ジョブ型人事を現場に根づかせる──人は「判断と対話」に集中する【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.5】

2026.09.07

前回は、JDを評価・配置・育成につなげ、職務起点の一貫性ある人材マネジメントを実現することについて取り上げました。JDに基づく目標設定と評価。職務要件と個人のスキルや経験を照らし合わせた配置と、その差を埋める育成。こうした循環により、JDは単なる文書ではなく人材マネジメントの基盤として機能し始めます。

しかし、ここで一つ大きな課題があります。これらをすべて人事や管理職が人手で行おうとすると、運用負荷が非常に大きくなることです。

一人ひとりのJDを確認して目標や実績と照らし合わせる。配置では職務要件と候補者の経験を比較し、キャリア面談では社内のポジションを確認する。ジョブ型人事を丁寧に運用しようとするほど、確認すべき情報は増えていきます。

ジョブ型人事を現場に根づかせるために必要なのは、人事や管理職にさらに多くの作業を求めることではありません。情報の検索・比較・整理やたたき台の作成はAIに任せ、人は本来担うべき「判断」と「対話」に集中する。そのような役割分担へ転換することが重要です。

【過去のコラムはこちら！第1回/第2回/第3回/第4回】

ジョブ型人事は、丁寧に運用するほど負担が増える

職務を起点に人材マネジメントを行うためには、多くの情報を参照する必要があります。

たとえば目標設定では、本人のJDだけでなく、所属組織の方針や上位ポジションの役割との整合性も確認します。評価では、JDで求められている責任や設定した目標に対して、どこまで成果を上げたのかを振り返ります。

配置ではさらに多くの情報が必要です。あるポジションに必要な経験やスキルをJDから確認し、それに合う人材を社内から探し、それぞれの経験や本人の希望まで確認しなければなりません。育成やキャリア支援でも、本人が目指したい職務と現在のスキルとの差を把握する必要があります。

少人数の組織であれば、人が一つずつ確認することもできます。しかし、数百、数千の社員やポジションを抱える企業では、すべてを人手で行うことは現実的ではありません。

その結果、「忙しいから昨年の目標を参考にする」「配置は知っている人材の中から探す」「キャリア面談は本人の希望を聞いて終わる」といった従来の運用に戻ってしまいます。これは管理職の意識の問題ではありません。そもそも、人が処理しなければならない情報量が多すぎるのです。

AIが「探す・比較する・たたき台を作る」

そこで活用したいのがAIです。

AIに期待すべきなのは、人事や管理職に代わって重要な意思決定を行うことではありません。人が判断する前に必要となる「探す」「比較する」「整理する」「たたき台を作る」といった作業を担うことです。

たとえば目標設定であれば、AIが本人のJDと組織方針を読み取り、期待される役割に沿った目標案を提示できます。管理職はゼロから目標を考えるのではなく、「この内容で今期の期待を表せているか」を確認し、必要な修正を加えればよくなります。

配置でも同様です。ポジションのJDに記載された職務要件と、社員の経験やスキルをAIが照合し、候補となる人材とその理由を提示できます。管理職や人事が、社内のすべての人材を把握している必要はありません。

キャリア支援では、本人の現在の職務や経験をもとに、次の選択肢となり得る社内ポジションを探し、そこに進むために不足している経験やスキルを整理することもできます。

これまで人が時間をかけて行ってきた情報探索や比較をAIに任せることで、人事や管理職は「情報を集めること」ではなく、「その情報をどう判断するか」に時間を使えるようになります。

人が担うべきなのは「正解のない判断」

一方で、AIに任せるべきではないこともあります。それが、正解のない判断です。

たとえば配置では、職務要件との適合度が最も高い人を選べば、必ずしも最善の配置になるとは限りません。本人がその職務を望んでいるのか、多少不足があっても挑戦させることが成長につながるのか、チームとの相性はどうか、将来どのようなキャリアを期待するのか。こうした要素まで考えると、一つの正解を機械的に求めることはできません。

目標設定も同じです。AIはJDや事業方針から目標案を作成できますが、「今年はこの人にどこまで挑戦してほしいのか」を決めるのは管理職です。評価でも、AIがJDや目標、実績を比較して論点を整理することはできますが、本人が置かれていた状況や成果までのプロセスを踏まえて最終判断をするのは人です。

つまりAIの役割は、判断を奪うことではありません。判断に必要な情報を揃え、考えるべき論点を明確にすることです。

これまで人事や管理職は、「情報を集める」「候補を探す」「資料を作る」といった作業と、「判断する」という仕事を同時に担ってきました。AIによって前者を減らすことで、後者により多くの時間を使えるようになります。

人にしかできない「対話」に時間を使う

もう一つ、人が担うべき重要な仕事が対話です。

たとえばAIが、ある社員にとって次のキャリア候補となるポジションを複数提示したとします。しかし、その人がなぜその仕事に挑戦したいのか、仕事を通じて何を実現したいのか、どのような働き方を望んでいるのかは、データだけでは十分に分かりません。

管理職に求められるのは、AIが示した選択肢をそのまま伝えることではなく、「これからどんな仕事をしたいのか」「そのためにどんな経験を積みたいのか」と本人と対話することです。

評価でも同様です。結果だけを伝えるのではなく、会社がそのポジションに何を期待していたのか、本人はどこまで役割を果たしたのか、次に何を期待するのかを話し合う。この対話があって初めて、JDや評価が本人の成長につながります。

AI活用の目的を、単なる人事業務の自動化と捉えるべきではありません。AIによって減らしたいのは、人が価値を生み出しにくい作業です。そこで生まれた時間を、社員との対話や事業・組織に関する重要な意思決定に振り向けることが重要なのです。

ジョブ型人事を現場に根づかせるために必要なのは、人事や管理職にさらに多くの仕事を担わせることではありません。AIが情報を読み取り、比較し、候補やたたき台を示す。人はそれをもとに判断し、社員と対話する。この役割分担ができれば、ジョブ型人事は運用負荷の大きな制度から、日常のマネジメントを支える仕組みへと変わっていきます。

最終回となる次回は、AIの役割をさらに一歩広げます。個々の社員やJDを支援するだけでなく、事業戦略や組織の変化を捉え、「そもそもどのようなポジションや役割が必要なのか」をAIとともに考える。ジョブ型人事のその先にある、新しいジョブマネジメントの姿を展望します。