現代の学習効果の測定:修了率からビジネス成果への転換


経営陣はかねてより、L&D(人材開発)部門に対し、その価値を証明するよう求めてきました。コストの正当性を示すためです。長い間、最善の選択肢は、学習修了状況の報告書でした。
しかし実際には、標準的な学習活動指標(修了率、学習時間、満足度スコア)は、本来問われるべき質問には答えられません。これまで一度も答えたことはありません。それらが答えられる唯一の質問は、学習コンテンツが従業員に提供され、彼らがそれを修了したかどうかという点だけです。
経営者が常に答えを出さなければならない質問は、より重要なものです。従業員は、ビジネスにとって重要な何かにおいて、能力を向上させることができたのか?という問いです。
エージェントAIの台頭に伴い、従業員が適応できるスピードこそがすべてとなっています。ビジネスのスピードは、従業員の学習速度に左右されるのです。しかし、ATDによると、トレーニングプログラムのデータを活用してビジネス上の意思決定を行うのが得意な組織は3分の1(30%)未満にとどまっています。おそらく、そもそもそのデータがビジネスとほとんど結びついていないためでしょう。
しかし、その状況は変わりつつあります。新しい技術的能力と、蓄積され続けるスキルインテリジェンスにより、学習を経営陣が重視するビジネス成果に結びつけることが、ようやく可能になりつつあります。Degreed Focus London 2026には業界のリーダーたちが集まり、こうした変化や、それが今日の実際の組織でどのように展開されているか、そしてパーソナライズされた活動指標の今後について議論しました。
L&Dにおける学習活動の測定に関する課題
学習活動は、生成も測定も容易です。難しいのは、その活動を、ビジネス上重要な人材能力の成果と結びつけることです。Focus Londonにおいて、8levers社の共同創業者であるLori Niles-Hofmann氏は、L&Dチームがこれらの指標を組み合わせることで、ある大きな全体像を描き出すことができると述べました。しかし、それが必ずしも「真の」全体像であるとは限りません。標準的な指標は、通常、有意義な結論を裏付けるには不十分なものです。
『データドリブンな学習設計や集計された測定結果を見て、「おそらくXとYを足せばZになる」と言い始められる段階までは行けましたが、それらを組み合わせても、その根拠は不確かなものでした』と、Niles-Hofmann氏は述べました。
彼女は、それよりも優れた方法として、クローズドループ・レポーティング、つまり「さまざまな種類の学習介入を細かく切り分けて」、その影響をリアルタイムで特定する能力を提案しました。例えば、従業員が営業の商談に備えている場合、学習システムはその商談の結果を、学習の直接的な成果として捕捉し、評価すべきです。
Capgemini社のような一部の企業では、ビジネス価値をより正確に反映するものとして、この種のスキル習熟度評価をすでに試験的に導入しています。
Capgemini社がスキルの向上とビジネスを結びつけた方法
『学習にこれだけの費用をかけているが、最終的にどのような成果が得られているのか教えてください。』
これは、Capgemini社のグローバル・ラーニング責任者であるEstelle Maione氏が、自社の経営陣から繰り返し聞かされていた言葉です。30万人以上の従業員を擁し、スキルベースのキャリアを基盤とした企業アイデンティティを持つCapgemini社にとって、学習とビジネスパフォーマンスの間に必然的な関連性があると単純に想定することはできませんでした。
『創業当初から、私たちは企業として、スキルを活用した取り組みをビジネスへのインパクトにつなげたいと掲げてきました』とMaione氏は語りました。
Capgemini社のビジネスリーダーたちがL&Dに求めていたのは、大規模かつパーソナライズされた学習、目に見えるスキルの向上、そしてCapgemini社の顧客とのプロジェクトへの参画準備が整っていることの証明でした。
修了率だけでは、チームが重要なクライアント案件に人員を配置できる準備ができているかどうかはわかりません。コースのバッジだけでは、リーダーにチームが実際に何を成果として提供できるのかは伝わりません。
そこでCapgemini社は、プロジェクトの遂行とパフォーマンスという、別の種類のスキル指標を探しました。
ある熟練度レベルでクライアントの案件に積極的に取り組んでいる場合、その人は管理されたトレーニング環境ではなく、仕事そのものを通じて実力を効果的に示していることになります。実際の業務データがスキルデータとなるのです。これは極めて重要な点です。Maione氏が述べたように、『データが正確でなければ、魔法のような成果は生まれません』からです。
