DX人材とは？6つの類型と育成の進め方

DX人材は経産省・IPAの現行標準で6類型に整理され、確保の経路は採用・育成・外部の3つです。ver.1.2では5類型でしたが、2026年4月のver.2.0でデータマネジメントが加わりました。

ただし、類型ごとに人を置くだけでは変革は進みません。DX人材が決めてよい範囲も、同時に設計する必要があります。

この記事では、DX人材の定義と育成手順を整理します。さらに、「研修をしても現場が変わらない」理由まで掘り下げます。

DX人材とは（IT人材との違い）

そもそもDXとは何か（IT化との違い）

DXは、デジタル技術を使って顧客価値、事業、業務、組織のあり方を変えることです。IT化は、紙の申請を電子申請へ置き換えるように、既存業務を情報技術で効率化する取り組みを指します。デジタル化も広い意味ではデジタル技術への置き換えを表し、変革まで含むとは限りません。

違いは導入した技術ではなく、変わった対象で判断します。申請画面を作っただけならIT化、承認の要否や提供するサービスまで見直し、顧客や従業員の行動が変わったならDXです。企画書では「何を導入するか」に加え、「誰のどの判断・行動を変えるか」を一文で書きます。

DX人材とは、デジタル技術を使って変革を進める人材です。対象はシステムだけではありません。事業、顧客体験、業務、組織まで含みます。

たとえば、紙の申請を電子化するだけでは不十分です。「承認自体が必要か」まで問い直します。

IT人材は、情報システムの企画や開発、運用を担います。一方、DX人材は技術を変革へつなげます。両者は対立する区分ではありません。

同じ人が両方を担う場合もあります。違いは技術力ではなく目的です。DX人材は「事業や業務を変える」まで担います。

したがって、エンジニアだけを集めても体制は完成しません。「何を変えるか」を決める人も必要です。また、顧客の体験を設計する人も欠かせません。

背景：なぜ「不足」が続くのか

DX人材の不足がいわれ続ける背景には、需要と供給の偏りがあります。デジタル化の対象が全業種・全部門へ広がった一方、専門人材はIT企業側に集まってきました。採用市場では、業種を問わず同じ人材を取り合う状態です。

社内にも構造要因があります。既存システムの保守と運用に要員が割かれ、変革側に人を出せない企業は珍しくありません。「詳しい人はいるが、業務を変える役割を担う人がいない」という状態です。

経産省とIPAが後述のスキル標準を整備したのも、各社が「どんな役割の人が、何人足りないのか」を定義できていなかったためです。不足を人数の問題とだけ捉えると、採用しても役割が埋まりません。

DX人材の不足は、量だけでなく、必要な質を満たす人材が少ないこと、さらに日本と海外で充足状況に差があることまで含めて捉える必要があります。IPA「DX動向2025」（2025年6月公表）では、DXを推進する人材の量が不足している日本企業は85.1%でした。米国では「やや過剰」または「過不足はない」が約7割、ドイツでは約5割です。調査の対象や「DX人材」の定義によって数値は変わるため、将来の不足人数を一つに固定せず、同じ調査内の国際比較で差を読みます。

この差には人材の所属先も関係します。IPA「DX白書2023」が国勢調査と米国職業雇用統計を基に比較した結果では、情報処理・通信に携わる人材の約4分の3が日本ではIT企業に所属する一方、米国では64.9%が非IT企業に所属します。事業会社、とりわけ地方・中小企業が必要な人材を採りにくい「偏在」は、単純な総数では見えません。実務では、自社の地域、業種、役割別に採用期間と社内候補者を確認します。

不足が注目された背景には、経済産業省が2018年の「DXレポート」で示した「2025年の崖」もあります。レガシーシステムを放置すれば、2025年以降、最大で年12兆円の経済損失が生じ得るという問題提起です。ただし、古いシステムの刷新自体が目的ではありません。経営層がDXを「ツール導入」や「IT部門の効率化」と取り違えず、顧客価値や競争力をどう変えるかを先に決める必要があります。実務では、導入製品ではなく、変えたい経営指標を一つ定めます。

DX人材の6つの類型

6類型と、DX推進スキル標準

経産省・IPAが公開する「DX推進スキル標準」ver.2.0は、DX人材の主な役割を6類型で示しています。類型は職位ではなく、担う役割の違いです。検索で見かける「5類型」は誤りになったのではなく、ver.1.2までの整理を指します。

