結論：ダイバーシティ&インクルージョン（D&I）経営は、生成AIを「現状整理・論点の言語化・社内発信や教育資料のたたき台づくり」の補助として使うと、経営企画・人事責任者の準備工数を大きく減らせます。ただし施策の判断と、一人ひとりへの配慮・最終責任は人が負う前提です。
- 要点1：AIが得意なのは「社員の声や制度を整理して論点を見える化する」たたき台づくり。意思決定そのものではありません。
- 要点2：個人の属性やセンシティブな個人情報はAIに入れない。差別・偏見につながる扱いを避けるのが大前提です。
- 要点3：関連法（女性活躍推進法・育児介護休業法など）や認定制度は専門家・公式情報で必ず確認し、断定しないこと。
対象読者：D&I・多様性経営の旗振りを任された経営層・経営企画・人事責任者。「形だけ・トークン（数合わせ）にしたくない」と感じている方。
今日やること：まず自社の現状（属性割合の集計値・制度・社員アンケートの自由記述要約）を匿名・集計の形で棚卸しし、その「整理のたたき台」をAIに作らせるところから始めましょう。
「D&I経営をやれと言われたものの、何から手をつければいいのか分からない」——経営企画や人事の責任者から、最近よく相談されるテーマです。役員会で多様性の方針を掲げたものの、現場では「結局スローガンだけ」「数合わせのトークンになっている」と冷めた声が漏れる。そんな状態に悩んでいる方は少なくありません。
正直に言うと、D&I・多様性経営はAIに丸投げできる領域ではありません。人の尊厳や働きやすさに直結するテーマなので、最終的な判断と配慮は必ず人が担う必要があります。それでも、生成AIは「散らばった社員の声や制度をいったん整理して論点に落とす」「社内発信や教育資料の下書きを作る」といった準備作業を大きく助けてくれます。
この記事では、100社以上のAI研修・導入支援で見てきた実務的な視点から、D&I経営を生成AIで支える7ステップを、コピペで使えるプロンプト例とあわせて解説します。なお本記事は2026年6月時点の情報を整理したもので、制度・法令の最新内容は必ず公式情報と専門家でご確認ください。
そもそもD&I・多様性経営とは何か（AIに頼る前の前提整理）
ダイバーシティ（多様性）は、性別・年代・国籍・障害の有無・キャリア・価値観など、人それぞれの違いを指します。インクルージョン（包摂）は、その違いを持つ一人ひとりが「ここに居ていい」「力を発揮できる」と感じられる状態のことです。最近はここに公正性（エクイティ）を加えてDEIと呼ぶこともあります。
D&I経営は「多様な人がいること」だけでなく、「多様な人がちゃんと活躍できる組織をつくること」までを含みます。だからこそ、属性割合の数字をそろえる“トークン化”だけで終わらせず、制度・風土・評価・育成まで一気通貫で見直すことが大切になります。内閣府の「男女共同参画白書」などでも、女性役員比率などの推移が継続的に整理・公表されており、自社の現在地を社会全体の流れの中で捉える視点が求められています（内閣府男女共同参画局、2026年6月時点）。
ここで押さえておきたいのは、AIはあくまで「整理・言語化・たたき台の補助」だということです。誰をどう登用するか、どんな配慮をするかといった判断は、現場と当事者の声を尊重しながら人が決めるものです。AIに任せるのは、その判断材料を見やすく整える部分に限定します。
なぜ今、D&I経営をAIで支えるのか
D&I経営の担当者が抱える悩みは、だいたい共通しています。「社員アンケートの自由記述が数百件あって読み切れない」「他社の取り組みを調べる時間がない」「方針は決まったが、現場に伝わる言葉に落とせない」——どれも、情報を整理して言語化する作業に時間が溶けていく構造です。
生成AIは、まさにこの「整理と言語化」が得意分野です。匿名・集計済みのアンケート要約を渡せば論点を立ててくれますし、方針の骨子を渡せば社内向けのやさしい説明文のたたき台を作ってくれます。研修現場でも、「ゼロから資料を作る」のではなく「AIが作った下書きを人が直す」進め方にしただけで、準備時間が体感で半分以下になったという声をよく聞きます（当社支援先での定性的な所感であり、効果は組織や運用によって異なります）。
