サイトアイコン IoTNEWS AI+

人事システムに組み込まれるAI、企業は使う前に何を確かめるべきか？

和田 まりん
人事システムに組み込まれるAI、企業はどこまで使うかをどう決めるかを5つの難所から考える

昨今、人事システムに、生成AIを使った機能が追加されている。

例えば、労務クラウドやタレントマネジメントシステムでは、蓄積された人事データをもとに問い合わせに答えるAIアシスタントや、評価コメントや面談記録を読み解くAIエージェントなどが登場している。

その中でも注目したいのが、人の評価や配置といった判断に直接つながりうる、職務経歴や面談記録などの文章をAIが読み解く機能だ。

国内の大手メーカーも、職務経歴書や人事評価の自由記述といった文章をAIエージェントで解析し、グループ会社ごとにばらばらだったグループ約15万人分の人事データを、共通の尺度で比較できる形にまとめる計画を2026年9月に発表した。

この機能に期待が集まる背景には、評価や面談の記録をシステムに蓄積してきたものの、部署ごとに書き方や基準が異なり、比較や活用ができていない企業が少なくないことがある。

経済産業省と金融庁がオブザーバーとして参加する人的資本経営コンソーシアムが、2024年に会員企業261社を対象に行った調査では、人事部門の課題として「人材情報基盤はあるが、活用できていない」を挙げた企業が約4割に上った。

また、人材情報基盤を活用するうえでの課題として、「収集したデータの記載観や粒度が整っていない」、つまりデータの書き方や細かさがそろっていないことを挙げた企業も、約5割に達している。

評価や面談の記録においても、部署ごとに書き方や基準が異なれば、比べることは難しい。

しかし、人事の文章を機械で読み取り、分析する試みそのものは、生成AI以前から存在する。

この数年で大きく変わったのは、生成AIの中核となる大規模言語モデル（LLM）の登場によって、AIを使うための手間と費用が下がったことである。その結果、人事システムのベンダーはAI機能を製品に組み込みやすくなった。

一方で、「AIが過去のデータの偏りを学ぶ」「判断の責任の所在が曖昧になる」といった課題は、以前から解決されないまま残っている。

本稿では、人事の文章をAIで読み解く使い方を3つの層に分けて整理したうえで、人事へのAI活用の歴史を振り返り、生成AIによって何が変わったのかを確認する。

そのうえで、人事システムのAI機能を評価するための観点を整理し、企業の状況別にいま何をすべきかを示す。

人事の文章を読み解くAIの3つの層

まずは、人事の文章をAIで読み解く使い方を、「効率化」「基盤」「判断」の3つの層に分けて整理する。

これにより自社の現在地が分かれば、次に取り組むべきことと、まだ急がなくてよいことを見分けやすくなる。

効率化

1つ目の層は、文章を読み取って、人事部門の事務作業を助ける使い方だ。

例えば、就業規則などを読み取って従業員の問い合わせに自動で回答するものや、面談や会議の記録を要約するものなどが挙げられる。

基盤

2つ目の層は、人事の文章から情報を抜き出し、部署やシステムごとにばらばらな人事データを、比較できる形にそろえる使い方だ。

例えば、職務経歴書や面談記録などの文章からスキルや経験を抜き出して一覧にするものや、部署やグループ会社ごとに異なる評価項目や等級を、その定義の文章を読み比べて共通の形式に対応づけるものなどがある。

判断

3つ目の層は、文章から読み取った内容をもとに、人の配置や選抜、評価、採用の判断にAIを使う取り組みだ。

例えば、社内公募で応募者とポストの適合度を示すものや、異動候補者を推薦するもの、書類選考で応募書類を評価するものなどがある。

後述するが、法規制や訴訟のリスクが集中する層でもある。

人事の文章を機械で読み取り、分析する試みは新しくない

3つの層のうち、どこまでAIを使うかは、本来は企業が自ら決めるものだ。

その判断の手がかりとして、まずは、人事の文章を機械で読み取り、分析する試みがどのように進んできたのかを振り返る。

職務経歴書や面談記録といった形式の定まらない文章（非構造データ）をAIで読み解く使い方は、生成AIの登場によって一気に身近になった。

ただ、その歴史をたどると、AIに限らず、規則に基づく仕組みも含めて、人事の文章を機械で読み取り、分析する試み自体は、かなり前から行われてきた。

海外では1990年代後半から製品が登場していた

海外では、履歴書を自動で解析する「レジュメパーサー」が、1990年代後半には製品として登場していた。当初はキーワードや規則に基づいて項目を抜き出すものが中心で、現在では機械学習を使う製品もある。