類型	主な役割	現場での具体例
ビジネスアーキテクト	目的を定め、関係者をつないで変革を進める	受注業務を見直し、変更範囲と判断者を決める
デザイナー	顧客や利用者を起点に体験を設計する	申請画面と前後の業務動線を一緒に描く
データサイエンティスト	データから課題を捉え、意思決定に使える形にする	問い合わせ履歴から改善対象を特定する
データマネジメント	安全で信頼できるデータを継続して流通・活用できる仕組みにする	データの品質、定義、権限、更新責任を整える
ソフトウェアエンジニア	仕組みを設計し、実装して運用へつなぐ	社内システムと生成AIを安全に連携する
サイバーセキュリティ	リスクを評価し、対策と運用を設計する	入力できる情報と利用権限の境界を決める

類型は大きな責任範囲であり、採用や配置では、その下のロールまで具体化します。デジタルスキル標準ver.1.2の5類型では、ビジネスアーキテクトを「新規事業開発」「既存事業の高度化」「社内業務の高度化・効率化」に分け、デザイナーには「グラフィックデザイナー」も含めていました。ver.2.0ではこのロール構成も変わっています。実務では「データ人材を一人」のように募集せず、参照版、担当ロール、成果物まで求人票や育成計画に書きます。

同標準の共通スキルリストは、全類型を「ビジネス変革」「データ活用」「テクノロジー」「セキュリティ」「パーソナルスキル」の5カテゴリーで横断します。類型とスキルの対応は次のように見ると、役割名だけで人を選ぶことを防げます。

共通スキルのカテゴリー	6類型との主な対応	配置時に確認すること
ビジネス変革	ビジネスアーキテクト、デザイナーを中心に全類型	目的、顧客価値、業務変更を説明できるか
データ活用	データサイエンティストを中心に全類型	収集、分析、意思決定までつなげられるか
テクノロジー	ソフトウェアエンジニアを中心に全類型	技術選定から運用まで見通せるか
セキュリティ	サイバーセキュリティを中心に全類型	リスクを業務要件へ翻訳できるか
パーソナルスキル	全類型	対話、協働、学習、変化への適応ができるか

データマネジメント類型（ver2.0で新設）

データマネジメント類型は、データの安全性と信頼性を確保し、継続して流通できる仕組みを設計・実装・運用する役割です。経産省・IPAのver.2.0では、データスチュワード、データエンジニア、データアーキテクトの3ロールが置かれました。組織全体の人材を巻き込み、データ利用とデータによる価値創出を進めます。

分析担当との違いは、分析結果を出す前提を整えることです。実務では、重要データごとに定義、正本、品質基準、更新責任者、閲覧権限を一枚の台帳へ記録します。データサイエンティスト類型にあったデータエンジニアは、ver.2.0でこの類型へ統合されています。

ver2.0でビジネスアーキテクト・デザイナーのロールが見直された

ver.2.0では、ビジネスアーキテクト類型の従来の3ロールが、「ビジネスアーキテクト」「ビジネスアナリスト」「プロダクトマネージャー」へ再定義されました。個別案件だけでなく、ビジネスモデルや組織全体の継続的な変革を扱うための見直しです。

デザイナー類型では「グラフィックデザイナー」が削除され、製品・サービスの意義や使い方を伝える「コミュニケーションデザイナー」が新設されました。名称だけ置換せず、採用票や育成表で旧ロールを使っている箇所を洗い出し、現行ロールと担当成果物へ対応づけます。

AX（AIトランスフォーメーション）

AXはAIトランスフォーメーション、つまりAIを前提に事業や組織を変える取り組みです。経済産業省は、AXの進展とデータ活用の重要性の高まりをver.2.0改訂の背景に挙げています。DXに代わる単なる流行語としてではなく、AI活用に耐えるデータ整備と業務変革を同時に考える文脈で捉えます。

実務では「AIを導入する」を目標にせず、AIで変える判断と、その判断に必要なデータの品質責任者を対にして決めます。

類型どうしは指示ではなく協働する

6類型は上司と部下の階層ではありません。IPAの整理でも、各類型は他の類型へ一方向に指示・依頼するのではなく、目的に向けて協働する関係です。一人が複数ロールを担うことも、複数人で一つのロールを担うこともあります。

