多くの人気HR概念と同様、スキルは広く称賛されているが、曖昧に定義され、十分に理解されていない。
ここ数年、HR組織において「スキル」という概念への熱狂の波が起きている。これは部分的に、AI（人工知能）の台頭への対応として説明できる。AIは、従業員が現在の役割で価値を付加する方法を大きく変え、それらを遂行するために必要なスキルの組み合わせを変化させるとともに、従業員に新しいスキルを開発するよう圧力をかけている（AIが複製または置き換える可能性が低いもの）。
しかし、スキルはHRおよびより広いビジネスコミュニティにおいて十分に理解されていない。最も顕著なのは、スキルが雇用適性の他の側面（才能、専門知識、知識、潜在能力、能力、さらには性格を含む）とどのように異なるか（また関連するか）についての確固たる知識がほとんどないことだ。最近の世界経済フォーラムによる2030年までに高い需要がある可能性のあるスキルに関する予測（下図参照）を考えてみよう。これは基本的に、特性（例：レジリエンス、好奇心、創造的思考、共感）、能力（例：分析的思考と感覚処理能力）、技術的専門知識（例：AIとビッグデータ、人材管理、プログラミング）、職業的関心（例：教育と指導、リーダーシップ、マーケティングとメディア）をすべて同じバケツ「コアスキル」に混ぜている。
この混乱に明確さを加えるためには、「スキル」という概念が学術研究、特に差異心理学、発達心理学、教育心理学、認知心理学（スキルが数十年にわたって調査されてきた行動科学の分野）でどのように探求されてきたかを検証することが有益である。
それに沿って、ここではスキルに関する8つのほとんど知られていない知見を紹介する。これには、仕事のパフォーマンス、キャリアの成功との関係、そしてなぜ一部の人々が他の人々よりも多く（そして速く）スキルを開発するのかという重要な問いが含まれる。
（1）スキルとは何を意味するのか？ スキルとは、事前に決められた結果でタスクを実行する学習された能力であり、多くの場合、時間、エネルギー、またはその両方の最小限の支出で行われる。例えば、外国語を流暢に話すことは、意識的な翻訳なしに正確で文脈に適した発話を生成する能力を反映している。統計分析は、定義された質問に効率的に答えるために適切なモデルを選択して適用することを含む。紛争解決は、不必要な感情的コストなしに緊張を緩和し合意に達する能力として現れる。同じ論理は、機能的なコードを書く、外科手術を行う、財務モデルを構築するなどの技術的領域にも適用される。そこでは専門知識は正確さだけでなく、スピード、信頼性、努力の経済性によって明らかになる。リーダーシップや管理業務においても、スキルはプレッシャー下で健全な意思決定を行う能力、効果的に委任する能力、または防御的にならずに行動を変える フィードバックを提供する能力として現れる。これらの多様な例を統一するのは、スキルが特性や気質ではなく、学習可能な形式のノウハウであり、一貫したパフォーマンスと時間の経過とともにますます効率的な実行において可視化されるということだ。
（2）なぜ一部の人々は他の人々よりもスキルが高いのか？ ポイント1に続いて、一部の人々が他の人々よりもスキルが高いという事実の明白な理由は、彼らがより多く練習したか、スキルの習得により多くの時間を費やしたことだ。実際、「タスクに費やす時間」、特に専門家のフィードバック、指導、支援を伴う意図的な練習は、スキル習得を増加させる傾向がある。しかし、まったく同じトレーニングを受けたとしても、同じ時間に（そして同じ習熟度で）同じスキルを学習する2人の個人を見つけることはほぼ不可能だ。なぜか？ 人々は異なるスキルを開発する生まれつきの潜在能力または能力が異なるからだ。例えば数学では、一部の学習者は抽象的な関係と数値パターンを素早く把握するが、他の学習者は同じレベルの流暢さに達するためにはるかに多くの反復を必要とする。言語学習では、音韻感受性と言語記憶の違いは、一部の人々が発音と文法を楽に習得する一方で、他の人々は同等の露出にもかかわらず苦労することを意味する。音楽では、個人は聴覚識別とリズム感受性において大きく異なり、これは楽譜を読んだり複雑なシーケンスを再現したりする速さに影響する。同様の違いはスポーツにも現れ、協調性、反応時間、固有受容感覚が技術的スキルがどれだけ容易に習得されるかを形作る。練習は非常に重要だが、認知的、知覚的、運動的能力における安定した個人差を通じてフィルタリングされ、これは同一の条件下でもスキル開発が決して均一でない理由を説明するのに役立つ。したがって、スキルを潜在能力プラス努力を含むプロセスの最終産物と考えるなら、より多くの潜在能力（または才能）を持っているほど、スキルを開発するために必要な努力は少なくなり、その逆も同様だ。
