目次から探す
AIに要約や計算を任せられるなら、人間が読解力や数字の扱い方を学び直す必要はなくなるのでしょうか。実務では、出てきた説明がどの情報を根拠にしているか、割合の分母は何か、結論に例外がないかを確かめる場面があります。
基礎スキルの重要性は、生成AIに対する印象論だけで考える必要はありません。OECDは2024年、国際成人力調査（PIAAC）2023の日本向け結果を公表しました。調査対象となった日本の16〜65歳の平均得点は、読解力289点、数的思考力291点、状況の変化に応じた問題解決能力276点。いずれもOECD参加国・地域の平均を上回っていました[1][2]。
一方、参加した国・地域の平均との差だけでは「日本の全員が得意」「学び直さなくてもよい」とは言えません。2025年の『OECD Skills Outlook』は、技能へのアクセスや技能形成の機会に社会経済的な格差があることも指摘しています[3]。
この記事では、調査の数字とその限界を整理したうえで、AIが出した文章やグラフを仕事で判断するための基礎スキルを考えます。
結論：AIが処理した情報を、自分で評価する力が要る
読解力や数的思考力は、文章を手で書いたり計算を暗算したりするためだけの能力ではありません。情報源を理解し、数値の条件を確認し、判断に必要な前提を見分けるためにも使います。
AIによる資料作成が速くなっても、その出力が正確で妥当かどうかを評価する人の役割は残ります。ただしPIAACは生成AIの利用効果を実験した調査ではありません。「AIを使う人ほど読解力が落ちる」といった因果関係を、この統計から主張してはいけません。
今の仕事で困るのはどの場面ですか？
AIに出力を任せても、確認すべき判断基準を手放さない。
国際成人力調査PIAAC 2023で日本の成人はどう評価された？
PIAACの第2サイクルは2022〜2023年に実施され、16〜65歳の成人を対象に読解力、数的思考力、状況の変化に応じた問題解決能力を測定しました。日本の結果は2024年に国別ノートとして公表されています[1]。
| 能力 | 日本の平均点 | OECD参加国・地域の平均点 |
|---|---|---|
| 読解力（Literacy） | 289 | 260 |
| 数的思考力（Numeracy） | 291 | 263 |
| 状況の変化に応じた問題解決能力 | 276 | 251 |
出典：OECD（2024）、PIAAC 2023日本国別ノートと国際集計[1][2]。得点は0〜500点の尺度であり、学校のテストの正答率・偏差値・学習参加率ではありません。
読解力
数的思考力
出典：OECD Survey of Adult Skills 2023, Japan Country Note（2024）およびOECD国際集計（2024）
16〜65歳の調査参加成人を対象にした0〜500点尺度の平均得点。日本とOECD平均の差はAI利用の効果や個人の技能を示すものではありません。
平均が高いことと、誰もが困っていないことは別
読解力のレベル1以下に属する人は日本で約10％（OECD平均26％）、数的思考力も約10％（OECD平均25％）でした[1]。平均点が高い一方、基礎的な文書や数値を扱う課題で支援を必要とする人もいます。
この数字を「日本の成人の10％は文章を読めない」と解釈するのは不正確です。OECDのレベル1では、条件が明示された短い文章や整理されたリストを理解できる一方、複数の情報を統合して判断する課題は難しい可能性があります。技能水準は二者択一でなく、測定尺度に沿った連続的な分布です[1]。
数字が示すのはAIの導入効果ではない
PIAACは労働者の技能や社会・経済的背景を測定する調査であり、AIを導入した企業としなかった企業を無作為に分けた実験ではありません。日本の平均得点とOECD平均を比べても、AIが仕事を奪ったか、人間の技能が劣化したか、という問いへの直接の答えにはなりません。
読解力：AIの要約から消えた条件を見つける