実務では、類型ごとの成果物だけでなく受け渡し条件を決めます。たとえばデザイナーが示した利用者課題を、ビジネスアーキテクト、データマネジメント、エンジニアが同じ受入基準へ落とし込みます。

7職種での分け方との対応

DX人材を7職種で整理する例もあります。ビジネスプロデューサー、ビジネスデザイナー、データサイエンティスト／AIエンジニア、UXデザイナー、アーキテクト、エンジニア／プログラマ、先端技術エンジニアです。

名称が違っても、必要な仕事は変わりません。ビジネスプロデューサーとビジネスデザイナーは、主にビジネスアーキテクトへ対応します。UXデザイナーはデザイナーに対応します。

データサイエンティスト／AIエンジニアは、主にデータサイエンティストへ対応します。ほかの技術系職種は、ソフトウェアエンジニアと重なります。

一方、サイバーセキュリティは全体を横断します。古い職種表では、独立して見えない場合があります。そのため、7職種を使うなら安全面の責任者を別途確認します。

大切なのは、「目的」「体験」「データ」「実装」「安全」の担当がいるかです。

求められるスキルとマインドセット

全社員に求めるDXリテラシー

DX人材は、ITができる人だけを指すのではありません。デジタルで事業・業務・組織を変え、周囲を巻き込む人です。同時に、6類型の専門人材だけで変革を進めることもできません。残る全社員が、DXの目的とデータ・技術の基本を理解して初めて、現場で利用と改善が続きます。

経済産業省・IPAのデジタルスキル標準は、専門人材向けの「DX推進スキル標準」と、経営層を含む全ビジネスパーソン向けの「DXリテラシー標準」の二層です。後者は「Why（DXの背景）」「What（データ・技術）」「How（利活用）」と「マインド・スタンス」で構成されます。実務では、全社員に同じ専門研修を課さず、全員向けの基礎と、担当ロール別の実践を分けます。

スキル：リテラシー・ビジネス理解・データ活用

DX人材に共通する土台は、デジタルのリテラシーです。すべての人に高度な実装力を求める意味ではありません。技術の可能性と制約を理解し、専門家と会話できる水準が必要です。

次に必要なのがビジネス理解です。業務フローだけでなく、顧客価値や収益への影響も捉えます。たとえば、問い合わせを自動化するなら、応答精度だけを見ません。「顧客の待ち時間がどう変わるか」も確認します。

データ活用は、数字を読む力だけではありません。必要なデータの所在や品質、利用権限を確かめる力も含みます。「この数字で何を決めるのか」を先に定めることが重要です。

曖昧な要望は、検証できる問いへ変えます。「AIを入れたい」ではなく、「どの判断を速くしたいか」まで具体化します。

一般に使われる「ハードスキル・ソフトスキル・ビジネススキル」という分け方なら、実装や分析はハードスキル、対話や巻き込みはソフトスキル、顧客価値や収益の理解はビジネススキルに当たります。3分類は能力の説明に便利ですが、実務では共通スキルリストと担当ロールへ対応づけ、どの場面で使う力かまで定めます。

職能別に見たスキル（PM／新規事業企画／UI・UX／先端技術）

類型は役割の縦軸、職能は仕事を進める横軸です。PM（プロジェクトマネジメント）は範囲、期限、課題、意思決定を管理します。新規事業企画は、顧客課題、提供価値、収益の仮説を検証します。UI・UXは画面の見た目だけでなく、利用者が目的を達成する一連の体験を設計します。先端技術は、AIなどの可能性と制約を業務要件へ翻訳する力です。

同じ類型でも必要な職能の組み合わせは案件で変わります。実務では、案件の主要成果物を並べ、各成果物に「作る人」「判断する人」「検証する人」を割り当てて不足スキルを特定します。

デザイン思考

デザイン思考は、利用者を観察して課題を捉え、案を形にし、試して学ぶ進め方です。デザイナーだけの技能ではなく、ビジネスアーキテクトやエンジニアが、作る前に前提を確かめるためにも使えます。

実務では、要望をそのまま要件にせず、利用場面を一つ観察し、試作品への反応から課題の定義を更新します。手法名の導入ではなく、仮説を修正した記録を残すことが改善につながります。