（3）スキルは性格特性とどのように関連するのか？ これは複雑な問題だが、答えは主に意味論に関するものだ。心理学では、スキルはタスクを効果的に実行する学習された能力を指すのに対し、性格特性は状況を超えて人々がどのように行動する傾向があるかを反映する思考、感情、行動の安定したパターンを記述する。特性は誰かがタスクを実行できるかどうかを決定しないが、特定のスキルを開発、展開、または習得し続ける可能性に影響を与える。例えば、誠実性が高い個人は体系的に練習しフィードバックに従う可能性が高く、これは技術的、学術的、または専門的スキルの開発を加速する。開放性が高い人々は、より好奇心が強く認知的に柔軟であるため、創造的、言語的、または分析的スキルをより容易に習得する傾向がある。対照的に、情緒安定性はプレッシャー下でスキルがどれだけ確実に表現されるかに影響し、外向性は対人スキルが行使される容易さを形作る。要するに、スキルは人々ができることであり、特性はそれらのスキルがどのように、どのくらいの頻度で、どのような条件下で学習され表現されるかを形作る。さらに、「ソフトスキル」について話すとき、私たちはしばしば適切な場所での性格、または人が状況の要件に適合したときに高いパフォーマンスを促進する特定の特性を意味するだけだ。例えば、自己主張はしばしば「コミュニケーションスキル」とラベル付けされるが、実際にはそれは主に社会的自信と支配への安定した傾向を反映しており、影響力や交渉を必要とする役割で価値あるものになる。同様に、「レジリエンス」は頻繁にスキルとして扱われるが、情緒安定性とストレス耐性に密接に結びついており、これらはプレッシャー下でパフォーマンスを維持することを容易にする。共感やチームワークのような広く称賛される資質でさえ、教えられる技術というよりも、協調性と社会的調和への気質的傾向に関するものであることが多く、これらはたまたま協力とケアを要求する文脈で報われる。これは、そのような行動が洗練または改善できないということではなく、その上限がしばしば性格によって制約されるということだ。実際には、多くのいわゆるソフトスキルは、それらが利点を与える状況で表現される特性として最もよく理解され、効果的なパフォーマンスは人々が学んだことと同じくらい人々が誰であるかに依存することを思い出させる。
（4）スキルを測定する最良の方法は何か？ スキルを測定する決定的または完璧な方法はない。なぜなら、それらは基本的に社会的構築物（つまり、特定の領域または習熟分野でより高いレベルのタスクパフォーマンスを提供する誰かの能力について私たちが行う帰属）だからだ。これは、スキルが科学ベースのツール、特に統計的測定技術（心理測定評価など）を使用して確実に評価または予測できないということではない。例えば、スキルは自己報告や資格だけからではなく、パフォーマンスの行動的証拠から最もよく推測される。学術的および専門的な環境では、これはしばしば標準化されたテストまたは作業サンプル評価を意味し、数学試験、言語能力テスト、コーディングチャレンジ、または実際のタスク要求を反映するシミュレーションなどだ。組織的文脈では、過去の行動に焦点を当てた構造化面接、客観的なパフォーマンス指標、複数の演習を組み合わせたアセスメントセンターは、非公式な判断を上回る傾向がある。心理測定ツールは、一般的な精神能力、言語推論、または知覚速度などの基礎となる能力を測定することによって、スキルの潜在能力を間接的に推定することもでき、これらは特定のスキルがどれだけ速くそして確実に習得できるかの上限を設定する。ますます、縦断的データと反復測定、時間の経過と状況を超えて個人がどれだけ一貫して結果を提供するかを追跡することが、真のスキルの最も堅牢な指標を提供する。要するに、スキルを測定する最も妥当なアプローチは、直感、自己認識、または過去の役割に付けられたラベルに依存するのではなく、観察可能なパフォーマンス、標準化された評価、科学的に根拠のある予測因子を三角測量することだ。
（5）好奇心はスキルにどのように影響するか？ 知的好奇心は、内発的動機づけを高め、個人がより深く関与し、より長く持続し、表面レベルの習熟を超えて探求することを可能にすることによって、スキル習得をターボチャージする。好奇心旺盛な人々はより良い質問をし、積極的にフィードバックを求め、実験する意欲が高く、これは学習を加速し文脈を超えた転移を改善する。数学などの領域では、好奇心は機械的な手順ではなく基礎となる原理の探求を促進する。言語学習では、語彙、アクセント、イディオムでの実験を促進する。音楽では、タイミング、ピッチ、表現を洗練するために必要な反復練習を維持する。好奇心はまたメタ認知、つまり自分が知っていることと知らないことを振り返る能力を促進し、学習者がギャップを特定し、それに応じて戦略を調整するのを助ける。時間の経過とともに、この動機づけ、探求、自己修正の組み合わせにより、好奇心旺盛な個人はスキルをより速く習得するだけでなく、より高い習熟の上限に達し、タスク要求が変化するにつれてスキルをより柔軟に適応させることができる。
