こんにちは、株式会社TIMEWELLの濱本です。
「Vertical AI（業界特化AI）」シリーズの3回目は、人事の話です。なぜわざわざ独立した回を設けるかというと、人事はAI導入の損益分岐点がもっとも見えやすく、しかも踏むと一発で炎上する地雷の数が桁違いに多い領域だからです。LinkedInには毎分11,000件の応募が降ってきて、応募者の40〜80%はAIで履歴書を整えている。一方で、NYC Local Law 144に違反すれば1日1,500ドル、EU AI Actの高リスク違反は最大1,500万ユーロ。攻めと守りの振れ幅がここまで大きいDX領域はそうそうありません。
WARPの現場でお客様と人事AIの設計を進めるとき、いつも最初にやるのは「採用・評価・エンゲージメント」の3つを切り分けることです。同じ「AI×人事」でも、求められる精度と説明責任が完全に違います。今回はその3つに加えて、規制対応と日本企業の事例、そして避けて通れないリスクの話までを一気に整理します。
採用スクリーニングAIの2026年現在地
採用領域は、いま実装が一番進んでいる人事AIの最前線です。主要な海外調査では、初期スクリーニングは大企業の約95%でなんらかの自動化が入っており、AIスクリーニング導入によって大量採用ロールの選考時間は最大40%短縮、人事担当者の89%が「明らかに時短になった」と回答しています[^1]。母集団形成の規模が一桁増えた以上、人手だけでは捌ききれないというのが現実です。
実装パターンとしては、ATS（応募者管理システム）に履歴書解析エンジンを組み合わせ、職務記述書とのマッチング度合いをスコアリングするのが主流です。代表的なのはEightfoldの「Talent Intelligence Platform」で、Vodafone、Coca-Cola Europacific Partners、EY、Eatonなどが採用しており、採用までの時間を80%短縮、採用コストを50%削減、定着率を20%向上させたと公表しています[^2]。SAP SuccessFactorsの1H 2026リリースでは、AIコパイロット「Joule」とTalent Intelligence Hubが連携し、スキルベースのリコメンドがスイート全体に行き渡る設計になりました[^3]。Workdayも同じ方向で、社内人材のスキル可視化と外部候補者の評価を1つのデータモデルに統合しつつあります。
面接領域は、HireVueのAIアセスメントが代表選手です。録画面接の音声テキストを解析し、表情や声のトーンといった「気分要素」ではなく、回答内容の構造や行動事実をスコアにするモデルへ刷新されています。日本ではJCBが2026年4月に新卒採用へ正式導入したことが公表され、学生満足度の高い選考体験との両立を目指していると報じられました[^4]。一方で、Carvのようにエージェント型AIが自動で一次面接の質問を生成し、回答を整理して人事に渡すパターンも欧州を中心に広がっています。私自身は「面接質問の生成」と「面接評価」は別物だと考えていて、前者は積極的に任せる、後者はあくまで補助に留めるのが現実的だと判断しています。理由は次のセクションで規制と合わせて述べます。
ここで強調しておきたいのは、AIスクリーニングは「効率化ツール」ではなく「採用プロセスの再設計」だということです。書類選考の通過率や面接評価の分布が変わると、採用市場での自社の立ち位置も変わる。導入を決める前に、AIを通したあとの母集団でビジネスが回るか、現場マネージャーが受け入れるかを必ず確認する。これを飛ばすと、半年後に「AIが選んだ人が活躍していない」という形で問題が表面化します。
EU AI ActとNYC Local Law 144への準拠
採用AIは規制が一番先行している領域です。日本企業も例外ではありません。海外拠点を持っている、海外人材を採用している、英語版応募フォームを公開している、このどれかに該当すれば域外適用の射程に入ります。
NYC Local Law 144は、ニューヨーク市内の雇用・昇進判断にAEDT（自動雇用決定ツール）を使う場合、年1回の独立第三者によるバイアス監査と監査結果の公開、応募者への事前通知、代替プロセス提供を義務付けるものです。違反は1件500ドルから、継続違反は1日1,500ドル[^5]。施行から2年半が経った2025年12月、ニューヨーク州監査局が市の運用を批判する報告書を出し、対象32社のうち実態として17社で潜在的違反があったと指摘しました。これを受けて2026年は摘発フェーズに入るというのが業界共通の見方です。
EU AI Actはさらに射程が広い。Annex IIIで「採用・選考・配置・解雇に関わるAI」を高リスクに分類しており、2026年8月2日から、リスク評価、技術文書、データガバナンス、バイアステスト、人による監督、透明性開示、継続モニタリングが義務化されます[^6]。違反時の罰金は最大で1,500万ユーロまたは全世界売上の3%、禁止行為に踏み込んだ場合は3,500万ユーロまたは7%。日本の本社にいる人事担当者でも、EUの応募者に対して結果を返した時点で適用範囲に入ります。
