、単なる懐疑心や恐怖だけでなく、「AI の出力品質が業務に耐えられない」という正当な不満が含まれているケースがあります。ルイス氏は、この「品質への失望」を持つ層の声にこそ、組織が学ぶべき重要なヒントがあると説きます。

「彼らが抵抗しているのは、ツールがまだその仕事に耐えられないと感じているからです。AI の専門家や経営陣は、まず耳を傾ける必要があります。」

あるマーケティング担当者から「人間の方がずっと良い成果を出せる」という指摘を受けた際、ルイス氏は AI 技術の限界や、より適切なトレーニング・ツールの必要性に気づかされました。現場からの「品質への失望」を無視せず、なぜ AI がその業務で失敗するのかを真摯に分析することが、実効性のある変革には不可欠です。

速度やコストよりも：制約の中で創造的解決策を見出す姿勢

未来の予測や、単なる処理速度の向上、コスト削減への執着こそが、多くの組織におけるノイズであるとルイス氏は断じます。重要なのは、現在のガバナンスや技術的な制約がある環境下で、いかに創意工夫し、人間にしかできない新しい種類の業務を創出できるかです。

「速いことが必ずしも良いわけではありません。システムの一部だけを急激に変えても、周囲が追いつかなければ混乱（ホイップラッシュ）と不安を生むだけです。」

多くの大企業では、複数の AI ツールが導入されていても互いに連携せず、使い勝手が悪いために現場で放棄されるケースが多々あります。ルイス氏は、こうした「壁」に耐えながら、制約の中でどうすれば成果を出せるかを模索する姿勢こそが、今後数年間で最も価値を持つスキルであると結論づけます。

まとめ：組織変革の焦点を「人材の発掘と協働モデル」へ

企業が AI 導入において成功するためには、ツールの普及率や速度向上といった数値目標に固執するのではなく、業務プロセスそのものを再設計できる L2（非技術的構築者）の発掘と育成にリソースを集中させるべきです。同時に、現場からの「品質への失望」を真摯に受け止め、AI と人間の協働モデルを現実的な制約の中で構築していく姿勢が求められます。

未来の姿を夢想するよりも、現在の制約の中で創造的な解決策を見出し、組織の DNA を理解した人材を育てる。それが、持続可能な AI 変革への唯一の道筋です。