HR Lens

HR戦略

HR전략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。

  • 現場人材データがAI分析へ移るとき、HRの課題はダッシュボードより指標統制だ

    現場人材データがAI分析へ移るとき、HRの課題はダッシュボードより指標統制だ

    要点

    • 2026年6月19日に公開されたIndeavor関連の発表は、AIがHR文書を書く段階よりさらに運用的な場面を示している。シフト勤務、欠勤、残業のような現場人材データが、自然言語の質問とダッシュボードへ直接つながる流れである。
    • この変化の核心は「AIダッシュボード導入」ではない。24時間365日の運用環境で、scheduling and absence dataを誰がどの基準で見て、どの意思決定に使えるのかを決める問題である。
    • 韓国企業が参考にすべき点は、ベンダー機能そのものより、データ辞書、権限、責任者、指標解釈基準である。特に欠勤・残業指標は、個人評価へ直結させる前に組織運営のシグナルとして解釈する必要がある。

    AIダッシュボードより先に見るべきものは現場データの定義である

    Techrseriesが2026年6月19日に公開した発表文は、IndeavorのAI Analytics Hubを「natural language reporting platform」と紹介した。対象環境も比較的明確である。複雑な24時間365日の運用、そしてmanufacturing、food and beverage、energy、nuclearのように現場シフトと規制が重要な4つの産業群が言及されている。

    注目すべき点は、接続されるデータである。発表文は、このツールがscheduling and absence dataに直接接続されると説明している。HRの観点では、これは小さな変化ではない。採用、勤怠、配置、欠勤、残業がそれぞれ別の表やシステムに残っているとき、分析より整合性確認に時間がかかる。AIが画面を見栄えよくする前に、同じ「欠勤」が部門・現場・期間ごとに同じ意味なのかを先に決めなければならない。

    だから現場人材AI分析は、People Analyticsの下位機能というより運用モデル上の課題に近い。データ項目名、集計基準月、欠勤類型、残業算式、例外処理基準が不明確なら、AIは速く答えても組織はゆっくり揺らぐ。数字がすぐ出れば会議は楽になる。ただし、それは数字が正しいという意味ではない。

    自然言語の質問は分析アクセスを広げるが、権限境界を曖昧にし得る

    発表文は、ユーザーがSQLやspreadsheetsの代わりにplain Englishで質問できると説明している。例も具体的である。「先月の施設別欠勤傾向を比較してほしい」「先週の生産部門の残業を見せてほしい」といった質問が可能だという説明がある。分析担当者やIT支援なしに、site managers、HR、enterprise leadershipが直接確認できる点も強調されている。

    このアクセス性は確かに利点である。現場リーダーは毎回Excel抽出を待たなくてよくなり、HRは同じ質問を繰り返し処理する負担を減らせる。しかし権限設計が弱いと別の問題が生じる。ある現場長は他施設の欠勤傾向をどの水準まで見られるのか。個人を識別できる可能性のあるデータはどの基準でマスキングされるのか。AIの質問ログは誰が監査するのか。

    自然言語の質問は「誰でも簡単に分析」できるようにするというより、分析権限の境界をより頻繁に試す。HRは導入前に少なくとも3つを決める必要がある。第一に、役割別の閲覧範囲。第二に、個人・チーム・施設単位データの最小表示基準。第三に、敏感な指標を人事評価や懲戒判断へ移すときに必要な別途承認手続きである。

    残業と欠勤指標は生産性の数字ではなく組織運営のシグナルである

    発表文の例はabsenteeism trendsとproduction department overtimeである。先月の施設別欠勤、先週の生産部門残業のように、期間と単位が付いた質問である。またsmart insightsがovertime spikes、staffing gapsのようなリスクと傾向を示せるとも説明している。

    HRがここで注意すべき点は、解釈の速度である。残業が増えたからといって、すぐに生産性が高まったとは見られない。欠勤が増えたからといって、直ちに個人責任に帰すこともできない。同じ1週間の残業でも、需要急増、設備問題、教育不足、シフト表設計、リーダーシップの空白という異なる原因が隠れている可能性がある。

    そのためAI分析結果は、評価表ではなく質問票として始めるべきである。現場別overtimeが急に跳ねたら、HRは人員補充、作業再配置、安全リスク、管理者承認パターンを一緒に見る必要がある。absenteeismが増えたら、健康、バーンアウト、通勤、シフト間休息時間、欠勤コードの入力方式まで確認しなければならない。指標は人を選別する道具ではなく、運営のボトルネックを探すシグナルである。

    韓国企業はベンダー導入の前にデータ辞書と責任者を決めるべきだ

    発表文はbenchmarking and standardization、automated delivery、standardized dashboardsを機能として提示している。これはHRにかなり実務的なヒントを与える。ベンチマーキングは魅力的な言葉だが、標準定義がなければ比較はすぐに歪む。同じ欠勤率でも、有給休暇、病気休暇、無断欠勤、シフト変更をどう分類するかによって、まったく異なる数字になる。

    韓国企業がこの種のツールを検討するなら、まずデータ辞書を作る必要がある。項目名、算式、分母、基準月、除外対象、承認者、修正権限を整理する文書である。第二は責任者の指定である。HRが指標所有者なのか、生産・運用部門が所有者なのか、ITがデータ品質責任者なのかが曖昧なら、AIツールが答えを出しても実行は止まる。

