AIの進化によって、職務やスキルの価値が急速に変化する中、年次評価や自己申告を前提とした固定的な人事評価制度は限界を迎えている。そこで注目されるのが、実際の業務から得られるシグナルを継続的に捉え、能力の変化や人とAIの役割分担をリアルタイムで把握する「継続的アセスメント」である。ただし、設計を誤れば監視システムとなる。重要なのは、評価を統制ではなく、学習・配置・リスキリングにつなげる仕組みとして運用することである。
1. 固定的な評価制度では変化に追いつけない
従来の人事制度は、
- 職務
- スキル
- 資格
- 定期評価
を比較的固定的なものとして扱ってきた。しかしAIによって、人間が担う仕事と機械が担う仕事の境界は継続的に変化している。昨日まで希少だったスキルが急速にコモディティ化することもあり、企業には「誰が何をできるか」を実際の業務から継続的に把握する仕組みが必要になる。
2. 継続的アセスメントとは何か
継続的アセスメントでは、年次レビューや自己申告だけでなく、
- 実際の成果物
- 顧客とのやり取り
- コラボレーション
- AIツールの利用状況
- 意思決定や修正行動
など、日々の業務から生まれるシグナルを分析する。これにより、従業員が実際に発揮している能力や、その変化をより動的に把握できる。
3. 要件① 実際の業務シグナルで能力を見る
重要なのは、「何ができると申告しているか」ではなく、「実際に何をしているか」である。
例えば、
- どの業務に関与しているか
- どの専門性を発揮しているか
- 誰と協働しているか
- 新しい能力をどう身につけているか
を継続的に捉える。これによって、静的なスキル台帳から、実務に基づいて更新される動的な能力プロファイルへ移行できる。
4. 要件② 仕事をタスク単位で捉える
AI時代では、職務全体ではなくタスク単位で人とAIの役割分担を見る必要がある。
例えばソフトウェア開発では、
- AIが生成した部分
- 人間が修正した部分
- AI提案を採用・却下した判断
- テストやレビューを通過した成果物
を分析することで、人間に残る価値が見えてくる。評価すべきなのは、単にAIを使ったかではなく、AIの成果物を監督し、修正し、信頼できる形へ統合できるかである。
5. 要件③ 評価結果を行動につなげる
測定するだけでは意味がない。
得られた知見を、
- 適切な仕事への配置
- リスキリング
- コーチング
- 役割の再設計
- 将来の人員計画
へつなげる必要がある。さらに、AIによるフィードバックを業務中に提供できれば、従業員は研修を待たず、実際の仕事をしながら学習できる。
6. 「何が起きたか」だけでなく「なぜ」を見る
パフォーマンス低下が見られても、それを直ちに能力不足と判断してはならない。
原因には、
- 疲労
- チーム連携
- ワークフロー
- システム上の問題
- スキル不足
など複数の可能性がある。継続的アセスメントでは、行動データを文脈と組み合わせて解釈する必要がある。
7. 最大のリスクは「監視化」である
継続的なデータ収集は、従業員から見れば監視と受け取られやすい。
特に、
- 何を収集しているかわからない
- 何に使われるかわからない
- 不利益な評価に使われる
- 支援や成長につながらない
場合、制度への信頼は失われる。さらに、従業員が「重要なこと」ではなく「測定されること」を最適化するようになるリスクもある。
8. 継続的評価はガバナンスの問題である
成功の鍵はテクノロジーではなく、制度設計にある。
リーダーは、
- 何を測定するのか
- なぜ測定するのか
- どのように活用するのか
- 誰がアクセスできるのか
- 従業員にどのような利益があるのか
を明確にする必要がある。評価を処罰や統制ではなく、成長・適応・配置の支援に使うという原則を透明に示すことが不可欠である。
結論
AI時代の人材マネジメントでは、固定された職務やスキルを定期的に評価するだけでは不十分である。
企業には、
- 実際の業務から能力を捉える
- タスク単位で人とAIの役割を把握する
- 評価結果を育成や配置へつなげる
- 文脈を踏まえて原因を解釈する
- 監視ではなく学習のために運用する
ことが求められる。
今後の競争力を左右するのは、従業員の能力を一度評価して固定することではない。人とAIの役割が変化し続ける中で、組織自身が能力を継続的に把握し、更新し続けられるかである。
詳細は下記参照。定期購読登録が必要です。
“The Pros and Cons of Continually Assessing Performance,” HBR.org, June 15, 2026.