ラーニング・アジリティとは？5つの要素と育成や見極めの方法

ラーニング・アジリティ（Learning Agility、学習敏捷性）とは、初めて直面する経験から素早く学び、その学びを次の未知の状況に応用して成果を出せる能力を指します。2000年に米コーン・フェリー社（旧ロミンガー社）のロンバルドとアイヒンガーが提唱し、現在では次世代リーダー選抜やハイポテンシャル人材の見極め指標として広く参照されています。

重要なのは、単なる学習能力（既に知っていることを速く覚えて実行する力）ではなく、知らないことに直面したときの適応学習能力（学習と適応をセットで素早く回す力）を指す点です。過去の成功パターンが通用しない場面で、それを一度手放し（アンラーニング）、新しい状況に合わせて行動を再構築できるかどうかが問われます。

アンラーニングについて詳しくは以下の記事をご参照ください。

🔗関連記事：アンラーニングとは？具体例ややり方、ビジネスでの重要性をプロが解説

ラーニング・アジリティが今注目される最大の理由は、VUCA時代への対応力が経営課題として浮上しているからです。背景には、VUCA（変動性、不確実性、複雑性、曖昧性）と呼ばれる事業環境の変化があります。過去の成功パターンや既存のコンピテンシーだけでは、生成AIの急速な普及、事業モデルの転換、グローバル市場の変容に対応できない、という危機感が経営層に広がっています。

実際、次世代リーダー育成の相談では「既存の階層別研修だけでは、将来の経営を担える人材が育たない」という声が増えています。特定部門で成果を出したハイパフォーマーが、部門異動や新規事業立ち上げで一気に失速するケースが目立つのがその典型です。今の成果を出せる能力ではなく、未知の環境でも学び直して成果を出せる能力をどう見極め、どう育てるか——これがラーニング・アジリティが注目される中核的な理由です。

VUCAについて詳しくは以下の記事をご参照ください。

🔗関連記事：VUCAとは？不確実な時代を生き抜くためのスキルとリーダーシップ

このセクションでは、ラーニング・アジリティと地頭、コンピテンシー、アンラーニングの本質的な違いを比較表で明らかにします。社内での定義説明や評価設計のブレを防ぐためにも、類似概念との違いを明確にしておきましょう。

コンピテンシーが「過去に何ができたか」を評価するのに対し、ラーニング・アジリティは「未知に直面したときに何ができるか」を捉える点で本質的に異なります。地頭のように固定的でもなく、経験の質と省察の深さで後天的に伸ばせる点も、重要な性質です。

コンピテンシーについて詳しくは以下の記事をご参照ください。

🔗関連記事：コンピテンシーとは？人材育成のプロがおすすめする具体例や使い方

ラーニング・アジリティが重要視されるのは、それがコンピテンシーやポテンシャルと横並びの一能力ではなく、それらを生み出し、引き出す一段上（メタ）の能力だからです。

コンピテンシーは「既知の領域で成果を出した行動特性」で、後天的に育成できます。ただしそれは、すでに正解の型が分かっている仕事での再現力にとどまります。ポテンシャルも「将来の可能性」を指し、経験や環境で開花しうる後天的要素を含みますが、それ自体はまだ発揮されていない潜在量にすぎません。どちらも「育てられる」概念ですが、育つ対象はあくまで個別の能力や可能性です。

ラーニング・アジリティは、この2つの手前で働きます。未知の状況に直面し、過去のコンピテンシーが通用しなくなった地点で、新しいコンピテンシーを素早く獲得し直す力——いわば「コンピテンシーを生成する能力」です。同時に、ポテンシャル（潜在量）を実際の成果（顕在化したコンピテンシー）へと変換するスピードの速さを意味します。個別のコンピテンシーが「何ができるか」を指すのに対し、ラーニング・アジリティは新しい「できる」をどれだけ速く増やせるかを指す、という関係です。