    最後に、自動レポートの使用目的を制限する必要がある。毎週役員へ送る標準ダッシュボードと、現場改善会議用レポートでは目的が異なる。評価・懲戒・報酬意思決定に使うデータなら、検討手続きと異議申立ての経路も必要である。AI分析ツールの成否は、モデルより運用ルールで分かれる可能性が高い。

    実務点検質問

    • シフト勤務、欠勤、残業、代替勤務のデータ定義は部門ごとに同じか。
    • 自然言語質問のユーザーは、役割別にどの施設・チーム・個人単位データを見られるか。
    • AIが示したstaffing gapやovertime spikeを誰が検討し、対応するのか。
    • 自動送信されるdashboardは意思決定用、モニタリング用、評価資料のどれなのか区分されているか。
    • ベンダー導入前に、データ辞書、権限表、監査ログ、例外承認手続きが文書化されているか。

    参考資料: Techrseries, “Indeavor Launches AI Analytics Hub to Turn Frontline Workforce Scheduling and Absence Data Into Real-Time Insights With AI”, 2026-06-19. https://techrseries.com/hr/indeavor-launches-ai-analytics-hub-to-turn-frontline-workforce-scheduling-and-absence-data-into-real-time-insights-with-ai/

  • AIが新卒・若手職務をなくすという見方、HRが先に見るべきなのは役割再設計だ

    AIが新卒・若手職務をなくすという見方、HRが先に見るべきなのは役割再設計だ

    AIが新卒・若手の仕事をなくすという言葉は、すぐに広がる。だがHRが先に見るべき問いは少し違う。どの職務が消えるのかというより、若手が担ってきたタスクがどのように分解され、再び組み合わされるのかに近い。

    CognizantとPearsonが6月18日に公表した調査サマリーは、この違いをよく示している。インドでは新卒・若手職務のタスクの37%がすでにAIで遂行されており、世界平均も33%だと示した。同時に、HRリーダーの94%は今後5年以内にAIが新しい新卒・若手向けの役割を生み出すと見ている。代替と創出が同じ表の中に入っているわけだ。

    新卒・若手職務の議論は、代替率よりタスク構成から始まる

    今回の調査サマリーで最も目を引く数字は37%だ。インドの新卒・若手職務タスクのうち、すでにAIが遂行している割合である。世界平均の33%より高い。また、HRリーダーの18%は、AIが新卒・若手業務の半分以上を処理していると答えた。数字だけを見ると、不安が先に立ちやすい。

    しかし、この数値をすぐに「新卒採用の縮小」と読むと、HRの判断は粗くなる。タスクの一部がAIに移っても、職務全体が消えるとは限らない。むしろ採用担当者は、職務記述書の中にある反復入力、草案作成、情報検索、検証、顧客対応、社内調整のタスクを分けて見る必要がある。あるタスクは自動化され、あるタスクは人の判断をより多く求める。

    採用基準は専攻よりAIと働く力へ移動する

    CognizantとPearsonの調査で、HRリーダーの96%は、今後5年以内に新卒・若手の役割がAIシステムを監督または管理する方向へ進化すると見ている。94%は、現在存在しない新しい若手向けの役割がAIによって生まれると答えた。この点は、採用基準の焦点が「AIを使えるか」から「AIの結果を検討し、文脈に合わせて修正できるか」へ移るという意味に近い。

    興味深いのは、技術系専攻だけを強調していないことだ。調査サマリーは、HR専門家の97%がソフトスキルの重要性が高まったと答え、69%は初期キャリア人材には狭い専門性より幅広い学際的背景の方が重要だと見ていると伝えた。韓国企業も新卒採用の評価表を見直すなら、専攻名、資格、ツール使用経験だけを数えるのではなく、課題定義、AI出力の検証、協働して説明する力を一緒に見る必要がある。

    教育需要は増えたが、L&Dの速度は追いついていない

    調査サマリーによると、HR専門家の91%は過去12カ月間に従業員のAI教育需要が増えたと答えた。しかし60%は、L&DプログラムがAIによる職務変化の速度に追いついていないと見ており、インドの回答ではこの比率が63%と示された。教育需要と教育供給の間のギャップは、すでに運用上の課題になっている。

    この時点でHRDは、単発のAI特別講義より先に、職務別のタスクマップを作る必要がある。たとえば新卒営業、マーケティング、開発支援、人事運用の職務で、AIが担う草案・検索・分類タスクと、人が確認すべき判断タスクを分けなければならない。教育指標も受講人数だけを見る問題ではない。教育後の実際のタスク転換率、管理者フィードバック、エラー確認基準、オンボーディング期間の変化まで一緒に確認すべきだ。

    中間管理職がAI採用とオンボーディングのボトルネックになる

    CognizantとPearsonの調査で、HRリーダーの95%は、中間管理職が従業員の効果的なAI活用を保証するうえで重要だと答えた。92%は、AIが日常業務を変える過程で、中間管理職が職務役割の再定義に重要な役割を果たすと見ている。若手を採用しても、現場管理者がAIと人の仕事を再配分できなければ、変化は求人票の文言で止まる。

    したがって、HRの次の点検質問は比較的具体的であるべきだ。第一に、新卒・若手職務ごとにAIが引き受けたタスクと新たに生まれた検証タスクを書き出したか。第二に、オンボーディングでAIの使い方より判断基準と禁止基準を教えているか。第三に、中間管理職に役割再設計の権限とコーチングの言葉を提供したか。第四に、2025年に新卒・若手2万人を採用し、2026年にはそれを上回る計画だというCognizantの事例のように、大規模な初期キャリア採用を維持する企業は、教育・配置・管理者の実行力を一緒に拡張しているか。

