人材配置の AI は、候補を探して比べる作業を受け持つ仕組み
人材配置の AI が受け持つのは、社内に散らばった人の情報を集め、ポストの条件に合う候補を探して比べる作業です。誰をどこに置くかを決める仕組みではありません。
適材適所の検討に時間がかかるのは、判断そのものより、その前の準備です。職務経歴は人事システムに、資格や研修の履歴は別の台帳に、本人の希望は自己申告の書類に分かれて保管されていることが多く、候補者を1人ずつ確かめるだけで日数を使います。AI が役に立つのは、この準備の部分です。
一方で、異動は本人の生活に直接関わります。事業主は、就業の場所の変更を伴う配置の変更で、子の養育や家族の介護が難しくなる労働者がいるときは、「当該労働者の子の養育又は家族の介護の状況に配慮しなければならない」と定められています(「育児・介護休業法」第26条・2026年11月15日確認)。
こうした事情は人事のデータベースに載っていないことが多く、AI の候補一覧からは見えません。本人と話して初めて分かる事情があるという点が、配置の決定を人に残す一番の理由です。
人事の業務を10の領域に分けると、配置・異動はその1つです。ほかの領域とどの順番で AI を入れるかは、人事10領域で AI を入れる順番を整理した記事にまとめています。
AI に任せる作業と人に残す判断は、検討の工程ごとに分ける
AI に任せる作業と人に残す判断は、配置の検討を6つの工程に分け、工程ごとに決めておきます。
| 工程 |
AI に任せる作業 |
人に残す判断 |
| ポストの要件を決める |
過去にそのポストを担った人の経歴から、必要なスキルと経験の下書きを作る |
そのポストで誰に何を経験させたいか(育成の意図) |
| 候補者を洗い出す |
職歴・スキル・資格・希望から、条件に合う人の一覧を作る |
一覧に無い人を候補に加えるか |
| 経歴を整理する |
職務経歴・研修の履歴・プロジェクトの記録を1人1枚に要約する |
要約に誤りや古い情報が無いか |
| 配置案を比べる |
案ごとに、空くポスト・後任・引き継ぎの量を比較表にする |
どの案にするか |
| 本人の意向を確かめる |
自己申告の希望や過去の面談の記録を整理し、面談で聞くことの下書きを作る |
面談で意向と事情を確かめる |
| 決定と伝達 |
内示の文面や引き継ぎ計画の下書きを作る |
異動の決定と、本人への伝え方 |
左の列は、どれも人が見れば誤りに気づける作業です。右の列は正解が一つに決まらず、決めた人が理由を説明する責任を負う判断なので、AI には渡しません。分け方に迷ったときは、「誤りがあったときに人が見て直せるか」が基準になります。
AI の出力を人が承認する形にしても、それだけで判断が人に残るとは限りません。AI の評価や判断等を人間が承認する際には、人間自身が承認する理由や根拠を独自に考えてから承認すること等が提案されています(総務省・経済産業省「AI事業者ガイドライン(第1.2版)」2026年3月31日)。
配置の検討に置き換えると、AI の候補一覧を見る前に、そのポストで求める経験と育成の意図を人が書き出しておく順番です。先に一覧を見てしまうと、上位の候補を追認するだけの検討になりがちでしょう。
人事の業務に AI エージェントを入れるとき、どの操作を任せてどこで人が承認するかの決め方は、人事業務に AI エージェントを入れるときの任せ方を書いた記事で扱っています。
使うデータは、本人に使い道を説明できる範囲に限る
配置の検討に使うデータは、職歴・スキル・本人の希望のように、社員が「配置の検討に使われる」と予測できる範囲に限るのが基本です。
本人から得た情報から、本人に関する行動・関心等の情報を分析する場合、個人情報取扱事業者は、どのような取扱いが行われているかを本人が予測・想定できる程度に利用目的を特定しなければならないとされています(個人情報保護委員会「個人情報の保護に関する法律についてのガイドライン(通則編)」2026年6月一部改正)。
AI で経歴やスキルを分析して候補者を洗い出すなら、「職歴・スキル・希望を分析し、配置・異動の候補者の検討に使う」と、社員向けの利用目的に書いておく必要があります。データごとの扱いは、次の表のように分けると決めやすいでしょう。
| データ |
扱い |
理由 |
| 職歴・異動の履歴・担当したプロジェクト |
使う |
配置の検討に使うと説明しやすく、本人も中身を確かめられる |
| スキル・資格・研修の受講履歴 |
使う |
本人が登録・更新できる形にすると、古い情報で候補から外れる人が減る |
| 自己申告の希望(職種・勤務地・キャリアの希望) |
使う |
配置の検討に使うと示して集めたものに限る |
| 人事評価の結果 |
目的を決め、見る人を限って使う |
利用目的に配置の検討を含めているかを確かめる。点数だけで候補の順位を決めない |
