AIを活用した人事業務の効率化・高度化 | KPMG | JP
close
Share with your friends

AIを活用した人事業務の効率化・高度化

AIを活用した人事業務の効率化・高度化

本稿では、人材配置業務の課題の本質に迫り、人工知能(AI)技術を活用することで効率化、高度化を実現するKPMGの取組みについて解説します。

関連するコンテンツ

昨今のデジタルトランスフォーメーションの波は、あらゆるビジネスを劇的に変化させています。人事業務等のバックオフィス業務も例外ではなく、最先端技術を活用した業務効率の向上、業務プロセスの最適化を目指した取組みが行われています。特に、多様化・複雑化するビジネスに対して、最適な人材配置の実現は、企業の競争力向上のための重要な経営課題の1つと言えます。

この課題に対して、デジタルテクノロジーを活用した取組みが「HR-Tech」と呼ばれ話題になっているものの、大きな効果が得られていないケースが散見されます。これは、人材配置業務の効率化、高度化に対して表面的な対応により、ミスマッチが発生していることが要因であると考えられます。

本稿では、人材配置業務の課題の本質に迫り、人工知能(AI)技術を活用することで効率化、高度化を実現するKPMGの取組みについて解説します。

なお、本文中の意見に関する部分については、筆者の私見であることをあらかじめお断りいたします。

ポイント

  • デジタルトランスフォーメーションを背景にした人材や業務の多様化が進む今、企業の競争力向上のために、人事業務の効率化・高度化が必要である。
  • 人材配置業務の効率化・高度化を目的とした「HR-Tech」の多くは、主観的に設定されたルールに基づき分析されており、個人が持つ本質的な特徴にリーチできていない。KPMGは、自然言語処理技術を活用し、人と業務の特徴を抽出・分析する独自アプローチを確立し、人事業務の高度なコンサルティングを行う。
  • AIを単なるツールとして活用するのでは、抜本的な業務改善にはならない。KPMGは、クライアントの本質的な課題を明らかにし、AIを活用した業務変革を支援する。

I.求められる対応

近年、様々な社会的背景により、企業における「人」と「組織」を取り巻く環境は大きく変化しています。「人」に関しては、従来の特定の人物像・価値観が重視されていた日本的雇用慣行から、多様な人材がいることで企業が活性化されるといった考え方から、ダイバーシティを推進する企業が増え、性別、年齢、学歴、人種、専門性、働き方、宗教観、等を問わず、企業の成長に大きく貢献する人材の確保、活用が進んでいます。また、SNSをはじめとしたコミュニケーションツールの活用が進んでおり、従来にはない、人に紐づく大量の情報が蓄積されるようになっています。「組織」に関しては、デジタル・ディスラプション(デジタル時代の創造的破壊)が業界にかかわらず企業の価値の創造から提供までの方法を急速に変化させており、最新のデジタルテクノロジーを活用した、既存の事業モデルの改革や新規領域への参入が行われ、企業における業務の多様化・高度化や既存市場の破壊が進んでいます。

このような環境の変化が企業へ与える影響の1つに、企業の生産性を維持・向上させていくうえで重要である最適な人材配置を困難にさせることが考えられます。たとえば、人事情報、組織情報が増加するなかで、人事担当者の数は従来のままであり、限られた時間のなかで、社員と組織の特徴を理解し、適材適所な配置を実施することは困難と言えます。そのため、出身学部・専攻や希望業務といった表面的な情報から、人事担当者の主観や経験則といった暗黙知による配置検討が行われるケースが多くみられます。この場合、明確な根拠が少ないため、社員本人や配属先、経営層への合理的な説明が非常に困難になります(図表1参照)。

図表1 人材配置業務への影響

II.一般的なHR-Techの取組み

1.HR-Techとは

HR-Techとは、人事(Human Resources)とテクノロジー(Technology)を組み合わせた造語で、最先端のテクノロジーを活用して人事業務における課題解決や高度化を推進する取組みです。HR-Techに取り組む企業は増加傾向にあり、今後日本国内において大幅な市場の拡大が期待されています。

