AI×人事の現在地
人事部門はAI活用の最前線の一つになっている。採用から評価、研修、離職予測まで、従来は熟練の人事担当者の経験と勘に頼っていた業務に、AIが入り込んでいる。
2026年現在、大企業を中心にAI人事ツールの導入が進んでいるが、「どこまで任せるか」の線引きは各社で異なり、まだ試行錯誤の段階だ。人事領域のAI活用には、効率化というメリットとバイアス・プライバシーというリスクが表裏一体で存在する。
採用——AIは何を担えるか
書類選考の補助
履歴書・職務経歴書のスクリーニングにAIを使うケースが増えている。求める要件との適合度をスコアリングし、担当者が優先的に確認すべき候補者を絞り込む用途だ。
ただし採用AIのバイアス問題は無視できない。Amazonが社内で構築した採用AIが、女性の応募者を不当に低評価していた事例（2018年に明らかになり廃棄）は有名だが、類似の問題はその後も繰り返し報告されている。学習データに過去の採用実績を使う場合、そこにある組織の偏りがAIにそのまま学習されるリスクがある。
面接補助と会話ログ分析
面接をビデオ録画してAIが文字起こしと要約を行い、面接担当者の評価メモを整理する用途は実用化が進んでいる。複数面接官の評価を統合・比較する際の補助としては有効だ。
一方で、表情分析や声のトーン分析から「採用すべき人物か」を判断するAIツールは批判的な目で見る必要がある。そのような判断の根拠となる研究は科学的に疑問視されており、EUのAI Actでは高リスクAIに分類されている。
採用コピーとJD（求人票）作成
ChatGPTやClaudeを使った求人票の下書きは、人事担当者の間でかなり普及している。ドラフトを作ってもらい、人間が内容を確認・修正するというワークフローは現実的な活用法だ。無意識のバイアスが入った表現（「アグレッシブな」「優秀な男性エンジニア」など）をAIが指摘してくれる機能も一部ツールに搭載されている。
人事評価——AIサポートの可能性と限界
評価フォームの分析と集計
360度フィードバックや目標管理シートをAIが要約・分類する用途は省力化効果が高い。定量データの集計はAIが得意な領域で、評価担当者の作業時間を大幅に減らせる。
評価の公平性チェック
過去の評価データをAIに分析させ、部署・性別・年齢などの属性による評価差異を可視化する用途がある。「管理職の評価が特定の属性に偏っていないか」を客観的に確認するためのデータ提供としては有効だ。
AIによる直接評価は避けるべき
AIが社員の評価そのものを行い、昇給・昇格を決定する用途は現時点では問題が大きい。評価の根拠が「AIがそう判断した」では、社員に対する説明責任が果たせない。また評価に使ったモデルに問題があった場合の法的リスクも高い。EU AI Actでは採用・評価・解雇に影響するAIシステムを高リスクに分類しており、その規定は今後日本を含むグローバル基準に影響を与えていく見込みだ。
研修——AIが変える学習体験
コンテンツ生成の自動化
社内研修のスライド・テキスト・クイズをAIで生成するケースは増えている。新入社員向けの基礎知識研修、コンプライアンス研修のシナリオ作成などは、AIによるドラフト生成から始めることで制作コストを大幅に削減できる。
パーソナライズ学習
個人の学習進度と理解度に応じて、次に学ぶコンテンツや難易度を調整する適応型学習システムへのAI活用は期待が高い。語学学習（Duolingo）やプログラミング教育（GitHub Learning Lab）では実績があり、企業研修への応用も進んでいる。
メンタリングとQ&Aの補助
研修後のQ&AをAIが担当する「AIメンター」の導入事例が出始めている。「このポリシーはどの条項を根拠にしているか」「このタスクで詰まったらどのドキュメントを参照すべきか」といった質問に対し、社内ドキュメントを参照したRAGシステムが回答する設計が一般的だ。
リスク管理の観点から
採用や評価にAIを使う場合、以下の点を確認することが必要だ。
使用するAIツールのバイアス評価が行われているか。意思決定の最終判断は常に人間が行う設計になっているか。候補者・社員に対してAIを使っていることを開示しているか。プライバシーポリシーと個人情報の取り扱いが法令に適合しているか。
特に日本では、個人情報保護法の観点から採用・評価プロセスでの個人データの扱いに注意が必要だ。
まとめ
AIが人事業務に入れる領域は「省力化・補助」であり、意思決定そのものの代替ではない。JD作成・書類スクリーニング補助・研修コンテンツ生成・評価データ分析は現実的な活用領域だ。面接の合否判断・昇給決定・解雇判断のようなハイリスクな意思決定へのAI直接関与は、現時点では倫理的・法的なリスクが高く慎重に扱う必要がある。
