「AI使えます」をどう評価するか？ 採用基準と組織変革に使えるAI活用成熟度モデル

採用基準と組織変革のロードマップに使える「AI活用成熟度モデル」の提案

生成AIの普及に伴い、採用面接や社内評価で「どのくらいAIを使えますか」と尋ねる場面が増えています。

しかし、「AIを使っている」という言葉が指す範囲は、あまりにも広くなりました。

• ChatGPTに質問や相談をする

• AIで調査、分析、資料作成を行う

• AIとコードや業務成果物を作る

• プロンプトや手順を標準化する

• AIエージェントにファイルや業務ツールを操作させる

• AIを定期実行し、監視・再試行・権限管理を行う

• AIを前提に商品、業務、組織を再設計する

これらをすべて「AIを使える」という一言で表すと、採用担当者も、AI推進担当者も、経営者も、相手の能力や組織の現在地を正確に判断できません。

そこで、AI活用を「5級から1級」「初心者から上級者」といった単純な階級で整理しようとする意見が出てきます。直感的で分かりやすい一方、採用基準や組織変革のロードマップとして使うには問題があります。

本記事では、単純な階級に代わるAI活用成熟度モデルを提案します。

目的は、人を序列化することではありません。次の用途で再利用できる共通言語を作ることです。

• AI人材の採用基準

• 社員のAIスキル評価

• AI研修の到達目標

• 部門・業務ごとの現状診断

• AI導入ロードマップ

• AIエージェントの運用審査

• AIガバナンスの整備

• AI投資の優先順位づけ

先に結論：「何を使っているか」ではなく、「何を任せ、どう統制し、どんな価値を生んでいるか」で評価する

本記事の主張は、次の一文に集約されます。

独自のCLI、MCP、AIエージェント、エージェントハーネスを作れる人は、高い技術力を持っている可能性があります。

ただし、次の状態であれば、成熟したAI活用とはいえません。

• 出力品質が安定していない

• 評価基準やテストがない

• 実行ログが残っていない

• 公開、削除、送信などの危険操作を制御できない

• 本人しか使えない

• 失敗時の復旧方法がない

• 保守責任者がいない

• コストを把握していない

• 業務成果が測定されていない

• 既存ツールより複雑になっただけである

反対に、自分ではAPIを実装しない経営者や業務責任者でも、AIを前提に業務を再設計し、複数部門に定着させ、売上・原価・品質・速度を改善しているなら、成熟度は高いと評価できます。

したがって、次のような単純な序列は妥当ではありません。

プロンプトの長さ、エージェント数、使用モデル、自作ツールの有無は、能力の一部を示す情報です。しかし、それ自体が最終成果ではありません。

評価すべきなのは、少なくとも次の4点です。

1. 委任：AIにどこまで仕事を任せているか

2. 品質：一定の品質を繰り返し出せるか

3. 統制：リスクを把握し、安全に運用できるか

4. 価値：業務や事業にどのような成果を生んだか

なぜ「AI活用の階級」では不十分なのか

1．異なる能力を一つの階段に混ぜてしまう

「AIを使える」という言葉には、性質の異なる能力が含まれています。

• AIに適切な指示を出す能力

• 調査・分析を行う能力

• 文章、画像、資料、コードを作る能力

• 業務手順を設計する能力

• APIやデータベースを連携する能力

• AIエージェントを構築する能力

• 品質を評価する能力

• セキュリティやリスクを管理する能力

• AIを事業成果につなげる能力

• 組織へ定着させる能力

これらは、必ずしも同時に高くなりません。

技術構築力は高いが、業務設計やガバナンスは弱い人もいます。反対に、実装は外部へ任せながら、業務変革、投資判断、組織展開に優れた経営者もいます。

一つの階級へ押し込むと、本来別々に見るべき能力を、無理に一列の優劣へ変換してしまいます。

2．ツール名や肩書きに評価が引っ張られる

「Codexを使っている」「Git管理している」「MCPを作った」「マルチエージェントを動かしている」という情報は、経験の一部を示します。

しかし、それだけでは成果の質を判断できません。

Gitは変更履歴を管理する手段であり、Gitを使うだけで品質管理力や事業変革力が証明されるわけではありません。独自CLIやハーネスも同様です。

OpenAIのエージェント構築ガイドは、複雑さを増やす前に、プロンプトテンプレートや単一エージェントなど、より単純で保守しやすい構成を最大限活用する考え方を示しています。マルチエージェント化は上級者の勲章ではなく、単純な構成では要件を満たせない場合に採用する設計上の選択肢です。

