人事の配属は、評価や経歴、本人の希望など、たくさんの情報を見比べて決める仕事です。人の判断を中心に置いたまま、システムとAIでその負担を軽くした事例です。
事例の概要
- 業種
- 製造業(自動車部品)
- 利用する人
- 社員の配属を取りまとめる部署の担当者
- 対象
- 約2,000名の社員
- 担当したレイヤー
- 業務設計・DXコンサルティング、業務システム・アプリ開発、生成AI・AIエージェントの業務組み込み
なぜ、配属を検討するシステムが必要だったのか?
約2,000名の社員について、人事考課や面談の記録、経歴など7種類の情報が複数年分あり、それを人の頭だけで見比べるのは大きな負担でした。情報も表計算ソフトや既存のシステムに分かれていました。
- 約2,000名×7種類×複数年分の情報を、人の頭で扱うのは負担が大きかった
- 情報が、表計算ソフトや既存のシステムに分かれていた
- これまでとは違う視点で、配属を考える手がかりがほしかった
どんな仕組みをつくったのか?
社員の情報を一か所にまとめ、目的に合わせて候補を探せる機能をそろえました。候補の順位づけは計算式で行い、同じ条件なら必ず同じ結果が出るようにしています。
- 新卒の配属:研修の評価や希望をもとに、配属案をシミュレーションで組み立てる
- ポジション検索:部署ごとに求める人物像を19の基準で表し、重みを変えながら合う人を探す
- 交換の検討:異動する人と釣り合う人を、経歴の近さや基準の重なりから順位づけする
- 社員の検索:「リーダーシップがある人」のような、意味の近い言葉でも探せる
- 組織のまとめ:年齢構成や勤続年数の分布を見る
AIは、どこに使ったのか?
AIの役割を「データの下読み」「あいまいな指示の言い換え」「配属案の理由の言語化」の3つに絞りました。候補を選んだり、配属を決めたりするのはAIではありません。
AIに配属を選ばせると、学習の偏りや、「AIが言うなら」という思い込みが入りやすくなります。人事の領域は、海外では規制の対象にもなっている繊細な分野です。そのため、議論の相手はAIではなくシステムにし、判断の責任は人が持つ設計にしました。
データはお客様の環境の中だけに置き、AIもお客様が契約しているクラウドのサービスを使っています。AIには氏名や年齢、性別、学歴などの個人情報を送らず、社員は内部の番号で見分けています。
- 評価の記録を読み、19の基準に当てはまる記述があるかを、あらかじめ台帳にまとめる
- 「もっと年齢層を上げたい」のような指示を、システムが扱える条件に言い換える
- 人が組み立てた配属案について、なぜよいのかを文章にまとめる
どのように進めたのか?
配属の進め方の整理
配属を取りまとめる部署の方々に、いまの進め方と、部署ごとに求められる能力や姿勢をうかがいました。
基準と計算式の設計
うかがった内容から、求める人物像を19の基準にまとめ、階層ごとの重みと、候補の順位づけの計算式を決めました。
システムの開発と説明
新卒の配属、ポジション検索、交換の検討などの機能をつくり、操作のしかたと考え方を説明する場を設けました。
導入して、何が変わったのか?
分かれていた社員の情報を一か所で見られるようになり、配属の候補をシステムで絞り込めるようになりました。人が組み立てた配属案は、AIが理由を文章にまとめるので、ほかの方への説明にも使えます。
