Chat GPTに人材育成は可能か？ーAI人事時代に「人材マネジメント」と「育成」を問い直す

AIは“すでに”優秀なマネージャーである

AIは、「これから」人事に活用される技術ではありません。「すでに」管理の領域に入り始めているからです。

その変化は、採用・評価・フィードバックといった、人材マネジメントの仕事の中核に現れています。

AI面接：評価の「ばらつき」をなくす

採用の現場では、AIを活用した面接が広がりつつあります。

たとえばHireVueのようなサービスでは、動画面接の内容をもとに、回答の傾向や発話の特徴を分析し、一定の基準で候補者を評価する仕組みが導入されています。

また、日本国内でもHarutakaのように、面接の構造化と評価の標準化を前提としたサービスが普及し始めています。

従来の面接は、面接官の経験や印象に依存する部分が大きく、同じ候補者であっても評価が分かれることがありました。

誰が評価するかによって結果が変わる。

これは長く課題とされてきた点です。

AIはこの問題に対して、「判断基準を固定する」という形で応えます。

同じ問い、同じ評価軸で候補者を比較することで、評価の再現性を高められるという点に、生身の人間が行う面接との大きな違いがあります。

AI評価：パフォーマンスを「解釈」から「計測」へ

評価の領域でも、同様の変化が起きています。

人事管理ソフトウェアWorkdayでは、業務ログや成果指標を統合し、個人のパフォーマンスを横断的に分析する仕組みが整備されています。

人間が評価をする場合、いくら定量的に判断しようとしても、どこかに個人の解釈が入り込んでしまいがちです。

「◯◯くんは頑張っているから」

「◯◯さんはチームのムードメーカーだから」

「◯◯にはカリスマ性があるから」

こうした評価は一定の意味を持ちながらも、同時に曖昧さを含んでいます。

AIはそれをある意味で冷徹に「どの行動がどの結果につながったか」という形で分解します。

評価という行為の一部が、「解釈」から「計測」へと移行し始めていると言えるでしょう。

AIフィードバック：即時・網羅・非感情

フィードバックのあり方も変わりつつあります。

15Fiveが提供するサービスでは、日々の業務やコミュニケーションの履歴をもとに、AIによる継続的なフィードバックや改善提案が行われます。

こうしたAIフィードバックの特徴は次の3点にあります。

• 即時性
• 網羅性
• 非感情性

つまり、人間のマネージャーのように時間の制約や感情に左右されたものではなく、事実に基づいた客観的なフィードバックが期待できるのです。

人間のマネージャーの限界

好き／嫌い、期待値、過去の印象、その日の体調、家庭の悩み……マネージャーが人間である以上、こうした要素が評価やフィードバックの質に影響を与えることは避けられません。

であるならば、評価者が2人、3人と増えるほど、アウトプットがブレるのも仕方がないでしょう。

だからこそ、AI人事は世界規模で急速に展開し、すでに一定の結果を収めているのです。

2015年に、野村総合研究所とオックスフォード大学が発表した「人工知能（AI）等に代替される可能性が高い職業」のレポートを覚えているでしょうか。

このレポートでは人事系事務員が「代替可能性が高い100種の職業」に数えられている一方、他者との強調・他者への理解／説得／交渉が必要な職業は「人工知能での代替は難しい」とされています。

つまり、かつては採用・評価・フィードバックを含む人材マネジメントの大半は人間の聖域と考えられていたのです。

しかしここまで見てきたように、AI人事はこうした領域においても人間のマネージャーを上回っています。

なぜこのような事態になってしまったのでしょうか？

続いては、そもそも

• 「人材マネジメント」とは何か？
• 「人材育成」とは何か？

を改めて問い直し、「人間の土俵」を見極めていきましょう。

人材マネジメントとは「最適化アルゴリズム」である

人材マネジメントという言葉は、どこか曖昧です。

採用、配置、評価、育成。

さまざまな要素が含まれており、その全体像を一言で説明するのは簡単ではありません。

しかし、その中身を個別に見ていくと、ある共通した構造ーー「最適化アルゴリズム」としての人材マネジメントの像が見えてきます。

人材マネジメントを分解してみると…

まず採用を考えてみましょう。

企業は常に、「どのような人材を採用すれば、より高い成果を生み出せるのか」という問いに向き合っています。これは言い換えれば、どの入力（人材）を選べば、望ましい出力（成果）が得られるのかという問題です。

次に配置です。

同じ人材であっても、置かれるポジションやチームによってパフォーマンスは大きく変わります。ここで問われているのは、どの組み合わせ（人材と役割）が最も高い成果を生むのかという最適化の問題です。

そして評価・フィードバック。

どのような行動が成果につながるのかを見極め、それを基準に助言し、目標を設定し、環境を整えていく。これは、より良い結果を生むために、システム全体を調整していくプロセスだと言えます。

このように見ていくと、人材マネジメントの本質はシンプルです。

「人材」という入力を、配置・評価・調整という処理を通じて、成果へと変換する。

この一連の流れそのものが、人材マネジメントと言えます。

人材マネジメントの“仕組み”

