70-20-10モデルは、人材育成を「70=仕事上の経験」「20=他者からの支援」「10=研修や学習」といった複数の学習機会として設計する考え方です。
生成AIは、この3要素を自動で決めるための道具ではありません。一方で、育成対象者の期待役割から経験機会の候補を出す、上司や先輩からの支援方法を広げる、研修テーマを整理する、3要素がつながっているかレビューする、といった補助には使えます。
重要なのは、AIに「70・20・10の比率を作らせる」ことではありません。実務で必要な行動変化を先に決め、その行動を起こすために、どの経験、どのフィードバック、どの学習を組み合わせるかを考えることです。
この記事では、生成AIを70-20-10モデルの補助に使う方法を、具体的なプロンプト例、出力の使い方、人が確認すべきポイント、誤り・限界まで含めて解説します。
70-20-10モデルの基本から確認したい場合は、70-20-10モデルとは?を参照してください。人だけで進める基本手順は、70-20-10モデルのやり方で確認できます。
生成AIを使うと効果が出やすい場面
生成AIは、次のような作業で補助役として使いやすくなります。
- 期待役割から必要な行動を分解する
- 70にあたる実務経験の候補を広げる
- 20にあたる上司・先輩・同僚からの支援方法を整理する
- 10にあたる研修・教材テーマを洗い出す
- 70・20・10が別々の施策になっていないか確認する
- 実務経験後の振り返り質問を作る
- 途中レビューで改善案を出す
- 行動評価の観点を整理する
一方で、次の判断はAIだけに任せない方が安全です。
- 本人に期待する正式な役割
- 実際に任せてよい仕事
- 上司や先輩が提供できる支援時間
- 必須研修や資格要件
- 行動評価の正式基準
- 異動・配置・評価に関わる判断
AIは「候補を出す」「抜けを探す」「質問を作る」役に置き、最終判断は人が行います。
1. 期待役割から行動を分解する
70-20-10モデルを使う前に、育成対象者へ何を期待するかを具体化します。
プロンプト例
以下の期待役割を、観察可能な行動に分解してください。
期待役割:半年後に、小規模チームの営業リーダー候補として、案件レビューと週次会議の進行を担えるようになる。
条件:
- 「リーダーシップを発揮する」のような抽象語だけで終わらせない
- 実務で観察できる行動にする
- 5項目以内
- 不明な組織ルールは推測しない
出力の使い方
AIは、
- 週次会議を進行する
- メンバー2人の案件レビューを行う
- KPI差異の原因を説明する
- 問題案件を早めに上司へ相談する
といった候補を出せます。
人は、その行動が実際の役割定義や評価基準と合っているか確認します。
2. 70の実務経験候補を出す
次に、期待行動を実際の仕事の中で練習できる経験を考えます。
プロンプト例
以下の期待行動を身につけるための「仕事上の経験」候補を出してください。
期待行動:
- 週次会議を進行する
- メンバー2人の案件レビューを行う
- KPI差異を説明する
- 問題案件を早めに相談する
条件:
- 通常業務の延長で実施できるもの
- いきなり高難度の責任を丸投げしない
- 4〜6件
- 各経験で何を学ぶかを1行で書く
出力の使い方
AIは、
- 週次会議の一部進行から始める
- メンバー1人の案件レビューを担当する
- 月次KPIの差異分析を作成する
- 小規模な改善施策の責任者を担当する
などを提案できます。
人は、実際に任せても安全か、本人の現在能力に対して難しすぎないかを確認します。
3. 20の支援方法を広げる
20は「面談を増やすこと」だけではありません。
プロンプト例
以下の実務経験に対して、上司・先輩・同僚からどのような支援があると学習効果が高まりやすいか候補を出してください。
実務経験:
- 週次会議の進行
- 案件レビュー
- KPI差異分析
条件:
- 実施前、実施中、実施後に分ける
- 支援者の時間負荷を抑えた案も含める
- 励ますだけでなく、具体的なフィードバック方法を出す
出力の使い方
AIは、
- 会議前に5分だけ進行案を確認する
- 会議後に10分で「良かった点・次に変える点」を返す
- 先輩が隔週で案件レビューに同席する
- 月1回、KPI差異の説明をレビューする
といった候補を出せます。
実際に支援時間を確保できるかは、上司・先輩の負荷と合わせて人が決めます。
4. 10の学習テーマを整理する
