多くのHR（人事）リーダーが、AIの導入を迫られている。しかし筆者の考えでは、大規模言語モデル（LLM）そのものが本質的な問題なのではない。そうではなく、いかにして信頼や公平性、そして判断力を損なわずにLLMを活用するかという点にこそ問題がある。
自社の人事チームとの取り組みや、履歴書作成ツールの創業を通じて気づいたのは、人事チームが使用するツールそのものが成果を左右することは滅多にないということだ。鍵となるのは、誰が最終決定を下すのか、そしてその人物がモデルの提案に異議を唱えられるかどうかである。
HRリーダーがLLMの導入を迫られる理由
AI導入の圧力の一因は、情報量にあると私は考えている。採用担当者のメモ、アンケート、人事評価、社内規定などのテキストデータは、人事チームを圧倒しかねない。これらすべての情報を手作業で処理するのは、往々にして現実的ではない。LLMは、リーダーがこうした情報を要約し、パターンを把握するのに役立つ。
また、期待値も変化していると感じる。従業員や候補者が迅速な対応を期待するなか、人事チームは支援なしに規模を拡大するのが難しくなり得る。AIは、定型的な作業負担を減らしながら、プロフェッショナルがより価値の高い中核業務に集中する助けとなる。実務上、人事担当者は初稿作成に費やす時間を減らし、その後に控える対話により多くの時間を割けるようになる。
HRの意思決定においてLLMが「適している場面」と「適さない場面」
LLMは、コメントの要約、人事評価のパターン特定、初期対応のメール作成などに優れている。しかし、人事において最も重要な「人間のように文脈を考慮する」ことはできない。
採用、評価、解雇などの決定は、説明責任を伴う重大な影響をもたらす。最終決定は人間が下さなければならない。筆者の見解では、リスクは必ずしも人事チームがLLMを悪用することではなく、自動化のスピードによって、見えない意思決定が見過ごされやすくなることにある。
人事チームがAIの導入を検討すべき、いくつかの実践的な領域は以下の通りだ。
• 下書き作成：最も始めやすい領域である。人事担当者はAIを使って、求人票や面接質問案を作成できる。ただし、それらの内容に情報を反映し、確認する際には、なお人間の判断を用いるべきである。
• 会議の準備：LLMは複数ページに及ぶエンゲージメント調査の報告書を1ページの要約に凝縮できるため、リーダーは対話のための時間を確保できる。ただしリーダーは、生成された要約と一次データの最も重要な指標とを、常にスポットチェックすべきだ。LLMはデータを凝縮できるが、モデルがニュアンスを削ぎ落としていないか、あるいは存在しないトレンドをでっち上げて（ハルシネーションを起こして）いないかを検証するのは、人間の役割である。
• 候補者とのコミュニケーション：これは、個別化よりも処理能力が重視される、大量採用を行う職種で最も効果的である。しかし、この場合も下書きは事前に人間が確認する必要がある。
研究でも広範な傾向が示されている。生成AIを使用する労働者は、品質を維持しながらタスクを最大40％早く完了できるという。筆者の会社でもLLMを幅広く活用している。求人票の作成や修正に活用することで時間が節約でき、社内アンケートの要約や従業員のフィードバックのテーマ特定にも役立っている。これらのツールを迅速に導入したチームは、技術的に優れていたわけではなかった。彼らは、事前の準備作業に最も疲弊していたチームだったのだ。
信頼、公平性、透明性を維持する方法
信頼を得るには時間がかかり、失うのは大方のリーダーが予想するよりも一瞬だ。従業員は、意思決定がどのように行われたかを理解できないとき、勝手な推測をしてしまう。これこそが、人事分野でLLMを導入する際の重大なリスクである。すなわち、意思決定の背景にある論理が見えなくなってしまうことだ。これに対処するため、リーダーは「プロセスの開示」方針を導入すべきである。意思決定のための情報集約にAIツールを使用する場合は常に、マネージャーはAIの要約だけでなく、最終的な結果につながった「人間による具体的なデータポイント」を従業員に対して明確に説明できなければならない。
例えば、筆者の会社では、評価の調整会議の前に、LLMを使って人事評価のテーマを要約している。しかし、評価、対話、および能力開発の決定を下す権限はマネージャーにある。この境界線は、単なる偶然ではない。影響を受ける従業員にとって、プロセスを分かりやすいものにするために必要なのだ。つまり、個人の記録に影響を与えるLLMの出力はすべて、次のステップに進む前に、特定の承認（サインオフ）を必要とする。AIが概要を作成し、人間がその結果をレビューして署名する、という流れである。
これは極めて現実的な問題だ。ピュー・リサーチ・センターの調査によると、働く人の52％が職場でAIが果たす役割に不安を感じていると回答した。さらに、筆者の会社が行った調査では、大学のキャリアカウンセラーが最も信頼できるキャリア相談の相手の一つであるのに対し、AIチャットボットは最も信頼性の低いものの一つであることが分かった。このことは、人間の指導ではなく、不透明なデジタルプラットフォームに依存すると、信頼感が急激に低下することを示唆している。
人事でLLMを導入する際によくある間違い
1. AIで解決すべき課題を特定していない
最大の過ちは、課題ではなくテクノロジーから始めてしまうことだ。改善すべきワークフローを定義しないままAIを導入するチームもある。しかしこれでは、価値よりもノイズを生み出すだけになってしまう。
解決すべき課題を特定するには、自らのチームに業務上の主なボトルネック（摩擦点）を特定させることだ。「採用にAIを使いたい」ではなく、「面接ガイドの下書きにかかる時間を2時間から20分に削減したい」といった具合だ。目的を絞り込むことで、適切なツールを見つけやすくなり、そのツールが実際に役立っているかどうかも判断しやすくなる。
2. 過度な自動化
過度な自動化も、関連する罠の一つだ。AIの出力が意思決定のためのインプットではなく、決定事項として扱われるようになると、説明責任が消失する。個人に影響を与えるすべてのLLMの出力（採用、評価、不採用など）には、次のステップに進む前に、人間によるレビューのステップが必要である。ワークフローにそのゲート（関門）を組み込むのだ。レビューのステップが可視化され、必須のものとなっていれば、チームがプロセスの蚊帳の外に置かれることはない。
3. チェンジマネジメント（変革管理）の軽視
多くの導入プロジェクトが失敗するのは、チェンジマネジメント（組織変革の管理）においてである。LLMを導入する際、筆者らは従業員への説明の仕方に細心の注意を払った。「すべての求人票の最初のドラフトを一から書く必要はなくなります」という伝え方は、「あなたの仕事の一部を自動化します」という伝え方とは異なる受け止め方をされる。伝え方次第で、ツールが活用されるか、それとも敬遠されるかが決まるのだ。
4. データ品質の軽視
LLMがデータの問題を引き起こすわけではない。しかし、問題を避けられないものにする。例えば、社内の人事規定を統合して検索可能なよくある質問（FAQ）を作成しようとした際、当社のLLMは自信ありげだが一部誤った回答を出力した。新旧の参照資料が別々のファイルで衝突していたのだ。このクリーンアップには2週間を要したが、AI導入前から存在していたドキュメント管理の問題が浮き彫りになった。
結論
私が見てきたAI活用に成功しているチームは、人間によるリーダーシップを明確にしている。それは方針としてではなく、プロセス設計としてである。どのステップで署名が必要か、次のステップに進む前に誰に通知すべきか、そして、どのような場合に人間の判断をモデルの出力より優先すべきかを定めているのだ。
