戦略転換と人材獲得競争がもたらした「人材の最適配置」という至上命題

貴社のAIを活用した新たな人材配置シミュレーションモデルは、先進的な取り組みとして広く注目を集めています。本モデルを開発し、異動・配置に活用するに至った背景についてお聞かせください。

当社の経営戦略の大きな転換が根底にあります。当社は長らく医療保険の分野に軸足を置いて事業を展開してきました。しかし近年は、いわゆる保障性の商品、例えば死亡保障や資産形成といった、一般的に第一分野と呼ばれる領域に、商品開発および営業の主軸を移しています。

事業戦略の転換は、営業現場に求められるスキルの質的な変化をもたらします。従来の商品力に依存した販売モデルから、営業担当者自身の力量がよりダイレクトに問われるモデルへの移行を意味するからです。当社の主な販売チャネルは代理店営業ですが、代理店の方々と深い信頼関係を築き、懐に入り込んでいくような、人間力をベースとした営業スタイルがこれまで以上に重要になっています。

加えて、外部環境の変化も大きな要因として挙げられます。同業他社などとの人材獲得競争が激化しており、優秀な人材を外部から新たに採用し続けることは容易ではありません。そのような状況下、経営の観点からは「在籍している社員が持つポテンシャルをいかに引き出し、最大限に生かすことができるか」という命題に直面します。

第一分野という競争の激しいマーケットにおいて勝ち抜くために、営業組織全体の力を底上げする必要があるという事業戦略上の要請と、採用難の時代において、今いる人材の能力を最大化しなければならないという人事課題。この二つの背景が交差する地点に、今回の取り組みの原点があります。

社員一人ひとりの能力を伸ばすことは当然の前提としつつ、より客観的なデータに基づいた適材適所の配置を実現することで、組織全体のパフォーマンスを飛躍的に高める。経営課題を解決するための手段として、データとAIを活用した配置モデルの構築を目指すに至りました。

社員の希望や感覚的な適性だけでなく、より客観的な指標を用いた配置が求められるわけですね。

社員一人ひとりの「こういう仕事をしたい」という希望や、表層的な適性検査の結果だけで配属を決定する次元から脱却する必要性を感じていました。もちろん、個人の希望は尊重すべき要素の一つですが、企業が持続的に成長していくためには、業績の向上に直結する合理的な根拠に基づいた配置が不可欠です。

客観的なデータを用いて、どのような配置が組織の業績を最大化するのかを科学的に導き出す。その仕組みを持たなければ、事業戦略の転換という大きな壁を乗り越えることは難しいと考えました。

6000項目のデータが「人と人」「人と組織」の相性を導き出す

業績を軸に据えたデータ活用とのことですが、具体的にどのような指標をベースに分析を進められたのでしょうか。

営業部門においては、成果を測る指標が極めて明確に存在します。今回は「新契約年換算保険料」という指標を主要なキーインジケーターとして採用しました。この指標は生命保険業界全体で共通の物差しとして機能していて、客観的かつ定量的な業績評価が可能です。人事データを業績という結果に結びつけるモデルを構築する上で、明確でブレのない指標が存在したことは、分析を進める上で大変有利に働きました。

企画や管理部門など、パフォーマンスの定量化が難しい部署への展開は今後の課題として残されていますが、まずは最も成果が可視化しやすい営業部門の代理店担当者を対象にプロジェクトを始動させました。管理職である支社長・チーム長が約60人、営業担当者が約230人、合計約300人の配置にAIを活用しています。

当社は過去数年間にわたり、さまざまなアセスメントやサーベイを実施し、データを蓄積してきました。例えば、リーダーシップスタイルと組織風土の関係性を測定するサーベイを行っています。業績が好調な支社を分析すると、管理職が状況に応じて複数のリーダーシップスタイルを柔軟に使い分けており、かつ組織風土も良好に保たれている傾向が見られます。

一方で興味深いデータもあります。ある支社では、管理職が自ら動いてしまう「率先型」のリーダーシップを強く発揮しており、組織風土のスコア自体は決して高くないにもかかわらず、高い業績を上げていました。一般的に率先型のリーダーシップは業績に対してネガティブに働くとされがちですが、現実の組織ではそうとは言い切れない複雑な要因が絡み合っています。

