Column

社員一人に AI を一台、という時代の HR の話

「全社で同じ HR ツールを入れる」発想から、「社員一人ひとりに伴走するパーソナル AI が、組織の AI と話し合う」発想へ。次世代 HR の二層構造を、人事・組織開発・経営層のための 5 分ガイドで。

2026 / 06 / 01 5 分で読める English version →

こんにちは。Affectosphere Group の井下です。

最近、人事系のスタートアップの方とランチをしていて、こんな話が出ました。

「社員エンゲージメント調査、半年に 1 回やってるんですけど、提出してくれる人ほどそんなに辞めないんですよね。辞める人って、調査の前に静かに消えていく」。

これ、人事をやったことがある人なら、たぶん身に覚えがあると思うんです。

サーベイは「組織を見るためのツール」としては優秀でも、社員一人ひとりの揺らぎを拾うようには作られていない。

私が 2024 年に書いた論文 ¹ では、この構造をひっくり返す提案をしました。

つまり、社員一人につき AI を一台付ける ── パーソナル AI ── 。そしてそれが組織側の AI と「話し合う」設計にする、というアイデアです。

今日はこれを HR ・組織開発・経営層の目線でほぐして書きます。

今日の結論を 3 行で

価値: 社員一人に AI を一台付ける設計は、サーベイでは絶対に拾えない「日々の揺らぎ」を救える。
構造: 鍵は「パーソナル AI と組織 AI を分けて、間で翻訳させる」二層化。情報の主権を個人に残せる。
落とし穴: ただし設計を間違えると、これは静かに「監視 AI」に変わる。境界の引き方が全て。

順番に書きます。

① まず、これが HR に何を生むか

たとえばあなたが、500 人規模の事業会社の HR 責任者だとします。

今の人事システムってだいたい、組織側に立っているはずです。配置管理、評価集約、サーベイ、ピープルアナリティクス。「組織を見るツール」がずらっと並んでいる。

ここに、社員 1 人につき 1 つの「パーソナル AI」が加わるとどうなるか。

キャリアの愚痴を、上司にも HR にも言わずに吐き出せる相手ができる
学習のスケジュールを、本人の生活ペースに合わせて伴走してくれる
「最近ちょっと疲れてるかも」を、本人より先に気づいてくれる

これだけだと「優秀な 1on1 ボットですね」で終わるんですが、おもしろいのはここから先です。

パーソナル AI は、本人が許可した情報だけを、組織 AI に渡す。

組織 AI は、戦略や予算という「会社の都合」を、パーソナル AI を経由して個人の言葉に翻訳して返す。

つまり ── 個人と組織の間に「翻訳機」が挟まる。

これまで人事担当者が、一人で何百人ぶんもやろうとして潰れていた仕事を、AI が下支えする構造です。

② 個別最適と全体最適、どっちか問題が消える

HR の永遠のジレンマって、「個人を立てると組織が崩れる、組織を立てると個人がしぼむ」というやつだと思うんです。

異動 1 つでも、本人の希望と事業の都合が真っ向からぶつかる。評価制度を変えると、全員にとって少しずつ気持ち悪い制度ができあがる。

二層構造のおもしろい点は、ここをトレードオフではなく「対話の質を上げる問題」に置き換えるところにあります。

たとえば、ある社員のパーソナル AI が「本人はもう少しマーケに寄った仕事をしたがってる」と把握している。組織 AI は「来期、海外法人で新規事業立ち上げの人材がいる」と把握している。

両者の利害が交差する点を、AI が事前に検知して、選択肢として両者に提示する。

最終的に決めるのは、本人と上司と HR の人間同士の対話。AI はそこに判定者として割り込まず、対話の解像度を上げるだけ。

これ、地味だけど、組織運営の前提を結構変える話だと思っています。

③ 感情 AI として、ここは見ておかないと危ない

ここからが、Affectosphere Group として一番書きたかった部分です。

パーソナル AI と組織 AI の二層構造って、設計を間違えると本当に簡単に「監視 AI」に転落します。

社員の感情ログ、会議発言、入退室時間、Slack のスタンプ ── これらを組織 AI が一方的に吸い上げる構造にすると、何が起きるか。

社員は、AI の前で「自然な感情」を出すのをやめます。

笑顔のスタンプは戦略的に押すようになる。1on1 でも本音は語らない。パーソナル AI に向かっても、「これは会社に渡る前提だな」と頭で考えながら発話する。

そうなった瞬間、データの質が崩壊します。

私たちの研究室は、感情を「曖昧で多義的なまま扱う」ことを大事にしています。理由はシンプルで、人の気持ちは平均値や多数決で潰せるものじゃないから。

そして、感情データには「観測されている」と感じた瞬間に変質するという性質もある。

だからこのパーソナル AI と組織 AI の設計でも、最後の最後で守るべき原則は 1 つだけだと思っています。

「個人の主権を守るからこそ、データが意味を持つ」。

逆に言えば、ここを守らない HR Tech は、短期では数字が出ても、3 年後には誰も本音を語らない組織を作ります。

そして本音を語らない組織からは、定量データしか取れなくなる。離職率は下がらない。エンゲージメントスコアは下がらない。でも、なんとなく停滞する。

これが、感情 AI の研究者として一番こわい未来です。

じゃあ、明日から何をするか

リスクだけ煽るのはフェアじゃないので、現場で動かせる話を 3 つ。

棚卸: 自社の HR Tech 投資が、「組織側ツール」と「個人側パートナー」のどちらに偏っているかをまず見る。ほぼ間違いなく、組織側に偏っているはずです。
共有範囲の可視化: パーソナル AI 的なものを導入する場合、「何が組織側に渡るか」を社員自身が確認・拒否できる UI を最初から組み込む。後付けは絶対に効きません。
異議申立窓口: AI が関与する人事決定 ── 配置、評価、推薦 ── に対して、社員が異議を申し立てられる人間の経路を置く。これは EU AI Act 的にも実務的にもマストです。

価値も大きい。リスクも大きい。どっちも見て扱う ── というのが、HR と感情 AI を両方やっている立場からのお願いです。

締め

人事の本質は、最終的には人と人の対話です。配置も評価もキャリアも、人間関係の中で起こります。

AI はそこに割り込む技術ではなくて、対話の解像度を上げるインフラとして設計されるべきだと思っています。

パーソナル AI と組織 AI の二層構造は、その原則を技術アーキテクチャに翻訳しようとした試みでした。

個人の主権を守りながら、組織の合理性も追求する。両者の対話を、AI が静かに翻訳して支える。

そして感情 AI の研究室としての関心は、「観測されても変質しない安全な感情データの扱い方」を作ることに、たぶん集約していきます。

ということで、今日はここまで。

「うちの HR Tech、組織側に偏ってないかな?」と気になった方、一度棚卸してみてください。

参考論文

井下敬翔 (2024). パーソナルAIと組織AIによる人事管理の革新と最適化. 人と仕事の未来研究所第1回懸賞論文.

※ 本記事は一部 AI により執筆されており、間違った情報が含まれる恐れがあります。

井下敬翔 (2024). パーソナル AI と組織 AI による人事管理の革新と最適化, 人と仕事の未来研究所第 1 回懸賞論文. ↩