例えば、「A商品のキャンペーン売上は前年比20％増加」というAI要約を読む場面を考えます。確認すべきなのは、どの商品が対象か、比較する時期は同じか、返品や税金をどう扱ったか、データが確定しているかという条件です。
原資料が「新規顧客分だけを集計、キャンペーン期間の最初の3日間のみ」という条件つきなら、「全体の売上が20％上がった」と結論するのは誤りです。文章を短くしたことで前提が脱落した可能性を確かめます。
資料を読むときのチェック
資料から「誰が対象か」「期間はいつか」「単位は何か」「除外された条件はないか」を書き出してみます。AIを使わずにまず自分で整理し、その後にAIの要約と比べると、見落としに気づくきっかけになります。これはLEARN SHIFT編集部の学習案であり、PIAACが効果を実験で示した手順ではありません。
数的思考力：人数と割合が逆転する例
次は架空の社内研修参加者を例にします。部門Aは40人中20人が研修を受け、部門Bは20人中15人が受けたとします。
| 指標 | 部門A | 部門B |
|---|---|---|
| 部門の人数 | 40人 | 20人 |
| 研修参加者 | 20人 | 15人 |
| 参加割合 | 50％ | 75％ |
参加人数はAの方が多いですが、各部門の人数を分母にすると参加割合はBの方が高い。どちらの指標を比較するかで結論が変わります。
さらに、部門Aに正社員が多い、Bに時短勤務の人が多いといった背景があれば、参加割合の差だけで研修制度の良し悪しを断定できません。人数・割合・背景条件を同時に考えることが数的思考の一部です。
問題解決：答えを早く得ることと、正しく判断することの違い
AIが複数の選択肢を提示しても、実際の仕事で採用できる条件や組織の規程を判断する必要があります。例えば月次報告の改善では、集計の正確さ、担当者が修正できるか、顧客情報を安全に扱えるかなどの条件が異なります。
OECDの『Skills Outlook 2025』は、技能の獲得・利用機会が家庭背景や教育経路、地域などの要因に関連することを示しています[3]。この報告はAIの利用が本人の問題解決能力を改善するという実験ではありません。AI導入の是非を決めるなら、技能の調査に加えて当該業務での評価が必要です。
今日の仕事から基礎スキルを学び直す手順
次の手順はAIの出力を評価するために編集部が考えた実務練習です。学習効果の大きさや誰にとっても最適な配分を、OECDが実証したものではありません。
- 01原資料の条件
定義、対象、期間、出典を一つずつ書き出す。
- 02数値の整合性
分母と単位を確認し、架空データで計算を再現する。
- 03判断理由の記録
どこまで確かで、追加確認が何かを簡潔に説明する。
OECDの測定領域を仕事に応用したLEARN SHIFT編集部の演習例。訓練の有効性を保証するものではありません。
無理にすべてをゼロからやり直さなくてよい
文章で困る人なら条件や例外を整理する練習から、数字で困る人なら小さな表の割合計算から始められます。仕事の課題がはっきりしている場合、学校の全課程を学び直さないといけないわけではありません。
具体的な成果物を作るなら、Excelの月次報告を自動化する実例が参考になります。またAIと記憶の関係についてはAIで勉強すると記憶に残らない？で研究の条件を紹介しています。
まとめ：高い国際平均に安心しすぎず、自分の仕事で検証する
OECDのPIAAC 2023では、日本の成人の読解力・数的思考力・状況の変化に応じた問題解決能力は参加国・地域の平均を上回りました[1][2]。一方でその平均値は、職務で必要な技能が誰にでも十分備わっていることや、AIの支援だけで判断できることを意味しません。
必要なのは、AIに逆らってすべてを手作業で行うことではありません。情報源の条件を読み、数字の分母を確かめ、不確実なことを残したまま判断する能力を、実際の仕事に近い課題で試していくことです。
参考文献・資料の範囲
PIAACの結果は2022〜2023年に行われた16〜65歳の成人調査であり、2026年のAI利用者の学習効果を直接評価したデータではありません。本文中の業務例は編集部が作成した仮想事例です。