 

2.よくあるHR-Techの特徴と問題点

人材配置業務におけるHR-Techのよくあるケースとして、下記3つの特徴を有するサービスが多くみられます。

  • クラウドサービス
  • モデル化
  • ブラックボックス


クラウドサービスの場合、一般的な人事業務を行ううえでの汎用的な機能が提供されており、導入が比較的容易です。一方で、汎用的であるため、各企業の業務の特性に合わせた導入は困難と言えます。また、分析するにあたりウェブ上に用意された入力フォームを用いて特定の項目を登録することで、情報が分析・集計され結果が出力されます。そのため、分析のために情報の新規作成・加工が必要であり、また特定情報のみを分析するため、人や組織が本来持っている情報が考慮されないという問題があります。

また人と組織のマッチングを行う際のアルゴリズムは、人材を一定のルールに基づき分類し(これをモデル化という)、あらかじめ設定した軸にそって配置先の部署を決定する手法が取られています。このように、人が定義したモデルを使用する場合、人が設定したルール以外の配置は行われず、人や組織の本来の特徴が消えてしまうことが想定されます。

さらに一般的なAIは、分析結果のみで分析内容などの詳細はブラックボックスとなっており、なぜこのような分析結果となったのか確認することはできません。AIの分析結果を人が総点検するという事態も考えられます。そのため、分析結果に対して合理的な説明の付く人材配置の決定は困難となります。

KPMGは、これらのサービスは人材配置における効率化・高度化に対して表面的な対応になっており、業務の本質にたどり着いていないためだと考えています。そこで、これまでのHR-Techとは一線を画す独自のアプローチを開発しました。

III.HEROの誕生

1.KPMG独自のアプローチ

KPMGは、企業の中に蓄積されている様々な情報から、社員1人ひとりの特徴や各部署の行っている業務の特徴を抽出し、それらの特徴を突合することで、最適な配属のマッチングを実現するHR-Techソリューション「HERO(Human Establishment and Resource Optimizer)」を開発しました(図表2参照)。

図表2 HERO全体像

(1)柔軟な拡張性

HEROは、オープンソースソフトウェアを組み合せて開発されたKPMG独自のAIです。クラウドサービスを利用していないため、複雑な個別要件の組込みを可能にします。業務をAIの仕様に合わせるのではなく、個別要件の組込みにより各企業の業務を最適化することで、人材配置におけるコア業務を担える、“使えるAI ”を目指しています。


(2)自然言語処理を活用したモデルレスな仕組み

自然言語処理技術の活用により、企業の中に自然文で存在している情報を、分析のために加工することなく、自然文からそのまま分析が可能です。第三者の主観が入ることなく、すべての情報から特徴の抽出を行うことからモデルを定義する必要がなく、人と組織が本来持つ特徴を考慮したマッチングが可能です。


(3)大量情報を分析

企業が所有している大量の人材情報(履歴書、エントリーシート、レポート、社内SNS、など)および、組織情報(事業計画、業務分掌、など)を瞬時に分析できるため、時間的な制約から人手では一部の表層的な情報しか確認できなかったところを、大量の人事情報を利用した分析を可能にします。その結果、人では把握することのできない人と組織の相関分析や驚きの一手となるマッチングが期待できます。


(4)根拠を伴ったレコメンド

HEROは、最終的なレコメンド結果と併せ、分析途中の演算結果も出力でき、根拠として使用することで説明が容易になります。

 

2.HEROの活用により期待できる変革

  • 効率化
    従来、人事部門と各部署で多くの時間をかけて人材配置を検討していたのに対し、HEROの活用により初期の配置案の作成にかかる時間が大幅に短縮化され、各部門は分析結果の確認・微調整のみで配置を決定することが可能になります。
  • 高度化
    人手では確認できなかった情報まで分析が可能になるため、今まで認識することのできなかった特徴も識別することができ、人と組織の特徴を深く考慮したマッチングが期待できます。
    また、担当者の経験則といった暗黙知で行っていた配置業務が形式知化され、配置の根拠を示すことが可能になります。

