LASSIC Media らしくメディア

LASSIC IT事業部｜元請（プライムベンダー）としてシステム保守・運用を受託

生成AI活用人材とは：プロンプト設計・業務適用・社内推進を担う”使う側”の職能

生成AI活用人材とは、既存の生成AI・LLM（大規模言語モデル。文章の生成や要約を担うAI）を業務プロセスに組み込み、プロンプト設計・利用ガイドライン整備・社内展開を担う”活用側”の人材を指します。モデルそのものを開発するエンジニアとは職能が異なる点が特徴です。総務省「令和6年版 情報通信白書」でも企業の生成AI利活用が主要テーマの一つとして扱われており^*1、業務にどう組み込むかを担う人材の重要性が高まっています。

活用側人材の中心的な仕事は、生成AIを「どの業務の・どの場面で・どう使うか」を設計することです。既存の業務フローを見直し、AIに任せる部分と人が判断する部分を切り分けます。

この職能には、モデル開発のような高度な機械学習の知識までは求められないのが一般的です。求められるのは業務理解とプロンプト設計、そして社内に使い方を広げる推進力です。技術と現場の橋渡し役と言えます。

活用人材が担う主な業務

活用側人材が実務で担う範囲を整理すると、次のように分けられます。

• ユースケース選定：議事録要約・問い合わせ一次対応・文書ドラフト作成など、効果が出やすい業務を見極める
• プロンプト設計：目的に沿った指示文を設計し、出力の品質と再現性を高める
• 利用ガイドライン整備：入力してよい情報の範囲や出力物の確認手順を定める
• 社内展開・定着：研修・マニュアル・相談窓口を通じて現場の利用を広げる
• 効果測定：利用状況や業務時間の変化を把握し、改善につなげる

これらは技術部門だけで完結する業務ではありません。業務部門・法務・情報システムを横断して調整する役割を含みます。

開発側人材との違い：モデルを作る人と、業務に組み込む人の役割分担

生成AIの人材不足を語るとき、モデルを開発するAI・機械学習エンジニアと、業務に組み込む活用人材が混同されがちです。両者は求められるスキルも育成の道筋も異なるため、区別して考える必要があります。

開発側は、モデルの学習・実装・運用基盤の構築を担います。統計やソフトウェアエンジニアリングの専門知識が中心で、育成には長い期間を要します。一方で活用側は、出来上がった生成AIサービスを前提に、業務にどう活かすかを設計する役割です。

この違いを踏まえると、補完策の考え方も変わります。開発側の不足は高度技術者の確保という論点になりますが、活用側の不足は「業務を理解した推進役をどう配置するか」という組織設計の論点です。本稿は後者に絞って解説します。

活用人材に求められるスキルの重心

活用側人材に求められるスキルは、技術知識よりも業務適用力に重心があります。プロンプト設計は高度なプログラミングとは異なり、目的の言語化と検証の反復が中心です。

加えて、社内展開を進める推進力が欠かせません。現場が生成AIを使いこなすには、導入して終わりではなく、使い方の教育と運用ルールの浸透が必要になるからです。技術と業務の両方に目配りできる人材が求められます。

活用人材が不足する背景：利活用の広がりと育成の追いつかなさ

活用人材の不足には、需要の急拡大と育成の遅れという2つの背景があります。利活用の裾野が広がる一方で、それを推進できる人材の育成が追いついていない状況です。

総務省「令和6年版 情報通信白書」では、企業の生成AIの利活用状況が調査されています^*1。同白書では、生成AIの活用方針の策定状況などが示されており、活用に向けた企業側の取り組みが進みつつあることがうかがえます。ただし調査の対象・時期は資料本体で確認のうえ、数値の意味を取り違えないよう注意が必要です。

人材面では、独立行政法人情報処理推進機構（IPA）が「DX動向2024」でDXを推進する人材の不足が深刻化していると整理しています^*2。生成AIの活用もDX推進の一部であり、推進役となる人材の不足感が高い状況が続いています。

育成の枠組みは整いつつある

育成の指針は徐々に整備されてきました。経済産業省とIPAは「デジタルスキル標準（DSS）」を改訂し、生成AIに関する補記を加えています^*3。これにより、企業がどのようなスキルを身につけさせるべきかの参照点が示されました。

もっとも、指針が整っても現場で使いこなせる人材が自動的に増えるわけではありません。IPAは「DX動向2025」でもAI時代のデジタル人材育成をテーマに取り上げており^*4、育成の必要性が引き続き論点となっています。指針と現場の実装力の間には、まだ距離があると考えられます。

