運用力を重視するサイバーエージェントのデータ活用

本パネルセッションは、ソフトバンク株式会社の協賛により開催された。同社はテクノロジーを活用した人事領域に関するサービスも数多く提供している。採用・配置・労務管理など、多岐にわたるHRの課題をAIやクラウド、ビッグデータなどの最新技術で解決するHRテクノロジー。新たな働き方に対応し、リモート勤務とオフィス勤務を組み合わせたハイブリッドワーク環境。大切な人事データを保護する高度なセキュア技術。

数々のソリューションを、自社での経験を踏まえたコンサルティングから実際の導入・構築・運用サポートまでワンストップで提供できるのが同社の強みだ。セッション内でも触れられているが、これらは同社人事部門が実際に使いながらたえずブラッシュアップしてきた技術でもある。現場の厳しい視点で鍛えられたサービスは多くの企業から高い評価を受けている。

セッションはサイバーエージェントの曽山氏によるショートプレゼンから始まった。

同社は全社的にデータを活用した事業運営を行っている。人事も例外ではない。データで日々の状況を把握し、それをさらに改善していく活動に力を入れている。同社ではこうした活動を進める力を「運用力」と呼んでいる。データを集めたり分析したりするだけでなく、実際に事業や組織運営に生かしていくという発想だ。

「私たちはデータに強い人事になることをめざし、そのためのロードマップも作成しました。まずデータを俯瞰し、毎日見る習慣をつける。次にそのデータから意味を読み取り、それをもとに将来の予測につなげていく」

【俯瞰力】→【日次力】→【要約力】→【予測力】

このロードマップは、これからデータ活用に取り組んでいきたい企業にとっては大いに参考になるものだろう。

サイバーエージェントが人事データ活用に本格的に取り組むようになったのは2013年頃からだ。「GEPPO」というパルスサーベイと「キャリアエージェント」という社内ヘッドハンターチームを連動させる形で、従業員のコンディションを毎月把握し、それをもとに異動・アセスメント・育成などをサポートする体制をつくったのが最初だ。

「GEPPO」では、個人や組織のコンディションを「天気マーク」を選ぶ形で回答してもらう。質問は基本2-3問。他にフリーコメント形式で回答する問いが一つ。所要時間は5分程度だ。

このパルスサーベイの狙いは、定性的な主観情報を定量化することだ。集計・分析においては、推移と比較を重視しているのが特徴だ。月ごとの推移や事業部間での違いを可視化し、良いものは積極的に横展開していく。また、社内ヘッドハンターチームは、毎月500～1000件は集まるフリーコメントを読み、返信や面談、必要なら異動の支援なども行う。役員会にも届け、一人の声であっても課題としてきちんと議論していく仕組みもつくっている。

2020年には、曽山氏直轄の人事データ統括室を立ち上げた。データ分析のほか、人事系システムの開発なども手がける。人事データでも特に重要なものは統合報告書に記載し、社外にも公開している。機関投資家との対話に役立つほか、学生や求職者も見ることができるので採用にも貢献しているという。

「私は2005年に人事に着任して以来、経営が人事に求めるKPIの一覧を作成しています。採用・労務・配置などのデータをA4サイズ一枚にまとめたもので、これさえあれば経営陣から何か聞かれても、すぐにデータで答えることができます。従業員から聞いた話なども、数字で伝えることで経営にもより理解してもらえます」

エントリーシート判定、動画面接にもAIを活用する ソフトバンク

ソフトバンクの源田氏によるショートプレゼンは、同社が取り組む採用・配置などへのデータやAIなどのテクノロジーの活用事例を紹介するものとなった。

まず採用においては、三つの側面からAIを活用している。一つ目は「エントリーシートの判定」。これはすでに4年程度の実績がある。二つ目は「動画面接の評価」。従来の集団面接に置き換わるもので、エントリーシートの判定とともに人事部門に大幅な工数の削減をもたらした。それによって繁忙期にも学生に向きあい、その生の声を聞くことができるようになったという。三つ目は「面接官トレーニング」だ。AIが質問の仕方やテンポ、声の調子や表情などまで評価してフィードバックしてくれる。これまで一種のブラックボックスだった面接を大幅に標準化することが可能になった。