その中には、履歴書から抽出したスキルや職種を、米国の職業情報データベース（O*NET）や国際標準職業分類（ISCO）といった共通の分類に対応づける機能を持つ製品もある。

研究の分野でも、2021年には、生成AI以前の言語モデルを使って、求人の職種名を欧州の標準的な職業分類（ESCO）に対応づける「JobBERT」が発表されている。

国内でも2010年代半ばには研究や製品が現れていた

国内では2015年、ハローワークが保有する職業紹介のデータから、テキストマイニングで中途採用の採用決定要因を抽出する研究が発表された。

同じ年、NECは、エントリーシートや企業の人事データから求職者と求人企業の関係を学習する分析製品を発売している。

想定する用途には、人材紹介に加えて、企業内の人材配置も含まれていた。

2017年には、ソフトバンクが新卒採用のエントリーシート選考にIBMのAI「Watson」を導入した。

過去の選考データを学習したAIが応募書類を評価し、基準に届かなかったものは人事担当者が確認して合否を決める仕組みで、同社は書類選考の作業時間を約75%削減できたと公表している。

説明責任をめぐる議論も始まっていた

人事データの活用が広がるにつれて、その扱い方をめぐる議論も進んだ。

2020年には、業界団体のピープルアナリティクス&HRテクノロジー協会が「人事データ利活用原則」を公表している。

2021年に開かれた経済産業省の「AI原則の実践の在り方に関する検討会」では、同協会の取り組みをめぐる質疑の中で、日本企業は説明責任を果たすため、ブラックボックス型の手法よりも、解釈しやすい比較的シンプルな分析手法を使う傾向が強いとの説明がなされている。

このように、「機械で人事の文章を読み取り、分析する」「AIの評価を人の判断の補助に使う」「その説明責任をどう果たすか」という論点は、いずれも生成AI以前から議論されてきたものだ。

AIが手軽になり人事システムに組み込まれていく

では、生成AIによって何が変わったのか。

大きく変わったのは、人事の文章を読み取り、分析するAIを作り、使うための手間と費用だ。

前述のソフトバンクの事例のように、従来は自社の過去のデータでAIを学習させることが前提だった。しかし、大規模言語モデル（LLM）では、必ずしもその必要はない。

例えば2023年には、LLMを使って学習用のデータを作り出すことで、人手で正解を付けたデータを用意せずに、求人票などの文章からスキルを抜き出せることを示した研究が発表されている。

また、費用に関しても、米ベンチャーキャピタルのアンドリーセン・ホロウィッツ（a16z）によれば、同じ性能のLLMを使う費用は3年で1000分の1になった。

ただし、精度が従来の手法より常に高いわけではない。スイス連邦工科大学ローザンヌ校（EPFL）などの2024年の研究では、スキルを抜き出す精度は、大量のデータで訓練した従来型のモデルが上回った。

