1. なぜ今、「AIエージェント」と「人的資本経営」なのか

2025年を通じて、「生成AIが仕事を奪う」あるいは「これからの時代、人事はどう変わるのか」というニュースを目にする機会が激増した。日本国内においても、「AI×人的資本経営」という2つのキーワードは、これからの日本企業のあり方を左右する極めて重要なテーマとして、かつてない注目を集めている。

しかし、人的資本経営におけるAI活用は、一時のブームや単なる技術的トレンドではない。それは、労働集約的な業務に最適化された旧来の業務プロセスやITシステムという、日本企業が長年抱えてきた「根深い課題」を打破するための決定打である。生成AI、そして自律的にタスクを遂行する「AIエージェント」こそが、データ・ドリブンな人的資本経営の可能性を解き放つ鍵となるのである。

2. 日本企業が直面する「人事領域のITシステム」3つの構造的課題

戦略的な人的資本経営を推進しようとする経営者リーダーの前には、過去10年以上にわたり歴史的に積み上げられた3つのITシステムの壁が立ちはだかっている。

1) バラバラな情報基盤による分断

本社で複数の人事システムを利用する一方で、グループ子会社では異なるシステムを運用しているケースが後を絶たない。情報のフォーマットが統一されていないため、グループ全体のデータを統合できず、結果として「グループ全体での最適な人材配置」が極めて困難な状況に陥っている。

2) タレント・スキルデータの圧倒的不足

「誰が、どのような職務経歴、資格と専門性を持ち、どのような能力やスキルを有しているのか」という、人的資本経営の根幹をなす価値創造の担い手であるタレント従業員の“戦力度”に関する情報が、テキスト/デジタルデータとして整備されていない。このデータの欠如は、経験や勘に頼った従来型の人事管理から脱却できない最大の要因である。

3) 非構造化データの放置と「宝の持ち腐れ」

1on1ミーティングにおける上司の評価コメントなどは、依然として非構造化テキストデータのまま放置されている。これらは分析や活用ができる状態になく、上司と部下の関係性、ひいては組織全体の健全度を測るための貴重なインサイトがブラックボックス化しているのである。

日本におけるAI研究の代表格であり、日本政府AI戦略会議座長でもある東京大学大学院松尾豊教授は、去る2023年6月の都内での講演において、人的資本経営の領域こそ「生成AIが最も活用できるテーマの一つ」であると看破している。なぜなら、生成AIが得意とする非構造化状態にあるテキスト・データの処理、関係性の推論、構造化データ（スキル定義など）の生成といった優れた機能が、日本企業が抱えている上述した1)-3)の諸課題を一気に解決する“リープフロッグ_（注）”のような打ち手となる、と予測した。

(注)未発達な分野に革新的な技術が導入されることで、カエルがジャンプするように途中の段階を飛び越えて一気に進展する変化のあり様。アフリカ大陸におけるインターネット普及が、スマホ導入によって一気に加速したことが典型例とされる。

以下、人材開発領域を例に、様々なシーンにおける非構造テキスト・データにAIを活用して課題解決に繋げる打ち手の例を取りまとめた。実際に実務的に活用する際の参考にされたい。

3. 従業員体験と定型的な人事業務を再定義する「AIエージェント」の衝撃

現代の従業員は、業務システムや人事関連の申請/手続きを遂行するために、SmartHR、Teams、slack、Company、SAP SuccessFactors、Workday等、あまりに多くのアプリケーションをスマホとPCを絶えず切り替えながら使用している。この「コンテキストスイッチング」こそが、働き手の業務への集中力を削ぎ、生産性を低下させ、従業員のエンゲージメントを損なう最大の要因である。
ここで登場するのが、米国発「Leena AI」に代表される「AIエージェント」である。それは単なるチャットボットやナレッジ検索ツールではない。複雑な要求を理解し、社内のあらゆるエンタープライズシステムを横断してタスクを自律的に実行するプラットフォームである。ServiceNow等の従来のツールが「情報を見つけ、回答する（Knowledge）」ことに留まっていたのに対し、AIエージェントは「業務を完遂する（Action）」へと進化を遂げているのである。

4. 経営へのインパクト：Coca-Cola社における劇的な改善事例

人事部門におけるAIエージェントの導入は、劇的な業務効率化、コスト削減と従業員体験の向上を実現する。世界的な飲料メーカーであるCoca-Cola社の事例はその好例である。

導入前、同社では月間4,000件もの問い合わせ（電話、メール）が従業員から人事部門に寄せられ、その対応には50名ものHRビジネスパートナーを要していた。しかし、Leena AIを導入して6ヶ月後には、解決率が50%に達し、対応スタッフを25名にまで削減した。さらに全社展開を果たした12ヶ月後には、解決率は82%まで上昇し、残りのリクエストは720件に激減、対応スタッフはわずか15名で済むようになったのである。
これは、人事、IT、財務といったバックオフィス部門の定型業務を90%以上自動化できる可能性を示唆している。労務・勤怠の問い合わせ対応だけで、人事担当者一人あたり月30〜50時間の工数削減を実現する。また、従業員が入社後に実施するPC手配、人事システムへの各種情報の入力、研修等の一連のオンボーディング業務も自動化でき、従業員体験の向上と早期離職率の低減にも寄与する。

5. 人事データセキュリティ：信頼されるAIデータ基盤の構築

データドリブンな人的資本経営を加速させる上で、最も堅牢な取り扱いが求められるのが人事データのセキュリティの確保である。AIエージェントが高度な判断を下すためには、機微情報へのアクセスが不可欠だが、それには鉄壁の保護策が前提となる。

保護策１）データ秘匿化と自動パイプライン

氏名、住所、電話番号、生年月日といった個人特定情報（PII）を、AI解析層に渡す前に「マスキング・匿名化」するデータパイプラインを自動で実装する。これにより、AIは「誰か」を特定することなく、統計的な傾向や文脈上のインサイトのみを抽出することが可能となる。

保護策２）プロジェクト単位の動的アクセス制御

「誰が・いつ・どのデータに」アクセスしたか、というスマホ・PCからシステムへのアクセスログを完全に保存する監査トレースを確立する。権限管理は、従来の「課長・部長」といった固定的な役職ベースではなく、特定の分析や施策に応じた「プロジェクト単位」で制御する。これにより、必要最小限の人間のみが、必要な期間だけデータに触れる環境を担保する。

保護策3） AIガバナンスと倫理規定の策定

システム整備を行う前に、技術的な対策に加え、AI倫理規定の策定が必要不可欠である。特定の属性（性別、年齢、国籍等）による不当なバイアス（偏見）をAIが学習し、評価や採用に影響を及ぼさないよう、定期的なモニタリングとアルゴリズムの監査を実施する。人間による最終確認プロセス（Human-in-the-loop）を組み込み、AIの判断の透明性と公平性を常に検証し続ける体制を構築する。

6. おわりに：日本の人的資本リーダーへの提言

人的資本経営の本質は、データの蓄積ではなく、その活用によって従業員一人ひとりの可能性を最大化することにある。日本企業が抱える人事システムの分断は、AIエージェントという新たな「オーケストレーター」と、強固なセキュリティ基盤を導入することで、一気に解決へと向かうことができる。

Coca-Cola、P&G、SONY、Panasonicといったグローバル企業は、すでにこの未来を選択している。人的資本リーダーは、今こそ「管理」のための人事から、AIエージェントと共に「価値を創造」する人事へと舵を切るべきである。強固なセキュリティに守られた人的資本データがAIという知性を得たとき、データドリブンな組織運営が可能となり、企業の組織的な競争力が真の意味でバージョンアップされるのである。