このメタ性を理解することが、育成を設計する上で重要な意味を持ちます。1つのスキルを教えることが「魚を与える」ことだとすれば、ラーニング・アジリティを鍛えることは「初めての川でも自力で魚の獲り方を見つけられるようにする」ことに近いものです。テーマや環境が変わるたびに個別コンピテンシーを教え直すより射程が広く、変化の激しい環境で新しいコンピテンシーを獲得し続けられる——だからこそ、次世代リーダーやハイポテンシャル人材の見極め指標として参照されるのです。

次世代リーダー育成について詳しくは以下の記事をご参照ください。

🔗関連記事：次世代リーダー人材の選抜育成を成功させる方法を事例つきで紹介

ラーニング・アジリティは、Lombardo & Eichingerの4要素に後年セルフ・アウェアネスを加えた、コーン・フェリーの5要素モデルが最も広く参照されています。

1. メンタル・アジリティ（Mental Agility）：複雑な問題を多面的に捉え、既存の枠組みを超えて新しい解釈を組み立てる能力
2. ピープル・アジリティ（People Agility）：多様な他者から学び、対立を建設的に扱いながら関係を築ける能力
3. チェンジ・アジリティ（Change Agility）：曖昧さや変化を歓迎し、新しいアプローチを試すことに躊躇しない態度
4. リザルト・アジリティ（Results Agility）：初めての状況でも結果を出すため、周囲を巻き込みながら実行できる能力
5. セルフ・アウェアネス（Self-Awareness）：自分の強みや弱み、思考の癖を客観視し、フィードバックを学びに変えられる能力

このうちセルフ・アウェアネスは他の4要素の土台として位置づけられます。自分の限界や癖に気付かないまま経験を積んでも、省察が深まらず、同じパターンを繰り返してしまうためです。

コーン・フェリー社系では5要素モデルが主流ですが、より細分化した9特性モデル（Learning Agility Assessment Inventoryなどの背景理論）も存在します。9特性は5要素をさらに具体的な行動特性に分解したもので、アセスメントツール（TALENTx7、viaEDGEなど）の設計思想として使われることが多い枠組みです。

実務では、社内で共通言語を作るなら5要素、アセスメント結果を細かく解釈するなら9特性、と使い分けるのが現実的です。両方を並列で使うと現場が混乱するため、まずは5要素で全体像を共有し、必要に応じて9特性で深掘りする階層設計をおすすめします。

5要素や9特性を整理しても、具体的な人事施策にどう落とし込めばよいか分からないとお悩みの担当者も多いのではないでしょうか。要素を実務ツールに翻訳するマトリクスを先に持っておくことが、施策の空回りを防ぎます。以下の表内では、FB（フィードバック）という略記を用います。

このマトリクスは、以下の3場面で使えます。

• 選抜アセスメント設計時：5要素それぞれに対して質問1〜2問を用意し、面接官の観点を統一する
• 育成プログラム設計時：対象者の弱い要素を特定し、対応する育成施策を組み合わせる
• 昇進判断時：行動指標を評価基準として、上司や関係者の観察情報を集約する

重要なのは、要素ごとに独立して育てるのではなく、要素間の相互作用を意識することです。たとえばリザルト・アジリティが高くセルフ・アウェアネスが低い人は、短期的に成果を出しますが自己流に閉じて周囲を消耗させます。マトリクスは診断ツールであると同時に、育成の優先順位を決める地図として機能します。

🔗おすすめ資料：人材育成研修資料おすすめ7選ダウンロード

ラーニング・アジリティを伸ばす主要手段は、日常業務では得られないタフアサインメント（背伸びの伴う業務経験）と越境学習（自組織の外に出る経験）です。ただし冒頭で触れたように、経験を与えるだけでは対象者が負荷に耐えられないか、学びに変換されずに終わってしまいます。

