生成AI研修の効果を測る方法｜記録シートと継続・中止の判断例

更新日：2026年11月13日

研修後のアンケートが好評でも、実務で使われるか、確認の手間まで減るかは別です。測る業務を一つ選び、研修前後の合計時間・品質・利用率・費用を同じ定義で記録してから、継続・修正・中止を決めます。

対象は、生成AI研修を発注する法人担当者と現場の責任者です。コピーして使える測定計画と作業記録、計算付きの記入例を用意しました。例の数値はすべて架空で、実際の研修効果・削減率・料金相場ではありません。本記事に広告・アフィリエイトリンクはありません。

発注前に、測る作業と合格条件をそろえる

最初から部署全体の生産性を測ろうとせず、「会議メモから議事録を作り、原文と照合して提出する」など、完了を確認できる業務に絞ります。

NISTのAIリスク管理の資料は、評価に利用場面を代表するテストと評価方法の記録が必要であるとしています。本記事ではその考え方を参考に、研修の前後で題材の難しさと評価基準をそろえる測定案を作ります。

これは編集上の例です。件数・期間・品質基準は、業務の重要度と実施可能な工数に合わせて開始前に決めます。同じ問題を繰り返すと暗記や慣れの影響があるため、別の題材でも条件をそろえ、可能なら作業順も入れ替えます。

時間は「作成」だけでなく、確認と修正まで足す

記録の重複を防ぐため、作業を次の4区分に分けます。

人が他の作業をできる応答待ち時間は、人的工数と分けて記録します。納期への影響を見る場合は、開始から提出までの経過時間も別に残します。複数人が関わるときは、作業者の作成時間と確認者の時間を両方足します。

3組の題材で、合計時間を計算する

以下は説明用の架空データです。「確認・修正」は表を短くするためまとめていますが、原票では分けて記録します。

平均は55分から50分で、1件あたり5分短縮です。合計時間の短縮率は (165−150)÷165×100 で約9.1%になります。Cは確認・修正が増えているため、平均だけで成功とせず、失敗した題材の特徴も確認します。

3件の結果から全社の削減率や研修の因果効果は判断できません。AI以外のテンプレート変更、題材の違い、作業者の慣れも記録し、「この試行条件での観測結果」として扱います。

品質は、修正前の誤りと提出物の誤りを分ける

「AIが何回間違えたか」と「最終成果物を使えるか」は別の指標です。修正前の誤りは確認負担を知るために、最終成果物の誤りは利用可否を判断するために記録します。

例えば、担当者名を誤った下書きを人が直せた場合でも、修正時間は工数に含めます。提出後に誤りが分かったら、提出時点の品質不合格と後工程の再作業を記録します。誤りの定義と数え方は、研修前後で変えません。

開発チームでは、テスト作成時間とレビュー負担を一緒に測る

導入ルール記事の合計関数の演習なら、完了を「通常・空・負数のテストが通り、負数を無視する不具合を検出し、レビューを終えた状態」と定義できます。AIの生成が終わった時点を完了にすると、人が直す時間を落としてしまいます。

以下は測定方法を示す架空の1組です。AIの実行記録や研修効果ではありません。受講前後は難しさをそろえた別の題材を用意し、同じ品質条件で比べます。

スマートフォンでは、表を左右にスクロールして全項目を確認できます。

この架空例では作成時間は13分減っていますが、準備・確認・修正を含む短縮は7分です。1件での差を全員の月間削減へ拡大せず、レビューに時間がかかった理由と追加の題材を記録します。

もしAI利用側のテストが通常・空入力だけで、負数を無視する誤りを見逃したなら、同じ完了条件を満たしていません。「27分で完了」と採用せず、不足テストの追加と再レビューまで測り直します。テスト行数や生成件数の増加だけでは、実務品質の改善とは判断できません。

未完了・測定漏れを平均から消さない

試行した全件に「品質合格・不合格・未完了・未記録」を付けます。品質合格分の時間を比較する場合も、対象全件数と除外した件数・理由を併記してください。難しい作業だけを未完了として外すと、見かけの平均が短くなります。

例えば5件を試し、3件合格、1件未完了、1件時間未記録なら、「3件だけの平均」と「5件の状態内訳」を並べます。残る2件の時間を0分として足したり、5件すべてが完了したように報告したりしません。合格後の差し戻しも、元の作業IDへ再作業時間を足して更新します。

利用率は、対象人数と対象作業の両方を分母にする

受講者全員が毎日同じ業務をするとは限りません。「使った人が少ない」だけで定着失敗と判定せず、使う機会があったかを確認します。

• 対象者の利用率：期間中に対象業務で1回以上使った人数 ÷ 対象業務の機会があった人数。
• 対象作業の利用率：AIを使った対象作業の件数 ÷ 期間中に発生した対象作業の件数。

