HR Lens

AIHR

AIHRに関連するHR戦略、制度、運用事例、データ、政策変化、実務上の示唆を扱うタグです。

  • [2026 HR Trend ②] AI導入率より重要なもの、HRのAI責任ライン設計

    [2026 HR Trend ②] AI導入率より重要なもの、HRのAI責任ライン設計

    これは2026 HR Trend連載の第2回である。第1回が全体の流れを「HR運営方式の再設計」として読んだとすれば、今回はその中のAIを扱う。重要なのはAI導入率ではない。HRがAIをどこまで使い、誰がレビューし、従業員にどのように説明するかである。

    SHRMは2026年もAIがHRの中心課題であり続けると見ている。同時に、AIが期待どおりの成果を出したのか、コストとリスクはどこに潜んでいるのかを見直す必要があると説明する。CEOの89%がAIが組織の価値創出と獲得の方法を再定義すると予想するという数値も示している。期待が大きいほど責任も大きくなる。

    AIがHRの中心課題になるほど責任ラインが先に必要だ

    AIは採用、パフォーマンス管理、教育、人員計画、従業員体験分析に急速に入ってくる。しかしHRでAIを使うという言葉は一つの行動ではない。候補者書類を要約するAI、面接質問を推薦するAI、成果フィードバック文案を作るAI、離職リスクを予測するPeople Analyticsツールは、それぞれ異なるリスクを生む。

    問題は、ツールが増えるほど判断の出所が曖昧になる点である。AIが出した結果をHR担当者がそのまま従ったのか、管理職が修正したのか、例外を認めた基準が何だったのかが残っていなければ、従業員は結果に納得しにくい。だから2026年のHR AIの最初の課題は「何を導入するか」よりも「誰が最終判断者か」を決めることである。

    HR AI責任線は三つの質問から始まる

    第一の質問は利用目的である。SHRMの2026年HR Trendsは、AIをめぐる過大な期待を取り払い、本当に重要な地点でAIを活用すべきだと説明する。そのためAIをコスト削減用に使うのか、生産性向上用に使うのか、より良い人材意思決定の補助ツールとして使うのかを区分しなければならない。目的が曖昧なら成果も測定しにくい。

    第二の質問は検討責任である。AIが作った推薦を誰が確認するのか。採用では採用担当者と現場リーダーの役割が異なり、パフォーマンス管理では管理職とHRBPの責任が異なる。第三の質問は記録基準である。どのデータが入力され、どの基準で結果が修正され、例外は誰が承認したのかを残さなければならない。

    この三つの質問が整理されなければ、AIはHRをより速くすることはできても、より信頼されるものにはできない。

    採用AIは選別速度より説明可能性が重要だ

    SHRMは2026 Talent Trendsで、2,000人超のHR専門家データを基に採用難とスキル不足を扱う。公開要約によれば、HR専門家の約70%が正社員採用で依然として困難を感じ、42%は直近12か月間に正社員定着の難しさを経験した。

    この状況で採用AIは魅力的な解決策に見える。応募書類を素早く要約し、候補者を分類し、面接質問を作れるからである。しかしSHRMが指摘するように、自動化とアルゴリズムだけで採用問題を解決することはできない。職務要件が古く、評価基準が不明確なら、AIはその曖昧さをより速く反復するだけである。

    そのため採用AIの核心は速度ではなく説明可能性である。なぜこの候補者が除外されたのか、どの能力が不足していると判断されたのか、AIの推薦を人がどのように検討したのかを説明できなければならない。

    パフォーマンス管理AIは管理職判断をより透明にすべきだ

    AIコーチングとPeople Analyticsはパフォーマンス管理方式も変える。SHRMの2026年HR Trendsは、AIがコスト削減と生産性向上を超え、より良い人材意思決定につながり得ると説明する。またSHRMの2026トレンド解説は、AIコーチが年次業績評価の終わりを早める可能性があるという流れを扱う。これは評価がなくなるという意味ではない。むしろフィードバックがより頻繁に、より具体的に、よりデータに基づいて行われるべきだという意味である。

    ここでも責任線は重要だ。AIは従業員の開発計画の草案を作ることはできる。しかし、どのフィードバックを実際に伝えるか、どの目標を調整するか、どの成果問題を公式記録として残すかは管理職が判断しなければならない。HRはAIに管理職判断を代替させるのではなく、判断過程をより一貫し透明にする装置として使うべきである。

