AIの時代に必要なのは、AIそのものだけではありません。AIを理解し、使い、
結果を検証し、最後に判断する「人」が必要です。
私はこれまで、TechGymでプログラミングを学び、WSL上で開発環境を構築し、
Ruby on RailsとPostgreSQLを組み合わせたシステムを何度も作ってきました。
さらにOllamaを使ったローカルAI環境にも取り組み、Search Consoleでは数年間
にわたって自分のサイトの検索データと向き合ってきました。700本以上の
記事を書いてきた経験から感じるのは、AIを使えるようになることと、
AIを正しく使えることは別だということです。
そんな中で注目したのが、東京大学・松尾豊教授の研究室などが関わる、
アフリカでのAI人材育成の構想です。3年間で3万人規模という大きな目標は、
単なるAI教育の話ではありません。AI時代に「人をどう育てるのか」
という問題そのものです。
本記事では、この取り組みを「整理→経験→結論」の三段階で考えます。
まず計画の全体像を整理し、次に私自身がAIやプログラミングを学んできた
経験から、AI人材育成の難しさを考えます。そして最後に、日本とアフリカが
AI時代にどのような関係を築けるのかを考察します。
AI人材とは「AIを使える人」だけではない
ここで一度、「AI人材」という言葉を整理しておきたいと思います。
AI人材というと、AIモデルを開発する研究者やエンジニアを
想像しがちです。しかし、生成AIが社会に広がる現在では、
それだけではありません。AIに質問する人、AIが出した答えを
検証する人、業務にAIを組み込む人、AIのリスクを管理する人
など、AIとの関わり方は非常に広くなっています。
私自身も、AIを学ぶ過程でこの違いを実感してきました。
TechGymでプログラミングを学び、WSL上に開発環境を構築し、
RailsやPostgreSQLを組み合わせ、さらにOllamaを使って
ローカル環境でAIを動かしてみる。こうした経験を重ねると、
AIは「ボタンを押せば答えが出てくる便利な道具」ではないことが分かります。
環境構築がうまくいかなければ原因を探す必要があります。
AIが生成したコードが動かなければ検証が必要です。データベースに
保存した情報が正しいか確認する必要もあります。そして、
Search Consoleの数字を何年も追っていると、
AIの提案が正しいかどうかを最終的に判断するのは人間だと分かります。
だから私は、AI人材の育成で本当に重要なのは「AIを操作する技術」
だけではなく、「AIの結果を疑い、検証し、現実の問題に適用する力」
だと考えています。
背景と目的：なぜ「アフリカ」でAI人材育成か？
日本とアフリカ双方の人材を育て、双方の産業・教育・研究を強化するAI人材育成は、単なる技術協力ではなく、日本社会が直面する課題とも深くつながっています。
生成AIは便利である一方、誤情報を生むリスクがあり、人の判断力や教育の質が成果を左右します。そのため人材育成は不可欠です。しかし日本では少子高齢化の進行により、農業の担い手不足や地方医療の人材欠如、製造業の人手不足などが深刻化しています。
従来は中国や東南アジアに依存してきた人材確保も難しくなり、新たな解決策が求められています。そこで注目されるのが、豊富な若年人口を持つアフリカです。さらに、2025年横浜でのTICAD9は、日アフリカ協力を後押しする好機であり、松尾研の取り組みもその潮流の中で展開されようとしています。
AIには人が必要だという前提
AIは自動で答えを出す万能機械ではありません。特に生成AIは、もっともらしい誤答＝「ハルシネーション」を生むリスクを常に抱えています。これを現実のビジネスや社会実装で抑え込むには、人の判断や教育の質が不可欠です。松尾教授は「AIの成果は最終的に人材が左右する」と繰り返し強調しており、この哲学がアフリカでの人材育成の根幹にあります。
私自身がAIを学んで分かった「人が必要」という現実
「AIには人が必要だ」という言葉は、抽象的な理念に聞こえるかもしれません。しかし、実際にAIを使って開発してみると、この問題は非常に具体的です。
私はTechGymでプログラミングを学び、その後もWSL、Ruby on Rails、PostgreSQL、Ollamaなどの環境を何度も構築してきました。環境構築では、AIに質問すればすぐに答えが返ってきます。しかし、その答えが自分の環境で本当に動くとは限りません。
Railsのバージョン、Rubyのバージョン、Gemの依存関係、PostgreSQLの設定など、少し条件が違うだけで結果は変わります。AIが提示したコードをそのまま実行するだけでは問題は解決しません。エラーを読み、原因を切り分け、再度試す必要があります。
