AI Literacy

用語：AI Literacy

分類：AIと人間・社会・共創

ひとことで：AI Literacyとは、AIの仕組み・能力・限界・リスクを理解し、出力を批判的に評価しながら、目的と文脈に応じてAIを適切に使うための知識・技能・判断力です。

AI Literacy（AIリテラシー）は、AIツールを操作できることだけではなく、AIが何をでき、どこで間違え、どのようなデータや条件に依存し、出力をどのように検証して使うべきかを判断するための知識・技能・理解を指します。

教育の文脈では、AIの基本概念、能力と限界、データ、倫理、社会的影響、AIとの協働などを含む能力として論じられてきました。職場ではさらに、実際に使うAIシステムのリスク、業務上の責任、確認手順、禁止事項などを理解することが重要になります。

2026年現在、AI Literacyは単なる教育用語ではありません。EU AI Actにも定義があり、AIシステムのproviderとdeployerに関係するArticle 4の義務にも登場します。

「AIを使える」と「AIを理解して使える」は違う

生成AIに質問を書き、文章や画像を作れる人は増えています。しかし、操作できることとAI Literacyが高いことは同じではありません。

たとえば、LLMに質問して回答を得る操作ができても、

もっともらしい誤情報を生成することがある
最新情報を必ず知っているわけではない
出典表示が正しいとは限らない
入力した情報が機密情報に当たる場合がある
同じモデルでも設定やツール接続によってできることが変わる
出力品質は課題、データ、指示、検証方法に左右される

といった点を理解していなければ、重要な業務で誤用する可能性があります。

AI Literacyは「使い方の説明書を覚える能力」より広く、出力を疑うべき場面と利用してよい場面を判断する能力を含みます。

学術研究ではどう定義されてきたか

AI Literacy研究の代表的な基礎文献として、Duri LongとBrian Magerkoによる2020年のCHI論文があります。

同論文はAI Literacyを、AI技術を批判的に評価し、AIと効果的にコミュニケーション・協働し、家庭・オンライン・職場などでAIを道具として使うことを可能にする一連の能力として整理しました。

ここで重要なのは、「AIの仕組みを説明できる」だけでは足りない点です。

AIを見分ける、得意・不得意を理解する、データを批判的に読む、出力や意思決定を評価する、倫理的な問題を考える、といった複数の能力が含まれます。

UNESCOの教育関連枠組みも、知識だけでなく、人間中心の考え方、倫理、AIの理解、利用・設計に関する能力を重視しています。

プログラミングができないとAI Literacyはないのか

必ずしもそうではありません。

AI開発者にはプログラミングや機械学習の技術知識が必要ですが、一般利用者がAIを適切に利用するために、全員がモデルを実装できる必要はありません。

たとえば医療機関の事務担当者に必要なのは、Transformerを実装する能力ではなく、自分が使うAIが何を処理し、どの情報を入力してよく、結果を誰が確認し、異常時にどこへ報告するかを理解することかもしれません。

反対に、AI開発チームなら、モデル評価、データ品質、セキュリティ、バイアス、監視など、より技術的な理解が必要になります。

つまりAI Literacyは、全員に同じ知識量を要求するものではなく、役割と利用文脈に応じて必要内容が変わる能力として考えるのが実用的です。

プロンプトエンジニアリングとも違う

生成AI時代には、AI Literacyが「上手なプロンプトを書く技術」と混同されやすくなりました。

プロンプトの工夫はAI活用スキルの一部になり得ます。しかしAI Literacyはそれより広い概念です。

うまい指示を書けても、AIの出力を無検証で採用するならリテラシー上の問題が残ります。逆に、高度なプロンプト技法を知らなくても、AIの限界を理解し、適切な用途を選び、根拠を確認し、機密情報を守れる人は重要なAI Literacyを持っています。

「AIを使って目的を達成する技術」と「AIを適切に評価・統制しながら使う能力」を分けて考える必要があります。

具体例：社内で生成AIを導入するとき

営業担当者が生成AIで顧客向けメールを作るとします。

必要なAI Literacyには、少なくとも次のような要素があります。

まず、AIが文章を自然に生成できても、顧客情報や契約内容について事実を保証しないことを理解します。

次に、個人情報や機密情報を入力してよいサービスかを確認します。

さらに、生成した文章に誤った価格、納期、法的表現がないか、人間が確認します。

そして、AIを使ったことで担当者自身の責任が消えるわけではないことを理解します。

ここでは「メール生成ボタンを押せる」ことより、どこをAIへ任せ、どこを人が検証するかを判断する能力がAI Literacyの中心です。

EU AI Actでは法令上の用語でもある

EU AI ActはArticle 3でAI literacyを定義しています。現行の統合条文では、provider、deployer、affected personsが、それぞれの権利・義務を踏まえてAIシステムを情報に基づき導入・利用し、AIの機会、リスク、起こり得る害を認識するためのskills、knowledge、understandingとして位置づけています。

Article 4は2026年に改正されました。

2026年7月時点の現行ルールでは、AIシステムのproviderとdeployerは、スタッフや自らのためにAIを運用・利用する人について、AI literacyの発展を支援するための措置を取ることが求められています。その際、技術知識、経験、教育、研修、AIを使う文脈、AIが使用される対象者などを考慮します。

