人事は、AIで下ごしらえ（要約・整理・文章生成）が一気に楽になる一方、人の合否や評価に関わるため差別・プライバシー・説明責任のリスクが業務の中でも最も高い領域です。本ガイドは「採用・評価・育成」の3つに分け、どこまでAIに任せ、どこから人が決めるかの線引きを、実在の製品・実例・最新の規制とともに整理します。
FIG.1 AIは「下ごしらえ」を担い、合否・評定・登用の決定は人が握る
大前提として、AIの出力は確率的な要約・予測であって事実認定ではありません。事実と異なる内容をもっともらしく出す（ハルシネーション）こともあるため、人の処遇に使う場面では一次情報での裏取りと人間の最終判断を必ず挟みます。
01採用：AIは仕分けと下書き、合否は人
採用は人事AIで最も導入が進む一方、最も訴訟・規制リスクが高い領域です。AIに向くのは「速く正確にやると人が消耗する作業」、向かないのは「合否の決定」と覚えておくと安全です。
書類スクリーニング
- 履歴書・職務経歴書から、経歴やスキルを構造化（タグ・年表に整理）
- 求人要件との適合度の目安を提示（あくまで参考スコア）
- 大量応募の並べ替え・重複検出で一次対応を高速化
ここで最重要なのが保護属性の扱いです。性別・年齢・国籍・人種・宗教・障害などを判定材料にすると差別になり得ます。これらを入力から除外しても、出身校・空白期間・氏名・写真などから間接的に推定されることがあるため、「過去の採用実績をそのまま学習させると過去の偏りまで再生産する」点に注意します。
Real Case
「数分で不採用」が集団訴訟に — Mobley v. Workday
米国では、人材システム大手 Workday のAI応募者スクリーニングが、年齢・人種・障害で差別したとして提訴されました。2025年5月、裁判所は年齢差別（ADEA）について集団（collective action）としての進行を条件付きで認め、対象は全米の応募者に及び得ると判断。Workday 側の説明では関連期間に11億件の応募が同ツールで不採用になったとされ、対象は数億人規模に膨らみ得ます。さらに裁判所は、AIを提供するベンダー自身が「代理人（agent）」として直接の差別責任を負い得るとの判断を示しました。
教訓は明快です。「AIが弾いた」は免責にならない。導入する企業も提供するベンダーも責任を問われ得る、という前提で設計します。
面接質問の生成・記録の要約
- 職務記述書＋候補者プロフィールから個別の質問案を作成（STAR：状況・行動・結果 を引き出す質問など）
- 面接の録音・文字起こしから要約と論点整理。複数面接官の評価メモを束ねる
注意したいのは「話し方」「表情」「声質」からの適性判定です。これは科学的妥当性が乏しく差別の温床になり得るとして批判が強く、動画面接大手の HireVue も顔・表情の分析（フェイシャル・アナリシス）を取りやめ、言語・発話内容の評価に切り替えています。映像から人柄を採点する設計は採用しないのが無難です。
候補者体験の向上
- 選考状況のこまめな連絡（自動下書き＋人の確認で送付）
- 不採用フィードバックの雛形作成（個別化は人が最終調整）
- 応募者の質問にFAQチャットで即応（給与・選考基準など機微な判断は人へエスカレーション）
02評価：記憶頼みからデータへ、評定は人が確定
評価でのAIは「マネージャーの記憶と主観」を補う方向で効きます。要約と集計でデータを整え、最終的な評定は人が責任を持って確定します。
1on1の要約
面談メモから頻出テーマ・キャリア希望・懸念を抽出。継続的に追うことで変化に気づける。
評定コメントの下書き
業績データや周囲の声を要約し、評価文の叩き台を作る。確定とランク付けは人。
目標（OKR）の進捗集計
各種ツールの記録から進捗を自動で集計し、更新の手間を削減。
評価でのAIは「決める道具」ではなく「揃える道具」。判断材料を整えるところまでが守備範囲。
ここでも、勤務時間中の常時監視や私的領域の覗き見に踏み込むと、生産性以上に信頼とエンゲージメントを損なう失敗が起きます。何を計測し何を見ないか、対象者に開示できる範囲で設計します。
03育成：個別化が最も安全に効く
育成は処遇の決定を伴わないため、3領域の中で最もリスクが低く、AIの個別化が素直に効く領域です。
スキルギャップの把握
現在のスキルと目標ロールの要件を突き合わせ、不足を可視化する。
個別の学習計画
不足スキルに応じて書籍・講座・社内メンターを提案。学習プラットフォームと連携させると運用が回る。
研修コンテンツの個別化
オンボーディングやコンプライアンス研修を役割別に作り分け、短時間で学べる形式にする。
キャリアパスの候補提示
本人の強み・興味と社内ロール群から候補を提示し、社内の人材流動性を高める（登用の決定は人）。
