企業の人事領域でも、生成AIの活用が現実的な選択肢になりつつあります。
目標管理シートの要約、評価コメントの下書き、1on1記録の整理、過去の実績データの確認など、これまで評価者が多くの時間をかけていた作業をAIが支援できるようになったためです。
しかし、人事評価は一般的な文書作成とは性質が異なります。
評価結果は、社員の処遇、昇進、配置、育成、キャリア形成などに影響します。そのため、「生成AIを使える」というだけでは十分ではありません。
重要なのは、AIがどのような仕組みで回答を生成しているのかを理解し、出力に含まれる誤りや偏りを見抜き、最終的な判断を人間が担える評価者を育てることです。
評価者向けAI研修は、生成AIの操作方法を学ぶ研修ではありません。
AIを利用しながらも、人間として評価に責任を持つためのリテラシーを身につける研修として設計する必要があります。
AI導入で人事評価の仕事はどう変わるのか
従来の人事評価では、評価者自身がさまざまな情報を集め、記憶をたどり、文章を作成する作業に多くの時間を費やしてきました。
生成AIを活用すると、こうした作業の一部を効率化できます。
たとえば、日報や業務記録を整理して実績を要約したり、1on1の記録から重要なポイントを抽出したり、評価コメントのドラフトを作成したりすることが可能になります。
一方で、AIが作成した文章が自然だからといって、その内容が正しいとは限りません。
ここに、AI時代の評価者に求められる役割の変化があります。
評価者自身がゼロから文章を書く能力だけではなく、
「AIが作った内容は事実に基づいているか」
「評価基準と整合しているか」
「特定の社員に不利な偏りがないか」
「本人にどのように伝えるべきか」
といった観点から、AIの出力を検証する能力が重要になります。
つまり、評価者の役割は「Writer（書く人）」から、「Auditor & Communicator（検証し、伝える人）」へ広がっていくと考えることができます。
AI導入の目的を、評価コメントを書く時間の短縮だけに置いてしまうと、この本質的な変化を見落としてしまいます。
人事評価で注意すべき3つのAIリスク
人事評価で生成AIを利用する場合、特に理解しておきたいリスクがあります。
情報漏えいとプライバシー
人事情報には、氏名、職歴、給与、評価履歴、業務実績など、取り扱いに注意が必要な情報が含まれます。
これらを外部の生成AIサービスへそのまま入力すると、利用するサービスや契約形態、設定によっては情報管理上の問題が生じる可能性があります。
そのため評価者は、「どの生成AIに何を入力してよいのか」を理解していなければなりません。
会社側も、単に「個人情報を入れないでください」と伝えるだけでなく、利用可能なAI、入力禁止情報、匿名化・マスキング方法などを具体的にルール化する必要があります。
ハルシネーションによる事実誤認
生成AIは、確率的に文章を生成する技術です。
そのため、もっともらしい文章を作成していても、事実とは異なる情報が混入する可能性があります。
人事評価では、この問題を特に軽視できません。
存在しない実績を補完したり、実際には確認されていない行動を推測したりすれば、それが評価コメントに反映される危険があります。
AIが作成した評価文章を、そのまま確定してはいけません。
評価者自身が一次情報に戻り、事実確認するプロセスを設ける必要があります。
バイアスによる公平性の低下
AIは完全に中立な存在ではありません。
学習したデータや入力された情報に偏りがあれば、その影響が出力にも現れる可能性があります。
特定の属性や過去の評価傾向と業績などが不適切に関連付けられれば、評価の公平性を損なうおそれがあります。
さらに注意したいのが、人間側の「オートメーション・バイアス」です。
AIが出した回答だから正しいだろうと考え、人間自身の検証を弱めてしまう現象です。
AIの偏りだけでなく、「人間がAIを過信すること」も研修で扱う必要があります。
評価者向けAIリテラシー研修に必要な5つのテーマ
添付資料では、評価者向けAIリテラシー研修を大きく5つのモジュールに整理しています。
1．AIの仕組みと人事DXを理解する
最初に必要なのは、生成AIを過大評価しないための基礎理解です。
LLMは、人間のように事実を理解して回答しているわけではありません。与えられた文脈をもとに、次に続く可能性の高い言葉を予測して文章を生成します。
この仕組みを理解すれば、「AIだから正しい」という思い込みを避けやすくなります。
同時に重要なのが、AIをどこに使うのかという業務設計です。
すべての評価業務をAIに任せるのではなく、記録整理、要約、ドラフト作成などAIが得意な領域と、最終判断、本人との対話、育成方針の決定など人間が担う領域を整理します。
2．AIコンプライアンスと情報セキュリティを学ぶ
評価者が生成AIを使う場合、情報管理ルールの理解は必須です。
特に実務的なのは、架空の評価コメントなどを使ったマスキング演習です。
氏名や取引先、特定可能な実績などをどのように置き換えれば、安全にAIへ入力できるのかを実際に体験します。
