AI × 人事評価：導入のメリットと活用方法

優れたパフォーマンスとは、成果物の質でしょうか？納品スピードでしょうか？AIツールの熟練度でしょうか？エンジニアに指示を出す能力でしょうか？AIが思考の大部分を代行するようになった今、その成果のどれほどが「本人の実力」と言えるのでしょうか。そして、一部のCEOが示唆しているように、トークンの使用量がパフォーマンス指標になりつつあるのでしょうか？AIをどれだけ効率的に使っているかで評価されるのか、それともAIで何を生み出したかを評価されるのでしょうか？

その上、業績評価は1つのシステムに、スキルデータは別のシステムに、エンゲージメント指標はさらに別のシステムにと、タレントデータが分散しているのが現状です。誰が実際に成果を上げているのか、誰が苦戦しているのか、真のスキルギャップはどこにあるのか、全体像を把握することはできません。そのため、不完全な情報に基づいて人材戦略を練るしかありません。

その結果、従業員は不明瞭な指標に不安を感じ、リーダーは断片的なデータに基づいて意思決定を下すことになります。AIファーストの世界において「パフォーマンス」が実際に何を意味するのか、誰にもわからなくなっています。

AIファーストの組織は、 AIが引き起こした問題をAI自身で解決しようとする、いわば「毒をもって毒を制す」発想に傾くかもしれません。 それは良い考えですが、まずは現代的な人事評価へのアプローチを正しく理解することが重要です。AIの活用法を明確化することや、適切なインフラストラクチャを整備することで、AIに関わる問題に対処していく必要があります。

この記事では、 AIファーストの時代における最新のパフォーマンス管理のための重要なポイントを詳しく解説します。

AI人事評価に対する誤解

混乱が生じると、その隙間を埋めるように誤った情報が広まります。ここでは、チームの成長を阻害する最大の誤った情報をご紹介します。

誤解その1：「AIがあるので、もうマネージャーはいらない」

よくニュースの見出しを飾る見慣れた話題ですが、この懸念は現実になっています。AIが業績データを分析し、スキルギャップを特定し、次に誰が退職するかを予測できるとしたら、マネージャーは一体何をすればいいのでしょう？

現実を言えば、マネージャーという存在はなくなるわけではありません。変わるのは、マネージャーが行う業務の内容です。かつては多くの時間を費やしていた進捗管理、スケジュール調整、報告業務といったタスクをAIが担うようになるにつれ、マネージャーに求められるスキルは、より人間ならではのものへと変化していきます。具体的には、コーチング、的確なフィードバック、困難な対話への対応、チームの力学を読み取って適切に対処すること、そしてデータが重要な示唆を与えているのか、それとも単なるノイズに過ぎないのかを見極めることなどが挙げられます。

Freeleticsがリーダーシップ育成のためにDeel HRのEngageモジュールを導入したところ、リーダー全員が「自身の成長を後押しされている」と実感したと回答しました。しかし、その支援はAIによるものだけではありませんでした。このプラットフォームのおかげで、マネージャーがレポート作成などの業務から解放され、実際にリーダーをコーチングする時間を確保できたことが、その支援につながったのです。

マネージャーという役割は消滅したわけではなく、進化を遂げたのです。

誤解その2：「AIツールがあれば、パフォーマンスを正しく評価できるようになる」

これは企業が陥りがちな落とし穴です。AIを組み込んだ新しいパフォーマンス管理プラットフォームを導入すれば、パフォーマンスの意味を明確にしてくれると期待するのですが、不安が増すばかりで混乱してしまうのです。

データもこれを裏付けています。SHRM（米国人事管理協会）によると、人事部門の57％は個々の業務量を効果的に管理する人員が不足しており、重複する業務が増えるほど状況は悪化します。ボトルネックはツールそのものではありません。そのツールの使い方に関する明確な指針とインフラの不整備が問題なのです。

世界で最も高度なAI人事評価プラットフォームを導入したとしても、マネージャーがその分析結果を解釈するためのトレーニングを受けていなかったり、AIを活用した優れたパフォーマンスとはどのようなものかという文化的な定義がなかったり、従業員が何に基づいて評価されているのかを理解していなければ、そのツールは混乱を増幅させるだけです。

誤解その3：「人事評価は今やほとんど自動化され、客観的になった」

AIは大規模なパターン分析が可能です。危機に陥る前にエンゲージメントの低下を察知し、これまで気づかなかったスキルギャップを明らかにすることができます。そして、データに基づいているため、客観的な印象を与えます。

しかし、AIにはできないことがあります。「なぜそうなのか」を教えてくれないことです。なぜ従業員のエンゲージメントが低下しているのでしょうか？仕事内容が原因でしょうか？上司の問題でしょうか？個人的な事情でしょうか？それとも、本人が不安を感じているスキル不足でしょうか？データは傾向を示すだけで、原因を説明するものではありません。そして、原因が分からなければ、問題を解決することはできないのです。

そこで人間の判断力が重要になってくるのです。マネージャーは、チームメンバーのパフォーマンスの変化に関するインサイトを読み解き、その上で本人と対話します。AIが兆候を察知することはできますが、それらの情報を結びつけ、次にどうすべきかを判断するのは人事の専門家なのです。

誤解その4：「断片化されたシステム全体にわたって人材戦略を構築できる」

業績データは一つのシステムに、スキルデータは別のシステムに、学習と能力開発データはさらに別のシステムに、そしてエンゲージメント指標はまた別のシステムにと、データが散在しています。そのような状況で、従業員がどのような人物で、どのように成長しているのかという、一貫性のある全体像を組み立てようとしているわけです。

