生成AI研修の効果は、どう測ればよいのか？——満足度アンケートで止まる3つの構造と、行動と業績まで段階で測る順番【2026年】
生成AI研修の効果は、研修直後の満足度アンケートだけでは測れません。満足度は評価の第1段階にすぎず、現場の行動が変わったのか、業務の数字が動いたのかは、別の段階として測る必要があるからです。この記事では、製造業の生成AI研修で効果測定が「満足度」で止まる3つの構造を業務分解で整理し、行動と業績まで段階を追って測るための順番を示します。
研修に投じた費用を次の段階へ広げるかどうかを決める場面では、必ず数字が求められます。ところが評価が第1段階で止まっていると、判断材料が受講者の感想しか残りません。「どの段階まで測るか」を研修の企画時点で決めておくことが、研修を単発で終わらせないための前提になります。
この記事の要点
- 研修評価の枠組みとして広く使われるカークパトリックの4段階評価モデルは、レベル1「反応（満足度）」、レベル2「学習（理解度）」、レベル3「行動（現場での実践）」、レベル4「結果（業績への影響）」の4段階で効果を測ります（出典：『日本の人事部』）。
- 生成AI研修の効果測定が満足度で止まるのは、①測る対象が「使ったかどうか」に寄る、②測る時期が研修直後に閉じている、③測る主体が業務の数字を持たない、という3つの構造によります。
- レベル3を測るには、研修の前に題材となる業務を1つ決め、その業務の現在値（件数・所要時間・手戻り回数）を記録しておく必要があります。比較の基準がなければ、変化を数字にできません。
- 効果の数値は題材・体制・対象業務によって幅が出るため、断定ではなく前提を明記した概算として扱います（本記事の試算も前提を本文と出典に記載しています）。
- 公開されている生成AI活用社内研修の事例（山田製作所・トーアス、公式note 2025年）では、現場の意識やアイデアの変化が定性的に報告される一方、定量的な効果数値は示されていません。
生成AI研修の効果は、なぜ「満足度」で止まるのか？
満足度で止まる最大の理由は、研修が終わった時点で確実に取れるデータが、満足度と理解度の2つしかないためです。現場での実践と業務の数字は、研修から一定の期間を置かなければ観測できません。
研修の効果測定とは、研修に投じた時間と費用が、受講者の学び・現場の行動・業務の成果へどこまで転換したかを、段階に分けて確認する営みです。段階を分ける枠組みとして広く使われているのが、カークパトリックの4段階評価モデルです。
カークパトリックの4段階評価モデルとは、研修の効果をレベル1「反応」、レベル2「学習」、レベル3「行動」、レベル4「結果」の4段階に分けて評価する枠組みです。米国のドナルド・カークパトリックが1975年に提唱したもので、レベル1は研修後のアンケートで満足度を、レベル2はテストやレポートで学習到達度を測り、レベル3は一定期間が経過した後の行動変容を本人や上司への聞き取りで、レベル4は行動変容が組織の成果に結びついたかを対象とします（出典：『日本の人事部』カークパトリックの4段階評価法）。
生成AI研修がとりわけレベル2で止まりやすいのは、汎用的なツールの使い方を学ぶ研修では、レベル3で観察すべき「行動」を定義できないからです。設計者が図面を探す工程、調達担当が見積を査定する工程、品質担当が是正処置を書く工程——どの業務を題材にするかが決まっていなければ、何が変われば実践されたと言えるのかが決まりません。
| 段階 | 生成AI研修で見る対象 | 測る時期の目安 | 取り方の例 |
|---|---|---|---|
| Lv1 反応 | 研修そのものへの満足度 | 研修直後 | アンケート |
| Lv2 学習 | プロンプトの組み立て・生成物の確認手順の理解 | 研修当日〜数日後 | 小テスト・当日の成果物 |
| Lv3 行動 | 題材にした業務で、実際に使い続けているか | 一定期間の経過後（3〜6か月が目安） | 本人・上長への聞き取り、利用工程の確認 |
| Lv4 結果 | 題材業務の件数・所要時間・手戻りの変化 | 行動が定着してから | 研修前に取った現在値との比較 |
