深刻な労働力不足や事業環境の変化を背景に、多くの企業で「戦略人事」への転換が一段と重要になっている。CHRO（最高人事責任者）に求められる役割も、労務管理や人員配置にとどまらず、経営戦略と連動した人材ポートフォリオの最適化、組織能力の強化、変化に適応できる人材基盤の整備へと広がっている。
一方で、現場の管理職には、事業推進、労務対応、育成・評価といった役割が重なり、運用負荷の高さが課題となっている。加えて、人事システムへの入力が現場に十分な価値として還元されず、データ整備そのものが目的化するケースも少なくない。こうした課題を背景に、近年は生成AIなどを活用した業務支援機能への期待が高まっている。
もっとも、AIの進化を人事の変革に結びつけるには、単なる効率化の延長では足りない。個別業務の自動化にとどまらず、人事データの捉え方、意思決定のあり方、制度との整合、ガバナンスの設計まで含めて、人事システムをどう再構成するかが問われている。本稿では、従来のシステム投資が成果につながりにくかった背景を整理したうえで、AI時代に求められる人事システムの要件を、組織・人事コンサルタントの視点から検討する。
目次
1. 効率化の先にある論点：部分最適では届かない人事変革
「生成AIを導入し、求人票作成や社内問い合わせ対応を効率化した」といった取り組みには実務上の価値がある。一方で、これらは既存業務の一部を省力化する施策であり、それだけで経営インパクトの大きい変革に直結するとは限らない。個別最適の積み上げを、組織全体の意思決定や人材活用の高度化にどうつなげるかが次の論点である。
そこで注目すべきなのが、AIが「人の指示に応じて処理する道具」から、一定の条件下で判断や提案を行う業務支援基盤へと進化しつつある点である。人事領域でも、候補者探索、配置シミュレーション、スキル推定、対話支援など、より意思決定に近い領域で活用が広がり始めている。
すでに一部の先進企業では、人とAIが協働する業務運営モデルの実装が限定領域から進んでいる。こうした変化の中では、過去の評価や資格情報を蓄積するだけの静的なデータベースとして人事システムを捉えるだけでは不十分になりやすい。今後は、管理基盤としての役割を維持しつつ、より動的に人材を把握し、意思決定を支える機能が求められる。
2. なぜタレントマネジメントシステムは経営活用につながりにくいのか
多くのCHROが、「タレントマネジメントシステムを刷新したにもかかわらず、戦略人事に十分活用できるデータ基盤になっていない」「現場の入力負荷ばかりが増え、活用が定着しない」といった課題に直面している。
大企業でよく見られるのは、多大な工数をかけてスキルマップを整備し、全社員に入力を求めたものの、時間の経過とともに業務実態や事業要件とのずれが生じ、更新が追いつかなくなる構図である。運用が定着しないシステムは、活用されないデータの蓄積先になりやすい。
背景には、従来のシステムが中央集権的な管理・統制を前提に設計されてきたことがある。職務定義やスキル定義は一定期間で見直しが必要になる一方、社員が日々の業務、異動、越境経験、学習機会を通じて獲得する経験やスキルは、より動的に変化する。静的なマスターデータだけでは、こうした変化を十分に捉えにくい。
この問題は、人事部門の運用負荷にとどまらない。
新規事業の立ち上げやM&A後の組織再編といった重要局面で、必要人材を迅速に見極められなければ、意思決定の速度や配置の精度に差が生じる可能性がある。さらに、実態とずれたデータに基づく配属や評価が続けば、本人の納得感やエンゲージメントを損ね、いわゆる「静かな退職」や離職意向の高まりにつながる懸念もある。
3. 次世代人事システムの姿：管理基盤から意思決定を支える基盤へ
AI時代において、CHROが検討すべき次世代人事システムとは何か。本稿でいう次世代人事システムは、既存の人事給与やタレントマネジメント基盤を置き換えることだけを指すものではない。記録・統制の基盤を生かしつつ、その上に意思決定支援や人材活用の機能を重ねる発想まで含めて捉える必要がある。重要なのは、ベンダーが提示する機能一覧ではなく、自社の経営課題や人事制度、現場運用に照らして、どのような要求定義を置くべきかを見極めることである。
従来型システムは、統制・ガバナンスの基盤として引き続き重要である。ただし、それだけでは変化の速い事業環境に十分対応しにくい場面も増えている。今後は、その基盤の上に、データ活用や意思決定支援を担うレイヤーをどのように重ねるかが論点となる。以下では、その違いを経営・投資の観点も含めた6つの軸で整理する。
上記の6つの構造対比を踏まえると、次世代人事システムに求められる要件は、最終的に以下の3つに集約される。
① 人材配置・登用の意思決定支援
人事システムが、社内に点在するプロジェクト履歴、評価情報、業務記録などの非構造化データも含めて分析し、「どの案件にどのような人材が適しているか」「将来どの領域でスキル不足が生じるか」といった示唆を人事や現場に提示する。たとえば、新規事業の立ち上げや重点ポストの後任選定では、従来は人手と時間を要していた候補抽出や初期検討を、より迅速かつ再現性高く進められる可能性がある。
② 動的なスキル把握と人材マッチング
本人や管理職による手動入力だけに依存したスキル管理は、運用負荷が高く、継続が難しくなりやすい。次世代人事システムでは、業務アウトプットや学習履歴などから、AIがスキルや経験のシグナルを補助的に抽出・更新することが期待される。その結果、組織としての保有スキルや学習の方向性を把握しやすくなり、新規テーマに必要な候補人材の探索や育成計画の立案も、より機動的に進めやすくなる。
③ 管理職を支えるマネジメント支援機能