マインドセット：変革・顧客中心・データドリブン

変革のマインドセットは、既存手順を前提にしない姿勢です。今ある帳票をそのまま画面に移す前に、「この確認はなぜあるのか」と問い直します。

顧客中心とは、要望をすべて受け入れることではありません。顧客が達成したい状態から逆算します。社内DXでも、利用者である従業員の動線を観察します。

データドリブンでは、経験から仮説を立てます。結果と現場感が違うなら、測り方も見直します。

また、試行から学ぶ姿勢も必要です。ただし、「まず試す」だけでは不十分です。「何が起きたら続けるか」を先に決めます。検証結果を次の判断につなげるためです。

アジャイル思考・失敗を許容する

アジャイル思考は、完成形を長く検討してから一度に出すのではなく、小さな単位で試し、結果から次の優先順位を変える考え方です。失敗を許容するとは、無計画な挑戦を認めることではありません。損失の上限を決め、学びを次へ反映できる失敗を扱うことです。

実務では、試行ごとに「続ける条件」「止める条件」「学んだこと」を一行ずつ残します。評価を成功件数だけにすると問題を隠すため、早期に前提の誤りを発見した試行も学習成果として扱います。

向いている人の特徴（適性）

DX人材に向くのは、技術に詳しい人だけではありません。未知の課題を分解できる人、利用者の話を聞いて前提を疑える人、異なる専門家の言葉をつなげられる人、試行結果から考えを変えられる人が適しています。また、答えが決まっていない状況でも、判断材料と不明点を分けて説明できることが重要です。

適性を印象で判定しないため、選抜時には小さな業務課題を渡し、仮説、関係者、検証方法を説明してもらいます。現時点の知識量と、学びながら進める力は分けて評価します。

確保の3経路：採用・育成・外部活用

それぞれの向き不向きと組み合わせ

DX人材の確保には、採用、育成、外部活用があります。どれかに統一する必要はありません。役割と時間軸に合わせて組み合わせます。

経路	向いている状況	向きにくい状況	組み合わせ方
採用	継続して必要な専門性を社内に持ちたい	役割や任せる範囲が曖昧	事業責任者は社内に置き、不足する専門性を補う
育成	業務知識を持つ人を変革の担い手にしたい	学ぶ時間と実践案件を用意できない	現場担当を選び、専門家がOJTを支える
外部活用	立ち上げ時の知見や専門性を早く補いたい	判断まで外部へ預けたい	設計と伴走を任せ、判断基準を社内へ残す

採用では、「任せたい判断」を先に言語化します。育成では、対象業務とOJTをセットにします。外部活用では、「一緒に決める期間」を設けます。

確保は採用か育成かの二択ではなく、併用が基本です。採用では、候補者へ直接働きかけるダイレクトリクルーティング、社員の紹介を使うリファラル採用、職務と責任を明確にするジョブ型の求人設計を使い分けます。実務では、希少な専門ロールはダイレクト採用、組織との相性を重視する役割はリファラル、社内人材は異動と育成を組み合わせます。

外部活用には、立ち上がりの速さと専門性という利点がある一方、継続費用がかかる、機密情報の管理範囲が広がる、任せ切ると社内にスキルが残らないというデメリットがあります。契約時に成果物だけでなく、アクセス権、知識移転、終了後の運用担当を決めます。

現実的なのは混成チームです。社内の業務責任者が目的を持ちます。採用した専門人材と外部の支援者が、設計と実装を補います。

選ばれる企業になる——採用で自社をどう見せるか

DX人材の採用では、給与条件だけでなく「何を変えられるか」が見られます。求人票には技術名の羅列ではなく、対象事業、顧客課題、任せる判断、使えるデータ、経営層の支援、入社後に得られる経験を書きます。裁量を掲げるなら、予算や承認の境界も示します。

実務では、候補者との面談で現在の課題を隠さず、入社後90日で決めてよいことを具体例で説明します。採用広報と現場の権限が食い違うと定着しないため、求人公開前に配属責任者が内容を確認します。

外部人材が機能する場面

外部人材が特に機能するのは、専門ロールを採用できる前の立ち上げ、社内候補者のメンター、要件定義や本番移行など一時的に負荷が高まる山場です。恒常的な業務判断まで任せると、終了後に基準が社内へ残りません。

