AI研修が「できる人材」を退職に追い込む。カナダの研究が示す逆効果
企業がこぞってAI研修に予算を注ぐ一方で、最も経験豊富な層がそれを機に職場を去りつつある。研修はなぜ、引き留めるはずの人を押し出すのか。
企業がこぞってAI研修に予算を注ぐ一方で、最も経験豊富な層がそれを機に職場を去りつつある。研修はなぜ、引き留めるはずの人を押し出すのか。
「学ばせれば残る」は本当か
カナダの労働力が急速に高齢化している。カナダ統計局の最新データによれば、企業内で55歳以上の労働者が占める割合は2001年の9.3%から18.8%へ、20年間でほぼ倍増した。定年に近い世代が抜ければ、組織の記憶が消える。マニュアルに載らない判断基準、暗黙の手順、取引先との信頼関係。それらを担ってきたのがこの層だ。
だから企業は研修に投資する。カナダ独立企業連盟（CFIB）の2026年2月調査では、78%の企業が今年の研修支出を維持または増額すると回答した。KPMGの2025年8月の調査でも、カナダの労働者の83%がAIスキル向上の必要性を感じていると答えている。
需要はある。供給もある。ならば問題ないはずだ。
だが、ある博士論文はまったく別の絵を描いている。
燃え尽きた人に「もう一つ」を載せる危うさ
この論文の著者は、55歳以上の労働者361人を対象に調査を行い、燃え尽き症候群（バーンアウト）と「自分はまだこの仕事ができる」という自己認知、そして退職意向の関係を分析した。理論的枠組みとして使ったのは、職業心理学で広く用いられるJD-Rモデル（仕事の要求と資源のバランスが従業員の健康を左右するという理論）だ。
結果はこうだ。バーンアウトが進むと、「自分はまだやれる」という感覚が削られる。その感覚が削られると、退職の時期が前倒しになる。ここまでは直感に合う。
問題は、技術研修がこの連鎖のどこに入るかだ。研修のタイミングと方法が適切なら、負荷を軽減する「資源」として機能する。しかしタイミングが悪く、支援が不十分なら、研修そのものが追加の負荷になる。すでに消耗している人にとって、「来週からCopilotの使い方研修です」は救いではなく、最後の一押しになりかねない。
1984年にアメリカの心理学者クレイグ・ブロード（Craig Brod）が名づけた「テクノストレス」は、新しい技術に適応する過程で生じる不安と疲労を指す。40年後の今、この概念はAI時代に再び切実さを増している。
研修を受けても使えない構造
研修の効果は、教室を出た後に決まる。職場に戻って実際に新しいスキルを使えるかどうかは、本人の意欲と余力に依存する。研究者はこれを「訓練転移」（トレーニング・トランスファー）と呼ぶ。
バーンアウト状態の人には、その両方が足りない。研修で教わった内容を日常業務に組み込む気力がなく、仮にあっても、すでに溢れている業務の隙間に新しい手順を差し込む余裕がない。結果として、研修は「受けたが使わない知識」のまま放置される。
企業から見れば、投資が回収できないどころか、研修がきっかけで早期退職が加速する。引き留めるための施策が、退場を早めている。
TD銀行の調査では、雇用主から十分な研修を受けたと感じているカナダの労働者はわずか37%にとどまる。研修の「量」は増えている。しかし「質」と「タイミング」が追いついていない。
米国でも見え始めた兆候
この問題はカナダだけのものではない。ボストンカレッジ退職研究センターが2026年6月に公表した研究は、米国の労働市場データとAI曝露指数を組み合わせ、55歳以上の労働者の動向を追跡した。
ChatGPTが登場する前、AIへの曝露度が高い職種（プログラマー、会計士など）の高齢労働者は、曝露度の低い職種よりもむしろ離職率が低かった。デスクワーク中心で体力的負荷が少なく、給与も高いため、長く働き続ける傾向があったからだ。
しかし2022年11月のChatGPT公開以降、この優位が急速に崩れている。コンピュータプログラマーの離職率は25%以上上昇し、会計士・監査人も22%増加した。しかも離職の半分近くが「失業」への移行だった。自発的に辞めたのではなく、押し出されている。
この研究を率いたジェフリー・サンゼンバッカー（Geoffrey Sanzenbacher）氏は、AI曝露度の高い職種がかつて持っていた「長く働ける」という優位性が、生成AIの普及によって大幅に縮小していると指摘している。
「辞めさせないための研修」が「辞める理由」になる逆説
カナダの博士論文と米国の労働データは、異なる角度から一つの現象を照らしている。カナダの研究は心理メカニズム（バーンアウト→自己効力感の低下→退職意向）を解明し、米国の研究はマクロデータで実際の離職増加を確認した。
カナダ統計局の最新調査は、この世代的な断層を数字で裏づけている。AI曝露度が高く補完性も高い職種（医師、教師、エンジニアなど）において、25〜54歳の利用率は56.9%に達するが、55歳以上では45.3%にとどまる。曝露度が高く補完性が低い職種（小売、事務、ソフトウェア開発など）では差がさらに開き、25〜54歳の51.9%に対して55歳以上は31.5%だ。
数字の差そのものは驚かない。だが、この差が「使っていないから問題ない」ではなく「使えないまま取り残されている」を意味するなら、研修はその溝を埋めるために設計されなければならない。溝を広げるために、ではなく。
効果が出る研修とは何か
では、何が違えば研修は機能するのか。博士論文の著者は、内容ではなく「ペース」に鍵があると指摘する。
一括集中型の研修は、通常業務と直接競合する。すでに満杯のスケジュールに3日間の研修を詰め込めば、それ自体が負荷になる。代わりに、教材を小さな単位に分割し、時間をかけて段階的に進め、新しいツールを「できるようになってから使わせる」のではなく「試しながら覚える余地」を設けることで、吸収可能な設計になる。
もう一つの要素は、研修期間中の業務負荷の軽減だ。「学びながら普段どおり働け」は、理想が高すぎる。締め切りを一時的に緩め、期待値を下方修正し、学習に充てられる時間を物理的に確保する。この準備なしに研修を導入しても、受講者は「できない自分」を繰り返し突きつけられる。
聞くべき順番が逆になっている
企業がAI研修を検討するとき、最初に出る質問は「社員は何を学ぶべきか」だ。
だが、この博士論文が示唆しているのは、先に聞くべきことが別にあるという点だ。「社員は今、学ぶ余力があるか」。余力がない状態で何を教えても、知識は定着しない。定着しなければ成果は出ない。成果が出なければ自己効力感はさらに下がり、退職が近づく。
研修が人を育てるのか、追い込むのかは、内容ではなくタイミングで決まる。その判断を誤れば、最も失いたくない人材から先に出口に向かう。