10は研修受講実績を作るためのものではありません。
プロンプト例
以下の実務経験でつまずきやすい点を補うため、研修・教材テーマの候補を出してください。
実務経験:
- 会議進行
- 案件レビュー
- KPI分析
条件:
- 実務で使う場面と結び付ける
- 研修受講後に何を実務で試すかも書く
- 一般論ではなく、具体的テーマにする
出力の使い方
AIは、
- 会議ファシリテーション
- フィードバックの基本
- KPI差異分析
- 問題原因を深掘りする質問技法
などを候補にできます。
人は、社内教材、外部研修、既存の必須学習と照合して採用します。
5. 70・20・10を一つの学習サイクルにつなぐ
AIを使うと、3要素を別々に大量提案させがちです。
重要なのは、1つの行動変化に対してつなげることです。
プロンプト例
以下の70・20・10案が、一つの学習サイクルとしてつながっているかレビューしてください。
70:案件レビューを毎週担当する 20:先輩が隔週でレビューに同席し、質問の仕方をフィードバックする 10:原因分析と質問技法の教材を学ぶ
条件:
- 3要素が分断していないか確認する
- 学習後に再実践する流れがあるか確認する
- 比率の厳密さではなく行動変化を優先する
出力の使い方
AIが、
教材で質問技法を学ぶ → 先輩同席の案件レビューで試す → フィードバックを受ける → 次の案件レビューで再実践する
という流れを示せれば、3要素が接続しています。
6. 実務経験後の振り返り質問を作る
70の経験を増やしても、振り返りがなければ学習が浅くなることがあります。
プロンプト例
営業案件レビューを終えた本人が、10分で振り返れる質問を5つ作ってください。
条件:
- 事実
- 判断
- 相手の反応
- 改善点
- 次回試す行動
を含める
出力の使い方
AIは、
- 今回、どの事実を確認したか
- どの問いが相手の考えを深めたか
- どの場面で質問が浅くなったか
- 次回は何を変えるか
などを出せます。
上司との10分レビューにも使いやすくなります。
7. 途中レビューで改善案を出す
70-20-10モデルは、一度設計したら固定するものではありません。
プロンプト例
3か月レビューの結果をもとに、70・20・10の改善候補を出してください。
現状:
- 会議進行は安定してきた
- 案件レビューでは質問が浅い
- KPI差異説明は自力でできる
現在の設計:
- 70:案件レビューは隔週
- 20:上司フィードバックは月1回
- 10:質問技法教材を1回受講済み
条件:
- 不足している経験を増やす案
- 支援を具体化する案
- 学習を再実践につなげる案
- 比率を厳密に合わせる提案は不要
出力の使い方
AIは、
- 70:案件レビューを隔週から毎週へ増やす
- 20:先輩同席を月2回追加する
- 10:「事実→原因→次の行動」を深掘る質問教材を追加する
といった改善案を出せます。
人は、本人の負荷、案件数、先輩の支援可能時間を確認して決定します。
8. 行動評価の観点を整理する
育成効果を「研修を受けた」「面談した」だけで評価すると、行動変化を見失います。
プロンプト例
以下の期待行動について、観察可能な評価観点を整理してください。
期待行動:メンバーの案件レビューを自立して行える。
条件:
- 参加回数ではなく行動品質を見る
- 3〜5項目
- 上司が実務で確認できる表現にする
出力の使い方
AIは、
- 事実確認と推測を分けて質問している
- 相手自身に原因を考えさせている
- 次の行動を明確にして終えている
- リスク案件を適切なタイミングで相談している
といった候補を出せます。
正式な評価基準として使う前に、人事制度や役割定義と照合します。
通し例|営業リーダー候補の育成設計に生成AIを使う
営業経験3年のAさんを、半年後に小規模チームの営業リーダー候補へ育成するケースを考えます。
1. 期待行動をAIで分解する
AIへ期待役割を渡し、次の候補を出しました。
- 週次会議を進行する
- メンバー2人の案件レビューを行う
- KPI差異を説明する
- 問題案件を早めに相談する
人が確認し、この4つを今回の育成対象にしました。
2. 70の候補を作る
AIから、
- 週次会議の進行担当
- メンバー2人の案件レビュー
- 月次KPI差異分析
- 小規模改善施策の責任者
という候補が出ました。
Aさんの現状を踏まえ、最初の1か月は会議進行の一部と、メンバー1人の案件レビューから始めることにしました。