参考：OpenAI「A practical guide to building agents」

3．自律性が高いほど上級とは限らない

「人間の承認なしで、AIが最後まで実行する状態」を上位とみなす分類もあります。

しかし、採用、契約、支払い、医療、法務、顧客情報、本番環境の変更では、承認なしで動く方が危険です。

高度なAI活用とは、何でも自動化することではありません。

この使い分けを設計できることが成熟度です。

NISTのAI Risk Management Frameworkは、AIリスク管理を Govern・Map・Measure・Manage の継続的な機能として整理しています。AIの信頼性は、モデル性能だけでなく、利用目的、影響、監督、測定、改善まで含めて管理する必要があります。

参考：NIST「AI Risk Management Framework」

4．事業成果との関係が弱い

高度なAIツールを使っていても、次の問いに答えられなければ、組織にとっての価値は判断できません。

• 作業時間はどれだけ減ったか

• 処理件数はどれだけ増えたか

• ミスや差し戻しは減ったか

• リードタイムは短縮したか

• 顧客満足度は改善したか

• 売上や粗利に影響したか

• 新しい商品や収益源につながったか

MicrosoftのAgentic AI Adoption Maturity Modelは、技術導入だけを成熟度とせず、事業戦略、業務プロセス、価値、ガバナンス、技術・データ、組織・文化などを複数の柱で評価します。また、このモデルを一度限りの点数表としてではなく、現状把握、ギャップ特定、投資の優先順位づけ、安全な進展のための計画ツールとして使うよう説明しています。

