人事評価・360度フィードバックにAIを使う方法——評価の質と公平性を高める手順

評価制度へのAI活用が解決する問題

人事評価のシーズンに評価者が最も時間を使っているのは、評価コメントを書く作業だ。「適切な言葉が思い浮かばない」「どこまで書けばよいか分からない」という状態で、1人あたり20〜30分かけて3〜10名分のコメントを書く評価者は少なくない。管理職が評価シーズンに通常業務を圧迫されるのは、この作業量が原因であることが多い。

AIを使うと、評価者のメモを整理して文章の叩き台を作る工程が数分になる。評価コメントの量と質のばらつきも小さくなる。ただし、AIが「評価を決める」のではなく「評価者が考えた内容を整理する」役割に限定することが、制度の公平性と評価者の責任を守るうえで不可欠だ。

---

評価制度設計にAIを使う

評価制度を新設・改訂するとき、コンピテンシー定義の初稿をAIで作ることができる。

たとえば「営業職の等級3のコンピテンシー定義を作りたい。求める行動は、顧客の課題を自ら仮説立てし、提案から受注まで自走できること。具体的な行動指標を5項目で出してほしい」と伝えると、行動指標の初稿が数分で出る。これを人事と現場マネージャーが議論して精査するたたき台にする。

ゼロから定義を考える議論に1〜2時間かかっていた作業が、初稿を出発点にした修正議論なら30〜40分に収まるケースが多い。定義の精度は人間の議論が決めるが、そこに至るまでの準備コストがAIで下がる。

評価制度設計では特に以下の初稿生成に使いやすい。

• 等級ごとのコンピテンシー定義と行動指標
• 職種別の評価項目
• 目標設定シートのテンプレート文
• 評価者向けの評価基準説明文

---

評価コメント整理の具体的な手順

手順1: 評価者がメモを用意する

評価コメントをAIで整理する前に、評価者が「いつ、何をして、どんな結果だったか」を箇条書きで3〜5点書く。AIに渡す前提として事実のメモがあることが重要で、メモなしにAIに「コメントを作って」と頼んでも、実態に合わない文章が出るだけだ。

例として、以下のようなメモを評価者が用意する。

・Q2に重要顧客A社の再提案を担当し、競合との価格差を提案価値で覆し受注
・新人の山田さんに同行し、週1で提案フィードバックを実施
・期末の数字は目標比110%達成
・メールレスポンスが遅くクレームが1件発生。翌月から改善

手順2: AIに整形を依頼する

上記のメモをAIに渡し、評価コメントの形に整えさせる。プロンプトの例を示す。

以下のメモをもとに、人事評価の上期コメントを3〜4文で書いてください。
成果・プロセス・改善点をバランスよく含め、ビジネス文体で書いてください。
本人が読むことを前提にしてください。

[上記のメモを貼り付ける]

出力されるのは整形されたコメントの叩き台だ。評価者はこれを読み、事実と食い違う部分・強調したい点・削りたい部分を直して完成させる。

手順3: 評価者が必ず確認・修正して提出する

AIの出力をそのまま評価シートに貼ることは禁止する運用ルールを明示する。評価者が「書いた」という責任を持つためにも、最終的な文章は評価者が確認して送信する形にする。会社によっては「AIで作成しました」という記載を評価シートに義務づけるケースもある。現時点では日本に法的な義務はないが、透明性の観点から検討する価値はある。

---

360度フィードバックの定性データ分析

360度フィードバックで集まる自由記述の回答は、集計が最も時間のかかる部分だ。10名分の360度評価を人事が集計すると、定性データの整理だけで半日かかることがある。

AIを使うと、この工程を大幅に短縮できる。具体的な手順を示す。

ステップ1: 個人を特定できる情報を除外する

360度フィードバックは匿名が前提の場合が多い。回答者の名前・部署・固有の出来事（「4月の△△プロジェクトで」など）が含まれている場合は、テキストから除外してからAIに渡す。個人情報の外部AIへの入力については企業のAIデータ管理で注意すべきポイントを先に確認してほしい。