契約時には、担当成果物、社内の判断者、知識移転の方法、終了条件を決めます。毎週一つ、判断理由か手順を社内台帳へ移す運用にすると、外部活用と内製化を両立できます。

DX人材の年収をどう見るか

求人の年収レンジは、DX人材という職種名だけではなく、任される判断の範囲で見ます。同じ「データ人材」でも、集計を担当する役割と、投資判断に使う指標を設計して部門横断で合意する役割では、責任の広さが異なります。採用時は、対象事業、決裁権、部門横断の責任、専門領域、成果物を求人票に書き、同じ範囲の求人と比較します。

実額は、職種の定義、地域、雇用形態、調査時点で大きく変わるため、この記事では一つの平均額を示しません。候補者への提示前に、役割と評価条件が同じかを確認し、社内の既存職種との処遇差も説明できる状態にします。

職種別・階層別の年収の考え方

処遇差を生むのは肩書だけではありません。専門性の希少性、判断が及ぶ事業範囲、予算・人員への責任、障害時の影響、後進育成の責任で構造化します。実装担当とプロジェクト責任者、部門責任者、経営層では、同じ技術知識があっても負う結果が異なります。

実務では、職種と階層の二軸に「最終判断」「影響範囲」「期待成果」を記した表を作り、同じ責任の社内職種と比較します。外部の実額をそのまま当てはめず、役割が広がったときに処遇を見直す条件を先に示します。

育成の進め方

育成は、次の順で設計します。

1. どの判断を速くしたいかを決める（「AIを入れたい」から始めない）

2. その判断に必要な類型を、6類型から名指しする

3. 対象者を選ぶ。選出理由を本人へ伝える

4. 座学で共通言語を作る

5. 自社テーマでOJTを回す

6. 判断できる権限を渡す。ここを飛ばすと、研修は現場を変えない

計画→選出→座学→OJTの設計

育成は、研修テーマを選ぶ前に計画から始めます。まず、変えたい業務と成果を決めます。たとえば、「請求書処理を学ぶ」ではなく、「確認待ちを減らす」と置きます。

次に、必要な類型と役割を洗い出します。兼務する場合も、最終判断者を明記します。

人選では、現在のデジタル知識だけを見ません。業務知識、関係者との調整力、試行を続ける姿勢も見ます。「詳しい人」より「変える対象を持つ人」が起点になります。

座学は、共通リテラシーと役割別の知識に分けます。データ、安全、生成AIの扱いも学びます。

学習先は目的に合わせます。経済産業省の「マナビDX」はデジタルスキル標準に対応する講座を探す入口で、「マナビDX Quest」ではケーススタディや地域企業との協働で実践まで経験できます。実務では、座学の修了後30日以内に、自部署の小さな課題を一つOJTへ移します。

資格は学習範囲の確認に使えます。全社員の基礎には国家試験のITパスポート、AIの基礎にはG検定、データ活用の基礎にはデータサイエンティスト検定リテラシーレベルがあります。IPAなど3団体のデジタルリテラシー協議会も、この3試験を「DX推進パスポート」の対象として推奨しています。ただし、合格は変革を実行した証明ではありません。資格とOJTの成果を別々に評価します。

その後、OJTで実際の業務を変えます。教材用の課題だけで終わらせません。小さな対象を選び、業務担当者と一緒に試します。「誰が使うか」「誰が承認するか」も検証対象です。

評価は、受講の完了だけで判断しません。課題を定義できたか、関係者と合意できたかを見ます。さらに、現場の判断や動線が変わったかを確認します。

公表事例では、東京電力ホールディングスが2024年度までに全社員の2割に当たる約6,000人をDX推進の中核人財として育成する目標を掲げ、啓発・可視化・育成・配置・価値発揮を一つのサイクルにしています。重要なのは人数の大きさではなく、育成後の配置と価値発揮まで設計している点です。自社では、修了者数に加えて、実案件への配置率と業務成果を追います。

育成した企業の事例

公表情報で確認できる東京電力ホールディングスの事例では、啓発、スキルの可視化、育成、配置、価値発揮を一つの循環として扱っています。事例から移すべきなのは人数目標ではなく、研修後の配置と成果確認までを育成に含める設計です。

企業名を増やすこと自体は網羅性になりません。公表主体の情報で育成対象、方法、配置後の扱いまで確認できない事例は追加せず、自社では「修了者がどの案件へ入り、どの判断を担ったか」を四半期ごとに確認します。

