【2026年】Degreedでスキルを見る|評価に使わない線の引き方

【2026年】Degreedでスキルを見る|評価に使わない線の引き方

「スキルが見える基盤を入れれば、誰がAIを使いこなせているか一目で分かるはずだ」「推定されたスキルの点数を、そのまま次の配置や評価の材料にできないか」——全社のAI研修やAI人材の育成を任された担当者から、よく寄せられる期待です。米国の Degreed は、社員のスキルの手がかりを集めて学びを推薦する基盤として、2026年に入って自己評価の較正やエージェントの機能を相次いで発表しました。ただ、基盤が示すスキルの水準は、社員の実力を測った結果ではなく、集めた手がかりから見積もった値です。この記事では、ある会社が Degreed を検討するシナリオを追いながら、推定したスキルを何に使い、何に使わないか、本人が直せる仕組み、渡す人事データの範囲、効果の測り方、費用とやめ方を整理します。


カメ先生カメ先生

スキルを推定する基盤は、社員の実力を自動で測ってくれる道具だと思われがちなんだけど、本当は、ばらばらの手がかりを集めて「たぶんこのくらい」と見積もる道具なんだ。


カメ子カメ子

見積もりだとすると、評価や配置の材料にするのは危ないということですか。


カメ先生カメ先生

そう。だから使い道を先に決めておく。育成の推薦に限るなら、見積もりが外れても次の講座が少しずれるだけで済む。でも評価に使うと、外れたときに人の処遇が変わってしまうんだ。


カメ子カメ子

使い道を決める順番が、基盤を選ぶことより先なんですね。


この記事のポイント
  • Degreed はスキルの手がかり(自己評価・上司の評価・診断・学習の記録など)を集めて水準を見積もり、学びを推薦する米国の基盤。2026年はAI活用力の講座、自己評価の較正、エージェントを発表した
  • 推定したスキルは育成の推薦に限り、評価・配置・報酬には使わない。社員本人が根拠を見て直せる状態を先に作る
  • AI活用スキルの定義と段の線は自社で書き、効果は推定の上がり幅ではなく業務の変化で測る

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

目次

Degreed は、スキルの手がかりを集めて学びにつなぐ基盤

Degreed は、社員一人ひとりのスキルを手がかりから見積もり、それに合った学びを推薦する米国の基盤です。公式には、社内外の講座や記事、動画などの学習素材を一つにまとめ、社員がどんなスキルを持ち、どこを伸ばすべきかを示して学びにつなぐことを売りにしています。学習管理の仕組みを置き換えるというより、その上に「スキル」という切り口を重ねる道具と考えると分かりやすいでしょう。

スキルの手がかりとして公式が説明しているのは、本人の自己評価、上司の評価、同僚の評価、行動について問う適応型の診断、外部の試験の結果、日々の学習の記録などです。行動を問う診断では、共通の基準に照らして水準を算出し、ときには実例を書かせて回答の盛りすぎを抑えると説明しています。複数の手がかりを重ねて一人の姿を描くのが基本の考え方です。

一方で、それぞれの手がかりをどんな重みで組み合わせ、最終的な水準を出しているのかは、公開資料では詳しく示されていません。この点は導入の検討で必ず営業担当に確かめるべき項目です。後で述べるとおり、算出の中身が分からないまま水準を人の処遇に使うのは避けるべきで、まず育成の推薦に限って使うという線を引く理由もここにあります。

2026年の動き:AI活用力の講座、自己評価の較正、10月のエージェント

2026年3月3日、Degreed は年次の催しで、すぐに始められる育成の型を発表しました。最初の二つが、リーダー育成と「AI活用力」です。AI活用力の型は、社員が日々の仕事でAIを使い、AIの出力を確かめ、決められた線を守ることを身につけるためのもので、教材と実践と測定を組み合わせると説明しています。同じ発表では、組織が自前で決めたスキルの体系と段の尺度を使い、社員が自分の評価を較正できるよう対話で導く機能も紹介されました。

