ラーンウェル／研修評価研究所の関根です。
2026年2月24日（火）9時45分～17時45分＠立教大学で「AI×OD/HRDの未来を探る」研究会に参加しました。
きっかけは、中原先生からの電話でした。
＝＝＝
（今回のブログネタにしようと思って、メモしていた当時の様子）
2025年11月20日（木）11時半ごろ、いつもの山歩きで、富士塚でおにぎりを食べていたら、携帯が鳴りました。
中原先生からです。
・最近、AI×OD/HRDの風向きが変わってきた。
・論文を読んで、意見交換したい。
加えて、
「関根さん、最近、新しい挑戦してますか？」と
相変わらずの「ファイヤースターター（火打石）」的な問いかけを頂いたので、
「いいですね～。ぜひ！やりましょう！」と、勉強会を企画することになりました。
参考：ファイヤースターター中原
その後、OD研究と実践に造詣が深い、東大大学院 中原ゼミの仲間であった齊藤さん、東南さんと共に、企画を詰めていきました。
＝＝＝
●研究会概要
名称：AI×OD/HRDの未来を探る
～AIにより、OD/HRDの未来はどうなっていくのか？
OD/HRDの専門家として、私たちは、どんな未来をつくっていくのか？
日時：26年2月24日（火）9時45分～17時15分
場所：立教大学 池袋キャンパス
参加者：中原先生、東南さん、齋藤さん、河合雄也さん、髭直樹さん、和田圭介さん、池田亮平さん、小金 蔵人さん、門田勘太朗さん、関根
参加費：無料
事前課題：論文を2本読み、15分で発表する準備（共有論文18本）
発表内容：添付フォーマットご参照（ご自分なりの調整はOK）
提出締切：26年2月20日（金）23時までに、GoogleDriveにアップする
進行案：
9時45分 自己紹介（1分×10名）
10時00分 1人目
10時20分 2人目
10時40分 3人目
11時00分 4人目
11時20分 休憩
11時30分 5人目
11時50分 6人目
12時10分 7人目
12時30分 8人目
12時50分 9人目
13時10分 昼食休憩
14時30分 3グループで発表準備（発表された論文内容を参考に、AI×OD/HRDの未来を探る）
休憩は各自
15時45分 1グループ目発表（発表10分＋意見交換10分）
16時10分 2グループ目発表
16時35分 3グループ目発表
16時55分 中原先生ラップアップ
17時05分 各自から一言（1分×9名）
17時15分 終了 撤収
18時～20時 懇親会＠池袋駅西口あたり
＝＝＝
●当日朝、立教大学へ向かう途中
朝7時半ごろの電車に乗って席に座ったら、向いの座席にいた人が、「どうも」と声をかけてきました。
「ん！？」と思って、顔をあげたら、なんと栗原さん（ラーンウェル パートナー講師、比企起業大学大学院 講師）でした！
この時間、この車両、この座席！ この偶然に、ビックリです！
池袋駅で降りて話しをして、それぞれの目的地へ向かいます。
ご縁がありますね～。
＝＝＝
●当日の様子
齊藤さんが、進行役を務めてくれています。
＝＝＝
10時～
＿
1人目発表 関根
Loso Judijanto(2025) Artificial Intelligence in HRM: A Scientometric Review of Global Publications.West Science Business and Management Vol. 3, No. 03, September 2025, pp. 782~791.
人的資源管理におけるAI：世界的な出版物の科学計量学レビュー
Budhwar, P., Chowdhury, S., Wood, G., Aguinis, H., Bamber, G. J., Beltran, J. R., Boselie, P., Lee Cooke, F., Decker, S., DeNisi, A., Dey, P. K., Guest, D., Knoblich, A. J., Malik, A., Paauwe, J., Papagiannidis, S., Patel, C., Pereira, V., Ren, S., Rogelberg, S., Saunders, M. N. K., Tung, R. L.,Varma, A. (2023). Human resource management in the age of generative artificial intelligence: Perspectives and research directions on ChatGPT. Human Resource Management Journal, 33(3), 606–659.