しかしそれではうまくいきません。データが断片的だと、意思決定も断片的になります。従業員のライフサイクル全体を通してパターンを把握することはできません。パフォーマンスの問題とスキル不足、そして学習機会を関連付けることもできません。これでは、不完全な情報に基づいて賭けごとをしているようなものです。

PostHogは、断片化されたEORツールとHRISツールを単一のプラットフォームに統合することで、毎月160時間もの時間を節約しました。さらに重要なのは、年間5万ドル以上のコスト削減を実現できたことです。しかし、真の成果は時間やお金の節約だけではありませんでした。それは、可視性の向上でした。突然、従業員を一つのまとまったシステムとして捉えることができるようになったのです。これまで見えなかった点と点をつなぎ合わせることができ、場当たり的な戦略ではなく、真に体系的な人材戦略を構築することが可能になりました。

データが統合されている場合、AIは全体像を把握できます。しかし、データが断片化されている場合、AIは断片的な洞察しか提供しません。

AI人事評価に共通の課題

AIがもたらすスピードと生産性の向上に対する期待の高まりから、多くのリーダーは導入の推進に注力してきました。進捗管理やROI、パフォーマンス管理といったことは、ひとまず状況が落ち着いてからでよいと考えていたのです。もしあなたの会社がこれまでAIの導入を推進してきたのに、今になってそれを次回のパフォーマンス評価にどう反映させるべきか模索しているのだとしたら、そうした状況にあるのはあなただけではありません。

私たちはこの状況に特化したガイドを作成しました。「AI時代におけるハイパフォーマンスチームの構築方法」というタイトルで、AIに関する誤解を詳細に解き明かし、AIがワークフローの一部となった場合のパフォーマンスの定義方法を示し、実際に効果のある人材管理システムを構築するための具体的なフレームワークを提供します。

このガイドでは、AIがパフォーマンスに対する期待をどのように変えるか、大きな効果を生む力は何か（マネジメントレイヤーのこと）、そしてAIが混乱を招くのではなく実際に役立つようにシステムを統合するにはどうすればよいか、という3つの重要な領域を取り上げています。

AIが役立つシステム統合のための3つのポイント

誤解は誤解であると受け入れれば、進むべき道はより明確になります。

まず、測定対象を明確に定義しましょう。

抽象的な「パフォーマンス」ではなく、具体的に定義してください。AIファーストの世界において、優れたパフォーマンスとは具体的にどのようなものなのでしょうか？作業のうち、実行と思考の割合はどのくらいでしょうか？AIツールを使いこなす能力をどのように評価するのでしょうか？優れた成果物と、AIを効果的に活用することでより速く成果物が得られた場合との違いは何でしょうか？これらの点を明確に定義し、透明性を確保するために広く共有しましょう。

第2に、マネジメントレイヤーを構築しましょう。

ここにこそ大きな効果を生む力があります。マネージャーは組織戦略と個々のパフォーマンスを結びつける存在です。マネージャーがコーチング、具体的なフィードバックの提供、難しい会話の明確な進め方、チームのダイナミクスの把握といったスキルを身につければ、他のあらゆる要素も自然と好転していきます。スタートアップや中小企業のマネージャーの多くは、こうした領域について体系的な育成を受けていません。彼らはリーダーシップの訓練を受けたからではなく、仕事ができたから昇進したのです。体系的な育成プログラム、より効果的な1対1のフレームワーク、そして意図的なフィードバック文化を通じて、こうした能力を構築することは、AIを活用した環境において人事リーダーができる最も効果的な施策の一つです。

第3に、システムを統合しましょう。

プラットフォームが1つになれば、データモデルも1つになります。つまり、人材に関する信頼できる唯一の情報源となるのです。すべての人材データが1か所に集約されれば、AIは全体像を把握し、パフォーマンス、エンゲージメント、能力開発、報酬といった要素を結びつけることができます。データが分散している状態では見落としてしまうようなパターンを浮き彫りにすることが可能になるのです。統合は単なる効率化のためだけではありません。AIが真に機能するようにするためにも、システム統合は重要なのです。

Engage：AIファーストの時代における最新のパフォーマンス管理

以上のような理由で、当社はDeel Engageを構築しました。

多くの人事チームは、組織文化の醸成ではなく、プロセス管理に時間を費やしています。Engageは、現在四半期ごとに何週間も手作業を要している管理業務を自動化します。人事評価のサイクル、アンケート、研修コンテンツを数日ではなく数分で生成します。また、モジュール全体にわたるパフォーマンス関連のアクションを自動的に実行します。リマインダーのスケジュール設定やサイクルの進捗管理といった定型的な管理タスクを処理します。フィードバックパターンを統合することで、膨大なコメントに埋もれることなく、実際に何が起こっているのかを把握できます。

Engageは、問題が深刻化する前に、エンゲージメント、スキル不足、パフォーマンスの落ち込みに関するリアルタイムの洞察を提供します。パフォーマンスに関するあらゆる対話に対して次のアクションを推奨するため、マネージャーは適切なガイダンスを得ることができます。1対1のミーティングを文字起こしして要約し、対話の内容が消えてしまうことなく、パフォーマンスデータとして直接活用できます。四半期ごとのレビューまで見過ごされがちなスキル不足やエンゲージメントの傾向を特定します。

高いパフォーマンスを発揮するチームを構築する

Engageは、AI時代における高パフォーマンスを発揮するチームの構築方法として、パフォーマンスの定義、マネジメント層への投資、人材戦略の統合に関する詳細な実践方法を含む、完全なフレームワークを提供します。

Deel HRの詳細をご覧いただくか、30分間の無料デモで、Deelのサービスがどのようにパフォーマンス、学習、開発に関するデータを1つのプラットフォームで統合し、断片的な指標の集合体ではなく、一貫性のあるシステムとして人材を捉えるのかをご確認ください。