人事評価にAIをどこまで使ってよいのか——「本人の言葉」を残す設計

2026年6月9日2026年8月7日

人事評価にAIを組み込む相談が増えています。評価コメントの下書き、評価のばらつきの検出、過去データからの傾向分析。技術的にはどれも実装できます。

ただし、実装できることと、実装してよいことは別です。人事評価は、AIを入れる場所を一つ間違えると、制度そのものが機能しなくなります。当社が評価システムを設計するときに置いている線引きを、理由とあわせて書きます。

使う場面は3つに分かれる

人事評価にAIが関わりうる場面は、大きく3つです。

被評価者が自己評価を入力する場面
評価者が評価を付け、コメントを書く場面
評価が確定した後、集計・分析し、育成につなげる場面

この3つは、AIを入れたときの副作用がまったく違います。同じ「人事評価のAI活用」という言葉でくくると、判断を誤ります。

1の場面ではAIを介在させない

当社の設計原則は、自己評価の入力段階にAIの補助を置かないというものです。下書きの生成も、書いた文章の推敲提案も出しません。

理由は、自己評価が評価制度における一次情報だからです。本人が自分の仕事をどう捉えているか、何を成果と考え、何を課題と認識しているか。ここに現れる言葉の選び方や粒度そのものが、評価者が読み取るべき情報になります。

AIが下書きを出すと、この情報が失われます。生成された文章は整っていて、破綻がなく、そして全員分が似た構造になります。「主体的に取り組み、成果を上げることができました」という文が100人分並んだとき、評価者はそこから何も読み取れません。文章の質は上がり、情報量は下がります。

推敲提案も同じです。書いた文をAIに整えさせると、本人が最初に選んだ言葉が消えます。言い淀みや、うまく言葉にできていない部分にこそ、本人が引っかかっている論点が出ていることがあります。

2の場面では候補提示までを許容する

評価者側は事情が違います。評価者は複数人を評価するため、評価の一貫性や、記載漏れの検出に機械の支援が効きます。

許容できるのは、材料の提示までです。

期初に設定した目標と、実際に記録された行動ログを並べて表示する
同一評価者の過去の評価分布を示し、今回の分布と比較する
評価の根拠が書かれていない項目を検出して指摘する

いずれも、評価者が見落としを減らすための材料です。「この人はB評価が妥当です」という結論をAIに出させることはしません。評価は労働条件に直結する意思決定であり、根拠を人が説明できる状態を保つ必要があります。

材料の提示と結論の生成をどこで切るかは、AI活用全般に共通する設計の分かれ目です。AI時代の人事担当者に求められる「意思決定力」とはでも同じ論点を扱っています。

3の場面ではAIを積極的に使う

評価が確定した後は、制約が緩みます。評価の結果を動かす余地がもうないためです。

ここでAIが担えるのは、育成に向けた提案です。

継続すべき強みを、評価コメントの記述から抽出して本人に示す
次期に挑戦する余地のある領域を、現在の評価分布から提示する
キャリアの選択肢と、それぞれに必要な学習項目を対応づける

本人へのフィードバックを充実させる方向にAIを使うぶんには、評価の公正性を損ないません。むしろ、評価者が一人ひとりに割ける時間の制約を、ここで補えます。

設計に落とすと3つの実装になる

原則を画面と仕組みに落とすと、次の形になります。

入力画面にAI機能を置かない。 自己評価の入力欄には、生成ボタンも推敲ボタンも配置しません。使えるようにしておいて「使わないでください」と運用でお願いする形は取りません。押せるボタンは押されます。

AIの関与を記録に残す。 評価プロセスのどの段階で、どのAIが、どのデータを参照して何を出力したかをログに残します。評価に不服が出た場合、根拠を遡って説明できる状態にしておく必要があります。

評価対象者に事前に知らせる。 AIが評価プロセスのどこに関わっているかを、評価が始まる前に対象者へ通知します。事後に説明すると、隠していたという受け取られ方をします。

3つ目は、海外の規制動向とも整合します。EUのAI規則では、雇用や労働者管理に用いるAIシステムを高リスクに分類し、労働者への事前通知、人による最終判断の確保、ログの保存、決定理由の説明可能性を求めています。日本の法令が同じ内容を要求しているわけではありませんが、設計の基準としては参照する価値があります。