評価・処遇と組織文化を変える

育成は座学で終わらせず、OJTと実践までつなげる必要があります。そのうえで、挑戦した人だけが従来業務との二重負担を負い、失敗だけを減点される評価制度なら、行動は続きません。DXの目的に沿う提案、部門横断の協働、検証から得た学びを評価項目に入れ、専門性や責任に応じた処遇、役割、キャリアパスを示します。

組織文化の改革は、意識を変える掛け声ではありません。小さな実験を許す範囲、失敗を共有する場、部門を越えて相談できる時間を制度にします。実務では、評価面談で「今年試した業務変更と、続ける・やめるを決めた根拠」を一つ確認します。

スキルマップで、誰が何をどこまでできるかを可視化する

スキルマップは、行に人またはロール、列に必要なスキルを置き、現在地と必要水準の差を見る道具です。列には「データ分析」のような大分類だけでなく、「業務課題を分析の問いに変える」「利用可能なデータを確認する」「結果を意思決定者へ説明する」のように、観察できる行動を置きます。

各セルは、未経験、支援を受けて実行できる、単独で実行できる、他者を支援できる、のように水準をそろえます。自己評価だけで確定せず、成果物と上長・専門家の確認を根拠にします。四半期ごとに、育成対象者の空欄を埋めるのではなく、次の案件で必要な列を一つ選び、OJTと配置へつなげます。

スキルマップを作る目的

スキルマップの目的は、人を点数順に並べることではありません。案件に必要な能力と現在地の差を見て、配置、育成、採用のどこで埋めるかを決めることです。本人にとっても、次に任される仕事と学ぶ理由が見えるようになります。

実務では、研修前後の点数だけで効果を判断せず、対象スキルを使う案件への配置と成果物を確認します。使う予定のない列まで一律に埋めず、経営計画と案件計画から必要な列を選びます。

資格の一覧（E資格／Di-Lite／Generative AI Test／DX検定／情報処理技術者試験）

資格は目的別に選びます。E資格は深層学習の理論と実装、Generative AI Testは生成AIの基礎と活用上の注意を確認する選択肢です。Di-Lite（ディーライト）は、デジタルを使う全てのビジネスパーソンに必要なリテラシー領域の考え方で、特定の単独資格名として扱いません。DX検定はDXに関する知識の確認、情報処理技術者試験はITパスポート、基本情報技術者、応用情報技術者、ITストラテジストなど役割に応じた国家試験群です。

資格名だけで配置を決めず、学習範囲と担当ロールを対応づけます。取得後は、OJTで作った成果物と業務上の判断を別に評価します。

デジタル人材スキルプラットフォーム（IPA構築中）

経済産業省の公表資料では、IPAが「デジタル人材スキルプラットフォーム」を構築中です。個人のスキル情報を蓄積・可視化し、継続学習や人材育成・確保に生かす構想ですが、現時点で完成済み、提供開始済みとは扱いません。

自社のスキルマップ更新を待つ必要はありません。将来の連携を見据え、資格名、取得時期、評価根拠、担当案件を機械で扱える項目に分けて管理します。

役割の階層（経営層／マネジメント層／推進者／専門人材／全社員）

類型とは別に、組織内の階層で役割を分ける必要があります。経営層は変革の目的と投資・リスクの境界を決め、マネジメント層は人員と優先順位を調整します。推進者は部門を越えて案件を進め、専門人材は設計・分析・実装・安全を担い、全社員は基礎リテラシーを使って業務で実践します。

この階層を分ける理由は、学ぶ内容ではなく判断の置き場所が違うためです。実務では各階層について「決めること」「相談を受けること」「成果を確認すること」を一行ずつ定め、研修計画と稟議経路をつなげます。