    韓国企業に同じ比率をそのまま適用することはできない。この調査の範囲は米国、英国、インドの3カ国で、調査対象は従業員1,000人以上の企業に所属するdirector級以上のHR専門家750人である。標本と回答者構成は、2026年3月23日から4月3日までオンラインsurvey方式で収集された。それでもメッセージは明確だ。AI時代の新卒・若手採用の核心は「何人減らせるか」ではなく、「どのタスクを新しく設計し、どの能力を初期に育てるべきか」である。HRがこの問いを見落とせば、AIは要員計画の答えではなく、オンボーディング失敗のもう一つの原因になる。

    参考資料Cognizant Newsroom, 37% of Entry-Level Tasks in India Already Done by AI, Finds Cognizant and Pearson Study, 2026-06-18

  • AI導入率を下回る研修参加率が、HR運用モデルのボトルネックを映し出す

    AI導入率を下回る研修参加率が、HR運用モデルのボトルネックを映し出す

    AIツールを導入したことと、従業員が実際に仕事の進め方を変えたことは同じではない。Aonが6月17日に公開した記事は、この隔たりをかなり明確に示している。世界の組織のほぼ4分の3がAIを導入済み、またはパイロットを実施している一方で、従業員の大多数がAIのリスキリング・アップスキリングに参加している組織は18%にとどまるという指摘である。

    この数字は、HRチームがAIプロジェクトを見るときの最初の問いを変えるべきだというサインである。「どのツールを導入したのか」よりも、「誰が学び、どの業務が変わり、その変化が成果指標として捉えられているのか」が先に来る。導入率が高くても、学習参加率と運用基準が低ければ、AI投資はHR運用モデルのボトルネックをそのまま映し出す。

    導入率と学習参加率の間にあるギャップがまず見える

    2026年6月17日付のAon insightは、AIの導入やパイロットがすでに広く進んでいると説明している。数字で見ると、世界の組織のほぼ4分の3がAIを導入済み、または試験中である。さらに雇用主ベースでは、4分の3を超える組織がAIツールをすでに提供していると示した。表面上、AIトランスフォーメーションは速い。

    しかし同じ資料が示す二つ目の数字は、より不都合である。従業員の大多数がAIのreskillingとupskillingに参加している組織は18%にすぎない。導入率と学習参加率の差は、単なる研修スケジュールの遅れではない。HRD予算、職務別の優先順位、管理職の役割、業務再設計が同じ画面でつながっていない可能性を意味する。

    利用回数だけを数えてもAI投資の成果は見えない

    Aonは、AI活用がいまも「frequency of use」で測定されることが多いと指摘した。何人がログインしたか、何回プロンプトを入力したか、どのチームが最も多く使ったかは、初期普及の指標としては使える。しかしこの指標だけでは、採用リードタイム、研修転換率、顧客対応品質、文書レビュー時間、管理職の意思決定速度が改善したかどうかは確認しにくい。

    研修カバレッジも同じ問題を示している。Aonは、従業員の10%すら教育できていない雇用主は3分の1未満であり、6社に1社はどの従業員にも教育を行っていないと説明した。AIプロジェクト会議で「利用者数」だけを見て終わると、この空白は隠れてしまう。HRは教育対象、職務群、ユースケース、前後の成果指標をまとめて見る必要がある。

    HRDとPeople Analyticsは同じダッシュボードを見る必要がある

    もはやAI教育を独立したキャンペーンのように運営することは難しい。18%という参加率はHRDチームだけの問題ではなく、People Analytics、HRBP、IT、現場リーダーが一緒に見るべき運用指標である。たとえば研修修了率だけでなく、研修後に実際の業務へAIが投入された比率、承認済みユースケースの数、リスクレビューを終えたプロセス数を並べて見る必要がある。

    John McLaughlinは、組織がAIを導入している一方で、それを効果的に使うために必要なclarity、direction、operating modelを十分に提供していないと述べた。この一文は、HR運用モデルのチェックポイントとして読める。職務別のAI利用基準はあるか。管理職はどの成果物を承認すべきか。研修後30日、60日、90日に何を比較するのか。こうした問いがなければ、AI活用は個人の好奇心に委ねられる。

    韓国企業の次の会議で問うべきなのはツールではなく準備度だ

    Aonの資料はグローバルコンサルティングの観点から書かれているため、韓国企業の法的義務や産業別規制を代わりに説明するものではない。今回の自動実行では、標本、調査範囲、産業別の回答者分布までは確認していないため、数字は人材準備度を点検するためのシグナルとして読むべきである。ただしHR実務判断に適用できる警告はある。AI転換をソリューション導入プロジェクトとしてだけ扱うと、教育、役割、成果測定、責任構造が追いつかないという点である。

    次のAIHR会議では、機能一覧よりも先に準備度の表を開く方がよい。職務群別の教育参加率、実際に適用された業務、管理職の承認基準、禁止ユースケース、成果指標、データセキュリティ点検状況を一行ずつ確認すべきである。ツールがすでに入っているなら、手遅れになる前に問う必要がある。自社はAIを使う人を増やしているのか、それともAIを使える仕事を新たに設計しているのか。

