--- title: "人事AIの使いどころ｜採用・配置・育成・労務の工程別効果と規制の線引き【2026年版】" url: "https://www.issoh.co.jp/column/details/18347/" published: 2026-10-15 updated: 2026-10-15 categories: ["AI"] publisher: "株式会社一創" --- # 人事AIの使いどころ｜採用・配置・育成・労務の工程別効果と規制の線引き【2026年版】 人事にAIを入れる話は、ツールの機能一覧から入ると判断を誤ります。採用の書類選考と、社員からの問い合わせ対応では、失敗したときの被害の大きさがまるで違うためです。経団連が2026年4月に公表した[HR部門のAIに関する報告書](https://www.keidanren.or.jp/policy/2026/016.pdf)では、回答した75社のうち49社が人事部門でAIを使っており、部門別で最も多い結果でした。この記事では、その調査と企業事例をもとに、採用・人材配置・人材育成・労務管理の工程ごとに人事AIが何を削れるのかを整理します。そのうえで、選考や評価にAIを使うときの説明責任と差別リスクの扱い方、既製のSaaSで足りる場合と自社データにつないで作る場合の判断基準までを示します。 ## まとめ｜人事AIが成果を出す工程と、人が最終判断を持つ導入順序 結論から書きます。人事AIで確実に工数が減るのは、労務の問い合わせ対応と、面接・面談の記録づくりの2つです。経団連の調査でも、労務相談の一次対応は22社中19社、面談サポートは20社中14社が使っており、実例の数が多い領域です。ここは誤りが出ても人が拾える設計にしやすく、最初の対象に向いています。 一方、応募者のスクリーニング、配置の提案、評価や離職の予測は条件つきです。性別や年齢といった属性を入力から外すこと、属性別の結果を定期的に確かめること、合否や処遇の確定は人が行うこと。この3つを運用で守れない会社は、手を出さないほうが安全です。 規制面では、日本に人事AIを直接縛る法律はまだありません。ただし総務省・経済産業省のAI事業者ガイドライン第1.2版は人間の判断を介在させる運用を求め、EU AI法は雇用分野のAIを高リスクとして2027年12月2日から義務を課します。EU域内で人を採用する企業は、ここから逆算して設計します。 ## 人事部門のAI利用の現状｜経団連75社調査で見る工程別の利用分布 人事AIの議論は海外事例で語られがちですが、国内企業がどの工程で実際に使っているかは数字で確認できます。経団連の調査は回答企業の約6割が従業員5,000人以上の大企業である点に注意しつつ、分布の傾向を読み取ります。 ### 採用25社・労務22社に対し、配置と評価は13社にとどまる利用の偏り 経団連の[2025年アンケート（n=75社）](https://www.keidanren.or.jp/policy/2026/016.pdf)で、人事部門のAI利用を工程別に数えた結果は次のとおりです。 | 工程 | 利用社数 | 多い使い方 | | ---- | ---- | ------------- | | 採用 | 25社 | 応募者スクリーニング15社 | | 労務管理 | 22社 | 労務相談の一次対応19社 | | サーベイ | 21社 | エンゲージメント調査 | | 人材育成 | 20社 | 面談サポート14社 | | 人材配置 | 13社 | ポジションマッチング6社 | | 評価 | 13社 | 内訳の記載なし | | 報酬 | 5社 | 内訳の記載なし | 読み取れるのは、文章や問い合わせを扱う工程が先行し、人の処遇を直接決める工程が後回しになっている構図です。報酬への利用は5社だけでした。処遇に近づくほど説明責任が重くなり、企業が慎重になっていることがこの差に表れています。 ### アルゴリズム管理ツールの導入率は日本40%、米国90%との差の理由 同じ報告書が引くOECDの雇用者調査（2025年）では、指示・監視・評価のいずれかにアルゴリズム管理ソフトを入れている企業の割合は、米国90%、EU平均79%に対し、日本は40%でした。