（6）なぜ一部のスキルは他のスキルよりも需要が高いのか？ 最も基本的なレベルでは、スキル需要は需要と供給の論理に従う。有用性に対して希少なスキルはより高い価値を持ち、豊富または容易に複製できるスキルは持たない。経済的観点から、雇用主は生産性を高め、不確実性を減らし、または競争上の優位性を生み出すスキルを求め、この需要は資格のある個人の供給が限られているか調整が遅い場合に強まる。例えば、高度な定量的推論、複雑な問題解決、または深い領域専門知識は、習得が困難で、時間がかかり、認知的に要求が厳しいため、正確に価値があり続ける傾向がある。AIの最近の進歩などの技術変化は、市場の両側を変えることによってこの均衡を破壊する。供給側では、技術的破壊はタスクを自動化したりツールに専門知識を埋め込んだりすることによって特定のスキルの利用可能性を劇的に増加させ、事実上市場を氾濫させ、それらの独立した価値を減少させる。歴史的に、このパターンはすべての主要な技術革命を通じて繰り返されてきた。産業革命の間、機械化された織機と紡績機は多くの職人的な織物スキルをほぼ一夜にして時代遅れにし、習得に何年もかかった手動織りと紡績の価値を劇的に減少させた。タイプライターとその後のワードプロセッシングソフトウェアの普及は、かつて事務および管理職に不可欠だった速記と専門的な手書きに置かれたプレミアムを減少させた。同様に、電卓とスプレッドシートソフトウェアの導入は、日常的な算術、簿記、手動会計スキルの需要を急激に減少させ、より高レベルの財務分析と解釈に価値をシフトさせた。製造業では、組立ラインとその後の産業用ロボットの台頭は、反復的な手動精度に結びついたスキルを置き換え、機械監督、メンテナンス、プロセス最適化の需要を増加させた。各波は同じ論理に従った。技術が専門知識を体系化、自動化、または埋め込むとき、それは規模で供給を拡大し、賃金を圧縮し、労働者を複製が困難で、より文脈依存的で、より統合的なスキルに移行させる。AIはこの長年の動態の最新かつ最速の反復を表している。
（7）なぜ一部のスキルは他のスキルよりも回復力があるのか？ 雇用適性理論は、なぜ一部のスキルが技術的ショックにもかかわらず回復力を保つのかを説明するのに役立つ。文脈を超えて転用可能で、体系化が困難で、社会的または組織的システムに埋め込まれたスキルは、狭いタスク固有の能力よりも将来性がある。その結果、労働市場は孤立したスキルではなくスキルの組み合わせをますます報酬する。ドメイン知識と組み合わされた技術的リテラシー、コミュニケーションと組み合わされた分析能力、または実行と組み合わされた創造性だ。要するに、スキルは経済的に価値があり構造的に希少である場合に最も需要が高く、AIの時代において、希少性は機械がまだできないことではなく、機械を有用にするために人間がまだしなければならないことによってますます定義される。これには問題の定式化が含まれ、モデルが実行される前にどの質問が尋ねる価値があるかを決定すること、判断と解釈、確率的またはパターンベースの出力を倫理的、戦略的、または評判上の結果を伴う決定に翻訳すること、文脈的統合、AI生成の洞察を人々、文化、インセンティブに関する暗黙知と組み合わせることが含まれる。希少性はまた、目標が不明確であるか、トレードオフが技術的ではなく政治的である曖昧さの下での意味づけ、決定がAI支援であっても人間が結果に対して責任を負い続ける説明責任、そして利害関係者に機械生成の推奨を信頼、採用、または行動するよう説得することを含む社会的影響においても持続する。要するに、AIが実行を安価かつ豊富にするにつれて、最も価値ある人間のスキルは自動化の上流と下流にある。問題を定義し、決定の枠組みを作り、結果を所有することだ。
（8）AIが置き換えないスキルは何か？ この質問に対する唯一の正直な答えは「私たちは本当に知らない」だ。第一に、誰も未来に関するデータを持っていないから。第二に、AIの発展は非常に予測不可能だから。第三に、スキルの合成版またはAI版が人間版より優れているかどうかを客観的に判断することが常に可能であるとは限らないから（そしてちなみに、そうでない場合でも、これは有用でないという意味ではない！）。とはいえ、経済理論と歴史的先例の両方は、問題について考えるより防御可能な方法を示唆している。AIが決して置き換えないスキルを尋ねるのではなく、より良い質問は、AIが普及するにつれてどのスキルが比較的希少で、防御可能で、雇用可能であり続ける可能性が高いかだ。これらは、自動化のコアではなく境界に位置する傾向があるスキルだ。それらには、目的が曖昧で、争われているか、価値を伴う問題の定式化と目標設定、特に賭け金が高く説明責任がアルゴリズムに委任できない不確実性下での判断、そして技術的出力を社会的、政治的、組織的現実と統合する能力である意味づけが含まれる。また、信頼構築、リーダーシップ、影響力などの人間関係に根ざしたスキルも回復力がある。機械がそれらをシミュレートできないからではなく、正当性と責任が依然として人間にあるからだ。最後に、深い領域専門知識と適応性を組み合わせたスキルは、人々が継続的に再装備し進化する技術と協働することを可能にし、狭いタスク固有の能力よりも堅牢だ。要するに、AIは純粋に実行に関係するスキルよりも、なぜそしてどのように仕事が行われるかを支配するスキルを置き換える可能性が低い。たとえ両者の間の正確な境界が変化し続けるとしても。