    韓国企業はAI使用記録と例外処理基準を残すべきだ

    韓国企業がまず行うべきことは、壮大なAI倫理宣言よりも運用文書の整備である。SHRMが2026年AIアジェンダをコスト、リスク、生産性、人材意思決定の問題として併せて提示した点を韓国のHR運営基準に移すなら、採用・パフォーマンス管理・教育推薦・離職リスク分析のように従業員に影響する領域からAI使用基準を分ける必要がある。

    例えば採用では、AIが応募書類の要約まで行うのか、候補者順位付けまで行うのかを区分しなければならない。パフォーマンス管理では、AIフィードバック文案が参考資料なのか公式評価根拠なのかを分離すべきだ。HRデータ分析では、個人単位予測を管理職に提供するのか、組織単位指標としてのみ活用するのか基準が必要である。

    2026年HR AIの競争力は、より多くのツールを使うことにあるのではない。AIが作った判断を人が検討し説明できる構造をつくることにある。それがHRがAIを組織の信頼資産に変える出発点である。

    HRトレンドシリーズをあわせて読む

    この記事は2026 HRトレンドシリーズの一編です。AI導入、責任線、パフォーマンス管理、採用、アップスキリング、混合型人員、Polywork、従業員体験をつなげて読むと、HR運営モデル変化の流れをより立体的に見ることができます。

    HRが次に見るべき方向

    この記事の結論は、制度をもう一つ増やすことではありません。必要なのは、この論点を組織の運営基準に移すことです。

    小さく始めるなら、問いは一つで十分です。この変化は採用、評価、学習、報酬のどの意思決定を実際に変えるのか。その答えが明確になるほど、HRの仕事はレポートではなく現場で使われる基準に近づきます。

    参考資料

    この記事はSHRMの2026 HR Trends、2026 Talent Trends、そして2026年HRトレンド解説を基に作成した。とくに2026 Talent TrendsのHR専門家回答者サンプルと公開数値を記事レベルの根拠として用いた。公開資料で確認できる数値と文言のみを本文根拠として使用し、会員専用詳細レポートの非公開内容は引用していない。

  • [2026 HR Trend ①] AIより先に変えるべきはHRの運用方式だ

    [2026 HR Trend ①] AIより先に変えるべきはHRの運用方式だ

    これは2026 HR Trend連載の第1回である。SHRMが公表した2026年のHRトレンドを一言で要約すれば、「AIを導入せよ」ではない。より正確には、AI、採用難、スキル変化、従業員期待の上昇が同時に押し寄せる状況で、HRの運用方式を再設計せよというメッセージに近い。

    2025年まで多くの組織がAI実験、自動化ツール、採用システム改善に集中してきたとすれば、2026年の問いは少し変わる。この技術は実際に成果を出したのか。従業員の働き方は明確になったのか。管理職はより良いフィードバックをしているのか。採用はより公正で正確になったのか。SHRMの2026 HR Trends、Talent Trends、State of the Workplace資料は、これらの問いを複数の角度から投げかけている。

    調査対象も広い。SHRM 2026 Talent Trendsの要約は2,000人超のHR専門家データを基に採用と定着の問題を扱い、State of the Workplaceの要約は1,800人超のHR専門家と2,000人超の労働者回答者を基に従業員体験とバーンアウト問題を提示している。そのため本稿は、個別予測よりも公開要約に繰り返し現れる運営上のシグナルを中心に読むべきである。

    AIの課題は導入率ではなく成果と統制である

    SHRMは2026年もAIがHRの中心課題であり続けると見ている。ただし雰囲気は初期の楽観論とは異なる。AIがコスト削減、生産性、人材意思決定にどのような効果をもたらすのかを確認すべきだという圧力が高まっている。

    この点でHRの役割は、単なるツール導入担当ではない。SHRMは、CEOの89%が2026年にAIが組織の価値創出と価値獲得の方法を再定義すると予想していると紹介している。期待が大きい分、HRはAI活用基準、データ利用範囲、バイアス点検、意思決定の責任線を併せて設計しなければならない。採用AIが候補者を選別し、パフォーマンス管理AIがフィードバックを提案し、HRデータ分析ツールが離職可能性を予測するほど、「誰が最終判断を下すのか」という問いはより重要になる。