3. 20を設計する
AIは、
- 毎週10分の上司フィードバック
- 隔週で先輩が案件レビューへ同席
- 月1回のKPI振り返り
を提案しました。
上司・先輩の予定を確認し、この3つを採用しました。
4. 10を設計する
AIは、
- 会議ファシリテーション
- フィードバック
- KPI分析
- 質問技法
を候補にしました。
人が社内教材を確認し、短時間で使える教材を選びました。
5. 3要素を接続する
案件レビューについては、
質問技法を学ぶ → 実案件レビューで試す → 先輩からフィードバックを受ける → 次の案件レビューで再実践する
というサイクルにしました。
6. 3か月後に再設計する
3か月後、会議進行とKPI説明は安定していましたが、案件レビューの質問が浅いという課題が残りました。
そこでAIへ改善候補を出させ、
- 70:案件レビューを隔週から毎週へ増やす
- 20:先輩同席を追加する
- 10:「事実→原因→次の行動」の質問教材を追加する
という案を得ました。
人が負荷を確認した上で、この変更を採用しました。
7. 半年後は行動変化で評価する
半年後の評価では、
- 週次会議を自立して進行できるか
- 案件レビューで原因と次の行動を深掘りできるか
- KPI差異を自分の言葉で説明できるか
- 問題案件を早めに相談できるか
を確認しました。
研修受講数や1on1回数ではなく、職場での行動変化を確認した点がポイントです。
そのまま使える型が必要なら、70-20-10モデルテンプレートを使うと、AIの出力を期待行動、70の経験、20の支援、10の学習、レビューへ整理しやすくなります。
具体的な案件への適用イメージを見たい場合は、70-20-10モデルの具体例が参考になります。よくある失敗を先に確認したい場合は、70-20-10モデルで失敗しやすいポイントも参照してください。
人が必ず確認すべきポイント
育成目標
AIは一般的な役割像から候補を出せますが、本人の正式な期待役割は上司・人事・本人で確認します。
70の経験機会
AIが提案した仕事を本当に任せてよいか、権限、顧客影響、本人の力量を確認します。
20の支援時間
上司・先輩が実際に継続できる頻度かを確認します。
10の正式要件
必須研修、資格、法令対応などはAIの提案より正式な制度を優先します。
評価基準
AIの候補をそのまま人事評価へ使わず、既存の役割定義や評価制度と照合します。
生成AIの誤りと限界
70・20・10の比率を厳密に合わせようとすることがある
比率の帳尻合わせが目的ではありません。必要な行動変化に合わせて設計します。
70を「とにかく難しい仕事を任せる」と誤解することがある
経験は、本人が挑戦でき、必要な支援がある状態で設計します。
20を面談だけに寄せることがある
同席、観察、短時間フィードバック、レビューなども含めて考えます。
10を研修一覧にするだけになることがある
学んだ内容を次の実務でどう試すかまでつなげます。
本人の現状能力を正確には把握できない
AIは入力された情報だけで判断します。本人の実際の行動、上司観察、成果を合わせて確認します。
機密情報の扱いに注意する
人事評価、個人名、能力情報、配置情報などを入力する場合は、自社の情報管理ルールに従います。
生成AIに任せすぎないためのチェックリスト
- 期待役割を人が確定したか
- AIの行動分解が実際の役割と合っているか
- 70の経験を安全に任せられるか
- 20の支援を継続できるか
- 10の学習が実務へつながっているか
- 70・20・10を別施策として分断していないか
- 比率の帳尻合わせを目的にしていないか
- 途中レビューで再設計しているか
- 研修受講数ではなく行動変化を見ているか
- AIの提案を正式な人事評価へそのまま使っていないか
- 機密情報を不用意に入力していないか
まとめ
生成AIは、70-20-10モデルを効率よく実践するための補助役として使えます。
特に役立つのは、期待役割の行動分解、70の経験候補、20の支援候補、10の学習テーマ、3要素の接続レビュー、振り返り質問、途中レビューでの改善案、行動評価観点の整理です。
一方で、正式な育成目標、実際に任せる仕事、支援可能時間、必須研修、評価基準は人が決める必要があります。
生成AIに70-20-10モデルを完成させてもらうのではなく、「候補を広げる」「抜けを探す」「学習サイクルをつなぐ」「振り返り質問を作る」ために使うことで、育成施策を実務の行動変化へつなげやすくなります。