段階を分けて考えると、研修を「受けたかどうか」ではなく「どこまで届いたか」で語れるようになります。過去記事でも、研修から成果までを段階に分けて設計する考え方を整理しています。
内製化まで届かせるには、研修の前後を含めて5つの順番で進めるのが現実的です。いきなり全社展開を狙わず、小さく試して社内に作り手を残すことが要点になります。
生成AI研修を受けても現場が変わらないのはなぜか——「研修して終わり」を内製化まで届かせる4段階と順番【2026年】
効果測定が満足度で止まる3つの構造とは？
効果測定が止まるのは、測る対象・測る時期・測る主体の3つが、いずれも研修当日に閉じているためです。3つはそれぞれ独立した詰まりであり、1つを直しても残りが残れば評価は先へ進みません。
構造1：測る対象が「使ったかどうか」に寄っている
利用率やアカウントのログイン数は、生成AIが触られているかどうかの目安にはなりますが、業務が変わったかどうかは示しません。打合せ記録の要約に使っていても、その後の資料作成や関係部署への共有の手順が変わっていなければ、業務の流れは以前のままです。レベル3で見るべきは利用の有無ではなく、題材にした業務のどの工程で、誰が、どのくらいの頻度で使っているかという行動の中身です。
構造2：測る時期が研修直後に閉じている
レベル3の行動変容は、研修から一定期間（1か月〜1年など）が経過した後に、本人や上司への聞き取りで測るものとされています（出典：『日本の人事部』）。ところが研修の企画書に載っている評価予定が「終了後アンケート」だけであれば、行動を見る日程そのものが存在しません。日程が押さえられていないと、担当者の異動や繁忙期をはさんだ時点で、誰も追わないまま自然消滅します。
構造3：測る主体が事務局側にあり、業務の数字を持つ部門が入っていない
研修の評価を人事・研修事務局だけが担うと、取れるデータは受講者アンケートに限られます。題材業務の件数や所要時間を持っているのは、設計・生産技術・品質・調達といった業務部門だからです。レベル4を測る局面で「業務の数字は誰が出すのか」が決まっていないと、評価は事務局が出せる範囲、つまりレベル1で止まります。
3つの構造のうち、構造3は受講者を誰にするかの設計とほぼ同じ問題です。業務の題材を持つ部門が研修にも評価にも入っていないと、実践も測定も他人事になります。
現場発の活用は、現場社員自身が受講者となり、自社の業務を題材に手を動かす設計から生まれやすくなります。公開事例からも、その傾向を定性的に読み取れます。
生成AI研修は「誰が受けるか」で成否が分かれる——現場発の活用が生まれる受講者設計の考え方【2026年】
レベル3・レベル4は、何を指標にすれば測れるのか？
レベル3・4を測る鍵は、研修の前に題材となる業務を1つ決め、その業務の現在値を記録しておくことです。比較の基準がなければ、あとから行動や成果の変化を数字にできません。
現在値として取るのは、特別な指標である必要はありません。月あたりの件数、1件あたりの所要時間、差し戻しや手戻りの回数、同じ問い合わせが繰り返される頻度——業務部門がすでに把握している、あるいは1〜2週間の記録で取れる範囲の数字で足ります。重要なのは、研修の前に取っておくことです。
| 題材業務の例 | Lv3で見る行動 | Lv4で見る業務の数字 |
|---|---|---|
| 打合せ記録・議事録の整形 | 下書きの生成を定例会後に使っているか | 1件あたりの作成時間、配布までの日数 |
| 仕様書のたたき台作成 | 過去の類似案件を参照して起案しているか | 初版作成までの時間、レビューでの差し戻し回数 |
| 過去トラブル事例の検索 | 担当者が自分で検索して回答しているか | 他部署への照会件数、回答までの所要時間 |
| 顧客からの技術問い合わせ対応 | 回答案の作成に使っているか | 初回回答までの時間、再質問の発生率 |
数字の扱いには注意が要ります。たとえば打合せ記録の整形に1件あたり30分かかっている業務で、研修後に生成AIの下書きを使って15分に短縮できたと仮定します。月20件なら月あたり約5時間、年間で約60時間という計算になります。これは編集部が置いた前提に基づく概算であり、実際の効果は題材・体制・対象業務によって幅が出ます。生成物の確認と修正にかかる時間、記録の品質の変化は含めていません。
