企業のAI導入が加速する中、人事評価の現場にも変化が訪れています。業務実績の整理や定量データの集計をAIが支援することで、評価シート作成時間の短縮が期待できます。しかし、評価の本質である「振り返り」、つまり経験から得た気づきや課題認識といった「内省」は、果たしてAIに任せられるのでしょうか。効率化と成長実感のバランスを問い直す時が来ています。
AIが得意な領域、苦手な領域
事実の列挙でAIが支援できること
AIは業務ログ、カレンダー、メールといったデジタル記録から実績を抽出し、構造化されたデータとして整理することに長けています。たとえば「4月から6月の間に15件の顧客提案を実施し、うち10件が受注に至った」という事実を、AIは効率的に抽出できます。過去の評価シートとの整合性チェックや、定量目標に対する達成率の計算も自動化が可能です。
ただし、人事評価でこうしたデータを扱う場合、利用目的を実績整理支援に限定し、利用範囲、本人への事前通知、閲覧権限の設計など、ガバナンスの整備が前提となります。AIの出力を鵜呑みにせず、本人が確認・訂正できる仕組みを設けることが重要です。
実際、企業のAI導入率は88%に到達しており[1]、AI活用が広がっています。米国では労働者の約5人に1人がAIを使用しており[2]、評価シート作成も支援を受けやすい領域です。
一方で、製造業を対象とした調査では、デジタル技術導入のための人材確保において「社内人材の活用・育成」が50%超で最多となっています[3]。効率化と人材育成のバランスを取ることが求められています。
内省の代行には限界がある
対照的に、経験から得た「気づき」を言語化することは、AIだけでは完結しにくい領域です。たとえば「顧客との対話で自分のコミュニケーションスタイルの癖に気づいた」「失敗から学んだ教訓が次のプロジェクトで活きた」といった内省は、感情、価値観、自己認識といった認知プロセスを伴います。本人の主観的な解釈を通してはじめて意味を持つものです。
ハーバード・ビジネス・レビューは、AI時代における人事評価の課題として「AIで生成されたアウトプットにおける『良いパフォーマンス』とは何か」という根本的な問いを提起しています[4]。従来の生産性や効率性といった指標だけでは、AIと人間が協働する環境における真の貢献を測ることはできません。評価の目的が単なる査定ではなく「成長の自覚」と「次への学び」であるならば、内省のプロセスは省略できないのです。
無批判な依存がもたらすリスク
AI生成コンテンツへの過信
開発者86名を対象とした研究では、AI生成コードの評価において興味深い結果が得られました。正しいアサーションを見抜く精度は74%でしたが、誤ったアサーションの判定精度はわずか49%に留まりました[5]。さらに、低品質な説明が付いている場合、評価精度が低下する一方で開発者の自信は逆に向上するという逆説的な結果も出ています。この現象は、AIが提供する情報に対して人間が過度に信頼してしまうリスクの一例です。
人事評価シートのAI生成においても、類似のリスクに注意が必要です。AIが作成した下書きに誤った記述や表面的な振り返りが含まれていても、それを見抜けずに提出してしまう恐れがあります。
情報を積極的に避ける傾向
ハーバード・ビジネス・スクールの研究では、従業員がAIの助言を十分に疑問視しない傾向が明らかになりました[6]。評価シート作成においても、AIが生成した「事実の列挙」を鵜呑みにし、自分自身で内省する労力を省く行動が増える可能性があります。
企業は「何をAIに任せ、何を自分で書くべきか」のガイドライン整備が急務です。
人間中心の設計が成否を分ける
テクノロジー優先の落とし穴
9,000人以上のビジネス・HRリーダーを対象とした調査では、テクノロジー中心のAIアプローチを取る組織は、人間中心のアプローチと比較して、期待を上回るAI投資収益を実現できない可能性が1.6倍高いことが明らかになりました[7]。
人間の適応性、創造性、判断力は、組織の差別化において重要な役割を持ちます。AIによる価値は、人間と機械の最良の組み合わせによって初めて解き放たれます[7]。役割やワークフローを意図的に再設計し、人間とAIの協働を組み込むことが成功の鍵となります。
人事評価においても、効率化だけを追求すると、従業員の成長実感や内省の機会を損なう恐れがあります。評価シート作成で生まれた時間を、上司との対話や自己内省に充てる設計が必要です。
役割分担の明確化が鍵
人事評価における役割分担を明確にするなら、「事実の列挙はAI、内省・気づきは本人」という境界線が実用的です。AIが業務実績を整理する一方で、その経験から何を学び、どう成長したかを言語化する作業は人間が担います。
具体的には、AIが業務ログから実績を抽出し下書きを作成します。次に従業員が下書きを確認し、「なぜそうなったのか」「そこから何を学んだか」「次にどう活かすか」という内省を加筆します。事実整理をAIに任せつつ、本質的な振り返りに集中できます。
そして最も重要なのは、評価・処遇の最終判断は上司・人事が担うという原則です。AIが抽出した実績や生成した下書きを唯一の根拠とせず、本人との対話や業務現場の観察を踏まえて総合的に判断します。AIは情報整理の支援者であり、評価者ではありません。
専門家の73%がAIの仕事への好影響を予測する一方、一般市民ではわずか23%に留まっており、50ポイントもの認識ギャップが存在します[1]。組織はAI活用の意図と境界線を従業員に明示し、内省の価値を再認識させる必要があります。
さいごに
人事評価におけるAI活用は、避けられない潮流です。しかし、評価制度の本質的価値である「成長の自覚」と「次への学び」を失ってはなりません。AIに事実の整理を任せることで時間を節約し、その分を深い内省に充てる、という設計が理想的です。
スピードと効率が、判断力と説明責任を犠牲にしてはなりません。人間中心の意図的な設計が不可欠です。評価シート作成という業務においても、単なる作業の自動化ではなく、従業員の成長を促す仕組みとしてAIを位置づける必要があります。
評価シート作成の形骸化を防ぎ、従業員の内省力を育てることが、AI時代の人材育成において重要な要素となるでしょう。事実と内省の境界線を明確にし、それぞれに適した担い手を配置することで、効率化と成長実感の両立が可能になります。
人事評価にAIを活用するには、データの取扱範囲、権限管理、確認プロセスを含めた設計が欠かせません。
Smart Generative Chatなら、社内ナレッジを活用したAIチャット環境で、評価シート作成における情報整理や下書き作成を支援しながら、AI活用ルールの整備を進められます。「AIと人の役割分担」を安全に設計したい方は、ぜひご相談ください。
▶ Smart Generative Chatの詳細・導入相談はこちら
出典
- [1] Stanford HAI (2026). 2026 AI Index Report
- [2] Pew Research Center (2025). About 1 in 5 U.S. workers now use AI in their job, up since last year
- [3] 独立行政法人労働政策研究・研修機構 (2026). ものづくり産業におけるDXと人材育成に関する調査（調査シリーズNo.267）
- [4] Bean, R., Strauss, E., & Singh, R. (2026). Performance Management Needs New Metrics in the AI Era. Harvard Business Review
- [5] Programmers Are Poor and Overconfident Judges of LLM-Generated Assertions (2026). arXiv:2607.08885
- [6] Rand, B. (2026). When AI Gives Advice, Employees Rarely Ask Why. Harvard Business School Working Knowledge
- [7] Deloitte (2026). 2026 Global Human Capital Trends
この記事を書いた人
