ラオスで AI エンジニアを採用しようとして挫折した経験はないだろうか。当社も同じ壁にぶつかった。しかし、既存スタッフの AI リテラシーを段階的に底上げする研修を設計したところ、6 ヶ月で業務に AI を適用できる人材を社内から輩出できた。本記事では、ラオス進出企業の人事・研修担当者に向けて、非エンジニアを対象とした 3 段階の AI リテラシー研修の設計・実施方法を、当社の実測データとともにステップバイステップで解説する。

ラオスの IT 人材市場の構造を理解すると、「AI エンジニアを採用する」というアプローチがなぜ機能しにくいかが見えてくる。

筆者がラオスで最初のプロジェクトを立ち上げた際、Python エンジニアの募集をかけたが応募者はゼロだった。ラオス国立大学の IT 学部の年間卒業者数は限られており、その多くはタイやベトナムの企業に流れる。ASEAN 域内の賃金格差を考えれば当然の流れだ。

ラオスの ICT 人材の状況を整理すると、以下の構造的な課題が浮かび上がる。

• 絶対数の不足: IT 系学部の卒業者が国内需要を大幅に下回っている
• 域内人材流出: タイ・ベトナムの企業が 2〜3 倍の給与で引き抜く
• AI 専門人材はほぼゼロ: 機械学習やデータサイエンスを専門とする人材は国内にほとんどいない
• 英語力の壁: 英語の技術ドキュメントを読める人材が限られ、学習速度が制約される

採用コストと育成コストを比較すると、ラオスでは育成の ROI が圧倒的に高い。

当社の経験では、海外からエンジニアを招聘した場合の年間コストは、現地スタッフ 3 名分の研修費の 5 倍以上になった。さらに、招聘したエンジニアは 1 年で退職した。一方、研修を受けた現地スタッフは業務の文脈を深く理解しているため、AI ツールの活用提案が的確で、定着率も高い。

研修設計に入る前に、3 つの前提条件を整える必要がある。ここを飛ばすと、研修が「なんとなく ChatGPT を触る会」で終わってしまう。

AI リテラシー研修は、受講者の業務時間を週 2〜4 時間使う。経営層が「業務時間内の研修参加」を明確に承認しないと、現場マネージャーが研修への参加を渋る。当社では、CEO がキックオフミーティングで「AI 活用は全社戦略である」と宣言したことで、受講率が 60% から 95% に跳ね上がった。

「AI を学ぶ」ではなく「この業務課題を AI で解決する」をゴールにする。研修開始前に、各部門の業務課題を棚卸しし、AI で改善可能なタスクを 3〜5 個特定しておく。

棚卸しの観点:

• 反復作業: 毎日・毎週繰り返している作業（データ入力、レポート作成、メール対応）
• 判断の標準化: 属人的な判断が必要だが、パターンがある程度決まっている業務
• 言語処理: ラオス語↔英語↔日本語の翻訳・要約が発生する業務

3 段階の研修設計の第 1 段階は、AI の基本概念と「何ができて何ができないか」を理解させることだ。

対象: 全スタッフ（エンジニア・非エンジニア問わず） 頻度: 週 1 回 × 2 時間 × 8 回（計 16 時間） 形式: ワークショップ形式（座学は全体の 30% 以下に抑える）

英語の技術用語をそのまま使うと、受講者の理解度が著しく下がる。当社では以下の対応を行った。

用語のラオス語化: 「プロンプト」「ハルシネーション」「トークン」などの基本用語にラオス語の説明を併記した用語集を作成し、研修初日に配布した。これは当社がラオス語 AI チャットボットを開発した際のノウハウが活きた部分だ。

スマートフォンファースト: ラオスではPC よりスマートフォンの普及率が高い。研修の実習はスマートフォンの ChatGPT アプリでも完了できるように設計した。PC がないことを理由に参加できないスタッフをゼロにするためだ。

