# AIリテラシーとは何か？ツールを使えること以上に必要な能力 - 番組: [AI Today Podcast](https://ai-curator.jp/podcasts/shows/cmv3z5c0f000h5o102pf33901)（AI & Data Today） - 元のタイトル: What Does It Mean to Be AI Literate? With Kathleen Walch - 配信日: 2026年10月28日 - 長さ: 29分 - 要約作成日: 2026年10月28日 - トピック: [#AIリテラシー](https://ai-curator.jp/topics/AI%E3%83%AA%E3%83%86%E3%83%A9%E3%82%B7%E3%83%BC) [#AI人材育成](https://ai-curator.jp/topics/AI%E4%BA%BA%E6%9D%90%E8%82%B2%E6%88%90) [#プロンプトエンジニアリング](https://ai-curator.jp/topics/%E3%83%97%E3%83%AD%E3%83%B3%E3%83%97%E3%83%88%E3%82%A8%E3%83%B3%E3%82%B8%E3%83%8B%E3%82%A2%E3%83%AA%E3%83%B3%E3%82%B0) [#批判的思考](https://ai-curator.jp/topics/%E6%89%B9%E5%88%A4%E7%9A%84%E6%80%9D%E8%80%83) [#AIガバナンス](https://ai-curator.jp/topics/AI%E3%82%AC%E3%83%90%E3%83%8A%E3%83%B3%E3%82%B9) [#CPMAI](https://ai-curator.jp/topics/CPMAI) - URL: https://ai-curator.jp/podcasts/cmvrnvr5x00005w11h2np2hxm ## 要約 AI Today のホスト Kathleen Walch が、多くの組織で語られながら定義が曖昧な「AIリテラシー」を整理した回。ツール習熟とAIリテラシーは別物だとし、「理解・適用・評価・主導」の4段階の枠組みと、スキルを寿命別に分ける「消耗型・耐久型・不変型」の考え方を紹介している。個人だけでなく組織としてのAIリテラシーの測り方にも触れ、利用率より利用の質を問うべきだと述べている。 ## ポイント - AIリテラシーの定義は人によってばらばらで、プロンプト技術、ツール習熟、概念理解といった答えは間違いではないが不完全だと Walch は述べている。 - ツール習熟は「使えるか」を問うが、AIリテラシーは「そもそもAIを使うべきか」「出力を信頼できるか」「結果は改善したか」といった問いを含む。 - 枠組みは「理解・適用・評価・主導」の4段階。経営層と開発者では必要な深さが違っても、全員にリテラシーは必要だとする。 - スキルは寿命で3種に分かれる。消耗型はプロンプト技法や最新モデル、耐久型は手法やユースケース評価・ガバナンス、不変型は批判的思考・判断力・コミュニケーションなど。 - AIが高性能になるほど人間の価値は消えるのではなく変化し、答えが安価になるほど「良い答えか」を判断する力の価値が高まると主張している。 - 組織は利用率やリーダーボードで浅い利用を促しがちで、高利用率は高い成熟度を意味しない。使う人数ではなく使い方の質で測るべきだとする。 ## 章立て - [03:07] **AIリテラシーという曖昧な言葉** — 各地で聞かれるAIリテラシーという言葉が、定義されないまま使われている現状を指摘する。人によって答えが異なり、研修やツール配布が先行する危険も述べる。 - [05:16] **ツール習熟との違い** — ツールを使いこなすことと、AIを適切に使うことは別だと説明する。プロジェクトマネージャーAとBの例で、批判的な問いを持つBの方がリテラシーが高いと述べる。 - [08:36] **理解・適用・評価・主導の4段階** — AIリテラシーを4つの枠組みで整理する。リスクに応じた精査、既存業務へのAI後付けの問題、判断力、変化を導く力に触れる。 - [13:45] **消耗型・耐久型・不変型スキル** — スキルの寿命を3種類に分けて説明する。プロンプト技法は消耗型、CPMAIやデータリテラシーは耐久型、批判的思考などは不変型とする。 - [17:01] **AIが進化しても人間の価値は残る** — AI高性能化で人間が不要になるという見方に反論し、問題設定、妥当性判断、トレードオフ、説明責任は人間に残ると述べる。 - [20:12] **組織のAIリテラシーの罠** — ツール研修、ライセンス配布、利用目標が浅い利用を招く点を指摘し、利用の質で測る必要を説く。 - [22:14] **個人への助言と結び** — 3種のスキルをバランスよく育てること、ツールを追いすぎないこと、変化に対応できる人と組織を目指すことを訴える。 ## 解説記事 AI Today Podcast のホスト Kathleen Walch が、近年あちこちで語られながら定義が曖昧なままの「AIリテラシー」を取り上げた回である。世界各地で実務家や経営層と話す中で得た観察をもとに、AIリテラシーをツール操作の巧拙とは切り離して整理している。 #### 定義なき「AIリテラシー」 Walch によれば、多くの組織が「AIリテラシーのある人材」を目標に掲げるものの、その中身を定義していない。