    参考資料

  • [2026 HR Trend ⑧] バーンアウトと従業員体験、HRが書き直すべき心理的契約

    [2026 HR Trend ⑧] バーンアウトと従業員体験、HRが書き直すべき心理的契約

    2026 HR Trend連載の最後となる第8回である。これまでの記事がAI責任ライン、成果管理、採用、アップスキリング、ハイブリッド人材、Polyworkを扱ったとすれば、今回はこれらの変化が従業員体験とバーンアウトにどのように収れんするのかを見る。

    2026年のHRの結論は単純だ。組織はより高い生産性とより速い変化を求め、従業員はより良い報酬、成長、柔軟性、尊重を求める。このバランスが崩れると、従業員体験は悪化し、バーンアウトは繰り返される。

    従業員体験は福利厚生イベントではなく、心理的契約である

    SHRM 2026 State of the Workplaceの要約は、1,800人超のHR専門家と2,000人超の労働者データに基づき、従業員の期待と職場課題を扱っている。この調査対象とサンプルは、HR担当者の観察と労働者回答者の視点をあわせて示すという点で、従業員経験を議論する出発点となる。SHRMの公開要約で、HR専門家の72%が労働者の雇用主への期待上昇を認識していると示した点は、従業員経験が福利厚生プログラムの問題ではなく、組織と従業員の間の期待調整の問題であることを示している。

    心理的契約は、文書に書かれた雇用契約とは異なる。従業員は「この組織で懸命に働けば何を得られるのか」と問い、組織は「私たちが求める成果と変化に従業員はどのようについてくるのか」と問う。従業員経験は、この二つの問いが交わる地点である。

    バーンアウトは個人の回復力の問題ではなく、業務設計の問題である

    SHRM 2026 Talent Trendsの要約は、HR専門家の約70%が正社員採用の難しさを経験し、42%が直近12カ月間に正社員維持の難しさを経験したと示している。人員補充が難しく離職リスクが高まる環境では、残っている従業員に業務が集中する可能性が高い。

    このとき、バーンアウトを個人の回復力不足だけで説明すると、解決策は狭くなる。瞑想アプリ、ウェルビーイングキャンペーン、休暇取得の推奨も必要かもしれないが、実際の業務量と優先順位が変わらなければ効果は限られる。HRは業務量、役割期待、管理職のフィードバック、人員計画をあわせて見なければならない。

    AIが生産性を高めるほど、管理職の役割はより重要になる

    SHRM 2026 HR Trendsは、CEOの89%が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示している。同時にSHRMは、AIがコスト、リスク、生産性、より良い人材意思決定と結びつくと説明している。AIが仕事のスピードを高めるほど、従業員はより多くのアウトプットとより速い対応を求められ得る。

    したがってAI時代の従業員経験は、技術導入率ではなく管理職の行動によって分かれる。管理職が優先順位を整理できなければ、AIは業務を減らす道具ではなく、より多くの仕事をより速く処理させる圧力になる。逆に管理職が目標、期待水準、フィードバック、休息基準を明確にすれば、AIは従業員の負担を減らす道具になり得る。

    混合型人材とPolyworkは従業員経験の境界を揺さぶる

    SHRM 2026 HR Trendsは、Workforce Fragmentation、独立契約者・ギグワーカー・フリーランサー活用の増加、そして従業員が二つの収入源を持つ流れをあわせて示している。特に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いう数値は、従業員経験の境界が正社員の内部だけにとどまれないことを示している。

    SHRMの「Employees Work Harder, Smarter… and Collect Two Pay Checks」という流れまでつなげると、従業員経験はさらに複雑になる。正社員は外部専門家と協働し、AIツールを使い、時には自分自身も会社の外で別の仕事をする。このとき組織文化はオフィスイベントではなく、協働ルール、情報アクセス権限、成果責任、利益相反基準として現れる。従業員経験はもはや「自社の中での経験」だけではなく、「自組織とつながる仕事の経験」へと拡張される。

    韓国企業は従業員経験を成果契約として書き直すべきだ

    韓国企業が2026年の従業員経験を再設計する際、出発点は福利厚生項目を増やすことではない。組織が求める成果、変化の速度、学習負担、協働方式と、従業員に提供する報酬、成長機会、柔軟性、管理職支援がバランスを成しているかを点検しなければならない。

    実務的には三つの問いが必要だ。第一に、私たちの組織は従業員に何をさらに求めているのか。第二に、その要求に合わせて何をさらに提供しているのか。第三に、要求と提供の不均衡がどの職務とどの管理職の下で大きくなっているのか。この問いに答えられなければ、従業員経験はサーベイスコア管理に縮小され、バーンアウトは個人問題として残る。

    2026 HR Trend連載の核心は、結局一つに集約される。AI、成果管理、採用、アップスキリング、外部人材、Polyworkは、それぞれ別々のイシューではない。組織が働き方を再設計すべきだというシグナルである。HRは制度をより多く作る部署ではなく、組織が求める成果と従業員が持続可能に働ける条件との間の契約を書き直す役割を担うべきだ。

    2026 HR Trend連載記事

    最終回は、先の7つのテーマを従業員経験と心理的契約の観点から総合する。

    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、成果管理、採用、アップスキリング、混合型人材、Polywork、従業員経験をつなげて読むと、HR運営モデルの変化の流れをより立体的に見ることができます。