一方で、忘れてはいけない注意点があります。個人の属性やセンシティブな個人情報をそのままAIに入れるのは避けてください。特定の社員が識別できる形のデータは、差別や偏見につながる扱いを生むリスクがあります。AIに渡すのは、必ず匿名化・集計化したものに限る——これがD&I領域でAIを使う際の最重要ルールです。
AIに入れてよい情報・入れてはいけない情報
D&I経営でAIを使うとき、最初に線引きしておきたいのが「何を渡すか」です。ここを曖昧にすると、便利さの裏で大きなリスクを抱えます。
- 入れてよい例：「20代◯%・30代◯%・40代◯%」のような集計済みの属性割合、制度の一覧、自由記述を要約・匿名化したテキスト、社外公表されている統計、自社の行動指針の草案。
- 入れてはいけない例：特定の個人が分かる氏名・所属・評価、病歴や宗教・出自などのセンシティブ情報、本人の同意なく集めた属性データ、誰かの人事評価を「AIに判断させる」ような使い方。
AIはあくまで集計済みの情報を整理する道具です。「この人を昇進させるべきか」「この属性の人は向いているか」といった、個人や属性に対する判断をAIにさせてはいけません。それは差別につながりますし、何より人の尊厳に関わる判断は人が責任を持つべきものです。
D&I・多様性経営をAIで支える7ステップ
ここからが本題です。現状整理から効果の振り返りまで、生成AIを補助として使う具体的な手順を7ステップで紹介します。各ステップに、そのまま使える安全なプロンプト例を添えます（個人を特定できる情報は入れない前提です）。
-
ステップ1：現状の棚卸し（たたき台づくり）
属性割合の集計値・制度一覧・アンケートの匿名要約を用意し、「論点を見える化する」整理をAIに任せます。事実の確認は人が行います。あなたは組織開発の整理を手伝うアシスタントです。 以下は当社のD&Iに関する「集計済み・匿名化済み」の現状メモです。 個人を特定する情報は含まれていません。 【現状メモ】 （属性割合の集計値、制度一覧、社員アンケート自由記述の匿名要約を貼り付け） このメモから、D&I経営の論点を「強み」「課題」「不明な点」の3つに整理してください。 ・断定せず、メモから読み取れる範囲にとどめてください ・追加で確認すべき情報があれば、最初に質問してください ・仮定した点は必ず「仮定」と明記してください -
ステップ2：方針・重点テーマの論点整理
「何を優先するか」の判断は人が下しますが、その前段として選択肢と論点をAIに並べてもらいます。以下のD&I現状整理（強み・課題・不明点）をもとに、 今後1年で重点的に取り組むテーマの「候補」を5つ挙げてください。 【現状整理】 （ステップ1の出力を貼り付け） 各候補について「想定される効果」「想定されるリスクや配慮点」を併記してください。 ・優先順位の最終判断は人が行う前提で、あくまで論点整理にとどめてください ・特定の属性の人を有利・不利に扱う前提の案は出さないでください -
ステップ3：施策案の検討（たたき台）
重点テーマが固まったら、施策のたたき台を作らせます。形だけ・数合わせにしないよう、運用の仕組みもセットで考えるのがコツです。重点テーマ「（例：多様な人が意見を言いやすい会議運営）」について、 具体的な施策のたたき台を3案、考えてください。 各案には以下を含めてください： ・狙い（何を変えたいか） ・進め方の概要 ・形だけにしないための運用上の工夫 ・配慮すべき点（当事者の声をどう反映するか） 数合わせ（トークン化）で終わる案は避け、実際に働きやすさが変わる視点を重視してください。 -
ステップ4：社内発信のたたき台づくり