人材マネジメントとは、「人を理解する仕事」ではありません。

人という不確実な存在を扱いながら、成果を最大化するための設計と調整の仕組みなのです。

もちろん、人材マネジメントは単純なアルゴリズムではありません。人の強みや意欲、関係性といった、定量化しきれない要素も含まれるからです。

しかしそれでもなお、この営みの中核に「最適化」という構造があることは変わりません。

一方で、行動と成果の関係、配置によるパフォーマンスの変化など、構造として捉えられる領域も確実に存在します。

これらは極めてシステマティックな処理が行えるわけですから、アルゴリズム化することは十分可能です。

だからこそ、人事の仕事がAIによって急速に置き換えられつつあるのです。

「人材育成」は最適化できるのか？

一見すると、育成もまた最適化の対象に見えます。

どのような指導やフィードバックを行えば、より早く成長するのか──このように問いを設定すれば、確かに最適化問題として扱えそうです。

しかし、ここには決定的な違いがあります。

人の成長は、「正しい行動」を提示するだけでは起こらないのです。

「正しさ」だけで、人は動かない

教育心理学の分野で広く知られているDeci & Ryanの「自己決定理論」。

これは人は外部から与えられた正解によって動くのではなく、「自律性」「有能感」「関係性」が満たされたときに、内発的に動機づけられるとされています。

つまり、同じ助言であっても、それを「やらされている」と感じるか、「自分で選んでいる」と感じるかによって、結果は大きく変わるということです。

臨床心理学の領域から生まれた「ナラティブ・アプローチ」では、人は出来事そのものではなく、「それをどう解釈したか」によって自己を形成すると考えます。

経験は、その人の中で物語として再構成されることで初めて意味を持ち、成長につながるのです。

ここで重要なのは、同じフィードバックであっても、

• 評価として受け取るのか
• 意味として受け取るのか

によって、その後の行動が変わるという点です。

上司からの一言が、「否定された」という記憶になるのか、「自分の課題に気づけた」という意味になるのか。

その差を生むのは、情報の正しさではなく、本人の解釈なのです。

この観点に立つと、人材育成の本質が見えてきます。

それは、正論を突きつけ、「だから行動を変えるべきだ」と指示することではありません。

相手が自らの経験をどう意味づけるか、その解釈の枠組みに働きかけることです。

そしてこの「意味づけ」は、個人の内面だけで完結するものではなく、組織のカルチャーや関係性といった環境によって大きく左右されます。

これは今のところ、AIには手を出せない領域です。

AIが「意味」を生み出せない理由

なぜAIには「意味づけ」ができないのでしょうか？

たとえばChatGPTのような大規模言語モデルは、膨大なテキストデータをもとに、「この文脈の次に来る確率が最も高い言葉」を選び続けることで文章を生成しています。

一見すると文脈を理解しているように見えますが、実際には「意味」を理解しているわけではありません。

同様に、人事領域で使われているAIもまた、過去のデータや行動ログをもとに、「どの条件でどの結果が出やすいか」を予測する仕組みです。

採用であれば評価の一貫性を高め、配置であれば成果の出やすい組み合わせを導き、評価では行動と結果の関係を分解する。

いずれも行っているのは、正しさの推定と最適化に過ぎないのです。

意味とは単なる情報ではなく、

• 文脈
• 目的
• 主観的な経験

の中で立ち上がるもの。

AIには主観も目的もありません。だから「それが自分にとってどういう意味を持つのか」を解釈することはできないのです。

物語をつくるーー人間に残された領域

人材育成の本質が「相手が自らの経験をどう意味づけるか、その解釈の枠組みに働きかけること」なのだとして、それがAIにはできないのだとしたら、その「意味」はどこから生まれるのでしょうか？

それは、点としての出来事がつながり、「自分にとってどういう意味を持つのか」が再解釈されたとき。

つまり人が自分の経験を「物語として引き受けたとき」です。

人間に残された領域はまさにこの物語が立ち上がる“文脈”と“関係性”をつくることなのです。

AIが担うのは、「正しさ」「最適化」であり、人間が担うのは、「意味づけ」「物語」です。

たとえば採用や配置、評価。

• どの人材が成果を出しやすいか
• どの配置がパフォーマンスを最大化するか
• どの行動が望ましい結果につながるか

こうした問いは、「入力と出力の関係」を扱う問題なので、AIはこの領域でこそ高い精度を発揮します。

一方で、正解のない領域、解釈が関わるプロセスや物語が必要な場面は人間のマネージャーの出番です。

• そのとき何を考えていたのか
• どう感じていたのか
• この経験をどう位置づけるのか

といった問いを通じて、本人の解釈に触れていくとき、そこで行われているのは行動を正すことではなく、「物語の書き直し」だからです。

こうした役割分担のかたちが見えたとき、人材マネジメントと人材育成は、はじめて切り分けて考えられるようになります。

そしてその前提に立つからこそ、人を育てるという営みは「AIに奪われるかもしれない仕事」から「物語に関わる仕事」として再定義されるのです。

まとめ：「奪われる／奪われない」構図から抜け出す

AIの台頭によって、人材マネジメントの仕事はもちろん、人材育成のあり方にも変化は避けられません。

採用、配置、評価、フィードバックといった領域では、すでにAIが高い精度で機能し始めています。今後その流れがさらに加速していくことは、ほぼ間違いないでしょう。

しかし、この変化は「奪われる／奪われない」といった単純な構図には収束しません。

本稿で見てきたように、人材マネジメントと人材育成は、そもそも構造の異なる営みだからです。

両者の違いを前提にしたとき、AIと人間の役割は対立ではなく、分担として見えてきます。

だからこそ今、求められているのは、「人材マネジメントとは何か」「人材育成とは何か」という前提を問い直し、人間の領域はどこにあるのかを見極めること。

これはAI時代の組織にとって、避けては通れないテーマなのかもしれません。