    そのため2026年のAIHRの核心キーワードは自動化ではなく説明可能性である。HRはAIの結果をそのまま受け入れる組織ではなく、AIが作った判断を検討し、従業員に説明できる組織をつくらなければならない。

    パフォーマンス管理は年次評価からリアルタイム・フィードバックへ移行する

    SHRMが示したもう一つの強いシグナルは、パフォーマンス管理の変化である。AIコーチングとPeople Analyticsが広がるなか、年1回評価中心の方式は次第に説得力を失っている。仕事の速度が上がり、役割が頻繁に変わる環境で、1年前の目標を基準に一度に評価する方式では、現場の学習速度についていきにくい。

    これからのパフォーマンス管理は、より頻繁に、より具体的に、よりデータに基づいて機能しなければならない。管理職は評価シーズンに点数を付ける人ではなく、仕事の過程で優先順位、行動基準、成長方向を調整する人になる。HRはそのために、フィードバック項目、管理職研修、パフォーマンスデータ、報酬との接続方法を併せて見直す必要がある。

    重要なのは、AIコーチングが管理職を代替するという意味ではない点である。むしろ管理職の判断の質がより可視化される。AIはフィードバック文を推奨できても、どの文脈でどのような対話をすべきかは、依然としてリーダーの責任である。

    採用自動化より先にスキル基準の再定義が必要だ

    SHRMの2026 Talent Trendsは、採用難が依然として広範に残っていると見る。正社員採用の難しさ、中核職務のスキル不足、定着問題は短期間で消える課題ではない。ここで目立つ方向性は、スキルベース採用と社内人材育成である。

    多くの企業は採用自動化に期待をかけるが、SHRMの問題意識はより根本的である。アルゴリズムだけで良い採用は完成しないということだ。公開要約でSHRMは、HR専門家の約70%が正社員採用に依然として困難を感じ、42%は直近12か月間に正社員定着の難しさを経験したと示している。採用難は単に求人露出や選別速度の問題ではなく、職務要件と定着戦略の問題だという意味である。

    HRはまず、その職務で実際に必要な能力が何かを書き直さなければならない。学位、勤続年数、特定業界経験が本当に必須なのかを点検し、面接質問、課題、評価表をスキル検証中心に変える必要がある。SHRMが言及したように、充足が難しい役割のために既存従業員を訓練するHR専門家が41%に達する点も重要だ。社内異動とL&Dの経路は、もはや教育部門の別課題ではなく、採用戦略の一部になる。

    人員構造は正社員中心から混合型へ揺れ動く

    SHRMは、フリーランサー、独立契約者、ギグワーカー、小規模プロジェクトチーム、AIエージェントが混在する人員構造を重要な変化として示している。これはworkforce fragmentation、fractional workの拡大として見ることができる。SHRMの2026 HR Trendsページは、CEOの72%が2026年に独立契約者、ギグワーカー、フリーランサーの活用増加を予想していると紹介している。

    韓国企業にとっても、この変化は見慣れないものではない。すでにプロジェクト単位の外部専門家活用、短期契約、プラットフォーム人材、自動化ツールが同時に入ってきている。問題は制度がこの速度についていけない点である。誰が組織の構成員なのか。どの情報にアクセスできるのか。成果はどう評価するのか。セキュリティとコンプライアンス責任はどこまでなのか。

    もはやHR運営モデルは、正社員の人事管理だけでは十分ではない。内部従業員、外部専門家、自動化ツールがともに働く構造を前提に、役割、権限、責任、報酬基準を再整理しなければならない。

    従業員体験と報酬は再び心理的契約の問題になる

    SHRMのState of the Workplace資料は、従業員期待の上昇、バーンアウト、従業員体験を2026年の重要課題として扱う。同時にHR Trendsでは、副業、polywork、side hustle、経済的圧迫、報酬戦略の変化に触れている。

    これは単に福利厚生項目を増やせという意味ではない。従業員はより多くの成果と適応を求められる一方で、組織が提供する安定感と成長機会が減っていると感じる可能性がある。このギャップが広がれば、エンゲージメント低下、バーンアウト、離職、組織文化の弱体化につながる。

    そのためTotal Rewardsは賃金表や福利厚生パッケージの問題ではなく、従業員と組織の間の心理的契約を再設計する作業である。報酬、成長、柔軟勤務、ウェルビーイング、管理職の質、仕事の意味が併せてつながらなければならない。