    参考資料

    この記事はSHRMの2026 State of the Workplace、2026 HR Trends、2026年HRトレンド解説に基づいて作成した。本文では、SHRM 2026 State of the Workplace要約の1,800人超のHR専門家と2,000人超の労働者という調査範囲、労働者の雇用主への期待上昇に対するHR専門家72%の認識、そしてSHRM 2026 HR TrendsのAI・Workforce Fragmentationの流れをつなげた。バーンアウトとメンタルヘルス、労務リスクは組織状況と法制度によって異なり得るため、医学的・法律的助言ではなくHR運営観点の解釈として読むべきである。

  • [2026 HR Trend ⑦] Polyworkと副業の広がり、報酬・エンゲージメント戦略の再設計

    [2026 HR Trend ⑦] Polyworkと副業の広がり、報酬・エンゲージメント戦略の再設計

    2026 HR Trend連載の第7回である。第6回が正社員中心のHRの限界を扱ったとすれば、今回は従業員個人の働き方がどのように変わっているのかを取り上げる。Polywork、副業、サイドプロジェクトは、もはや一部職種だけの例外的な現象ではない。

    問題は「副業を認めるのか、禁止するのか」だけでは整理できない。従業員が複数の収入源と複数の役割を持つ時代には、報酬競争力、エンゲージメント、利益相反、情報セキュリティ、成果判断基準を同時に設計しなければならない。

    副業は個人の逸脱ではなく、報酬のシグナルである

    SHRM 2026 HR Trendsは「Employees Work Harder, Smarter… and Collect Two Pay Checks」という流れを提示している。この表現は、2026年のHRアジェンダにおいて、従業員がより高い生産性を求められる一方で追加の収入源を探す現象が同時に起きていることを示している。SHRMが同じトレンドページでAIの生産性効果とコスト・リスクをあわせて扱っていることも、この変化が個人の選択にとどまらず、組織運営の問題であることを示唆している。

    従業員が副業をする理由は多様だ。生活費の圧迫、不確実な雇用環境、成長機会の不足、自分の専門性を市場で確かめたいという欲求が混ざり合っている。SHRM 2026 State of the Workplaceの要約が1,800人超のHR専門家と2,000人超の労働者データに基づき従業員の期待と組織課題を扱い、HR専門家の72%が労働者の雇用主への期待上昇を認識していると示した点をあわせて見ると、副業は報酬・成長・従業員経験のシグナルとして読むべきである。HRがこれをすべて問題行動としてだけ捉えれば、原因を見落とす。逆に何の基準もなく放置すれば、成果低下、利益相反、情報漏えいリスクが高まり得る。

    Polywork時代の核心的な問いは、エンゲージメントと利益相反である

    SHRM 2026 HR TrendsのWorkforce Fragmentationの流れは、組織外の仕事と組織内の仕事がより緩やかにつながる変化を示している。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いう数値は、外部労働市場が組織運営の中へさらに深く入り込んでいることを示唆する。

    この流れは正社員にも影響する。従業員は会社の中ではメンバーだが、会社の外ではフリーランサー、クリエイター、講師、アドバイザー、オンライン販売者であり得る。HRの核心的な問いは「副業があるか」ではなく、「その活動が本業の成果、会社の利害、顧客情報と衝突するか」である。

    Total Rewardsは給与表ではなく、選択肢の設計になる

    SHRM 2026 State of the Workplaceの要約は、1,800人超のHR専門家と2,000人超の労働者データに基づき、従業員の期待と組織課題を扱っている。SHRMの公開要約で示された、HR専門家の72%による労働者の期待上昇の認識は、報酬が賃金水準だけでは説明できないことを示している。

    Polywork時代のTotal Rewardsは、基本給、成果給、福利厚生の束にとどまらない。柔軟な働き方、成長機会、財務ウェルビーイング、承認、キャリアの流動性、心理的安全性がともに機能する。従業員が会社の外で追加収入と機会を探すなら、HRは給与表だけでなく、従業員が組織の中で得る総価値を点検しなければならない。

    AIが副業のハードルを下げるなら、規程も変わらなければならない

    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示している。AIは本業の生産性を高めると同時に、副業のハードルも下げる。コンテンツ制作、データ分析、文書作成、研修資料開発、オンライン販売運営は、以前より少ない時間とコストで始められる。

    したがって、既存の兼業規程は再点検が必要だ。勤務時間中の外部活動、会社の機器やアカウントの使用、会社データの活用、競合他社または顧客企業との取引、会社の職務に類似した有償活動には、それぞれ異なる基準が必要である。AIを活用した成果物であっても、会社資料や顧客情報が混ざればリスクは大きくなる。

    韓国企業は、禁止条項より先に判断基準を定めるべきだ

    韓国企業が副業とPolyworkを扱う際、最も容易なアプローチは禁​​止条項を強化することだ。しかしSHRM 2026 HR Trendsが示す流れのように、従業員の外部活動と複数収入源は広がる方向に動いている。単純な禁止だけでは実際の行動を把握しにくく、かえって隠れたリスクを大きくする可能性がある。

    HRは少なくとも四つの判断基準を定める必要がある。第一に、本業の成果と勤務時間を侵害するか。第二に、会社の営業秘密、個人情報、顧客情報とつながるか。第三に、競合他社・顧客企業・協力会社との利益相反があるか。第四に、会社の評判と職務倫理に影響するか。この基準は、就業規則、セキュリティポリシー、成果管理、管理職教育とあわせて運用されなければならない。

    結局、Polyworkと副業の広がりは、従業員の忠誠心が弱まったという単純な話ではない。組織が従業員に提供する報酬と成長機会が、市場の他の選択肢と比較される時代が来たという意味である。HRは副業を隠れた問題としてだけ見るのではなく、報酬戦略とエンゲージメント戦略を見直すシグナルとして読むべきだ。

