AI人材が足りない、という話を聞いたら、まず、そのAI人材とは誰のことかを聞き返してみてください。答えによって、足りない人数の桁が変わります。この記事では、2025年3月時点の情報で日本のAI人材育成の施策を四つの方向から確かめたうえで、同じAI人材という言葉の中に250倍の幅があること、定義を固定しないかぎり目標と不足の数字は比べられないことを示します。
同じAI人材という言葉に、250倍の幅があります
起点はAI戦略2019です。2025年度を目標年とし、リテラシー人材を年50万人、応用基礎人材を年25万人、AIエキスパートを年2,000人育てる目標が掲げられました。
三つはどれもAI人材と呼ばれますが、中身はまったく違います。リテラシー人材は、AIの基礎を理解して使える人です。AIエキスパートは、AIを研究し開発する側の人です。人数で比べると、年50万人と年2,000人で250倍の差があります。AI人材を育てています、という一文は、そのどちらを指しているかで、意味が250倍変わるのです。
一方で、国内のAI人材が2030年に約12万人不足するという予測も紹介されています。この12万人は、どの定義のAI人材でしょうか。リテラシー人材なら、年50万人の育成目標で数字の上では足りそうに見えます。エキスパートなら、年2,000人ではまったく追いつかないように見えます。どちらの定義かが分からなければ、育成目標と不足の予測を並べて、足りるか足りないかを判断することはできません。定義のない不足数をもとに育成計画を立てるのは、何を数えたのか分からない在庫表を見て発注量を決めるのと同じです。足りないのが釘なのか柱なのかで、発注先も金額も変わります。
学校と大学は、全員の土台を作る側にいます
小中高では情報教育の強化が進んでいます。2020年度からの学習指導要領で小学校のプログラミング教育が必修になり、GIGAスクール構想で一人一台の端末が整いました。高校では情報Ⅰが共通必履修科目となり、2025年度の大学入学共通テストに新教科の情報が加わっています。生成AIについては、文部科学省が2023年7月に学校向けの暫定ガイドラインを出し、令和5年度には37自治体の52校を生成AIパイロット校に指定しました。
大学では、数理・データサイエンス・AI教育プログラム認定制度が、初級から応用までの教育課程を認定し、文系の学生にも学びを広げています。大学連合のTokAI BOOSTのように、企業や研究機関と組んだ教育も各地で始まっています。これらは主に、リテラシーと応用基礎の層を厚くする施策です。
社会人と海外人材の施策は、別の層を狙っています
社会人の学び直しでは、政府が2022年に、人への投資として5年間で1兆円をリスキリング支援に充てる方針を示しました。経済産業省は2023年8月にデジタルスキル標準Ver.1.1を出し、生成AIを適切に使うためのスキルや注意点を加えています。2022年6月には日本リスキリングコンソーシアムが発足しました。ここでいうAIリテラシーは、AIを開発する技能ではなく、AIを使いこなし、成果を批判的に評価する力です。
海外人材では、2033年までに外国人留学生を40万人に増やす目標が掲げられ、高度人材ポイント制や、起業を目指す外国人に最長2年の滞在を認めるJ-Findが導入されました。文部科学省が2025年にインドの理工系大学院生への留学支援を行う方針を決めた、とも伝えられています。こちらは主に、エキスパートの層を外から補う施策です。
四つの方向の施策は、それぞれ別の定義のAI人材を狙っています。全部をまとめてAI人材育成と呼ぶと、どの層が足りていて、どの層が足りないのかが見えなくなります。
情報の確かさも、定義と同じくらい揃っていません
もう一つ気をつけたいのは、並んでいる情報の確かさが揃っていないことです。2025年度の共通テストに情報が加わった、は確定した事実です。5年間で1兆円は方針です。2030年に約12万人不足は予測です。インドの大学院生への支援は、伝えられている段階の情報です。同じ調子で並ぶと、予測が事実と同じ重さで頭に残ります。
ただし、定義を固定すれば答えが出る、というわけでもありません。AIの技術が変われば、何をリテラシーと呼び、何を専門と呼ぶかの境目も動きます。数年前の応用基礎の水準が、いまは誰もが身につけるべき基礎になっているかもしれません。定義をいつ、誰が見直すのかは、この記事の材料からは分かりません。
あなたの会社で、うちにはAI人材が足りない、と言うとき、思い浮かべているのはどの層の人でしょうか。その定義を一文で書いたら、社内の全員が同じ文になるでしょうか。
この記事の背景にある考え方は、拙著『GoogleのAI NotebookLM 意思決定の強化書』の1章3節「前提と定義が結論を決める」に書きました。買収のシナジーの定義を広く取るか狭く取るかで結論が変わる例を挙げ、本書は「重要な用語をどう定義するかによって、AIが出す結論は180度変わります。」と書いています。この節を読むと、議論の中心にある言葉の定義を先に固め、定義が変わると結論がどう動くかを自分で確かめられるようになります。
同じ資料を見ているのに、なぜ結論が割れるのか。
『GoogleのAI NotebookLM 意思決定の強化書』
前提が結論を決める。意思決定を根拠、前提、結論の三層に分け、前提を対象、目的、制約、評価基準の四つで言葉にする本です。
読み終えたとき、手元に残るもの
- 意思決定の設計図になる前提リスト
- 資料を事実、意見、噂、ゴミに仕分けるFORT
- 同じ物差しで比べる選択肢表と採点表
- 始める条件と止める条件を書いた決定書
NotebookLMは2026年7月にGemini Notebookへ名称が変わりました。本の手法は、使うAIの種類を問いません。