守島氏による問題提起：今、人事に必要な全員戦力化

守島氏は冒頭で、「これからの人事は、働く人たちをもっと丁寧に、個別に知る必要がある」と語った。

「その背景には大きく二つの要因があります。一つは人手や人材の不足。人事の皆さんも日々実感されていることと思います。生産年齢人口の減少と、高齢化による労働供給の減少が起こっていることに加えて、技術革新により専門人材が不足する一方で事務職などが過剰になるなど、人と仕事のミスマッチが増大していることが挙げられます。もう一つは働く人の多様化です。働き方や働き手の属性が多様になったことで、個々人の仕事観が異なることは当たり前になりました。さらに、前述した人材不足のため、労働者側が価値観や考え方を主張しやすくなっています」

守島氏によると、人材不足による労働市場の逼迫と、働き手の価値観の変化により、人材と企業との新たな関係が生まれるという。

「働く人の労働市場における交渉力が増大し、これまで以上に企業と働く人の関係が対等になると私は考えています。これまでは会社側が従業員に対して指示・命令をし、従業員はそれに従うことが多かったのですが、そのやり方ではうまくいかなくなります。従業員が納得して働けないと、退職や、いわゆる『静かな退職（Quiet Quitting）』と呼ばれるようなエンゲージメントの低い状態につながります」

事実、日本の「熱意あふれる社員」の割合はわずか6%だという調査結果が出ている（日経新聞、2017/5/17）。米国の32%と比べて大幅に低く、調査した139ヵ国中132位と最下位クラスだ。

「エンゲージメントを高めるためには、多様な価値観を持つ従業員一人ひとりが納得して働ける環境をつくらなければなりません。そのためには、一人ひとりに寄り添ったマネジメントが必要です。一人ひとりが持つ異なる考え方や行動パターン、コンピタンス、強み・弱みなどを把握し、丁寧にマネジメントしていかないと難しい時代になっていると感じます」

そこで守島氏が提唱するのが、「全員戦力化」だ。可能な限り全ての人材の能力や意欲を、目的実現のために活用する人材・組織戦略のことで、言い換えると、「優秀層だけに頼らない」人材戦略だという。日本企業ではこれまで、「◯年入社」や「○○職」といった集団単位での管理や育成が重視されてきたが、今後は個の違いや特性を考慮した人材マネジメントが求められる。そうすることによって一人ひとりの戦力化が実現し、結果として総力も高くなると守島氏は語る。

「人は『ココロを持つ経営資源』であり、そのことが人材としての価値に影響を与えます。納得して働いているかどうかによって、組織へのエンゲージメントが変わるからです。そのため、人事や現場の管理職には、新たな人事観の人材マネジメントが求められています」

さらに守島氏は、個に寄り添ったマネジメントをするために、個人に対する詳細でダイナミックなデータ活用が求められると述べた。

「これからの人材マネジメントには、HRテクノロジーと呼ばれるような、IT技術を活用したマネジメント支援ツールが必要になるでしょう。現在、多くの企業が従業員データベースを構築していると思いますが、本当に必要な情報が網羅されていて十分に活用できているでしょうか。個別の人材マネジメントを進めていくためには何が必要なのか、今ある手段で十分なのかを、今日皆さんと議論したいと思います」

阿須間氏によるプレゼンテーション：「従業員の”真実”に基づくピープルマネジメントの可能性」

続いてイーグリスの阿須間氏によるプレゼンテーションが行われた。

「あらゆるデータを安全に活用し、価値に変える」をミッションに掲げるイーグリス。そのコア技術が「秘密計算」だ。秘密計算とは、暗号化した状態でデータを計算できる技術である。分析時から分析後まで情報が完全に守られ、決して他者に見られないことを技術的に保証できる仕組みだ。

すでに、化学、金融、物流など、機密性の高いデータ活用が求められるさまざまな業界において、社会実装が進められている。例えば、化学業界において秘密計算の技術を用いることで、複数の会社が材料開発を行う際に、各社の知的財産を守りながら必要なデータをシェアし、生産性を大幅に上げられるという。

こうした秘密計算の技術を人事領域で活用することを目指して、同社が現在開発しているプロダクトが「EAGLYS Bianca」だ。従業員の非常に機微なデータをプライバシーに配慮しながら分析することで、人事課題の解決を目指している。

「EAGLYS Biancaが目指す世界観は、『個人とチームの気持ち・心をコアにした組織をつくる』ことです。守島先生が先ほどおっしゃっていた、従業員のココロを把握し個々の違いを人材マネジメントに反映するという考え方と、リンクする部分があると考えています」

なぜイーグリスがピープルデータの活用にチャレンジするのか。その背景について阿須間氏は、以下のように語った。

「人的資本経営の重要性が増している昨今、組織診断ツールの活用が広がっています。すでに一部のツールで、日常のコミュニケーションデータや業務の実績などの活動情報から自動的に診断を行うものが登場し始めています。