生成AI時代の人的資源管理：ChatGPTに関する視点と研究方向性
Peter Cappelli, Prasanna Tambe, and Valery Yakubovich（2019）Artificial intelligence in human resources management: Challenges and a path forward
人的資源管理におけるAI：挑戦と進む道
抜き書き
https://www.learn-well.com/blog/2026/02/ai-od-hrd.html
●意見交換
・マレーシアは、オフショア事業が盛ん。その関係もあって、AI研究も進んでいるのでは。
・AIが意思決定したとしても、その結果は人間が伝えなくてはならない。
・SNSをAIで読み込ませて、履歴書とは違う情報を得る。
＝＝＝
●2人目発表 東南さん
Vrontis, D., Christofi, M., Pereira, V.E., Tarba, S.Y., Makrides, A., &
Trichina, E. (2021). Artificial intelligence, robotics, advanced technologies and human resource management: a systematic review. The International Journal of Human Resource Management,
33, 1237 – 1266.
人工知能、ロボット工学、先端技術と人的資源管理：システマティックレビュー
・実際にHRMや雇用レベルに広範かつ深刻な結果が及ぶまでには、まだ数年の猶予がある。
・継続的なリスキリングとトレーニングの提供が必要。
Chowdhury, S., Dey, P. K., Joel-Edgar, S., Bhattacharya, S., Rodriguez-
Espindola, O., Abadie, A., & Truong, L. (2023). Unlocking the value of
artificial intelligence in human resource management through AI
capability framework. Human Resource Management Review, 33(1),
100899.
AI能力フレームワークを通じて、人事管理における人工知能の価値を解き放つ
・AI活用能力フレームワークを用いることで、HRM実務家が、自社でのAIシステ ム導入・実装に必要な準備がどの程度できているか評価することができる
・従業員のAI導入への否定的な認識や懐疑心を和らげるため、マネージャーは従業員との明確かつ透明性のあるコミュニケーション戦略を確立し、対話を進める必要がある
●意見交換
・AI活用能力フレームワークの左側は、独立変数として使える指標があるか？今後、そういう尺度が出てきそう。
・HRMは、最近理論志向だが、AI研究はデータドリブン。HRMでも実証研究が中心になるのでは。
・ただ、理論が無いと、背景が説明できないのでは。
・AI研究者は、どんな協働ができそうか？HRM研究者と。
・HRMにおいて、大規模システムの導入が不要になるかも。パーツごとのデータを、AIがつないでいくかも。SaaSベンダーが危なくなるのでは（株価暴落中）システムを入れるのではなく、AIが代替する。
・エンジニアとしては、何かの課題があって、そこにデータをぶつけていく。
・AIのセキュリティーが強い人が、組織には必要。
・SaaSもデータを貯めて伸びていくところもある。
・売上何％は、AIによる貢献だというデータも出ている。ただ、どういう式で出したか分からない。そのブラックボックス化が、ＡＩぽい。
＝＝＝
3人目発表 池田さん
Ekuma, K. (2024). Artificial intelligence and automation in human resource development: A systematic review. Human Resource Development Review, 23(2), 199–229.
人的資源開発における人工知能と自動化：システマティックレビュー
・テクノロジーはエンジン、人間性はハンドル。OD/HRDこそが、その運転席に座るべき。
Fenwick, A., Molnar, G., & Frangos, P. (2024). The critical role of HRM in AI-driven digital transformation：a paradigm shift to enable firms to move from AI implementation to human-centric adoption. Discover Artificial Intelligence, 4(34).
AI主導のデジタル変革における人事管理の重要な役割：企業がAI導入から人間中心のAI採用へ移行するためのパラダイムシフト
・HRDから「Human and Digital Officer」へ
●意見交換
・ポストイットを写真に撮って、Geminiで、文字にまとめる。
・ＡＩの真価：コンテクスト（文脈・背景）のデジタル化と構造化
・音声入力×NotionAI 喋れば、まとめてくれる。
・現場の障壁は、仕事を奪われるよりも、新しいことを学ぶ認知負荷（めんどくささ）では。
・人事領域は、非構造化データという、宝の山。
・ＡＩと言わない方がいいかも。気づかせないように使わせる。音声入力なら可能かも。
・人間は「声の文化」から「文字の文化」に移り変わってきた。今後また「声の文化」に戻るかも。
・声により、人の感情の奥深い所も拾えるかも。
・防衛手段として、自分のプライベートをさらけ出さない。会社にはそういうデータ出したくない。
・人間の「コピーＡＩ」
・フィジカルＡＩ
・腰を痛めないために、パワードスーツは活用していきたい。
＝＝＝
4人目発表 髭さん
Korzynski, P., Kim, S., & Egan, T. (2024). Bridging human resource development processes through generative artificial intelligence. Human Resource Development Quarterly, 35(3), 247–256.
