議事録の要約は速くなった。でも、人事の"判断"そのものは変わっただろうか——。多くの企業の人事AI活用は、実は入口で止まっている。この記事で分かるのは、(1)日本企業の人事AI活用の現在地、(2)「ツール」から「基盤」へ変わる本質、(3)組織サーベイ・タレントマネジメント・評価という業務別の到達点だ。結論を先に言えば、鍵は「人の承認フローの中で、AIエージェントにどこまで判断を伴うプロセスを任せられるか」にある。
※AIエージェント＝指示に従って自ら複数のシステムにアクセスし、情報の取得・加工・記録までを一連の流れとして実行するAIを指す。
人事の生成AI活用は「主流化」した。ただしまだ入口にある
結論：日本企業の人事のAI活用はすでに主流化したが、用途は"作業"の効率化に偏っているのが現在地だ。
『人事白書2025』によると、日本企業の人事部門の約7割が何らかの業務で生成AIを活用しており、未導入は33.5%にとどまる。職種別でも人事・労務職のAI利用率は39.1%と全職種平均の約3倍という調査もある（ネオマーケティング調査／HR Pro、いずれも2025年時点）。数字の上では、人事は社内でもAI活用の先頭集団だ。
問題はその中身である。用途で突出して多いのは次の通り。
| 用途 | 割合 |
|---|---|
| 議事録・会議要約 | 43.1% |
| チャットボットでの質問対応 | 26.0% |
| 通知・メールの自動作成 | 20.6% |
| 採用（求人票作成） | 14.4% |
| 評価・サーベイ分析 | 13.7% |
（出典：人事白書2025、2025年時点）
つまり多くの企業が使っているのは、人が手を動かしていた"作業"をAIに肩代わりさせる使い方だ。文章を要約する、メールを下書きする——価値はあるが、それは人事の「仕事」の周辺部分にすぎない。配置を決める、評価をつける、離職の兆しを読むといった判断を伴うプロセスの中心には、まだAIが入り込めていない。ここに経営が見るべき次の論点がある。
「ツール」から「基盤」へ——人事AIの位置づけが変わり始めた
結論：いま起きている本質的な変化は、AIが単体の便利ツールから、人・プロセス・情報を結びつける「基盤」へと役割を変えつつあることだ。
これまでのAIは、要約ツールやチャットボットといった「点」の道具だった。これに対しAIエージェントは、複数システムへのログインから情報取得・加工・記録までを一連で実行する。IBM Japanの寄稿（HR Pro、2025年時点）は、AIがこの流れを人の承認を経て自動化する段階に入りつつあると指摘する。
ここで決定的に重要なのが「人の承認を経て」という一節だ。AIが勝手に判断を下すのではなく、人が最終承認する前提で、その手前までの判断を伴うプロセスをAIが担う。作業の自動化から、承認フローに組み込まれたプロセスの自動化へ——この一段が、人事の「仕事」を変える分岐点になる。
業務別に見る——AIはどこまで人事の「仕事」に踏み込んだか
結論：領域によってAIが担える範囲は大きく違う。最も進むのは組織サーベイとタレントマネジメント、慎重なのは評価領域だ。国内事例で見ていく。
組織サーベイ：定性コメントの読み解きをAIが担う
結論：従業員アンケートの自由記述をAIが要約・分析し、離職の予兆まで示す段階にあり、最も実装が進んでいる。
- 今の課題：数百〜数千件の自由記述を人が読むには膨大な時間がかかり、分析が後手に回る
- AIで何ができる：コメントの自動要約、センチメント（肯定・否定の感情傾向）分析、離職予兆の検知、改善アクションの提案
- 具体例：エクサウィザーズは自社「exaBase 生成AI」でサーベイ自由記述の分析を行い、分析時間を従来の3週間以上から5営業日以内へ短縮したと公表（同社の自社公表値、2025年時点）
これは単なる要約ではない。「何が書かれているか」を整理し、「どこに手を打つべきか」という判断材料の生成までAIが踏み込む点が、作業の効率化との違いだ。
タレントマネジメント：配置案の候補者抽出を任せる
結論：スキルと部署ニーズを突き合わせ、配置案の候補者を絞り込む工程でAIの活用が進む。
- 今の課題：多数の職員から適した配置候補を人手で抽出するのは時間がかかり、属人的になりやすい
- AIで何ができる：スキルと部署ニーズのマッチング、配置案の候補者抽出、離職リスクの検知
- 具体例：大阪市水道局はOne人事と連携し、係長級の配置案の候補者抽出（約170時間）のうち約150時間の削減を見込むと試算（大阪市公表の試算値、2025年時点）
抽出という判断の一歩手前まで、AIが担う。最終的に誰を配置するかは人が決めるが、その土台づくりが自動化される。
評価：あくまで「判断支援」にとどめる
結論：評価領域ではAIは判断を代行せず、「判断支援」ツールとしての提供が主流というのが国内の共通認識だ。
カオナビ、タレントパレット、HRBrain、あしたのクラウドHRなどが、目標文の具体性や測定可能性のチェック、評価コメントの作成支援、記述の偏り検知といった機能を提供している（各社公表の機能、2025年時点）。いずれも「AIが評価を下す」のではなく「人が評価する質を上げる」設計だ。
背景には、完全自動のAI評価が短期間で破綻した失敗の指摘もある（meetsmore）。評価は人が最終判断する——このhuman-in-the-loop（人が承認フローに介在する仕組み）が、日本企業では前提として共有されている。
人事AIを始めるには——「作業」から一段深く踏み込む3つの勘所
結論：自社のAI活用が"作業"止まりか"仕事"に届いているかを見極め、承認フローの設計から始めるのが現実的だ。
- 用途の棚卸し：いま使っているAIが「要約・下書き」中心なら、それは入口。次に判断を伴うどのプロセスを任せられるかを、業務ごとに洗い出す
- 承認関門を先に設計する：AIに任せる範囲と、人が必ず承認する箇所をあらかじめ決める。特に評価・配置など人に影響する判断は、人が上書きできる関門を必ず置く
- リスクに先に手を打つ：導入の3大懸念は(1)データの偏り・不足による不適切な判断、(2)個人情報・機密情報の流出の法的責任、(3)評価・意思決定のブラックボックス化だ（HR Pro）。扱うデータの範囲と、判断根拠を説明できる状態かを事前に確認する
つまずきやすいのは、効果の数字を鵜呑みにすることだ。本記事のエクサウィザーズや大阪市の数字は、各社の自社公表値・試算であり、どの企業でも同じ効果が出る独立したベンチマークではない。自社の業務量とデータ状況に照らして見積もる姿勢が要る。
まとめ
結論：人事AIの勝負どころは「承認フローの中で判断をどこまで任せるか」の設計にある。
- 人事のAI活用は主流化したが、多くは議事録要約など"作業"の効率化で止まっている
- 本質は、AIが「ツール」から「基盤」へ変わり、人の承認フローの中で判断を伴うプロセスをどこまで担えるかにある。組織サーベイ・タレントマネジメントは実装が進み、評価は「判断支援」にとどまる
- 始めるなら、承認関門とリスク対策を先に設計し、効果の数字は自社に照らして見積もる
CoTerraceは、AIを単発のツールとして入れるのではなく、承認フローのどこに、どこまで任せるかを業務起点で設計する支援をしています。人事の"作業"ではなく"仕事"を変える一歩を、一緒に描ければと思います。