参考：

• Microsoft「Introduction to the Agentic AI adoption maturity model」

• Microsoft「How to use the agentic AI adoption maturity model」

評価単位を先に決める

成熟度を評価する前に、「誰の、何の業務を評価するのか」を固定する必要があります。

推奨する評価単位は、次のとおりです。

「この人はAIレベル5」と一括評価するのではなく、原則として次のように表現します。

• 調査業務：レベル4

• 営業提案：レベル3

• ソフトウェア開発：レベル5

• 組織導入：レベル2

会社全体も同様です。

• 会議録作成：レベル3

• 問い合わせ分類：レベル4

• SNS投稿：レベル2

• AIガバナンス：レベル1

評価単位を業務へ落とすことで、「何を改善すべきか」が明確になります。

AI活用成熟度モデル：6段階＋導入前

本モデルは、導入前を含む7区分で整理します。

• 区分：0／名称：導入前・未定着／中心的な状態：試用段階で、業務利用が定着していない

• 区分：1／名称：対話支援／中心的な状態：AIから回答、相談、案、下書きを得る

• 区分：2／名称：成果物共同制作／中心的な状態：人間主導で実務成果物を作る

• 区分：3／名称：再現可能ワークフロー／中心的な状態：AI活用を標準手順として繰り返せる

• 区分：4／名称：エージェント実行／中心的な状態：AIがツールを使い、複数工程を実行する

• 区分：5／名称：管理された自動運用／中心的な状態：AI業務を継続的かつ安全に運用する

• 区分：6／名称：AIネイティブ業務・事業／中心的な状態：業務、商品、組織をAI前提で再設計する

レベルが上がるほど、AIへ任せる範囲だけでなく、品質、再現性、統制、定着、価値測定が求められます。

レベル0：導入前・未定着

状態

AIを試したことはあるものの、継続的な業務利用には至っていません。

代表例

• 数回だけChatGPTを使った

• 研修で操作したが、その後は使っていない

• 興味本位で文章や画像を生成した

• AI出力を実務に採用していない

• どの業務に使うか決まっていない

• 利用実績や効果を確認していない

判定の目安

次のいずれかに該当する場合は、レベル0とみなします。

• 直近90日間で実務利用が3回未満

• AI出力が実際の判断や成果物に使われていない

• 利用実績や成果を説明できない

• 個人的な試用だけで終わっている

有料プランを契約していることや、高性能モデルへアクセスできることは、成熟度の証拠にはなりません。

レベル1：対話支援

状態

AIから回答、相談、アイデア、下書きを得て、人間が実作業や判断を行います。

代表例

• チャットによる相談

• Web検索の補助

• 要約、翻訳

• メールの下書き

• アイデア出し

• 学習支援

• 簡単なコード例の生成

• 会議前の論点整理

• 文章の言い換え

必須条件

• AIを業務または学習で継続利用している

• AI出力を人間が確認し、採否を判断している

• AIは原則として外部環境を変更しない

• AIの中心的な役割は「回答を返すこと」である

誤解されやすい点

次の行為はレベル1内の習熟を示しますが、単独ではレベル2以上を意味しません。

• 長いプロンプトを書ける

• カスタム指示を使っている

• 複数モデルを使い分けている

• Deep Researchを利用している

• プロンプト集を持っている

• AIサービスを複数契約している

プロンプトの長さではなく、その出力が実務へどう使われたかを見ます。

レベル2：成果物共同制作

状態

AIと人間が共同で、実際の業務に使われる成果物を作ります。

代表例

• 調査報告書

• 分析資料

• 提案書

• スライド

• Excel

• 広告文

• Web記事

• 画像、音声、動画

• プログラム

• 契約書や規程の確認補助

• 会議録からのタスク整理

• 採用候補者への連絡文

• 営業資料の改善

必須条件

• AI出力が実際の業務成果物に使われている

• 人間が内容を検証・編集している

• 成果物の目的と利用先が明確である

• 同種業務で複数回の実績がある

• 誤りや不適切な表現を確認する責任者がいる

レベル1との違い

レベル1は「回答や案を得る」段階です。

レベル2では、その出力を利用して、提出、公開、納品、実装、意思決定などに使われる成果物を完成させます。

AIにスライド案を聞いただけならレベル1です。AIとスライドを作り、内容を確認し、実際の会議や提案で使用したならレベル2です。

レベル3：再現可能ワークフロー

状態

AI活用が個人の勘や一度限りのチャットではなく、繰り返し実行できる業務手順になっています。

代表例

• プロンプトテンプレート

• ChatGPTプロジェクト指示

• AGENTS.md、rules、skills

• 入力フォーマット

• 標準出力形式

• チェックリスト

• 評価基準

• 禁止事項

• 承認フロー

• Gitによる変更管理

• 再実行手順

• 人間とAIの役割分担

• 参照資料の体系化

• 他の担当者へ移管できる手順書

必須条件

1．手順化

入力、処理、出力、確認方法が記述されている。

2．再現性

同じ種類の業務を、同様の手順で3回以上実行している。

3．移管可能性

本人以外でも、文書を見ればおおむね実行できる。

4．品質確認

正確性、形式、禁止事項、引用、個人情報、ブランド表現などの確認基準がある。

5．変更管理

プロンプト、指示、参照資料、成果物の更新履歴を確認できる。

Anthropicは、あらかじめ定義した処理経路でLLMやツールを動かす仕組みを「ワークフロー」、モデルが処理経路やツール利用を動的に決める仕組みを「エージェント」と区別しています。

参考：Anthropic「Building effective agents」

この段階の目的は、プロンプトを長くすることではありません。

が中心です。

レベル4：エージェント実行

状態

AIが回答を返すだけではなく、ツールや実行環境を利用し、複数工程を進めます。

代表例

• ファイルを作成・編集する

• リポジトリ内のコードを変更する

• 実装、テスト、修正を連続して行う

• ブラウザを操作する

• メール、カレンダー、Slack、GitHubを操作する

• APIを呼び出す

• データベースを参照・更新する

• 調査から成果物作成まで進める

• 実行結果に応じて手順を修正する

• 必要なツールを選択する

• 重要操作の前に承認を求める

OpenAIは、エージェントを「ユーザーに代わってタスクを独立して遂行するシステム」と説明し、複雑な複数ステップの仕事を扱うためのモデル、ツール、ガードレール、オーケストレーションを重視しています。