生成型人工知能による人的資源開発プロセスの橋渡し
・従来のHRDが「研修設計→実施→事後評価」のようにイベント駆動で動きやすかったのに対し、本稿の枠組みは「データ取得→解析→個別介入→学習→現場成果→再解析」の短いフィードバックループを前提にする。
・GAIは個別最適学習経路、対話型支援、シミュレーション（VR含む）を使って、学習を「知識移転」から「状況対応・意思決定・対人スキルの反復練習」へ拡張する方向性を持つ。
・ChatGPTの出現がパラダイムシフトのきっかけになった。
・データの可視化は、管理されている感につながる。
van Esch, P., Black, J. S., & Ferolie, J. (2019). Marketing AI recruitment: The next phase in job application and selection. Computers in Human Behavior, 90, 215–222
AI採用のマーケティング：求人応募と選考の次なる段階
・Technology Use Motivation（AI採用を使う内的動機の期待）は、Job Application Likelihood （応募意向）を有意に正で予測した（β=.38, p<.01）。
・その会社を好きな人ほど、採用におけるＡＩ活用を好ましく感じている。
・AIに対する新奇性が、徐々に減少していくはず。
●意見交換
・AIに対する個人の気持ちが、AI利用や成果を規定する。そういう研究が増えそう。
・例えば、AIによるフィードバック有群、無群を作る。
・研修のインターバル期間中に、ＡＩを使わせる。ＡＩに壁打ち練習する。
＝＝＝
5人目発表 和田さん
Malik, N., Tripathi, S. N., Kar, A. K., & Gupta, S. (2022). Impact of artificial intelligence on employees working in industry 4.0 led organizations. International Journal of Manpower, 43(2), 334–354.
人工知能がインダストリー4.0主導の組織で働く従業員に与える影響
・テクノストレス理論（Brod, 1984; Tarafdar et al., 2007）ICTへの適応がうまくいかないことから生じる心理的ストレスを説明する理論。生産性 と逆相関があることわかっており（Tarafdar et al., 2007, 2014） AI導入という組織的文 脈に特化したストレス枠組みとして最も実証蓄積が豊富。
・組織機能とテクノロジーの統合はデータ漏洩の潜在的リスクをもたらす。
・ AIは補完的ファシリテーター（人間の能力を置き換えるのではなく、補完・促進する存在）として機能する（Jarrahi, 2018）
・従業員(共感・創造性・倫理判断)とAI(データ分析・自動化・パターン認識)が互いの弱みを補い合う関係。ソフトスキルの開発がテクノロジー駆動型の世界における不可欠な支援である。
・生成AI固有の新興ストレッサー:従来の5因子に加え、テクノ予測不能性(ハルシネーション)(Issa, Helmi & Lakkis, 2024)、自律性の喪失、倫理的葛藤、社会的浸食、キャリア崩壊の5つが新たに特定された(Sapkota, Makkonen, Pirkkalainen & Salo, 2025)
・生成AIの両義性:生成AIはストレス源であると同時に、生産性向上や職務の複雑性への対処手段としてストレス緩衝材にもなる(Chuang, Chiang & Lin, 2025; Högemann,Hein, Britsche & Thomas, 2025)
Graßmann, C., & Schermuly, C. C. (2021). Coaching with artificial intelligence: Concepts and capabilities. Human Resource Development Review, 20(1), 106–126.
