2025年12月8日（月）に株式会社MQue主催で開催された「Future HR × AI Roundtable～生成AI時代における人と組織の未来ビジョン創出会議～」を取材。
本イベントは、生成AIの進展により経営や人材戦略の前提が大きく変化する中、「AIをどう使うか」ではなく「AIとともにいかに組織を進化させるか」を問い直す場として開催されました。研究者の知見を企業の事業・組織へ実装してきたMQueが、学術研究と実務を接続し、AI活用を経営・人事の意思決定にどう生かすかを議論することを目的に、多くの大企業が参加しました。
- AIが組織・経営にもたらす1.5歩先の未来のイメージが持てること
- 自社のAI活用における検討すべきテーマ・論点が見えること
- 自社で推進する上での具体的なヒントが得られること
をゴールに、世界最高峰の学術研究機関と言われるドイツ、マックス・プランク人間開発研究所でAI技術による人間の創造性・可能性の拡張をテーマに研究する矢倉大夢氏や丸紅株式会社の採用リーダーである福永美華氏が登壇し、実際の現場でのAI活用の取り組みや成果についてのお話がありました。
▽株式会社MQueのイベントレポートはこちら
本記事では、イベント内の矢倉氏の登壇についてフォーカスを当て、組織領域における生成AI活用の現在とこれからについて展望します。ぜひ最後までご覧いただけますと幸いです。
登壇者矢倉 大夢氏独マックス・プランク人間開発研究所 Centers for Humans and Machines 研究員
機械学習とその応用技術の開発を専門としており、これまでにIJCAI(国際人工知能会議)やAAAI(アメリカ人工知能学会)、ACM CHI等の国際会議で多数の論文発表を行っている。史上最年少の中学3年で国の未踏人材発掘・育成プロジェクトに採択され、各種プログラミングコンテストで文部科学大臣賞・経済産業大臣賞等を複数受賞。また、科学技術振興機構 (JST) ACT-X及び新エネルギー・産業技術総合開発機構 (NEDO) NEPの研究代表を務めるほか、Google及びMicrosoftより研究費の提供を受ける。AI技術及びその応用領域における、世界最高峰の学術研究機関、マックスプランク研究所所属。
目次
なぜ大規模AIモデルは人事・組織の未来を変えるのか？
矢倉と申します。私は、現在ドイツにあるマックス・プランク人間開発研究所で、「技術が人にどのような行動変容をもたらすのか」「人間の社会をどう変えるか」といった部分について研究しています。
そのなかでAIの応用技術だったり、それがもたらす社会変化についても研究している、という背景になります。
実は、昔はビジネス側もちょっとやっていまして、大学入学の前後くらいにリーダー育成のスタートアップを立ち上げて、そこでCTOを務めていました。その当時からずっと感じていたのは「やっぱり技術でできることには限界があるな」ということでした。
ちょうど「ピープル・アナリティクス」という言葉が出てきて、データの分析によって人事の改革が進むだろうと言われていた時期だったのですが、いざやってみると「これはなかなか難しい問題だな」と思っていたんです。
データの「質」の壁と、生成AIによる変革
理由はいくつかありますが、大きな理由の1つがデータの「質」の問題です。
これまでの人事データは、数値のアンケートスコアや属性情報くらいしかありませんでした。ですが、実は一番大切なのは、その人が持っている「想い」であったり、組織の中での「文脈」であったりするのではないでしょうか。
そうした非常に重要な部分がデータから抜け落ちてしまっており、その状態のデータでいくら分析しても、なかなか示唆が得られないという状況があったのではないかと考えています。
また、人事データがそれぞれのExcelでバラバラに管理されている、というのもよくある話です。全社で統一して揃っている企業などほとんどなく、その上、過去のデータがどういう経緯で取得されたのかも整理されていません。そうなると、まずは「このデータを取った背景は何だったのか」という確認から始めなければならないわけです。
いわゆる「構造化されたデータ」はあっても、その背景にある「文脈」や「意図」が残っていない。だからこそ、ピープル・アナリティクスで実現できることが、非常に限られていたのです。
人事データ分析後の具体アクションの欠如
しかし、生成AIの登場によって、この領域は今、非常に大きな変化を迎えていると思っています。特にHR Techでできることのポテンシャルが、この2~3年で本当に大きく変わったと感じています。
「構造化データ」と呼ばれるものだけを統計分析していた頃でも、「このあたりの社員の離職率が高いのではないか」といった傾向はある程度わかりました。しかし、こうした分析の多くは、人事担当者にとって「アンケートを実施しなくても、すでに分かっていること」でした。
「何が起きているのか」を把握することはできます。しかし、その裏にある「なぜ起きているのか」「どうすればいいのか」という背景情報が欠けていたわけです。