    2026年にHR部門がまず点検すべき五つのこと

    SHRMの2026年トレンドを韓国企業の実務課題に置き換えると、次の五つの質問に整理できる。

    第一に、AIツールごとに利用目的、責任者、検討基準が文書化されているか。第二に、パフォーマンス管理は年次評価ではなく常時フィードバック構造として機能しているか。第三に、採用基準は学歴と経歴より実際のスキルを検証するよう変わったか。第四に、内部従業員、外部人材、自動化ツールがともに働く権限体系は整理されているか。第五に、従業員体験と報酬戦略は高まった期待とバーンアウトリスクを併せて扱っているか。

    2026年のHRトレンドは新しい流行語の一覧ではない。AIの現実化、パフォーマンス管理の再設計、スキルベース採用、リアルタイム・アップスキリング、混合型人員構造、従業員体験、Total Rewardsというキーワードは、結局一つの方向に集まる。HRがもはや制度運用部門にとどまらず、組織の働き方を設計する機能へ移行しなければならないということである。

    HRトレンドシリーズをあわせて読む

    この記事は2026 HRトレンドシリーズの一編です。AI導入、責任線、パフォーマンス管理、採用、アップスキリング、混合型人員、Polywork、従業員体験をつなげて読むと、HR運営モデル変化の流れをより立体的に見ることができます。

    HRが次に見るべき方向

    この記事の結論は、制度をもう一つ増やすことではありません。必要なのは、この論点を組織の運営基準に移すことです。

    小さく始めるなら、問いは一つで十分です。この変化は採用、評価、学習、報酬のどの意思決定を実際に変えるのか。その答えが明確になるほど、HRの仕事はレポートではなく現場で使われる基準に近づきます。

    参考資料

  • AI HRの拡大で、コンプライアンス基盤がHR Tech投資の中核変数に浮上

    AI HRの拡大で、コンプライアンス基盤がHR Tech投資の中核変数に浮上

    2026年第1四半期のHR Tech取引が97件、28億ドルに達したという数字は、単なる投資ニュースのように見えるかもしれない。しかし、HR Executiveが6月15日に報じた内容でより重要なのは、取引金額そのものではなく、投資判断の重心である。AIエージェントが採用、パフォーマンス管理、人員計画に入ってくると、HRシステムは業務を速く処理する道具を超え、「誰が承認し、どのコミュニケーションが適切で、どのワークフローが規制上の露出を生んだのか」を残す装置になる。

    この論点でHR担当者が見るべき核心は、特定のベンダー名やレポート名ではない。AIHR投資会議で機能自動化だけを比較すると見落としやすいコンプライアンス基盤、つまり承認ログ、バイアス監査、データフロー、責任の所在が、HR運用モデルの中核変数として浮上しているという点である。

    HR Techの購入基準は、自動化の速さから責任追跡へ移っている

    HR Executiveが紹介したNorwest Venture Partnersの分析によると、2026年第1四半期のHR Tech取引は97件、28億ドル規模だった。ADPによるWorkForce Softwareの12億ドルでの買収、WorkdayによるSanaの11億ドルでの買収も主要な動きとして示されている。表面的には大型M&Aのニュースだが、HRの観点でより重要なシグナルは、自動化機能だけでなくガバナンスとコンプライアンス層の重要性が高まっている点である。

    AIエージェントがHRワークフロー全体に広がるほど、コンプライアンス上の露出面も同時に大きくなる。ここでHR担当者が見るべき点は、自動化機能の数よりも、追跡可能な責任構造である。求人票作成、候補者選別、パフォーマンスフィードバックの草案、人員計画シナリオがAIを経由するようになれば、成果物だけを残すだけでは十分ではない。誰がどの基準でツールを承認したのか、例外処理はどこに残るのか、モデル出力が人の判断をどこまで代替したのかが購入要件になる。

    AI採用・評価ツールのリスクは、ベンダー契約だけでは終わらない

    AI HRツールをめぐる法規制上のリスクも、より具体的になっている。採用、パフォーマンス管理、人員計画でAIを使う企業は、地域ごとの規制と既存の差別禁止法理の間で、責任構造を説明しなければならない。Coloradoの高リスクAIシステムに対する影響評価、IllinoisのAI動画面接に関する制限、New York Cityの自動雇用意思決定ツールに対するバイアス監査要件は、いずれも同じ方向を示している。

