AI教育をチームに根づかせる：Google Experience AIから学ぶAIリテラシー向上の設計

 ## はじめに 2026年現在、生成AIは開発現場だけでなく、教育・医療・製造など幅広い領域で活用が進んでいます。 Google DeepMindが推進するExperience AIプログラムは、学校教育の現場に体系的なAI学習環境を整備することで、参加した教師の93%がAI知識の向上を実感するという成果を上げています。 さらにラテンアメリカへの展開や2万4千人の教育者トレーニングという目標が掲げられており、AI教育のグローバル化が着実に進んでいます。 こうした取り組みが示すのは、「AIを使う」以前に「AIを理解する人を育てる」ことの重要性です。 エンジニアとして、自分のチームや組織でもこの視点は活かせます。 本記事では、組織・チームへのAIリテラシー教育を設計・運用する際に役立つ考え方と実践例を整理します。 ## こんな人におすすめ - 開発チームにAIツール（Copilot、Claude Code など）を導入しようとしているリーダー - 非エンジニアのメンバーにも生成AIを活用してほしいと考えているマネージャー - 社内勉強会や研修プログラムを企画している方 - AIリテラシーの底上げに課題感を持っているエンジニア - AI活用推進を任されたが何から始めればよいかわからない担当者 ## AIリテラシー教育が「構造化」されると何が変わるか Experience AIの事例が興味深いのは、AI教育が非体系的な「自習」ではなく、カリキュラムとして設計されている点です。 93%という高い改善率は、偶然ではなく構造化されたプログラムの成果と言えます。 実際に私自身がチームへのAIツール導入を支援した経験からも、「なんとなく使ってみて」では効果に大きな差が出ると感じています。 構造化されたAI教育プログラムには、少なくとも以下の3つの要素があると考えています。 **1. 学習目標の明確化** 「生成AIを使えるようになる」では曖昧すぎます。 「日常業務のメール作成にプロンプトを使える」「コードレビュー補助にAIを活用できる」といった具体的な目標設定が、学習の定着につながります。 **2. ハンズオンを中心とした設計** Experience AIのカリキュラムも、講義よりも実際に触れて学ぶことを重視しています。 チームへのAI導入でも同様で、ツールを実際に動かしながら試行錯誤する時間を確保することが重要です。 **3. 進捗の可視化とフィードバック** 成果を測定する仕組みがあることで、改善サイクルが回ります。 小規模なアンケートでも構いませんが、「導入前後でどのくらい活用できているか」を定期的に確認することが効果的です。 ## 開発チームへのAI教育を実践するフロー 実際に開発チームへのAI導入を進める場合、どのようなステップを踏むのが効果的でしょうか。 目安として参考にできるフローを整理してみます。 ### フェーズ1：現状把握 チームメンバーが現在どの程度AIツールを使っているか、またどのような課題感を持っているかをヒアリングします。 「使いたいが使い方がわからない」「使ってみたが効果が感じられなかった」「品質やセキュリティへの不安がある」など、状況はさまざまです。 この段階を丁寧に行うことで、後続のプログラムが的外れになるリスクを減らせます。 ### フェーズ2：ユースケースを絞る 全業務への導入を一度に目指すのは現実的ではありません。 まずは「コードのドキュメント自動生成」「バグ修正の初期調査」「テストコードの補完」など、効果が実感しやすいユースケースに絞ることが、観察された傾向として有効です。 以下は、コードにJSDocコメントを生成するプロンプトのテンプレート例です。 ```typescript // AIへの依頼テンプレート例 const JSDOC_PROMPT = ` 以下の関数にJSDocコメントを追加してください。 - @param、@returns、@throws を必要に応じて含める - 簡潔で実用的な説明にする \`\`\`typescript ${functionCode} \`\`\` `; ``` このような小さなユースケースから始めることで、チームが成功体験を積みやすくなります。 ### フェーズ3：ハンズオンと振り返りのサイクル ハンズオン後は、15〜30分程度の振り返りの場を設けます。 「うまくいったプロンプト例」「失敗したケース」「次に試したいこと」を共有することで、チームの学びが蓄積されていきます。 ```markdown ## 振り返りセッションのアジェンダ例 1. 今週AI活用を試みたタスクを1つ共有する（5分） 2. 使って良かったプロンプトを見せ合う（10分） 3. うまくいかなかったケースを議論する（10分） 4. 次週の試みを宣言する（5分） ``` ## 非エンジニアへのAI教育をどう設計するか Experience AIが教師を対象にしているように、AIリテラシーはエンジニア以外にも重要です。 プロダクトマネージャー・デザイナー・営業担当者が生成AIを効果的に使えるようになると、チーム全体の生産性に大きな影響を与えます。 正直なところ、非エンジニアへのAI教育は「技術の説明」よりも「業務課題との接続」が鍵です。 「この作業がAIでどう楽になるか」を具体的に見せることで、学習へのモチベーションが生まれます。 実際に試してみると、次のような進め方が定着しやすいと感じています。 ```markdown ## 非エンジニア向けAI活用の「見せ方」のコツ 1. まず自分が使っているデモを5分見せる 2. 「このタスクをやってみてください」と実際に触らせる 3. 「どこで詰まりましたか？」と聞く 4. 次回は詰まりポイントを解消する内容にフォーカスする ``` ## つまづきやすいポイント - **「とりあえず導入」でゴールが曖昧になる**：ツールを入れることが目的化し、活用率が上がらないケースが多いです。学習の目的と成果指標を最初に決めておくことが大切です。 - **上位者だけが熱心で現場に広がらない**：AI導入はエバンジェリストだけが熱心でも定着しません。現場メンバーが自分ごとと感じられるよう、実際の業務と紐づけることが重要です。 - **セキュリティ・品質への不安が拭えない**：社内データの取り扱いや出力品質への不安から導入が止まるケースがあります。「どのデータをAIに渡すか」のガイドラインを事前に整備することで、安心して使える環境になります。 - **学習が一過性で終わる**：勉強会を1回やって終わりでは定着しません。週次・月次での振り返りや事例共有の仕組みを作ることで、継続的な改善が生まれます。 ## まとめ Google DeepMindのExperience AIプログラムが示すように、AI教育は「自習任せ」から「構造化されたプログラム」へと進化しています。 エンジニアがチームや組織でAIリテラシーを高めるには、目標の明確化・ハンズオン中心の設計・進捗の可視化という3要素が目安として有効です。 非エンジニアへの教育においても、業務課題との接続を起点にすることで、定着率が大きく変わります。 AIは使うだけでなく「使える人を増やす」ことが、組織全体のアウトプット向上につながります。 Experience AIの取り組みからヒントを得て、自分のチームや組織に合ったAI教育を設計してみてください。 ---

// AIへの依頼テンプレート例
const JSDOC_PROMPT = `
以下の関数にJSDocコメントを追加してください。
- @param、@returns、@throws を必要に応じて含める
- 簡潔で実用的な説明にする

\`\`\`typescript
${functionCode}
\`\`\`
`;

## 振り返りセッションのアジェンダ例

1. 今週AI活用を試みたタスクを1つ共有する（5分）
2. 使って良かったプロンプトを見せ合う（10分）
3. うまくいかなかったケースを議論する（10分）
4. 次週の試みを宣言する（5分）

## 非エンジニア向けAI活用の「見せ方」のコツ

1. まず自分が使っているデモを5分見せる
2. 「このタスクをやってみてください」と実際に触らせる
3. 「どこで詰まりましたか？」と聞く
4. 次回は詰まりポイントを解消する内容にフォーカスする