他にも、営業担当者のスキルを可視化するスキルアセスメントを年に一度実施しており、そのスコアと業績の相関関係も分析してきました。また、課題設定力などのポータブルスキルを測るコンピテンシー評価や、入社時の適性検査による性格タイプの分類なども行っています。適性検査の結果を見ると、特定のタイプに分類される社員が入社後に高い業績を上げる傾向があるなど、興味深い相関関係が確認されています。

これまでは支社ごとの課題に合わせて、管理職の配置転換を検討する際や、業績向上が見込める人材を採用する際などに、データを個別に参考にしてきました。しかし、豊富なデータを蓄積していても、それらを統合的に分析し、掛け合わせて活用するまでには至っていなかったという反省点がありました。せっかくのデータをより立体的かつ総合的に活用できないかという思いが、今回のプロジェクトの出発点となっています。

開発の期間やプロセスについてお聞かせください。

2024年の9月頃から東京大学エコノミックコンサルティング株式会社に参画していただき、約1年間という期間をかけて協議と開発を重ね、2025年の9月末にモデルを完成させました。

開発のプロセスで最も時間を要したのが、データのクレンジングと分析手法の確立です。対象となるデータは多岐にわたります。営業担当者個人の等級、勤怠状況、スキルアセスメントの結果、過去の業績、1日の訪問件数などの営業活動量。さらに管理職である支社長のアセスメント結果、リーダーシップスタイル。そして支社そのもののロケーション、マーケット規模、組織風土に関するデータ。これらを全て合わせると、約6000項目にも及ぶ膨大なデータ群となります。

6000項目という数字には圧倒されます。どのように分析していったのでしょうか。

分析は段階を踏んで進めました。第一段階として、個別の項目一つひとつが業績に対してどのような相関を持っているかを分析。次に、項目同士の「組み合わせ」に着目しました。例えば、特定の属性を持つ担当者と特定の属性を持つ管理職の組み合わせが、業績にどのような影響を与えるのかを検証しました。

最終的にAIの機械学習を用いて、パフォーマンスに対して個人の属性や各要素の組み合わせがどう結びつくのか、そのパラメータを算出しました。単一の要素だけでなく、要素同士が交わった際に生じる「相性」をパラメータ化し、シミュレーションモデルの裏側に組み込んでいます。

「相性」という目に見えない要素をデータで定量化した点に、このモデルの最大の独自性を感じます。なぜその点に着目されたのでしょうか。

私は長年人事に携わってきた中で、企業の合併や買収に伴う組織改編の現場を数多く見てきました。そうした場面で頻繁に目にするのが、人の入れ替わりによって組織の雰囲気が劇的に変化し、それに伴って業績も大きく変動するという現象です。優秀な上司の元で劇的に才能を開花させていた社員が、配置が変わった途端にパフォーマンスを落としてしまうこともあります。

そこには間違いなく、「人と人」や「人と組織」の間にある相性という要因が深く関わっているはずだと確信していました。個人の単独の能力だけでなく、「誰と働くか」「どのような環境で働くかと」いう組み合わせの妙をデータを用いてアプローチできれば、これまでにない強力な人事ツールになるのではないかという期待がありました。

東京大学エコノミックコンサルティングの専門家の方からも、個人の志向や希望を用いたマッチングの事例は存在するものの、業績と直接結びつけて「人と人」「人と組織」の相性をここまで緻密に定量化し、モデルに組み込んだ事例は極めて珍しいとの評価をいただいています。

【業績向上に結び付く組み合わせの例】

出所：オリックス生命保険

組み合わせによる「効果」をシミュレーションする

具体的なシミュレーション画面や、出力される結果はどのようなものでしょうか。

システムの運用画面では、多角的な視点からシミュレーションを実行することが可能です。例えば、「特定の社員をどの支社に配属すれば、最も高い業績向上が見込めるか」という観点です。ある社員をA支社に配属した場合、目標達成率が何パーセント上昇し、金額ベースでどれほどのプラスの相乗効果が期待できるかという予測値が、ランキング形式で表示されます。逆に、B支社に配属した場合は効果が薄い、あるいはマイナスに作用する可能性がある、といったネガティブな予測も同時に示されます。