人工知能を用いたコーチング：概念と能力
・AIコーチングは問題の特定と個別フィードバックで最も困難に直面する(クライアント
の感情や明示されていない背景の理解が困難)が、明確なプロセスにおいてクライアン
トの目標達成を導く能力が高い。
・1. 問題の特定 困難 行間を読めず意図理解が困難。事前設定トピックで回避可能
2. 目標策定 良好 SMART基準の確認は自動化可能。倫理的判断は不可
3. 代替案生成 良好 多くの解決策を生成可能。創造性ツール統合が有効
4. 結果の検討 非常に良好 有用性評価と可視化が得意。全基準を満たす
5. 最適解選定 非常に良好 矛盾検知・フィードバックループ統合が可能
6. 実行 良好 進捗モニタリングと可視化に強み
7. 評価 非常に良好 タイムリーなチェックイン可能。全基準を満たす
・生成AIコーチングの実証研究(Passmore et al., 2025)ICF基準での評価: 43名のマネージャーに対する生成AI(GPTベース)コーチングセッションをICF評価者が採点
達成水準: ACC(准認定コーチ)水準は達成、PCC(プロ認定)以上は困難
強み: 目標設定・構造維持・SMART化への誘導
弱み: 人間的つながり・共感・メタファー・ユーモア
●意見交換
・日本では、ＡＩコーチングの市場は増えてない。
・コーチング自体が、日本企業では実践されてない。
・ChatGPTはとても良いコーチ。ChatGPTで十分と思われる可能性。
・会社のAIに打ち込みたくない。見られてる感。
・NotebookLMにデータを入れて、そこからGeminiで統合する。
・出口をどこに求めるか。
・エグゼクティブコーチングでは、夫婦関係、健康問題の話が出てくる。会社の問題と切り分けられない。
＝＝＝
6人目発表 門田さん
Arslan A, Cooper C, Khan Z, Golgeci I, Ali I (2022), “Artificial intelligence and human workers interaction at team level: a conceptual assessment of the challenges and potential HRM strategies”. International Journal of Manpower, Vol. 43 No. 1 pp. 75–88
チームレベルにおける人工知能と人間の労働者の相互作用：課題と潜在的な人的資源管理戦略の概念的評価
・AI(ロボット)は単なるツールから、人間と共に働く「チームメイト」へと役割が変化している。
・コンピュータゲーム研究の知見(疲労などの人間の限界を考慮した評価基準)をHRMのパフォーマンス評価に応用できる可能性を示唆した。
Rodgers, W., Murray, J. M., Stefanidis, A., Degbey, W. Y., & Tarba, S. Y. (2023). An artificial intelligence algorithmic approach to ethical decision-making in human resource management processes. Human Resource Management Review, 33(1), Article 100925.
人事管理プロセスにおける倫理的意思決定へ人工知能アルゴリズム的アプローチ
・スループットモデル(Throughput Model)– 知覚(Perception)、情報(Information)、判断(Judgment)、意思決定(Decision)の4つの経路を通じて、意思決定を分析するモデル。
・例）徳倫理学型( P→I→J→D): 「良き人」としての信念（P）に基づいて情報を集め判断する。
・スループットモデルを適用することで、AIの意思決定の「ブラックボックス」を可視化し、どの段階でバイアスや倫理的欠如が生じうるかを特定できる可能性。
●意見交換
・人間が行う採用等もブラックボックス化している。人間のほうがぶれる。
・AIは中央値に寄っていく。創造性は偏った部分に出るのでは。
・AIは、過去のデータの相関を学習する。
・AIが出した答えと、自分が出した答えが違ったときはどうするか。
・意思決定する力が弱まっていくかも。
・コンテキストとモデルのズレ。AIはコンテキストを全て分かってない。
・データは、過去から現実まで。未来に向けての意思や直観は、AIは扱えないのかも。
・「生成」と言いながら、何かを創り出しているわけではないかも。
・とれてるデータも偏りがある。
・答えをもって、AIと壁打ちする。その答えを言語化できるか。
・なんかもやっとするが、大事そう。「ODはもやっとする」
＝＝＝
7人目発表 斉藤さん
Caputo F, Cillo V, Candelo E, Liu Y (2019), “Innovating through digital revolution: The role of soft skills and Big Data in increasing firm performance”. Management Decision, Vol. 57 No. 8 pp. 2032–2051
デジタル革命による革新ソフトスキルとビッグデータが企業業績向上に果たす役割
・「ソフトスキル」が企業の経済的パフォーマンスに直接的な影響を与える－従業員の「仕事へのモチベーション（Work motivation）」と「社会的コンピテンシー（Social competencies）」が、企業の収益に対して直接的かつ正の影響を与える
・ビッグデータへの投資が「従業員の組織行動」と「企業の経済的パフォーマンス」の間を取り持つ「媒介役（mediator）」として機能する
・職場環境内での「社会的交流（Social interactions）」の時間を増やすことが、企業のパフォーマンス向上につながることを示唆。
Malik, A., Budhwar, P., Patel, C., & Srikanth, N. R. (2020). May the bots be with you! Delivering HR cost-effectiveness and individualised employee experiences in an MNE. The International Journal of Human
Resource Management, 33(6), 1148–1178.
