AIとの協働が進む中、従来のKPIでは「速く大量に成果を出す人」が高く評価されやすい。しかし実際には、AIの誤りを見抜き、前提を検証し、必要に応じて判断を覆す人材こそ大きな価値を生んでいる。AI時代の評価制度には、人間、AI、そして両者の協働成果を分けて測定する新たな枠組みが必要である。
1. 従来のKPIが評価を歪める
生産量や処理速度を重視すると、AIを積極的に使う人ほど高評価になりやすい。
一方で、
- AIの前提を確認する
- 誤りを見つける
- 出力を修正する
- 人間へエスカレーションする
といった行動には時間がかかる。その結果、組織にとって重要な判断力を発揮する人が「非効率」と評価される逆転現象が起きる。
2. 「アウトプット」ではなく「境界判断力」を評価する
AIは得意な領域では高い成果を出すが、似た業務でも突然精度が落ちることがある。人間に求められるのは、
- AIを信頼できる範囲を見極める
- 適切にエスカレーションする
- 情報源を確認する
- AIの誤りを修正する
能力である。AI時代では、作業量よりも「AIをどこまで任せてよいかを判断する力」が重要になる。
3. 人間・AI・協働成果を3層で評価する
新しい評価制度では、パフォーマンスを3つに分けて測る必要がある。
人間の貢献
- 境界判断力
- AI活用によるチーム能力の向上
- 新しいツールや業務への学習速度
を評価する。
AIシステムの性能
- タスク完了率
- エラー率
- 説明可能性
- 適切なエスカレーション
を測定する。
人間とAIの協働成果
- AIだけで処理した割合
- 人間が介入して価値を加えた割合
- 成果への人間とAIそれぞれの貢献
を確認する。
重要なのは、人間とAIに同じ評価表を使わないことである。
4. AI活用では「共同パフォーマンス」を見る
AIエージェントが業務へ深く組み込まれると、成果は人間だけにもAIだけにも帰属できなくなる。そこで問うべきなのは、
- 人間は適切に判断したか
- AIは期待された役割を果たしたか
- 人間とAIを組み合わせたことで成果は向上したか
という3点である。AI導入率や利用頻度だけでは、AI活用の本当の価値は測れない。
5. まず一つのワークフローから再設計する
すべての評価制度を一度に変える必要はない。まず、
- AIが得意な業務
- 判断を要する業務
- 高リスク業務
- 人間関係が重要な業務
にワークフローを分解する。そのうえで、量や速度ではなく、
- エスカレーションの質
- トレーサビリティ
- 手戻り削減
- 顧客体験
- チーム能力への貢献
などを評価対象にする。
6. AIにも明確な責任構造を設ける
問題が起きた時に、
「誰が成果物を提出したか」
だけを問うべきではない。
重要なのは、
「そのAIシステムの振る舞いについて誰が責任を持つか」
である。
AIごとに責任者を明確にし、
- 性能
- 利用範囲
- ガードレール
- 更新
- エラー対応
を継続的に管理する必要がある。
結論
AI時代のパフォーマンス管理では、速さや生産量だけを評価してはならない。
重要なのは、
- AIの限界を見極める力
- AIを適切に修正・統制する力
- チーム全体のAI活用を高める力
- 人間とAIの協働成果
- 責任の所在
を可視化することである。AIが得意な仕事が増えるほど、評価すべき人間の価値は「AIより速く働くこと」から「AIを正しく使い、疑い、統制し、成果へ結びつけること」へ移る。評価制度を変えなければ、企業は最も価値ある人材を過小評価することになる。
詳細は下記参照。定期購読登録が必要です。
“Performance Management Needs New Metrics in the AI Era,” HBR.org, July 06, 2026.