前提を書かずに削減率だけを社内資料に載せると、次の投資判断でその数字が独り歩きします。効果は幅として示し、前提を併記するほうが、結果的に判断材料としての寿命が長くなります。ルールと教育の関係を扱った過去記事でも、片側だけを固める運用の危うさを整理しています。
ルール側だけを固めても現場は動かず、研修側だけを充実させても境界線がなければ安心して使えません。両方を、同じ業務の題材でつなぐことが要点です。
生成AIは「禁止」で守れるのか？——ルール先行の会社で起きる3つのすれ違いと、ルールと教育を両輪にする順番【2026年】
効果測定はどの順番で設計すればよいか？
測定設計は「①測る段階を決める → ②題材業務の現在値を取る → ③研修後の行動を追う → ④業務の数字に接続する」の順で進めるのが現実的です。①と②は研修より前に済ませる必要があります。
- どの段階まで測るかを決める：研修を企画する時点で、レベル3までを目標にするのか、レベル4まで踏み込むのかを関係者で合意します。レベル4まで測るなら、業務の数字を出す部門を最初から巻き込みます。
- 題材業務の現在値を取る：題材にする業務を1つに絞り、件数・所要時間・手戻り回数を研修前に記録します。ここを飛ばすと、あとから比較できず、評価がレベル2で頭打ちになります。
- 研修後の行動を追う：3〜6か月後に、誰がどの工程で使っているかを聞き取ります。使われていない場合は、能力の問題として扱わず、業務のどこで止まったかを工程で特定します。
- 業務の数字に接続する：現在値との差分を、前提を明記した概算として示します。数値は幅で示し、含めていない要素（確認・修正の時間など）も併記します。
この順番は、研修そのものが段階に分かれて設計されていると回しやすくなります。生成AI研修（実装ブートキャンプ）は、公式LPによるとSTEP1「1DAY生成AI活用研修」、STEP2「実践ワークショップ」、STEP3「AIエージェント内製化支援」、STEP4「常駐・伴走支援」の4ステップで構成されています（出典：first-automation.jp/school）。STEP2で自社業務を題材に手を動かす設計であれば、その題材がそのままレベル3で観察する行動の対象になります。研修と測定の題材が同じであることが、評価を段階へ進める条件です。
研修から内製化までを段階に分けた進め方は、実装ブートキャンプのプログラムページに整理されています。
公開事例では、研修後に何が変わったと報告されているか？
公開されている2件の事例では、研修後に現場から具体的な活用アイデアが生まれ、生成AIへの見方が変わったことが定性的に報告されています。いずれも公式noteのインタビュー記事に基づく内容で、定量的な効果数値は示されていないため、ここでも数値は扱いません。
愛知県刈谷市で樹脂やプレスボードなど非金属素材のプレス加工を手がける山田製作所（創業約70年、山田慎一郎社長）では、生成AI活用社内研修の後、「材料を無駄なく使い最適な取り数を提案させる」といったアイデアが社員から続出したと報告されています。生成AIを「0から1を生み出す」存在として捉え直した一方、最終判断は人が行う前提も併せて示されています（出典：公式note 2025年5月14日）。
愛知県豊川市で流動食・備蓄食の受託製造を行うトーアス（創業70年、岡本篤志社長）では、セキュリティリテラシーの向上を目的に研修を活用し、事務（議事録・資料要約）、生産（生産計画の素案・仕様書作成）、経営（管理会計の高度化）の3部門での活用が検討されたと報告されています（出典：公式note 2025年6月27日）。
2件に共通するのは、変化がまず「どの業務で使えそうか」という具体のアイデアとして現れている点です。効果測定の観点で言えば、これはレベル3の手前、題材が特定された段階にあたります。ここで題材を1つ選んで現在値を取れば、次の評価は行動と数字へ進められます。