なぜ育成が追いつかないのか

育成が追いつかない理由の一つは、活用人材の職能が新しく、社内に教える側の人材がいない点にあります。プロンプト設計や業務適用のノウハウは、実務の中で試行錯誤して蓄積されるものだからです。

もう一つは、業務理解と推進力を兼ね備えた人材がもともと限られる点です。技術に明るいだけでも、業務に詳しいだけでも務まりません。両者をつなぐ経験を積んだ人材は、社内でも希少になりがちです。

不足を放置するリスク：試験導入止まり・利用ルール不在・現場の属人化

活用人材の不足を補わないまま生成AIの導入を進めると、いくつかのリスクが連鎖します。導入そのものは容易でも、業務に定着させて成果に結びつける段階でつまずきやすくなります。

試験導入で止まり、業務成果に結びつかないリスク

推進役が不在だと、生成AIの導入がツールを契約しただけの状態で止まりがちです。どの業務に適用すれば効果が出るかを設計する人がいなければ、現場は使い方を持て余します。

試験導入から本格運用へ進めないまま、投資対効果を経営層に示せない状況も生まれます。効果が見えなければ次の予算がつかず、活用が停滞する悪循環に陥ります。

利用ルールが定まらず、情報管理上の懸念が残るリスク

利用ガイドラインを整える担い手がいないと、入力してよい情報の範囲が曖昧なまま利用が広がります。個人情報保護委員会は、生成AIサービスの利用に関する注意喚起を公表しており^*5、入力する情報の取り扱いには一般的な留意が求められます。

ルールが不在のまま現場任せで使われると、想定外の情報が入力される懸念が残ります。誰がどう使うかを定める役割は、活用人材の重要な仕事です。

特定の担当者に依存し、ノウハウが属人化するリスク

生成AIに詳しい一部の担当者だけが使いこなす状態は、属人化を招きます。その担当者が異動・退職すると、プロンプトの工夫や運用の勘所が引き継がれずに失われます。

属人化を避けるには、プロンプトや使い方を文書化し、組織の資産として残す仕組みが必要です。この仕組みづくりも、推進役となる活用人材が担う領域にほかなりません。

内製育成と外部委託の使い分け：目的とフェーズで選ぶ補完策

活用人材の不足を補う方法は、内製育成と外部委託・伴走支援に大別できます。どちらか一方ではなく、目的とフェーズに応じて組み合わせる発想が現実的です。以下に両者の特徴を比較します。

これらは排他的ではありません。初期の設計を外部委託で素早く立ち上げ、伴走支援で並走しながら社内育成を進め、段階的に内製へ移す組み合わせが機能しやすいパターンです。

委託の進め方：ユースケース定義からPoC・社内展開までの4ステップ

外部委託や伴走支援を「とりあえず頼む」だけで終わらせると、外部依存が固定化して社内に知見が残りません。以下の4ステップに沿って進めることで、委託と育成を両立させた持続可能な体制を築けます。

ステップ1：効果が出やすい業務を選び、優先順位を絞る

最初に陥りやすい失敗は、「生成AIで何かやりたい」という漠然とした目標のまま委託先を探すことです。議事録要約・問い合わせ対応・文書ドラフトなど、対象業務を具体化してから検討することが大切です。

候補業務は、効果の大きさと実現のしやすさの2軸で並べます。頻度が高く定型的な業務ほど、生成AIの効果が見えやすいでしょう。最初の一歩を絞ることで、その後の検証が進めやすくなります。

ステップ2：PoCでプロンプトと効果を検証する

対象業務が定まったら、外部委託や伴走支援でPoC（概念実証）を実施します。プロンプトを設計し、出力の品質と業務時間の変化を小さく試します。目的は完璧な仕組みづくりではなく、本格展開に値するかの見極めです。

この段階で社内の担当者候補をPoCに参加させると、外部の設計判断を間近で学べます。委託先にプロンプトの設計意図やレビューへの参加を求めることが、知見移転の出発点になります。

ステップ3：利用ガイドラインと情報管理のルールを整える

展開に先立ち、利用ガイドラインを整えます。ここで明文化すべきは、入力してよい情報の範囲・出力物の確認手順・業務ごとの使い方です。個人情報保護委員会の注意喚起^*5や、総務省・経済産業省の「AI事業者ガイドライン」^*6を参照点として、自社に合わせた基準を定めます。