Ollamaを使ったローカルAI環境でも同じでした。モデルを動かすこと自体が目的ではなく、自分の環境で何ができるのか、どこに限界があるのかを確認する必要があります。
さらに、私はSearch Consoleを数年間使い続け、自分のサイトの記事が検索でどう評価されるのかを試行錯誤してきました。700本以上の記事を書いてきた経験から感じるのは、AIは文章を作ることはできても、「その文章が本当に読者に届いたのか」を最終的に判断することまでは自動的にはできないということです。
AIを使うほど、人間の役割がなくなるのではありません。むしろAIを使いこなすためには、問題を設定し、結果を検証し、現実と照らし合わせる人間の能力が重要になります。
日本の人材不足とアフリカへの期待
少子高齢化が進む日本では、製造業や農業など幅広い分野で人材不足が深刻化しています。かつては中国や東南アジアの人材を頼りにできましたが、いまや中国自身もAIやデジタル分野で人材確保に奔走しているのが現状です。そこで注目されるのがアフリカ。人口は2050年に25億人を突破すると予測され、世界でもっとも若年人口比率が高い地域です。未開拓の「人材の宝庫」として、日本が関与する意義は極めて大きいのです。
TICAD9に連動した戦略的展開
こうした構想のタイミングとなるのが、2025年8月20日から横浜で開かれる第9回アフリカ開発会議（TICAD9）です。日本政府はアフリカとの協力強化を掲げ、特にデジタル・AI分野での支援策を発表する予定です。松尾研のプロジェクトもこの流れの一環として位置づけられており、国際的な後押しを得ながら展開されます。(World Bank, TICAD9 イベント情報)
計画内容：松尾研・JICA・ACCIによる実施体制
アフリカでのAI人材育成を実効性あるものにするためには、教育だけでなく、国際協力や産業との接続を含む総合的な仕組みが必要です。本プロジェクトは、研究・教育の実績を誇る松尾研究室、国際協力の枠組みを担うJICA、そして産業連携を推進するACCIが三位一体で取り組む体制に特徴があります。
松尾研が培った研究教育ノウハウをアフリカで展開し、JICAがTICAD9を舞台に政策的・国際的支援を取りまとめ、さらにACCIが人材を産業界に結びつけることで、教育から雇用創出、産業発展までを一気通貫で実現できるのです。この三者連携こそが、日本とアフリカ双方に持続的な価値をもたらす基盤となります。
松尾研究室のAI教育・社会実装実績
松尾研究室は、深層学習や大規模言語モデルの研究で知られるだけでなく、社会実装・教育・起業支援に至る幅広い活動を展開してきました。研究者育成プログラムから企業との連携プロジェクトまで、単なる学術研究に留まらない実績があります。このノウハウをアフリカに応用することで、基礎から実務レベルまで対応可能な人材を育てることを目指しています。(東京大学松尾研究室公式サイト)
JICA主導「AI Transformation for Africa」セッション
TICAD9では「AI Transformation for Africa – AI talent development and Ecosystem strengthening」というテーマで公式セッションが予定されています。ここでは、アフリカにおけるAI活用の現状と課題、人材育成のあり方、そして国際連携の重要性が議論されます。JICA（国際協力機構）が主導し、日本政府・大学・企業が一体となって推進する形です。(World Bank, TICAD9公式案内)
「日本アフリカ産業共創イニシアチブ（ACCI）」の役割
また、日本企業とアフリカのスタートアップをマッチングする仕組みとして「日本アフリカ産業共創イニシアチブ（ACCI）」が活用されます。教育で育った人材が実際に産業の現場に活躍できる場を提供することこそが持続可能な協力の条件です。教育と雇用の橋渡しをACCIが担うことで、日本企業にとっても市場開拓・人材獲得の機会が広がります。
目標と意義：3年間で3万人、広がる未来
スケール目標：3年間で3万人の育成
この計画の具体的な目標は、アフリカ全域から20〜30校を選定し、AI講座を提供することで3年間で3万人の人材を育成することです。講座内容は基礎的なプログラミングから、ビッグデータ解析、ビジネスでのAI応用に至るまで多層的。さらに英語能力の強化や、日本語の基礎理解を取り入れることで、日本企業との協働も視野に入れています。
農業・製造業DXへの波及効果
人材育成は単なる教育支援にとどまりません。アフリカの農業や製造業にAIを導入することで、効率化・収穫予測・物流改善といった課題解決につながります。これにより新たな雇用が生まれ、産業基盤が強化されるだけでなく、日本企業にとっては現地と連携したDX推進の実験場・協業の機会ともなります。