そのため、分析結果が出たとしても「次にどのような手を打てば良いのか」という具体的なアクションになかなか進むことができない。多くの人事担当者が、AI技術をどのように実務に活かせば良いのか、なかなか手が出せなかったというのが大きな課題でした。
データの蓄積という「高いハードル」
現在ではAI技術が飛躍的に進歩し、「高次元データ」と呼ばれるものを扱えるようになりました。たとえば、履歴書のように表形式でまとまっていないデータや、画像・音声といったデータも分析が可能です。
これにより、面接動画から表情解析を行ったり、膨大な履歴書とジョブディスクリプションをAI技術でマッチングしたりといったことが、技術的に十分活用可能なフェーズに入っています。
日本企業の中でも、こうした一歩進んだ取り組みを始めている企業は、少しずつ増えてきています。しかし、こうした技術を実際に使いこなせる企業が、これまでは限られていたことも事実です。
冒頭でお話ししたように、以前からしっかりとデータを蓄積してきた企業であれば、過去の履歴書とパフォーマンスデータを突き合わせて分析することも比較的スムーズにできると思います。しかし、これまで蓄積がなかった企業の場合、そもそも社内のあちこちに散らばっている履歴書や動画、あるいは音声のデータを、どうやって一箇所に集約すればいいのかさえ分からない、という状況に陥ってしまいます。
さらに高いハードルとなるのが、過去のデータがない状態で今から収集を始めたとしても、「この取り組みの成果が出るのは3年後、あるいは4年後だよね」という話になってしまう。そうなると、「果たして今からそこまでリソースを割いてやるべきなのか」と二の足を踏んでしまい、なかなか前へ進められない状況になりやすいと思います。
「非定型データ」と組織の未来
ここで重要になるのが、「非定型データ」という言葉です。
ここで指しているのは、個人個人の「生の声」や、組織内の「ナラティブ」といったものです。組織の中にある微妙な「文脈」や「意図」をデータとして汲み取れるようになったこと。これこそが、LLM（大規模言語モデル）をはじめとする生成AI時代の大きな変化だと考えています。
生成AIモデルは、組織の文化や文脈に則って、物事の深い部分まで判断できる点を得意としています。その会社の置かれた状況に合わせて解釈し、そこから多様な知識を抽出することができるのです。
言葉の裏にある意味や文脈、さらには意図まで理解しながら、AIエージェントという形で自らデータを取りに行く。あるいは、実際に人と対話しながらデータを集めていく。そこまで可能になったことが、人事担当者の実務に影響するようになった決定的な違いだと思います。
過去のデータ蓄積が十分でなかった企業であっても、これから自動的にデータを蓄積していく仕組みを構築できるようになった。これこそが、今起きている最大の変化です。
実践的なAI活用と「1.5歩先の未来」
では、組織変革におけるAI活用についてどのようなことができるのか。具体的にイメージしやすい部分からアイデアを上げていくことができればと思います。
①AIが「現場の本音」を引き出し可視化する
「非定型データ」を、組織の文脈や文化に合わせて理解できるようになると、経営理念や組織文化の核となる部分が、それぞれの部署のどんな人にまで浸透しているのか、社員一人ひとりがそれをどう解釈し、自身の「生の言葉」でどう捉えているのかといった、深い内面までを知ることができるようになります。
これによって、「組織変革の浸透度」を高い精度で測定できるようになります。 さらに、組織変革を阻害している「ボトルネック」がどこにあるのかを、AIとの対話を通じて引き出せるようにもなります。
具体的には、「この部署の人たちは、理念のこの部分に納得していないようだ」「このミッションに使われている言葉が、現場では全く違う意味に捉えられている」といった、微細なズレや本音がAIとのやり取りから見えてくるのです。現場のリアルな声をAIとの対話から多角的に引き出せるようになることは、これからの組織運営における大きな価値になると感じています。
②AIによる定点観測で「組織の変化」も可視化する
さらに、これを単発の施策で終わらせるのではなく、何度も繰り返していく。1年後、2年後と継続することで、「組織が実際にどう変化しているのか」を同じ仕組みで測り続けられることも重要なポイントだと思います。
人事担当者自らが社員にインタビューを行ったり、現場の感覚として変化を感じ取ったりすることは、これまでも可能でした。しかし、これをAIが同じ形式で対話を行う形にすることで、常に「同じ基準で比較できる状態」を維持したまま、組織の変遷を追うことができるようになります。
属人的な感覚に頼らず、一貫した仕組みで変化を可視化し続けられるのは、これまでの技術や人だけでは実現できなかった、決定的な変化だと思います。
③「個人の成長」もAIが寄り添い可視化する
そして、組織という枠組みだけでなく、一人ひとりの「個人の成長」に対しても、AI技術が寄り添っていく時代が来ると考えています。