伸ばすためには、コルブの経験学習サイクル「経験 → 省察 → 概念化 → 実践」を意図的に回す仕掛けが必要です。

経験：本人の現在能力の120〜140%を要求するアサインメント。低すぎるとストレッチにならず、高すぎると乗り越えられない

省察：週次〜月次の1on1で「何が起きたか」「自分の何が機能したか」「何を学んだか」を言語化する

概念化：学びを「自分の持論」として抽象化。「次に似た状況に遭ったらこう動く」まで言葉にする

実践：抽象化した学びを次のアサインメントで検証する

経験を与えることと、経験から学ぶことは別プロセスです。多くの現場で欠けているのは省察と概念化の支援であり、ここに上司やメンター、研修設計者の役割があります。

経験学習サイクルについて詳しくは以下の記事をご参照ください。

🔗関連記事：経験学習とは｜コルブの4ステップを「回し続ける」設計手法

タフアサインメントや越境学習でよくある失敗パターンと、対処のチェックリストを整理します。ここではKPI（重要業績評価指標）という略記も使用します。

• アサインメント設計時に、ストレッチ幅を上司と本人で事前合意している
• 週次〜隔週で省察1on1を設定し、上司またはメンターが実施している
• 「うまくいかない権利」を明示し、失敗の学習化を評価する仕組みがある
• 半年後や1年後の行動変容を測定し、本人と対話する仕掛けがある
• 部門長や現場マネジャーにタフアサインメントの目的を事前説明している
• 対象者選定時に、セルフ・アウェアネスの現状水準を確認している
• 心理的安全性のバロメーター（メンタル面談、パルスサーベイなど）を並走させている

次世代リーダー選抜やハイポテンシャル人材の見極めでは、上記マトリクスの質問例をベースに、過去の具体的な行動を掘り下げるSTAR形式で聞くのが基本です。

• Situation：どんな状況だったか
• Task：どんな課題や目標があったか
• Action：本人が具体的に何をしたか
• Result：どんな結果になったか、そしてそこから何を学んだか

ラーニング・アジリティを見極める場合、最後の「そこから何を学んだか」「その学びを次にどう活かしたか」を追加で問うのが要点です。成功体験を語れる人は多いものの、そこから何を学びどう転用したかを構造的に語れる人は少ないため、ここに識別力があります。

面接での観察では、回答内容そのものよりも回答の構造に注目します。

• 失敗経験を口頭で率直に語れる（セルフ・アウェアネス）
• 「あの時はこう解釈したが、今なら違う見方をする」と過去の判断を修正できる（メンタル・アジリティ）
• 自分と異なる意見の相手から具体的に何を学んだか説明できる（ピープル・アジリティ）
• 前例のない場面で「まず試した」経験を持ち、初期失敗を語れる（チェンジ・アジリティ）
• 情報不足でも意思決定した経験と、その判断根拠を言語化できる（リザルト・アジリティ）

• 失敗経験を尋ねても「特に大きな失敗はない」と答える
• 学びを聞くと一般論（コミュニケーションが大事など）に流れる
• 反対意見を扱った経験が「説得した」ばかりで「学んだ」がない
• 過去の判断について「あの時は正しかった」で終わり、再解釈がない

一度の面接で断定するのはリスクが高いため、複数の面接官や複数の場面、アセスメントツールの導入など、複数の手法を組み合わせて見極めるのが実用的です。特に昇進判断では、行動観察情報（上司、同僚、部下からの360度FB）を必ず組み合わせます。

生成AI時代やリスキリング時代には、過去に習得したスキルや業務手順を意図的に手放す（アンラーニング）ことがラーニング・アジリティの中核構成要素として位置づけ直されています。既存の成功パターンに固執する人は、AIによる業務代替やモデル転換の局面で急速に価値を失うためです。

制度としてアンラーニングを組み込むには、次の3論点を整理します。

過去の成功パターンを評価し続けると、社員はそれを手放しません。新しい方法を試した経験や過去の自分の持論を修正した経験を評価項目に含めることで、アンラーニングを行動に落とし込みます。

リスキリング時間を業務時間内に確保するだけでは不十分で、「何を学び直すか」を対話する場（キャリア面談、1on1、上司との学習計画対話）が必要です。時間だけ与えても、対象者は何を捨てて何を学ぶべきか判断できません。

生成AIを業務に使うと、自分の従来のやり方が非効率だと気付く場面が増えます。この気付きを個人の中で終わらせず、チーム内で「AI導入で捨てた業務や変えたやり方」を共有する場を設けると、アンラーニングが個人の気付きにとどまらず、組織全体としての知識や前提の更新（組織学習）として定着します。

