はじめに
生成AIの活用範囲は、文書作成や議事録の要約だけでなく、人事評価や人材配置、育成計画の作成にも広がっています。
従業員の実績、保有スキル、過去の評価、目標達成状況などをAIで整理すれば、管理職が大量の資料を読み込む時間を減らし、評価コメントの作成や人材育成計画の検討を効率化できます。
一方、人事評価は、単に数値を処理すれば完了する業務ではありません。
同じ成果であっても、担当した業務の難易度、チームの状況、本人が置かれていた環境によって、その意味は変わります。AIが算出した評価結果をどのように解釈し、どのような言葉で本人に伝え、次の成長につなげるかは、最終的に人間の管理職が担わなければなりません。
生成AIの導入によって管理職が不要になるのではなく、管理職の役割が「情報を集める人」から「情報を解釈し、対話を設計する人」へ変化しているのです。
生成AIは人事評価の何を効率化できるのか
評価資料の整理と要約
従来の人事評価では、評価シートの確認、面談記録の読み返し、目標達成状況の集計、評価コメントの作成など、多くの時間が必要でした。
生成AIを活用すると、次のような業務を効率化できます。
1．過去の評価コメントの要約
2．目標と実績の比較整理
3．面談記録から重要な論点を抽出
4．評価コメントの下書き作成
5．従業員ごとの育成課題の整理
6．次回面談で確認すべき項目の作成
AIに資料の整理を任せることで、管理職は部下との対話や育成計画の検討に、より多くの時間を使えるようになります。
複数の評価項目を横断して確認できる
人間の評価者が一度に確認できる情報量には限界があります。
生成AIは、業績、スキル、行動、コミュニケーション、目標達成状況など、複数の情報を横断して整理できます。
ただし、AIが多くの情報を処理できることと、正しい評価ができることは同じではありません。
入力したデータに偏りや誤りがあれば、AIの出力にもその影響が表れます。AIが示した傾向は「判断材料」であり、評価そのものではないという認識が必要です。
見落とされていた人材を発見できる可能性がある
上司の印象だけで人事評価を行うと、目立つ成果や直近の出来事に評価が引きずられることがあります。
AIを活用して業務実績や行動データを整理すると、これまで目立たなかった貢献や、安定して成果を上げている人材を発見できる可能性があります。
一方で、測定しやすい行動ばかりを評価すると、部下の支援、職場の雰囲気づくり、後輩育成といった数値化しにくい貢献が見落とされる恐れがあります。
AIの評価結果をそのまま使ってはいけない3つの理由
評価根拠が分からないブラックボックス化
AIが「高評価」「低評価」「次期管理職候補」といった結果を出しても、管理職がその理由を説明できなければ、従業員の納得は得られません。
「AIが判断したから」という説明は、人事評価では通用しません。
どの情報を参照し、どの評価基準に照らし、なぜその結論になったのかを、管理職自身の言葉で説明できる状態にする必要があります。
AIの評価結果は参考情報にとどめ、最終的な判断と説明責任は人間が負うという原則を明確にしなければなりません。
過去の評価バイアスを再生産する
AIは、過去のデータからパターンを学習します。
過去の人事評価に、年齢、性別、所属部署、勤務形態などによる無意識の偏りが含まれていた場合、AIがその偏りを「評価傾向」として学習する可能性があります。
AIが数値を示すと、客観的に見えるため、人間の評価よりも信頼してしまいがちです。しかし、数値で表示されているからといって、公平性が保証されているわけではありません。
評価結果に特定の属性や部署への偏りがないか、継続的に確認する必要があります。
管理職の評価能力が低下する
生成AIが作成した評価コメントを、そのままコピーして使用する運用を続けると、管理職が自分で考え、言葉にする機会が減ります。
その結果、部下の変化を観察する力、評価基準を説明する力、難しい内容を伝える力が低下する恐れがあります。
人事評価は、過去の成果を採点するだけの仕事ではありません。本人の成長を支援し、次の行動を一緒に考えるための対話でもあります。
AIは管理職の判断を代替する道具ではなく、考えるための補助ツールとして使用することが重要です。
管理職の役割は「判定者」から「解釈者」へ変わる
AIが整理したデータに文脈を加える
AIは、数値や記録として入力された情報を整理できます。
しかし、部下が担当していた案件の難しさ、組織変更の影響、チーム内で果たした役割、本人の努力や成長過程まで、すべてを正確に理解できるとは限りません。
管理職は、AIが示した結果に、現場の状況や本人の背景を加えて解釈する必要があります。
AIが「事実を映す鏡」だとすれば、管理職は、その事実をどのように成長につなげるかを示す「地図」を描く役割を担います。
評価基準を自分の言葉で説明する
部下が納得できる評価を行うためには、評価結果だけでなく、判断基準を共有する必要があります。
管理職は次の点を説明できなければなりません。
・どの行動や成果を評価したのか
・何が期待水準に達していたのか
・どの部分に改善が必要なのか
・次の評価期間に何を期待しているのか
・AIをどの場面で利用したのか
判断基準が明確になることで、部下は評価を一方的な判定ではなく、次の行動を考えるための情報として受け止めやすくなります。
フィードバックからフィードフォワードへ
フィードバックは、過去の行動や結果を振り返るためのものです。
一方、フィードフォワードは、次にどのような行動を取るかを一緒に考えるためのものです。