「これから成長しそうな社員」を見出そうとする取り組みは、これまでも多くの企業が試行錯誤してきましたが、非常に難易度の高い領域でした。しかし「非定型データ」で組織ならではの言葉選びや特有のアクションをAIが深く理解できるようになれば、この取り組みの実現は容易になります。
組織ごとに求められる能力は当然異なるため、一律の適性検査で測るのではなく、「その組織という文脈の中で、具体的に何を成し遂げたのか」というプロセスを各個人で深掘りしていく。それによって、早い段階で適性を見極めたり、その後の成長の変化を予測したりといった応用が可能になります。
これまで人事の「目利き」に頼っていた抜擢人事を、個人の感覚だけに依存させるのではなく、データに基づいた再現性を持って、社員を確かな成長のトラックに乗せていける。そんな時代が来るのではないかと思っています。
④「採用」や「人材配置」もAIがサポート
採用の領域においても、こうした対話型AI技術が貢献できる部分は非常に大きいと考えています。
たとえば「ジョブディスクリプションを1つ書く」という作業を想像してみてください。作成するのが非常に難しく、手間もかかる作業です。
現場で「本当にどのような人材が必要か」という要件は、なかなか言語化しづらい部分に隠れていることが多いかと思います。これをAIが「非定型データ」から丁寧に引き出し、分解して言語化していくお手伝いをします。
要件が正しく言語化できれば、次は「それにマッチする人は誰か」を選ぶフェーズになります。求職者や社内異動の対象者だけでなく、過去の非定型的な発言なども組み合わせることで、精度の高い分析をAIがおこないます。
ここで重要なのは、単に「一番うまくいきそうなポジション」に人材を当てるだけではないことです。
現時点では少しチャレンジングで、すぐには上手くいかないかもしれない選択肢であっても、本人のキャリアアップのために後押しをする。生成AIを使って、その人ごとに最適化された「キャリアアップのストーリー」を提示する。
このような応用にも繋がっていくのではないかと、私は期待しています。
ヒューマン・デジタルツイン：戦略的な意思決定へ
このように、生成AIによって実現できることは着実に広がっています。ここで、今後のキーワードと考えているのが「デジタルツイン」という言葉です。
「デジタルツイン」は人事領域に限らず、さまざまな分野で使われている概念です。具体的には、まず現実空間のデータをリアルタイムで取得し、そのデータをもとに仮想空間内にもう一つの「現実のコピー（双子）」、つまりバーチャルバージョンを作成します。
そして、その仮想空間でさまざまなシミュレーションを行い、その結果をもとに「現実社会でどう動くべきか」を判断する。このプロセスをループさせることで、意思決定や運用を最適化していく仕組みのことです。
デジタルツインは、現実では試すことが難しい領域や、失敗が許されない領域について、仮想空間で何度でも試行錯誤できる点が特徴です。たとえば「仮想空間で1万回試してこのような結果が出たから大丈夫だ」という確信を持って、最適な打ち手を選べるようになります。
1万回のシミュレーションを行えば、「おそらく上手くいくだろう」といった曖昧な勘ではなく、「1万回のうち9,520回成功したから、成功率は95.2%だ」という具体的な数値が見えてきます。その結果を見て、「残る4.8%のリスクは許容できるか。OKならば実行しよう」といったように、事前にリスクを精緻に把握した上で、明確な意図を持った意思決定ができる。これがデジタルツインの大きな魅力になります。
組織づくりや人員配置の意思決定は非常に不確実性が高く、誰も正解が分からない領域です。これまでは「やってみないと分からないから、まずはやってみよう」と踏み出すしかありませんでした。しかしこれからは、「シミュレーション上はこれくらい上手くいく。この程度のリスクなら許容できるから実行しよう」と、戦略的な判断ができる時代が来ると考えています。
デジタルツインのアイデアに、人間や組織といった「非定型データ」を組み合わせることを、私は「ヒューマン・デジタルツイン」と呼んでいます。この仕組みの中で、人の能力や感情の微細な変化までも予測することができれば、それを踏まえた高度な組織づくりの意思決定が可能になると考えています。
ヒューマン・デジタルツインで実現できる「デザインされた抜擢人事」
ここでも重要なのは「非定型データ」を活用することです。組織固有の文脈やナラティブを取得し、「その組織において、その人がどう行動するか」を深く理解できるようになって初めて、この1.5歩先の技術が実現する未来が見えてくると考えています。
個人のパフォーマンスを予測する
これまでデータ不足で予測が困難だった領域、たとえば「新規事業の立ち上げ」におけるパフォーマンスを事前にシミュレーションすることが可能になります。実際に対象者を仮想の環境に置いてみることで、どのように適応し、中長期的にどのようなパフォーマンスを発揮するのかを予測できるのです。
また、性格診断やアンケートだけでは見えてこない、「どういう場面でモチベーションが上がり、どこで下がってしまうのか」といった微細な変化も追うことができます。