実務的な落とし所はそう難しくありません。第一に、AIで一次スクリーニングをかけたら、最終判断は必ず人間が行い、その判断ログを残す。第二に、応募者にAI利用を明示し、希望すれば人による再選考や代替プロセスを提供する。第三に、年に1度、性別・年齢・国籍などの属性別の通過率を集計し、有意な偏りが出たらモデルを再学習させる。この3点を運用フローに溶かしておけば、NYCもEUも実は同じ枠組みで対応できます。Carvが提供している「コンプライアンス・テンプレート」やWarden AIのバイアス監査サービスは、ここを外注するための便利な選択肢です。
「規制があるならAIは使わない方が安全」という判断をする企業をたまに見かけますが、私は反対です。AIを入れない選考は、無意識バイアスがそのまま温存される選考でもあります。人間の面接官が同じ大学の出身者を高く評価するクセも、過去のスコア分布を見れば一目瞭然。説明責任が問われる時代に、ログが残らない人間の判断こそ実はリスクが大きい、というのが現場で見ている感覚です。
評価・1on1AIで「上司の準備時間」を取り戻す
評価と1on1は、AIで一番楽に勝てるのに着手が遅れがちな領域です。理由は単純で、業務効率化の指標が見えにくいからです。採用は「採用までの日数」と「コスト」、エンゲージメントは「離職率」というKPIがある。一方で1on1は「上司の準備時間が3時間から30分になった」を測ろうとする会社がそもそも少ない。
そこで現場で効くのは、上司側の「書く・思い出す」タスクをAIに渡す設計です。HRBrainは2025年からSmartHRとAPI連携し、MBO・OKR・360度評価・コンピテンシー・1on1のテンプレを統合管理できる[^7]。生成AI機能では、過去の問い合わせ履歴やドキュメントから人事FAQを自動生成し、社内問い合わせ対応の8割をBotに寄せるパターンも出てきています。Latticeは1on1記録を自動で要約し、次回ミーティングの論点候補を提示する機能を主軸に置いています。Gloatは社内人材市場とAIキャリアコーチを組み合わせ、配置転換のインセンティブを評価制度と紐づける設計を進めています[^8]。
私がWARPでお客様にお勧めするのは、評価本体をAIに任せず、評価の「準備」と「言語化」をAIに移す使い方です。具体的には、四半期の評価コメントを書くときに、その期の1on1メモ、Slackでの主要やりとり、目標達成記録をプロンプトに渡し、たたき台のコメントを3案出させる。上司はそれを叩いて、自分の言葉に書き直す。これだけで評価コメントの記述量が安定し、かつ上司ごとの「評価が辛い人/甘い人」のバラつきが縮みます。ある製造業のお客様では、四半期評価コメントの記入時間が1人あたり平均40分から12分に短縮された一方、コメント文字数は平均1.4倍になりました。書く時間が減ったから、書ける内容が増えたわけです。
ZEROCKがここで効くのは、就業規則・キャリア基準・等級定義・過去の人事FAQ群をGraphRAGに食わせ、「うちの会社の評価方針に沿った1on1のヒント」を返せるエージェントを内製できる点です。市販のSaaSは便利ですが、ハイコンテクストな等級定義や評価運用ルールを学習させるには限界がある。AWS国内サーバーで完結するZEROCKなら、人事規定や面談記録という極めてセンシティブなデータを外に出さずに運用できます。1on1AIをいきなり全社展開する前に、まずは管理職100人にZEROCKで「人事ルールの社内Q&Aエージェント」を渡すところから始める。これが日本企業の現実的な第一歩だと考えています。
エンゲージメント分析と離職予測のリアル
エンゲージメント領域は、AIの威力が一番分かりやすく出るところです。国内エンゲージメントサーベイ市場は2024年に約1,129億円、2025年に約1,287億円まで伸びており、すでに日本企業の3社に1社がパルスサーベイを実施または検討中です[^9]。年1回の従業員サーベイから、週次・隔週のパルスサーベイへ移行する流れは、もはや後戻りしません。
ここでAIが受け持つ仕事は2つあります。1つは自由記述の感情分析と論点抽出。Perceptyx、Quantum Workplace、Lattice、ADPなどはいずれも、自由記述コメントをポジティブ・ネガティブ・中立に分類し、テーマ別に集約する機能を備えています。Perceptyxは2025年に「belongingが過去最低のドライバーに転落した」というレポートを出し、Gallup Q12との比較研究で3,900人規模のパネル調査を組みました[^10]。AIの仕事はパターン抽出までで、優先順位付けと打ち手の決定は人間に残す、というのがPerceptyx自身の主張です。私もこの線を支持しています。