参考：

• OpenAI「New tools for building agents」

• OpenAI「A practical guide to building agents」

必須条件

• AIが最低1種類の外部ツールまたは実行環境を操作する

• 2工程以上を連続実行する

• 実行前後の状態を確認できる

• 終了条件または停止条件がある

• 変更内容または実行結果が記録される

• 失敗時の復旧・再実行方法がある

• 高リスク操作には適切な承認がある

「承認なし」は上位条件ではない

送信、公開、削除、本番反映、課金、契約、個人情報共有などに人間の確認を置くことは、AIの性能不足ではありません。

リスクに応じた統制です。

何を自動化し、何を承認対象にするかを明確に設計できる方が、運用成熟度は高いと評価できます。

レベル5：管理された自動運用

状態

AIを使った業務が、単発のエージェント実行ではなく、継続的に稼働する運用システムになっています。

代表例

• 毎朝の情報収集と報告

• 問い合わせの自動分類

• 議事録からのタスク登録

• コンテンツ生成と下書き登録

• 定期的な監査

• 障害や異常の検知

• API、データベース、複数SaaSの連携

• イベント駆動処理

• ジョブキュー

• 独自CLI

• MCPサーバー

• エージェントハーネス

• 自動評価ツール

• 複数チームが利用する共通基盤

運用要件

単に定期実行されるだけではレベル5とは評価しません。

原則として、次の項目のうち8項目以上を満たすことを目安とします。

1. スケジュールまたはイベントで起動する

2. 入力を検証する

3. 出力を検証する

4. 実行ログを残す

5. エラーを検知する

6. タイムアウトを設定する

7. 再試行規則がある

8. 重複実行を防止する

9. 権限を必要最小限にする

10. 成功・失敗を通知する

11. 人間へのエスカレーションがある

12. ロールバックまたは復旧手順がある

13. コストや利用量を監視する

14. テストケースまたは評価データがある

15. 所有者と保守責任が明確である

16. 本番環境と検証環境を分離している

Microsoftの成熟度モデルでも、持続的なAI導入には、明確なアーキテクチャ、標準、ライフサイクル管理、監視、継続的改善が必要とされています。

参考：Microsoft「Agentic AI maturity model – Technology and data」

長時間動作するエージェントでは、複数のコンテキストをまたいで進捗を維持する必要があります。Anthropicは、進捗記録、状態管理、テスト、再開可能性などを支えるハーネスの重要性を説明しています。

