資格を増やす前に考えたいこと――今ある経験をAI時代にどう生かす?
「これからはAIの時代だから、何か資格を取ったほうがいいでしょうか」
「データ分析を勉強したほうがいいですか?」
「今からITを勉強しても遅くないでしょうか?」
キャリア相談をしていると、こうした質問を聞くことがあります。
AIやDXという言葉を毎日のように目にすると、
何か新しいことを身につけなければ、自分の経験が通用しなくなるのではないか。
そんな不安を感じる人もいると思います。
確かに、仕事は変わっています。
生成AIで文章を作る。
データを分析する。
会議を要約する。
採用候補者を探す。
資料のたたき台を作る。
少し前なら人が時間をかけて行っていた仕事を、AIが支援できるようになってきました。
でも私は、だからといって、
「今までのキャリアを捨てて、AI人材にならなければいけない」
とは思いません。
むしろ、経験を積んできた人ほど考えてほしいのは、
「今ある専門性にAIをどう掛け合わせるか」
です。
目 次
国の人材政策でも「AIを使える人」だけを求めているわけではない
2026年版の労働経済白書では、AI投資と人的資本投資をあわせて進める重要性に加え、AI時代には特定のツール操作だけではない「メタスキル」の重要性が高まる可能性が示されています。
例として挙げられているのは、論理的思考力、批判的思考力、コミュニケーション能力などです。つまり、AIを操作できることだけではなく、何を考えさせるのか、結果をどう判断するのか、人とどう協力するのかという力も重要になるということです。
11月4日の厚生労働省・人材開発分科会でも、経済産業省の産業人材育成や国土交通省のキャリア形成施策を含め、今後の人材開発政策について議論が続いています。これは新しい資格制度が始まったという話ではありませんが、国の人材政策が「学ぶこと」だけでなく、スキルを仕事やキャリアへどうつなげるかを重視している流れは確認できます。
「AIを勉強する」では、少し広すぎる
例えば、
「AIを勉強しよう」
と思ったとします。
でも、AIは目的ではありません。
重要なのは、
AIを使って、自分の仕事の何を改善したいのか。
です。
人事の人なら、
採用。
研修。
人事データ分析。
社員からの問い合わせ。
規程や資料の作成。
営業なら、
顧客分析。
提案書作成。
商談準備。
市場調査。
経理なら、
データ整理。
分析。
レポート作成。
物流なら、
需要予測。
業務改善。
データ分析。
といった具合です。
「AI」という大きなテーマから入るより、
自分の仕事の中で、AIを使える場所を探す。
そのほうが、学ぶべきものも具体的になります。
例えば「人事×AI」で考えてみる
人事を20年以上経験した人がいたとします。
AI時代になったからといって、
その20年を捨ててプログラマーになる必要はありません。
むしろ、
採用経験。
労務経験。
評価制度。
HRBP。
組織変更。
という人事の専門性に、
AIを加える。
例えば求人票をAIで整理する。(個人情報などをを含む書類をそのままUploadすることはお勧めしません。また個人情報をそのまま入力することもいけません。社員の個人情報、給与情報、センシティブな内容のものは最新の注意を払ってAIソフトに入れず対応します。
職務経歴書と求人要件のギャップを確認する。
大量の社員アンケートを分類する。
研修資料のたたき台を作る。
会議内容を整理する。
こうした使い方なら、
人事の知識を持っている人のほうが、AIの出力が適切かどうか判断できます。
ここが重要です。
AIが文章を作れても、
その内容が労務的に適切か。
応募者に失礼ではないか。
日本の職場で実行可能か。
本当に人事課題を解決するのか。
を判断するには、実務経験が必要です。
つまり、
AIによって経験の価値がなくなるのではなく、経験の使い方が変わる。
と考えることもできます。
AIは答えを出せても、「何を問うか」は人が決める
生成AIを使っていると、
とてももっともらしい答えが返ってきます。
でも、その答えが正しいとは限りません。
また、