LLMの強みは、精度よりも、専用の準備をしなくても使える手軽さにある。

この手軽さによって、人事システムのベンダーはAI機能を製品に組み込みやすくなった。

こうした変化はあるものの、どの機能を使うかを企業が選ぶことに変わりはない。

ただ、問い合わせ対応などの「効率化」のつもりで使い始めたシステムに、評価コメントの要約や異動候補の提案といった、「判断」に近い機能が後から加わることもある。

十分に検討しないまま使い始めないためには、AI機能を評価する観点を持っておく必要がある。

人事にAIを使うときに残る5つの難所

では、加わったAI機能を何に照らして評価すればよいのか。手がかりになるのは、人事の文章を読み解くAIを使うときに残る問題だ。

多くは生成AI以前から指摘されてきたもので、生成AIによって目立つようになったものもある。ここでは、それを5つに整理する。

1.偏り

1つ目は、AIが過去のデータに含まれる偏りを学んでしまうという点だ。

この問題は、生成AIが登場する前から顕在化していた。

2018年にロイターが報じたところによると、Amazonは2014年から履歴書を審査するAIを開発していた。

ところが、男性が大半を占める過去10年分の履歴書から学習した結果、AIは「women’s（女性の）」という語を含む履歴書の評価を下げるようになった。

特定の語への反応は修正できたが、別の形で偏りが入り込まないことを保証できず、プロジェクトは打ち切られたという。

この問題は、LLMでも解消されていない。

米ワシントン大学の研究チームが2024年に発表した研究では、550件を超える実際の履歴書の名前だけを入れ替え、LLMをもとにした3つのモデルに、求人との適合度で順位づけさせた。

その結果、白人に多い名前が優先された割合は85%に上り、女性に多い名前が優先されたのは11%にとどまった。

自社に置き換えると、システムに蓄積された過去の評価や昇進の記録にも、性別や年齢、雇用形態などによる偏りが含まれている可能性がある。

それをAIが「活躍人材の特徴」として学べば、過去の偏りを再生産しかねない。

前述の経済産業省の検討会でも、ピープルアナリティクス&HRテクノロジー協会の取り組みをめぐる質疑の中で、過去のデータからバイアスを完全に排除することは不可能であり、その前提を理解したうえで説明可能な分析手法を使うことが求められる、との説明がなされている。

2.ぶれ

2つ目は、同じ内容を読ませても、AIの評価が毎回同じになるとは限らないという点だ。

なお、この問題は、生成AIによって目立つようになった問題である。従来の機械学習のモデルは、同じデータを入力すれば同じ結果を返すのが基本だったが、LLMは文章を確率的に生成するため、同じ入力でも出力が変わることがある。

例えば、技術者の採用支援を手がける米HackerRankは、2026年6月、LLMを使って履歴書を評価する採用支援ツールをオープンソースとして公開した。

その直後に行われた検証では、同じ履歴書を100回評価させたところ、点数は66点から99点までばらついたと報告されている。合格ラインを85点に設定すると、同じ履歴書が評価のたびに通ったり落ちたりすることになる。

つまり、AI機能が評価コメントの要約やスコアを出す場合、その結果が毎回同じになるとは限らないということだ。

しかし、人事評価で「同じ記録なのに日によって結果が違う」ことは許されない。

3.物差し

3つ目は、何を基準に比べるかは人が決めるという点だ。

AIは、面談記録や職務経歴を共通の形式に変換することはできる。

しかし、「A部門の主任とB部門の係長を同じ等級とみなすか」「この経験は、あのポストに必要なスキルを満たしているか」を決める基準は、AIが作るわけではない。

裏を返せば、物差しが決まっていなければ、AIを使っても人や職務を比べることはできない。

タレントマネジメントシステムにスキル項目や評価コメントは入っていても、その定義が部門ごとにばらばらなら、AIはばらばらなものを整然と並べるだけだ。

なお、AI時代に人材を見る物差しをどう作り直すかについては、「AIによって『優秀な人材』の定義が変化したことを、どうみるべきか —AI時代の人材採用と教育」も参考にしてほしい。

4.責任

4つ目は、AIが関わった判断を誰が説明するのかという点だ。

米国では、AIを使った書類選考で人種や年齢、障害を理由に不当に不採用にされたとして、求職者が人事システム大手のWorkdayを訴えている。

裁判所は、顧客企業が候補者の選別をWorkdayのAIに委ねていたと考えられることから、Workdayが雇用主の「代理人」として責任を問われうるという主張を退けず、審理は証拠開示の段階に進んでいる。なおWorkday側は、AIが採用の判断を下しているわけではないと反論している。