5人に聞けば5通りの答えが返ってくるといい、プロンプトエンジニアリングが得意なこと、特定のツール（Copilot、ChatGPT、Claude など）に習熟していること、生成AIやエージェントの概念を知っていること、といった回答が挙がる。 これらは間違いではないが不完全だというのが彼女の立場だ。危険なのは、目指す能力を定義する前に研修を作ったり、ツールを配って「各自学んで」と任せたりしてしまうことだと述べている。 #### ツール習熟とAIリテラシーは別物 ツール習熟は、インターフェースを使えるか、良いプロンプトを書けるか、特定機能を使えるか、といった問いに答えるものだ。これに対しAIリテラシーは一段深い問いを含む。そもそもこの用途にAIを使うべきか、AIは実際に何をしているのか、出力を信頼してよいか、どう検証するか、どんなリスクを持ち込むか、どの判断が人間に残るか、そして結果は本当に改善したか、である。 例として2人のプロジェクトマネージャーが示される。Aは高度なプロンプト技法や最新モデルに詳しく、AIを頻繁に使う。Bは技法の知識は少ないが、AIが価値を生む場面、重要な出力の確認方法、文脈の欠落への気づき、機密情報の保護、人間の判断が推奨を覆すべき場面を理解している。Walch は、より批判的な問いを立てられるBの方がAIリテラシーが高いと考えると述べている。 #### 4段階の枠組みとスキルの寿命 Walch は AIリテラシーを「理解（Understand）、適用（Apply）、評価（Evaluate）、主導（Lead）」の4つに分ける。理解では、全員がデータサイエンティストになる必要はなく、AIの得意不得意、出力が誤りうること、ユースケースごとにリスクが異なることを押さえればよいとする。会議の議事録生成とローン審査では、求められる精査の水準が違う。また経営層には、技術の深さよりも戦略、説明責任、リスク、投資判断に関するリテラシーが必要だという。 適用では、「どこにAIを載せるか」ではなく「どこで成果やワークフローが意味のある形で改善するか」を問うべきだとする。既存業務はすべてAI以前の設計であり、後付けでAIを足しても、ボトルネックが下流に移るだけか、工程が複雑になるだけだと指摘する。評価では、出力への異議、欠けた文脈の補完、疑わしい前提の発見、重要情報の検証、追加の専門知識が必要な場面の判断が挙げられる。主導は議論から抜けがちな要素で、AIが業務や役割を変える中で、自分と周囲が変化を責任をもって乗り切る力を指す。 さらにスキルを寿命で3つに分ける。消耗型は今日のプロンプト技法や機能の場所、最新モデルなど、習得は早いが陳腐化も早い。耐久型は CPMAI のような手法、ユースケースの見極め、出力評価、データリテラシー、リスク評価、AIガバナンスなどで、時間はかかるがツールが変わっても通用する。不変型は批判的思考、判断力、適応力、コミュニケーション、影響力、変化のマネジメント、好奇心といったソフトスキルである。 #### AIが賢くなるほど問われる人間の判断 Walch は「AIが高性能になれば人間の価値は下がる」という見方に強く異議を唱える。ここ半年から1年ほどの「AIが仕事を奪う」という報道については、実際には企業がAIツールやインフラへの投資資金を確保するために人員を整理していたのだと述べている。 彼女の主張では、変わるのは人間の価値の性質である。AIは生成、要約、統合、分析、推奨が得意だが、どの課題を解くか、推奨は信頼でき正確か、何が欠けているか、どのトレードオフやリスクを許容するか、誰が影響を受けるかは人間が決め、説明責任も負う。答えを出すコストが下がるほど、それが良い答えかを判断する価値が上がり、AIは良い判断も悪い判断も加速させる、という。 #### 組織のAIリテラシーと個人の学び方 組織は研修、動画、ライセンス配布で対応しがちだが、ツールが多すぎて学ぶ余裕がない場合もある。利用目標やリーダーボードを公開すると、目標達成のための浅い利用を助長するとも指摘する。高い利用率が高い成熟度を意味するわけではなく、「何人が使っているか」ではなく「どれだけ上手く使えているか」で測るべきだという。 個人への助言として、消耗型スキルは今日のツールで生産的になれる程度に学び、陳腐化を前提に学び続ける。耐久型ではユースケース評価（毎日行う作業は適しても、年1回の作業は手作業の方が速く安いこともある）や CPMAI を学ぶ。不変型には最も長期的に投資する。Microsoft と Carnegie Mellon の研究として、AIを使うほど批判的思考が低下し、一度落ちると取り戻しにくいという内容に触れ、意識的に思考力を使い続けることを勧めている。 #### まとめ この回の核心は、AIリテラシーを「最新ツールに詳しいこと」ではなく、「AIを適切に使い、出力を批判的に評価し、リスクを管理し、働き方を適応させる力」と捉え直す点にある。日本の企業でも、生成AIの導入や利用率向上が目標化しやすい。Walch の指摘は、研修設計や評価指標を見直し、利用の量ではなく質や判断力を測る視点を持つきっかけになる。なお、これは CPMAI など PMI の資源を紹介する立場からの話でもあるため、枠組みは一つの整理として参考にするのがよいだろう。 > この要約・解説記事は、元の音声の文字起こしをもとに AI（Claude）が日本語で作成したものです。出典: AI Today Podcast「What Does It Mean to Be AI Literate? With Kathleen Walch」