参考：Anthropic「Effective harnesses for long-running agents」

CLI・MCP・ハーネスの位置づけ

独自CLI、MCP、エージェントハーネスを開発する能力は、レベル5の仕組みを構築するうえで有力な専門能力です。

ただし、次の状態ではレベル5と認定しません。

• 試作品を作っただけ

• 本番利用されていない

• テストがない

• ログや監視がない

• 本人しか使えない

• 保守担当者がいない

• 業務価値が不明

• 既存サービスより複雑になっただけ

レベル6：AIネイティブ業務・事業

状態

既存業務にAIを追加したのではなく、業務プロセス、商品、組織、意思決定をAI前提で再設計しています。

代表例

• AI前提で商品やサービスを設計する

• 従来は提供できなかった顧客価値を作る

• 人間とAIの役割分担を再構成する

• 複数部門で共通AI基盤を運用する

• サービス提供原価を構造的に下げる

• 顧客利用データが改善につながる循環を作る

• AIによって収益モデルを変更する

• 組織構造や意思決定方法を見直す

• 複数のAI施策を経営ポートフォリオとして管理する

必須条件

原則として、次の条件をすべて満たします。

1. レベル5相当の運用基盤がある

2. 一部作業の効率化ではなく、プロセス全体を再設計している

3. 複数部門または主要な顧客接点へ展開している

4. 効果を最低3か月以上継続測定している

5. 売上、粗利、原価、品質、速度などの経営指標が改善している

6. ガバナンス、責任者、投資判断の仕組みがある

7. 特定の担当者だけに依存していない

8. モデルやベンダーが変わっても継続できる設計になっている

Microsoftは、高成熟度の状態を、エージェントが連携した業務プロセスによって、測定可能で継続的に最適化される価値を生む状態として説明しています。

参考：Microsoft「Agentic AI maturity model – Business strategy」

レベル6は、最も複雑なAIを作る段階ではありません。

総合レベルと専門性を分ける

人材の能力は均一ではありません。

ある人は、次のような特徴を持ちます。

• AI開発力：高い

• ワークフロー運用力：高い

• ガバナンス設計力：低い

• 事業変革力：中程度

別の人は、次のような特徴かもしれません。

• AI開発力：低い

• 組織導入力：高い

• 業務設計力：高い

• KPI設計力：高い

したがって、総合成熟度に加えて、専門性タグを併記することを推奨します。

• Creator：文章、画像、資料、動画などの制作

• Analyst：調査、分析、評価、意思決定支援

• Operator：AIワークフローの実行・運用

• Builder：API、CLI、MCP、ハーネス、システム開発

• Governor：セキュリティ、品質、リスク、監査

• Transformer：業務、組織、事業の再設計

表示例：

すべての職種にBuilder能力を求める必要はありません。

営業職、マーケティング職、管理職、経営者、エンジニアでは、必要な専門性が異なります。

レベル判定に使う6つの評価軸

成熟度は、次の6軸をそれぞれ0〜5点で評価します。

• 記号：A／評価軸：委任・自律度／確認する内容：AIにどこまで仕事を任せているか

• 記号：Q／評価軸：品質・再現性／確認する内容：一定品質を繰り返し出せるか

• 記号：I／評価軸：統合・技術到達度／確認する内容：ファイル、API、DB、SaaS等と統合しているか

• 記号：G／評価軸：ガバナンス・運用品質／確認する内容：承認、ログ、権限、監視、復旧があるか

• 記号：V／評価軸：価値実現／確認する内容：工数、品質、売上などを改善したか

• 記号：S／評価軸：適用範囲・定着度／確認する内容：個人利用か、組織標準か

A：委任・自律度

• 0：AIを実務に使っていない

• 1：AIが回答や提案を返す

• 2：AIが成果物の一部または全部を生成する

• 3：AIが複数工程を連続して実行する

• 4：状況に応じて計画、ツール、手順を選ぶ

• 5：長時間・複数システムを横断し、例外時に再計画する

委任範囲は重要ですが、品質や統制を伴わなければ、事故の影響範囲を広げるだけになる可能性があります。

Q：品質・再現性

• 0：品質確認をしていない

• 1：人間がその都度目視する

• 2：チェックリストや見本がある

• 3：標準手順、版管理、受入条件がある

• 4：テストケース、評価データ、回帰確認がある

• 5：継続評価、品質監視、改善ループがある

成熟した運用では、よいプロンプトを作って終わりにしません。

• 正解例

• 不正解例

• 評価項目

• テストデータ

• 受入条件

• 回帰確認

• 人間によるレビュー

などを整備します。

Anthropicは、AIエージェントの評価について、コードベース、モデルベース、人間による評価を組み合わせ、タスクに合った評価方法を選ぶ必要があると説明しています。

参考：Anthropic「Demystifying evals for AI agents」

I：統合・技術到達度

• 0：単独のチャットのみ

• 1：ファイルやWeb情報を参照する

• 2：一つのツールやアプリを操作する

• 3：API、データベース、複数SaaSを連携する

• 4：独自ツール、CLI、MCP、ハーネスを利用する

• 5：共通プラットフォームとして複数業務へ提供する

技術到達度は重要ですが、6軸のうちの一つにすぎません。

Iが5でも、QやGが低ければ、高い総合成熟度とは評価しません。

G：ガバナンス・運用品質

• 0：制御・記録がない

• 1：人間がその都度確認する

• 2：禁止事項、承認点、責任者が定義されている

• 3：権限、ログ、エラー対応、復旧手順がある

• 4：監視、評価、環境分離、ライフサイクル管理がある

• 5：組織横断統制、監査、継続改善が機能している

Microsoftは、エージェントの自律性が高まるほど、行動の可観測性、制御可能性、監査可能性、意思決定権、ライフサイクル監督、継続監視を明確にする必要があるとしています。

参考：Microsoft「Agentic AI maturity model – AI governance and security」

V：価値実現

• 0：効果が分からない

• 1：主観的に便利だと感じる

• 2：時間や件数を一部測定している

• 3：工数、品質、速度を継続測定している

• 4：部門KPIに明確な改善がある

• 5：売上、粗利、原価、顧客価値を構造的に改善している

最低限、次のような指標を導入前後で比較します。

• 1件あたりの処理時間

• 月間処理件数

• 差し戻し率

• エラー率

• 顧客対応時間

• 制作リードタイム

• 外注費

• 売上

• 粗利

• 継続率

S：適用範囲・定着度

• 0：単発利用

• 1：個人が不定期に利用

• 2：個人が継続的に利用

• 3：チーム内で共通利用

• 4：複数チーム・複数業務で利用

• 5：組織または商品・サービスの標準基盤

一人の優秀な担当者がAIを使えても、その人が退職した瞬間に止まるなら、組織としての成熟度は高くありません。

参考成熟度指数の計算式

6軸を使い、参考値として0〜100点の成熟度指数を算出します。

M = 20 \times
(0.15A + 0.20Q + 0.15I + 0.20G + 0.20V + 0.10S)