    2026 HR Trend連載記事

    Polywork編は、混合型人材の流れが従業員個人の報酬・エンゲージメント課題へ拡張される地点を扱う。

    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、成果管理、採用、アップスキリング、混合型人材、Polywork、従業員経験をつなげて読むと、HR運営モデルの変化の流れをより立体的に見ることができます。

    参考資料

    この記事はSHRMの2026 HR Trendsと2026 State of the Workplaceの公開資料に基づいて作成した。本文では、SHRM 2026 HR Trendsの「Employees Work Harder, Smarter… and Collect Two Pay Checks」、Workforce Fragmentation、AI関連の流れをつなげ、SHRM 2026 State of the Workplace要約の1,800人超のHR専門家と2,000人超の労働者という調査範囲を、従業員期待とTotal Rewards解釈の根拠として用いた。副業、兼業、懲戒、利益相反の判断は国ごとの法制度と各企業の就業規則によって異なり得るため、本文は法律助言ではなくHR運営観点の点検基準として読むべきである。

  • 【2026 HR Trend ⑥】正社員中心のHRの限界とハイブリッド人材運用

    【2026 HR Trend ⑥】正社員中心のHRの限界とハイブリッド人材運用

    2026 HR Trend連載の第6回である。第5回が内部人材をリアルタイムで育てるアップスキリングを扱ったなら、今回は組織外の人材まで含めた運用モデルを扱う。2026年の人員構成は、正社員だけでは説明しにくい。

    フリーランス、ギグワーカー、外部専門家、独立契約者、プロジェクト型パートナーが共に働き、そこにAIツールも組み合わさる。HRの問いは『誰を採用するのか』から、『どの役割をどの雇用形態とどの責任構造で運営するのか』へ移行する。

    正社員中心の人員計画だけでは2026年を説明しにくい

    SHRM 2026 HR Trendsは、CEOの72%が2026年に独立契約者、ギグワーカー、フリーランスの活用増加を予想していると示している。同時にSHRM 2026 Talent Trendsの要約は、2,000人以上のHR専門家回答者サンプルをもとに、採用難と定着の難しさを扱っている。

    正社員採用が難しく、外部人材の活用が増えるなら、人員計画の単位も変わる必要がある。従来は部門別定員、職位、職務、人件費を中心に計画していたが、これからは中核役割、外部専門性、プロジェクト期間、データアクセス権限、成果責任まで一緒に設計しなければならない。

    混合型人材は外注ではなく運営モデルの変化である

    SHRMが提示したWorkforce Fragmentationの流れは、単なる外注拡大とは異なる。独立契約者、ギグワーカー、フリーランスの活用が増える2026年の変化は、組織が必要な能力を一つの雇用契約だけで確保しないことを意味する。

    したがって混合型人材運営は、購買部門や現場が必要なときに外部人材を使う問題としてだけ見ることはできない。誰が組織の中核知識を扱うのか、誰が顧客と接触するのか、誰が意思決定資料を作るのか、誰が成果と品質に責任を負うのかを定める運営モデルの問題である。

    AIと外部人材が結合すると責任線はさらに複雑になる

    SHRMは、CEOの89%が2026年にAIが組織の価値創出と獲得の方法を再定義すると予想していると示している。AIが外部人材運営と結合すると、責任線はさらに複雑になる。外部専門家がAIツールで作成した成果物を内部意思決定に使うとき、最終責任が誰にあるのかを定めなければならない。

    例えば、外部コンサルタントがPeople Analyticsレポートを作成し、AIがデータ要約を支援し、現場リーダーがその結果にもとづいて人員配置を決定するなら、責任は複数の層に分かれる。HRは契約範囲、データアクセス権限、成果物のレビュー担当者、最終承認者を明確にしなければならない。

    HRは雇用形態別にオンボーディングと成果基準を分けるべきだ

    SHRM 2026 Talent Trendsの要約は、HR専門家の約70%が正社員採用で困難を抱え、42%が直近12か月間に正社員の定着困難を経験したと説明している。この状況では、外部人材活用は一時しのぎではなく人材ポートフォリオの一部になる。

    しかし、すべての人材を同じオンボーディングとパフォーマンスマネジメント基準で扱うことはできない。正社員は組織文化、長期成長、内部異動まで考慮する必要がある。フリーランスと外部専門家には、プロジェクト範囲、成果物基準、セキュリティ・データアクセス基準がより重要である。AIツールには、使用目的、レビュー責任、記録基準が必要だ。

    韓国企業はまず人材ポートフォリオを描くべきだ

    韓国企業が混合型人材運営を準備するとき、最初にすべきことは外部人材活用を増やすか減らすかを決めることではない。現在、組織の仕事がどのような人材の組み合わせで遂行されているのかを描いてみることである。正社員、契約社員、派遣・請負、フリーランス、外部専門家、AIツールがどの業務に入っているのかを確認しなければならない。

    次に、役割別のリスク度を分ける必要がある。顧客情報、人事情報、中核技術、戦略的意思決定にアクセスする役割には、より高い基準が必要である。反対に、短期成果物中心の役割には、明確な範囲と品質基準が重要である。HRはこの基準を現場、法務、セキュリティ、購買とともに整理しなければならない。

