現在、多くの企業の経営陣を訪ね、AIが人事をどのように変革しているかCEOに尋ねれば、次のいずれかの答えが返ってくる可能性が高い。「業務プロセスの効率化を進めている」あるいは「人間のバイアスを排除して公平性を高めている」というものだ。しかしこれらの回答は、AI時代の中心的な課題を見落としている。AIをビジネスにうまく統合することは、効率化や自動化の問題ではなく、リーダーが人に関する公平で説明責任を伴う意思決定を可能にするシステムをいかに設計するかという問題だ。AIの導入が加速し、働き方が再構築され、監視の目が強まる中、そうした意思決定がどのように行われ、統治され、説明されるかについて誰が責任を負うのかが重要である。
ほとんどのCEOやCHRO（最高人事責任者）は既にAIを試験的に導入している。実際、マッキンゼーの調査では「88％が少なくとも1つの業務分野でAIを日常的に使用している」と報告されており、経営幹部は人事部門が11の業務領域のうち4番目に高い成長が見込まれると回答している。しかし、AIの導入は、それを安全かつ公平に統治するために必要な組織構造の整備を上回るスピードで進んでいる。
ガバナンスを軽視することは危険である。意思決定を標準化し、スケールさせるために設計されたその技術が、責任あるリーダーシップと組み合わされない限り、かえって不公平を固定化してしまう恐れがあるからだ。AIは初期設定で公平性を生み出すわけではない。すでに存在するものを増幅させるだけだ。だからこそ、人的資本に関する意思決定のような重大な領域では、AIは本質的にハイリスクな存在となる。
人事にAIが導入されると、公平性が最重要課題となる。企業組織を専門とする2人の教授と1人のエコノミストからなるEUの研究チームによる調査では、「AIが導入されると、そもそも何をもって公平とするかという定義そのものが再形成される」と結論づけられている。
AIは定義上ハイリスクである——CEOとCHROはそう扱わねばならない
AIは、誰が採用され、昇進し、あるいは解雇されるかという、人の人生を左右する意思決定にますます組み込まれている。欧州連合（EU）のAI法（Artificial Intelligence Act）は、まさにこの理由から、人事の意思決定に用いられるAIを明確に「ハイリスク」に分類している。これは官僚的なラベル付けではなく、根源的な現実を反映している。すなわち、誰が成功するかに影響を及ぼすツールには、最高水準の信頼性、説明可能性、そしてガバナンスが求められるのだ。
AIは数値で動作するからといってバイアスを排除するわけではない。既存データにあるパターンを符号化するものであり、組織が積極的に管理しなければ、アルゴリズムは過去の不公平を再生産し、増幅させかねない。ハーバード・ビジネス・スクールの研究者は、アルゴリズムのバイアスにのみ焦点を当てることは「公平なAIをつくる出発点にすぎない」と警鐘を鳴らす。真に公平なシステムには、誰が公平性を定義するのか、成果はどのように判断されるのか、そしてユーザーはどのようにそのシステムを信頼するのかを含む、より広範なガバナンスの視点が必要である。
これはAIを断罪するものではなく、現実の直視である。AIは数百万件の履歴書をスキャンし、重要なデータポイントを検出できる。候補者を推薦したり、従業員エンゲージメント調査のパターンを浮かび上がらせることもできる。しかし、志を定めたり、トレードオフを比較検討したり、価値観を解釈することはできない。それには人間のリーダーシップが必要だ。
私が人事にAIを組み込む組織と仕事をしてきた経験では、技術を成功裏に導入するために乗り越えるべき障害が存在する。断片化したデータ、公平性の定義の不一致、体系的な測定の欠如などだ。そして、効率的であることと効果的であることを分ける真の差別化要因は、AIモデルそのものではなく、ガバナンス層である。すなわち、明文化された原則、明確な基準、バイアス監視、説明可能性の標準、そして人間によるレビューのループだ。構造なきAIはノイズを生む。規律あるリーダーシップを備えたAIは戦略的価値を生む。
AIガバナンスは技術だけに委ねてはならない
実験として、当社のアナリストが主要な生成AIモデルに対し、性別以外の客観的要因では説明できない賃金格差を示す、詳細なジェンダー賃金公平性評価の結果を「縮小」させる方法を尋ねた。すると、そのモデルはこの質問を倫理的に問題がある可能性があるとしてフラグを立てた。格差を解消するのではなく、格差を隠すために統計出力を操作するよう求められていると解釈したのだ（その解釈は無理のないものである）。AIは明示的にその要求を拒否し、代わりに格差の根本原因を特定することへと会話を導いた。
同じ質問を、堅固な是正戦略を設計することが目的だと明確にしたうえで、真摯な助言を求める形で再度投げかけると、システムは建設的に応じ、格差をさらに調査する方法や、誰にどの程度の是正が必要かを特定する方法についての提案を示した。
これは二つのことを証明している。一つは、AIは問題を拡大させるのではなく、防ぐために用いることができるということ。もう一つは、意図した成果を得るためには、AIシステムに明確で狙いの定まった質問を投げかける必要があり、そのためには規律ある人間の監督と批判的思考が求められるということだ。
公平性は倫理だけでなく、戦略でもある
長年にわたり、公平性は主に文化的あるいは道徳的な目標として位置づけられてきた。しかし今日、それは戦略的目標である。
人事において公平で説明可能な意思決定を下し、それを証明できる組織は、より効果的に人材を獲得・維持し、法的・評判上のリスクを軽減し、ステークホルダーの信頼を築くことができる。AIはスピードをもたらし、洞察を引き出す助けとなる。しかし、スケールする形で公平性を担うシステムを構築するのはリーダーである。
AIの導入が人事機能全体で加速するにつれ、多様性・公平性・包括性（DEI）に関する取り組みへの監視が強まり、一部の組織では正式なDEIフレームワークからの撤退も見られる中で、AIは人と仕事に関する意思決定を変容させていく。人間中心の経営原則を放棄することに内在するリスクこそが、政策立案者がAIガバナンスにより大きな注意を払っている理由だ。EUのAI法は、組織が自らのシステムが生み出す意思決定を説明し、監査し、責任を負えるようにするための基本的な安全策を確立する第一歩として意義がある。
結論として、持続可能で信頼される組織の基盤——公平性、価値観、信頼、説明責任——は自動化できない。規制はガードレールを設けることはできるが、組織の価値観、志、公平性の基準を定義することはできない。それらの選択は、根本的に人間のものであり続ける。
