AI・生成AI研修の「選び方」──「触ってみる」で終わらせないための2つの軸

AI研修、生成AI研修、Vibe Coding研修。この1年で一気に増えた。どれも良さそうに見える。でも研修を「どれが良いか」で選ぶのは筋が悪いと思っている。正しい問いは「あなたの目的はどれか」だ。目的が違えば、正解の研修は変わる。

だから今日は、僕がVibe Coder Bootcamp（VBC）を主宰しながら、逆に研修を選ぶ側だったらどう考えるかを、2つの軸に落として書く。競合の名前は一切出さない。研修の「タイプ」で一般化する。

そもそも「良い研修」なんて一つに決まらない

これは僕の考えだ。研修に唯一の正解はない。「AIを軽く触って雰囲気を掴めれば十分」という会社にとっての正解と、「非エンジニアが自分で本番まで作り切れるようになりたい」という会社にとっての正解は、別物だ。

前者に後者の研修を当てると、重すぎて脱落する。後者に前者の研修を当てると、終わったあとに何も残らない。だから「ランキング1位を選ぶ」のではなく、「自社がどの象限にいるか」を先に決める。その象限を切るのが、次の2つの軸だ。

1つ目の軸──「触って終わり」か「本番まで作り切る」か

縦軸は、研修のゴールがどこにあるかだ。一方の端は体験型。プロンプトの書き方やツールのUIを触って、「AIってこういうものか」を体感して終わる。もう一方の端は本番デプロイ完遂型。自分が作ったものを、ローカルで動いただけで終わらせず、他人がURLで触れる状態まで持っていく。

この差は、見た目より深い。僕が受講生の画面を横で見ていて一番多くぶつかるのが、「デプロイは成功しているのに、中身が架空のダミーデータのまま」という状態だ。ビルドが通ったことは、動くことの保証ではない。環境変数の設定漏れや外部サービスの接続漏れは、ビルドを素通りする。ここを自分で切り分けられる力は、ツールの操作をいくら覚えても身につかない。「どの層で何が起きているか」を分かっているかどうかで決まる。

体験型は、この切り分けの手前で終わる。完遂型は、詰まったときにどこを疑うかまで込みで渡す。どちらが上という話ではない。自社のゴールが「体感」なら体験型で十分だし、「作り切って業務で使う」なら完遂型でないと届かない。

2つ目の軸──「前提スキルが要る」か「非エンジニアでも入れる」か

横軸は、その研修に入るための入場ゲートの高さだ。一方の端は前提スキル要。「特定のAI補完ツールを前提にする」「対象はプログラミングの基本文法を理解している人」といった条件が入り口に置かれている。最近、既存の大手研修ベンダーがこの領域に入ってきた研修をいくつか見かけるが、その中には対象を文法既習者に絞っているものもある（各社の公開ページで確認できる範囲・条件はページ改訂で変わりうる）。エンジニア寄りの人には効率的だ。

もう一方の端は前提スキル不要。コードを一度も書いたことがない人が、その状態のまま入れる設計になっている。この軸を見落とすと、事故る。「非エンジニアの底上げがしたい」のに、入り口で文法を求める研修を選ぶと、対象者の大半が最初の1歩で止まる。逆に、既にコードが書けるチームに前提不要の研修を当てると、物足りない。だからこれも良し悪しではなく、「自社の受講者が誰か」で決まる。

4象限のどこに自分がいるかを選ぶ

2つの軸を掛け合わせると、4象限になる。

• 体験型 × 前提スキル要……エンジニアが新しいAIツールを軽く試す。既習者向けのお試し。
• 体験型 × 前提不要……誰でも参加できるが、触って終わる。裾野を広げる入門。
• 完遂型 × 前提スキル要……エンジニアが本番まで作り切る。前提がある人向けの実戦。
• 完遂型 × 前提不要……非エンジニアが、前提ゼロから本番まで作り切る。

もう一度言うが、この4つに優劣はない。「うちはAIの空気を掴めればいい」なら、体験型の象限で正解だ。わざわざ完遂型を選ぶ必要はない。問いは一つ。あなたの会社が本当に欲しいのは、「触った経験」か、それとも「非エンジニアが自分で作り切れる状態」か。ここを言葉にすれば、選ぶべき象限は自然に決まる。