差が大きいのは評価の分野です。 報告書はその背景を、ジョブ型雇用のもとで評価基準が明確で、長年の運用でデータが蓄積されている点に求めています。裏返せば、職務定義があいまいで評価の記録が部署ごとにばらつく会社では、AIに渡せるデータがそもそも揃っていません。人事AIの成否は、モデルの性能より先に人事データの粒度で決まります。 ## 採用・配置・育成・労務の工程別に見る人事AIの守備範囲と実例 ここからは工程ごとに、AIが担っている仕事と、人が手放していない判断を実例で確認します。どの事例も、AIの出力を最終決定に使っていない点が共通しています。 ### 採用の書類選考と録画面接で約900時間を削った事例と合否の扱い JCBは2026年卒の新卒採用から、人事部以外の社員による面接を廃止し、録画面接のHireVueに切り替えました。AIは発言内容から主体性や状況適応力などの行動特性を5段階で判定します。現場社員が面接に充てていた約900時間が減り、その時間はOB・OG訪問の新しいプログラムに回されました。 押さえるべきは運用の側です。AIのスコアは参考の位置づけで、合否は採用担当者が決めています。導入前にはインターン参加者でAIの選考結果と社員面接の結果を比べ、大きな差が無いことを確かめました。導入後も判定にバイアスが出ていないかを定期的に確認しています。応募者の受付から選考管理までを担う既製製品の機能は[採用管理システム（ATS）の機能と選び方](https://www.issoh.co.jp/column/details/13559/)で整理しています。 ### 人材配置で職務記述書約5,000件の下書きとマッチングを任せた事例 中外製薬はジョブ型人事制度の導入にあたり、グループ会社を含め約5,000あるポジションのポジションプロファイル（職務・人財要件）を生成AIで下書きしました。各職場が実態に合わせて直し、最後に人事部が等級間の表現をそろえる3段階の流れです。ゼロから書く負担を大きく減らしつつ、品質の最終責任は人が持っています。 テルモは約3万人・約100社のグループで、社員のスキルや経験からポジションを推薦する社内マッチング基盤を2024年に入れました。2026年3月時点でネットワーキング2,200件超、プロジェクト43件、国をまたぐ人事異動13件が成立しています。各国の人事基幹システムの統合を待たずに先に接続した、という順序の判断が参考になります。人事データを分析に使う手法は[ピープルアナリティクスの手法と進め方](https://www.issoh.co.jp/column/details/13629/)にまとめました。 ### 育成の1on1練習と研修推薦で、5,400時間が約15時間に縮んだ試算 デンソーは、若手社員のアンケート結果から十数種類のキャリアタイプを特定し、専用の生成AIが本人向けのアクションと使える社内制度をレポートにして返す仕組みを運用しています。同じ支援を人が全員に行うと約5,400時間かかるところ、約15時間で済むと試算されました。 竹中工務店は管理職約1,100名を対象に、部下との1on1を生成AI相手に練習するツールを2025年6月から2026年1月まで試験導入しました。約7割が利用し、利用者の8割が対話力の向上を実感したと回答しています。ただし設問の見直しを求める声も多く、入れ替えを行いました。育成の領域は、出力の質を利用者の声で直し続ける前提で設計します。 ### 労務の問い合わせ一次対応で94%を自己解決させた事例と回答範囲の制限 日本IBMの社内向け人事窓口AskHRは2017年から稼働し、年間1,100万件のやり取りのうち94%をAskHR上で解決、約40%のコスト削減につながったと推計されています。現在は休暇申請や給与確認まで、複数の人事システムに指示を出して手続きを完了させます。 見落とせないのは、回答させない範囲の線引きです。デンソーは問い合わせ履歴からFAQを自動作成する一方、AIが社員の悩みに直接答える仕組みは慎重に検討しています。安全性を検証した結果、希死念慮や労務問題への誤回答の懸念が見つかったためです。人材派遣のウィルオブ・ワークも、人事制度や個人情報の問い合わせにはAIが答えず、人事担当者へ案内する設計にしています。