一方で、こういった詳細な活動情報の活用は、従業員の方々のプライバシー侵害の懸念が非常に大きく、データ活用の同意が得にくいのが実態です。そのため現在は、かなり粒度の荒い情報の活用か、社内での実証実験にとどまっており、実用化が進みにくい現状があります。こうした背景から、プライバシーを守ってデータ活用ができる秘密計算の技術が注目されています」

続いて阿須間氏は、EAGLYS Biancaによって実現できる未来について説明した。従来よりも深くて動的なピープルデータ、つまり“真実”を安全に活用できるようになるという。

「深くて動的なピープルデータ」とは、個人のプライバシーに関わるような詳細な情報を指す。例えば、チャットメッセージでは、誰と誰が何時にチャットで会話をしたという行動ログだけではなく、チャットメッセージの中身そのものも含まれる。会議においては、発言内容の要点をまとめた議事録ではなく、誰がどのタイミングでどんな発言をしたのかがわかる音声データが分析対象になる。さらには、業務中の表情をPCカメラで撮った映像データや、健康状態やライフイベント情報などといった配慮が必要な個人情報も活用できる。

“動的”とは、日々常に発生したり、リアルタイムで変化したりすることを指す。動的なデータを活用するためには人が入力するのではなく、発生したデータを自動的に収集することが重要で、これによりデータが更新されず古くなることを防ぐことができる。

「これらのデータは、アンケート回答や人による評価情報などと異なり、主観や属人性が一切排除された情報です。こうしたデータを安全に活用することによって、個人と組織の解像度が飛躍的に高まります。個人にとっては、自分では気がつかないような行動の癖や潜在的な強み、自身の課題を可視化できるようになり、さらにそれに基づいて組織の状態が明らかになるのです」

深くて動的なピープルデータを活用することで、具体的にはどのようなことがわかるのか。阿須間氏は、社内チャットのコミュニケーションや会議中の発言音声からわかることについて、個人と組織のそれぞれの例を挙げた。

個人においては、社内チャットから「全メンバーに対してモチベーションを上げるようなコメントを多くしている」「リーダーシップを示す発言が多く見られる」などのコミュニケーション特性が明らかになったり、「チームにとって有益な外部情報の提供を多く行っている」など、組織への貢献度を測ったりすることができる。

組織においては、「このチームでは特定のメンバーのみで議論が進んでいる」など、活性度、公平性、心理的安全性などのコンディション把握をしたり、「一部のメンバーの間で攻撃的なコミュニケーションが複数回見られた」「ダイレクトメッセージでネガティブなやり取りが増えている」など、ハラスメントの予兆をピックアップしたりすることができる。

さらに、業務中のPCカメラの映像から、集中しやすい時間帯や作業内容の傾向を分析したり、Webブラウザ上の行動履歴から行動特性や興味・関心を見出したりすることも可能になるという。

「これらの分析結果と、履歴書情報、所属した組織や担当したプロジェクト、労働時間などといった既知の情報を組み合わせることで、個人や組織のコンディション、スキル、強みなどがさらに高い解像度を持って見えてくると考えています」

このように多くの可能性を秘めたピープルデータ活用であるが、プライバシーに配慮が必要なデータが非常に多く含まれているため、リスクもあると阿須間氏は警鐘を鳴らす。

「一つ目は、従業員の抵抗感や、会社に対する不信感をあおる可能性があります。二つ目は、仮に従業員の同意が得られてデータを収集できたとしても、極めて機微な情報が含まれているため情報漏えいのリスクがあります。三つ目は、無意識のバイアスなどにより、意図しない情報の目的外利用がされてしまうことです。例えば、データから従業員の集中度の低下が判明したことによって、成長機会を与えない配置を無意識に行うことなどが考えられます。ピープルデータの活用においては、こうしたリスクを認識し、対策した上で検討する必要があります」

グループディスカッション1：プレゼンテーションを聞いて率直にどう思ったか？

続いて行われたのが、グループディスカッション。参加者は五つのグループに分かれて議論を行った。

一つ目のディスカッションでは、守島氏の講演と阿須間氏のプレゼンテーションを聞いた上での率直な感想について意見交換を実施。参加者は付箋にキーワードや意見を書き出し、ポジティブなものとネガティブなものに分けてフリップチャートに貼り、議論を進める。ディスカッション後はいくつかのグループの代表者が、グループで話された内容を発表した。

Dグループ

いすゞ自動車 森久保氏：さまざまな感想が出ましたが、一番多かったのは「ぜひ試してみたい」という声でした。「人事が変わるきっかけになるのでは」という意見があった一方で、リスクの説明でもあったように、「少し怖い」という話もありました。会社が個人のことをどこまで知るべきなのか、知っていいのかは議論の余地があり、知った上でどうするのかもまだ見えていないことがその背景にはあると感じています。人事としてはまず、目的を明確に設定した上で、そのためのツールとしてどのように使うのか、しっかりと段取りをする必要があるという話をしました。

