生成AIの潜在能力を人事評価に活かす方法
akinbostanci/Getty Images
サマリー：企業が人事評価の効率化に向けて生成AIを導入する中、多くの組織は単に文章を洗練させるために活用しており、評価の偏りや根拠不足を隠蔽するリスクが生じている。本来、AIは文章を洗練させるためではなく、評価対象者の実際の行動や意思決定の「直接的な証拠」を可視化するために使うべきである。本稿では、日常の業務ツールに組み込まれたAIを活用し、不適切な監視を防ぐガバナンスを構築しながら、実務に基づいた公正な人事評価を実現する方法について説明する。

生成AIを適切な形で人事評価に取り入れているか

　企業は、人事評価を効率化するために、急ピッチで生成AIシステムを導入している。シティグループの「パフォーマンス・アシスト」は、組織全体のデータをもとに評価案を作成する。JPモルガン・チェースの「LLMスイート」は、年度末の人事評価の執筆を支援する。ボストン コンサルティング グループ（BCG）の社内AIアシスタントは、人事評価の作成時間を40％短縮できると報じられている。こうしたシステムは目覚ましい能力を発揮しているが、ほとんどの組織は、伝統的な記述式評価をスピーディかつ洗練された形で作成するために使っているにすぎない。

　だが、洗練された文書が、信頼できる文書とは限らない。こうしたAIシステムは、マネジャーの文章をスムーズにすることにより、人事評価に付き物の矛盾や見落としを見えにくくし、あたかも一貫性や信頼性がありそうな人事評価を作成する。だが、このテクノロジーを使えば、もっとずっと価値あることができる。人事評価を「仕事に関するナラティブ」から、「実務（実際に何をし、決断し、影響を与えたか）に関する直接的な証拠」へと転換することだ。

生成AIが対処できる欠点

　人事評価の文章には、矛盾した評価や不十分な根拠といった問題が付き物だ。研究によると、同一の成果であっても、上司の個人的な人間関係や記憶の偏り、そして文章力によって、劇的に異なる書き方をされる。また、より客観的な評価をしようとなった時、組織が注目するのは、アウトプットや指標や正式な成果物といった最も測定しやすいものだった。

　こうしたアプローチは、卓越したパフォーマンスを定義する高次の貢献（失敗しつつあるイニシアティブを方向転換させる戦略的インサイトや、他者の成長を加速させるメンタリング、チームを前進させる対立の解決など）を見落としがちだ。このような能力はほとんど可視化されておらず、組織が測定できる要素と、実際に成功をもたらす要素の間に隔たりを生み出している。しかし、生成AIを活用すればこのような貢献も可視化できる。本稿では、その方法について説明しよう。ほとんどの組織はこの機会を見逃し、AIを誤った方向に活用している。

間違ったアプローチ

　人事評価の負担を軽減するため、多くの企業がAIを使って人事評価の草案を作成している。一見したところ、これは進歩のように思われるが、現実には、その背後にある問題を増幅するおそれがある。AIによって作成された文書は、一貫して流暢で自信に満ちたトーンでまとまっていることが多い。かつて慎重な評価には、ありきたりな称賛ではなく、さまざまなトーンが入り混じっていたが、いまは説得力はあるが標準的な言葉が並んでいる。

　この均質化が影響をもたらすのは、内容ではなく、あくまでも表現方法の面にすぎない。マネジャーは、依然として不完全な考察や主観的な印象に基づき評価を下している。AIは、すべての文章を同じくらい説得力のあるものにしているにすぎない。その結果、実際よりも信頼できそうな人事評価が作成されて、情報が不足していることは察知しにくくなっている。

よりよい方法

　AIは、マネジャーが部下のパフォーマンスについて、より説得力のあるストーリーを書くのを助けるのではなく、仕事ぶりの実例を掘り起こし、検証する助けになれる。弱い証拠を強く見せるテクノロジーを、強い証拠を見つけることに使うのだ。

　この変更は、実務面ではどのような形を取るのか。たとえば、従業員の「戦略的思考」について、より説得力のある段落を書くようAIアシスタントに指示するのではなく、その戦略的思考を可視化する意思決定メモや、プロジェクトの方向転換、部門横断的なメールをAIに抽出させる。すると人事評価は、評価的な文章ではなく、一次資料に基づき行われるようになる。マネジャーや昇進委員会は、証拠（すなわち判断の基礎となり、影響が明示され、結果のもとになった根拠文書）を検証する。

「戦略的リーダーシップを発揮している」と書くのではなく、誤った前提が明らかになったため、修正された具体的なメモを示す。「曖昧な状況を切り抜ける」と書くのではなく、失敗したイニシアティブを立て直した事後分析を探す。「並外れた組織横断的な影響力を示している」ではなく、地域再編を牽引した指示書を探す。

　行動評価は大規模に実践できる。AIのおかげで、関連証拠を収集・分析するコストは劇的に低下した。AIシステムは、従業員の交流パターンを分析して、従来の指標では完全に見落とされていた高次の能力の証拠を見つけ出せる。コミュニケーションネットワークを調べて、他者の問題解決をいつも手助けしている従業員を特定したり、プロジェクト会議における意思決定パターンを分析して戦略的思考を見出したり、メールのスレッドや会議の議事録から影響力の流れをマッピングし、実際にリーダーシップが発揮されている場面を明らかにできる。

　こうしたシフトは、もはや机上の空論ではない。すでに進行中のAI導入と並行して、あるトレンドが静かに根づきつつある。証拠に基づく評価を試す組織が増えているのだ。営業組織は昔から、CRM（顧客関係管理）ダッシュボードから直接得たパイプラインデータ（ノルマ達成率、成約率、案件の進行速度、活動量など）に基づき営業担当者を評価してきた。アマゾン・ドットコムは評価プロセス「フォルテ」を再構築して、従業員に自己評価の根拠となる3～5個の具体的な成果（完了させたプロジェクトや、達成した目標、立ち上げたイニシアティブ、プロセス改善など）を提出することを義務づけた。

　このような取り組みは進歩を示すが、依然として最も測定しやすい要素の制約を受けている。指標はアウトプットを明らかにするが、結果に影響を与える深い貢献（アーキテクチャ的な先見性、メンタリング、コラボレーション的リーダーシップ）を把握することはできない。このギャップをいま、AIが埋め始めた。