シナリオ型と生成AI型の違いは[チャットボットの種類と選び方](https://www.issoh.co.jp/column/details/15395/)で比較しています。 ## 選考・評価にAIを使うときの説明責任と、差別につながる入力の扱い方 採用と評価は、AIの出力が個人の処遇に直結する工程です。ここは効率より先に、何を入力してはいけないか、誰が決めたと説明できるかを設計します。評価工程に特化した実装判断は[AIによる人事評価の実装判断](https://www.issoh.co.jp/column/details/15749/)に分けて書いたので、本章は採用と評価に共通する土台に絞ります。 ### 公正採用選考の14事項を学習データと入力項目から外す具体的な方法 厚生労働省は[採用選考時に配慮すべき事項](https://kouseisaiyou.mhlw.go.jp/consider.html)として、就職差別につながるおそれがある14事項を挙げています。本籍・出生地、家族、住宅状況、生活環境・家庭環境といった本人に責任のない事項と、宗教、支持政党、尊敬する人物、愛読書などの思想・信条に関わる事項です。令和6年度にハローワークが把握した854件では、家族に関する質問が多くを占めました。 AIを使う場合、面接官が口頭で聞かないだけでは足りません。過去のエントリーシートや面接記録を学習や参照に使えば、そこに書かれた家族構成や出身地が判定に混ざります。取り込む前にこれらの項目を機械的に削る前処理を入れ、録画面接の文字起こしでも該当する発言を判定対象から外す。ここまでを要件として開発側に渡します。 ### AI事業者ガイドライン第1.2版が求める人間の判断の介在と自動化バイアス 2026年3月31日に公表された[AI事業者ガイドライン（第1.2版）](https://www.meti.go.jp/shingikai/mono%5Finfo%5Fservice/ai%5Fshakai%5Fjisso/pdf/20260331%5F1.pdf)は、公平性の項で、AIに単独で判断させず適切なタイミングで人間の判断を介在させる利用を検討するよう求めています。同時に、その人間の判断が自動化バイアス（機械の出力を過信する傾向）に左右されない対策も求めています。 形だけの承認ボタンでは、この要件を満たせません。経団連の報告書は人事部門向けの具体策として、採用・評価AIに性別や年齢を入力・学習させない、出力を属性別に定期確認する、AIを使っていることを候補者や社員に明示する、苦情時の対応フローを先に決める、といった項目を並べています。承認者がスコアだけでなく判定の根拠となった発言や記録を見て決める画面にすることが、実務上の自動化バイアス対策になります。 ### EU AI法で雇用分野のAIが高リスクになる2027年12月2日の適用開始 欧州委員会の[AI Actの解説ページ](https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai)は、採用のCV選別ソフトを含む雇用・労働者管理のAIを高リスクに分類しています。2026年7月27日に施行された改正（AI Omnibus）により、雇用を含む附属書IIIの高リスク用途の義務は2027年12月2日から適用されます。 国内だけで採用している会社にとっては直接の義務ではありません。それでも、EU拠点で人を採る会社や、EU向けに人事SaaSを提供する会社は、リスク管理・記録・人による監督の要件を設計に入れる必要があります。2027年12月から逆算すると、要件定義に使える時間は1年あまりです。 ## 人事AIを既製SaaSで済ませる場合と、自社データにつないで作る場合の判断 ここでは開発会社としての立場を明確にします。人事AIの多くは、自社で作るべきではありません。採用管理やタレントマネジメントの製品にAI機能が標準で載り始めており、汎用の要件はそちらで満たせるからです。 ### 採用管理やタレントマネジメント製品の内蔵AIで足りる会社の条件 次の3つに当てはまるなら、既製製品の内蔵AIを選ぶのが妥当です。人事データが1つの製品にまとまっている。