天満屋 元治氏：データを活用することで、経営に対して根拠を持って課題認識や施策の効果検証の話ができることが、人事にとって大きな影響を与えると感じています。

Eグループ

オリックス生命 石田氏：例えば、ハイパフォーマーの行動特性を分析して、その要素に当てはまる人をピックアップするなど、埋もれている人材を発掘する際に活用できれば面白いのではないかと思いました。

ゲオホールディングス 太田氏：従業員側の立場としては、自分にとって知らせたい真実と知らせたくない真実があると感じます。そしてそれは、開示する側が決めるべきではないでしょうか。

阿須間氏：データの開示の決定権を個人に持たせることは、技術的に可能です。一方で、従業員からデータを提供してもらうにあたり、安心して使えることはもちろん重要ですが、有用であることが同じくらい重要だと考えています。従業員がデータを提供することによって、自分でも気がつかなかった強みやチームへの貢献度がフィードバックされるなど、自身にとってもメリットがあって初めて、データを提供したいと思えるのではないでしょうか。皆さんのお話をうかがって、そうした体験を作ることが必要だと感じました。

Bグループ

サイボウズ 恩田氏：当社ではご紹介いただいた内容と近しいことをやっています。グループウェアを提供している会社で、社内でも活用しているのですが、例えばグループウェア上のつながりからコミュニケーション量を算出し、コミュニケーションが少ない人同士をイベントで同じチームにしてつながりをつくる、という施策を実施したことがあります。このように、すでに出ている情報をうまく活用できれば、本人の抵抗感もなく施策につなげられるのではという意見が出ました。また、教育効果の検証と結びつけられるといいという意見もありました。

ベイシア 割石氏：今すぐに導入できるかどうかは社風によるという話が出ました。まさにサイボウズさんのように似たような事例があれば、あまり抵抗感なく活用できそうですが、データの活用が文化的にあまり浸透していない組織では、どんなに良いツールであっても抵抗感が大きいのではないかと感じます。そのため、導入にあたっては目的や意義を十分に共有した方がいいという意見が出ました。

Aグループ

ADK 北本氏：素晴らしいツールだという意見がある一方で、分析はブラックボックスになっているため、結果だけを見て意思決定をした際に、その背景をきちんと把握できるのかという指摘がありました。また、管理職のマネジメント能力が衰退するのではという声もありました。

グループディスカッション2：企業の人事意思決定において、従業員のどのような情報を・どこまで深く知る必要があるか？

続いて、一つ目のディスカッションでも問題提起があった「どこまでの情報を知る必要があるか」について議論を行った。

ディスカッション後は各グループからの発表があり、出た意見に対して守島氏のファシリテーションのもと、全体討議が行われた。

Eグループ

エーザイ 三瓶氏：人材登用の際の意思決定にフォーカスして議論を進めました。登用する時は、ある程度対象者の目星がついていることが多いと思いますが、AIから別の提案をされたときに元の人選を覆すことができるのかという話になりました。最終的には、自分たちがピックアップした人材に対して、ツールがこの人選はすべきではないというネガティブなラインを引いてほしいという意見が出ました。

Dグループ

天満屋 元治氏：目星をつけるのはあくまで人で、AIによるネガティブチェックができれば抜てきできるという話は確かにそうだと思いました。一方でこのグループでは、若手の抜てきでは、まだ目立ってはいないけれど、実際には組織への貢献度が高いというケースがあり得るという話が出ました。AI活用によりそういった人材の情報が上がってくることがあれば良いのでは、という意見がありました。

Aグループ

ADK 北本氏：サクセッションプランなどの場合は、候補者となる人材に関する情報を多く集める必要がありますが、一般の従業員に対してはどこまで情報を取得すべきかという議論になりました。どこまで従業員の情報を深く把握しにいっているか、あらためて人事リーダーの皆さまと議論したいです。

この問いかけに対し、各社の事例の共有が行われた。そのうえで、以下のような意見が出た。

MTG 浦山氏：今はどんな仕事モードであるのか、ワークライフバランスはどうか、何を励みにしているか、今何を頑張っているかなどを上手に聞くことの方が、本当の意味で従業員個人に寄り添うことになるのではと思いました。

Cグループ

クレスコ 菊田氏：個人の特性や性格などの情報を、どのデータと組み合わせて結果を得るのかが難しいという意見が出ました。また、データを根拠にして本人の特性に合わせた配置をすることで強みを生かすことはできますが、それ以上の能力開発ができなくなる可能性もあり、偶発的な機会をどのように作っていくべきかという話もありました。

