IT運用スタッフのトレーニングにAIを活用するコツ：Gartner Insights Pickup（449）
AIの普及により、I＆O部門ではスキル要件の変化が加速し、従来型のトレーニングでは対応が難しくなっている。このため、AIを活用した継続的かつ実践的な学習への移行が求められている。Gartnerは、AIを活用して新たなスキルを持つ人材を継続的に育成するI＆O責任者の割合が、2026年に40％、2028年には70％に達すると予測している。本稿では、AIを活用したトレーニングを成功させるコツを紹介する。
この記事は会員限定です。会員登録（無料）すると全てご覧いただけます。
企業におけるAIの急速な普及とビジネスの自律性に対する需要の高まりにより、インフラとオペレーション（I＆O）の役割やスキル要件の変化が加速している。
I＆Oチームの従来のトレーニング手法（認定資格の取得、静的なeラーニングモジュール、OJTでのシャドーイング〈指導者や先輩に同行し、行動を観察、模倣すること〉など）では、進化する技術や運用モデル、ビジネスの期待に追い付くのが難しくなっている。
その結果、I＆Oチームでは、スキルギャップの慢性化と拡大が生じている。I＆O責任者はスキルギャップを埋めるために、チームのトレーニングにAIを活用する必要がある。
AIは、I＆Oチームがスキルを磨く方法を変革する重要な触媒となりつつある。Gartnerは、2028年までにI＆O責任者の70％が、チーム内で新たなスキルを持った人材を継続的に育成するために、AIを利用するようになると予測している。2026年はこの割合が40％に達する見通しだ。
AIを活用したトレーニングを効果的に実施すれば、学習はより継続的かつ俊敏に、日々のワークフローに組み込まれて実施できる可能性がある。AIエージェントは、リアルタイムのガイダンスやパーソナライズされたコンテンツを提供し、状況に応じたスキル開発を可能にすることで、体験学習やソーシャル学習（参加者同士の学び合い）、形式的学習（eラーニングや講習など一方向的な学習）を支援できる。時間の経過とともに、これらの機能は個々のタスクを支援するだけでなく、I＆Oトレーニング戦略を広く支える基盤へと進化し、チームがより効率的にスキルを構築、活用するのに役立つと期待される。
だが、単にAIツールをトレーニングプログラムに導入するだけでは不十分だ。人間と機械学習のバランスの変更は、新たな機会とともに新たなリスクをもたらす。価値を実現するために、I＆O責任者は人材戦略を見直し、高品質なコンテキストデータの収集と利用を優先する必要がある。これらの変革を怠れば、AIを活用したトレーニングは、I＆Oの能力を持続的に向上させる原動力となるどころか、余計な手間を増やしたり、コストの無駄遣いになったりする恐れがある。
AI機能を活用し、I＆O人材戦略を再考する
拡大し続ける慢性のスキルギャップを埋めるため、I＆O責任者は、的を絞ってAIを取り入れられるように、人材戦略を適応させる必要がある。
I＆O責任者は、AIを一律に適用するのではなく、AIを活用した学習で最大の効果が得られるスキル課題に投資を集中させるべきだ。課題としては、変動するスキル要件や重大なスキルギャップを抱えるチーム、ビジネス価値や運用リスクの高いワークフローが挙げられる。
この選択的なアプローチにより、中核業務の混乱を抑えながら、AIを活用したトレーニングを、進化するビジネスニーズに合致させられる。
またI＆Oリーダーは、スキル開発に役立つAI資産を特定する必要がある。その多くは、運用ツールやエンタープライズ学習プラットフォーム内に既に存在している。I＆Oワークフローに組み込まれたAIベースのアシスタントを使うことは、スキルギャップを埋めるための現時点で最も身近な機会だ。一方、より高度なエージェント機能は成熟の途上にあり、長期的な人材戦略の一部として引き続き位置付けるべきだ。
さらに、I＆O責任者はより多くのAIツールが技術貢献と人材育成の両面で価値を提供するように、2つの目的の観点から選択と利用について判断する必要がある。例えば、AI主導の分析と推奨事項は、チームが複雑な問題のトラブルシューティングを迅速に行うのに役立つと同時に、ワークフローの一環として、チームを高度な問題解決手法やベストプラクティスに触れる機会を提供する。
エントリーレベル（新人）の役割がより複雑になる中、AIは、I＆Oにおける初期キャリア開発の在り方を変えつつある。従来の段階的な学習枠組みが後退するのに伴い、若手従業員はより的を絞った支援を必要としている。生成AIによるシミュレーションは、複雑な、または高リスクのシナリオで演習するための安全で構造化された環境を提供し、実際の運用に追加のリスクをもたらすことなく、体験学習を加速させる。これらの機能を中心にキャリア初期のスキル開発を再設計することで、I＆OチームはAI主導による役割変革に適応しつつ、専門知識・ノウハウを深められる。
I＆Oのコンテキストデータ収集を優先し、AIの精度を高める
AIを活用したトレーニングは、本質的に確率論的である生成AIモデルに依存している。このため、適切な制約を課さないと一般的で具体性が乏しい、あるいは不正確なガイダンスを提供する恐れがある。I＆O責任者はこのリスクを軽減するため、生成AIモデルに提供される情報を設計、管理、最適化する手法である「コンテキストエンジニアリング」を優先する必要がある。
コンテキストエンジニアリングは、明確に定義された知識の境界と制約の中でモデルが動作することを保証することで、AI出力の精度、関連性、信頼性を向上させる。モデルがマルチステップタスクや半自律的タスクを支援する場合は特に効果的だ。
AIを活用した学習により、組織の環境に関連するスキルをチームが習得できるように、I＆Oリーダーは、I＆Oの高品質なコンテキストデータの収集に注力する必要がある。その中にはI＆Oのサービスや資産に関連する、システムレベルの指示、ワークフロープロセス、運用のランブック、ポリシー、役割定義、変更管理データが含まれる。
正確で適切かつタイムリーな基礎情報への投資は大変だが、これにより、AIはI＆Oのトレーニングなどのユースケースにおいて、有用な出力やアクションを生成できるようになる。
出典：The Future of AI Powered Training for I＆O Teams（Gartner）
※この記事は、2026年3月に執筆されたものです。
Copyright © ITmedia, Inc. All Rights Reserved.
アイティメディアからのお知らせ
注目のテーマ
ITmediaはアイティメディア株式会社の登録商標です。