【感想共有】人事領域における生成AIの利活用について
本日は三井物産の知人にお時間をいただき、人事領域における生成AIの利活用について情報交換をしてきました。
本日お世話になった方とは、自分がまだ若手だったころに同じ人事系の研修でご一緒した方で、もう7年ほどのお付き合いとなります。室長になられて非常にお忙しい中、お時間を作っていただき本当に感謝です。
先方は知人ともう1名、人事系のシニアマネージャーの方にもご参加いただきました。
タイトルに感想共有とつけていますが、社内機密の情報もあるので詳細は記載できないため私が感じたことや話せる範囲の内容を箇条書きでいくつか共有します。
・目的やゴールが重要
まず何よりもこれに尽きると思いました。生成AIを使って何を実現したいのか。なぜ生成AIを使うのかも含めての検討と合意が必要だと感じています。
・データの蓄積と整備が必要
これも重要です。弊社の課題でもありますが、そもそもデータが取れていない（とっていない）ものもあれば、データはあるけど使える状態になっていない、定義や基準や言葉がバラバラなど、当たり前ですがそのあたりの事前準備が必要です。
・AIエンジニアの確保と育成をどうするか
自社で雇うのか外部に委託するのか。弊社では自社で雇用・育成していますが、かなりの労力と時間がかかっています。また採用難、定着にも課題があるのでいろいろな対策を打っています。
・コンプライアンスリスクをどうするか
機微な情報の取り扱いのルール整備や、情報漏洩のリスクをなくすための取り組みについてかなり時間をかけてやっています。万が一があっては困るのでこれも生成AIの活用が進みづらい理由の一つだと思います。
・目標やゴール達成までどのくらいの時間がかかるのだろうか。
三井物産さんも弊社も、取り扱うデータの範囲はグループ全体でした。数にして数千～数万人分のデータとなるので、事前準備の段階から非常に時間がかかりそうです。（弊社は数十万人分・・・笑）。ただし、その分達成したときのメリットも半端なく大きいだろうなと思いました。
・面白いアイデアもたくさん出た
すべてはお話しできませんが、アイデアのひとつに自分の分身をAIで作るという話が出ました。自分が上司の場合は、まず部下は上司のAIと壁打ちでアイデア出しや提案内容を固めたうえで、本物の上司と打合せする。そうすることで事前に議論ポイントは抑えられているので、より本質的な議論や、より高い生産性につながるのではという話になりました。自分もいつか分身モデルを作ってみたいと思いました笑
世の中でも社長の分身モデルを作ったというニュースを時々見かけますね。チャットボットのような使い方をしていることが多い気がしますが。
以上、非常に簡単ですが感想の共有となりました。
他にも採用、育成、評価などの活用アイデアについて意見交換を行い、非常に楽しい時間を過ごすことができました。
特に採用と評価における活用は検討が進めやすそうでした。
育成については弊社ではAIを活用して社員の希望に合ったE-learningの提案などをしていますが、そもそも全社員のスキルマップやスキルレベルなどを整理していかないと真の意味での活用には結びつかないだろうなと思ってます。
まだお互いに人事領域における生成AIの利活用を検討している段階なので、継続して情報交換をしていきたいと思います。
もし読者の方で、人事領域における生成AIの利活用についてお話したい方がおられましたらぜひご連絡をお待ちしております。
今日も楽しい学びをありがとうございました。
おまけ
事前にChat GPTと対話し、生成AIの活用事例案を出してもらいました。
参考までに掲載します。
【プロンプト】
#あなたは世界的に著名な生成AIエンジニアです。実力は世界最高峰です
#人事領域における生成AIの活用事例案を教えてください。
【GPT-4oの回答】
採用プロセスの効率化
生成AIを利用して候補者のスクリーニングや面接質問の自動生成を行い、候補者の適性をより迅速かつ精密に評価する仕組みを構築します。
オンボーディングのパーソナライズ
生成AIを活用して新入社員のオンボーディング体験をパーソナライズし、個々の社員に適した学習プログラムやリソースを提供します。これにより、早期のエンゲージメント向上を実現します。
パフォーマンス管理とフィードバック