守島氏：日本の人事には「化ける」という美しい言葉があります。意に沿わない配置転換をされたけれど、予期しない成長につながり、あとで振り返ってみると結果的にはよかったという現象です。データ一辺倒で意思決定をしたときに、「化ける」がどこまで実現できるのかは議論の余地がありそうですね。

オリックス生命 石田氏：プロジェクト経験やタフアサインメントを与えたことで「化けた」ケースは実際に何人も見てきました。一方で、そうした異動によって辞めてしまうリスクもあります。そのため、アサインの際には説明が大事だと思います。この異動で経験してほしいこと、その先に期待していることなどを丁寧に説明することで、従業員の納得感や理解を得ることが必要だと考えていました。

守島氏：従業員に対する説明の重要性はとても高まっています。その際に気を付けなければいけないのは、異動の理由を説明する際にどんな情報を根拠にするのかということ。今回のテーマでもあるデータを活用することもあり得ると思います。

Bグループ

ベイシア 割石氏：当社では、ハイパフォーマーの適性検査のデータにどんな波形が見られるかを把握し、後任人事の参考にしています。例えばその組織を現状維持させたい場合は、同じような波形の人材を異動させて様子を見る。大きく組織を変革したい場合は、全く違う波形の人を配置します。

抜てき人事の際に見るべき視点として、人の視点と組織の視点の二つがあると思っています。人の視点では、本人を一気に成長させるためのタフアサインメントをする場合などに、データを根拠に説明することで本人が納得感を持ってチャレンジできることがあり得ると思います。組織の視点では、例えば営業部門から管理部門へ異動させるなど、組織に対して変革を起こせるアサインメントが可能になるのではと思います。こうした取り組みにより従業員のモチベーションを高めていくことで、組織のエンゲージメントも高めていけるのではないでしょうか。

全体総括

グループディスカッションと全体討議を受けて、最後に守島氏は「時代の変化やテクノロジーの発達などにより新しいものが入ってくるときこそ、会社ごとに大切にしたいものをどう維持するかを真剣に考えるべき」と述べた。

守島氏：ジョブ型人事制度やHRテクノロジーなど、人事の領域において、新しい考え方や手法がどんどん取り入れられるようになりました。ジョブ型には確かに良い面もありますが、働く人のキャリアにとって、企業にとって、それが本当に良いのかをきちんと考えた上で導入していくべきです。各社の状況に合わせた『修正型のジョブ型』を入れることが最適解かもしれません。

同じことがAIやデータ活用にも言えます。先ほど「化ける」という話がありましたが、化けた人材を重視するなど、会社には大切にしたいことがあり、それをどう維持していくかを考えて取り組む必要があると思います。新しいテクノロジーが出てきたから、それをすぐに受け入れましょうということにはならない。今まで大切にしてきたものをどう位置付けるのかを考えなくてはいけないと思いながら、皆さんのご意見を聞いていました。

阿須間氏：AIの会社である当社でも、AIが何でも教えてくれたり、決めてくれたりするものではないと考えています。しかし、今まで人の力だけでは知り得なかった情報を教えてくれたり、失敗を回避したりすることはできる。そういった便利な道具、相棒としてうまく活用していただけるようなプロダクトを作っていきたいと、あらためて感じました。

守島氏による問題提起	人材不足と働き手の多様化により、個に寄り添ったマネジメントが求められている 優秀層だけに限定せず、できるだけ多くの人材を活用する「全員戦力化」の重要性が増している 人材は「ココロを持つ経営資源」であり、納得して働くことでエンゲージメントが向上する
阿須間氏によるプレゼンテーション	「秘密計算」技術により、機微なデータを暗号化したまま分析が可能になる 深く動的なピープルデータの安全な活用により、見えなかった個人や組織の特性が見えてくる その結果、個に寄り添ったマネジメントが可能になり、従業員のパフォーマンス向上や組織改善に貢献できる
ディスカッション	プレゼンテーションを聞いて率直にどう思ったか？ 根拠を持った課題認識や施策の効果検証が可能になる 組織文化によって、ツールの受容度が異なる。目的や意義を十分に共有することが重要 企業の人事意思決定において、従業員のどのような情報を・どこまで深く知る必要があるか？ 人材の異動・登用の際、データを活用した説明ができれば本人の納得感につながる データに基づく適性配置が強みを生かす一方で、偶発的な成長機会を奪うリスクもある すべてがAIに置き換わることはなく、人の勘や経験による意思決定が生きる場合もある
新しい技術をそのまま取り入れるのではなく、企業や従業員にとって何が最適かを真剣に考える必要がある AIは「相棒」として活用し、役立つ情報やサポートを提供する道具として活用していくべきである

当日知見をご共有くださった皆さま

※所属や役職は「ＨＲカンファレンス2025-冬-」開催時のものです。