同じ発表には、部署や地域ごとに利用者を分けて管理する機能、権限を持つ管理者が問題の調査のために一時的に利用者の画面を見る機能、ChatGPT や Claude から Degreed を使うための MCP の窓口、スキルを自動処理の条件に使う機能も含まれていました。3月18日には情報セキュリティの国際規格 ISO 27001 と品質の ISO 9001 の認証取得を発表し、5月27日には製品の責任者を新たに迎えています。

10月6日には、Degreed Agents と呼ぶエージェント群を発表しました。昇格、スキルの不足、学習の停滞といった合図を受けて、スキルのデータと教材の一覧から一人ひとりの学習の道筋を組み立てたり、リンク切れや古くなった教材を定期的に点検したりします。公式の発表は、学習者や基幹の記録に届く前に、すべての動作を人が承認すると明記しています。この記事の内容は2026年11月初めの公式発表に基づくもので、検討時には最新の説明を確かめてください。

誤解:AIが出したスキルの水準は「社員の実力」ではない

スキルの見える化でいちばん多い誤解は、画面に出た水準を、その人の実力そのものだと受け取ってしまうことです。自己評価は人によって甘くも辛くもなり、上司の評価は見えている仕事の範囲に左右され、学習の記録は「何を学んだか」であって「何ができるか」ではありません。どの手がかりも実力の一部を斜めから映しているだけです。

Degreed 自身も、3月の発表で自己評価の較正を「人が関わるスキルのデータ」と表現し、社員が組織の尺度に照らして自分の評価を見直す仕組みとして位置づけています。つまり、データの出発点には本人の申告があり、AIはその精度を上げる手伝いをしているという構図です。推定の精度は使うほど上がると公式は説明しますが、最初の数か月の値は粗いと考えておくほうが安全です。

スキルの表そのものをどう作り、どう運用するかという一般論は別の記事で扱いました。ここで問題にするのは、Degreed のような基盤が出した推定の値を、AI研修の担当者が何に使ってよく、何に使ってはいけないかです。この線を引かないまま導入すると、推定の値が人事の会議資料に貼られ、社員が自己評価を盛るようになり、データがかえって当てにならなくなります。

シナリオ:全社のAI研修を任された担当者が Degreed を検討する

ここからは、社員約800人の産業用部品メーカーを仮の例として追います。経営企画部の中にAI推進の担当が置かれ、全社員向けのAI研修を今年度から始めました。研修の受講率は上がったものの、「受けた後に業務で使っているのか分からない」「部署ごとに得意不得意が違うのに、同じ講座を一律に受けさせている」という不満が、各部署の部長から寄せられています。

担当者は、社員ごとにAI活用のスキルを見積もり、足りない人に合った学びを推薦できれば、一律の研修から抜け出せると考えました。そこで候補に挙がったのが Degreed です。3月に発表されたAI活用力の型があり、社内の体系で自己評価を較正できること、10月のエージェントで学習の道筋を自動で組めることが決め手になりそうでした。

ところが、人事部に相談すると「その点数を人事評価にも使えないか」と言われ、労働組合からは「スキルの点数で配置が決まるのでは」という懸念が届きました。同じ数字を、育成の担当は推薦に、人事は評価に使いたがるという、よくある衝突です。以下では、この会社が導入前に決めたことを順に見ていきます。

最初に決める線:推定は育成の推薦にだけ使う

この会社が最初に決めたのは、Degreed が示すスキルの水準を「次に何を学ぶかの推薦」にだけ使い、人事評価・昇格・配置・報酬の判断には使わないという線です。理由は単純で、算出の中身が公開されておらず、最初の数か月は精度も分からない値に、人の処遇を預けられないからです。推薦であれば、外れても社員が講座を選び直せば済みます。

この線は、社内の決まりとして文書にし、社員にも公開しました。決まりの中には、推定の値を人事の会議資料に載せないこと、部長が見られるのは部署全体の分布までで個人の値は本人の同意がない限り見せないこと、例外を設ける場合は人事・法務・AI推進の三者で協議することを書いています。線を口約束にしないことが、社員の自己評価を正直に保つ条件になります。