「エントリーシートも動画面接も、AIが不合格としたものは、再度人の目で確認することにしています。応募者には、AIに自動的に判定されるのはどうなのかという気持ちになってしまう人もいるでしょう。運用を続ける中でAIの精度はすでに人を超えるほどになっていますが、ネガティブな風評を防ぐために必要なプロセスだと考えています。他の分野でもAIを導入するにあたっては、従業員や応募者の不利益につながらない使い方をする。ここには特に留意するようにしています」

ピープルアナリティクスについても、データ活用を進めている。専任チームをつくって、従業員の適性・資質・価値観・モチベーションなどを評価し、どういった特性がパフォーマンスと関連しているのかを割り出そうという取り組みだ。社内配置などに活用し、より適材適所の実現を進めることをめざしている。

また、パルスサーベイも自社開発し毎月行っている。個人の状況をデータで把握することができ、1on1ミーティングでの対話のきっかけやリモートワーク時のマネジャーとメンバーのコミュニケーション円滑化などに貢献している。

「当社ではデータを活用できる人材、DX人材の育成にも取り組んでいます。そのために人事と事業部門が協力して立ち上げたのが『事業プロデューサー制度』です。DX人材の定義を行い、求められるスキルを可視化。ガイドラインを作成するとともに、OJTとOFF-JTをミックスした研修プログラムも作成しました。1on1ミーティングで日々の実践とスキル等を確認しながら、能力開発を進めているところです」

データ活用にまつわるさまざまな質問にパネリストが回答

後半は伊達氏の司会で、セッション視聴者からの質問に回答するパネルセッションとなった。

伊達：経営者はどんな人事データを気にしているのでしょうか。また、対話の際にどういう項目を可視化しておいたらいいのでしょうか。

曽山：企業によって違うと思いますが、当社の最近の例では退職傾向です。予測までは難しいので、3年分の退職者数および退職率の推移をシートにまとめています。役員会では「最近の退職率はどう？」といったざっくりした質問が普通です。それに対して「最近増えています」では、気分だけの答になってしまいます。平年の値、数年間の推移、直近の数字などをあわせて答えることで、具体的な議論に発展していきます。

伊達：数値で語る場合、適正とする値をどのくらいに定めるのかも人事にとってはポイントですね。

伊達：次の質問です。ソフトバンクの採用において、AIの判断を人がくつがえす割合はどの程度でしょうか。その場合、何を根拠にくつがえしているのでしょうか。

源田：くつがえす割合は1～5％程度でしょうか。ポイントとなるのは、最新のテクノロジーワードやバズワードなど。AIに読み込ませた教師データは過去のものなので、それらの重要なポイントをAIが見逃してしまう可能性があるためです。そこを人が再度チェックするほか、教師データのアップデートも毎年行うようにしています。

曽山：AI活用で特にやってよかったと感じられるのはどの業務ですか。

源田：エントリーシートも面接も、やってよかったと思います。従来、採用のピーク時は作業量がすごかったのですが、AIにより効率化できました。人によるぶれがない分、精度も高いと感じます。

伊達：学術的にも人が人を評価する際のバイアスは数えきれないほどあるとされます。AIをうまく使えば、そういったバイアスをいくらか除去できます。また、AI活用が採用担当者の働き方改革につながり、結果的に候補者にとってもよりよいマッチングを実現する施策にもなっている。この点も重要だと思います。

伊達：次は、パルスサーベイは記名式・匿名式、いずれで行われているのでしょうか。それぞれメリット、デメリットも教えてください、という質問です。

曽山：当社の「GEPPO」は、記名式ですが運用上は匿名の扱いです。アンケートの回答を見ることができるのは、役員と社内ヘッドハンターチームのみ。直属の上司や事業部長などには一切見せないルールです。そのため、上司には言いにくいようなキャリアに関する相談も可能になります。

