経団連が4月14日に公表した「HR部門におけるAI等の活用に関する報告書」によれば、AIを含むアルゴリズム管理ツールの導入割合は、米国90％、EU79％に対し、日本は40％にとどまる。特に評価領域では日米差が大きく、報告書はその背景として、米国ではジョブ型雇用を前提に評価基準が比較的明確であり、長年の運用を通じてAI活用に必要なデータが蓄積されている点を指摘している。日本では人事部門でのAI活用自体は進みつつあるものの、人事評価や報酬での活用はなお少数である。
ただし、理由はそれだけではない。第一に、米国ではHRテック市場が早くから発達し、採用管理、目標管理、評価、報酬、学習管理などがクラウドシステム上で一体的に運用されてきた。つまり、AIを導入する以前から、人事データがデジタル化され、システム間で連携しやすい状態にあった。日本企業では、評価シートがExcelや紙で残っていたり、評価コメントが部門ごとにばらついたりすることも多い。AI以前に、評価情報が分析可能な形で整っていないケースが少なくない。
第二に、米国企業では人材マネジメントを事業成果に直結する経営機能として扱う傾向が強い。評価は単なる査定ではなく、昇進、報酬、配置、リテンション、後継者計画と連動する。したがって、評価データを分析し、よりよい意思決定に使うことへの投資意欲が高い。一方、日本企業では評価が賃金改定や賞与決定の事務処理に寄りがちで、評価結果を人材ポートフォリオや育成施策に活用する発想が十分に定着していない場合がある。
第三に、評価に対する文化的な違いもある。米国企業では、成果、職務、コンピテンシーを明示し、それに基づいてフィードバックする仕組みが比較的受け入れられやすい。一方、日本企業では、職場への貢献、協調性、将来期待、上司の総合判断など、明文化しにくい要素が評価に入りやすい。これらは決して無意味ではないが、AIに学習させるには定義が曖昧で、評価者による解釈差も大きくなりやすい。
第四に、AI活用へのリスク感度の違いもある。日本企業では、AIが人事評価に関与すること自体に、社員が強い不安を抱く可能性がある。自分の処遇が機械的に決められるのではないか、過去の不公平な評価がそのまま再生産されるのではないか、どのデータを見られているのか分からない、といった懸念である。経団連報告書も、人事領域ではプライバシー、セキュリティ、バイアス、透明性への対応が重要であり、特に評価や予測にAIを用いる場合には不当な扱いや権力行使と受け取られる可能性があると指摘している。
以上を踏まえると、日本企業が評価にAIを活用する際の課題は、大きく三つに整理できる。
一つ目は、評価基準の再設計である。AIを入れれば評価が客観化するわけではない。曖昧な基準、不統一な評価コメント、評価者ごとの甘辛をそのまま学習させれば、AIは不公正を効率的に再現するだけである。まずは等級ごとの期待役割、評価項目、行動例、成果基準を整理し、評価者が同じ物差しで判断できる状態をつくる必要がある。
二つ目は、データ整備である。評価点だけでなく、目標、実績、面談記録、フィードバック、異動歴、研修履歴などを、活用目的に応じて蓄積する必要がある。ただし、集めればよいという話ではない。利用目的、保存期間、アクセス権限、本人への説明を明確にし、要配慮情報や私的領域に過度に踏み込まない設計が欠かせない。
三つ目は、人間による最終判断と説明責任である。AIは評価者の代替ではなく、判断を補助する道具として位置づけるべきである。AIが示した傾向や注意点を参考にしつつ、最終的な評価理由は上司や会社が説明できなければならない。報告書も、採用・評価・配置など影響の大きい判断では、AIの結果のみで不利益な処遇を決定しないこと、評価観点や参照データの概要を説明可能な形で整理することを求めている。
日本企業にとって評価AIの導入は、単なる効率化策ではない。むしろ、自社の評価制度がどこまで明確で、公正で、説明可能かを問い直す機会である。AIを入れる前に、人間による評価の曖昧さをどこまで減らせるか。ここを避けて通る限り、AI活用は進まない。逆に、評価基準、データ、運用ルールを丁寧に整えれば、AIは評価者の負担を軽減し、評価のばらつきを抑え、より納得感のある人材マネジメントを支える有効な道具になり得る。
