クライアント企業においてAI活用の機運が高まる一方、AI案件を自律的に推進できる人材が社内に不足していた。各部門に散在するデジタル人材のスキルセットにはばらつきがあり、AIの技術的理解とプロジェクト推進力の両方を備えた人材は限られていた。外部ベンダー依存から脱却し、自社内でAI案件を企画・推進できる人材基盤の構築が急務とされていた。
← WORKS
※画像はイメージですカリキュラム体系：4講座 × モジュール構成 — PM・統計・ML・生成AIの全体設計 
※画像はイメージですプログラム全体像：4フェーズ × 10ヶ月のタイムラインと主要マイルストーン 
※画像はイメージですスキルギャップ分析：AS-IS → TO-BE のギャップからカリキュラムを逆算
AI組織育成・構築 — 部門横断AI人材育成プログラム
クライアント企業の部門横断選抜50名を対象に、AI人材要件の策定からカリキュラム構築、4講座（PM・統計・機械学習・生成AI）の研修提供、業務伴走までを10ヶ月で一気通貫推進。研修満足度90%超（不満0%）を達成し、AI案件を自律推進できる人材基盤を構築。
ROLE
AI組織長 / プログラムディレクター
TEAM
8名
PERIOD
10ヶ月（設計・研修7ヶ月 + 業務伴走3ヶ月）
主な成果
- 部門横断選抜50名に対し、4講座（PM・統計基礎・機械学習・生成AI）の研修プログラムを設計・構築・提供
- 研修満足度90%超を達成（不満0%、どちらでもない約10%）
- AI人材要件・スキルマップ・カリキュラムを体系化し、組織のAI人材育成基盤を構築
- 3ヶ月の業務伴走を通じ、研修修了者が実案件を自律推進できる状態に移行
TECHNOLOGIES
スキルマップ設計カリキュラム設計インストラクショナルデザインプロジェクトマネジメント（WBS・RACI・リスク管理）統計基礎（検定・回帰分析）Python機械学習（教師あり・教師なし）生成AI（LLM・RAG）プロンプトエンジニアリングケーススタディ設計
※画像はイメージです※画像はイメージです※画像はイメージです背景・課題
アプローチ
AI組織の長として、クライアント企業の部門横断AI人材育成プログラムを設計・構築・提供した。
Phase 1 — 要件定義・現状把握（1ヶ月）
- 各部門の責任者・メンバーへのヒアリングとアンケートでAI関連スキルの現状を把握
- スキルマップ（技術力・PM力・ビジネス理解の3軸）を策定し、AS-IS/TO-BEギャップを可視化
- ギャップ分析をもとに部門横断の選抜基準を設計し、50名を選出
Phase 2 — カリキュラム設計・構築（3ヶ月）
ギャップから逆算し、4講座のカリキュラムを設計・構築した。
- PM講座: WBS・RACI・リスクマネジメントに加え、PoC管理・スコープコントロール・ステークホルダー合意形成を実践形式で習得。実在AI案件ベースのケーススタディで判断力を養成
- 統計基礎講座: 記述統計・推測統計・仮説検定・回帰分析を整備。ほぼ全員がPython未経験のため、利用範囲に絞ったPython基礎（環境構築・データ操作・可視化）を導入パートに組み込み
- 機械学習講座: 主要アルゴリズム・特徴量設計・モデル評価・過学習対策をPythonで実装しながら習得。業界別ユースケース（需要予測・異常検知・顧客セグメンテーション等）で問題設定→実装→評価を一気通貫で実践
- 生成AI講座: LLMの仕組み・RAG構成・プロンプトエンジニアリング・ユースケース設計をカバーし、企画・導入の判断力と実装力を養成
各講座とも座学・ハンズオン・ケーススタディを組み合わせ、教材はほぼ自チームで構築（一部外部発注）。
Phase 3 — 研修実施（3ヶ月）
- 選抜50名に4講座の研修を提供
- PM講座のケーススタディ、統計・MLのPythonハンズオン、生成AIの実装演習に十分な時間を確保
- 理解度と定着度をモジュールごとに確認しながら進行
Phase 4 — 業務伴走（3ヶ月）
- 修了者がそれぞれの部門に戻り、データ分析等の実プロジェクトに取り組む
- 企画レビュー・進捗確認・技術相談を定期セッションとして設定し継続支援
- 研修で学んだフレームワークと技術が実務に定着するまで伴走