ステップ2: まとめて渡して分析させる

匿名化した自由記述10〜20件を一括でAIに渡し、以下の形式で分析を依頼する。

以下は、ある社員への360度フィードバック自由記述の一覧です。
個人を特定できる情報はすでに除外しています。
・よく言及されている強みを3点
・よく言及されている改善点・課題を3点
・コメント全体のトーン（肯定的・中立・懸念が多い）
・特徴的なキーワードや表現
を抽出してください。

[自由記述テキストを貼り付ける]

ステップ3: 定量データと組み合わせる

数値評価（5段階）の集計と定性分析を並べて、人事担当が対象者へのフィードバック面談の準備に使う。定性から出た「傾向」を裏づける数値データはどれか、逆に数値では見えない定性的な評価はどれかを読み取ることで、フィードバックの質が上がる。

10名分の分析が数時間から30分程度になるが、最終的な解釈と面談でのフィードバックは人間が行う。

---

評価者訓練へのAI活用

評価者訓練のコンテンツ作成にもAIは使える。

評価者が陥りやすいバイアスの事例集をAIで生成できる。「直近の出来事だけで評価してしまうハロー効果」「自分と似たタイプを高く評価する類似性バイアス」などを実際の評価場面に落とし込んだケーススタディの初稿を作り、研修担当者が自社の実情に合わせて修正する。

評価者訓練向けのロールプレイシナリオも作れる。「業績は達成したが周囲との協調に課題がある部下への評価フィードバック」「目標未達だが環境要因が大きかった場合の説明の仕方」などの具体的なシナリオをAIが生成し、マネージャー研修で使う材料を作る。

---

評価結果のサマリーと経営報告書への活用

評価シーズン終了後、人事が経営陣に報告する評価サマリーを作る工程にもAIが使える。

部署別・等級別の評価分布データをAIに渡し、「昨年比でA評価が増えた部署」「評価ばらつきが大きい部署」などのパターンを抽出させることができる。これを人事担当が確認・解釈し、経営報告書の初稿として使う。

報告書の文章自体もAIに書かせることはできるが、数字の解釈と経営への示唆は人事担当が書く。「B部署でC評価が増えた背景には、上期の組織再編による目標設定のズレが影響している可能性がある」という文脈を書けるのは、その背景を知っている人間だけだ。

---

公平性と個人情報の注意点

評価へのAI活用で最も注意すべきは、「AIが評価を決めている」という認識を評価者・被評価者が持つことだ。AIはあくまで評価者の入力を整形する道具であり、評価の最終判断は評価者が責任を持って行う。この原則を崩すと、被評価者からの信頼が失われ、制度全体が機能しなくなる。

個人情報については以下を必ず確認する。

• 評価コメントや360度フィードバックの自由記述を外部AIに送る場合、氏名・社員番号など個人を特定できる情報を除外する
• 使用するAIツールがデータを学習に使わない設定になっているか確認する（ChatGPT Plusのデータ学習オフ、Claude.aiのビジネスプランなど）
• 評価データのAI活用について社内ポリシーを定め、従業員に周知する

AI研修プログラム設計の手順では、こうした社内ポリシーの従業員向け説明資材をAIで作る方法も解説している。

---

評価制度設計で人事が持つべき視点

評価制度へのAI活用が機能するのは、制度設計と評価者の判断力がしっかりしているときだ。AIが整形できるのは「評価者が観察して記録した事実」であり、観察が浅い評価者のコメントはどんなに整形してもうすい内容のままだ。

評価の質を上げる本質は、評価者が日常的に部下の行動を観察して記録することにある。AIはその記録を整理して文章にする役割であり、観察そのものを代替することはできない。評価者訓練でも「日常の観察と記録」を中心に据え、AIを道具として使う前提を整えることが評価制度改善の実効的な順序だ。

人事担当向けAI実践ガイドでは、日常の人事業務全般でのAI活用ステップを解説しているので、評価制度以外の業務への展開を考えるときに参照してほしい。