この訴訟は、AI機能を提供するベンダーも責任を問われうることを示している。

一方、ベンダーが全ての責任を負い、AIを使う企業の責任がなくなるかというと、そうではない。

それを明確にしているのが、欧州の規制だ。

EUのAI規則（AI Act）は、採用や昇進、解雇、業務の割り振り、評価などに使われる雇用関連のAIを「高リスク」に分類している。

そのうえで、高リスクのAIについては、開発・提供する事業者だけでなく、それを使う企業にも義務を課している。

例えば、人による監督の体制を整えることや、職場で使う前に従業員やその代表に知らせることなどだ。

義務の適用は当初の2026年8月から2027年12月へ延期されることで合意されたが、高リスクという位置づけは変わっていない。義務の適用が始まれば、EU域内に拠点を持つ企業は、規制への直接の対応も必要になる。

評価コメントや応募書類を読み解くAIを判断に使えば、この規制の対象になりうる。

米国の訴訟と欧州の規制を合わせて見ると、人事の判断にAIが関わるとき、提供する側と使う側の双方に、その経緯を説明できる体制が求められていると捉えることができる。

5.納得

5つ目は、従業員が受け入れなければAIは機能しないという点だ。

評価コメントの要約や異動候補の提案といったAI機能が扱うのは、従業員自身の評価や面談の記録である。そのため、従業員がAIの利用をどう受け止めるかによって、効果は大きく変わる。

受け止め方には、期待と不安の両面がある。

国内では、Job総研の「2026年 人事評価の実態調査」で、人事評価に不満を持つ人が7割を超え、AIの導入を望む人も7割弱に達したと報じられている。

人による評価のばらつきへの不満が、AIへの期待につながっているとみられる。

一方、米国の働き手を対象にした調査では、39%が「AIは従業員の監視や管理に使われる」と見ている。

国や調査は異なるものの、AIが公平な評価の手段にも、監視の道具にもなりうると受け止められていることがうかがえる。従業員自身の評価や面談の記録を読み解くAIであれば、なおさらこの受け止め方の影響を受けるだろう。

どちらに受け止められるかは、導入の進め方によっても変わる。

それを示すのがIBMの例だ。

同社は人事向けのAIチャットボットを導入する際、約2万1000人の現場の管理職に対し、人事の担当者による個別の支援をやめ、このAIチャットボットからしか相談できないようにした。

すると、その後1年ほどの間に、人事部門のサポートに対する社内の評価は大きく下がったという。同社はその後、利用者の声をもとに改善を重ね、現在は高い評価を得ている。

問い合わせに答えるだけの効率化のツールでさえ、従業員の納得がないまま利用を強いれば、こうした結果になりうる。評価や面談の記録を扱うAIであれば、なおさらだ。

どの記録をAIが読み、その結果を何に使うのか。それを事前に従業員へ説明し、導入後も利用者の声を聞きながら運用できるかどうかが、期待として受け止められるか、監視として受け止められるかの分かれ目になるだろう。

企業の状況別に、いま何をすべきか

最後に、ここまでの内容を踏まえて、企業がいま何をすべきかを整理する。

使っている人事システムによって、加わるAI機能も、優先すべきことも異なる。

そこでここでは、労務クラウドを中心に使っている企業、タレントマネジメントシステムを導入している企業、統合型の人事基盤を持つ企業の3つに分けて考える。それぞれ、前述の「効率化」「基盤」「判断」の層に、おおむね対応する。

労務クラウドを中心に使っている企業

労務クラウドのAIアシスタントは、就業規則などを読み取って問い合わせに答える、「効率化」の層の機能が中心だ。

人を評価したり選んだりする業務に使われるものではないため、前章で挙げた5つの難所のうち、偏りや物差しの問題は生じにくい。

ただし、納得の問題は起こりうる。前述のIBMの例のように、問い合わせに答えるだけのツールでも、人事の担当者に相談する手段をなくして利用を強いれば、従業員の評価は下がりかねない。