ルールは現場が守れる粒度にすることが大切です。禁止事項を並べるだけでなく、推奨される使い方も示すと、現場が迷わず利用できます。

ステップ4：研修と定着支援で社内展開し、内製へ移す

ルールが整ったら、研修とマニュアル、相談窓口を通じて現場へ展開します。プロンプトの例を共有し、成功した使い方を横展開すると定着が進むでしょう。伴走支援を受けている場合は、外部が並走しながら社内担当者へ運用を引き継ぎます。

展開の過程で社内担当者が推進役を担えるようになれば、外部委託の範囲を段階的に縮小できます。効果測定の結果を経営層に共有することで、次の適用業務への投資判断もしやすくなります。

情報管理・委託先選定の留意点：ガイドライン整備と知見移転

生成AIの業務活用を外部と進める際は、情報管理と委託先選定に一般的な留意点があります。ここでは、内製で担う場合との違いも踏まえて整理します。

情報管理は一般的な留意点として設計する

生成AIに業務情報を入力する場面では、入力する情報の取り扱いに注意が求められます。個人情報保護委員会は生成AIサービスの利用に関する注意喚起を公表しており^*5、個人情報を含む入力には慎重な判断が必要とされています。そのため委託先とルールを共有し、扱う情報の範囲を事前に取り決めておくことが望まれるでしょう。

また、総務省・経済産業省の「AI事業者ガイドライン」^*6は、AIの開発・提供・利用に関わる主体が留意すべき事項を整理しています。自社のガイドライン整備の参照点として活用できます。

内製で担う場合に必要な体制

活用人材を内製で確保するには、業務理解・プロンプト設計・社内調整の3つの力を兼ね備えた担当者が要ります。加えて、法務・情報システム部門と連携してルールを運用する体制も欠かせません。

これらを短期間で社内だけで整えるのは容易ではありません。推進役が育つまでの間、業務が止まらないよう外部の支援で補う判断が現実的な場面もあります。内製にこだわるほど、着手が遅れるリスクとの兼ね合いが問われます。

委託先を選ぶ際の確認ポイント

委託先を選ぶ際は、開発力よりも業務適用と推進の実績を確認します。自社に近い業種・業務での支援経験があるか、プロンプト設計やガイドライン整備まで対応できるかが判断材料になります。

あわせて、知見移転の進め方を契約段階で確認します。設計意図の文書化・社内担当者のレビュー参加・内製化に向けた引き継ぎを支援範囲に含める委託先は、作って終わりではなく長期のパートナーとして機能するでしょう。元請（プライムベンダー）として窓口を一本化できる体制なら、責任の所在が明確になり、対応が滞りにくくなります。

まとめ：生成AI活用人材の不足を補う3つの判断軸

本稿では、生成AI活用人材の位置づけから不足の背景、内製育成と外部委託の使い分け、委託の進め方と情報管理の留意点までを整理しました。要点を3つに集約すると次のとおりです。

第一に、生成AI活用人材はモデルを開発する人材とは別の職能です。プロンプト設計・業務適用・社内推進を担う”使う側”の人材であり、業務理解と推進力に重心があります。補完策も開発人材とは分けて考える必要があります。

第二に、不足の補い方は採用一択ではありません。内製育成と外部委託・伴走支援を目的とフェーズで組み合わせ、初期設計を外部で立ち上げつつ社内育成を並走させる進め方が現実的です。

第三に、委託は「用途定義→PoC→ルール整備→社内展開」の4ステップで進め、情報管理と利用ガイドライン整備をセットで設計することが成果を左右します。知見移転を契約範囲に含め、内製化への道筋をあらかじめ描くことが、長期的なリスク低減につながります。

よくある質問

著者：テレリモ総研編集部　鈴木 亮佑

ご不明な点はお問い合わせフォームからもご連絡いただけます。

1. *1　出典：総務省「令和6年版 情報通信白書（企業における生成AIの利活用）」（2024年）
2. *2　出典：独立行政法人情報処理推進機構（IPA）「DX動向2024 深刻化するDXを推進する人材不足と課題」（2024年）
3. *3　出典：経済産業省・独立行政法人情報処理推進機構（IPA）「デジタルスキル標準ver.1.2（生成AIに関する補記の追加）」（2024年）
4. *4　出典：独立行政法人情報処理推進機構（IPA）「DX動向2025（AI時代のデジタル人材育成）」（2025年）
5. *5　出典：個人情報保護委員会「生成AIサービスの利用に関する注意喚起等について」（2023年）
6. *6　出典：総務省・経済産業省「AI事業者ガイドライン」（経済産業省 AI事業者ガイドライン関連ページ）

Tweet