源田：ソフトバンクでも、従業員のコンディションチェックを目的としたパルスサーベイを毎月実施しています。個人の改善のきっかけにもなるので、記名式で、本人の同意の下で上司にも開示されます。そのためセンシティブな設問はしないように留意しています。一方、組織の健康診断という位置づけのESサーベイも年1回実施しており、こちらは匿名です。仕事の負担感や上司とのコミュニケーションなどを組織単位で見るためです。目的に応じて記名・匿名を使い分けています。

伊達：両社には二つの共通点があると思います。一つはデータ活用の目的をしっかり定めていること。何に使われるのかわからないのに毎月サーベイだけやっている状況が続くと、次第に従業員の協力は得られにくくなります。実際、そういう事例はよくあります。もう一つは、従業員にとってメリットのある方向性でデータを活用しようという考え方が貫かれていること。従業員も真摯に回答しようという気になります。こうした取り組みの姿勢はとても大切だと感じました。

データ活用において重要となる目的、そして理念

伊達：ソフトバンクでは、採用時のデータと入社後の実績のデータの相関を分析しているのでしょうか。

源田：かなり力を入れてやっていますが、まだ確かな相関は見つかっていません。ただ、面接の評価が非常に高かった場合は入社後も活躍することが多く、特に営業部門の面接官が「営業向きだ」と評価したケースでは、活躍の可能性がきわめて高いことがわかっています。

伊達：とても興味深いですね。私の経営するビジネスリサーチラボでも、クライアントにおける面接評価と入社後のパフォーマンスの関係を分析することがありますが、「関連がない」という結果になることがほとんどです。ソフトバンクで面接評価と実績に一定の相関が見られた背景には、面接がよく構造化されているとか、サポートするAIツールの存在などがあるのかもしれません。今後、より多角的にデータを集めれば、将来の活躍を予測できるようになる可能性もあると思います。

源田：面接ではありませんが、アセスメントには「法人営業とコンシューマー営業、どちらに適性があるか」がわかる項目があることは判明しています。配属に迷っている時などに使えるデータです。

伊達：学術的にも、雑談のような面接よりアセスメントの方が将来のパフォーマンスを予測するとする研究もあります。そう考えるとアセスメントをスクリーニングだけに使っている企業はもったいないことをしているのかもしれません。

両社とも、データ活用にあたって「従業員の挑戦を応援する」「候補者や従業員に不利益をもたらさない方向性で使う」といった、目的よりもさらに先にある理念を非常に大事にされているのが印象的です。やはり、そこは意識して取り組まれているのでしょうか。

源田：かなり強く意識しています。エントリーシートのAI判定をはじめた頃から、データ活用は会社のためではなく、個人にとってプラスになる方向性でやるという考え方を徹底してきました。個人情報を扱うわけですから、セキュリティー面にも細心の注意を払わなくてはなりません。これも個人に不利益をもたらしてはいけないという発想です。

曽山：源田さんのおっしゃる通りだと思います。当社でも人事部内で何を目的にデータ活用するのかを何度も話し合います。何が実現されたらゴールなのかをまず明確にすることです。そして、それを発表して、従業員がシラけるようなものならやめた方がいいとも言っています。たとえば、経営は退職者を減らしたいと考えますが、従業員は自分のデータを退職予測に使われたくはないでしょう。その場合は、仕事とのミスマッチを減らすことで退職者も減らせる、データ活用でより個人を生かすという方向で考えなおすことが必要になると思います。経営だけを見るのではなく、従業員も喜んでくれるようなデータ活用であるべきです。

伊達：データによって経営と対話ができることが重要という話が前半にありましたが、同時に従業員目線で考えていくことも大事だということですね。テクニカルな話だけでなく、人事としての職業倫理にまつわる話もたくさん聞けました。目的と理念を意識したデータ活用に多くの企業が取り組むきっかけになればと思います。