人事部の要望を完全に退けたわけではありません。部署ごとの分布や、研修の前後で分布がどう動いたかは、人材計画の参考資料として人事部にも渡します。個人の値を使わず集団の傾向として使う限り、推定の粗さは平均化され、判断を誤るおそれも小さくなります。使ってよい単位を、個人ではなく集団に寄せるのが落としどころでした。

スキルの水準はどこから来るのか:手がかりごとの癖を知る

推薦に限って使うとしても、水準がどの手がかりから来ているかを担当者が理解しておかないと、推薦がずれたときに直せません。Degreed の公式資料が挙げる手がかりを、AI活用スキルを見る場面に当てはめると、それぞれに癖があります。

手がかり公式の説明AI活用スキルで出やすいずれ担当者の対処
本人の自己評価組織の尺度に照らして較正するよう対話で導く使い始めの人ほど高く、詳しい人ほど低く付けやすい段の線を行動で書き、例を添える
上司の評価本人の評価と並べて見る上司自身がAIを使っていないと判断の物差しがない上司向けに段の線の説明会を開く
行動を問う診断共通の基準で水準を算出し、実例を書かせる質問が汎用的で、自社の業務の使い方が測れない自社の場面の設問を足せるか確かめる
学習の記録学んだ内容がスキルの手がかりになる受講したことと使えることが混ざる修了と実践の記録を分けて見る

表の右端のとおり、どの手がかりにも人の手を入れる余地があります。とくにAI活用スキルは道具の変化が速く、半年前の講座の受講記録が今の実力を映しているとは限りません。手がかりの種類ごとに、どのくらい信用するかを担当者が決めておくと、推薦のずれを見つけたときに原因をたどれます。重みの付け方を基盤側で変えられるかどうかも、導入前に確かめる項目です。

AI活用スキルの定義は自社で書く

Degreed には既製のスキルの体系があり、3月に発表されたAI活用力の型も用意されています。しかし、この会社は既製の体系をそのまま使わず、自社の業務に即したAI活用スキルの定義を先に書くことにしました。既製の定義は「AIで文章を作れる」のように一般的で、設計図面の照合や見積書の確認といった自社の仕事でどう使うかが分からないからです。

定義は、AI推進の担当と各部署の代表が集まって作りました。たとえば「AIの出力を確かめる」というスキルは、段1を「出力をそのまま使わず、元の資料と一度は見比べる」、段2を「誤りが出やすい箇所を知っていて、そこを重点的に確かめる」、段3を「部署の確認手順を作り、他の人に教えられる」としています。段の線を、観察できる行動で書くことで、自己評価の甘辛が揃いやすくなりました。

定義を書くときに参考になるのが、Degreed が2026年2月17日に公表した学習需要の分析です。基盤上の学習の動きを集計した結果、2026年に最も求められたスキルの上位10のうち7つが、人に関わる力や事業に関わる力だったとしています。AI活用スキルを道具の操作だけで定義すると、実際に求められている力を取りこぼすおそれがあります。この会社でも、道具の操作の項目は全体の三分の一にとどめ、出力を確かめる力、業務のどこに使うかを決める力、部署の仲間に教える力を残りに置きました。

3月の発表では、組織が自前で決めたスキルの体系と段の尺度を使って自己評価を較正できると説明されています。自社の定義を基盤に載せられるかは、導入の可否を分ける点です。定義の持ち主はAI推進の担当とし、年に二回見直すと決めました。AIの道具は半年で変わるため、定義が古いまま推定を続けると、推薦の中身も古くなっていきます。

社員本人が根拠を見て、直せるようにする

推定したスキルを推薦に使うとしても、社員が「なぜ自分にこの講座が勧められたのか」を分からないままでは、推薦は無視されます。この会社は、社員が自分のスキルの水準と、その元になった手がかり(自己評価、上司の評価、診断の結果、学習の記録)を見られること、そして納得できなければ本人が自己評価を直し、上司との面談で話し合えることを、導入の条件にしました。