AIアシスタントを使う場合も、人に相談できる窓口を残し、利用者の声を聞きながら改善していくことが望ましい。

また、AIアシスタントが参照する就業規則や社内規定が、最新で正確な状態に保たれているかどうかも確認しておきたい。参照する文書が古ければ、AIは古い内容のまま回答してしまうため、同じ質問に対して回答が変わらないかも、確かめておくとよい。

さらに、労務クラウドの中には、人事評価や人材配置の機能まで提供範囲を広げているものもある。

今は効率化の機能しか使っていなくても、今後のアップデートで「判断」に近い機能が加わる可能性はある。

そのときに備えて、評価コメントや面談記録といった従業員の記録を、AIに読ませてよいのかどうか、読ませる場合はどの範囲までかについて、今のうちに社内のルールを決めておきたい。

タレントマネジメントシステムを導入している企業

評価や面談の記録を蓄積してきた企業がまず取り組むべきは、AI機能の活用より先に、物差しを決めることだ。

全社のデータを一度に整えようとせず、比較したい職種や階層を一つに絞り、その範囲で評価項目やスキルの定義をそろえる。

AIによる変換や要約は、定義が決まってから、作業を速める道具として使う。順番を逆にしないことが重要である。

そのうえで、ベンダーからAI機能の提案を受けたとき、あるいは既存システムにAI機能が追加されたときは、次の6つの点を確認したい。前章の5つの難所に、出力の種類を加えたものだ。

  1. 出力の種類：その機能は、どのデータを使って何を出すのか。要約か、点数か、候補者の推薦か。点数や推薦を出す機能ほど、慎重な運用が必要になる。
  2. 物差し：評価や推薦の基準は何か。自社の等級やスキルの定義と、どのように対応づけているのか。
  3. 偏り：性別や年齢などの属性によって結果に差が出ないか、検証した結果はあるか。日本語のデータで検証しているか。
  4. ぶれ：同じデータを繰り返し処理したとき、結果は安定しているか。
  5. 責任：最終判断は誰が下す設計になっているか。AIの出力や、それを使った判断の経緯は記録され、後から説明できるか。
  6. 納得：機能を部分的に止めることはできるか。どの従業員データがAIに送られるのかを、従業員に説明できるか。

このうち偏りとぶれについて、ベンダーの回答が十分でない場合は、自社のデータの一部を使って、属性による差や結果の安定性を確かめることを勧めたい。

統合型の人事基盤を持つ企業

統合型の人事基盤を持つ企業では、職務経歴や評価コメントを読み解いた結果を、配置や選抜に使う「判断」の層の取り組みが視野に入る。

例えば、冒頭で触れた国内の大手メーカーの計画でも、文章を解析して統合した人事データを使うAIによるマッチングは、まず経営層候補を対象とした社内公募で実行できるかを検証する段階にあり、全従業員への展開は将来の構想と位置づけられていた。

あわせて、AIの推薦をどこまで参考にし、どこから人が判断するのかという線引きと、選ばれなかった人に判断の理由をどう説明するのかという手順を、事前に決めておきたい。

AIに任せるほど、人が決めることがはっきりする

人事の文章を機械で読み取り、人の判断を補うという試みは、生成AIが登場するずっと前からあった。

生成AIによって変わったのは、AIを使うための手間と費用だ。

その結果、AI機能は人事システムに次々と組み込まれ、「判断」に近い機能が後から加わることもある。

一方で、偏り、ぶれ、物差し、責任、納得という5つの難所は、生成AIが登場しても解消されていない。

いずれも、AIの性能が上がるだけでは解決せず、AIを使う企業の側で手当てが必要な問題である。

AIが手軽に使えるようになったからこそ、どう使うかを決める企業の役割は、むしろ重くなっていると言える。

いま企業に求められているのは、新しいAI機能を追いかけることではない。

何を基準に人を比べるのかを決め、AIが関わった判断を誰がどう説明するのかを定め、それを従業員に伝えること。

そのうえで、加わるAI機能を5つの難所に照らして評価し、どこまで使うかを自ら決めることだ。

AIに任せられることが増えるほど、人が決めなければならないことの輪郭は、よりはっきりしてくるはずだ。

参考資料

モバイルバージョンを終了