    これらは米国の制度であるため、日本や韓国の企業にそのまま適用される義務として読むべきではない。ただし、HR運用判断には明確な共通の問いを残す。第三者のAIツールを使ったという事実が、雇用主の責任を自動的に軽くするわけではないという点である。HR Executiveが伝えたLittlerのBritney Torresの発言も同じ方向を指している。裁判所はAI関連の規定と一般的な差別関連法理をあわせて見ながら、偏った雇用意思決定の責任所在を判断し得るという趣旨である。

    韓国のHRチームは、機能一覧より先に承認ログとデータフローを問うべきだ

    コンプライアンスとHRサービス管理の領域は、employee relations case management、compliance training、background screeningのように停止しにくい業務とつながっている。議論の範囲が米国HR Tech市場に限られるという制約はあるが、2026年第1四半期の97件・28億ドルという取引の流れの中で、こうした運用項目が同時に言及された点は重要である。とくにAIエージェントが大量のHR判断に影響する環境では、欠落したログが後になって説明不能な意思決定として戻ってくる可能性がある。

    韓国企業がこの議論を適用する際には、米国の規制名を覚えるよりも、まず社内のデータフローを描くほうが実務的である。候補者情報、評価コメント、管理者フィードバック、研修受講記録、業績等級のような機微なHRデータがどのシステムを通り、AIがどの地点で推薦、要約、分類、自動実行を行うのかを確認しなければならない。Coloradoの影響評価、IllinoisのAI動画面接制限、New York Cityのバイアス監査要件は、国内の義務条項というより、承認者、変更履歴、例外処理者、削除期間、ベンダーアクセス権限、バイアス点検周期を標準レビュー項目に変えるためのシグナルに近い。

    次のHR Tech検討会議は、「何を自動化するか」から始めると遅い

    HR Tech検討会議で投げかけるべき実務上の問いはかなり直接的である。誰がアクションを承認したのか。コミュニケーションは適切だったのか。特定のワークフローが規制上の露出を生んでいないか。この三つの問いは、HR Tech導入会議の議題順を変える。最初の問いが「どの業務を自動化できるか」なら、デモ画面は魅力的に見えるかもしれない。しかし最初の問いが「後で説明しなければならない判断は何で、その証拠はどこに残るのか」なら、ベンダー比較表の項目は変わる。

    実務的には、まず四つを確認したい。第一に、AIが推薦した候補者、評価、人員配置の結果について、人が修正した痕跡は残るか。第二に、管理者とHRBPがAIの提案を採用または却下した理由を短くても記録できるか。第三に、特定集団に不利な結果が繰り返されるとき、それを検知する指標と点検周期があるか。第四に、ベンダー契約書は機能SLAだけでなく、データ保存、監査ログ提供、モデル変更通知、インシデント対応時間を含んでいるか。結局、コンプライアンス上の露出面が広がるということは、承認、コミュニケーション、規制リスクが発生する接点が増えるという意味である。

    HRが次に見るべき方向

    この記事の結論は、制度をもう一つ増やすことではありません。必要なのは、この論点を組織の運営基準に移すことです。

    小さく始めるなら、問いは一つで十分です。この変化は採用、評価、学習、報酬のどの意思決定を実際に変えるのか。その答えが明確になるほど、HRの仕事はレポートではなく現場で使われる基準に近づきます。

    参考にした公開資料
    – HR Executive, “Compliance tech is becoming a strategic priority, as AI expands in HR”, 2026-06-15. 参考報道を見る
    – Google News RSS field collection, AIHR・HR Tech / 労務・雇用分野。この資料は記事テーマ選定のための補助的な収集シグナルとしてのみ使用した。

  • AIエージェントによる業務転換が、HRデータの承認構造を再び揺さぶる

    AIエージェントによる業務転換が、HRデータの承認構造を再び揺さぶる

    2026年5月に公開されたWork Trend Indexの項目は、AIエージェントを単なる業務支援ツールとして説明していない。中核となる一文は短い。AIとエージェントが実行を担えば、人間のagencyが広がるということだ。HRの観点では、ここで問いが分かれる。従業員がより多くの仕事をこなせるかどうかよりも、誰がどのデータでどの実行を承認したのかを記録として残せるかどうかが先に問われる。