    しかし、HEROを導入するだけでは、これらの効果を最大化することは難しいと言えます。最大限の効果を獲得するために、AIの活用にはポイントを押さえる必要があります。

IV.最大限の効果を得るために

AI活用のポイントは、業務への定着化を図るところにあります。KPMGでは、AIを単なるツールとして導入するのではなく、人事業務におけるコアな課題を識別し、AIを活用して解決することで、人事業務の抜本的な改革実現が可能であると考えます。

実際の業務に活用できる信頼性の高いAIを確立するのみならず、AIの効果を最大限に享受することを目指し、AI活用時のあるべきビジネスプロセスの立案を支援します。

次にHERO活用支援を実際に導入した事例をご紹介します。


事例 大手製造業A社のケース

従来、A社は技術職の新入社員の配置先を検討する際に、人事担当者が手作業で膨大な人事情報から新入社員の特徴を把握し、配置先部署の検討を行っており、多大な時間を要していました。

また、配置先部署の業務内容も多様化・複雑化しており、個々の専門性を正しく把握した適切な配置は非常に難易度の高い作業となっていました。

KPMGは、この課題に対しHEROを活用した新入社員の配置業務の大幅な効率化・高度化を実現させる実証検証を開始しました(図表3参照)。その結果、従来と比較して、次年度以降では4割程度、将来的には8割超の業務効率化が可能であると試算しています。

図表3 HEROを活用した効率化・高度化支援

HERO活用支援のキーポイント

AI活用の
あるべき姿を
定義
  • 現状の新入社員配置業務のプロセスを確認し課題を整理
  • HEROを中心に据えた、あるべき新人配置業務プロセスを定義
  • 試験的に実業務に活用し、課題と効果を確認した後に最終化
業務要件の
整理
  • 活用企業における、新入社員配置の観点を整理
  • 各観点を組み込むことで、活用企業の新入社員配置における普遍的な判断基準をもったHEROを確立
担当者に
違和感のない
分析結果を追求
  • 新入社員と部署の特徴抽出が重要なため、分析対象データの品質を徹底的に追求
  • AI確立サイクルを繰り返し、活用企業に蓄積されている情報の中から最も適した情報を選定
  • 担当者の納得感獲得のため、分析結果の評価は、活用企業の新人配置担当者が実施

また、人手による場合、一部の新入社員情報や部署情報しか確認できていなかったところが、AIによりほぼすべての情報を分析することができ、新入社員と部署のより深い特徴を考慮したマッチングを行うことが可能となりました。

V.HEROのポテンシャル

最後に、HEROの人材配置以外での可能性について紹介します。HEROのコア機能である「人や業務の特徴を抽出する」機能を活用することで、社員の配置業務以外の人事業務においても活用可能であると考えます。活用イメージについて以下に示します。


採用

  • 既存社員の特徴分布の見える化を行い、採用を強化すべき領域のレコメンド
  • 大量の応募者エントリーシートや履歴書からの特徴の抽出


教育

  • 部署・業務の特徴を抽出し、必要なスキルの特定
  • 社員の特徴に応じた、教育・研修プログラムのレコメンド


異動

  • 既存社員と部署の適合度算出
  • 異動レコメンド


評価

  • 業務報告書や業務メールを分析し、業務内容の特徴を抽出
  • 過去の高評価社員の特徴との比較から評価のレコメンド


AIは、複雑で大量の情報を確認し、内容を深く理解したうえで意思決定を行わなければならない業務との親和性が高く、大幅な効率化・高度化が期待できます。企業における業務の本質に迫るほど、データに基づく高精度な意思決定が求められます。KPMGは、様々な業務において企業が抱える本質的な課題に向き合い、AIを活用することで、企業の意思決定スタイルの抜本的な変革を支援します。

執筆者

KPMG コンサルティング株式会社
Advanced Innovative Technology
ディレクター 山本 直人
シニアコンサルタント 清水 俊雅

お問合せ

 

RFP(提案書依頼)

 

送信