AI教育で本当に難しいのは「教えること」ではなく「試すこと」
私自身の経験からすると、AI教育で難しいのはAIの知識を説明することだけではありません。実際に手を動かして、失敗し、その原因を考える環境を作ることです。
WSLの環境構築ではエラーが起きます。Railsでは依存関係で悩みます。PostgreSQLでは接続設定に苦労します。Ollamaではモデルの性能やPCのリソースに制約があります。
しかし、こうした失敗を経験することで、「AIに質問する力」だけではなく、「AIの回答を検証する力」が身につきます。
これはアフリカでAI人材を育成する場合にも重要な視点だと思います。AIの使い方を一方的に教えるだけではなく、自分で問題を発見し、AIを使い、結果を検証し、さらに改善する循環を作れるかどうか。そこにAI教育の本当の価値があるのではないでしょうか。
AI教育で本当に難しいのは「教えること」ではなく「試すこと」
私自身の経験からすると、AI教育で難しいのはAIの知識を説明することだけではありません。実際に手を動かして、失敗し、その原因を考える環境を作ることです。
WSLの環境構築ではエラーが起きます。Railsでは依存関係で悩みます。PostgreSQLでは接続設定に苦労します。Ollamaではモデルの性能やPCのリソースに制約があります。
しかし、こうした失敗を経験することで、「AIに質問する力」だけではなく、「AIの回答を検証する力」が身につきます。
これはアフリカでAI人材を育成する場合にも重要な視点だと思います。AIの使い方を一方的に教えるだけではなく、自分で問題を発見し、AIを使い、結果を検証し、さらに改善する循環を作れるかどうか。そこにAI教育の本当の価値があるのではないでしょうか。
「アフリカで学ぶ」ならではの文化・表現の挑戦
もちろん課題もあります。アフリカは多様な言語・文化を持ち、地方の独特な表現や習慣がAI教育に影響を与える可能性は否定できません。しかし、それを克服することこそがグローバルなAI人材の育成につながります。文化的背景を理解しつつ、テクノロジーを学ぶ経験は、世界に通用する実践的スキルを育てることになるのです。
まとめ：日本とアフリカをつなぐ新しい協力モデル
松尾研究室が主導する「アフリカAI人材育成プロジェクト」は、単なる国際協力ではなく、日本の未来をも左右する挑戦です。日本の人材不足を補いながら、アフリカの若者に成長機会を与え、さらに両者をつなぐことで新しい産業と市場を共創する。3年間で3万人という数字は、その先に広がる未来の入り口にすぎません。AIと人材育成を軸にした国際協力のモデルケースとして、大きな注目を集めています。
AI人材とは何か──アフリカの3万人育成計画と私自身のAI学習から考える
ここまで、松尾・岩澤研究室（松尾研）と政府が進めるアフリカでのAI人材育成構想について整理してきました。
しかし、ここで一つ考えておきたいことがあります。
そもそも「AI人材」とは、AIを使える人のことでしょうか。
私は、必ずしもそうではないと考えています。
AIに質問して答えを得るだけなら、現在では多くの人ができます。しかし、AIが出した答えをそのまま信じるのではなく、「本当に正しいのか」「現実と合っているのか」「自分の目的に使えるのか」を確認し、必要なら修正し、最終的に自分で判断するところまで含めて初めて、AIを仕事で使えると言えるのではないでしょうか。
この点は、アフリカでAI人材を育成する計画を考えるうえでも重要です。AI人材育成とは、単にプログラミングを教えたり、生成AIの使い方を覚えたりすることではありません。AIを使って現実の問題を発見し、その答えを検証し、社会や産業の中で実際に役立つ形へ変換できる人を増やすことだと私は考えます。
AI人材育成計画は「3万人」という数字だけで評価できない
松尾研は2025年8月、政府と連携してアフリカでAI人材3万人を育成する取り組みを公表しました。JICAも同時期にアフリカのAI人材育成に関する調査・分析を公開し、アフリカのAI人材不足や教育機会、計算資源などの課題を指摘しています。JICAの資料では、世界のAI人材に占めるアフリカ人材の割合は1％とされ、AI人材育成を大規模に進める必要性が示されています。
ただし、2026年7月現在、私が確認できた松尾研やJICAの公開情報だけでは、当初掲げられた「3年間で3万人」という目標について、現在何人まで育成が進んだのかという確定的な累計実績は確認できませんでした。
したがって、現時点では「3万人育成を達成した」と断定するのではなく、3万人という大規模な目標を掲げ、その実現に向けてAI教育の国際展開が始まっていると捉えるのが適切です。