ペア学習: IT リテラシーに差がある受講者をペアにし、得意な方が教える形式を取った。教えることで理解が深まる効果に加え、ラオスの「助け合い」の文化にも合致し、脱落率が大幅に下がった。

第 2 段階では、第 1 段階で学んだ基礎を実際の業務タスクに適用する。ここが研修の核だ。

全員共通の基礎研修とは異なり、この段階では部門ごとにカリキュラムを分ける。

当社の研修で最も効果が高かったのは、座学を最小限に抑え、実務での試行を中心に据えた配分だ。

• 70%: 実業務での AI 活用（日常業務にAI を組み込む）
• 20%: メンター・同僚からのフィードバック（週 1 回の振り返りミーティング）
• 10%: 座学（新しいテクニックや事例の紹介）

毎週の振り返りミーティングでは、「今週 AI で解決できたこと」と「AI に任せたが失敗したこと」を共有する。失敗事例の共有が特に重要で、ある経理スタッフが「AI が生成した財務サマリーの数値が間違っていた」と報告したことで、チーム全体に「AI の出力は必ず検証する」という習慣が定着した。

研修の成果をあいまいにしないため、明確な評価基準を設ける。

第 3 段階の目標は、各部門に 1 名以上の「AI 推進リーダー」を育てることだ。全員をエキスパートにする必要はない。部門内で AI 活用を推進し、同僚の相談に乗れる人材がいれば、組織全体の AI 活用レベルは自律的に上がっていく。

第 2 段階の評価結果から、以下の条件を満たすスタッフを選定する。

• 業務での AI 活用頻度がチーム上位 20% に入る
• 失敗事例を積極的に共有し、改善提案ができる
• 同僚に教えることに抵抗がない

当社では 15 名の受講者から 4 名の AI 推進リーダーを選出した。興味深いことに、4 名中 3 名は IT 部門ではなく営業とカスタマーサポートの出身だった。技術的な素養よりも「業務課題を AI で解決しよう」という姿勢の方が、リーダーの資質として重要だった。

AI 推進リーダーには、一般受講者とは別に以下の追加研修を実施する。

API 連携の基礎（4 時間 × 2 回）: ノーコード/ローコードツール（Zapier、Make）を使って AI API を業務フローに組み込む方法を学ぶ。コードは書かないが、「AI を自動化パイプラインに組み込む」という概念を理解する。

プロンプトエンジニアリング応用（2 時間 × 3 回）: Few-shot プロンプティング、Chain of Thought、出力フォーマットの指定など、より高度なプロンプト技法を実務で試す。

研修ファシリテーション（2 時間 × 2 回）: 次期受講者の研修をリーダーが主導できるよう、教え方・ワークショップの進行方法を練習する。これにより、研修の内製化・持続化が実現する。

数字で語らなければ説得力がない。当社がラオスの現地法人で実施した AI リテラシー研修の結果を共有する。

• 受講者: 15 名（営業 4 名、経理 3 名、カスタマーサポート 4 名、人事 2 名、物流 2 名）
• 期間: 6 ヶ月（第 1 段階 2 ヶ月 + 第 2 段階 2 ヶ月 + 第 3 段階 2 ヶ月）
• 研修コスト: AI ツールのライセンス費 + 研修設計・運営の工数（外部講師は不使用）

最も劇的な変化が起きたのはカスタマーサポート部門だ。研修前は英語の問い合わせに 1 件ずつ手作業で対応していたが、研修後は AI で回答ドラフトを生成し、スタッフが確認・修正するフローに移行した。対応速度が 3 倍以上になっただけでなく、英語の品質も向上し、顧客満足度スコアが改善した。

順調に見えるが、途中で 2 つの大きな失敗があった。

失敗 1: 英語教材のみで開始。最初の 2 週間、英語の教材だけで研修を始めたところ、理解度テストの平均点が 40% を下回った。急遽ラオス語の補足資料を作成し、用語集を配布したところ、次のテストで平均 75% まで回復した。

