AI人事評価の導入事例と現場の反発

「AIに評価される」時代が来た——あなたはどう思うか

「AIが自分の仕事ぶりを評価する」と聞いたとき、あなたはどう感じるだろうか。「客観的で公平だと思う」と感じる人もいれば、「数字に見張られているようで不快だ」と感じる人もいる。2026年、この問いは多くの企業で現実のものとなっている。人事評価プロセスにAIを活用する企業が急増しており、業務データの自動集計・目標設定支援・360度フィードバックの要約などが、すでに日常的な人事ツールとして使われている。

この変化は一面では公平性の向上をもたらしているが、同時に予期しない副作用と現場の反発も生んでいる。成功事例と失敗事例の両方を見ることで、AI人事評価の本質が見えてくる。

成功事例：「声の大きい人が高評価」という問題が解決された

IT企業D社の事例は、AI人事評価が機能したときの力を示している。同社ではエンジニアの生産性指標——コードのコミット数・コードレビューへの対応速度・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2025年に導入した。それまでのD社には「声の大きい人・自己PRが上手い人が高評価を得やすい」という暗黙の問題があった。実際に高品質な仕事をしているのに、それが評価に反映されないという不満が、特に内向型のエンジニアから上がっていた。

AI導入後、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」という変化が起きた。従業員満足度調査での「評価への納得感」スコアが、導入前比で18ポイント向上したという。「AIのおかげで自分の仕事が正しく見えるようになった」という声が現場から出ているのは、AI人事評価の健全な活用例だ。

失敗事例：数字を稼ぐ行動が増え、顧客満足度が下がった

しかし失敗事例も同様に多い。小売業E社の失敗は、AI人事評価の設計ミスが引き起こす典型的な問題だ。同社ではカスタマーサービス担当者の評価に、AIが「問い合わせ対応件数・処理速度」を主要指標として使う仕組みを導入した。数週間後に起きたことは、担当者たちが「数字を稼ぐこと」に特化した行動をとり始めたことだ。複雑な問い合わせを後回しにし、簡単な案件を次々と処理することで、件数の数字は上がった。しかし顧客満足度は逆に下がった。

「AIが測りやすいものを測った結果、重要なものが測れなくなった」という問題だ。また、別のケースでは「自分は常にAIに監視されて働いているのか」という心理的抵抗が強まり、離職率が上昇したことも報告されている。評価へのフェアネスを高めようとして、逆に従業員の不信感を高めてしまうというパラドックスが起きた。

機能するAI人事評価の設計原則

成功と失敗の事例を比較すると、機能するAI人事評価に必要な設計原則が浮かび上がる。最も重要なのはAIは補助であり、人間のマネージャーが評価の主体であるという原則の維持だ。AIのデータを参考にしながら、最終的な評価はマネージャーが責任を持つ体制が必要だ。次に測定しやすい指標だけに偏らないことだ。定量指標と定性評価を組み合わせ、「数字に現れない貢献」を見える化する工夫が重要だ。

そして評価指標の選定に現場の声を入れることだ。「AIがどの指標を測るか」を経営や人事だけで決めると、現場の実態とかけ離れた指標が採用されるリスクがある。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——この認識を設計者が持ち続けることが、AI人事評価を機能させる最大の条件だ。