画面で本人がどこまで見られるか、推定の根拠がどの粒度で示されるかは、契約前の試用で確かめます。公式の資料からは、根拠の示し方の詳細までは読み取れませんでした。根拠が見えない推定は、本人が直せない推定であり、直せない値は社員の不信を招きます。試用では、社員の代表数名に実際の画面を見てもらい、自分の値の理由が分かるかを聞きました。

もう一つ決めたのが、AIに段を付けさせない範囲です。本人の申告と上司の評価が大きく食い違ったとき、AIの推定でどちらかに寄せるのではなく、食い違いを残したまま面談の話題にすることにしました。食い違いそのものが、本人と上司の見ている仕事の違いを示す大事な情報だからです。AIに平均を取らせると、その情報が消えてしまいます。

同僚の評価や、任意で付けられる推薦の声も、公式は手がかりの一つとして挙げています。多方面からの見方が加わるのは利点ですが、AI活用のスキルについては、部署で目立つ使い方をしている人に評価が集まりやすく、地道に出力を確かめている人が見落とされがちです。同僚の評価は人気の指標になりやすいため、この会社では試行の間は同僚の評価を推薦の計算に入れず、本人が参考として見られるだけにしました。入れるかどうかは、半年後の見直しで、推薦の当たり外れとの関係を見てから決めます。

人事データを渡す範囲:何を渡さないか

スキルの推定や学習の推薦には、社員の所属、職種、役職、入社年といった人事のデータがある程度必要になります。10月のエージェントは昇格や学習の停滞といった合図で動くため、どの合図を基盤に渡すかで、エージェントの動き方が変わります。渡すデータは、推薦に必要な最小限に絞るのが原則です。

  • 人事評価の結果や査定の点数を、推薦の精度が上がるかもしれないという理由で渡す
  • 休職・病気・家庭の事情など、配慮が必要な情報を含む人事の項目を丸ごと連携する
  • 退職者のデータを消す手順を決めずに、連携だけを先に始める
  • 部長が部下の個人の値を自由に見られる権限のまま、全社に公開する

この会社では、所属・職種・役職・入社年・受講の記録だけを渡し、評価の結果や勤怠、健康に関わる情報は渡さないと決めました。個人情報の扱いとしては、利用目的を社員に示すこと、委託先の管理、海外のサーバーに置かれる場合の説明が必要になります。データの保存場所と、契約終了時の削除の方法は、ISO 27001 の認証があるからといって省かず、契約書で確かめます。

エージェントに任せる範囲と、研修担当が承認する範囲

10月に発表された Degreed Agents は、スキルの不足に対して、現在の評価と目標を比べ、既存の教材を探し、組織の教材設計の方針や順守事項を当てはめて、順序立てた学びの組み合わせを下書きし、研修担当の確認に回すと説明されています。古い教材やリンク切れの点検も、定期的にあるいは呼び出しに応じて行います。

この会社では、エージェントに任せるのは下書きと点検までとし、社員に届ける前に研修担当が必ず中身を確かめることにしました。公式の発表もすべての動作を人が承認すると明記しているので、この線は基盤の設計と合っています。注意すべきは、承認が形だけになることです。毎週数十件の下書きが届くようになると、中身を読まずに承認する癖がつきます。

そこで、承認する人が確かめる項目を三つに絞りました。勧める教材が自社のAIの利用規程と矛盾しないか、古い道具の操作を教える教材が混ざっていないか、受講の負担が業務の繁忙期と重ならないか、です。三つ以外は抜き取りで確かめ、月に一度、承認した下書きを数件選んで、勧めた学びが実際に役立ったかを社員に聞いています。

もう一つ気をつけたのが、3月に発表された、スキルを自動処理の条件に使う機能です。たとえば「AI活用スキルが段1の社員に、基礎講座を自動で割り当てる」といった設定ができると便利ですが、推定の値をきっかけに、社員に受講の義務が発生することになります。この会社では、自動で行うのは推薦の通知までとし、受講を必須にする割当は研修担当が対象者の一覧を確かめてから行うことにしました。推定が外れていた社員に必須の講座が届くと、推薦全体への信頼が下がるからです。