助成金・支援制度

DX人材の育成では、公的な支援制度を使える場合があります。対象は研修費だけとは限りません。企業規模や雇用条件、実施内容で要件が変わります。

そのため、制度名から研修を選ぶ順番にはしません。先に育成計画と対象業務を固めます。そのうえで、利用できる公的な支援制度を確認します。

申請時は、受講者、内容、実施時期、証憑を整理します。最新条件は、所管する公的窓口で確認します。

また、支援の対象になることと、現場で役立つことは別です。「制度を使える研修」ではなく、「業務を変える計画に合う研修」を選びます。

この記事では、DX人材が判断を動かす条件を語ります

ここまでがDX人材の教科書です。この記事では、類型や資格の一覧ではなく、生成AIで実装が速くなった後に、DX人材が組織の判断を動かす条件を語ります。

生成AIで要件が変わった：「作る人」から「決める人」へ

生成AIは、文章作成だけでなく実装の速度も変えました。その結果、DX人材の希少性は「作れること」だけでは決まらなくなっています。

作る速さは上がった。決める速さは変わっていない

この記事の発信元であるARCHECO（大企業と新規事業を作る支援会社）が、生成AIを週1回以上使う新規事業担当者・経営層420名に行った調査では、企画やPoC（概念実証）が「速くなった」と答えた人が90.7%いました。一方で、「企画は速くなったのに、意思決定が追いつかない」組織が27.4%、およそ4社に1社ありました。

変わったのは作る速さです。決める速さではありません。調査の設問と内訳は、新規事業とAIの実態調査2026に載せています。

実装が速くなるほど、待ち時間が目立ちます。「どのデータを使えるか」「誰がリスクを引き受けるか」が決まらなければ、完成品は現場へ出ません。

必要なのは、技術、業務、法務、安全をつなぐ人です。生成AI時代には、「決められる形にする力」が求められます。

実装スキルだけでなく、論点整理と権限設計も評価します。「誰に、何を決めてもらうか」までが仕事です。

育てても現場が変わらないとき、何が起きているか

6類型を揃えることは、DX推進の土台です。類型は正しい地図です。ただ、人材が揃った企業でも止まる例があります。止まっていたのは人材ではなく、その人材の判断が通る経路のほうでした。

判断の置き場所（権限・稟議の経路）が変わっていない

育成後の人材に提案を求めても、権限がなければ実行できません。既存の稟議が新しい試行を想定していなければ、承認先も定まりません。

精度95%の社内AIが、1か月でアクセスほぼゼロになった実測があります。止めたのは能力ではありません。業務の動線と権限という「置き場所」でした。

たとえば、回答を正式な業務記録へ移せない場合があります。AIの結果を誰が承認するかも不明です。利用者は従来の手順へ戻ります。

必要なのは、権限と稟議経路の設計です。「誰が試行を許可するか」を決めます。現場の判断範囲と相談先も明文化します。

研修計画には、判断経路の変更を含めます。判断の置き場所ごと設計する研修・ガバナンス支援では、教育と運用設計を一体で扱います。

禁止ルールと現場の実態（シャドーAIの構造）

シャドーAIとは、会社が把握していないところで、従業員が個人の判断で生成AIを使っている状態です。生成AIの利用を禁止しても、必要性は消えません。禁止ルールを増やすほど、見えないところで使われます。ルールの厳しさと現場の実態は比例しません。

現場が使う理由は、業務上の困りごとが残っているからです。承認済みの道具が遅いと、個人の道具へ流れます。管理側からは利用実態が見えなくなります。

この状態では、情報の入力先を追えません。禁止だけを強めると、安全管理に必要な観測まで失います。

対策は「全面禁止」か「無条件で許可」の二択ではありません。「この情報は入力しない」「この用途は承認済み環境で使う」と、場面ごとに線を引きます。

迷ったときの相談先と、用途を申請できる入口も必要です。シャドーAIが生まれる構造を把握すると、実態に沿った統制を設計できます。

研修で変わるもの・変わらないもの

ツール操作の研修は、操作を変えます。プロンプトの入力方法や、出力の確認方法は学べます。しかし、操作研修だけでは判断は変わりません。

判断を変えるのは、業務ごとの線引きです。「この場面では使ってよい」と決めます。同時に、「この場面は人が決める」も明確にします。

たとえば、会議メモの要約は利用を認めるとします。一方、契約条件の確定は人が担うと決めます。境界が具体的なら、受講者は現場で迷いにくくなります。

判断者と相談経路は、研修外の設計です。経営、管理部門、現場責任者が業務ルールを更新します。

研修後は、「対象業務で使える状態か」を確認します。使えないなら、権限と動線を点検します。

まとめ：不足しているのは肩書だけではない

冒頭で示したDX人材不足は、採用人数だけの問題ではありません。6類型を揃えても、判断する人、決裁の経路、失敗を扱うルールが変わらなければ現場は動きません。必要な類型を見極め、判断を置く場所まで設計することが育成と確保の結論です。

