研修ROIの精度は、データの粒度にも左右されます

研修ROIは、投資額に対する成果の比率で表す考え方で、成果からコストを差し引いた額を、コストで割って求めます。分母となる投資コストの範囲は比較的明確で、研修費用そのものに加え、講師や受講者にかかる人件費、教材制作費、会場や設備の費用、受講者が業務を離れる時間の機会費用までを含めて積み上げます。この部分は、社内の経費データを集めれば、大きなずれなく算出できると言えます。

問題になりやすいのは、分子に置く成果の中身です。コスト削減、生産性の向上、離職率の低下、成約率の改善など、研修が影響しうる指標は複数あります。どれを成果として計上するかは、研修の目的や対象業務によって変わり、あらかじめ一つに定まっているわけではないのです。同じ研修でも、成果の定義を変えれば、算出されるROIの数字も変わります。何を成果とみなすかを決めることが、ROI算出の最初の分かれ道になります。

分子に置く成果を決めても、それを裏付けるデータがなければ、算出したROIは説得力を持ちません。多くの研修運営で手元にあるのは、受講率や完了率、研修後アンケートの満足度スコアといった活動データです。これらは、研修が実施され、参加者が最後まで受講したことを示しているにすぎないのです。ただし、参加者が何を、どの程度理解できたかまでは分かりません。

成果を裏付けるために本来必要なのは、学習内容ごとに、参加者がどこまで理解し、判断できるようになったかを示す習得データです。同じ受講率100%でも、内容を正確に説明できる参加者の割合が高い研修と低い研修とでは、成果として計上できる重みが違います。活動データと習得データは別のものであり、この違いを区別せずにROIを語ると、根拠の薄い数字になりやすいと言えます。

生成AIは、学習内容に沿った設問や演習の初稿づくりにかかる負担を軽くします。研修マネージャーが内容ごとに一から設問を練り上げる必要は減り、たたき台をもとに内容の確認や調整に力を注げるようになるのです。設問を用意する労力そのものがなくなるわけではなく、内容の妥当性を判断する役割は引き続き必要です。

学習プロセスの中で得られる回答や進捗の情報も、AIが整理にかかる手間を引き受けます。学習ポイントごとにどこまで理解できているかを、担当者が一件ずつ集計し直す作業は減り、完了率だけでは見えなかった習得の状況を、把握しやすい形で確認できるようになると言えます。整理された情報をどう読み取り、何に使うかの判断は、引き続き担当者が担います。