社員のAIから Degreed を開くとき

3月の発表では、ChatGPT や Claude から Degreed を使うための MCP の窓口が、10月の発表では Claude・Gemini・Copilot からエージェントを使えることが示されました。社員が日頃使う生成AIの画面から、自分のスキルや勧められた学びを呼び出せるのは便利ですが、スキルのデータが別のAIの側に流れる経路が一つ増えることでもあります。

この会社は全社で Copilot を使っているため、そこから Degreed を開けるかを検討しました。確かめたのは、社員が自分のデータしか見られないこと、管理者の権限で他人のデータを呼び出せないこと、生成AIの側に会話の記録として残るスキルの情報の扱い、の三点です。3月の発表は、組織がどの機能をいつ使えるようにするかを管理できると説明しています。

  • 生成AIの画面からの利用は、最初は研修担当など少人数に限り、全社への公開は記録の残り方を確かめてからにする
  • 部署や地域ごとに利用者を分ける機能がある場合は、海外の拠点と国内の利用者で公開する機能を分けられるか確かめる
  • 管理者が利用者の画面を一時的に見る機能は、使った記録が残るか、誰が使えるかを契約前に確かめる

効果を何で測るか:推定の上がり幅を成果にしない

スキルの基盤を入れると、つい「全社のAI活用スキルの平均が段1.8から段2.3に上がった」といった数字を成果として報告したくなります。しかし、推定の値は本人の自己評価を出発点にしているため、研修を受けた人ほど自分を高く付けるだけでも上がります。推定の上がり幅を成果の指標にすると、データを盛る動機を作ることにもなります。

この会社は、成果を業務の変化で測ることにしました。たとえば、営業部では見積書の確認にAIを使っている案件の割合、設計部では図面の照合でAIの出力を確かめる手順を回している班の数、管理部門では定型の文書作成にかかる時間です。部署ごとに一つずつ、業務の記録から取れる指標を決めました。推定の値は、その指標が動かなかったときに原因を探る補助として使います。

推薦の質そのものも測ります。勧めた学びを社員が始めた割合、最後まで終えた割合、終えた後に「業務で使えた」と答えた割合です。推薦が当たっていなければ、手がかりの重みか、自社の定義か、教材の一覧のどこかに問題があります。ここで分かった問題は、半年ごとの定義の見直しに持ち込みます。部長への報告も、個人の値の一覧ではなく、業務の指標と推薦の質を部署ごとに並べた一枚にまとめ、誰が低いかではなく、どの学びが効いたかを話し合う場にしています。

半年のシナリオ:導入から最初の見直しまで

この会社が実際に組んだ半年の段取りは次のとおりです。全社に一度に広げず、AI活用の意欲が高い部署と低い部署を一つずつ選んで始めたのが特徴です。意欲の高い部署だけで試すと、推薦がうまく働くように見えても、全社に広げたときの反応が読めないからです。

STEP1
使い道の決まりを作る(1か月目)

推定は育成の推薦に限ること、個人の値を評価に使わないこと、部長が見られる範囲を文書にし、人事・法務・労働組合と合意する。

STEP2
自社のAI活用スキルを定義する(1〜2か月目)

各部署の代表と、段の線を観察できる行動で書く。既製の体系とどこが違うかも記録しておく。

STEP3
二部署で試す(3〜4か月目)

自己評価と上司の評価を集め、推薦を出す。社員の代表に根拠の見え方を確かめてもらう。エージェントの下書きは研修担当が全件承認する。

STEP4
業務の指標と推薦の質を測る(5か月目)

部署ごとの業務の指標と、勧めた学びの開始・修了・役立ち度を集める。推定の値は補助として見る。

STEP5
見直して広げるか決める(6か月目)

定義・手がかりの重み・承認の項目を見直し、全社に広げるか、範囲を絞るか、やめるかを決める。

半年で見直す前提にしておくと、うまくいかなかったときに「入れたのだから続ける」という惰性を避けられます。やめる判断を、最初の段取りの中に組み込んでおくことが、高価な基盤を検討するときの備えになります。