各変数は0〜5点です。

• A：委任・自律度：15%

• Q：品質・再現性：20%

• I：統合・技術到達度：15%

• G：ガバナンス・運用品質：20%

• V：価値実現：20%

• S：適用範囲・定着度：10%

品質、ガバナンス、価値実現を合計60%にしています。

これは、エージェントの自律性や技術的な複雑さを過大評価しないためです。

たとえば、エンジニア採用ではIとQを上げ、経営人材ではVとSを上げる設計が考えられます。

暫定レベル

• 0〜9：導入前

• 10〜24：レベル1

• 25〜44：レベル2

• 45〜59：レベル3

• 60〜74：レベル4

• 75〜89：レベル5

• 90〜100：レベル6

ただし、点数だけで最終レベルを決めてはいけません。

平均値は、重大な弱点を隠す可能性があるためです。

最終レベルは「総合点・必須条件・証拠」で決める

最終レベルは、次の式で決定します。

L_{\text{final}}
=
\min
\left(
L_{\text{score}},
L_{\text{gate}},
L_{\text{evidence}}
\right)

• (L_{\text{score}})：総合点から求めた暫定レベル

• (L_{\text{gate}})：必須能力を満たして到達できるレベル

• (L_{\text{evidence}})：提示された証拠によって認められる上限

総合点が高くても、品質管理やガバナンスが不足していれば上位レベルには認定しません。

能力ゲート

• 1：A≥1

• 2：A≥2、Q≥1、V≥1

• 3：Q≥3、G≥2、S≥2

• 4：A≥3、I≥2、Q≥3、G≥3

• 5：Q≥4、I≥3、G≥4、V≥3、S≥3

• 6：Q≥4、G≥4、V≥4、S≥4、かつ業務・事業再設計の証拠

判定例

ある候補者の評価が次のとおりだったとします。

• A：5

• Q：2

• I：5

• G：1

• V：2

• S：1

M =
20 \times
(0.15 \times 5
+0.20 \times 2
+0.15 \times 5
+0.20 \times 1
+0.20 \times 2
+0.10 \times 1)

