経団連が「HR部門におけるAI等の活用に関する報告書」を2026年4月14日に公表しました。 経団連公式PDFで公開されています。
「大企業75社の調査だから関係ない」と読み飛ばすにはもったいないです。 中小企業で「人事評価をAIで効率化したいが何から始めればよいか分からない」で悩んでいる構造そのものだからです。 この報告書は、「採用・配置・育成・労務の4分野でAIをどう使うか」の枠で整理されています。
僕が注目したのは、「9割超がAI活用と回答する一方で、評価AIはわずか5%」という踏み込みです。中小企業にそのまま応用できます。
中小企業の人事AI導入課題
中小企業にありがちな構造はこうです。
- 人事評価が評価者のさじ加減
- 評価会議に毎期数十時間かかる
- 結果、評価不満で離職につながる
- でも評価AIはどこから手を付ければよいか不明
汎用ChatGPTには自社の評価基準は学習されていません。「評価データ構造化+生成AI支援+ジョブ型ベース」が必要、というのが本報告書の骨子です。
経団連報告書の整理
報告書で示されている内容は以下です。
- 対象: HR4分野(採用・人材配置・人材育成・労務管理)
- 基盤: 各社のHRIS+生成AI+専用AIシステム
- AI活用状況:
- 採用: 履歴書スクリーニング・候補者マッチング
- 配置: スキル可視化・キャリア提案
- 育成: 学習推奨・スキルギャップ分析
- 評価: わずか5%(米国の十数分の1)
- 設計思想: データ構造化が先・AI導入は後
考察:
- 米国の評価AI普及はジョブ型人事の評価基準言語化が前提
- 日本企業は評価データの構造化が遅れている
- 生成AIはポジションプロファイル作成等のサポート用途で先行
何が真似できるか
経団連大企業の話ですが、設計思想だけ抜き取るとこうなります。
- 評価AIの前に評価基準を言語化
- 生成AIでジョブディスクリプション作成から着手
- 学習・配置にスキルタグデータを整備
- 効果は「評価会議時間×評価不満率×配置転換成功率」で測る
特に「評価基準の言語化が先」が秀逸です。中小企業ほど「AIを入れれば公平になる」と思いがちですが、データ構造化なしのAI導入は逆に不公平を生みます。
中小企業で再現するなら
ここからが本題です。社員10〜100名の中小企業で同じ思想を取り入れるならどう削るか。
構成
| 項目 | 経団連HR×AI報告書 | 中小企業(社員10〜100名) |
|---|---|---|
| 対象 | HR4分野全般 | ジョブディスクリプション+スキルタグから段階展開 |
| ツール | 各社HRIS+生成AI | SmartHR/freee人事労務+ChatGPT Team(月3〜10万円目安) |
| 月額費用 | (記載なし) | 推定 月3〜10万円 |
| 初期費用 | (記載なし) | 推定 30〜100万円(評価基準整備+ジョブ定義+研修) |
| 体制 | (HR専任部署) | 経営+人事担当+管理職 |
| 期間 | (継続) | 3〜6ヶ月でジョブ定義・スキルタグ整備 |
評価軸スコア
| 評価軸 | スコア |
|---|---|
| ROI(投資対効果) | ★★★★☆ |
| 再現性(中小企業) | ★★★★☆ |
| 難易度(低いほど簡単) | ★★★☆☆ |
(難易度=数字小さいほど簡単)
スコア根拠は以下です。
- ROIは高。評価会議時間短縮+離職率改善は人件費直結
- 再現性は高。生成AIでジョブ定義から着手できる
- 難易度は中。評価基準言語化が前提
前提条件・必要データ
- 自社の等級・役割定義ドキュメント
- 評価項目の言語化+具体行動例
- スキルタグの段階定義(初級〜上級)
- 月次で評価会議時間+評価不満率を計測
失敗条件・適用しないケース
- 評価基準が口伝のみでAI導入
- 評価AIを最終判断に使用(米国でも処遇判断は人の責任)
- ジョブ定義をサボってツールだけ導入
- 効果測定をせず「便利になった気がする」で終わる
「評価AIを入れれば公平に」のではありません。
等級定義→評価項目言語化→ジョブディスクリプション作成→生成AI支援導入→月次測定、という流れが3〜6ヶ月で回って初めて、本報告書が描く「HR×AI」像が中小企業にも見えてきます。
特に「評価基準の言語化」を省くと、AI導入で逆に不公平が増します。
出典・参考
市野
愛知県岡崎市でAI活用支援を手がける一人社長。 中小企業の現場でAIを実装してきた経験から、他社事例を「うちで再現するには」の視点で読み解いて発信中。
