人事AIは予測と生成を使い分けよ

人事AI为何需要“双刀流”

人事部门的AI应用正在加速推进。正如钻石在线文章所指出的，生成式AI和预测式AI这两个领域的导入正在推进。然而，许多企业实际上面临着“不知从何入手”的困惑。

在我提供咨询支持的企业中，关于人事AI导入的咨询也在增加。招聘业务的效率化、员工的离职预测、评估制度的设计——。我们需要在理解每种AI适用于不同场景的基础上，制定战略。

本文将详细解析人事部门中生成式AI和预测式AI的具体区分使用方法、导入成本，以及经营者应掌握的实践要点。

生成式AI是一种能够自动生成文章和图像的AI。ChatGPT和Claude等工具是典型代表。在人事部门，它在以下业务中具有立竿见影的效果。

以招聘信息的制作为例。传统上，人事负责人需要花费数小时制作的招聘信息，现在只需向生成式AI输入“职位”、“所需技能”、“企业文化”，30秒内即可完成草稿。

此外，对应聘者提问的应对也能实现效率化。通过让AI学习常见问题（FAQ），并作为聊天机器人提供24小时响应，可以大幅减轻人事负责人的负担。

评估制度的设计也是生成式AI的强项。将“公平性”、“透明性”、“促进成长”等要求传达给AI后，它可以自动生成评估项目和评估表的草稿。

此外，在员工培训领域，它可以生成针对个人技能水平的培训内容。我的客户中，有企业利用AI制作新员工合规培训资料，准备时间缩短到了传统的一半以下。

生成式AI的导入成本为每月数千日元到数万日元。ChatGPT Plus每月20美元，Claude Pro每月20美元。即使公司内有数十人使用，每月成本也仅需10万日元左右。可以说导入门槛极低。

另一方面，预测式AI是一种根据过去数据预测未来的AI。在人事领域，以下应用备受期待。

通过分析员工的工龄、评估记录、加班时间、休假获取率等数据，可以做出“该员工未来3个月内离职可能性较高”等预测。这使得管理层能够提前采取对策。

有一家中型企业，在引入预测式AI后，离职率降低了20%。这是因为能够及早察觉离职风险，并采取了面谈、岗位调整等对策。

在招聘选拔阶段，也开发了基于应聘者过往工作经历和技能组合，预测其在本公司的留存率和绩效的模型。可以基于数据评估面试无法看穿的“文化契合度”。

预测式AI的导入成本高于生成式AI。初期导入费用约为100万～300万日元，每月维护费用约为10万～50万日元。然而，一次招聘失误或员工离职造成的损失，据称相当于其年薪的1.5～2倍。可以说，越是招聘高薪人才的企业，投资回报率越高。

这里重要的是“分阶段”导入生成式AI和预测式AI。根据我的经验，以下顺序是有效的。

首先从生成式AI开始。因为成本低，导入效果能立即感受到。将招聘信息制作、FAQ应对、培训资料制作等业务交给AI，可以削减人事负责人30%以上的工时。

具体来说，建议先让几名人事负责人试用ChatGPT Plus或Claude Pro，用大约两周时间验证效果。只要制定好公司内部的使用规则，安全风险也能降到最低。

在感受到生成式AI的效果后，接下来考虑导入预测式AI。但预测式AI对数据的质量和数量要求很高。首先需要整理公司内部的人事数据（考勤、评估、离职记录等），使其处于可分析的状态。

导入预测式AI时，建议接受专业供应商的支持。在我参与的项目中，有利用株式会社Link and Motivation和株式会社Rakus等服务的案例。比起从零开始自行开发，定制现有SaaS更为现实。

人事AI的导入存在一些障碍。以下是几个典型问题。

许多企业中，人事数据分散在多个系统中。考勤管理系统、薪资计算系统、评估系统——。如果不将这些系统联动起来，预测式AI的精度就无法提高。

解决方案是，首先从构建一个“数据基础”开始，将数据集中到一个系统中。如果预算有限，也可以基于Google Sheets或Excel整合数据，并通过API联动实现自动化。

“能把人事评估交给AI吗？”“个人信息处理没问题吗？”——包括管理层在内的所有人都会有这样的担忧。要克服这种抵触情绪，以下步骤是有效的。

首先，明确AI的判断仅为“参考信息”，最终判断由人类做出。其次，在导入前召开员工说明会，详细说明AI的目的和范围。最后，制定关于数据处理的内部规则，彻底贯彻合规要求。

人事部门的AI应用，已不再是选项，而是必须的经营战略。用生成式AI提高业务效率，用预测式AI可视化未来风险——如果能实现这一双刀流，就能与竞争对手拉开巨大差距。

导入成本方面，生成式AI每月数万日元，预测式AI初期100万日元起，绝非低廉。但考虑到人才招聘失误或离职造成的损失、人事负责人的加班费，投资回报率是完全可以预期的。

首先，请梳理贵公司的人事课题，从能用生成式AI解决的问题开始。这一步，将成为迈向数据驱动人事战略的第一步。