AI組織変革の落とし穴：データ依存が生む「戻れない人事」

従業員50名以上の企業の約9割が、「従業員満足度の向上」を重要な経営課題と捉えている。この調査結果は、多くの経営者が人材の定着と活力に頭を悩ませている現実を映し出している。この課題に対して、広告大手の電通が新しい「解」を打ち出した。電通総研と協働し、Microsoft 365の利用データを起点とする「HR×AIの組織変革プログラム」の提供を始めたのだ。

メールの送受信数、会議時間、チャットの頻度、ファイル共有のネットワーク。日常業務から生まれるデジタルデータをAIが分析し、組織のコミュニケーションの実態や潜在的な課題を「見える化」する。これほど合理的で客観的な人事管理はないように思える。経営者の直感や一部の声に頼る従来の人事評価より、データに基づく判断のほうがはるかに「戻れる」判断にも見える。

だが、ここに大きな落とし穴がある。データは「何が起きているか」を教えてくれても、「なぜ起きているか」は教えてくれない。そしてこの「なぜ」を見失った瞬間、経営判断は「データに裏打ちされた正しさ」という衣をまとい、可逆性を失いはじめる。

データが「判断の外注」を招くとき

電通のプログラムは、HR（人事）とAIを掛け合わせ、組織の「見えない実態」を可視化するとうたう。部署間のコミュニケーションの断絶や、特定の人物への業務の集中といった「構造的な問題」を見つけるうえでは、確かに強力な道具になりうる。

問題は、その「次」だ。データが示す「傾向」や「課題」に対して、どんな手を打つのか。多くの組織がここで犯すのは、分析結果をそのまま「答え」として受け取り、人事異動や制度変更といった「戻りにくい判断」に直結させてしまうミスである。

たとえば、AIが「A部署とB部署のあいだのコミュニケーションが極端に少ない」と分析したとする。戻れる経営の視点では、これは「仮説」にすぎない。可逆性を保つには、まず「なぜ少ないのか」を、データではなく「人」に聞くという、一見非効率な手順を踏まなければならない。業務が重なっておらず単に必要がないのか、それとも個人間の確執が壁になっているのか。原因しだいで、打つべき手はまったく違ってくる。

データを「判断の根拠」から「問いの起点」へと引き上げられなければ、AI分析は経営者自身の観察と考察を「外注」するだけの装置になる。外注した判断は、望まない結果を招いても、データという「客観的な証拠」があるために修正しにくく、組織に固定されていく。

「満足度」を測るものさしが、実態を歪める

もう一つの危険は、測れるデータだけで「従業員満足度」の定義が狭められてしまうことだ。Microsoft 365で計測できるのは、「デジタル上の活動の痕跡」にすぎない。散歩中の会話から生まれる創造的なアイデア、互いの家族の事情を思いやる同僚どうしの信頼、困難なプロジェクトを乗り越えた達成感の共有。組織の健全さと活力の根っこにある、こうした「アナログで計測できない要素」は、データの海に沈んで見えなくなる。

経営陣が「データで測れる満足度指標」ばかりを追うようになると、現場はその指標を上げるための「ゲーム」を始める。チャットの数を水増しし、意味のない会議を入れる。データが人の行動を歪め、改善すべき実態からかえって遠ざかるという逆説が生まれるのだ。一度始まると抜け出せない「戻れない悪循環」の入り口である。

可逆性を保つ「HR×AI」の3つの原則

では、こうしたAIツールを、判断を固定する凶器ではなく、可逆性を高める探り針として使うにはどうすればよいか。鍵は、ツール導入の「評価期間」と「観測ポイント」を、事前に厳密に設計しておくことにある。

第一の原則：データは「仮説を生み出す装置」と定義する

プログラムを導入するときは、経営陣と人事部門のあいだで「このAIが出す分析結果は『事実』ではなく『調べるべき仮説』である」と、はっきり合意しておく。データが示す異常値や傾向は、その原因を人間がじかに探りにいく「きっかけ」でなければならない。この原則が崩れた瞬間から、データへの依存が始まる。

第二の原則：「ダッシュボード」より「問いのリスト」を重んじる

ツールはとかく、美しいダッシュボードと数値目標の達成度を見せたがる。だが、戻れる経営が求めるべき出力は、「今月の従業員エンゲージメントスコアは75点」といった単一の数値ではない。「部署Xの深夜帯のメール送信数が先月比50%増。これは何を意味するのか」「プロジェクトYの関係者のあいだでファイル共有が極端に少ない。情報共有を阻む壁は何か」といった、具体的な「問いのリスト」である。

このリストをもとに、マネージャーがチームと対話する。その対話そのものが、データだけでは見えない実態を浮かび上がらせ、次の手を「実験」として設計する材料になる。

第三の原則：施策は「期間限定の実験」として実行する

データと対話から、たとえば「コミュニケーション不足」が課題だとわかったとする。ここでいきなり大規模な組織再編や恒久的な新制度を入れてはいけない。まずは「3ヶ月間、毎週金曜に30分の情報交換会を設ける」といった、小さく、期間がはっきりしていて、終わったときに効果を検証できる「実験」を設計する。

実験の成否は、再びデータ（会議後のチャットの増加率など）と、参加者の生の声の両方から評価する。効果がなければ潔くやめ、別の仮説を試せばいい。この「試行錯誤のループ」そのものが組織の学習能力を高め、硬直した人事制度が生む「戻れない判断」を遠ざける。

問題を「人」のせいにしないためのデータ活用

電通のプログラムのようなAI分析ツールの最大の価値は、問題を「人の能力や性格」のせいにする前に、「業務の構造や設計」へ目を向けさせてくれる点にある。特定の人物にだけ業務が集中しているというデータが出たとき、安易に「その人の力が足りない」と考えず、「なぜ業務が分散する設計になっていないのか」と、業務プロセスの根本を疑うきっかけになる。

これは、当メディアが掲げる基本原理「人ではなく、業務を見る」を実践するうえで、強力な補助線になりうる。感情や憶測を排した「業務構造の不具合」を、データが示唆してくれるからだ。

ただし、その補助線を「答え」と取り違えた瞬間、ツールは人間の判断力を奪い、新たな硬直を生む。経営者がすべきは、AIに判断を委ねることではない。AIがもたらす「新しい視点」を素材に、より深く、より人間的な考察を重ね、可逆性の高い小さな実験を繰り返す。そうやって「判断の質」を高めていくことである。

結論：AIと人間の「対話」が、戻れる人事をつくる

従業員満足度は、データで管理する「指標」ではなく、日々の対話と試行錯誤の中で育つ「結果」である。電通の「HR×AI」プログラムのような先進的なツールは、その対話の質を高める「驚きを与えてくれるパートナー」として位置づけるべきだ。

ツール導入の評価期間には、その出力が「固定された答え」に向かっているのか、「活発な問い」を生み出しているのかを観測してほしい。データが人間の考察を止めてしまうとき、それが「戻れない人事」への第一歩になる。

本当の意味で戻れる経営とは、テクノロジーで判断を楽にする経営ではない。テクノロジーを使って、より多くの仮説を立て、より安全に実験し、より早く学ぶための「判断の余白」をつくり出す経営なのである。