さらに、法令や自社のガイドラインだけでなく、「AIをどのように使って評価したのかを説明できること」も重要です。
評価の透明性と説明責任まで含めて教育する必要があります。
3．バイアスを発見し、公平性を守る
評価者研修では、AIのバイアスについて座学だけで理解するより、具体的なケースで検証する方法が有効です。
たとえば、同じ実績でも属性に関する情報を変えることで、AIの評価結果や表現が変化しないかを確認します。
また、AIが作成した評価文章に対して、
「この表現は事実に基づいているか」
「評価に不要な属性が影響していないか」
「別の立場から見ても同じ評価になるか」
と問い直す訓練も有効です。
評価者自身がAIを監査する「Auditor」の視点を持つことが重要になります。
4．評価業務のためのプロンプト設計を学ぶ
人事評価でAIを安全に使うには、単に「この社員を評価してください」と依頼する方法では不十分です。
自社の評価理念、評価項目、評価基準などを明確にした上で、AIへ適切な指示を与える必要があります。
たとえば、AIに役割を設定し、評価基準を明示し、入力する事実と出力条件を分けるといった方法です。
さらに重要なのが、「分からない場合は推測しない」と指示することです。
評価に使われるAIには、文章のうまさ以上に、事実と推測を明確に分ける設計が求められます。
5．最後は人間がフィードバックする
生成AIによって質の高い評価コメントが作成できたとしても、人事評価はそこで終了しません。
評価結果を本人へ伝え、対話を行い、次の成長につなげることが評価者の重要な役割だからです。
AIが整理した情報は、一つの客観的な視点として活用できます。
しかし、本人の状況や背景を理解し、どのような言葉で伝えるのかを判断するのは人間です。
さらに評価結果を、「良かった・悪かった」という判定だけで終わらせず、次の教育機会や配置、業務アサイン、育成計画につなげることが重要です。
「Human in the Loop」を評価制度の基本原則にする
AIを人事評価へ導入する際、最も重要な考え方の一つが「Human in the Loop」です。
これは、AIだけで判断を完結させず、必ず人間が確認・判断する仕組みを組み込む考え方です。
人事評価では特に重要です。
AIが評価コメントの案を作ることはできても、最終的な評価責任までAIに移すべきではありません。
評価者はAIの回答を確認し、事実と照合し、公平性を確認した上で、自らの判断として評価を確定する必要があります。
AI活用が高度になるほど、人間の役割が小さくなるとは限りません。
むしろ、「どこまでAIへ任せ、どこから人間が判断するのか」を明確にすることが重要になります。
評価者研修は一度実施して終わりではない
生成AIは短期間で機能や利用環境が変化します。
そのため、評価者研修を一度実施し、それでAIリテラシー教育を完了させる方法には限界があります。
研修を組織へ定着させるには、段階的な導入が現実的です。
まず、評価者のAI利用経験や現在の課題を確認します。
次に、一部の部署や評価者を対象に試験的な研修と運用を行い、どのような問題が発生するのかを確認します。
プロンプトが実務で使えるか、AIの誤回答がどの程度発生するか、評価者がAIを過信していないかといった点を検証します。
その結果をもとに社内ガイドラインや研修内容を改善し、対象を広げていきます。
資料でも、「事前分析とカリキュラムの最適化」「パイロット部署でのスモールスタート」「継続的なガイドライン更新」という段階的な実装が示されています。
AI時代には「評価できる人」の能力そのものが変わる
これまでの評価者研修では、評価基準の理解、面談方法、フィードバック方法などが中心でした。
これからはそこに、AIの出力を疑い、確認し、正しく利用する能力が加わります。
重要なのは、AIに評価させる能力ではありません。
AIが整理した情報を踏まえながらも、
事実を見る。
文脈を見る。
本人を見る。
そして、自分の言葉で説明する。
こうした能力が、AI時代の評価者にはより重要になるでしょう。
AIによって評価者が不要になるのではなく、単純な情報整理や文章作成から解放されることで、人間にしかできない判断や対話へ集中できる可能性があります。
まとめ
人事評価への生成AI導入では、「どのAIツールを導入するか」だけを考えても十分ではありません。
情報漏えい、ハルシネーション、バイアスなどのリスクを理解し、AIの出力を人間が検証できる体制を作る必要があります。
そのための評価者向けAIリテラシー研修では、AIの仕組み、情報セキュリティ、公平性、プロンプト設計、人間中心のフィードバックという5つの領域を一体として学ぶことが重要です。
そして最終的な判断と説明責任を人間が担う「Human in the Loop」を、研修だけでなく評価制度そのものに組み込むことが求められます。
生成AIの導入によって、人事評価の目的が変わるわけではありません。
むしろ、AIに任せられる作業が増えるからこそ、「社員の成長をどのように見つけ、どのように伝え、次の育成につなげるのか」という評価者本来の役割が、これまで以上に重要になっていくと考えられます。
コメント