方針や施策を「現場に伝わる言葉」に落とす作業はAIの得意分野です。ただし最終的な表現は、当事者が読んで違和感がないか人が確認します。以下のD&I方針を、全社員向けのメッセージ案にしてください。 【方針】 （決定した方針を貼り付け） 条件： ・専門用語を避け、誰が読んでも分かるやさしい言葉で ・「やらされ感」ではなく「自分ごと」と感じられるトーンで ・特定の属性の人だけに向けた表現ではなく、全員が対象だと伝わるように ・400字程度 仮定した点があれば明記してください。 -
ステップ5：浸透・教育資料の下書き
研修やeラーニングの素材も、AIで下書きを作ると一気に楽になります。事例は架空であることを明示し、実在の個人を想起させないようにします。管理職向けに「無意識の思い込み（アンコンシャス・バイアス）に気づく」 という15分の社内ミニ研修の構成案を作ってください。 条件： ・使う事例は「架空のケース」と明記すること ・特定の個人・属性を非難するのではなく、誰にでも起こりうる前提で ・最後に「自分の言動を振り返る問い」を3つ入れる ・専門家の監修が必要な部分があれば指摘してください -
ステップ6：制度・法令面のチェックリスト整理
関連法や認定制度の確認ポイントをAIに一覧化させ、専門家確認のたたき台にします。AIの回答は鵜呑みにせず、必ず公式・専門家で裏取りします。日本企業がD&I・両立支援に取り組む際に、一般的に確認しておくとよい 制度・認定の「確認ポイントの一覧」を作ってください。 条件： ・断定や法的助言ではなく、「確認すべき項目のチェックリスト」として ・各項目に「誰に確認すべきか（社労士・人事・公式サイト等）」を添える ・最新の要件は変わりうるため、必ず公式情報で確認する旨を明記関連法や認定制度（女性活躍推進法、育児・介護休業法、くるみん認定など）は要件が改正されることがあります。AIの整理はあくまで出発点とし、社会保険労務士などの専門家と公式情報で必ず確認してください。
-
ステップ7：効果の振り返り（言語化の補助）
取り組み後のアンケートやKPIの集計値を渡し、「次に何を見直すか」の論点をAIに整理させます。評価の最終判断は人が行います。以下は施策実施後の「集計済み・匿名化済み」アンケート要約とKPI推移です。 【データ】 （集計値・匿名要約を貼り付け） ここから「改善が見られた点」「まだ課題が残る点」「次に検討すべき論点」を 整理してください。 ・データから言える範囲にとどめ、過大評価しないでください ・数値の解釈は人が最終判断する前提で、たたき台として提示してください
【要注意】D&I経営でAIを使うときの失敗パターンと回避策
失敗1：個人や属性のデータをそのままAIに渡す
❌ 「Aさんは育児中だから昇進は難しいか、AIに聞いてみよう」
⭕ 「属性ごとの登用状況の集計値だけを渡し、制度上の論点を整理させる」
なぜ重要か：個人や属性に対する判断をAIにさせるのは、差別や偏見につながる典型パターンです。AIに渡すのは匿名・集計済みの情報に限り、人に関する判断は人が責任を持って行います。
失敗2：数合わせ（トークン化）で満足する
❌ 「女性役員比率の目標数字だけ決めて、達成したら完了」
⭕ 「比率に加えて、当事者が働きやすさをどう感じているかまで確認する」
なぜ重要か：D&Iは数字をそろえることがゴールではありません。実際に一人ひとりが力を発揮できているかという質の部分まで見ないと、形だけの取り組みに終わってしまいます。
失敗3：AIの回答を事実として鵜呑みにする
❌ 「AIが説明した制度要件をそのまま社内資料に載せる」
⭕ 「AIの整理を下書きにして、公式情報と専門家で必ず確認する」
なぜ重要か：制度・法令はAI単体での正確性に限界があり、改正もあります。特にYMYL（人の働き方・処遇に関わる）領域では、最終確認を人と専門家が行うことが不可欠です。
失敗4：当事者の声を飛ばしてAIだけで完結させる
❌ 「AIが作った施策案をそのまま実行する」
⭕ 「AIのたたき台を、当事者へのヒアリングや対話で必ず検証する」
なぜ重要か：D&Iの中心にいるのは生身の人です。AIは便利な道具ですが、現場の実感や当事者の声に代わるものではありません。たたき台はあくまで対話の出発点にしてください。
AIと人の役割分担（うわべにしないために）