もう1つは離職予測モデルの構築です。FRONTEOのKIBIT、SAP SuccessFactorsのWorkforce Analytics、Workdayのpeople analytics、いずれも勤怠・残業・サーベイ・1on1記録・人事異動履歴を入力に、半年〜1年先の離職リスクを高中低3段階で出します。デジタルツール研究所が報告した日本企業の事例では、過去5年の従業員データを学習させ、現職社員のリスクをスコアリングした結果、離職率が25%減ったとされています[^11]。サービス業では飲食・小売・ホテルが先行しており、「シフト希望の変化」「遅刻の急増」「研修参加率の低下」といった一見マイナーな変数が、想定以上に強い予測力を持つことが分かってきました。
ただし、離職予測は社内政治を呼びます。「リスク高」と判定された社員に対して、上司が無自覚に冷たく接するようになる。これが起きると、AIの予測がセルフフィルフィリング・プロフェシー（自己成就予言）になります。リスクスコア自体はマネージャーには見せず、人事側で「面談優先順位リスト」と「研修候補リスト」だけを共有する運用が安全です。SmartHRと組み合わせて運用する場合も、ロール権限を細かく切ることをおすすめします。私がコンサル現場で何度か痛い目を見て学んだ教訓です。
「サーベイのコメントが現場に届いていない」という不満は、ほぼすべての企業で発生します。AIで自由記述を要約すれば、経営層が一晩で全社の声を読めるようになる。これがエンゲージメント領域でAIが提供する一番大きな価値だと、私は考えています。
大手日本企業の動きと日本市場の現在地
日本企業の人事AI活用は、2024〜2026年で完全にフェーズが変わりました。トーンとしては「実証実験」から「全社運用」への移行です。
ソフトバンクは2025年10月の「GenAI HR Awards 2025」で大企業セクターのグランプリを受賞しています。グループ全社員を対象にした生成AIコンテストを11回実施し、累計提案数は26万件、特許出願は1万件を超え、AI関連資格保有者は全社員の約13%に達しました[^12]。ポイントは、人事側が「AI活用の生態系」を運用していることです。コンテストやアワード、資格取得の支援、社内表彰制度をセットで設計し、現場が自発的にAIユースケースを生み続ける環境を作っています。
三菱UFJ銀行は、生成AIで月22万時間の業務削減効果を試算し、法人営業や人事業務での実装を進めています。経済安全保障の文脈で「日本AI基盤モデル開発」への出資にも加わり、人事ナレッジを国内クラウドで動かす方向性を明示しています。富士通やNECも社内向けLLMを整備し、人事規定の問い合わせ対応や評価作業の支援に投入し始めました。
中堅・中小企業の動きも見逃せません。HRBrain、SmartHR、HiPro、カオナビ、Eightcap（旧サイダス）といった国内HRテックは、ここ2年で軒並み生成AI機能を組み込み、価格帯も中堅企業に届くレンジまで降りてきました。Indeedは応募者向けのAIエージェントを公開し、求人マッチングの体験を「検索」から「対話」へ移しています。日本企業30社のうち約30%がAI面接官を「導入済または計画中」と回答しているという調査もあります[^13]。私の体感では、2026年内に「うちはAI採用は使っていない」と言える大企業はかなり少数派になります。
ここで日本企業に特有の論点が1つあります。それは、人事ナレッジを海外クラウドに置くことへの抵抗感です。WorkdayもSuccessFactorsも基本は海外データセンター、Eightfoldも米国中心。これに対して、就業規則・人事考課・評価面談記録は機微度が極めて高く、退職時の係争にもつながる情報です。WARPの現場では「採用とエンゲージメントは海外SaaS、評価と1on1の本体データは国内基盤」というハイブリッド構成を提案することが増えました。ZEROCKをエンタープライズAI基盤として中核に据え、HRテックSaaSとはAPIで疎結合する設計です。
AI×人事のリスクとTIMEWELLの提案
最後に、避けて通れないリスクの話を3つだけまとめます。
1つ目はバイアスの再生産です。AIは過去の採用データから学習する以上、過去の偏りをそのまま増幅する可能性があります。EU AI Actが要求する「データガバナンス」と、NYC Local Law 144が要求する「年次バイアス監査」は、本質的にはこのリスクへの対処です。私の現場での運用ルールは、四半期ごとに属性別の通過率・評価分布を必ずレビューし、有意な乖離が出たらモデルを止めるというもの。止める権限を人事責任者に明確に与えるのが肝心です。
2つ目はプライバシーと労務管理の境界線です。離職予測のためにSlackや社内メールのテキストを学習させる、というアイデアが定期的に出てきますが、ほぼすべての国で労働法・個人情報法と衝突します。日本国内であっても、就業規則に明記し、労働組合との合意を取り、対象データを本人が確認・削除できる仕組みをセットで作らないと、後から労働審判で揉めます。私はこの種の提案には慎重で、まずは本人が任意で提出する1on1メモやサーベイ回答に限定し、効果が出てから対象を広げる方針を取ります。