自己診断チェックリスト
次の5項目のうち3つ以上が当てはまる場合、研修の効果測定がレベル1・2で止まっている可能性があります。
- 研修の評価予定が、終了後アンケートだけになっている
- 研修の題材となる業務が、企画の時点で1つに決まっていない
- 題材業務の件数や所要時間を、研修の前に記録していない
- 研修後3〜6か月時点で行動を確認する日程が、誰の予定にも入っていない
- 業務の数字を出す部門が、研修の企画にも評価にも関わっていない
よくある質問（FAQ）
効果測定はいつ設計すればよいですか？
研修を実施する前です。レベル3・4の評価は研修前の現在値との比較で成り立つため、研修が終わってから設計すると比較の基準が失われます。企画段階で「どの段階まで測るか」「題材業務は何か」「現在値は誰が取るか」の3点を決めておくのが現実的です。
満足度アンケート以外に、研修直後に取れる指標はありますか？
レベル2「学習」にあたる指標が取れます。小テストやレポートのほか、研修中に作成した成果物（自社業務を想定したプロンプトや出力の確認手順）を残しておけば、理解度の記録になります。ただしレベル2は現場での実践を保証しません。
レベル4（業績への影響）まで測れないときはどうすればよいですか？
レベル3で止め、業務の数字は代理指標で見る方法があります。売上や利益への影響を切り分けるのが難しい場合でも、題材業務の所要時間・手戻り回数・照会件数といった工程レベルの数字であれば、現場で観測できます。無理に業績と結びつけるより、工程の数字を前提付きで示すほうが判断材料になります。
効果を「何%削減」と社内に報告してよいですか？
前提を明記した概算であれば報告できますが、断定は避けるのが安全です。効果は題材・体制・対象業務によって幅が出ます。公開されている研修事例にも定量的な効果数値は示されておらず、自社の現在値と比較した範囲でのみ、含めていない要素とあわせて示すのが妥当です。
まとめ：測る段階を決めてから、研修を選ぶ
生成AI研修の効果が測れないのは、研修の質の問題である前に、測る設計の問題です。カークパトリックの4段階で言えば、研修当日に取れるのはレベル1・2まで。レベル3・4は、題材業務を1つ決め、研修前に現在値を取り、3〜6か月後に行動を追う日程を押さえて、はじめて測れるようになります。
順番としては、測る段階を決める、現在値を取る、行動を追う、数字に接続する——この4つを研修の企画に組み込むこと。そのうえで、研修が実践と内製化まで段階を持って設計されているかを見れば、評価と研修の題材をそろえられます。
あわせて読みたい
- 生成AI研修を受けても現場が変わらないのはなぜか——「研修して終わり」を内製化まで届かせる4段階と順番【2026年】
- 生成AI研修は「誰が受けるか」で成否が分かれる——現場発の活用が生まれる受講者設計の考え方【2026年】
- 生成AIは「禁止」で守れるのか？——ルール先行の会社で起きる3つのすれ違いと、ルールと教育を両輪にする順番【2026年】
出典
- 『日本の人事部』カークパトリックの4段階評価法（レベル1〜4の定義・評価時期）：https://jinjibu.jp/keyword/detl/1549/
- 生成AI研修（実装ブートキャンプ）公式LP（STEP1〜STEP4の構成）：https://first-automation.jp/school
- 公式note「70年企業が挑む『現場発』の生成AI活用／山田製作所が描く次のDX戦略」（2025年5月14日）：https://note.com/first_automation/n/n581d6eeaa518
- 公式note「生成AI活用で挑む食品製造の『現場力向上』／差別化を実現するトーアスの戦略」（2025年6月27日）：https://note.com/first_automation/n/n4c02e1588e5a
- 本文中の時間試算は編集部が置いた前提による概算です。前提＝打合せ記録の整形1件30分が15分に短縮、月20件で算出。生成物の確認・修正時間および記録の品質変化は含みません。実際の効果は題材・体制・対象業務によって幅が出ます。