架空の例では、受講者5名のうち対象業務を担当した4名中3名が利用したなら、対象者の利用率は75%です。対象作業20件のうち12件で使ったなら、作業単位は60%です。5名全員を分母にした60%とは、意味が異なります。

対象者や対象作業が0なら、利用率は0%ではなく「機会なし・算出対象外」とします。未利用の理由も「権限がない」「題材に合わない」「作業機会なし」「手作業の方が速い」などに分けると、追加研修と環境改善を切り分けられます。

費用は、支払額と社内工数を分けて判断する

研修会社への支払い、ツール費、社内の準備・受講時間を混ぜず、対象期間と税の扱いをそろえます。見積もりに含まれるツール費を、別途費用として二重に足さないでください。

1件5分の短縮が月100件で続くと仮定すると、月500分、約8.33時間です。同じ社内原価3,000円で換算すれば月25,000円相当ですが、残業代や外注費が実際に減った金額ではありません。

追加ツール費が今後も月10,000円続き、ほかの追加運用工数がないと仮定すれば、月の差引は15,000円相当です。ここでは初回評価期間の短縮価値を計上せず、費用総額155,000円を将来月の差引で回収すると仮定します。

155,000円 ÷ 15,000円／月 ≒ 10.3か月

つまり、初回評価期間が終わった後に約10.3か月必要という単純な計算です。これは将来の件数・短縮時間・費用を固定した仮定で、回収予測や投資判断の保証ではありません。品質が基準を満たすことを先に確認します。

コピーして使う測定計画と作業記録

まず測定計画を1枚にします。開発チームなら題材を「自作関数のテスト追加」、品質基準を「仕様の3ケースを満たし、不具合を検出できる」に置き換えられます。

研修・AI活用の測定計画
対象部署・受講者数／対象業務：
測定担当／品質確認者／最終判断者：
受講前の期間・件数／受講後の期間・件数：
題材の難しさをそろえる条件：
完了の定義／必須品質・重大な誤りの定義：
準備・作成・確認・修正の時間の区切り：
対象者・対象作業の定義と数え方：
研修費・ツール費・社内工数の集計期間・税区分：
社内工数の時間単価／初回期間の短縮価値を計上するか：
継続・条件変更・中止の基準：
記録場所・閲覧者・保存期間：
中間確認日／定着確認日：

作業ごとに以下をコピーして追記します。AIを使わなかった作業も残すと、利用率の分母を後から確認できます。未計測の値は0にせず「未記録」と書きます。

作業ID・日付／作業者・確認者：
受講前・後／題材ID・難しさ：
AI利用の有無／未利用の理由：
AIツール・版・指示・設定の記録先：
準備__分／作成__分／確認__分／修正__分：
人的工数合計__分／応答待ち__分／提出までの経過__分：
下書きの誤記__件・欠落__件・根拠なし追加__件：
最終成果物の必須品質：合格・不合格・未評価
重大な誤り／提出後の再作業時間：
判断・次の改善／入力・出力の保存先：

記録には顧客情報や実際の会議内容を貼らず、社内で管理する題材IDと保存先を使います。入力・出力・評価記録の共有範囲も、社内規程に合わせます。

結果から、継続・条件変更・中止を決める

次は小規模な試行の判断例です。比較する件数や必要な短縮量は、実施前に自社で決めてください。

研修の満足度は、説明や運営の改善に使えます。業務での成果は、この記録と分けて確認します。研修以外の変更を統制していない比較から「研修によって9.1%改善した」とは断定しません。

見積もり依頼には、測定担当と報告物まで入れる

研修会社に評価まで依頼するなら、研修見積もりの要件シートへ次の質問を添えます。

受講前後の題材作成、採点、測定結果の集計、報告書作成は誰が担当しますか。実施回数・時期・費用と、教材・評価結果を社内で使える範囲を分けて提示してください。

回答がそろうまで、効果測定が研修費に含まれるとは判断しません。自社で測定できるなら、シートをそのまま運用できます。開発作業の試行で承認・停止の担当も決める場合は、AI導入ルールの運用シートを合わせて使ってください。

出典・この測定案の範囲

公式情報確認日：2026年11月13日（NIST資料を再確認）。

• NIST AI RMF：AI Risks and Trustworthiness：利用条件に合う評価題材と評価方法の記録を考える参考資料。

測定期間・件数・品質基準・費用例・計算・シートは編集部の提案です。実際の研修参加、業務での効果測定、研修会社への問い合わせは実施していません。NISTが本記事の期間・数値・回収計算を推奨しているという意味ではありません。