AI-OJTとは、AIがOJT担当者を置き換えることではありません。業務を学ぶ人のそばで、一次質問、説明、練習、自己修正を支え、人は例外判断、品質、顧客影響、最終レビューへ集中する育成モデルです。
AIを『何でも答える先生』にせず、参照範囲とエスカレーションを設計することが前提です。
AI-OJTが解決しようとする3つの問題
- 質問できる時間が先輩の予定に依存
- 同じ説明が繰り返される
- 練習・修正履歴が残らない
AIは常時性と反復に強みがありますが、業務責任と正確性を引き受けるものではありません。
AIに任せる仕事
- 用語・基本手順の説明
- 質問の整理
- ケース問題・ロールプレイ
- 文章・コードの一次フィードバック
- 過去の学習内容の想起
- 次に確認すべき観点の提示
回答の出典・前提・不確実性を示せる環境が望まれます。
人が担う仕事
- 顧客・事業・法務・安全に関する判断
- 例外対応
- 品質基準と優先順位
- 本番環境の承認
- 本人の状態・関係性を踏まえた支援
- 最終評価
AIと人の境界を業務リスクで決めます。
AI-OJTを作る5ステップ
- 対象業務を一つ選ぶ
- 標準手順・良い例・禁止事項を整理
- AI一次支援と人へのエスカレーションを定義
- 検証環境で練習
- 小さな実務で検証し教材へ戻す
AI回答のリスクを管理する
CodeNestの公式注意事項にも、AI応答の正確性は保証されないと明記されています。
機密情報を入力しない、出力を検証する、参照元を確認する、本番反映前に人が承認する、という確認条件を持ちます。
効果を何で見るか
質問件数の減少だけでは不十分です。解決時間、自己修正、成果物品質、先輩の高価値レビュー時間、重大エラー、学習者の安心を見ます。
人の工数削減と育成品質を同時に評価します。
最初のPoCに向く業務
頻度が高い、標準化できる、失敗しても戻せる、機密が少ない、成果をレビューできる仕事です。
顧客・医療・法務・重大な安全判断を最初の対象にしません。
AI-OJTは、人の教える力を高価値領域へ集中する仕組み
AI-OJTの中心はAI性能ではなく、業務分解、参照情報、エスカレーション、検証環境、人レビューです。
小さな対象で検証し、AIが正しく答えた回数より、学習者が自分で修正し、人へ適切に相談できるようになったかを見ます。
AI-OJTの小さな検証テーマを設計する
Hatch IT／CodeNestでは、AIによる学習支援と現役エンジニアの伴走、実案件OJTを組み合わせています。AI-OJTを導入済み機能として断定せず、自社業務に合う一次支援と人レビューの検証設計からご相談いただけます。
AIと人の役割分担をOJTへ組み込む
OJTの質問対応とレビューを分け、AIと人の役割を整理したい場合は、CodeNestを活用した法人向け育成をご相談ください。