生成AI時代のラーニング・アジリティは、個人の資質ではなく「組織が個人のアンラーニングを支援する仕組み」として設計することが大切です。

幹部候補層に対する研修において、自身のメンタルモデル（認知や判断の前提となる世界や自己に対する認識の枠組み）を自覚し、問い直し、実験するというサイクルを通じて、成長の壁を越えた事例を紹介します。

支援事例のある総合商社では、成長のブレークスルーが求められる幹部候補層を対象に施策を実施しました。1クラス約20名規模のオンライン研修を、複数回にわたって実施しました。

「経験学習サイクルを回していれば成長し続けられるはずなのに、ある段階から成長が頭打ちになる」という問題意識が、人事側にも受講者本人にもありました。既存のスキルや行動を積み上げる獲得する学びだけでは、環境変化や役割変化に対応しきれなくなっているのです。プレイヤー時代の成功パターン（例：顧客の要望にはすべて応えるべき、仕事は完璧を追求するべき）が管理職としての適応課題を生み、長時間労働や部下育成の停滞、視野狭窄といった問題を引き起こしていました。知識やスキル不足といった技術的問題の改善策では動かない、より深い層のアップデートが必要だという課題認識でした。

1日の研修を複数回に分けて実施しました。第1部では、成長を「能力的成長」と「精神的成長」の二つの側面に分解し、学びには「獲得する学び（浅い、意識的な領域）」と「問い直す学び（深い、無意識の領域）」の階層があることを、ケーススタディを通じて体感する設計としました。技術的問題と適応課題の区別を軸に、自分がぶつかっている壁がどちらの性質かを見立てる訓練を組み込みました。また、ビジネスパーソンが持ちがちなメンタルモデルの例を提示し、自身のメンタルモデルを「定義」「価値判断」「因果」の3パターンで言語化するワークを実施し、そのメンタルモデルが形成された背景と、恩恵や弊害を対話の中で分析する仕掛けにしました。

受講後、参加者からは「自分のメンタルモデルを自覚して自己調整することで、自分にとっても周囲のメンバーにとってもよい影響をもたらせると気付いた」「これまでも新しいことを学んできたつもりだったが、それとは違う次元の学び方があることを知った」といった声が寄せられました。これまで意識してこなかったメンタルモデルを自己調整するという学び方の重要性と有用性を、受講者が腹落ちして受け取れたことが確認できています。

特に効果的だったのは、「現時点のメンタルモデル＝悪いもの」として扱わず、「普段は自分らしさや強みを形成する有益なもの。ただし環境変化に過剰反応することがある」と両義的に位置づけた点です。これにより受講者は自己防衛的にならず、自分のモデルを俎上に載せて分析できました。加えて、内省や対話→問い直し→実験や観察という段階を踏むことで、「無自覚に影響下」→「自覚」→「選択可能」→「自由自在」という認知の変化プロセスを見取り図として示したことも有効でした。ラーニング・アジリティを「センスや資質」で片付けず、後天的に鍛えられるプロセスとして提示できたことが、幹部候補層の行動変容に大きく寄与しました。

ラーニング・アジリティは、過去の成功パターンが通用しない場面で、未知から学び直して成果を出せる能力です。次世代リーダーやハイポテンシャル人材の見極めと育成において、地頭やコンピテンシーとは異なる観点を提供します。

現場施策へ展開するためには、5要素（メンタル、ピープル、チェンジ、リザルト、セルフ・アウェアネス）を行動指標、面接質問、育成施策のマトリクスに翻訳し、選抜アセスメントと育成設計の両輪で回すことが要点でした。タフアサインメントや越境学習は主要な育成手段ですが、経験を与えるだけでは受講者が行き詰まってしまいます。「経験→省察→概念化→実践」のサイクルを意図的に回す省察支援と、失敗を学びに変換する評価制度がセットで必要です。

生成AI時代には、アンラーニングを個人の努力任せにせず、評価制度や学び直しの場、チーム内共有として制度化することが、これからの人事施策の焦点となります。まずは自社の次世代リーダー選抜プロセスに、5要素マトリクスと省察支援の仕掛けを組み込むところから始めるのが現実的な第一歩です。

≫アルーに相談する