ここで注意が必要です。2024年成立時のArticle 4には「sufficient level」を確保するという表現がありましたが、2026年の改正後は、特定の水準を個人に保証する義務ではないことが明示されています。

したがって、古い解説記事だけを読むと、現在の条文と表現がずれている可能性があります。

企業は全員に同じ研修をすればよいのか

AI Literacyの考え方からすると、一律の一時間研修だけで終えるのは合理的とは限りません。

たとえば、

一般社員：生成AIの基本、誤情報、機密情報、社内ルール
人事：差別・バイアス、採用判断、説明責任
医療従事者：臨床上の限界、検証、患者への影響
開発者：データ、評価、安全性、監視
経営層：導入責任、リスク管理、ガバナンス

のように、役割によって必要な知識は異なります。

「全員が同じAI知識を持つ」より、「自分の役割で誤った判断をしないために何を知る必要があるか」を考える方が重要です。

AI Literacyから推論してはいけないこと

AI Literacyという言葉があるからといって、単一の国際資格や共通点数が存在するとは限りません。

また、研修受講済みだからAIを安全に使える、とも限りません。研修内容、対象業務、更新頻度、実際の行動、組織ルールまで見なければ効果は分かりません。

AI技術や制度は変化が速いため、一度学んで終わる能力でもありません。

元の文脈へ戻ったときの確認ポイント

「AI Literacyを高める」「AI Literacy研修を実施した」という説明に出会ったら、次を確認してください。

対象者は誰か。
AIの操作だけでなく、能力と限界を扱っているか。
出力の検証方法を教えているか。
データ、プライバシー、バイアス、安全性、倫理を扱うか。
実際に使うAIシステムと業務リスクに結びついているか。
職種や経験に応じて内容が変わるか。
法令に言及する場合、現行条文に基づいているか。
研修後の評価や更新があるか。

AI Literacyを一言で言えば、AIについて詳しく語れることではありません。

AIを使う場面で、何を任せ、何を疑い、何を確認し、どこで人間が責任を持つべきかを判断できることが、実践的なAI Literacyの核です。

AI Literacy研修を評価するときは「受講したか」より「何が変わったか」を見る

組織の研修では、受講率や修了証だけが成果指標になりがちです。しかしAI Literacyの目的を実務上の判断能力と考えるなら、重要なのは研修後に利用者の行動がどう変わったかです。たとえば、AI出力の根拠を確認できるか、機密情報を入力してよい場面を区別できるか、重要な判断で人間の確認を残せるか、誤りや偏りを発見したときに適切な報告経路を使えるか、といった点です。

また、同じ内容を全員へ一律に教えるだけでは十分とは限りません。生成AIを文章作成に使う職員、採用や審査でAIを扱う担当者、AIシステムを導入・管理する担当者では、必要な知識とリスクが異なります。欧州委員会のQ&Aも、AI literacy measuresを役割や文脈に応じて考える方向を示しています。したがって「AI Literacy対応済み」という説明を読むときは、対象者、利用システム、業務リスク、教育内容、評価方法、更新方法まで確認する必要があります。

これは、AI Literacyを専門家向けの技術教育へ狭めるという意味ではありません。一般利用者には、モデル内部の数式よりも、出力をどう検証するか、どの情報を入力してよいか、どんな限界があるかを理解する方が実務上重要な場合があります。一方で、開発者や運用責任者には、より深い技術的理解やリスク管理能力が必要です。AI Literacyは「全員に同じ知識」ではなく、役割に応じて必要な判断能力を整える概念として読むと実態を捉えやすくなります。

AI Literacyは、知識量だけでなく、その知識を実際の利用判断へ結び付けられるかまで含めて評価するのが実用的です。

注・出典

本文の主な参照資料です。^[1]^[2]^[3]^[4]

Long & Magerko, “What is AI Literacy? Competencies and Design Considerations” (CHI 2020): https://dl.acm.org/doi/10.1145/3313831.3376727 ↩
UNESCO, Media and Information Literacy materials on AI: https://www.unesco.org/mil4teachers/en/module11/unit2 ↩
European Commission, “AI Literacy – Questions & Answers”: https://digital-strategy.ec.europa.eu/en/faqs/ai-literacy-questions-answers ↩
EUR-Lex, consolidated Regulation (EU) 2024/1689 as of 27 July 2026: https://eur-lex.europa.eu/legal-content/EN/TXT/?qid=1747442914146&uri=CELEX%3A02024R1689-20260727 ↩

AI協働制作について

本記事は、著者が独自に設計した指示、参照資料、出典確認規則、著作権確認および監査工程を組み込んだChatGPT等の生成AIを、情報収集の補助、資料整理、構成検討、草稿作成、文章校正および監査補助に使用して制作しました。記事の対象範囲、情報源の採否、構成、解釈および最終表現は著者が判断し、最終稿を承認しています。著者は、本記事の正確性、独自性、引用、著作権処理および公開内容について責任を負います。制作工程の詳細は「AI協働制作方針」をご覧くださいAI協働制作方針をご覧ください。