実際、松尾研は2025年9月に、世界各国から受講できるAI教育プログラム「GCI Global」を開始しました。アフリカやASEANを含む33カ国・436大学から7,721名が受講を申し込み、グローバルなAI教育の展開が具体的に始まっています。さらに2026年2月には、全世界からオンラインで受講可能な「GCI World」の募集開始も公表されています。
つまり、3万人という目標は単なる人数競争として見るのではなく、AI教育を一部の専門家だけのものにせず、世界規模で学習機会を広げるための「入口」として考える必要があります。
私自身のAI学習で分かったこと──AIは「使う」だけでは身につかない
私自身もAIについて学びながら、同じようなことを感じてきました。
TechGymでプログラミングを学び、その後もWSL、Rails、PostgreSQL、Ollamaなどを何度も構築してきました。
環境構築を一度経験しただけでは、なかなか理解できません。
WSLでLinux環境を作り、Railsを動かし、データベースを接続し、PostgreSQLを扱い、さらにOllamaでローカルAIを動かす。その過程では、エラーが発生し、設定を確認し、原因を調べ、再構築するという作業を何度も繰り返しました。
しかし、この「何度も失敗して、調べて、直す」という経験こそが、AIを理解するための基礎になったと感じています。
AIに「Railsの環境を作ってください」と頼めば、コマンドを教えてくれます。
PostgreSQLの接続方法も説明してくれます。
Ollamaの使い方も答えてくれます。
それでも、実際に自分の環境で動かしてみると、説明通りには動かないことがあります。
バージョンが違う。
ポートが競合する。
権限がない。
データベースに接続できない。
AIが提示したコードにも間違いがある。
ここで必要になるのが、AIの答えを疑い、現実の環境と照合する力です。
私はこの経験から、AI人材とは「AIに詳しい人」だけではなく、AIの出力を現実と照合して、問題を発見し、修正できる人なのではないかと考えるようになりました。
Search Consoleと700本以上の記事執筆から学んだ「検証する力」
もう一つ、私がAIを学ぶうえで役立った経験があります。
それは、Google Search Consoleを数年間にわたって試行錯誤してきた経験です。
検索順位、クリック数、表示回数、CTRなどを見ながら、記事を書き、修正し、また結果を確認する。
思ったようにアクセスが増えないこともあります。
検索順位が下がることもあります。
それでもデータを確認し、仮説を立て、記事を修正していきます。
700本以上の記事を書いてきた経験も、同じ意味を持っています。
記事を書くという行為は、単に文章を大量に生成することではありません。
何を調べるのか、どの情報を信頼するのか、読者は何を知りたいのか、そして公開後に実際に読まれているのかを確認する必要があります。
この経験は、生成AIを使う現在の作業にもそのままつながっています。
AIに文章を書かせること自体は難しくありません。
しかし、AIが書いた内容を一次情報と照合し、事実と意見を分け、誤りを修正し、読者にとって価値のある情報へ仕上げる作業は人間に残ります。
私はここに、AI時代の人材育成の本質があると考えています。
AI人材に必要なのは「知識・構築・検証・発信」の四つ
私自身の経験を整理すると、AI人材に必要な能力は、大きく四つに分けられるように思います。
- 知識：AIやプログラミング、データベースなどの基本的な仕組みを理解する。
- 構築：WSL、Rails、PostgreSQL、Ollamaなどを実際に動かし、AIを現実の環境に組み込む。
- 検証：AIの回答を鵜呑みにせず、実際のデータや動作結果と照合する。
- 発信：学んだことを文章やサービスとして整理し、他者に伝え、社会で利用できる形にする。
この四つは、アフリカのAI人材育成を考えるうえでも重要だと思います。
AIを学ぶ人が増えても、AIの回答を検証できなければ誤情報が広がる可能性があります。
プログラミングを学んでも、現実の農業や医療、製造業の問題を理解できなければ、AIを社会実装することは難しいでしょう。
だからこそ、AI人材育成では「AIを教える」だけでなく、AIを使って現実の問題を解決する経験が重要になります。
結論──AI人材とは「AIを使う人」ではなく「AIと現実をつなぐ人」
アフリカでの3万人規模のAI人材育成計画を見て、
私は自分自身のAI学習経験を重ね合わせました。
TechGymで学んだこと。
WSLやRails、PostgreSQL、Ollamaを何度も構築したこと。
