「従業員満足度」という経営課題と、AIという解
従業員50名以上の企業の約9割が、経営課題として「従業員満足度の向上」を重要視している。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す。一方で、広告大手の電通は、この課題に対する新しい「解」を提示した。電通総研と協働で、Microsoft 365の利用データを起点とした「HR×AIの組織変革プログラム」の提供を開始したのだ。
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…。日常業務で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実態や潜在的な課題を「見える化」する。一見、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。データに基づく判断は、経営者の直感や一部の声に依存する従来型の人事評価より、はるかに「戻れる」判断のように見える。
しかし、ここに大きな落とし穴が潜んでいる。データは「何が起きているか」を教えてくれるが、「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」という衣をまとって、可逆性を失い始める。
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を掛け合わせることで、組織の「見えない実態」を可視化することを謳う。確かに、部署間のコミュニケーション断絶や、特定人物への業務集中といった「構造的問題」を発見する上では強力なツールとなり得る。
問題はその「次」にある。データが示す「傾向」や「課題」に対して、どのようなアクションを起こすのか。ここで多くの組織が犯すミスは、データ分析の結果をそのまま「答え」として受け入れ、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ことだ。
例えば、AIが「A部署とB部署間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」でしかない。可逆性を保つためには、まずは「なぜ少ないのか」を、データではなく「人」に聞くという、一見非効率なステップを踏まなければならない。業務上の重複がなく単に必要ないのか、それとも個人間の確執が壁になっているのか。原因によって取るべきアクションは全く異なる。
データを「判断の根拠」から「問いの起点」に昇華できなければ、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ってしまう。外注した判断は、その結果が望まぬものであっても、データという「客観的証拠」があるために修正が難しく、組織に固定化されていく。
「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、測定可能なデータだけが「従業員満足度」の定義を狭めてしまうことだ。Microsoft 365で計測できるのは、あくまで「デジタル上での活動の痕跡」に過ぎない。創造的なアイデアが生まれる散歩中の会話、家族の事情を慮り合う同僚間の信頼、困難なプロジェクトを乗り越えた達成感の共有。これらの、組織の健全性と活力の根幹を成す「アナログで計測不能な要素」は、データの海に沈んで見えなくなる。
そして、経営陣の目が「データで測れる満足度指標」ばかりを追いかけるようになると、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たり、意味のない会議を設定したり。データが人々の行動を歪め、本来改善すべき実態からさらに遠ざかるという逆説が生まれる。これは、一度始まると抜け出せない「戻れない悪循環」の始まりだ。
可逆性を保つ「HR×AI」の使い方
では、こうしたAIツールを、判断を固定化する凶器ではなく、可逆性を高める探針として使うにはどうすればよいか。その鍵は、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することにある。
第一の原則：データは「仮説生成機」と定義する
プログラム導入時には、経営陣と人事部門で明確な合意を形成する。「このAIが出力する分析結果は、『事実』ではなく『調査すべき仮説』である」と。データが示す異常値や傾向は、その原因を人間が直接探る「きっかけ」でなければならない。この原則が崩れた瞬間、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」を重視する
ツールは往々にして、美しいダッシュボードと数値目標の達成度を提示したがる。しかし、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の深夜時間帯のメール送信数が先月比50%増。これは何を意味するか？」「プロジェクトYの関係者間でファイル共有が極端に少ない。情報共有の障壁は何か？」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。その対話自体が、データだけでは見えない実態を浮き彫りにし、次のアクションを「実験」として設計する材料となる。
第三の原則：アクションは「期間限定実験」として実行する
データと対話から、例えば「コミュニケーション不足」が課題と判明したとする。ここでいきなり大規模な組織再編や恒久的な新制度を導入してはならない。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、期間が明確で、終了時に効果を検証できる「実験」を設計する。
この実験の成否は、再びデータ（会議後のチャット増加率等）と、参加者の生の声の両方から評価する。効果がなければ、潔く終了し、別の仮説を試せばよい。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」を回避する。
「人の問題」に戻さ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」に帰着させる前に、「業務の構造や設計」に目を向けさせる力にある。例えば、特定の人物にだけ業務が集中しているデータが出た時、安易に「その人が足りない」と考えず、「なぜ業務が分散する設計になっていないのか」という根本的な業務プロセスを疑うきっかけとなる。
これは、当メディアが提唱する基本原理「人ではなく、業務を見る」を実践する強力な補助線になり得る。データが、感情や憶測を排した「業務構造の不具合」を示唆してくれるからだ。
しかし、その補助線を「答え」と誤認した瞬間、ツールは人間の判断力を奪い、新たな硬直を生み出す。経営者がすべきは、AIに判断を委ねることではない。AIが提供する「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「判断の質」を向上させることである。
結論：AIと人間の「対話」が、戻れる人事を創る
従業員満足度の向上は、データで管理される「指標」ではなく、日々の対話と試行錯誤の中で育まれる「結果」である。電通の「HR×AI」プログラムのような先進的ツールは、その対話の質を高めるための「驚きを与えるパートナー」として位置づけるべきだ。
ツール導入の評価期間では、その出力が「固定化された答え」に向かっているか、「活発な問い」を生み出しているかを観測せよ。データが人間の考察を停止させるとき、それは「戻れない人事」への第一歩である。
真に戻れる経営とは、テクノロジーの力で判断を楽にするものではなく、テクノロジーを活用して、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」を創り出す経営なのである。