現在、多くの企業のミドルマネジメントは、事業推進、労務対応、育成、評価を同時に担っている。人事システムには、勤怠やサーベイなどから負荷増大やコンディション変化の兆候を補助的に把握し、「今週の1on1では、業務量だけでなくコンディション面の確認も必要かもしれない」といった対話の観点や支援の優先順位を示す役割が期待される。とりわけ、1on1や育成面談の準備場面で有効だ。
4. CHROへの提言：システム刷新を経営・人事課題として捉える
人事システム刷新を、情報システム部門や外部ベンダー主導のITプロジェクトとして進めるだけでは、期待した成果には結びつきにくい。テクノロジーが進化しても、その前提となる人事データの設計思想や、「何の経営課題を解くための仕組みなのか」という目的が曖昧では、活用は定着しない。
ITベンダーの提案では、「まずマスターデータを整備・統合してからAI活用に進むべきだ」という段階論が示されることが多い。もちろん、データ品質の向上は重要である。ただし、完璧なデータ整備を前提条件にしすぎると、投資判断や実証のタイミングを逸するおそれもある。近年のAIは、不完全なデータからでも一定の示唆を得られる可能性がある。重要な人事判断に用いる際には、人による検証とガバナンスを前提に段階的に活用範囲を広げるのが現実的である。たとえば、候補者の抽出や配置案のたたき台づくりはAIが支援し、登用・評価・処遇といった最終判断は人が責任を持って行うべき領域として切り分けるといった具合だ。
ここで踏まえるべきは、ベンダー提案だけでは見えにくい組織の摩擦である。
以下の4つの論点は、制度、運用、現場の受容、統治という観点から、システム刷新の成否を左右する要素を整理したものである。
第1に「レガシーとの共存」：十数年にわたり運用してきた人事給与システムや導入済みのタレントマネジメントシステムをどう位置づけるか。全面刷新が必ずしも最適とは限らず、既存システムを記録・統制の基盤として生かしつつ、その上に分析・支援機能を重ねる段階的な移行が現実的な選択肢となる。着手に当たっては、すべてを一度に見直すのではなく、候補者抽出や重点人材の把握など、経営課題との接続が明確な代表ユースケースから優先順位を定めることが有効である。
第2に「評価・報酬制度との整合」：人事システムが柔軟な配置や越境経験を推奨しても、評価制度や報酬制度が固定的な運用のままであれば、現場の行動は変わりにくい。動的な人材活用を促すのであれば、それを支える評価・処遇の考え方との整合も同時に検討する必要がある。
第3に「AI活用に対する現場の受容」：AIが候補者抽出や推奨を行う場合、選定される側・されない側の双方に対して、納得感や説明可能性をどう担保するかが重要になる。アルゴリズムのブラックボックス化は、現場の不信感や反発を招きやすい。
第4に「心理的安全性とデータガバナンス」：1on1のログや行動データまで扱うAI活用は、設計を誤ると現場に監視への懸念を生む。利用目的、閲覧権限、匿名化、保存範囲、最終判断者を明確にし、現場の信頼を前提に運用設計を行うことが不可欠である。
これらは、単なるIT実装の論点ではなく、組織・人事の設計思想そのものである。だからこそ、人事システム刷新は情報システム部門に委ねるだけでなく、CHROが経営・現場・IT・法務をつなぐ形で主導すべきテーマだといえる。
とりわけ、心理的安全性に関わる論点には慎重な設計が求められる。
人事システムを現場の支援と能力発揮のために活用するには、セキュリティ設定だけで解決できるものではなく、データガバナンス、説明責任、利用範囲の明確化を通じて、信頼を担保する必要がある。
AIを前提とした人事システムへの変革は、単なるIT投資やコスト削減策ではない。不確実性の高い環境下で、組織をより機動的に組み替え、人材活用の精度を高めるための経営基盤づくりとして捉える必要がある。
5. まとめ：人事システム刷新に向けて押さえるべき視点
本稿で論じてきた通り、AI時代の人事システム刷新は、単なるツールの入れ替えではない。人とAIが役割分担しながら意思決定の質と速度を高めるための、人事基盤の再設計として位置づけるべきテーマである。
これまで人事部門が担ってきた管理・統制の役割は、今後も重要である。そのうえで、蓄積データを過去の集計や報告にとどめず、将来の人材需要や組織課題を見立てるための基盤へと発展させていくことが求められる。
重要なのは、完璧なデータ整備を待つことではない。自社の経営課題に照らして、どのデータを何の目的で使い、どこまでをAIに委ね、どこからを人が判断するのかを明確にすることである。ITベンダー任せにせず、CHRO自らがグランドデザインを描き、制度・運用・ガバナンスを統合して設計することが、変革の出発点となる。
もちろん、各社が置かれた現行人事システムの状況、保有データの成熟度、現場マネジメントの負荷によって、採るべきアプローチは異なる。ITベンダーから大規模投資の提案を受けたとき、「本当にこの投資で自社の組織運営は変わるのか」「レガシーとの共存や現場への影響をどう整理するか」と判断に迷うCHROは少なくないだろう。
読者にとっての出発点は、必ずしも大規模な刷新計画を描くことではない。まず問うべきは、自社の人事システムがいまだ「記録基盤」にとどまっていないか、制度・運用・ガバナンスの見直しと結びついた刷新構想になっているか、そしてAIに委ねる範囲と人が判断すべき範囲を明確にできているか、という点である。
そうした局面では、ベンダーの標準的なステップ論をそのまま受け入れるのではなく、自社に必要な要求定義の考え方を固めるために、外部の組織・人事コンサルタントをセカンドオピニオンとして活用することも有効である。重要なのは、システム導入の可否そのものではなく、自社にとって実効性のある変革シナリオを誰が描くのかであり、その主導権を人事が持つことである。