生成AIを用いてパフォーマンス評価やフィードバックレポートの自動生成を行い、上司がより具体的で実行可能なフィードバックを社員に提供できるよう支援します。
従業員エンゲージメントの強化
生成AIが社員のフィードバックをリアルタイムで分析し、エンゲージメント向上のための施策を提案するシステムを導入します。これにより、早期に潜在的な問題を察知し、対策を打つことが可能です。
【o1-miniの回答】
採用プロセスの自動化と最適化（例：HireVue）
詳細:
ビデオ面接の解析を通じて候補者の適性を評価し、採用プロセスを効率化。
自然言語処理を用いて応募者の履歴書やカバーレターを分析し、適切な候補者を推薦。
効果:
採用にかかる時間とコストの削減。
候補者の適性を高精度で評価し、ミスマッチの減少。
社員オンボーディングのパーソナライズ（例：IBM Watson）
詳細:
新入社員向けにカスタマイズされた学習コンテンツやトレーニングプログラムを生成。
チャットボットを活用して、新入社員の質問にリアルタイムで対応。
効果:
オンボーディング期間の短縮と新入社員の早期戦力化。
新入社員の満足度向上。
パフォーマンス評価とフィードバックの自動化（例：BetterWorks）
詳細:
定期的なパフォーマンスデータを分析し、管理者に対して具体的なフィードバックを提供。
目標設定や進捗管理を支援するツールとして生成AIを活用。
効果:
公正かつ一貫した評価プロセスの実現。
従業員のモチベーション向上と目標達成率の向上。
社員エンゲージメントの向上（例：Glint）
詳細:
社員のフィードバックやエンゲージメントデータを分析し、組織の改善点を特定。
パーソナライズされたエンゲージメント施策の提案。
効果:
社員満足度の向上と離職率の低下。
組織全体のパフォーマンス向上。
人材育成とキャリアパスの設計（例：Cornerstone OnDemand）
詳細:
社員のスキルセットやキャリア志向を分析し、最適な育成プログラムやキャリアパスを提案。
継続的な学習機会の提供と進捗管理を支援。
効果:
社員のスキル向上とキャリア満足度の増加。
組織内の人材配置の最適化。
多様性とインクルージョンの推進（例：Textio）
詳細:
採用広告や社内コミュニケーションの言語を分析し、多様性を促進する表現に最適化。
バイアスのない評価基準の設計支援。
効果:
多様性の向上と包括的な職場環境の実現。
偏見の排除による公平な人事評価。
退職予測と離職防止（例：Workday）
詳細:
社員の行動データやフィードバックを分析し、離職リスクの高い社員を特定。
離職防止のための介入策を提案。
効果:
離職率の低下と人材の定着率向上。
組織の知識資産の保持とコスト削減。
【o1-previewの回答】
採用プロセスの効率化
応募者の履歴書や職務経歴書を生成AIで自動解析
求人要件とのマッチングを迅速化
採用担当者の作業負担を軽減
面接質問の自動生成
ポジションや候補者に合わせた質問を生成
面接の質と効率を向上
社員教育とトレーニングのパーソナライズ
個別最適化された学習コンテンツの提供
社員のスキルレベルや学習スタイルに合わせた教材を生成
学習効果とエンゲージメントを向上
トレーニング資料やマニュアルの自動作成
最新情報を反映したドキュメントを迅速に生成
従業員エンゲージメントの向上
社内チャットボットによるサポート
生成AIを用いた自然言語処理で社員の質問に即時対応
24時間体制でサポートを提供し満足度を向上
フィードバックのリアルタイム分析
社員からの意見や感想を生成AIで解析
組織の問題点や改善点を早期に発見
人事データの分析と予測
退職リスクの予測モデル構築
過去のデータをもとに生成AIで退職傾向を分析
リテンション戦略の策定に活用
人材配置とキャリアパスの最適化
社員のスキルと業績データを解析
最適な配置と育成プランを提案
オンボーディングプロセスの改善
バーチャルアシスタントによる新入社員サポート
生成AIが社内手続きや情報を案内
新入社員の不明点を迅速に解決し定着率を向上
個別化されたオリエンテーション資料の提供
役割や部署に合わせた情報を自動生成
以上です。
同じプロンプトを入れても結構異なる回答になるのだなとわかったことも学びでした。
ここまでお読みいただきありがとうございました！！
Learning Through Play
この記事が参加している募集
この記事が気に入ったらサポートをしてみませんか？