    仕事の実行主体が変わると、承認者の記録から揺らぎ始める

    2026-05-05に公開されたWork Trend Indexの最新年次報告書項目は、“AI and agents take on execution”という表現を用いている。実行の一部が人の手からツールとエージェントへ移るという意味だ。この変化は、求人票の作成、候補者の分類、研修の推薦、パフォーマンス面談の準備のように、HRがすでにデータで処理してきた業務から広がる可能性が高い。

    そのため、HRの運用文書には少なくとも3つの欄が必要だ。第一に、エージェントが実行した業務範囲。第二に、人が承認した時点と承認者。第三に、結果が人に不利に作用したときに取り戻す手続きである。この3つがなければ、生産性改善の事例は残っても、責任の順序は曖昧になる。

    調査と観察研究という形式は、HR指標の基準月を問わせる

    Work Trend Indexのページは、この資料群を“global, industry-spanning surveys”と“observational studies”に基づく研究だと説明している。2024年、2025年、2026年の年次報告書が並べて配置されている点も重要だ。AI業務をめぐる議論が一度きりの技術発表ではなく、3年以上続く働き方の変化であることを示すシグナルだからである。

    HRデータチームは、ここで指標の基準月を改めて確認しなければならない。AI導入の前後を比較するには、採用リードタイム、研修修了率、社内異動申請、パフォーマンスフィードバック作成時間の基準月がそろっていなければならない。ある部署は2026年5月以降のデータを使い、別の部署は2025年6月のフォローアップ報告書時点の基準を使うなら、同じダッシュボードでも互いに異なる物語を語ることになる。

    個人情報とPeople Analyticsの間には監査ログが必要だ

    個人情報保護委員会の公開メニューは、企業政策、仮名処理・仮名情報の結合、ISMS-P、個人情報影響評価といった項目を個別に設けている。これらの項目が、すべてのHR AIツールに直ちに同じ義務を課すという意味ではない。ただし、韓国企業がPeople AnalyticsとAI自動化を同時に扱うとき、個人情報処理とセキュリティ認証、影響評価の言葉を避けられないことは明らかだ。

    実務上は、ベンダー契約書よりも内部ログが先である。どのHRデータがモデル入力に入ったのか、誰が原データと仮名処理データを区分したのか、推薦結果を人がいつ検討したのかを残さなければならない。特に候補者、低業績者、研修推薦対象者のように個人への影響が大きいグループについては、データ辞書と承認記録を分けて管理する必要がある。

    次四半期の意思決定は、導入範囲よりも例外処理で分かれる

    Work Trend Indexの問いは、組織がこの機会を捉える準備ができているかに近い。HR会議では、この文を導入の賛否としてだけ読むのでは不十分だ。2026年下半期のAIHR検討でより難しい部分は、「どこまで自動化するか」よりも「例外が生じたときに誰が止めるのか」である。

    次四半期の検討表には、4つの項目を載せる必要がある。AIエージェントが実行する業務リスト、人の承認なしに進めてはならない業務、データの基準月と分母、異議申し立てまたは再検討要求の経路である。この4つの欄が空欄なら、AI導入は速く見えるかもしれない。しかしHR運用では、速い実行よりも、後からたどり直せる記録のほうが長く残る。

    HRが次に見るべき方向

    この記事の結論は、制度をもう一つ増やすことではありません。必要なのは、この論点を組織の運営基準に移すことです。

    小さく始めるなら、問いは一つで十分です。この変化は採用、評価、学習、報酬のどの意思決定を実際に変えるのか。その答えが明確になるほど、HRの仕事はレポートではなく現場で使われる基準に近づきます。

    参照した公開資料
    • Microsoft WorkLab, Work Trend Index
    • 個人情報保護委員会の政策・法令および企業政策案内

  • Deloitte 2026年人的資本トレンド、AI成果の論点はHR運用モデルの再設計へ

    Deloitte 2026年人的資本トレンド、AI成果の論点はHR運用モデルの再設計へ

    Deloitte Insightsの2026 Global Human Capital Trendsは、AIをめぐる議論を、技術購入や生産性ツールの問題ではなく、仕事の再設計の問題へと移している。とくに、調査対象となった100人のC-suiteリーダーのうち59%がAIに対して技術中心のアプローチを取っており、そうした組織は人間中心のアプローチを取る組織に比べて、期待を上回るAI投資収益を実現できない可能性が1.6倍高いという点は、HRにとって見過ごしにくい。AIの成果は導入率ではなく、仕事の構造によって分かれるという意味に近い。