| 健康診断・ストレスチェックの結果・病歴 |
AI の入力に入れない |
要配慮個人情報に該当する場合が多く、健康の確保に必要な範囲で扱う情報 |
| 離職予測の出力 |
使わない |
予測が処遇に流れ込み、本人に理由を説明できない |
| 性別・年齢・国籍 |
入力に入れず、偏りの確認だけに使う |
属性による偏りを生む |
| 業務チャットの本文・私的な SNS |
使わない |
社員が予測できる使い方を超える |
健康に関わる情報は、配置の検討に使う AI から切り離しておくのが前提です。健康診断の結果や病歴などの健康情報は要配慮個人情報に該当する場合が多く、事業者は利用目的をできる限り具体的に特定し、原則としてあらかじめ本人の同意を得ないで、その達成に必要な範囲を超えて扱ってはならないとされています。労働安全衛生法に基づく措置で集めた健康情報は、労働者の健康の確保に必要な範囲内で収集し、その目的の範囲内で保管・使用することも求められています(厚生労働省「雇用管理分野における個人情報のうち健康情報を取り扱うに当たっての留意事項」2023年10月27日最終改正)。
とはいえ、産業医の意見を踏まえて勤務地や業務に配慮が要る社員もいるでしょう。その場合でも、病名や検査値を AI に渡す必要はありません。「配置に配慮が要る」という事実だけを健康情報の担当者から異動を決める人へ伝え、AI の候補一覧とは別の場で人が扱えば足ります。
離職予測の出力を配置に使わない理由も同じ考え方です。離職予測は面談の機会を作るために使うもので、配置の判断材料にすると、予測された本人に説明できない異動が生まれます。離職予測の使い道の決め方は、離職予測 AI を入れる前に決める5つのことの記事で書いています。
性別や年齢を入力から外しても、偏りは残る点に注意が必要です。各主体は、特定の個人ないし集団への人種、性別、国籍、年齢、政治的信念、宗教等の多様な背景を理由とした不当で有害な偏見及び差別をなくすよう努めることが重要とされています(総務省・経済産業省「AI事業者ガイドライン(第1.2版)」2026年3月31日)。
例えば、過去の配置の実績を手本に候補を選ぶ仕組みにすると、特定の性別や年代ばかりが管理職の候補になっていた過去の傾向を、そのまま繰り返します。短時間勤務の利用や転勤の可否のように、属性と結び付きやすい項目から偏りが入り込むこともあるでしょう。
属性は入力に入れず、出てきた候補一覧を属性ごとに分けて比べるためだけに使うのが原則です。偏りがどこから生まれるかは、AI バイアスの用語ページで説明しています。
AI の提案だけを理由に異動を決めない運用を、規程に書く
運用で決めることは、AI の候補一覧を検討の入口に限り、決定の理由は人が自分の言葉で残すことです。これを規程か運用の手順書に書いておきます。
AI の出力結果が公平性を欠くことのないよう、AI に単独で判断させるだけでなく、適切なタイミングで人間の判断を介在させる利用を検討し、その際には人間の判断が自動化バイアスに左右されない対策を講じるべきとされています。自動化バイアスとは、人間の判断や意思決定において、自動化されたシステムや技術への過度の信頼や依存が生じる現象を指す言葉です(総務省・経済産業省「AI事業者ガイドライン(第1.2版)」2026年3月31日)。
配置の検討で自動化バイアスを防ぐために、規程に書いておく項目は次の5つです。
- AI の候補一覧は検討の入口とし、異動の決定の根拠には使わない
- 決定の理由は、期待する役割と育成の意図として、決めた人が文章で残す
- 一覧に載らなかった人を候補に加える経路(上長の推薦・社内公募)を残しておく
- 稟議や会議の資料に、AI が付けた順位や点数を載せない
- 検討に使った条件、一覧を見た人、決めた理由を記録し、期間を決めて保存する
見落とされやすいのは4つ目です。AI の付けた点数が資料に載ると、会議の参加者はその数字を基準に議論を始め、点数の低い候補を推す人だけが理由を説明させられる空気が生まれます。
記録を残すのは、後から本人や労働組合に「AI が決めたのではないか」と問われたとき、人がどの理由で決めたかを示せるようにするためです。AI の出力と人の判断を分けて残しておけば、異議の申し立てにも答えられるはずです。
海外の規制も同じ方向です。欧州では、仕事上の関係の条件、昇進や契約の終了に影響する決定や、個人の行動・特性に基づく業務の割り当てに使う AI システムが、高リスクに分類されています(EU「Regulation (EU) 2024/1689(AI Act)」Annex III・2024年6月13日)。
欧州に拠点や社員がある会社は、配置の検討に使う仕組みが対象に該当するかを、導入前に法務と確かめておくと安心です。
Offers AX は、社員データの統合と社内候補者の検索から作る