この先：作る技能と決める技能が分かれる

生成AIが実装を補助するほど、課題設定、優先順位、受入基準を決める技能の価値が上がります。一方で、データ、セキュリティ、UXの専門性は不要になりません。類型ごとの専門性を保ちながら、共通の判断材料を作れる協働設計が中心になります。

よくある質問

DX人材とは何ですか？

デジタル技術を使って変革を進める人材です。対象はシステムだけでなく、事業、顧客体験、業務、組織まで含みます。紙の申請を電子化するだけでなく、承認自体が必要かまで問い直す役割です。エンジニアを集めるだけでは体制は完成せず、何を変えるかを決める人も欠かせません。

IT人材との違いは何ですか？

IT人材は情報システムの企画、開発、運用を主に担います。DX人材は、技術を使って事業や業務を変えるところまで担います。両者は対立する区分ではなく、同じ人が両方を担う場合もあります。そのため、違いは技術力や肩書ではなく、目的と役割で捉えます。

DX人材の6類型とは何ですか？

経産省・IPAのDX推進スキル標準ver.2.0では、ビジネスアーキテクト、デザイナー、データサイエンティスト、データマネジメント、ソフトウェアエンジニア、サイバーセキュリティの6類型です。ver.1.2まではデータマネジメントを除く5類型でした。採用や配置では、参照版、ロール、成果物まで具体化します。

どんなスキルとマインドセットが必要ですか？

土台はデジタルのリテラシーで、技術の可能性と制約を理解し、専門家と会話できる水準が必要です。次にビジネス理解、そしてデータの所在や品質、利用権限まで確かめる力が要ります。マインドセットは、既存手順を前提にしない姿勢、顧客が達成したい状態からの逆算、結果を次の判断へつなげる検証です。

DX人材は何人必要ですか？

人数だけでは決められません。まず、目的、体験、データ、実装、安全の役割が埋まっているかを確認します。ただし、兼務する場合も最終判断者は明確にします。そのうえで、判断待ちや専門性の不足が見えた段階で体制を広げます。不足は人数だけでなく、必要な役割を満たす質の問題としても捉えます。

育成と採用はどちらが先ですか？

業務を理解する推進役の育成を先に始めます。同時に、社内で補いにくい専門性は採用や外部活用で確保します。採用だけでは任せる役割が曖昧になり、育成だけでは専門領域を補えません。業務から逆算して併用するのが基本です。採用ではダイレクトリクルーティング、リファラル、ジョブ型の求人設計を使い分け、社内人材は異動と育成を組み合わせます。

育成はどう進めますか？

研修テーマを選ぶ前に、変えたい業務と成果を決めます。次に必要な類型と役割を洗い出し、人選では詳しい人より変える対象を持つ人を起点にします。座学は共通リテラシーと役割別に分け、その後はOJTで実際の業務を変えます。評価は受講完了ではなく、現場の判断や動線が変わったかで見ます。

研修だけで現場は変わりますか？

変わりません。ツール操作の研修は操作を変えますが、判断までは変えません。判断を変えるのは業務ごとの線引きで、使ってよい場面と人が決める場面を具体的に定めます。判断者と相談経路の更新は研修外の設計であり、研修後は対象業務で使える状態かを点検します。

育成しても現場が変わらないのはなぜですか？

止まっているのは人材ではなく、その人材の判断が通る経路です。提案しても権限がなく、既存の稟議が新しい試行を想定していなければ、承認先も定まりません。回答精度95%の社内AIが1か月でアクセスほぼゼロになった例も、原因は能力ではなく業務の動線と権限という置き場所でした。誰が試行を許可するかを明文化します。

資格は取るべきですか？

資格は学習範囲の確認に使えます。全社員の基礎にはITパスポート、AIの基礎にはG検定、データ活用の基礎にはデータサイエンティスト検定リテラシーレベルがあり、デジタルリテラシー協議会もこの3試験をDX推進パスポートの対象としています。ただし合格は変革を実行した証明ではないため、資格とOJTの成果は別々に評価します。

—

人材の育成と、判断が通る経路の設計を、ARCHECOはセットで請けています。

生成AIの研修・ガバナンス支援を見る／問い合わせる