Search Consoleで何年も試行錯誤したこと。
700本以上の記事を書き、情報を整理して発信してきたこと。
これらを振り返ると、AIを学ぶということは、
AIの知識を増やすことだけではないと分かります。
AI人材とは、AIの答えを受け取る人ではありません。
AIの答えを疑い、現実と照合し、必要なら修正し、
その結果を社会の課題解決につなげられる人です。
この意味で考えるなら、アフリカで3万人のAI人材を育成する
という構想の本当の価値は、3万人という数字そのものにはありません。
重要なのは、その人たちが自分たちの地域の課題を発見し、
AIを使い、結果を検証し、新しいサービスや産業を
生み出せるようになることです。
そして、この考え方はアフリカだけの問題ではありません。
日本でも同じです。AIを使える人を増やすだけではなく、
AIを理解し、検証し、現実の仕事に組み込み、
結果に責任を持てる人を増やすことが必要です。
私は、AI時代の教育とは「AIに仕事を任せる方法」を教えること
だけではなく、AIと人間がどこで役割を分担し、どこで
人間が判断するのかを学ぶことだと考えています。
アフリカのAI人材育成計画は、遠い国の国際協力の話に見えるかもしれません。
しかし、その問いは私たち一人ひとりにも返ってきます。
「あなたはAIを使えますか？」ではなく、
「あなたはAIの答えを検証し、現実の問題を解決できますか？」
この問いこそが、これからのAI人材を考えるうえで
最も重要なのではないでしょうか。
※本章では、2026年7月時点で確認できる東京大学松尾・岩澤研究室およびJICAの公開情報をもとに整理しています。「3年間で3万人」という目標については、現時点で公開情報から達成状況を確認できないため、計画の進捗を断定せず、確認できたグローバルAI教育の展開状況を中心に記述しています。
QA集
Q1. なぜアフリカでAI人材を育成するのですか？
A. アフリカは若年人口が多く、今後のデジタル経済の成長が期待されています。ただし、日本の人材不足を補うだけではなく、アフリカ自身の産業や教育を強化する視点が重要です。
Q2. 3年間で3万人とは、3万人のAIエンジニアを育成するという意味ですか？
A. ここは注意が必要です。「3万人」がどのレベルのAI人材を指すのかは一次資料を確認する必要があります。AI研究者、エンジニア、データ分析人材、AIリテラシー層では意味が大きく異なります。
Q3. なぜAIに人間が必要なのですか？
A. AIは文章やコードを生成できますが、その結果が現実に正しいかどうかを判断する必要があります。最終的な判断、責任、検証には人間の役割が残ります。
Q4. AIがあればプログラミング教育は不要ではありませんか？
A. むしろAI時代だからこそ、プログラミングやコンピューターの基本理解が重要になります。AIが生成したコードを検証するには、コードの意味を理解する必要があるからです。
Q5. AI人材になるには何から始めればいいですか？
A. Pythonなどのプログラミング、データベース、Linux環境などの基礎から始める方法があります。筆者の場合はTechGymでの学習を起点に、WSL、Rails、PostgreSQL、Ollamaへと学習範囲を広げてきました。
Q6. AIを使うだけでもAI人材と言えますか？
A. 広義にはAI活用人材と言えます。ただし、AIの出力を検証し、業務や社会の課題に適用する能力まで身につけることが重要です。
Q7. アフリカのAI人材育成は日本にどんなメリットがありますか？
A. 日本企業との協業、新しい市場の開拓、共同研究などが考えられます。ただし、「日本の人手不足を補うため」という一方向の見方だけでは不十分です。
Q8. AI教育で一番重要なことは何ですか？
A. 私は「失敗して検証する経験」だと考えます。AIに質問して答えを得るだけではなく、実際に動かし、エラーを経験し、結果を確認することが重要です。
Q9. AIは人間の仕事を奪うのでしょうか？
A. 一部の仕事は自動化される可能性があります。一方で、AIを使う新しい仕事も生まれます。重要なのは「仕事がなくなるか」だけではなく、人間がどの能力を伸ばすべきかを考えることです。
Q10. 日本とアフリカのAI協力で最も重要なことは何ですか？
A. AI技術を一方的に提供するのではなく、それぞれの地域が自分たちの課題を発見し、AIを使って解決し、その結果を検証できる人材と環境を育てることだと考えます。
〆最後に〆
以上、間違い・ご意見は
以下アドレスまでお願いします。
全て返信できていませんが 見ています。
適時、改定をします。
nowkouji226@gmail.com