    2026年のHRの課題は、正社員を減らして外部人材を増やすという単純な選択ではない。中核役割をどのように内部に残すのか、外部能力をどこで活用するのか、AIツールがどの判断を補助するのかを定めることである。混合型人材運営はコスト削減戦略ではなく、組織設計戦略である。

    2026 HR Trend連載記事

    混合型人材編は、アップスキリングの後に組織外の能力まで含めた運営モデルを扱う。

    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、パフォーマンスマネジメント、採用、アップスキリング、混合型人材、Polywork、従業員体験をつなげて読むと、HR運営モデルの変化の流れをより立体的に見ることができます。

    参考資料

    この記事はSHRMの2026 HR Trends、2026 Talent Trends、そして2026年HRトレンド解説をもとに作成した。公開資料で確認できる数値と表現のみを本文の根拠として使用し、会員専用の詳細レポートの非公開内容は引用していない。

  • 【2026 HR Trend ④】採用自動化の前に変えるべきスキル基準

    【2026 HR Trend ④】採用自動化の前に変えるべきスキル基準

    2026 HR Trend連載の第4回である。前回までの記事がAIの責任ラインとパフォーマンスマネジメントの再設計を扱ったとすれば、今回は採用である。2026年の採用における中心的な問いは、『AIでどれだけ速く選別するか』ではなく、『何を基準に人材を評価するのか』である。

    採用自動化は、応募書類の確認、候補者の分類、面接質問の生成を速めることができる。しかし職務要件が古く、スキル基準が曖昧であれば、自動化は採用課題を解決するのではなく、同じ問題をより速く繰り返させる。

    採用難は選別スピードの問題ではなく、基準の問題である

    SHRM 2026 Talent Trendsの要約は、調査対象に2,000人以上のHR専門家回答者サンプルを含み、採用難とスキル不足を併せて扱っている。公開要約によれば、HR専門家の約70%は依然として正社員採用に困難を抱え、42%は直近12か月間に正社員の定着困難を経験した。

    この数字は、採用問題が単に求人露出や書類確認の速さの問題ではないことを示している。必要な人材が市場で不足し、採用した人材の定着も難しいのであれば、採用基準そのものを見直す必要がある。『良い人を早く見つける問題』ではなく、『自社がどのようなスキルを必要としているのかを正確に定義する問題』になる。

    自動化は曖昧な要件をより速く反復しうる

    SHRM 2026 HR Trendsは、採用問題を自動化とアルゴリズムだけでは解決できないという問題意識を提示している。AIが応募書類を素早く要約し、候補者を並べ替えたとしても、入力された職務要件と評価基準が曖昧であれば、結果も曖昧になる。

    例えば求人票に『コミュニケーション能力』と書かれていても、実際には顧客対応、ステークホルダー調整、文書作成、対立調停のどれを意味するのかが明確でない場合が多い。AIはこうした表現をより整った形にすることはできるが、組織が求める成果行動を代わりに定義することはできない。

    スキル基準は職務要件、面接、内部育成を一体で変える必要がある

    SHRM 2026 Talent Trendsの要約は、HR専門家の41%が充足の難しい役割のために既存社員を訓練していると示している。採用難が続けば、外部採用だけで必要な能力を確保することは難しく、内部育成と採用基準が連動しなければならない。

    スキルベース採用は、学歴や経験条件を単に減らすことではない。職務成果に実際に必要なスキルを定義し、そのスキルをどのように検証するかを決め、不足するスキルを入社後にどの経路で伸ばすかにつなげることである。したがって、職務要件、面接質問、課題選考、オンボーディング、教育計画は同じ言語を使わなければならない。

    採用チームとHRDは同じスキル言語を使うべきだ

    採用チームは候補者を選別し、HRDは入社後の教育を担うという形で役割を分けると、スキル基準は分断される。採用段階で『必須』と見なしたスキルがオンボーディングや教育過程では異なって解釈されたり、教育で育てようとする能力が採用基準に反映されなかったりする。

    2026年の採用運営に必要なのは、採用チームとHRDが共同で使うスキル言語である。役割別の中核スキル、入社前に必ず確認すべきスキル、入社後3か月以内に開発可能なスキル、長期的に育成すべきスキルを分ける必要がある。そうして初めて、採用自動化も単なるフィルタリングではなく人員計画とつながる。

    韓国企業は応募者選別表より先に役割別スキルマップを点検すべきだ

    韓国企業における採用改善は、しばしば採用管理システムの入れ替え、AI書類審査の導入、面接評価表の改善から始まる。しかしそれより先に必要なのは、役割別のスキルマップである。職務ごとに現在必要なスキルと今後重要になるスキルを分け、各スキルをどの証拠で確認するかを決める必要がある。

    第一に、求人票の資格要件をスキル単位に分解すべきである。第二に、面接質問が実際のスキルを検証しているか確認すべきである。第三に、内部候補者と外部候補者を同じスキル言語で比較できなければならない。第四に、不足するスキルを採用失敗としてだけ捉えず、オンボーディングと教育で補完できるかを判断すべきである。

    採用自動化の成否は、アルゴリズムの精巧さだけで決まるわけではない。自動化する基準が正確でなければならない。2026年の採用の出発点は、より速い選別ではなく、より正確なスキル基準である。

    2026 HR Trend連載記事

    採用・スキル編は、パフォーマンスマネジメントとアップスキリングの間で人材基準を再整理する。

    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、パフォーマンスマネジメント、採用、アップスキリング、混合型人材、Polywork、従業員体験をつなげて読むと、HR運営モデルの変化の流れをより立体的に見ることができます。