3つ目は説明責任の所在です。「AIが選んだから採らなかった」「AIがリスク高と言ったから配置転換した」という説明は、規制上も世論上も通用しません。最終決定者は誰か、どの判断材料を使ったか、その記録は何年残すか。この3点を人事プロセスとして文書化することが、AI導入の前提条件です。
TIMEWELLでは、ここまで述べた論点に対してWARPとZEROCKの2軸で支援しています。WARPは人事DXの戦略設計と実装支援、特に「AIで何を任せて何を残すか」の線引きを、規制対応と合わせて設計します。ZEROCKは社内人事ナレッジを国内クラウドで運用するための基盤として、就業規則QA、キャリア相談、評価コメント生成などのエージェントを内製できます。海外SaaSとの組み合わせ方や、現場の運用ルール作りまで含めて、Vertical AIの3つ目の柱としてここを抑えにきています。
採用は事業成長の出発点、評価は組織の品質、エンゲージメントは中長期の損益。人事AIへの投資は、この3つすべてに効きます。ただし、規制と倫理を踏み外すと、効率化の何倍ものコストで跳ね返ってきます。攻めと守りを同時に設計することが、2026年以降の人事AIで一番大事な仕事だと私は考えています。
関連記事
参考文献
[^1]: dfplus.io 「AIを活用した履歴書スクリーニング方法」 https://dfplus.io/iq/blog/ai-hr-guide-resume-screening [^2]: Eightfold 「6 bold predictions for AI and talent in 2026」 https://eightfold.ai/blog/predicitions-ai-in-hr-2026/ [^3]: SAP News 「SAP SuccessFactors 1H 2026 Release」 https://news.sap.com/2026/04/sap-successfactors-1h-2026-release/ [^4]: タレンタ 「JCB HireVue AIアセスメント導入事例」 https://www.talenta.co.jp/hirevueai-jcb_20260402/ [^5]: Warden AI 「NYC Local Law 144 Compliance Guide 2026」 https://www.warden-ai.com/resources/hr-tech-compliance-nyc-local-law-144 [^6]: Crowell & Moring 「AI and Human Resources in the EU: a 2026 Legal Overview」 https://www.crowell.com/en/insights/client-alerts/artificial-intelligence-and-human-resources-in-the-eu-a-2026-legal-overview [^7]: SmartHR 「HRBrainとAPI連携」 https://smarthr.jp/release/15359/ [^8]: Josh Bersin 「Gloat Enters The Crowded War For AI Agents in HR」 https://joshbersin.com/2026/03/gloat-enters-the-crowded-war-for-ai-agents-in-hr/ [^9]: renue 「エンゲージメントサーベイ×AI活用ガイド 2026年版」 https://renue.co.jp/posts/engagement-survey-ai-pulse-survey-sentiment-analysis-guide [^10]: Perceptyx 「Employee Experience Trends 2026」 https://blog.perceptyx.com/employee-experience-trends-what-the-data-says-about-2026 [^11]: デジタルツール研究所 「AI解析で離職率25%減」 https://digitool-lab.com/blog/hr-turnover-prediction-ai [^12]: 日経BP 「事例表彰で分かった人的資本経営×AIの現在地」 https://project.nikkeibp.co.jp/HumanCapital/atcl/column/00015/102900122/ [^13]: Jicoo 「AI面接官導入の課題と対策」 https://www.jicoo.com/magazine/blog/ai-interviewer-risks-and-solutions