タスク単位で見ると何が変わるのか
O*NETは人事スペシャリストの仕事を、採用と候補者の選考、雇用記録の管理、福利厚生の運用、従業員関係の対応が混ざったものとして説明しています。これらのタスクは一本の線できれいに分かれます。書類中心の事務作業と、人と人との間の判断です。求人票の下書き、決められた基準に沿った履歴書の要約、繰り返される規程への質問対応、標準的な書類の準備は、すでに多くの組織で生成AIが手伝っている仕事であり、通常は人が結果を確認しています。
生成AIに関するILOの研究は、事務・管理系のタスク群を変化に最もさらされる領域と位置づけつつ、全体の影響は職業の消滅ではなく変容だと捉えています。人事の場合、扱うデータの機微さが導入を遅らせます。応募者情報、健康記録、懲戒書類には法的な重みがあるからです。したがって近い将来の現実的な姿は、書類作成や下書きが速くなる一方で、役割の中核である対人業務はおおむねそのまま残るというものです。
人に集まる仕事
人に集まる仕事は、O*NETが人間関係と対立の項目に挙げている仕事です。紛争を解決し、難しい対話を進め、苦情に対応し、組織全体に信頼を築く仕事です。ハラスメントを申し立てる従業員や退職条件を協議する従業員に必要なのは、話を聴き、秘密を守り、公正さに責任を持てる人です。こうしたやり取りこそ人事という機能が存在する理由であり、信頼されることを代替できるツールは現在ありません。
責任は薄れるどころか、むしろ明確になります。採用や雇用の決定はほとんどの法域で規制されており、採用における自動判断ツールを名指しで規制する地域も出てきました。AIによる選考ステップが候補者を不公正にふるい落とせば、責任を負うのは雇用主です。そのため、AIが関わる選考に偏りがないか確認し、決定の経緯を記録し、いつツールの判断を覆すべきかを知ることが、担当者の付随業務ではなく本業になります。
現実的な最初の90日
最初の1か月は、求人票や面接質問リストのような量の多い文書作成業務を一つ選び、確認のルーチンを作ります。AIが下書きし、自分が正確さと差別のない表現を整え、ツールがいつも間違える箇所を記録します。何かを貼り付ける前に、どのデータをどのツールに入れてよいか会社に確認します。応募者や従業員の情報は制限されていることが多いからです。このデータ確認自体が、示す価値のある職業スキルです。
2か月目には、繰り返し寄せられる従業員からの質問、つまり福利厚生、休暇、規程に関する問い合わせを整理し、実際の社内規程文書に基づいて回答するAIアシスタントが正しく答えるかを試し、失敗例を記録します。3か月目には、その根拠をもとに上司へ業務改善を一つ提案し、偏りの点検を組み合わせます。最近の選考判断を一つ選び、どう監査するかを文書に残すのです。こうすることで、ツールの使用経験だけでなく、具体的で説明可能な実績が作られます。