    59%の技術中心アプローチは、AI投資検討表の空白を浮き彫りにする

    Deloitteが示した100人のC-suiteリーダー調査では、組織の59%がAIに技術中心で取り組んでいる。同じ資料は、技術中心アプローチの組織が、人間中心アプローチの組織よりも、期待を上回るAI投資収益を実現できない可能性が1.6倍高いと説明している。この数字は、AIHR予算審議における単なる警告文ではない。購入したツールが業務上の判断、承認、協働、学習をどのように変えるのかを問わなければ、成果測定そのものが空白になるというシグナルである。

    そのためHRは、AI導入の検討表を変えなければならない。機能一覧とライセンス費用だけを比較していては不十分だ。利用する職務、データアクセス権、結果のレビュー担当者、エラー報告の方法、教育対象、成果指標の変更有無を同じ表に入れる必要がある。1.6倍という数字は、技術チームの成果だけでなく、HR運用設計の責任も指している。

    優位性は静的な配置ではなく、人・スキル・データのリアルタイム調整から生まれる

    Deloitteの原文は、AIが仕事の速度を高めるなかで、競争優位が静的な人材配分から、人、スキル、データ、技術をリアルタイムで調整する方法へ移っていると説明している。この一文は、組織図の改編よりも運用リズムの変化を指している。年1回の要員計画、半年ごとの能力診断、四半期ごとの研修申請だけでは、業務需要が変化する速度についていくことは難しい。

    HR実務では、まずスキルデータの更新周期を確認する必要がある。どの職務がどのツールを使っているのか、新しい業務が生じたときに社内異動候補を何日以内に確認できるのか、プロジェクトへの人員配置が業績管理と学習履歴に残るのかを点検すべきだ。人・スキル・データをリアルタイムで調整するという言葉は、プラットフォーム導入より先にデータ品質と意思決定サイクルを変えよという要求である。

    HR機能はサイロではなく、成果中心のケイパビリティの束として再編される

    レポートは、HR・財務・ITのような伝統的機能が今日の事業要求に対して遅く、サイロ化していると述べている。同じsectionでは、機能を成果中心のケイパビリティへ分解し、再構成する必要性も提起している。HRの立場から見ると、採用チーム、教育チーム、評価チーム、HRISチームがそれぞれ年次計画だけを遂行するやり方は、AI時代の仕事の変化と衝突し得るという意味である。

    たとえば顧客対応AIを導入する組織であれば、採用はプロンプト作成経験だけを見るわけにはいかない。教育もツールの使い方を教えるだけでは不十分だ。業績管理は、AIが作成した下書きと人が修正した判断をどのように評価するかを決めなければならない。HRISはログと権限データを残す必要がある。機能別KPIをそのままにしておくと、一方では導入速度を高め、もう一方ではリスクを後追いで処理する構造になる。

    継続学習は研修コースではなく、業務フロー内の適応能力である

    Deloitteは、従来型のチェンジマネジメントと教育では、組織と従業員の適応速度に合わせるには遅すぎる可能性があると見ている。原文は、AIが学習、適応、スキル適用を業務フローの中へ引き込むという説明も加えている。この点は、HRDの役割を研修申請率や修了率の管理から、働く最中に生まれる学習データの管理へ拡張する。

    次の四半期HR会議では、三つの指標を問う価値がある。第一に、AI関連の業務変更が発生した後、その職務の教育コンテンツは何日以内に更新されるのか。第二に、従業員が実際の業務でどのようなヘルプ、コーチング、レビュー手順を使っているのかがデータとして残るのか。第三に、新しいスキルが業績評価と社内異動の意思決定に反映されるのか。2026年人的資本トレンドの核心は、AIをより多く買うことではない。人が判断し、学び、協働する方法をどれだけ速く再設計できるかにある。

    HRが次に見るべき方向

    この記事の結論は、制度をもう一つ増やすことではありません。必要なのは、この論点を組織の運営基準に移すことです。

    小さく始めるなら、問いは一つで十分です。この変化は採用、評価、学習、報酬のどの意思決定を実際に変えるのか。その答えが明確になるほど、HRの仕事はレポートではなく現場で使われる基準に近づきます。

    参考にした公開資料
    Deloitte Insights, 2026 Global Human Capital Trends.