ボットと共にあらんことを！多国籍企業における人事コスト効率性と個別化された従業員体験の提供
・AIを介した社会的交換による互恵性（Reciprocity）の発揮。従業員がAIボットを通じて個別化されたケアやサポートを受け取ることで、組織との間に肯定的な「AIを介した社会的交換」が成立。従業員はこの体験に対し、高い職務満足度、組織へのコミットメント、および離職意図の低下という形で互恵的に報いる（お返しをする）傾向が見られた。
●意見交換
・社内の異動に向けてポジションに空きがあるかの情報も、ボットから得られる
・マッチングをAIでやると、過去の経験と紐づけられる。本人が今後やりたいことは出てこない。
・次の次を考えるのは、キャリア戦略だが、それはAIでは難しい。
・ジョブ型のほうが、AIマッチングは合いそう。
・「不気味の壁」があるので、AIにキャラ設定ぐらいでいいかも。
＝＝＝
12時45分、昼食。
立教大学 池袋キャンパス 松本楼で、洋食プレート。
皆さんと美味しく頂きました。
＝＝＝
13時50分～
8人目発表 河合さん
Kong H, Yuan Y, Baruch Y, Bu N, Jiang X, Wang K (2021), “Influences of artificial intelligence (AI) awareness on career competency and job burnout”. International Journal of Contemporary Hospitality Management, Vol. 33 No. 2 pp. 717–734
人工知能（AI）の認知がキャリア能力と職務燃え尽きに与える影響
・AIを意識している従業員ほど、仕事でBurn out燃え尽きやすい
・会社への愛着度（組織コミットメント）が、重要な役割を果たす（AIの影響を仲介する）
Nazareno, L., & Schiff, D. S. (2021). The impact of automation and artificial intelligence on worker well-b
eing. Technology in Society, 67, Article 101679
と人工知能が労働者の幸福に与える影響
・自動化リスクが高い職業に従事する労働者ほど、仕事に関連するストレス水準が有意に低い傾向が確認された。この結果は、技術導入によるタスクの簡素化や認知的負荷の軽減といった補完的効果が、一部の心理的負担を緩和している可能性を示唆している。
・一方で、自動化リスクが高い職業では、労働者の自己報告による健康状態が有意に悪化していることが示された。
●意見交換
・手に職がある人と、作業だけしている人では違いがありそう。
・全部自動化されている「変なホテル」
・BCGが、AIオンチを解雇。
・何のためのAIか？人をハッピーにするためでは。
・AIで仕事が効率化されて、ハッピーになるのか？
・AIを使う人を、動機づけるの役割を持つ人が必要になる。
・AIを衛生要因として捉えるか、動機づけ要因として捉えるか。
・介入で想定している順番が変わるかも。
・人間が働かなくてもいい世界。
・過渡期なので、不安なのかも。
・AIにどういう哲学で接していくか。
・ストレスが減っても、ウェルビーイングには影響しない。
・「自分の成長」よりも「若い人にどう遺すか」のほうが、50代以降には刺さる。
＝＝＝
9人目発表 小金さん
Park, S., Chai, D. S., Park, J. J., & Oh, J. (2025). Exploring opportunities for artificial intelligence in organization development. Human Resource Development Review, 24(1), 3–36.
組織開発における人工知能の活用可能性の探究
・AI活用は人的資源領域と戦略領域に集中している(採用・トレーニング・コーチング・意思決定など)
・高度なOD領域での活用はまだ限定的(文化変革や構造設計など)
・倫理的検討が不足している(約72%の研究が倫理に十分触れていない)
Pereira, V., Hadjielias, E., Christofi, M., & Vrontis, D. (2023). A systematic literature review on the impact of artificial intelligence on workplace outcomes: A multi-process perspective. Human Resource Management Review, 33(1), 1–22
人工知能が職場の成果に与える影響に関する体系的な文献レビュー：多面的プロセス視点
・研究は急増しているが理論的統合は未成熟
・組織レベル研究に偏重
・AIは職場成果に「正負両面の影響」を持つ