そもそも何を質問すべきなのか。
何を優先すべきなのか。
どこに問題があるのか。
という判断は、仕事を理解している人が行います。
例えば、
「離職率を下げる方法を教えて」
とAIに聞けば、たくさんのアイデアが出てきます。
でも、
なぜその会社で離職が起きているのか。
給与なのか。
上司との関係性なのか。
仕事量なのか。
採用のミスマッチなのか。
評価制度なのか。
そこを見極めるのは、実務の世界を知っている人です。
だから私は、
AI時代ほど、長く仕事をしてきた人の「問いを立てる力」が大切になる
と思っています。
資格を取る前に、まず自分の仕事を分解する
新しい資格や講座を探す前に、一度、自分の仕事を分解してみてください。
例えば「営業」と一言で言っても、
顧客を探す。
ニーズを聞く。
提案を作る。
社内を調整する。
見積もりを作る。
交渉する。
契約する。
フォローする。
といった複数の仕事があります。
その中で、
AIに任せられそうな仕事。
AIを使えば速くできそうな仕事。
逆に、人間でなければ難しい仕事。
を分けてみます。
すると、
「AIを学ばなければ」
という漠然とした不安が、
「この仕事に使うために、この機能を覚えよう」
という具体的な学習に変わります。
AIに置き換えられにくい経験は何か
もう一つ考えてみてほしいのが、
自分の仕事の中で、人でなければ難しい部分は何か。
です。
例えば、
相手が言葉にしていない問題を感じ取る。
利害の違う人を調整する。
難しい判断をする。
相手との信頼関係を作る。
部下の変化に気づく。
クレームを受け止める。
会社固有の事情を理解したうえで判断する。
こうした仕事です。
AIが進化しても、
仕事そのものがすべて消えるわけではありません。
仕事の一部がAIへ移り、
人はより判断・調整・問題発見に時間を使う
という変化も考えられます。
そのとき重要になるのが、長いキャリアで身につけた経験です。
「資格を取る」ことが安心材料になっていないか
キャリアに不安を感じると、
「何か資格を取ろう」
と思うことがあります。
資格を取ること自体が悪いわけではありません。
体系的に学ぶきっかけになりますし、資格が必要な仕事もあります。
厚生労働省の教育訓練給付制度でも、2026年10月1日から専門実践教育訓練に新たに138講座が指定され、対象は3,485講座となっています。デジタル分野を含む講座や、働きながら学びやすいオンライン・夜間・土日の講座も用意されています。
ただし、
「とりあえず資格を取る」
では、キャリアにつながらないこともあります。
資格を探す前に、
「その資格を取ったあと、何をしたいのか」
を考える。
この順番が大切です。
「足りないもの」を探す前に、「持っているもの」を確認する
キャリアについて考えると、
つい不足しているものばかり見てしまいます。
AIが分からない。
データ分析ができない。
新しい資格がない。
でも、その前に確認してほしいものがあります。
それは、
すでに持っている経験です。
例えば、
20年間の顧客対応。
10年間のマネジメント。
海外との仕事。
難しい労務問題への対応。
新しい仕組みの導入。
危機対応。
部門間の調整。
後輩育成。
本人には普通でも、AIにはない経験です。
そこに新しいスキルを一つ加える。
それだけでも、キャリアの見え方は変わります。
「専門性×AI」で自分の組み合わせを作る
私は以前から、
スキル×スキル
という考え方をおすすめしています。
AI時代は、さらに分かりやすくなります。
人事 × AI
営業 × AI
経理 × AI
物流 × AI
マーケティング × AI
英語 × AI
マネジメント × AI
です。
ただし、「AI」が付けば価値が上がるという意味ではありません。
重要なのは、
AIによって自分の専門性をどう強くできるか。
です。
例えば、
「AIを使えます」
より、
「生成AIを使って採用業務の情報整理を効率化できます」
のほうが具体的です。
「データ分析を学びました」
より、
「営業データを分析し、顧客別の提案に生かせます」
のほうが仕事につながります。
