生成AIを人事に入れたいのに「議事録の要約止まり」で、採用や評価という本丸には手が出せていない――そんな担当者は多いはずです。この記事では、採用／タレントマネジメント・評価／組織サーベイ／労務の4領域ごとに、国内の事例と製品で「今どこまでできるか」を整理し、明日からの一歩目を示します。結論を先に言えば、日本の人事AIは「組織サーベイ」と「タレントマネジメント」が先行し、評価は"判断支援"、採用は"下書き支援"の段階です。
いま人事のAI活用はどこまで進んだか：主流化、ただし「入口」段階
日本企業の人事部門で生成AIの活用はすでに主流化していますが、用途は定型作業に偏っているのが実情です。
『人事白書2025』（日本の人事部）によると、人事部門の約7割が何らかの業務でAIを活用し、未導入は33.5%にとどまります。ただし用途の内訳を見ると、最多は「議事録・会議要約」43.1%で、以下「チャットボットによる質問対応」26.0%、「通知・メールの自動作成」20.6%と続きます。一方で、採用の「求人票作成」は14.4%、「評価・サーベイ分析」は13.7%と、人事のコア業務での活用はまだ手薄です。
つまり全体像は、「まず効率化しやすい定型作業から入り、判断が絡むコア業務はこれから」という段階。人事・労務職に限ればAI利用率は39.1%（全職種平均の約3倍、ネオマーケティング調査／HR Pro）と感度は高く、次の一手を探している担当者が多いことがうかがえます。
なお本記事で言う「AIエージェント」とは、指示に対して複数システムへのアクセス・情報取得・加工・記録までを、人の承認を挟みながら自律的に進めるAIを指します。単発の文章生成にとどまらず、業務プロセスの中に組み込まれる点が従来の生成AIとの違いです。
業務別に見る人事AIの到達点：4領域の一覧表
領域ごとに到達点を一望すると、次のように整理できます（いずれも2025〜2026年時点、国内）。
| 業務領域 | 主なAI用途 | 今の到達点 | 国内の事例・製品 |
|---|---|---|---|
| 採用 | 求人票・スカウト文面の下書き | 文章作成の支援が中心 | 求人票作成での活用14.4%（人事白書2025） |
| タレントマネジメント | 配置マッチング・候補者抽出 | 実案件で工数削減の試算あり | 大阪市水道局×One人事 |
| 評価 | 目標添削・評価コメント支援 | 判断支援ツールが主流 | カオナビ／タレントパレット／HRBrain 等 |
| 組織サーベイ | 自由記述の要約・センチメント分析 | 最も実装・事例が進む | エクサウィザーズ exaBase |
採用でのAI活用：文章の「下書き」から、自動選考は慎重に
採用領域のAIは、今のところ求人票やスカウト文面の下書き支援が中心です。
- 今の課題：母集団形成のための文章作成に時間がかかる一方、応募者の見極めには公平性が問われる。
- AIで何ができる：求人票やスカウトメールの草案作成、要件の言語化補助。
- 具体例（国内）：『人事白書2025』では、採用領域での生成AI活用として「求人票作成」が14.4%と最も多く、まず文章作成から入る動きが見えます。
一方で、面接での表情・声のトーン分析や履歴書の自動スクリーニングは、バイアスや公平性の観点から慎重に扱うべき論点です。採用は応募者の権利に直結するため、AIは「下書き」に留め、選考判断は人が担う設計が無難です。
タレントマネジメントでのAI活用：配置マッチングで工数削減の試算
タレントマネジメント（人材情報を一元管理し配置・育成に活かす取り組み）では、AIによる配置マッチングと候補者抽出が先行しています。
- 今の課題：人事異動の候補者抽出は、経験・スキル・部署ニーズを突き合わせる膨大な手作業。
- AIで何ができる：スキルと部署ニーズをAIでマッチングし、配置案の候補を絞り込む。
- 具体例（国内）：大阪市水道局はOne人事のシステムを用い、係長級の配置案づくりで、候補者抽出にかかる約170時間のうち約150時間の削減を見込むと公表しています（大阪市の試算値。HR Pro／大阪市公式）。
この150時間はあくまで導入側の試算であり、独立した効果ベンチマークではない点に注意が必要ですが、「候補の絞り込み」という重い手作業がAIの得意領域であることを示す好例です。
評価でのAI活用：AIは「判断支援」、代行はしない
評価領域のAIは、判断を代行するのではなく、目標設定や評価コメントを支援するツールが主流です。
- 今の課題：目標の具体性・測定可能性のばらつき、評価者による偏り、コメント作成の負担。
- AIで何ができる：目標文の添削、評価コメントの下書き、記述の偏り検知。
- 具体例（国内）：カオナビは「AI目標・評価アシスト」、タレントパレットは「AIエージェント／AIアドバイス」、HRBrainは社内版生成AI「Brain」、あしたのクラウドHRは「AI目標添削」を提供しています（いずれもベンダー公表の機能。PR TIMES／各社発表）。
重要なのは、これらが「判断支援」であって「判断代行」ではないこと。人が最終判断を担う"human-in-the-loop"（人間が処理の途中に関与する仕組み）が前提で、完全自動のAI評価を導入して短期間で破綻した失敗例も報じられています（meetsmore）。
組織サーベイでのAI活用：自由記述の要約で最も実装が進む
組織サーベイ（従業員の意識調査）は、AI活用が最も進んでいる領域です。
- 今の課題：自由記述コメントの読み込み・分類に膨大な時間がかかり、分析が後手に回る。
- AIで何ができる：自由記述の自動要約、センチメント（感情の傾向）分析、改善アクションの提案。
- 具体例（国内）：エクサウィザーズは自社の「exaBase 生成AI」でサーベイの自由記述を自動分析し、分析時間を3週間以上から5営業日以内（約1/3）に短縮したと公表しています（エクサウィザーズの自社公表値）。
人事にAIを導入する始め方：定型業務から入り、3つの懸念に備える
始め方の原則は、「効果が見えやすい定型業務から入り、判断が絡む領域はガードレールを敷いてから」です。
進め方の目安は次の通りです。
- まず議事録要約や問い合わせ対応など、判断を伴わない定型業務でAIに慣れる。労務領域ではチャットボットによる社内問い合わせ対応（活用26.0%、人事白書2025）が入口になりやすい。
- 次にサーベイ分析や配置候補の抽出など、"人の判断の前段"をAIに任せる。
- 評価・採用など判断が絡む領域は、人のレビュー関門を必ず挟む。
つまずきやすい注意点として、国内では導入の3大懸念が指摘されています（HR Pro）。
- データの偏り・不足による不適切な判断
- 個人情報・機密情報の流出と、その法的責任
- 評価・意思決定のブラックボックス化
いずれも「AIに任せきりにしない」設計で緩和できます。個人情報を扱うサーベイや行動データの分析では、本人同意・オプトインを前提にすることも欠かせません。
まとめ：人事AIは「定型から、human-in-the-loopで」
要点は3つです。
- 日本の人事AIは主流化したが用途は定型作業中心で、コア業務は「これから」。
- 到達点は領域で差があり、組織サーベイとタレントマネジメントが先行、評価は判断支援、採用は下書き支援の段階。
- ベンダー・導入企業が公表する数字（エクサウィザーズの3週間→5営業日、大阪市の約150時間削減など）は自社公表値・試算値であり、始めるなら定型業務からhuman-in-the-loopで。
CoTerraceは、こうした「どの業務から、どこまでAIに任せるか」の設計と、承認フローに組み込む形でのAIエージェント開発を支援しています。まずは自社の業務棚卸しから、無理のない一歩を。