人事のAI活用を阻む根本的な課題とは
冨永氏は、これらの課題の根本に「人事データの分断」があると説明。人事データがさまざまなシステムに散らばって蓄積されていることこそが、AI導入の最大の課題だと指摘した。
多くの企業では、勤怠管理システムや給与システム、タレントマネジメントやエンゲージメントサーベイのツールなど、多数の人事関連システムが導入されている。「勤怠のデータと評価のデータを組み合わせてAIに学習させたい」といった場合に、システムがバラバラだとデータの収集に苦労することになる。
また、分断された一部のデータだけを読み込ませると、AIが間違った答えを返すリスクもある。AIは「分からない」とは答えないため、もっともらしい誤答を出してしまうのだ。
たとえば、AIが過去の人事評価とスキル情報だけをもとに優秀な人材と判断し、「昇格候補」として挙げた人材が、実は最近の1on1や勤怠データを見ると、モチベーションが低く体調も優れない、という事実が隠れている場合だ。
冨永氏は、「AIのツール自体の性能はどれも大きな差はなく、同じように進化していく。それよりも自社のデータが整備されているかどうかのほうが、AIの品質を大きく左右するポイント」だと強調する。
人事×AI成功の鍵！データ基盤の3条件とは
では、人事のAI活用の基盤となるデータは、どのように整えればよいのか。冨永氏は、3つの条件が必要だと説明した。
1つ目は、ID統合。社員番号などで個人に紐づく情報が1つのIDで管理されていることが重要だ。もちろん、姓名の表記も間違いや揺れがないように統一されていなければならない。
2つ目に、時系列の網羅性。現時点で「この人は課長だ」と把握できていても、それが過去にさかのぼっていくと曖昧になることが多々ある。従業員が、どの時点でどういった役職で、どんな仕事をしていたのか、時系列で追えることがポイントだ。それに対応して人事評価や労務、勤怠の履歴も管理されている必要がある。
3つ目に標準化。データを共通言語にする、つまり、単位やフォーマットの異なるデータを1つの基準に統一することで、AIが迷わずに解釈する形に整えるのだ。
「これらを実現することで、人事データベースが意思決定インフラになっていく」と冨永氏は強調する。
というのも、AIは大量のデータを分析して新しい示唆を出すことが得意だ。評価や勤怠のデータから次世代の優秀な人材を導き出すなど、高度なアナリティクスを実現できる。これは、先述の経営者が期待する効果、人的資本の価値最大化につながる。
さらにもう1つAIが得意なこととして、対話をしながら物事を進めること（自動化）がある。たとえば、従業員が引っ越しをしたときに人事が介在しなくても、AIボットに話しかけるだけで申請の手続きを進められるといった活用につながる。これはまさに人事担当者がAI導入で実現したい、業務工数の削減・効率化の部分だ。
ただし、AIがこうした真価を発揮するためには、すべての人事データが統合・整備されていることが大前提となる。