AIに求める仕事が求人票の下書きや面接記録の要約など、製品が標準で持つ範囲に収まる。従業員規模が数百名以下で、配置の推薦や離職予測を回すほどのデータ量が無い。この条件で作り込むと、保守費用だけが残ります。 配置や育成の製品を比べる観点は[タレントマネジメントシステムの機能と選び方](https://www.issoh.co.jp/column/details/15252/)に、SaaSと自社開発の境目は[HRテックの導入形態と判断軸](https://www.issoh.co.jp/column/details/13624/)に書きました。まずこの2本で既製品の範囲を確かめてください。 ### 人事データが複数システムに分かれ、社内規程の参照が要る場合に作る 作る価値が出るのは、既製製品の枠から業務がはみ出すときです。典型は3つあります。勤怠・給与・評価・研修のデータが別々のシステムにあり、横断して見ないと答えが出ない。労務の問い合わせに就業規則や社内規程を根拠として示す必要がある。人事データを外部SaaSに預けられない機密要件がある。 この場合は、生成AIを既存の人事システムや社内文書に接続し、回答範囲と承認の流れを業務に合わせて組みます。当社の[生成AI導入支援](https://www.issoh.co.jp/service/ai/genai/)では、参照させる文書と回答させない範囲の設計、属性情報を除く前処理、利用ログの記録までを要件定義から扱っています。IBMのAskHRやデンソーのFAQ作成ツールが示すように、効果を生むのはモデルの選択より、どのシステムにどこまで触らせるかの設計です。 ### 離職予測や活躍予測を人事データの整備前に入れるべきでない理由 見送るべき場面もはっきりしています。評価記録の粒度が部署ごとに違う、異動や退職の理由が自由記述でしか残っていない、という段階で予測AIを入れても、相関を因果と取り違えた結果しか出ません。 もう1つの理由は社員の受け止め方です。経団連の報告書は、モニタリング・評価・予測へのAI利用は不当な扱いや権力の行使と受け取られる可能性があると指摘しています。離職予測のスコアが本人の知らないところで処遇に影響していると疑われれば、人事部門への信頼が損なわれます。予測は、データ整備と社員への説明が済んでから検討する工程です。 ## 人事AIを小さく始める90日の手順と、効果と公平性を測る指標 経団連の報告書は、定型的で効果を確かめやすい業務から小さく始めた企業が成果を出していると整理しています。実務に落とすと、次の順序になります。 ### 最初の30日は労務問い合わせか面接記録に対象を絞って現状を測る 最初の対象は1つに絞ります。候補は、労務問い合わせの一次対応か、面接・面談記録の要約です。どちらも誤りを人が拾える工程で、効果を数字にしやすいためです。 1. 対象工程を1つ決め、導入前の値を測る（問い合わせ件数と対応時間、または面接1件あたりの記録作成時間） 2. AIに回答させない範囲を文書で決める（個人の処遇、健康、ハラスメント、個人情報の照会など） 3. 入力から外す項目を決める（公正採用選考の14事項に当たる情報、要配慮個人情報） 4. 利用するAIサービスがデータを保存・学習に使うかを契約条件で確認する 検証の進め方と、本番に移す判断の基準は[AI PoCの精度目標とデータ準備](https://www.issoh.co.jp/column/details/16003/)を参考にしてください。 ### 60日から90日で見る自己解決率と属性別の差、止める判断のライン 導入後に見る指標は、効率と公平性で分けます。効率は、問い合わせの自己解決率と記録作成時間の短縮幅。公平性は、選考や推薦に使う場合の属性別の通過率の差です。後者は採用や配置へ広げる段階で必ず追加します。 止める判断も先に決めておきます。90日時点で自己解決率が導入前の人手対応を下回る、あるいはAIの誤回答を人が修正する時間が削減時間を上回るなら、対象工程の選び方を見直します。営業の工程で同じ考え方をとった例は[営業AIで成果が出る工程とデータの前提](https://www.issoh.co.jp/column/details/17519/)に書きました。