AI時代のキャリア棚卸しは、この5つを考えてみる
新しい資格やスクールを探す前に、まず次の5つを紙に書いてみてください。
-
今、自分ができることは何か
-
仕事の中で時間がかかっていることは何か
-
そのうちAIで効率化できそうなものは何か
-
人間だからこそ価値を出せる部分は何か
-
次にやりたい仕事で不足しているスキルは何か
ここまで書いてから、
講座。
資格。
オンライン学習。
本。
セミナー。
を探します。
そうすると、
「何か勉強しなければ」
から、
「これをできるようにするために学ぶ」
へ変わります。
AIを使って、自分のキャリアを分析するのも一つの方法
AIはキャリアを考える時にも使えます。
例えば、自分の職務経歴と求人票を入力して、
「この求人で求められるスキルと私の経験を比較して」
と聞く。
あるいは、
「私の経験のうち、別の業界でも使えそうなスキルを抽出して」
と聞く。
さらに、
「この仕事でAIを活用できそうな業務を挙げて」
と聞く。
AIは、自分では気づかなかった視点を出してくれることがあります。
ただし、
AIが出した答えを、
そのまま自分のキャリアにする必要はありません。
最後に、
「私はそれをやりたいのか」
を決めるのは自分です。
すべてを学ぼうとしない
AI関連の情報は毎日のように出てきます。
新しいツール。
新しいサービス。
新しい資格。
全部についていこうとすると疲れてしまいます。
仕事に必要なものを選べばいい。
例えば、
文章を書く人なら文章生成。
数字を扱う人ならデータ分析。
採用をする人なら求人作成や情報整理。
経営をする人ならリサーチや意思決定支援。
自分の仕事と関係するところから始める。
それで十分です。
AIの専門家になる必要はなく、AIを使える専門家になればいい。
私はそう思っています。
50代だからこそ、「経験×新しい技術」は強みになる
長く働いてきた人には、
若い頃にはなかった材料があります。
成功。
失敗。
人間関係。
修羅場。
判断。
マネジメント。
専門知識。
そこにAIという新しい道具を加える。
これは、
過去の経験を捨てることではありません。
過去の経験を、これからも使える形に更新すること。
です。
AI時代のリスキリングとは、
新しい人間になることではなく、
今までの自分の能力を、
新しい環境でも使える状態にすることなのかもしれません。
最後に――資格を申し込む前に、一つだけ考えてみる
新しい講座を見つけたとき。
資格を取ろうと思ったとき。
AIを勉強しなければと思ったとき。
まず、
「これを学んだら、自分の今までの経験と何を組み合わせられるだろう?」
と考えてみてください。
答えが見つからなければ、
まだ申し込まなくてもいいかもしれません。
逆に、
「これができるようになれば、今の経験をもっと生かせる」
と思えるなら、
学ぶ理由がはっきりします。
キャリアを長く歩いてきた人には、
すでにたくさんの材料があります。
だから、
足りないものを増やすことから始めなくていい。
まず、
今あるものを確認する。
そこに必要なものだけを加える。
AI時代だからこそ、
そんなキャリアの作り方があってもいいと思います。
Kurara Labでは、40代・50代を中心に、資格や転職先を先に決めるのではなく、
これまで何をしてきたのか。
何ができるのか。
何をこれからも使いたいのか。
そして、何を新しく身につける必要があるのか。
を整理するところからキャリアを考えます。
AIを学ぶべきか。
資格を取るべきか。
転職するべきか。
その答えは、人によって違います。
大切なのは、
自分のこれまでの経験と、これからの市場をつなぐこと。
「何を学ぼう?」と思ったときこそ、一度、自分のキャリアを棚卸ししてみてください。
そこから必要な学びが見えてくることがあります。
【参考資料】
厚生労働省「第61回労働政策審議会人材開発分科会資料」(2026年11月4日)
JILPT「令和8年版 労働経済の分析」概要
厚生労働省「専門実践教育訓練の指定講座を公表しました」(2026年10月1日付け指定)