費用の増え方とやめ方

Degreed の料金は公開されておらず、見積もりで決まります。一般に、この種の基盤の費用は利用者の数と使う機能の範囲で増えます。AI活用力のような育成の型や、エージェントの機能が別料金になるかどうか、外部の有料講座の費用がどこに含まれるかは、見積もりの段階で一つずつ確かめる必要があります。10月14日の催しでは2027年に向けた新しいエージェントの予告もあったと発表されており、今後追加される機能が今の契約に含まれるのか、別料金になるのかも確かめておきたい点です。

費用で見落としやすいのは、基盤の外にかかる人の手間です。自社の定義を書く時間、上司の評価を集める時間、エージェントの下書きを承認する時間、半年ごとの見直しの時間は、どれも見積書には載りません。承認と見直しに毎月どれだけの時間を割けるかで、広げられる人数の上限が決まると考えておくと、試行の規模を決めやすくなります。

やめ方も入れる前に決めておきます。確かめるのは、自社で書いたスキルの定義と段の線、社員ごとの自己評価と上司の評価、学習の記録を、ほかの仕組みでも読める形で取り出せるか、契約の最低期間はどのくらいか、終了後にデータがいつ消されるか、です。定義と評価の記録は自社の財産なので、基盤をやめても手元に残る状態にしておきます。

入れる前に確かめる項目

ここまでのシナリオで決めたことを、導入前の確認項目としてまとめます。営業担当との打ち合わせや試用の段階で、一つずつ答えを得てから契約に進みます。

  • 推定したスキルを何に使い、何に使わないかを文書にし、人事・法務・労働組合と合意したか
  • 自社のAI活用スキルの定義と段の尺度を基盤に載せられるか、試用で確かめたか
  • 手がかりごとの重みの付け方を、営業担当から説明を受けたか。重みを自社で変えられるか
  • 社員本人が自分の値と根拠を見られ、自己評価を直せるか
  • 渡す人事データを最小限に絞り、評価・勤怠・健康の情報を渡さないと決めたか
  • エージェントの下書きを承認する人と、確かめる項目を決めたか
  • 生成AIの画面からの利用で、データがどこに残るかを確かめたか
  • 成果を業務の変化で測る指標を、部署ごとに一つ決めたか
  • 定義・評価・学習の記録の取り出し方と、契約終了時の削除を確かめたか

このうち、最初の項目が決まらないうちは、残りの項目を確かめても意味がありません。使い道の線が引けない場合は、導入を急がず、まずは表計算でAI活用スキルの自己評価を集めてみるところから始めるほうが、失敗したときの傷が浅く済みます。

まとめ

Degreed は、自己評価や上司の評価、診断、学習の記録といった手がかりを重ねて社員のスキルを見積もり、学びを推薦する基盤です。2026年はAI活用力の育成の型、自社の尺度での自己評価の較正、人の承認を前提にしたエージェントを発表しました。ただし、示される水準は実力の測定ではなく見積もりです。推定は育成の推薦に限って使い、評価や配置には使わない線を先に引くこと、AI活用スキルの定義は自社で書くこと、本人が根拠を見て直せること、渡す人事データを絞ること、成果を業務の変化で測ること。この順で決めてから導入を検討すれば、スキルの見える化が社員の不信ではなく学びの後押しにつながります。

※本記事にはAIが活用されています。編集者が確認・編集し、可能な限り正確で最新の情報を提供するよう努めておりますが、情報の完全性、正確性、最新性、有用性等について保証するものではありません。本記事の内容に基づいて行動を取る場合は、読者ご自身の責任で行っていただくようお願いいたします。

うちの業務、AIで何が自動化できる?

「AIで何ができるかは分かったが、自社の業務のどこに使えるのかが分からない」という段階の方へ。30業務の判定と5つの実務例から、最初に自動化する1業務を選ぶための無料ガイドです。

運営会社:株式会社デボノ

目次