04主要ツールの見取り図
製品は統合スイートと専門特化に大別できます。料金・機能は頻繁に変わるため、必ず公式で最新を確認してください。
| 統合スイート（採用〜評価〜育成） | 領域特化 |
|---|---|
| Workday（人材管理・スキル管理） | HireVue（動画面接。発話内容を評価／顔分析は廃止） |
| Eightfold（採用・人材インテリジェンス） | Lattice（評価・1on1・目標管理） |
| Gloat（社内タレントマーケットプレイス） | Moveworks（従業員向けヘルプデスク自動化） |
近年は、ChatGPT・Claude・Gemini などの汎用LLMで求人票・面接質問・研修資料の下書きを作る使い方も一般的です。ただし応募者の個人情報を外部サービスへ入れる際は、データの取り扱い・学習利用の有無・社内規程を確認してから使います。
05法的リスクと、いま動いている規制
採用・評価のAIは「人の処遇を左右する高リスク用途」として、各国で規制が整いつつあります。重要なのは、規制は流動的で、施行時期がしばしば動くことです（2026年6月時点の状況）。
- EU AI Act：採用・選考・人事評価などの雇用関連AIを「高リスク」に分類。リスク評価・技術文書・バイアス検査・人間による監督・透明性が求められます。当初は2026年8月適用予定でしたが、「デジタル・オムニバス」による延期方針で、高リスク（Annex III）義務の適用は2027年12月へ後ろ倒しが示されています（最終確定前で要追跡）。
- 米国 EEOC・各州：連邦のEEOCがAI採用ツールに関する指針を示してきたほか、ニューヨーク市の Local Law 144 は自動採用判定ツール（AEDT）に年次のバイアス監査と結果の公開、候補者への通知を義務付けています。2025〜2026年には市の監査で「運用が不十分」と指摘され、今後は執行強化が見込まれます。
- コロラド州 AI法（SB 24-205）：雇用などの高リスクAIに影響評価・監視・開示を課す内容ですが、施行は2026年2月→6月30日へ延期され、さらに2026年4月に連邦裁判所が執行を一時停止。範囲縮小・再延期の議論が続いています。
- 日本：労働法・職業安定法・個人情報保護法が関係します。AI固有の包括法は未整備でも、差別禁止・個人データの適正取得と利用目的の明示は当然に及びます。
06実務でのバイアス対策
規制対応の核は、結局「公平に運用し、それを説明できるようにする」ことに尽きます。次の6点を運用ルールに落とし込みます。
保護属性を判定に使わない
性別・年齢・国籍・人種・宗教・障害は入力から除外。氏名・写真・出身校などからの間接推定も点検する。
AIスコアは参考値、決定は人
合否・評定・登用の最終判断は必ず人が行い、誰が決めたかを残す。
定期的なバイアス監査
属性ごとの通過率・スコアの差（impact ratio）を測り、偏りを継続監視する（NYC法の考え方が参考になる）。
透明性の確保
AIを使うこと・対象範囲・代替手段や異議申立ての窓口を候補者と従業員に開示する。
データの適正取得と最小化
必要な範囲だけ取得し、利用目的を明示。SNSの無断分析など範囲外の収集はしない。
記録とロールバック
入力・出力・人の判断を記録。問題が出たら該当機能を止められる運用にしておく。
07よくある失敗パターン
- 過去データの偏りを学習：これまでの採用傾向をそのまま学ばせ、偏りを再生産する。
- 責任の丸投げ：「AIが決めた」で人が判断を放棄する（前述のとおり免責にならない）。
- 映像での適性判定：表情・声質から人柄を採点する設計。妥当性が乏しく差別の温床。
- 無断のSNS分析：候補者の私的アカウントを許可なく解析し、プライバシーを侵害する。
- 過度な監視：常時モニタリングで数字は出ても、信頼とメンタルを損なう。
082026年の論点
- 規制とセットでの運用設計：EU・米州法の動向を前提に、監査・開示・人間の監督を最初から組み込む。
- 「人間関与」の実質化：形だけの確認ではなく、AIの判断を覆せる実質的なレビューが求められる流れ（各国の規制・指針が同方向）。
- スキルベース採用：学歴・経歴よりスキルそのもので見る動き。バイアス低減の文脈でも注目。
- 映像分析からの撤退：顔・表情の解析は縮小し、発話内容の評価へ。
09まとめ
人事AIの要点は業務効率と公平性の両立です。書類整理・要約・文章生成・進捗集計といった下ごしらえは積極的に任せ、合否・評価・登用の決定は必ず人が行う設計にします。保護属性を使わない、AIスコアは参考値にとどめる、定期監査と透明性で説明責任を果たす——この型を守れば、差別・プライバシー・説明責任のリスクを抑えつつ、人事の生産性を大きく引き上げられます。