失敗 2: 全部門共通のカリキュラムを 3 ヶ月目も続けた。第 2 段階に入るべきタイミングで、全員共通の「応用編」を続けてしまい、「自分の業務と関係ない」という不満が噴出した。慌てて部門別カリキュラムに切り替え、業務直結のタスクを練習素材にしたところ、モチベーションが V 字回復した。

当社の失敗に加え、ASEAN 地域の他社事例から見えるアンチパターンを共有する。

「ChatGPT の使い方」を教えることが目的になり、業務課題の解決につながらないパターン。受講者は「面白かった」と感想を述べるが、翌月には誰も AI を使っていない。

回避策: 研修の KPI を「ツールの操作習得」ではなく「業務タスクの所要時間短縮」に設定する。毎週、具体的な業務タスクでの Before/After を計測する。

IT 部門は技術に詳しいが、営業や経理の業務プロセスを深く理解しているわけではない。IT 主導の研修は技術寄りになりがちで、非エンジニアの受講者がついてこられなくなる。

回避策: 研修の設計は人事と各部門のマネージャーが主導し、IT 部門は技術的なサポート役に回る。「業務のプロが AI の使い方を学ぶ」構造を作る。

AI ツールに機密情報を入力してしまうインシデントは、研修開始直後に起きやすい。「後で決める」は手遅れになる。

回避策: 研修初日に以下のルールを明示する。

• 顧客の個人情報は AI に入力しない
• 財務データは匿名化してから使用する
• ビジネスアカウント以外（個人アカウント）での業務利用は禁止
• AI の出力を社外に送信する前に必ず人間が確認する

当社の場合、15 名の研修で主なコストは AI ツールのビジネスアカウント費用（月額 × 人数 × 6 ヶ月）と、研修設計・運営に充てた社内工数だった。外部講師は使わず、社内のシニアスタッフが講師を兼任した。海外から AI エンジニアを 1 名採用するコストの 5 分の 1 以下で収まった。

できる。むしろラオスではそれが多数派なので、ラオス語の補足教材は必須だ。AI ツール自体はラオス語での入出力に対応しているため、プロンプトをラオス語で書いても実用的な結果が得られる。ただし、高度なプロンプトエンジニアリングのリソースは英語が中心なので、AI 推進リーダー層には最低限の英語読解力があると望ましい。

ある。しかし「育成しなければ退職しない」わけではなく、スキルが上がらないまま不満を募らせて辞めるリスクの方が高い。当社では研修修了者の 1 年後の定着率は 86% で、全社平均（72%）を上回っている。AI スキルを活かせる業務環境を整えることが最大の定着策だ。

3 段階の構造はそのまま使えるが、「部門別カリキュラム」は「個人別カリキュラム」に読み替える。5 名以下なら全員の業務課題を個別にヒアリングし、1 人 1 人に合った実践テーマを設定する方が効果的だ。むしろ小規模チームの方が柔軟にカリキュラムを調整でき、成果が出やすい。

ラオスで AI 人材を確保する最も現実的な方法は、既存スタッフの育成だ。本記事で解説した 3 段階の研修設計を改めて整理する。

1. 第 1 段階（1〜2 ヶ月目）: AI の基礎理解。全スタッフ対象。ワークショップ形式で「AI にできること・できないこと」を体感する
2. 第 2 段階（3〜4 ヶ月目）: 業務適用。部門別カリキュラムで実務タスクに AI を組み込む。70:20:10 の配分で実践重視
3. 第 3 段階（5〜6 ヶ月目）: AI 推進リーダーの育成。各部門から 1 名以上を選出し、研修の内製化・持続化を担わせる

最初の一歩は、各部門の業務課題を棚卸しすることだ。AI で改善できるタスクが 3 つ見つかれば、研修を始める十分な材料が揃っている。

AI 導入全体のフレームワークについては「ラオス企業の AI 導入ガイド」を、研修で取り上げるチャットボットの技術基盤については「ラオス語対応 AI チャットボットの作り方」も合わせて参照してほしい。