さらにもう一つの視点として、「特定の支社に対して、誰を配属するのが最も適しているか」という組織を起点としたシミュレーションも可能です。C支社が抱える課題を解決し、業績を伸ばすためには、候補者の中からどの社員を配置するのがベストな選択かという問いに対して、データに基づいた回答を提示してくれます。

また、人事異動の検討において頻繁に発生する「この社員をD支社に配置すべきか、それともE支社に配置すべきか」という二者択一の比較検討も容易に行えます。システム上で比較することで、どちらの配属先がより高いフィット感と業績向上をもたらすかが明確な数値として示されます。

【活用イメージ】（オリックス生命保険 プレスリリースより引用）

結果の数値だけでなく、なぜそのような予測になったのかという根拠も提示されるのでしょうか。

はい、そこがこのモデルの重要なポイントです。AIが導き出した結果に対して、どのような要素の組み合わせが影響を与えているのか、その要因分解のプロセスも可視化される仕組みになっています。

例えば、ある社員と支社の相性が良いと判定された場合、その要因として「社員本人の高いプレゼンテーション力」と「都市部という支社のロケーション」の組み合わせがプラスに作用している、といった内訳が示されます。あるいは、「社員のスピーディーな行動特性」と「支社長の目標に対する不屈の執着心」という要素が噛み合うことで、高い相乗効果を生み出すといった具体的な根拠が提示されます。

出所：オリックス生命保険

組み合わせの要因が明確になることは、配置決定後のマネジメントにも活用できそうですね。

その通りです。要因分解によって示された項目は、そのまま個人の能力開発のポイントや、管理職が日常的に指導を行う際の着眼点として活用することができます。特定の社員に対して「この行動特性をさらに伸ばすことで、より高い成果につながる」といった具体的な指導が可能となります。

ハイパフォーマーだけでなく、組織全体の底上げにも貢献する仕組みだと感じます。

今回のプロジェクトを通じて最も意義深いと感じているのが、まさにその点です。人事の現場においては、どうしても目立った成績を残しているハイパフォーマーに注目が集まりがちです。しかし、このモデルを活用することで、これまでは思うようなパフォーマンスを発揮できていなかった社員でも、「どのような環境に身を置き、どのような上司の下で働けば、そのポテンシャルを最大限に発揮できるのか」というヒントを得ることが可能となります。適切な環境と組み合わせを提供することで、全ての社員がそれぞれの持ち味を生かし、組織に貢献できる道筋を探ることができるのです。「今いる人たちの最大活用」という当初の目的に立ち返れば、このツールはまさに「全員戦力化」を実現するための強力な推進力になると考えています。

2026年春の定期異動で運用――AIは意思決定のサポートツール

このシミュレーションモデルは、社内でどのように運用され始めているのでしょうか。

先日発令したばかりの2026年4月の定期異動で、シミュレーションモデルを活用して配属の検討を行いました。本格的な大規模異動での運用は今回が初めての試みとなりますが、システムの完成以降、期中の個別異動などの場面でも継続的に検証と活用を進めてきました。

具体的な運用フローとしては、人事部と営業部門の企画・統括部署が共同でシステムにアクセスし、シミュレーション結果を共有しながら検討を進めます。「この社員はどの支社で最も力を発揮できるか」「この支社の課題解決には誰が適任か」といった議論を行う際に、AIが提示する客観的な予測データを一つの重要な判断材料として用いています。

AIが提示した結果をそのまま異動案として採用するのでしょうか。

社内に対して繰り返し伝えていますが、このモデルはあくまで人事担当者や経営陣の思考を拡張し、意思決定を支援するための「サポートツール」です。AIが算出したシミュレーション結果だけで、個人の処遇や配置を機械的に決定するようなことは決してありません。

データが示す客観的な予測や相性を十分に確認しつつ、最終的な判断を下すのはあくまで人間です。現場の状況、本人のキャリアビジョン、その他の定性的な要素を総合的に勘案した上で、人間が責任を持って決定を行うという原則は揺らぎません。