「非エンジニア × 完遂型」を選ぶなら、何が要るか

仮に自社の答えが「非エンジニアが前提ゼロから本番まで作り切る」＝右下の象限だったとする。その象限の研修に、僕が最低限入っていてほしいと思う要件はこうだ。

• ツールの操作でなく、原理から教える……ツール名は入れ替わる。残るのは「作りたいものを分解して伝える」「動かないときにどの層を疑うか」という考え方だ。そこを渡す研修は、ツールが変わっても効く。
• 本番デプロイまで伴走する……「ローカルで動いた」で解散しない。他人がURLで触れる状態まで、切り分け込みで到達させる。
• 費用の現実を制度で下げられる……厚生労働省の人材開発支援助成金を使うと、中小企業は訓練経費が最大75%助成される（大企業は60%）。ただし要件・上限・審査があり、受給を保証するものではない。制度は年度ごとに改正されうるので、申請時点で必ず公式の最新資料を確認してほしい。
• 講師が、今も現場でAIを使っている実践者である……教材を作る人と教壇に立つ人が分かれていると、現場で今日効いたことが講義に載るまで時間がかかる。作る・教える・自分の経営で使う、が同じ人に乗っていると、教材の鮮度が段違いになる。

このどれかが欠けると、「非エンジニアが作り切る」象限には届きにくい、というのが僕の見立てだ。

その象限が絵に描いた餅じゃない、と言える理由

要件を並べるだけなら誰でもできる。だから、うちのVBCが実際にこの象限で出している数字を、正直な但し書きつきで置いておく。これらは第三者調査ではなく、うちの受講後アンケートの自己申告データだ。そのつもりで読んでほしい。

• 受講満足度は、これまでの受講者全員が「満足」と回答している（自社アンケート・各回5段階で2以下なし・2026年7月時点）。
• 自作アプリの本番公開は、受講者全員が到達している（2026年7月時点・会社のセキュリティポリシー等で公開できないケースを除く）。
• 受講者の99%以上が、コーディングを一度もしたことがない非エンジニアだ。
• 卒業生は300名を超え、セミナー参加者は1,000名を超えた。
• セミナー参加者アンケートの満足度は、5段階平均で4.7（n=271・96.7%が4以上・2026年7月時点）。

数字そのものより、定義と母数を必ず添えることの方が大事だと思っている。「満足度100%」だけを裸で出すと、稟議で「何人中の何人だ」と突かれて崩れる。自己申告なら自己申告と言い切る。それが結局いちばん信頼される。

数字の読み方──誇張しないために

もう一つ、正直に書いておきたいことがある。「AIで開発は速くなる」を裏づける、業界の第三者データは実在する。GitHubの対照実験では、AI補完を使う開発者が同じ実装タスクを55%速く完了した（2022年・GitHub Nextの実験）。3つのランダム化実験（開発者4,867名）では、完了タスク数が約26%増えた（Cuiらの研究・Management Science掲載）。

ただし、ここには大きな注意がある。これらは「プロの開発者がAI補完を使った」母集団の数字であって、「非エンジニアがVibe Codingで作り切る」母集団の数字ではない。だから僕は、この数字を「VBC受講者がこれを出す」とは絶対に書かない。あくまで「AI駆動開発が生産性に効くことを示す、業界の背景データ」として、自社の自己申告実績とは別枠で置く。

自社の数字と外部の数字を混ぜて一つの棒グラフにした瞬間に、それは誇大になる。分けて出す。これは研修を売る側の作法であると同時に、研修を選ぶ側が見るべきチェックポイントでもある。出してきた数字が「自社事例」なのか「業界の第三者データ」なのか、そこが混ざっている研修は、一度立ち止まって見た方がいい。

結論

AI・生成AI研修は「どれが1位か」ではなく、「触って終わりでいいか／本番まで作り切りたいか」×「前提スキルが要るか／非エンジニアでも入れるか」の2軸で自社の目的を先に決めて選べ──体験が欲しいなら体験型で正解だし、非エンジニアが作り切りたいなら、原理から教えデプロイまで伴走し、数字を自己申告と第三者データに分けて正直に出す研修を選べばいい。

---

出典

• GitHub Copilotの生産性影響（55%高速・対照実験）: The GitHub Blog “Research: quantifying GitHub Copilot’s impact on developer productivity and happiness”（2022） https://github.blog/news-insights/research/research-quantifying-github-copilots-impact-on-developer-productivity-and-happiness/
• 完了タスク約26%増（開発者4,867名・ランダム化実験）: Cui et al. “The Effects of Generative AI on High-Skilled Work”, Management Science（INFORMS, DOI:10.1287/mnsc.2025.00535） https://pubsonline.informs.org/doi/10.1287/mnsc.2025.00535
• 人材開発支援助成金（中小最大75%・要件/審査あり）: 厚生労働省「人材開発支援助成金」制度概要（申請時に最新の公式資料を確認）
• VBCの実績数値（受講満足度・本番公開率・非エンジニア率・卒業生数・セミナー満足度）: いずれも自社の受講後／セミナーアンケートの自己申告データ（2026年7月時点）