正:生産性・学習向上 負:雇用代替・ストレス増加・倫理問題
●意見交換
・人間のデジタル化、AIの人間化
・従業員体験（EX）を一気通貫して改善する
・1950年代 社会‐技術システム論（STS）が、AI理解に活用できる。
・マネージャー層が、AIにどれだけポジティブか。
・JTCならではの「何か良いものであることを論理的に説明」できないと導入が難しい。
・AIに懐疑的な経営者は、いるのか？ 総論OK。
・スモールスタートで成功を見せて、メリットを示していく。事例の積み重ね。
・メンバー目線で語れる経営者の翻訳者が必要。
・AI活用を進めていくためのODもあるかも。
・AIもODも、まだまだこれから。
＝＝＝
14時45分～
●グループでのふり返り 発表準備
18本の論文を基に、AIが考えた対話テーマ案
16時00分～
●発表
１．AI×HRD
・AIにはできない、人間にしかできないことは何か？
・人間らしさとは？人間らしさの「何を」育んでいくか？
↑ ホワイトボードを写真に撮り、それをAIに読み込ませ、10分間のプレゼン内容を作り、それを参考に発表する河合さん。
↑ 和田さんが、意見交換中、録音してくれていた音声データを基に、AIがまとめた資料。
２．AI×OD
・AI時代に、ODは組織の何を開発するのか？
・変化対応をODが促す
・効果性と健全性
●クラス意見交換
・プロセスで考えることの重要性を気にしない人もいる。
・仕事はアウトプットだから、プロセスは関係ないという人もいる。
・子ども時代のAIとの付き合い方が、社会人になって影響するかも。
・（AIにより）流動食しか食べてない。
・AIを使い続けていると衰える能力があるのでは？
・うんうん唸りながら考える力。
・技術の便利さにあらがえない。
・人間しかできない。AIができる。両方でやる。
・AI Workforce ＋ Human Workforce
・経験ある人が、AIを覚えた方が早い。
・誰が、若手を育てるのか。
＝＝＝
16時45分～
●中原先生のラップアップ
・AIからのフィードバック 自分が気づかなかった点も
・AIは補完的ファシリテーター
・AIを使うことで、メタ認知的怠惰、認知的オフローディングが起こってしまう。
・「AI利用促進モード」と同時に「AI禁止モード」が必要かも。
・研究者が増えないと、実務家を教えられる人が育たない。
・テクノロジー → HR施策 → 成果変数
・行動変容に対する内省支援にAIが効きそう
・組織レジリエンスが、AI活用に関係するのでは。
・自己調整学習、メタ認知、内省
・AIで、メタ認知を高める
・研修→インターバル（AI活用有群、無群）→成果
・分析単位が、個人なので、分析は楽。
・経験がある人のほうが、AI活用による効率化につながる（中途、シニアの活用）
・経験ない若手が、AIを使っても効率化につながらない。
・働き方改革で、仕事時間量が減っている。
・AIには、負の感情がつきまとう。AI活用は「気持ち」に依存する。なんか怖い。なんか嫌だ。
・AIという言葉も死語になるかも。（インターネットが、若者には、Wifiという言葉になったように）
・OD研究：チームレベルのAI利用度→（職場レベルの促進要因）職場レベル知識流通→職場成果
・チームレベルにアグリゲイトしないといけないので、大変。
・職場で各自が孤独にAIを使っているケースもある。
・論文投稿数の爆増 AIが書いた質の低い論文。査読が追い付かない。
・人間が書いた論文を、人間ではなく、AIが読む。
・データをおさえないと研究できない。
・AIの出した数字を、いかに組織に意味づけるか。
・在野にいて、場をおさえる。
・Input-Throughput-Output
・Throughputは、AIですぐできてしまう。
・相手が受け取れるようなOutputの価値。
・生身をもった人間性のBeing。Beingを高める。
・組織では、何を言うかよりも、誰が言うか。
・AIに読み込ませるデータの多様性が重要
・AI出力はブラックボックス アルゴリズムマネジメントの責任はだれが取るのか？
・研究を増やしていきたい。
・今はカオス。論文に答えは無い。早く走り出す。
＝＝＝
17時30分 記念撮影
学部生に記念写真の撮り方を鍛えられた中原先生が、タイマーで撮ってくれました。
＝＝＝
18時過ぎ～20時過ぎ、懇親会＠池袋西口。
サッポロビールが美味しいお店を、河合さんが、予約してくれました。
ビールがやっぱり美味しく、写真を撮り忘れました。
＝＝＝
●齊藤さんから頂戴したメールの一部
みなさま、本日は学びの時間をご一緒させていただき、ありがとうございました！
ちょっと立ち止まって、生成AIの影響について、研究・実務の双方から棚卸するいい機会になりました。変化はますます激しくなっていくと思いますが、現状の見取り図的なものと、これから起こりうることへの視座を、朧気ながら得られたような気がします。
●中原先生のX
●東南さんのX
＝＝＝
ご参加下さった皆さん、中原先生、齊藤さん、東南さん、ありがとうございました！
コメントフォーム