職種が違っても、導入前の数字を残さない会社が効果を示せずに止まる点は共通しています。 ## よくある質問 人事部門でAIの導入を検討している担当者から多い質問に、5つに絞って答えます。 ### 人事AIは何から導入するのが確実ですか？ 労務の問い合わせ一次対応か、面接・面談記録の要約からです。経団連の75社調査でも、労務相談の一次対応は労務でAIを使う22社中19社、面談サポートは育成でAIを使う20社中14社が採用していました。どちらも誤りを人が後から拾える工程で、対応時間や記録作成時間という形で効果を測れます。選考や配置の判断に使うのは、属性情報を除く前処理と属性別の確認体制が整ってからにしてください。 ### AI面接の評価だけで合否を決めてもよいですか？ 避けるべきです。AI事業者ガイドライン第1.2版は、AIに単独で判断させず人間の判断を介在させる利用を求めています。録画面接を導入したJCBも、AIの評価は参考という位置づけで、最終的な合否は採用担当者の判断です。加えて、導入前に社員面接との結果を比べて差が無いことを確かめ、導入後も判定のバイアスを定期的に確認しています。この検証と記録が、候補者に説明を求められたときの根拠になります。 ### 社員の人事データを生成AIに入力しても問題ありませんか？ 入力する範囲と、サービス側の扱いの両方を確認してください。経団連の報告書は、入力する人事データを必要最小限にし、要配慮個人情報は入力しないこと、AIサービス提供者によるデータの保存・二次利用の有無を事前に確かめることを挙げています。社員個人が無料版のチャットAIに評価コメントを貼り付ける使い方は、会社として禁止するのが安全です。利用ツールを会社指定のものに限り、アクセス権限とログを管理します。 ### 中小企業でも人事AIの効果は出ますか？ 文書作成と問い合わせ対応なら出ます。求人票や職務記述書の下書き、面接記録の要約、就業規則に関する定型質問への回答は、従業員数が少なくても工数が減ります。一方、配置の推薦や離職予測は、学習に使える異動・退職の記録が数百件単位で無いと結果が安定しません。従業員が数百名以下の会社は、採用管理や労務の既製製品に載っているAI機能から始め、予測系は見送るのが現実的です。 ### EU AI法は日本企業の人事AIにも関係しますか？ EU域内で人を採用・管理する場合は関係します。欧州委員会の解説では、採用のCV選別を含む雇用分野のAIは高リスクに分類され、2027年12月2日から義務が適用されます。日本国内だけで採用している企業には直接の義務はありません。ただし、海外拠点の採用に同じ選考ツールを使う予定があるなら、リスク管理・記録・人による監督の要件を最初の設計に入れておくほうが、後から改修するより費用を抑えられます。 ## 関連記事 - [AIによる人事評価とは？できること・バイアス低減と受託開発での実装判断](https://www.issoh.co.jp/column/details/15749/)：評価工程に絞って、AIの使いどころと実装の判断を詳しく扱っています。 - [HRテックとは？種類・導入形態とSaaS・自社開発の判断軸](https://www.issoh.co.jp/column/details/13624/)：人事AIを含むHRテック全体の種類と導入形態を整理しています。 - [ピープルアナリティクスとは？人事データ分析の手法・進め方・事例](https://www.issoh.co.jp/column/details/13629/)：配置や予測の前提となる人事データ分析の進め方です。 - [タレントマネジメントシステムとは？機能・選び方・費用](https://www.issoh.co.jp/column/details/15252/)：配置・育成の既製製品で足りるかを確かめる起点になります。 - [営業AIで成果が出る工程と、SFA・CRMのデータ品質という前提](https://www.issoh.co.jp/column/details/17519/)：同じ工程別の考え方を営業部門に当てはめた職種別の記事です。 --- 出典: [人事AIの使いどころ｜採用・配置・育成・労務の工程別効果と規制の線引き【2026年版】]()（株式会社一創）