AI 要約AI博覧会2026では、事務作業の自動化や経営支援といった形でAIの活用が進んでいる。社内AI人材育成の需要も高まっており、AIを使いこなせる人材の育成が重要な課題となっている。特に、AI学習データの制作・提供が、AIの現場実装を左右する中核的な役割を担っていることが示された。
1. トレンド：企業が注目している分野
先日、AI博覧会2026に足を運んだ。出展を俯瞰すると、全体の空気はかなりはっきりしていた。 多かったのは「創造的AI」よりも、形式的な事務作業をAIエージェントで自動化し、業務の速度と再現性を上げるという方向性だ。提供形態はほぼSaaSで、狙っているのは・現場の手間と・管理職の不安の両方に見えた。
出展内容は大きく3パターンに分類できる。
- (1) 業務効率化／自動化
- (2) 戦略支援（経営・意思決定の補助）
- (3) 社内AI人材育成（定着・運用の仕組み化）
(1) 業務効率化／自動化
具体例として目立ったのは、いわゆる「社内AIアシスタント」系だ。 ナレッジ共有、FAQ対応、議事録生成、社内ファイル検索などを入口にして、AIが壁打ち役として意思決定の速度を上げる構図になっている。
さらに一段踏み込んだ提案としては、過去の議事録や社内の意思決定ログから、
- 組織の判断基準
- 部署ごとの前提
- 人物ごとの癖（合意形成の速度、懸念点の傾向） などを学習させ、コミュニケーション摩擦を減らして会議回数や手戻りを減らす、というものもあった。 要するに「情報検索の効率化」から「組織運用の最適化」へ寄せてきている。
また、最近話題になった「音声×チャットのマルチモーダルAIエージェント」型のSaaS（例：対話で業務が進む形）や、発注・稟議などのDXをAIで前に進めるものも含め、作業と手続きの領域を削りに来ている印象が強い。
(2) 戦略支援（経営・意思決定の補助）
業務効率化ツールが社内に入ると、次に出てくる問いは「結局いくら得したの？」だ。 そのため、AIツールの利用状況を計測し、導入効果（費用対効果）を可視化する出展もあった。
さらに、経営者層を強く意識した出展として、
- 自社資料・社内データを根拠にした経営判断の促進
- コンサルの代替としてのシミュレーション、反証、論点整理
- 客観的推論を売りにした意思決定支援 といったアプリケーションが目立つ。ここは特に「経営者に刺さる言葉」で語られていた。
※ただし「最新LLMを超える精度」などの主張は、評価条件が見えない限りマーケ文句になりやすい（ここは後で評価で触れる）。
(3) 社内AI人材育成
AIが社内に入っても、結局それを使うのは人間だ。 そこで、AIを使いこなせる人材を育て、生産性を上げるサービスが第三の柱として出ていた。
形態は2つ：
- SaaS型：学びやすい教材・演習・テンプレ・社内ナレッジ化を提供し、主体的に学ばせる
- コンサル／研修型：ワークショップや社内セミナーで、均一なスキルを短期間で浸透させる
ここは「AI導入の最後の壁は運用である」という現場の現実が、そのまま商品化されている領域に見えた。
2. 「skills」が流行った意味（属人化からの脱却）
この流れを踏まえると、昨年末に話題になった Claude Code の skills 機能が注目された理由も見えてくる。 キーワードは 「属人化からの脱却」 だ。
属人化をここで定義する。 属人化：特定の業務が特定の人にしか遂行できない状態。 そして、属人化には濃淡がある。手順が多少人によってブレる程度の弱い属人性もあれば、判断基準そのものが個人の経験に依存している強い属人性もある。
企業活動のほぼすべては「入力→出力」のプロセスだが、人間が担う以上、同じ入力でも出力は一致しない。 統計・ルール化・業務手順書などで差を小さくする努力は昔からあったが、結局のところ、成果の差（≒属人的な差分）は消えにくい。特にマネジメントや意思決定のような上流ほど、差は大きくなる。
ここで重要なのは、属人化解消の歴史は長いのに、目的が完全達成されていない点だ。 単純作業だけを標準化しても、最終的なボトルネックが判断・合意形成・意思決定に残る。言い換えると、資本主義の競争環境では、人間が最大のボトルネックになりうる。
とはいえ、現状のAIが全部解決できるわけではない。最大の理由は、出力の正当性を保証できる範囲がまだ狭いことだ。 正当性の保証には、評価可能なデータ、検証可能な基準、運用ログが必要になるが、その整備が追いついていない領域が多い。
だから今は、正当性を比較的担保しやすい部分（形式的業務、既知の社内情報検索、定型判断の支援など）からAIが入り、 それでも人間の使い方で成果差が出るので、その差を縮めるために
- skills のような「再現可能な作業手順のテンプレ化」
- AI人材育成の仕組み化 が必要になる。
しかし、モデル性能が上がり、PDCAが高速化し、事例データ（運用ログ）が増えるほど、正当性を保証できる領域は拡大していく。 この傾向が続くなら、AIは単なる道具ではなく、産業プロセスや経営プロセスそのものに深く入り込む。
その先にある未来像として、「人が仕事をしない時代が来る」という予測は、一定の論理性がある。 少なくとも、形式的業務に人間を残す理由は急速に薄れる。
一方で、「AIが人間を支配する」という類の話は、現実的には別問題だ。 合理性・効率性を極限まで追うプロセスにおいて、能力の低い存在を支配して使役すること自体が非効率になりうる。 （人間がアリを社会運営の主体として使役しないのと同じで、能力差が大きいほど使う意味は薄くなる。）
3. 印象に残った展示：学習データ領域
最後に、展示として特に面白かったのは、AI学習データの制作・提供を行う企業群だ。 ここまで述べた流れ（正当性保証の範囲が狭い → 運用ログと事例データが鍵）を前提にすると、データ制作は単なる裏方ではない。 むしろ「AIを現場に実装できるか」を左右する中核だ。
AI導入はモデル選定だけでは終わらない。 組織固有の判断を学習・評価できる形に整えるデータ作りができるかどうかで、現実の成果が決まる。 この領域が前に出てきたのは、AI活用が「PoCの面白さ」から「運用の勝負」に移った証拠だと感じた