    参考資料

    この記事はSHRMの2026 Talent Trends、2026 HR Trends、そして2026年HRトレンド解説をもとに作成した。公開資料で確認できる数値と表現のみを本文の根拠として使用し、会員専用の詳細レポートの非公開内容は引用していない。

  • [2026 HR Trend ③] 年次評価の終わり、AIコーチング時代のパフォーマンス管理の再設計

    [2026 HR Trend ③] 年次評価の終わり、AIコーチング時代のパフォーマンス管理の再設計

    これは2026 HR Trend連載の第3回である。第1回はHR運用方式の再設計を、第2回はAI責任ラインを扱った。今回はパフォーマンス管理である。SHRMの2026年トレンドにおいて、AIコーチングとPeople Analyticsは年次評価中心のパフォーマンス管理慣行を見直させるシグナルとして読める。

    業績評価がなくなるという意味ではない。むしろ目標設定、フィードバック、能力開発、管理職判断がより頻繁につながるべきだという意味に近い。AIコーチングは評価者を代替する技術ではなく、パフォーマンス管理のリズムを変える運用メカニズムとして見るべきである。

    年次評価が揺らぐ理由は評価周期ではなく仕事の速度だ

    SHRMの2026 HR Trendsは、AIが2026年もHRの中心課題であり、組織がコストとリスクを併せて見ながら実際のビジネス影響につなげるべきだと説明する。同じ流れで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見方を扱う。

    ここで重要なのは「年次評価廃止」というスローガンではない。仕事の速度が上がり、役割が頻繁に変わり、必要なスキルも短い周期で変わるという点である。1年に一度目標を点検して等級を付ける方式だけでは、従業員の成長と組織の成果を同時に管理することは難しい。

    AIコーチングは評価者を代替するよりフィードバックの頻度を高める

    SHRMはAI活用をコスト削減、生産性向上、より良い人材意思決定と結び付けて説明する。パフォーマンス管理にこの観点を適用すると、AIコーチングの役割は明確になる。AIは管理職の代わりに最終評価を下す装置ではなく、フィードバックの草案を作り、対話の頻度を高め、目標と行動をつなげる補助装置である。

    例えば管理職はAIを活用して最近のプロジェクト記録を要約し、従業員の強みと改善ポイントを整理できる。しかし、どのフィードバックを実際に伝えるか、成果問題を公式記録として残すか、報酬や昇進判断につなげるかは人が決めなければならない。AIが評価を代替すれば責任は曖昧になり、AIがフィードバック準備を助ければ管理職の対話品質を高めることができる。

    パフォーマンス管理再設計の出発点は目標、フィードバック、開発の接続だ

    SHRM 2026 Talent Trendsの要約は、調査対象に2,000人超のHR専門家回答者サンプルを含み、採用難とスキル不足を併せて扱う。公開要約によれば、HR専門家の41%は充足が難しい役割のために既存従業員を訓練し、42%は直近12か月間に正社員定着の困難を経験した。

    この数値は、パフォーマンス管理が評価と報酬だけの問題ではないことを示している。必要な人材を外部から簡単に得られず、既存人材の定着も容易でないなら、パフォーマンス管理は内部能力開発とより強く結び付かなければならない。目標が変われば必要なスキルも変わり、フィードバックはそのスキルをどう開発するかまでつながる必要がある。

    管理職の役割は小さくならず、より明確になる

    AIコーチングが広がれば管理職の役割が小さくなると見る向きがある。しかし実際にはその逆に近い。AIがより多くのデータと文案を提供するほど、管理職は何を根拠に判断したのかをより明確に説明しなければならない。

    パフォーマンス管理において、管理職は三つの責任を持つべきである。第一に、AIが提案したフィードバックが実際の業務文脈に合っているかを確認すること。第二に、従業員に伝えるメッセージと公式記録として残す内容を区分すること。第三に、目標調整や開発計画が組織の優先順位とつながるかを判断すること。AIは助けることはできるが、この責任を代わることはできない。

    韓国企業は評価制度より運営リズムを先に変えるべきだ

    韓国企業でパフォーマンス管理改革は、しばしば評価等級、相対評価の有無、報酬反映率の議論から始まる。しかし2026年の変化は、制度文言より先に運営リズムを問う。目標をいつ点検するのか、フィードバックはどれくらい頻繁に行われるのか、開発計画は次の業務配置につながるのかが、より重要になる。

    HRがまず行うべきことは、AIコーチングツールを選ぶことではなく、パフォーマンス管理の流れを描くことである。目標設定、中間点検、フィードバック、能力開発、報酬判断がどこで途切れているのかを確認しなければならない。その次に、AIが助けられる地点を決めるべきである。

    2026年のパフォーマンス管理の核心は「評価をもっと頻繁にしよう」ではない。従業員が今何をうまくできているのか、次の成果のために何を学ぶべきか、管理職はどのような対話をすべきかを、より早く確認することである。AIコーチングは、その対話を準備させる道具であるとき最も有用だ。

    2026 HR Trend連載記事

    パフォーマンス管理編は、AI責任線の後に管理職フィードバックと運営リズムを扱う記事である。

    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。

    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。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 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。したがって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。

    したがって採用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。

    2026 HR Trend連載記事

    AI責任線編は、ハブ記事とパフォーマンス管理編をあわせて読むと、HR AI運営の流れがつながる。

    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。

    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。

  • 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。

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