本サイト上のコンテンツは、参照目的だけのために、英語の原本から翻訳されたものです。また、本サイト上のコンテンツの一部は機械翻訳されたものです。日本語版と英語版の間に何らかの齟齬がある場合には、英語版が優先されます。当社は改善のためのあらゆる努力を行いますが、翻訳の正確性及び信頼性は保証せず、当社に故意または重大な過失がある場合を除き、不正確性又は遺漏により生じる損失又は損害に責任を負わないものとします。
最近の CompTIAウェビナーで、チーフテクノロジーエバンジェリストのジェームズ・スタンガー氏は、高等教育への実践的なメッセージを共有しました。AIは仕事の進め方を変えており、学生は単に技術の認識以上のものを必要としているのです。今日の労働市場で成功するためには、学生が以下の能力を持つ必要があります:
- 実際の状況で知っていることを応用し、
- AIを使って問題を解決し、
- プロセスやワークフローを改善し、
- 早い段階で価値を提供する
スタンガーは業界リーダーや採用担当者との対話をもとに、雇用主の期待がどのように変化しているのか、そして学術プログラムがそれに応じて何をすべきかを探りました。
大学やカレッジにとっては、AIがすでに日常業務の一部である職場に学生をどう準備させるかが課題となっています。役割が変わる中で、学生は人とAIシステムがタスクを共有し、意思決定を形成し、成果に影響を与える環境で働く準備が必要です。
本当の変化は仕事そのものの中で起きています
スタンガーの最も明確な指摘の一つは「すべてはワークフローの修正に関わる」ということでした。言い換えれば、AIの最も直接的な影響は職務名だけではありません。それは、人や道具、意思決定を完成させた作業に結びつけるプロセスに関するものです。
この変化はすでに多くの役割の実務形態を変えつつあります。スタンガーは「もうコーディングはしない」と言った開発者の例を共有しました。要点は技術的な知識がもはや重要でないということではありませんでした。それは、意思決定、検証、AI支援成果の改善に向けた責任が上層部に移っているということです。
教育者にとっては、個々のツールや孤立した技術的スキルに触れるだけでは不十分です。彼らはチームやシステム間のワークフロー、データの活用方法、そして自分の意思決定が成果を改善するためにどこで得られるかを理解する必要があります。また、非効率を見極め、より良い質問をし、単に割り当てられたタスクをこなすのではなく、プロセスを改善する練習も必要です。
スタンガーはまた、「スピード・トゥ・バリュー」の重要性が高まっていることも強調しています。雇用主は、単に効率的にタスクをこなすだけでなく、意味のある迅速な貢献ができる卒業生を求めています。彼らは自分の仕事がより広い成果にどう繋がっているかを理解し、仕事の進め方を改善する機会を見抜ける人を求めています。
雇用主は価値を生み出す行動を優先しています
スタンガーが採用リーダーと話すとき、繰り返し出てくる三つの特性が挙げられます。「好奇心、敏捷性、そして創造性」です。雇用主は、特定のツールを以前に見たことがあるかどうかよりも、その人が未知の状況で知識を応用し、それでも有用な成果を出せるかどうかに注目します。
この変化はまた、学術プログラムが学生の準備度を考える方法も変えるべきです。雇用主は、早く学び、変化するツールや期待に適応し、決まった答えなしで問題を解決できる学生を求めています。実際には、単に想起を示すだけでなく、判断力を行使できるように準備させることを意味します。
同様に重要なのは、スタンガーが「AIスキルはドメイン知識に取って代わるものではない」と指摘していることです。強固な基礎は、技術、医療、マーケティング、その他の分野でのキャリアを目指す学生にとって依然として重要です。変わったのは、その知識を実践的なAIの活用と組み合わせて文脈に応用できるという期待です。
伝統的な学術モデルが圧力を受けている場所
多くの学術プログラムはすでにこのプレッシャーを感じています。従来のモデルは理論を優先し、応用を後回しにする傾向があります。AIによって形作られた環境では、雇用主が学生に知識をより迅速に行動に移すことを期待し、そのギャップを正当化するのが難しくなります。
スタンガーはこの点について率直に言います。「すべては実践的なスキルにかかっています。」応用学習は、学生が雇用主が期待する準備状態を築く上で中心的な役割を果たしています。実践的な経験は、学生が抽象的な概念の理解を超え、実際の作業を反映した形で使い始めるのを助けます。
静的コンテンツに過度に依存しているプログラムは、このような準備状況を示すのに苦労するかもしれません。学生は授業を無事に修了しても、動的でAI対応の環境で効果的に行動するための経験がまだ不足している場合があります。
より実践的な学術リーダーシップモデル
高等教育のリーダーにとって、これは一からやり直すことを意味しません。それは、強固な基盤を維持しつつ、応用能力にシフトすることを意味します。スタンガーは三つの差し迫った優先事項を指摘しています。
- プログラム 全体に応用学習を根付かせます
- AIの流暢さを分野横断的に統合する
- 学習から職場への影響へのより明確な道筋を作り出す
プログラムは、判断力、問題解決、そしてAIの責任ある使用を必要とする現実世界のシナリオに繰り返し触れさせるべきです。また、AIが技術分野だけでなくあらゆる役割に応用され、その活用がビジネスプロセス、データ意思決定、運用成果とどのように結びついているかを理解する手助けもすべきです。
ここでコース設計も重要です。スタンガーの主張は、AIは既存のプログラムに統合されるべきであり、独立したトラックとして扱われるべきではないということです。実際には、既存のコースにAIを重ね組み、AIに焦点を当てたモジュールを短く導入したり、基礎知識と実践的な応用を融合させた専用のコースを組み込むなどが考えられます。目標は、学生が学んでいることを実際の仕事の仕組みと結びつけ、教育をより現実の応用や影響により密接に結びつけることです。
教育プログラムが次に すべきこと
労働力の準備状況は、実際の仕事の進め方とより密接に結びついています。もはや知識や資格だけで定義されるのではなく、進化するシステムの中で運用し適応する能力によって定義されます。これにより、大学やカレッジは学生が就職前に準備能力を示す方法を再考する機会が生まれます。
強固な基盤と実践を組み合わせたプログラムは、学生が自信を築き、変化に適応し、雇用主に貢献する準備ができていることを示すのに役立ちます。教育者はAIのすべての変化を予測する必要はありません。彼らは、学生に変化を乗り越え、AIを責任を持って使い、ワークフローが進化し続ける環境で貢献するための知識、実践、自信を与える必要があります。
ジェームズ・スタンガーとの完全な対談をご覧いただき、AI駆動環境における労働力準備と雇用主に合わせた教育を支援するCompTIAの継続的な取り組みを探ります。