社員の皆さんの反応はいかがでしたか。AIによって配置が検討されることに対して、不安や抵抗感は生じなかったのでしょうか。

現時点において、ネガティブな反応や反発の声は聞こえてきません。社内報などを通じて、システムの導入目的やサポートツールであるという位置づけを丁寧に広報してきたことが功を奏していると思われます。

また、世の中全体にテクノロジーの活用が進んでおり、採用面接にAIが導入されるなど、ビジネスのさまざまな場面でAIに触れる機会が増加しています。社員自身もそうした変化に適応しつつあるという時代背景もあるのでしょう。

当社の他部門でもAIの積極的な活用が進められていますが、人事という「人」を扱う領域において、これほど高度なデータ分析とシミュレーションが導入されたことについては、良い意味での驚きや新鮮な受け止め方があったのではないかと推測しています。

客観的なデータに基づいて自身のキャリアや配置が真剣に検討されているという事実は、人事の公平性に対する納得感を高め、社員一人ひとりが自らのキャリアを主体的に考える良いきっかけとして作用していると感じています。グループ会社や他の金融機関などからも、客観的なデータに基づく配置手法に対して強い関心を寄せる声が届いています。

「テクノロジー」と「人間の感情」の最適なバランスを目指して

今回構築された基盤を生かし、今後さらに人事領域でAI活用を拡大していく計画はありますか。

異動配置のシミュレーションにとどまらず、今後は採用、育成、さらには目標管理や評価といったあらゆる人事プロセスにおいて、AIやテクノロジーの活用を広げていく方向で検討を進めています。

例えば評価の場面では、面談時の社員の自己申告と管理職の記憶を頼りに評価が行われがちで、どうしても印象評価に陥るリスクが存在しました。今後はテクノロジーを活用して、日常的な業務プロセスの中にあるファクトデータを適切に収集・分析し、等級基準と照らし合わせたより客観的でフェアな評価制度の構築を目指したいと考えています。

各部門の経営課題を抽出し、解決策を提示するHRビジネスパートナーの機能強化にもAIは貢献できるはずです。現在は担当者が自身の経験やヒアリングに基づいて課題を感知していますが、データ分析の力を用いることで、より早期かつ戦略的な課題の発見が可能になると考えています。

採用面接においては、すでに一部でAI技術の導入に向けた準備を進めています。また育成についても、生成AIアシスタントを活用した取り組みを始めています。例えば、コンピテンシー評価などの結果に基づき、社員が自身の能力開発に向けたアクションプランを策定する際、AIアシスタントが個別のガイドブックとアセスメント結果を読み込み、一人ひとりに最適化された成長へのヒントを自動的に提示する仕組みをつくっています。

人事データ活用の可能性が大きく広がっていきますね。最後に、読者に向けてメッセージをお願いいたします。

テクノロジーやデータの活用によって、組織の課題をよりミクロな視点で捉え、精緻な対策を講じることが可能になりました。その恩恵は計り知れず、活用範囲は今後さらに拡大していくでしょう。

ただし、データが全てを解決するわけではありません。今回のシミュレーションモデルには、社員の「好き嫌い」や「その日の気分」といった感情的な要素は組み込まれていません。しかし、人間の認知や感情、モチベーションの揺らぎといった定性的な部分は、依然として組織運営において決定的な意味を持っています。

テクノロジーが客観的なファクトを提示してくれるからこそ、人事部門やマネジメント層は、社員の成長意欲をいかに引き出すか、自己効力感をいかに高めるかといった、人間の感情に寄り添う部分により一層のエネルギーを注がなければなりません。社員の心の機微を敏感に察知し、信頼関係を築き上げていくというアナログな人間的アプローチの価値は、テクノロジーが進化すればするほど相対的に高まっていくはずです。

データが示す客観性と、人間が担うべき感情的配慮。この二つのバランスを絶えず見極め、両立させていくことが、これからの人事部門に求められる最大の役割であると確信しています。一人ひとりの社員をより深く見つめ、その可能性を信じ抜く。データ活用もAI導入も、全てはそのための手段の一つなのです。

（取材：2026年3月6日）