レゾナックの生成AI活用に学ぶ、従業員エンゲージメント改善と管理職支援の実装

分析・見解

生成AIの役割は評価でなく、観察の整理と対話の接続にある

この取り組みの本質は、生成AIが管理職の代わりに部下を評価することではない。管理職の頭の中に分散している観察事項を整理し、対話を次の行動へ接続する点にある。従来の従業員サーベイ（＝定期アンケート調査）は、組織全体の傾向を把握するには有効だが、回答は数週間から数カ月に一度に限られやすい。反対に、1on1（＝上司と部下の一対一の面談）は頻度が高い一方、記録の粒度や上司の力量にばらつきが出る。両者の間を埋める道具として、対話履歴を文脈付きで扱う生成AIには一定の合理性がある。

原因を断定せず、本人の語りを引き出す提案にとどめる設計

例えば、ある管理職が「会議で発言が減った」「納期への反応が遅い」と入力した場合、AIは単なる要約にとどまらず、業務量、役割の不明確さ、心理的安全性、私生活上の事情など、確認すべき仮説を並べられる。ここで重要なのは、原因を断定しない設計だ。AIが「意欲が低下している」と決めつければ、支援ツールは監視装置に変わる。適切なのは、「最近の負荷や優先順位について本人の認識を確認する」「前回の合意事項が実行できたか尋ねる」といった、本人の語りを引き出す提案である。

変化を検出した根拠を確認できる仕組みと、個人情報の管理が必須

技術面では、入力された文章を要約するだけでなく、過去の記録から変化を検出し、次回の対話に必要な論点を提示する設計が成否を分ける。生成AIの回答は毎回同じ品質になるとは限らないため、参照した記録、生成日時、提案理由を確認できる仕組みが必要だ。社内規程や人事制度に関する質問には、承認済みの文書だけを参照させる検索基盤を組み合わせ、自由生成による誤案内を抑える方法も有効である。個人情報を扱う以上、利用目的、保存期間、閲覧権限、退職後の扱いを先に定義しなければならない。

評価に直結させない使い方こそが独自性であり、次の成果指標になる

類似する人事領域のAI導入では、離職予測や採用選考の自動化が先行してきた。しかし、予測精度を競う仕組みは、従業員に「評価されている」という警戒感を生みやすい。対して、今回のような管理職の対話支援は、AIの判断を人事評価へ直結させず、支援のために使える余地が大きい。独自性は、従業員の感情を数値化することではなく、管理職が見過ごしていた小さな変化を、対話の題材として再提示するところにある。

今後は、利用率だけで成果を判断しないことが肝要だ。1on1の実施回数が増えても、部下が話しやすくなったとは限らない。対話後に合意した行動の実行率、部下が感じる上司の傾聴度、問題の早期発見から支援開始までの日数、部署間のエンゲージメント（＝仕事への意欲や愛着）格差などを組み合わせて評価すべきだ。導入後に現場から寄せられた「提案が一般論に偏る」「入力が面倒」という声を学習データと運用改善に反映できる企業ほど、単発のAI導入ではなく、マネジメントの習慣そのものを変えられる。