M = 52

点数上はレベル3です。

しかし、レベル3に必要なQ≥3、G≥2、S≥2を満たしていません。したがって、最終判定はレベル2です。

この人は高度なAIエージェントを構築できる可能性があります。しかし、品質管理、統制、組織定着が不足しているため、「成熟した業務運用」とは評価しません。

自己申告だけでは上位レベルに認定しない

採用面接で「AIエージェントを作った」「業務を自動化した」という主張だけを高く評価してはいけません。

成果物、履歴、ログ、評価結果、KPIなどを確認します。

証拠レベル

• E0：主張のみ

• E1：画面、成果物、プロンプトの提示

• E2：複数回の実行履歴、変更履歴、利用記録

• E3：ログ、評価結果、KPI、第三者の利用実績

• E4：監査可能な継続実績、組織KPI、正式な運用記録

証拠による認定上限

• E0：レベル1

• E1：レベル2

• E2：レベル4

• E3：レベル5

• E4：レベル6

候補者が「全社で使われるAIシステムを構築した」と説明しても、画面や成果物しか確認できなければ、レベル6の認定には不十分です。

最低限、次を確認します。

• どの業務で使われたか

• 誰が使ったか

• 何回実行されたか

• どの期間運用されたか

• エラー率はどうだったか

• どのKPIが改善したか

• 障害時にどう復旧したか

• 誰が保守しているか

リスクに応じてガバナンス要件を変える

同じ自動化でも、対象業務によって必要な統制は異なります。

• R0：閲覧、草案、可逆的な個人作業

• R1：社内共有、軽微なファイル更新

• R2：外部送信、公開、本番変更、顧客データ

• R3：金銭、契約、採用、医療、法務、安全、重大な個人情報

R0：低リスク

• 文章の下書き

• 公開情報の要約

• 個人用メモ

• 検証環境での試作

自動化を比較的進めやすい領域です。

R1：社内影響

• 社内資料の更新

• 社内チャットへの投稿

• タスクの登録

• 軽微なデータ更新

実行履歴、権限管理、やり直し方法が必要です。

R2：外部・本番影響

• 顧客へのメール送信

• SNS投稿

• Web公開

• 本番コードの変更

• 顧客データの処理

承認、ログ、検証環境、ロールバックを強く求めます。

R3：重大影響

• 支払い

• 契約締結

• 採用判断

• 医療判断

• 法務判断

• 人命・安全に関わる操作

• 高度な個人情報処理

AIだけで完結させず、正式な責任者、人間の承認、監査、法令・規程への適合を求めます。

ガバナンスの最低水準

• リスク：R0／レベル4：G≥2／レベル5：G≥3／レベル6：G≥4

• リスク：R1／レベル4：G≥3／レベル5：G≥4／レベル6：G≥4

• リスク：R2／レベル4：G≥4／レベル5：G≥4／レベル6：G≥5

• リスク：R3／レベル4：G≥4＋人間承認／レベル5：G≥5＋正式統制／レベル6：G≥5＋組織的監査

高リスク業務で承認を省略している場合は、自律性が高くても成熟度を下げます。

採用基準としての使い方

このモデルは、候補者を一律に「AIレベル○」と格付けするためのものではありません。

職種ごとに必要な成熟度と専門性を定義するために使います。

1．職種ごとに必要レベルを決める

• 一般事務・営業担当：レベル2以上

• コンテンツ・マーケティング担当：レベル2〜3

• 業務改善担当：レベル3〜4

• AI推進担当：レベル4〜5

• AIプロダクト開発者：レベル4〜5＋Builder

• AI運用責任者：レベル5＋Governor

• AI変革責任者・経営層：レベル5〜6＋Transformer

すべての職種にレベル5を求める必要はありません。

担当業務で、安全かつ再現可能に成果を出せる水準を設定します。

2．面接質問を6軸に対応させる

A：委任・自律度

Q：品質・再現性

I：統合・技術到達度

G：ガバナンス・運用品質

V：価値実現

S：適用範囲・定着度

3．実技課題を設計する

「AIを使って何か作ってください」だけでは評価が曖昧になります。

次の条件を含む課題にします。

• 目的と対象読者を整理する

• AIへ任せる範囲を説明する

• 成果物を作る

• 出力を検証する

• 誤りやリスクを列挙する

• 再実行手順を残す

• 参照資料や変更履歴を提示する

• 改善効果を推定する

これにより、生成速度だけでなく、設計、検証、説明責任を確認できます。

4．「知っている」「作った」「運用した」を分ける

候補者の経験は、次の三つを分けて確認します。

1. 知っている

2. 作ったことがある

3. 継続運用し、成果を出した

この三つは同じではありません。

組織変革ロードマップとしての使い方

ステップ1：業務単位で現状を診断する

会社全体を一括して「レベル2」と評価するのではなく、業務単位で診断します。

例：

• 営業提案書作成：レベル2

• 会議録作成：レベル3

• 問い合わせ分類：レベル4

• SNS投稿：レベル3

• ソフトウェア開発：レベル4

• 全社ガバナンス：レベル1

ステップ2：レベル2から3への移行を優先する

多くの組織では、すぐに完全自動化を目指すより、レベル2から3への移行が先です。

個人がAIで成果物を作っている状態から、次を整備します。

• テンプレート

• 手順

• 品質基準

• 参照資料

• 禁止事項

• 承認フロー

• 変更管理

標準化がないまま自動化すると、個人の不安定な作業をそのまま高速化することになります。

ステップ3：限定的にエージェント化する

次の条件を満たす業務から、レベル4へ移行します。

• 工程が明確

• 成否を判定しやすい

• 必要なデータへアクセスできる

• エラー時に止められる

• 変更を追跡できる

• 人間による確認点を置ける