AIは過去のデータを整理することには向いていますが、本人が今後どのような仕事に挑戦したいのか、何に不安を感じているのかまでは、対話をしなければ分かりません。
管理職はAIが整理した情報を出発点として、本人と将来の目標や行動計画を話し合う必要があります。
1on1の内容を人事評価に使う際の注意点
1on1では、業務上の課題だけでなく、本人の不安、家庭事情、体調、職場の人間関係など、個人的な内容が話される場合があります。
こうした情報を本人の理解や同意がないまま人事評価に反映すると、部下は本音を話さなくなります。
1on1の情報は、次の2種類に分けて管理する必要があります。
評価に使用できる情報
・合意した目標の達成状況
・業務上の具体的な行動
・スキルの向上
・本人が提出した成果
・第三者が確認できる客観的な事実
原則として評価に直結させない情報
・個人的な感情
・家庭や私生活の事情
・一時的な悩み
・業務上の不安や迷い
・体調やメンタル面に関する相談
評価に使用しない情報であっても、部下の支援や業務調整を考える材料になる場合はあります。
重要なのは、評価に反映する情報と、成長支援のために扱う情報を混同しないことです。
AIを活用した人事評価の実務フロー
1．利用目的を明確にする
最初に、AIを何のために使用するのかを決めます。
「評価を自動決定する」のではなく、資料整理、要約、評価漏れの確認、コメント案の作成など、補助的な目的に限定することが重要です。
2．入力してよい情報を決める
従業員の氏名、住所、健康情報、家庭事情、給与情報、顧客情報などを、一般向けの生成AIに安易に入力してはいけません。
利用するAI、入力可能な情報、入力禁止情報を社内ルールとして明文化します。
3．AIに評価案ではなく事実整理を依頼する
AIに「この従業員を評価してください」と依頼するのではなく、次のように事実整理を依頼します。
・目標と実績を分けて整理する
・評価期間中の主な成果を抽出する
・確認が必要な情報を示す
・評価コメントの根拠となる事実を一覧化する
AIに最終判断を委ねず、管理職が検討するための材料を作らせます。
4．管理職が事実確認とバイアス確認を行う
AIの出力について、次の点を確認します。
・事実と異なる内容がないか
・存在しない成果を作っていないか
・特定の属性や部署に偏っていないか
・直近の出来事だけが強調されていないか
・数値化できない貢献を見落としていないか
・評価基準と出力内容が一致しているか
5．本人との対話を通じて最終判断する
AIの出力だけで評価を確定せず、本人との面談で認識を確認します。
本人がどのように仕事を捉えているか、どこに課題を感じているか、次に何へ挑戦したいかを聞いたうえで、最終的な評価と育成方針を決定します。
6．利用記録を残す
AIを利用した業務、入力した情報の種類、確認者、最終判断者を記録します。
後から評価理由を確認できる状態を整えることで、説明責任と評価プロセスの透明性を高められます。
企業が整備すべきAI人事評価のルール
AIを人事評価に活用する場合は、少なくとも次の項目を社内ルールに含める必要があります。
1．AIは最終判断を行わない
2．最終判断者と責任者を明確にする
3．入力可能な情報と入力禁止情報を定める
4．本人の同意が必要な情報を定める
5．AIの利用目的を従業員に説明する
6．評価結果のバイアスを定期的に確認する
7．AIの出力を人間が検証する
8．評価理由を本人に説明できる状態にする
9．1on1の情報を評価に連携する基準を定める
10．利用記録と確認記録を残す
人間中心、安全性、公平性、プライバシー保護、透明性、説明責任を基本原則として運用することが重要です。
シャドーAIが人事評価にもたらすリスク
会社が正式に許可していない生成AIを、管理職が個人判断で人事評価に使用する状態を「シャドーAI」と呼びます。
たとえば、部下の氏名、評価データ、面談内容を一般向けの生成AIに入力すると、次のような問題につながる可能性があります。
・個人情報や機密情報の漏えい
・誤った評価根拠の生成
・著作権や知的財産権の問題
・プロンプトインジェクションなどのセキュリティリスク
・不適切な評価による企業への信頼低下
「便利だから使う」という個人判断に任せるのではなく、会社が利用可能なAIと利用条件を決める必要があります。
法制度への対応も必要になる
人事評価、採用、配置、退職勧奨などは、従業員の働き方や生活に大きな影響を与える領域です。
AIのスコアだけを根拠として不利益な判断を行うのではなく、使用したデータの妥当性、評価基準、計算結果を検証し、本人に説明できる状態を整える必要があります。
EUでは、雇用や労働者管理に使用される一部のAIを高リスク領域として扱う規制枠組みが整備されています。ただし、適用時期を含む実施計画には見直しも進んでいるため、海外拠点や海外の従業員に関係する企業は、運用開始時点の最新情報を確認する必要があります。
まとめ
生成AIは、人事評価に必要な資料の整理、面談記録の要約、評価コメントの下書きなどを効率化できます。
しかし、AIが算出したスコアやコメントを、そのまま人事評価として採用してはいけません。
生成AI時代の管理職に求められるのは、AIより多くの情報を処理する能力ではありません。
AIが整理した情報を批判的に確認し、現場の文脈を加え、評価基準を自分の言葉で説明し、部下の成長につながる対話を行う能力です。
AIは人を判定する上司ではなく、管理職の判断を支援するアシスタントです。
人事評価の効率化だけを目的にするのではなく、透明性、公平性、心理的安全性、説明責任を含めた運用体制を整えることが、生成AIを人材育成に生かす第一歩となります。
コメント