ここまでを踏まえ、AIと人の役割を整理しておきます。AIに任せるのは「散らばった情報を整理する」「文章のたたき台を作る」「論点を見える化する」といった、判断の手前の作業です。一方、人が担うのは「何を優先し、誰にどう配慮するか」という施策の判断と、その結果に対する最終責任です。
研修現場で繰り返しお伝えしているのは、「AIに丸投げ」ではなく「AIと協業」という姿勢です。AIは下書きを高速で作ってくれますが、その下書きが本当に当事者にとって意味があるかを見極めるのは人にしかできません。この線引きを最初にチームで合意しておくと、形だけのD&Iに陥らずに進められます。
役員レベルでの意思決定をAIでどう支えるかについては、役員・経営層のAI活用5原則もあわせて参考にしてください。情報の取り扱いと意思決定の進め方を、より広い文脈で整理しています。
関連テーマと組み合わせて効果を高める
D&I経営は単独で動かすより、隣接する経営テーマと組み合わせると効果が出やすくなります。たとえば、多様な人が活躍できる風土づくりは、社員のエンゲージメント向上と密接につながります。企業文化と社員エンゲージメントをAIで高める実務手順とあわせて取り組むと、施策の重複を避けながら相乗効果を狙えます。
また、D&Iの取り組みは投資家や社会への説明責任とも関係します。多様性に関する指標をどう開示・可視化するかは、人的資本の開示をAIで支える実務手順で扱っている領域と重なります。さらに、誰がどの役割を担うかという組織側の設計は、組織設計・人員計画をAIで整理する手順と連動させると、絵に描いた餅になりにくくなります。
よくある質問（FAQ）
Q1. D&I・多様性経営とは何ですか？
多様な人材がいること（ダイバーシティ）に加え、その一人ひとりが力を発揮できる状態をつくること（インクルージョン）まで含めた経営の考え方です。属性の数字をそろえるだけでなく、制度・風土・育成まで見直すのが本来の姿です。
Q2. D&I経営にAIを使って大丈夫ですか？
現状整理・論点の言語化・社内発信や教育資料のたたき台づくりといった補助用途であれば有効です。ただし、施策の判断や個人・属性に関わる判断はAIにさせず、人が責任を持って行ってください。
Q3. AIに社員のデータを入れてもいいですか？
個人を特定できる情報やセンシティブな個人情報は入れないでください。AIに渡すのは匿名化・集計済みの情報に限ります。差別・偏見につながる扱いを避けるための基本ルールです。
Q4. 関連する法律や認定制度はどう確認すればよいですか？
女性活躍推進法や育児・介護休業法、くるみん認定などが関わりますが、要件は改正されることがあります。AIの整理は出発点にとどめ、社会保険労務士などの専門家と公式情報で必ず確認してください。
Q5. 「形だけ・トークン化」を避けるにはどうすればよいですか？
数値目標だけで満足せず、当事者が実際に働きやすさを感じているかまで確認することです。AIで作った施策のたたき台を、当事者へのヒアリングや対話で検証する手順を必ず入れてください。
まとめ：今日から始める3つのアクション
- 今日：自社の現状（属性割合の集計値・制度・アンケートの匿名要約）を棚卸しし、AIに「論点整理のたたき台」を作らせてみる。
- 今週中：「AIに入れてよい情報・入れてはいけない情報」の線引きを、人事・経営企画チームで合意しておく。
- 今月中：重点テーマを1つ決め、社内発信のたたき台をAIで作成し、当事者の声で検証してから発信する。
D&I経営は、AIを賢く使えば準備の負担をぐっと減らせます。でも、その中心にいるのはいつも人です。AIに整理を任せつつ、判断と配慮は人が担う。この役割分担を守ることが、形だけで終わらせないための一番の近道です。
著者：佐藤傑（さとう・すぐる）
株式会社Uravation代表取締役。X（@SuguruKun_ai）フォロワー約10万人。100社以上の企業向けAI研修・導入支援を展開。著書『AIエージェント仕事術』（SBクリエイティブ）。SoftBank IT連載7回執筆。