組織作りの判断材料が増える
組織再編やチームの再構築において、より戦略的な判断が可能になります。「このチーム編成なら80%はうまくいくが、20%は懸念がある」といった予測や、逆に「成功確率は20%だが、当たれば100倍の爆発力がある」といった振れ幅も含めて、どのようなチーム作りをすべきか検討できるようになります。
さらに、新しい組織理念を導入した際の浸透プロセスも試行できます。「この理念はスムーズに受け入れられるのか」、あるいは「どこで反発が起きる可能性があるのか」といった反応まで事前にシュミレーションし、最適な組織運営のあり方を検討することができると考えています。
日本企業は今、絶好のポジションにいる――「ジョブ型」の先へ
私は今、日本企業は非常に良いポジションにいると考えています。なぜなら、皮肉なことに「ジョブ型雇用への移行に苦戦したから」です。
これまで日本企業にとって、業務内容を厳密に定義して切り出す「ジョブ型」への転換は高いハードルがありました。しかし、AIエージェントが普及する時代においては、むしろその「失敗」があって良かったのではないかと思っています。
なぜなら、明確に定義できる業務ほど、AIで容易に自動化できてしまう時代になったからです。仕事を標準化し、そのすべてをAIに代替させていった先には、その企業独自の価値や「色」が失われてしまうというリスクが待ち受けています。
そんな中で、日本型の「メンバーシップ型雇用」が持つ新しい価値が出てきているのではないかと思います。新卒一括採用や長期雇用が生み出してきた組織文化、あるいは積み重ねられた歴史のように、「言語化されていない非定型的な領域」に実は企業の真の価値が眠っている可能性があります。
AIがもたらすこの地殻変動は、日本企業にとって「千載一遇のチャンス」です。現在はまさに、日本の組織の未来を決める「分水嶺」のタイミングにあると言えるかもしれません。
質疑応答セッション
Q. デジタルツインは、どれくらいのスピードで予測の景色が変わっていくものだと感じていますか？
私の感覚で言うと、3年以内にはしっかり実装された事例が出てくるかなという気がします。サンフランシスコの方々は1年後くらいの感覚でやっていると思いますが。
人や社会の中で「仕事のあり方」が変わること自体は、1年という短いスパンであっても少しずつ広がっていくものかなという風に思っています。
2030年には、組織の捉え方や我々のジョブとAIの関係性も今とは異なるものになっているんじゃないかなと思います。3年のスパンであれば、かなり現実的だなというのが僕の感覚です。
Q. 日本人の国民性やキャリア感はグローバルスタンダードと異なることもあると思います。この特性もAIでモデリングして捉えることは可能でしょうか？
予め全体をデザインをすればできると思います。どのような組織の中で、どのような人が、どのような理由で働いているのかについて、AIによるインタビューやインターネット上に蓄積されている日本全体の文化的なデータなども意図的に入れれば、実現可能です。
しかし、それを単純な効率化の手段としてやってしまうと良い結果は得られないと思います。AIの能力的にはできると思いますが、その使い手の能力や、そこまでをちゃんと理解してモデリングを作れるかに掛かってくるかなという気がします。
Q. これからの人事担当者に必要な考え方やスキル、または、人事をサポートするソリューションはどのようなものがあるか？
今、組織のあり方そのものから問われる時代になっていると思います。
様々な業務が自動化される中で、「この職種がやってきたことはある程度AIができてしまうよね」みたいな話はまあ少なからず出てくると考えた際に、この組織が持っている一番の色（価値）は何かを人というレンズを通して見れるというのは人事担当者のミッションでもあり、得意なところでもあるのかなと思っています。
それを受動的にリアクションで見ていくのではなくて、能動的に「じゃあどういうところが組織の中でAIでやって、どういうところが価値として変わらないんだろう」みたいなところをですね、こういう場を含めていろんな人と共有できる場を作っていくというところが、必要かなという風に思います。
Q. AIが企業の組織文化や組織の意思決定を正してあげることはできるのか？
すごくいいポイントだと思います。当然、パワハラやブラックな環境といった「正さないといけない部分」を客観的な目線で正してあげる技術としては使われるようになると思います。
その上で、組織の意思決定について、私は「これから”正解”を選択すること自体は楽な時代になる」と考えています。AIが推定した「これをやればいい」といった王道の選択がたくさん出てくる時代になるからです。
しかし、その中で「あえて王道を行かない」ことによるその組織文化や歴史が定義されたりもしてくるのではないかという風にも思います。
社会全体としての王道ではありませんが、その組織の文脈からすると正解かもしれない。そういった選択を後押しする部分において、組織のAI活用の1つの方向性が生まれてくるのではないかと思います。