決定論的な通常のソフトウェアや自動化で十分な業務に、無理にAIエージェントを使う必要はありません。

ステップ4：運用基盤を整える

レベル5へ移行するには、実行機能だけでなく運用基盤が必要です。

• ログ

• 監視

• 再試行

• 権限管理

• 秘密情報管理

• コスト管理

• 評価

• 障害対応

• 所有者

• 保守計画

この段階では「AIができること」より、「失敗したときに何が起きるか」を中心に設計します。

ステップ5：KPIを測定する

AIの利用回数ではなく、業務成果を測定します。

補助指標に留まるもの

• ChatGPTの利用人数

• 生成したプロンプト数

• AIエージェント数

• 研修参加人数

成果として重視するもの

• 処理時間

• 処理件数

• エラー率

• 顧客満足

• 売上

• 粗利

• 原価

• 開発速度

• 従業員一人あたりの処理能力

ステップ6：AI前提で業務を再設計する

最後に、既存業務の一部をAIへ置き換えるだけでなく、業務全体を問い直します。

従来：

再設計後：

この段階で初めて、部分的な効率化から、業務構造そのものの変革へ進みます。

導入時に使える最小テンプレート

実務では、次の形式で業務ごとに記録すると使いやすくなります。

### 評価対象

- 対象者・チーム：
- 対象業務：
- 評価期間：
- 業務リスク：R0 / R1 / R2 / R3

### 6軸評価

- A 委任・自律度：0〜5
- Q 品質・再現性：0〜5
- I 統合・技術到達度：0〜5
- G ガバナンス・運用品質：0〜5
- V 価値実現：0〜5
- S 適用範囲・定着度：0〜5

### 証拠

- 成果物：
- 実行履歴：
- ログ：
- 評価結果：
- KPI：
- 利用者・運用期間：

### 判定

- 参考成熟度指数 M：
- 暫定レベル：
- 能力ゲート上限：
- 証拠上限：
- 最終レベル：
- 専門性タグ：

### 次の成熟段階へ進むための課題

1.
2.
3.

このモデルの限界

1．統計的に検証された尺度ではない

6軸の重みや点数境界は、現時点では理論と実務上の妥当性に基づく設計です。

多数の企業、職種、成果データを用いた統計的な妥当性検証は行っていません。

人事評価や報酬決定へ直接使う前に、自社データで検証する必要があります。

2．職種によって重要な軸が異なる

開発職ではIやQ、運用責任者ではG、経営層ではVやSが重要になります。

一律の重みをすべての職種へ適用すべきではありません。

3．技術進化に合わせて更新する必要がある

モデルの自律性、長時間実行能力、ツール利用能力は変化します。

現在は高度な専門能力が必要な作業でも、将来は標準機能で実現できる可能性があります。ツール名や実装方式ではなく、成果と統制を中心にしたのは、この変化へ耐えやすくするためです。

4．レベルは人間の価値を示すものではない

このモデルは、人間の優劣や総合能力を格付けするものではありません。

特定業務におけるAI活用状態を評価するものです。

同じ人でも、業務によってレベルは変わります。

最終提案

企業が「AIを使える人材」を採用・育成するとき、次のような曖昧な評価から脱却する必要があります。

• ChatGPTを使ったことがある

• プロンプトが上手である

• 最新モデルを知っている

• AIエージェントを使っている

• コードを書ける

• マルチエージェントを構築できる

これらは能力の一部であり、成熟度全体ではありません。

代わりに、次の問いを使うべきです。

1. AIに何を任せているか

2. 実際に何を完成させたか

3. 同じ成果を繰り返し出せるか

4. 他の人も利用できるか

5. 失敗をどう検知するか

6. どこで人間が承認するか

7. 事故が起きたときに復旧できるか

8. どの指標が改善したか

9. その効果は継続しているか

10. 特定個人や特定モデルに依存していないか

AI活用の成熟度とは、派手なツールを使うことではありません。

採用では、この能力を職種別に評価する。

組織変革では、個人利用を標準化し、標準化した業務を必要に応じてエージェント化し、運用基盤を整え、最終的に業務や事業を再設計する。

単純な階級ではなく、多面的な成熟度で見る。

それが、AI人材の採用基準と組織変革のロードマップを作るための出発点になると考えます。

参考資料

Microsoft

• Introduction to the Agentic AI adoption maturity model

• How to use the agentic AI adoption maturity model

• Agentic AI maturity model – Business strategy

• Agentic AI maturity model – Technology and data

• Agentic AI maturity model – AI governance and security

NIST

• AI Risk Management Framework

• AI RMF – NIST AI Resource Center

OpenAI

• A practical guide to building agents

• New tools for building agents

• How enterprises are scaling AI

• Identifying and scaling AI use cases

Anthropic

• Building effective agents

• Effective harnesses for long-running agents

• Demystifying evals for AI agents