プロジェクトベースのデータを収集するには、相互に連携したエコシステムが必要でした。そこでは、人材データとスキルデータが連携して、包括的な全体像を描き出すのです。その時点で、ビジネスパフォーマンスが証拠となり、学習の役割は、それが時間の経過とともにどのように貢献したかを示すこととなります。
『私たちは、業務システムと連携しています。プロジェクトに人材が配属されるため、そこで実際に物事が進むからです。それが現実であり、人々がスキルを構築する方法なのです』とMaione氏は述べました。
その結果、経営陣が求める「測定可能な成果」に実際に応えられるレポートモデルが実現しました。つまり、「学習に x を投資すれば、クライアントの成果を生み出せる y 人の熟練した従業員が得られる」というものです。
『重要なのは、すべてのスキルを一か所に集約し、そこから得られた洞察や情報を、ビジネス上の意思決定や従業員の人材配置、さらには彼らのスキル開発を推進するために価値あるものへと変換していく方法です』とMaione氏は述べました。
スキルデータの統合的な視点があっても、これは依然として部門横断的な取り組みです。Capgemini社では、スキルフレームワークはL&D(学習・開発)部門が管理しているわけではありません。『必要なものを最も包括的に把握しているのはオペレーションチームであるため、彼らにその管理を任せています』とMaione氏は述べました。
Maione氏にとって、その原則は明確です。学習そのものが日常業務の中に目に見えない形で組み込まれている場合でも、ビジネス上の成果は常に明確に可視化されるべきだということです。
次世代の学習測定のあり方
Capgemini社のアプローチは、現時点で実現可能な最先端の取り組みと言えます。しかし、技術的能力が進化するにつれて、測定可能な対象も変化していきます。Degreed社の新事業担当上級副社長兼AIラボ責任者であるTaylor Blake氏は、よりパーソナライズされたレポートの次なる可能性についてプロトタイプ開発を進めています。
修了率ではなく、プログラム全体を通じて個人が実際にどのように関与したかから導き出された、プログラムの進行に伴う個人の自信およびパフォーマンスの向上を可視化するレポートを想像してみてください。自己申告によるアンケート指標の代わりに、その個人の学習経路の独自の軌跡 ―― 出発点、スキルギャップ、そしてプログラムが進行中にどのように適応したか ―― を捉えるものです。
AI Labsのデモでは、Blake氏はスキル推移が異なる2人の架空の従業員をモデル化し、修了状況だけでなく、スキルの進捗におけるばらつきも示しました。これには、自信の向上と実証可能な習熟度が並べて表示されていました。
これにより、学習の成果は他のビジネス上の成果とより比較しやすくなります。自信の向上は定量化可能な指標となります。実際のやり取りから導き出された習熟度からは、その人が能力以上に自信を持っているのか、あるいはその逆なのかさえも明らかになります。これは、いかなる修了レポートでも得られないシグナルです。
学習とビジネス価値のつながりを再考する方法
学習指標は、ビジネスの現実により密接に結びつく必要があります。修了率が従業員の業務遂行能力を示すという大まかな推測は、測定可能なビジネス価値とは同義ではありません。それは、せいぜい疑わしい推論に過ぎません。しかし、新たなAI機能と蓄積されつつあるスキルデータのおかげで、L&D(学習・開発)部門は単なるチェックリストの確認以上のことができるようになりました。
今や、学習を評価する際、人事およびL&D部門は、「従業員は、ビジネスにとって重要な分野で能力を向上させることができたか」という問いに対する、真の答えを必要としています。
これを実現するには、2つの要素が必要です。1つは、クリーンで信頼性の高いスキルデータ、つまりシステム間で標準化された分類体系と一貫した定義です。もう1つは、経営幹部がすでに従業員の業務遂行能力を評価するために使用しているパフォーマンス指標と連動した学習活動です。
Capgemini社のように、今この基盤を築く組織は、単に学習の効果をより正確に測定できるだけではありません。従業員に関する意思決定をより迅速かつ確信を持って行い、ビジネスのニーズを先取りして対応できるようになるのです。

Emily Gerson
Tuesday, July 14th, 2026