Offers AX は人事の業務を10領域・111の課題に分解しており、配置・異動の領域では、社員データの統合、社内候補者の検索、処遇の類似ケースの提示を扱います。どれも上の表の左の列、つまり情報を集めて並べる作業です。AI の出力は下書きや参考情報として扱い、事実の認定・合否・処遇は人が判断する前提で設計します。
着手の前には、業務ルール・システム基盤・組織力学・意思決定・法務と統制・人とスキルの6領域を5つの段階で確かめ、平均点ではなく最も低い領域から手を付けます。配置の検討なら、スキル情報が更新されていない、利用目的に配置の検討が書かれていない、といった準備の不足を先に埋める順番です。
仕組みはお客様の既存の環境に構築し、当社の環境に顧客のデータを保持しません。数週間で動くプロトタイプを作り、実際の業務で確かめてから本実装へ進みます。
支援の範囲と進め方は Offers AX のサービスページで公開しています。自社の人事データで、配置の検討のどこまでを AI に任せられるかを一緒に整理したい場合は、無料相談を申し込むからご連絡ください。
本人への伝え方は、導入前の説明と内示の場の2回で準備する
本人への説明は、AI を使い始める前に全社員へ文書で示す説明と、異動を伝える内示の場での説明の2回に分けて準備します。
導入前の説明は、法律上の手続きとも重なる部分です。個人情報を取得した場合は、あらかじめその利用目的を公表している場合を除き、速やかに、その利用目的を本人に通知し、又は公表しなければならないと定められています(「個人情報の保護に関する法律」第21条第1項・2026年11月15日確認)。
既に持っている職歴やスキルを新しく AI で分析するなら、利用目的に配置の検討が含まれているかの確認が先です。同じ法律の第17条第2項は、利用目的の変更を、変更前の利用目的と関連性を有すると合理的に認められる範囲に限っています。範囲を超えそうなら、本人の同意を得る形を法務と検討してから使い始めましょう。
社員向けの説明文書に入れる内容は、次の5つです。
- 何のデータを使うか(職歴・スキル・資格・希望など、項目の名前で書く)
- 何のために使うか(配置・異動の候補者を洗い出し、配置案を比べるため)
- 何を使わないか(健康に関する情報、離職予測の結果、業務チャットの本文)
- 誰が決めるか(AI は候補を示すだけで、異動は人が決めること)
- 登録内容の確認・訂正と、問い合わせの窓口
5つ目の訂正の窓口は、社員のためだけのものではありません。スキルや資格の登録が古い人は、条件に合う候補の一覧から外れてしまうからです。本人が自分の情報を直せる仕組みは、候補一覧の正確さを保つ仕組みでもある、ということです。
各主体は、AI システム・サービスの検証可能性を確保しながら、必要かつ技術的に可能な範囲で、ステークホルダーに対し合理的な範囲で情報を提供することが重要とされています(総務省・経済産業省「AI事業者ガイドライン(第1.2版)」2026年3月31日)。
導入前に労働組合や従業員の代表と話す場を設けておけば、社員が抱く懸念を運用の前に拾えるはずです。
内示の場で伝えるのは、そのポストで期待する役割と、この異動で何を経験してほしいかという育成の意図です。どちらも規程の項目2で人が書き残した理由なので、そのまま本人に話せます。
本人から AI を使ったかを聞かれたら、候補の洗い出しに使ったこと、決めたのは人であることを、導入前の説明文書と同じ言葉で答えられるようにしておきます。AI の順位や点数を異動の理由として伝えることはしません。
最初の3か月は、1回の異動の検討に絞って試す
最初の3か月は、1回分の異動の検討に絞って候補の洗い出しと比較表だけを AI に任せ、準備の手間と候補の偏りを数えてから広げるかを決めます。
- 1か月目: 任せる作業と人に残す判断、使うデータの項目、規程の5項目を文書にする。社員への説明と利用目的の確認を済ませる
- 2か月目: 過去の異動の検討のデータで AI に候補一覧を作らせ、実際に検討された候補と比べる。漏れていた人と、属性ごとの偏りを確かめる
- 3か月目: 次の異動の検討で、候補の洗い出しと配置案の比較表に AI を使う。準備にかかった時間、一覧に無かった人を加えた件数、本人からの問い合わせの件数を記録し、続けるか、直すか、やめるかを決める
続けるかどうかは、候補一覧が実際の決定と一致したかより、準備の時間が減ったか、これまで目に入らなかった人が候補に上がったかで判断するとよいでしょう。
うまくいかない場合もあります。スキルや資格の登録が古い会社では、AI の一覧が実態と合わず、かえって確認の手間が増えます。その場合は、AI を広げる前にスキル情報の登録と更新の仕組みを整えるのが先です。
社員が少ない部署や、ポストが特殊な職種では、候補を機械で探す利点が小さくなります。従来どおり上長の推薦で検討を続ける選択も残しておきましょう。人事を起点にした AX の記事は、人事 AX のカテゴリにまとめています。