AI人事評価の導入事例と現場の反発

AI人事評価の広がり

2026年、人事評価プロセスにAIを活用する企業が急増している。主な活用は、業務データ（タスク完了率・レポート品質・コミュニケーション頻度等）の自動集計、目標設定支援AIによる定量目標の提案、360度フィードバックの自動要約などだ。評価の客観性向上と管理職の評価負担軽減を目的とする企業が多い。

成功事例：データ活用で評価の公平性が向上

IT企業D社では、エンジニアの生産性指標（コミット数・コードレビュー対応速度・バグ修正率）をAIが自動集計し、マネージャーの評価補助資料として提供する仕組みを導入した。従来「声の大きい人が高評価」という問題があったが、データに基づく評価が定着し、静かに高品質な仕事をするメンバーが正当に評価されるようになったという。従業員満足度調査でも評価への納得感が向上した。

失敗事例：現場の反発と信頼失墜

一方、失敗事例も多い。小売業E社では、AIが顧客対応の「件数・処理速度」を評価指標として重視したため、従業員が数値を稼ぐことに特化した行動をとるようになり、顧客満足度がかえって低下した。また、AIが収集したデータに基づく評価に対し「自分は数字に見張られて働いているのか」という従業員の心理的抵抗が強まり、離職率が上昇したケースも報告されている。

AI評価の設計原則

AI人事評価を機能させるには設計が肝心だ。重要な原則として、AIは評価の補助であり人間のマネージャーが主体であること、測定しやすい指標だけに偏らず定性的な評価との組み合わせを維持すること、評価指標の選定プロセスに現場の声を反映することが挙げられる。AIが正確に測るものが、必ずしも重要なものとは限らないという認識が、設計者に求められる。