Abakar Saidovは、スマートなスキルベースの意思決定と人材変革のための先進的AIタレントプラットフォームBeameryのエグゼクティブチェアマンである。
人材の採用、評価、維持において新たな段階が登場している：エージェンティックAIの活用だ。これらの自律型システムは目標を理解し、状況を監視し、複雑なプロセスを管理し、成果を出すために行動することができる。従来のAIが採用担当者からのプロンプトやクエリの入力を待つ必要があるのに対し、エージェンティック（自律型）システムは採用ギャップを特定し、人材プールをスキャンして、誰かが尋ねる前に候補者を推薦することができる。これはツールというよりも、デジタルチームメイトのように考えるとよいだろう。
HR分野では、その可能性は膨大だ。適切に実施されれば、エージェンティックAIは人事部門を戦略的パートナーに変え、あらゆる段階でビジネスリーダーに洞察と先見性を提供できる。だからこそ、エージェンティックAIが実際に何であるか—そして何でないのかを明確にすることが重要なのだ。
真のエージェンティックAIの条件
エージェンティックAIに関しては、ルールベースの自動化、スクリプト化されたチャットボット、記憶や連携機能のない生成モデルは基準を満たさない。これらの従来型システムは固定ロジックに従うか、出力を生成するだけだ。過去の行動、目標、コンテキストに対する認識がない。
真のエージェンティックAIには、推論モデル、コンテキストを追跡するためのメモリ、どのタスクを実行するかを決定するコーディネーター、そしてそれらのタスクをインテリジェントに実行するための複数システムへのアクセスなど、より多くの要素が必要だ。この複雑さには3つの要件がある：より豊富なデータ、より接続されたインフラストラクチャ、そしてより強力なガバナンスだ。
基盤となるデータアーキテクチャ
エージェンティックシステムは、アクセスするデータの質に依存する。クリーンで接続されたデータがなければ、どんなに洗練されたエージェントでも浅い推奨しか提供できない。スキルデータ、人材プロファイル、職務記述書、関連タスク、そしてそれらのタスクに必要なスキルを収集する必要がある。この情報が人材に関する基盤モデルを形成する。一つの要素だけでは、方程式の半分しか持っていないことになる。
接続されたシステムインフラストラクチャ
コンテキストに基づいて行動するために、AIエージェントはパブリックとプライベートの両方のシステムにアクセスする必要がある。あるシステムから読み取り、他のシステム間で推論し、そして行動が必要な場所でワークフローを実行できなければならない。これによりコンテキストベースの学習—組織の完全な視点に基づいて解釈、調整、結果を提供する能力—が可能になる。
透明性とガバナンス
自律的であることは無責任であることを意味しない。信頼できるエージェンティックシステムは説明可能性と監査可能性を提供しなければならない。ワークフローの重要なポイントで人が介入できる「ヒューマン・イン・ザ・ループ」コントロールが不可欠となるだろう。
エージェンティックAIの3つの主要特性
エージェンティックAIは、企業ソフトウェアの考え方を変える。従来、ツールの機能は主要なユーザーインターフェース（UI）とデータモデルができることに加え、ユーザー自身の知識によって制限されていた。例えば、採用担当者は人材CRMにログインし、フィルターを使って手動で候補者を検索し、一人ずつレビューしてランク付けする。UIが可能性の境界を定義していた。
エージェンティックAIでは、ユーザーは単に「プロジェクト管理の経験と成長の可能性を持つQAエンジニアの社内候補者を5人見つけて」といった目標を述べるだけでよい。システムは役割の要件を理解し、データソース間で推論し、関連するオプションを返すことができる。これはすべて人間による段階的な入力なしに行われる。
ソフトウェアUIの代わりに、AIエージェントとやり取りする方法があればよい。そのため、重要な特性はデータの質と量、モデルの質、相互運用性となる。
データの質（と量）
AIとエージェントは瞬時に高品質で正確なデータアーキテクチャを生成できるが、従来のHRシステムは長いワークフローと手動入力を必要とする。古いシステムは、動的なスキルプロファイルやキャリア軌道など、エージェンティックシステムが生成する豊富な、非構造化または推論されたデータを処理するように設計されていない。これらのプラットフォームは固定フィールドとフォームのために構築されており、その結果、エージェントが必要とする新しい種類のデータを保存、更新、または活用する柔軟性に欠ける。
エージェントをサポートするには、AIデータプラットフォームとして機能するシステムが必要だ。大規模な非構造化データセットを構築・クリーニングしながら、エージェントのインターフェースまたはオーケストレーション層として機能する必要がある。
モデルの質
すべてのモデルが同等に作られているわけではない。ガバナンス、監査可能性、バイアス、説明可能性を超えて、正確性も重要だ。洞察、推論、行動はどれほど信頼できるのか？消費者向けアプリケーションでは85%の成功率が許容されるかもしれないが、企業では常に100%機能する必要がある。
HR分野では、バイアスのあるまたは不正確なモデルは、給与の不平等を強化したり、間違った候補者を表示したりするなど、実害を与える可能性がある。AIはプロセスだけでなく人々に影響を与えるため、より高い基準が求められる。
相互運用性
HRチームはしばしば、リソース計画ツールからニッチな学習プラットフォームまで、数十の接続されていないシステムに依存している。エージェンティックAIは、データがどこにあるかに関わらず、一貫した推奨を提供し行動を起こすために、その複雑さをナビゲートする必要がある。
エージェンティック技術の最新の進歩の一つはモデルコンテキストプロトコル（MCP）だ。一つのコードベースに構築する（これは遅くエラーが発生しやすい統合につながった）代わりに、MCPはエージェンティックモデルが他のシステムと接続することを可能にする。レガシーシステムにプラグインし、データと洞察を迅速に抽出できる。
ゆっくりと...そして一気に
テクノロジーは企業に勝手に起こるものではない。企業がそれを採用することを選択するのだ。HR分野では、AIの旅はまだ始まったばかりだ。すでに従業員の質問への回答、オファーレターの作成、ポリシー文書の更新などの管理タスクをエージェントが管理しているのを目にしている。今や彼らは給与格差分析、人材計画、職務アーキテクチャ、人材リスクマッピングなど、より戦略的な領域に急速に移行している。
かつては数ヶ月または数年かかった作業が今では数分で完了し、それがしばしば抵抗を引き起こす。チームメンバーは「エージェントがこれをすべてできるなら、私には何が残るのか？」と疑問に思うかもしれない。しかし、積極的に取り組む組織は効率性を獲得するだけでなく、より良く、より速い人材に関する意思決定を行うことができる。そしてそれが競争優位になるとき？その変化は徐々にではなく、ゆっくりと始まり、そして一気に到来するだろう。
Forbes Human Resources Councilは、あらゆる業界のHR幹部のための招待制組織である。私は資格がありますか？
