ジョブ型の起点となるJD整備―曖昧な役割定義をどう変えるか【制度だけではなく、現場定着まで導くジョブ型人事の実践論 Vol.2】

前回は、日本企業におけるジョブ型人事の課題が、制度設計そのものよりも“運用”にあることを取り上げました。制度を整えても、それが現場で回らなければ、ジョブ型人事は定着しません。そして、その運用の起点となるのがJD、すなわち職務記述書です。

ジョブ型人事では、各ポジションがどのような役割を担い、どのような責任を負い、どのような成果を期待されるのかを明確にすることが出発点になります。評価、配置、育成、報酬も、その職務定義に基づいて行われます。つまりJDは、制度と現場をつなぐ共通言語であり、ジョブ型人事の土台そのものです。

さらに言えば、JDは単に会社が業務内容を整理するための文書ではありません。会社がその職務に何を期待し、個人がどのような役割を担うのかを明確にするという意味で、JDは会社と個人を結ぶものです。会社にとっては事業戦略を各職務に落とし込むための基盤であり、個人にとっては社内にどのような役割があり、どのようなキャリア機会があるのかを知るための手がかりになります。だからこそ、JD整備は制度運用のためだけでなく、社員のキャリア自律を支えるうえでも重要なのです。

【過去のコラムはこちら！第1回】

なぜジョブ型人事はJD整備からつまずくのか

JDの重要性は理解されていても、整備を進めようとすると多くの企業が難しさに直面します。その背景には、日本企業の人材マネジメントの前提と、ジョブ型人事が求める考え方との違いがあります。

日本企業ではこれまで、人に仕事を合わせながら組織を運営してきました。異動や配置転換を通じて経験を広げ、状況に応じて柔軟に役割を担ってもらう。この運用は強みでもありましたが、その反面、「このポジションは何を責任範囲とするのか」「どの水準の成果を期待するのか」を厳密に言語化する文化は必ずしも強くありませんでした。

一方、海外ではJDは雇用契約の前提となる重要なものとして扱われるのが一般的です。企業がどのような職務を委ね、本人がどのような責任を担うのかを明確にすることで、雇用条件や評価、処遇の土台が形づくられます。採用時点からJDが重視されるのは、その後の役割認識や処遇の納得感に直結するからです。

これに対して日本では、JDが「制度導入のための書類」として見なされやすく、現場からも「そこまで明確に線引きできない」「実態はもっと流動的だ」という声が上がりがちです。

役割・責任・期待水準を言語化する難しさ

そうした日本企業がJD整備でぶつかるのが、「何をどこまで書くのか」という壁です。JDは業務内容だけを書けばよいわけではありません。役割、責任、期待成果、必要な経験やスキルをどの粒度で記述するかが曖昧なままだと、JDは部署ごとにばらついたものになります。

ここで注意したいのは、各部署が思い思いにJDを書いてしまうことです。現場の実態を反映することは不可欠ですが、現場の感覚だけで記述されたJDが並ぶと、会社全体としての一貫性が失われます。ある部署では責任や成果まで詳細に書かれているのに、別の部署では日常業務の列挙にとどまる。これでは職務同士の比較が難しくなり、等級・評価・報酬への接続も弱くなります。

さらに重要なのは、JDには事業戦略が反映されていなければならないということです。会社がどの領域を強化したいのか、どの機能に高い期待を置くのか、どのような価値創出を求めるのか。そうした戦略上の意図がJDに落ちていなければ、単なる現状業務の説明書で終わってしまいます。本来JDは、「今この人が何をしているか」を書くものではなく、「会社としてこの職務に何を期待するか」を示すものです。

同時に、JDは個人に対して、社内にどのような役割があり、どこにキャリア機会があるのかを示す文書でもあります。社員はJDを見ることで、自分が今担っている役割の意味を理解し、次に目指したいポジションや、そのために必要な責任・成果・経験を知ることができます。つまりJDは、会社が期待を示す文書であると同時に、個人がキャリアを主体的に考えるための地図でもあるのです。

AIでJD作成・更新・レビューをどう支援できるか

こうしたJD整備の難しさに対して、大きな可能性を持つのがAIの活用です。AIの価値は、単に文書作成を効率化することにとどまりません。JD整備においては、特に三つの観点で大きな意味を持ちます。

第一に、負担削減です。JD整備が進まない理由の一つは、現場にとってゼロから書く負担が大きいことです。役割、責任、期待成果を言語化するには時間も思考も必要であり、通常業務と並行して進めるにはハードルが高いのが実態です。AIを使えば、既存の組織情報や等級定義などをもとに、JDのたたき台を短時間で作成できます。現場はその初稿をもとに修正・調整すればよいため、整備にかかる負荷を大きく下げることができます。

第二に、品質の標準化です。JD整備では、部署や作成者によって書きぶりや粒度にばらつきが出やすくなります。AIは、表現の粒度、責任と業務の混同、成果表現の曖昧さ、項目の抜け漏れなどをチェックし、一定の基準に沿って整える支援ができます。これにより、会社全体として比較可能で、運用しやすいJDを整備しやすくなります。

第三に、事業戦略を反映し、経営と現場をつなぐことです。JD整備で本当に重要なのは、今ある業務をそのまま書き起こすことではありません。事業戦略を各ポジションの役割・責任・期待成果にまで落とし込むことが重要です。AIは、事業戦略や重点施策を読み取り、それを各ポジションの役割期待に翻訳したJDのたたき台を作成することができます。つまりAIは、単なる作成支援ツールではなく、経営の意図を職務レベルにまで具体化し、経営と現場をつなぐ支援役にもなり得るのです。

さらに、AIがJD同士の関係性を整理することで、「この役割から次にどの職務につながりやすいか」「どの経験が次の機会に接続するか」を見える化しやすくなります。これは、社員が社内のキャリア機会を理解し、キャリア自律につなげるうえでも大きな意味を持ちます。

“作るだけ”で終わらせず、運用につながるJDへ

JD運用で最も避けたいのは「一度作って放置される」という状態です。

いくら人事が更新ルールを作って現場に周知したところで、通常業務が忙しい社員はなかなかJDの更新にまで気を回すことができません。人事も一つ一つの更新状況を把握することはできないため、気づかないうちに形骸化しているというのがよくある状況です。

そのため、現場任せにするのではなく、半ば「強制的に」更新してもらうための仕組みづくりが必要となります。

次回は、そのようなJD運用の仕組みについて深く掘り下げていきます。