Column
職場の「気持ち」を測る AI ── 支援と監視は紙一重、という話
従業員の心理状態を可視化する AI が、HR や組織開発の現場に静かに広がっています。最新研究 3 本から、「監視と感じさせない設計」「介入への接続」「感情を測ることが人をモノ化しないために」、HR・経営層向けに 5 分で。
こんにちは。Affectosphere Group の井下です。
最近、ある大手メーカーの HR の方からこう聞きました。
「うちのエース、突然辞表を出してきたんですよ。直前の 1on1 では『大丈夫です』って言ってたのに」
これ、HR の現場では本当に「あるある」だと思います。
リモート、ハイブリッド、グローバル分散。働き方がどんどん多様化した結果、マネージャーが部下の様子を「直接見て察する」だけでは、組織の健全性を把握しきれなくなりました。 1on1 で「最近どう?」と聞いても、本音は返ってこない。 チームサーベイは年 1 回では遅すぎる。 離職の兆候を見逃した結果、優秀な人材が突然辞表を出してくる。
こうした現場の苦しさが、職場感情 AI(workplace emotion AI)への需要を一気に押し上げています。
ただ、ここはほんとに慎重にいきたい領域なんですよ。
職場感情の可視化は、設計を一歩間違えると「監視」と紙一重です。 従業員から「常に観察されている」と受け取られた瞬間、心理的安全性は崩壊し、サーベイは形骸化し、AI が拾えるデータの質は急落します。 生産性向上どころか、組織信頼の崩壊と離職加速、というブーメランが返ってきます。
今日は、私たちが 2025 年に公開した職場感情 AI の最新研究 3 本123を、HR・組織開発・経営層の言葉で書きます。
今日の結論を 3 行で
- 価値: バーンアウト予兆を数週間〜数ヶ月前に検知できる職場感情 AI は、人材定着の競争軸を一段上げる。
- 設計: 「何を測るか」より「誰のために、どう開示するか」が決定的。本人に最初に返すデフォルト設計が、監視ツール化を防ぐ。
- 感情 AI 視点: 感情を測ることは、人をモノ化することと紙一重。この問いを経営層が引き受けるか否かが、AI 導入の成否を分ける。
順に書きます。
① まず、職場感情 AI で何ができるか(価値の話)
3 本の研究を統合すると、こういう絵が描けます。
職場における感情計測は、テキストだけでは足りません。 表情・音声・テキスト・生理信号(心拍・皮膚電気活動など)を組み合わせるマルチモーダル感情認識が、職場環境での実用水準に近づいています。
それぞれの信号は得意分野が違うんですよね。
- テキスト → 内容の意味的豊かさ
- 音声 → 韻律(声の高低・速さ・震え)
- 生理信号 → 意識下の情動状態
- 表情 → 瞬間的な反応
これらを統合することで、単一モダリティでは捉えきれない多面的な心理状態の把握が可能になります。
そして、ここに生成 AI が乗ると、データの「拡張・分析・フィードバック」の全工程に効きます。
特に重要なのは、生成 AI が「定量データ」と「定性的なフィードバック文」の橋渡しを担えること。
「あなたのチームのストレス指数は先週より上昇しています」という数字を、「先週ミーティング後半に発言頻度が下がっています。次回は議題を半分にしてみてはどうでしょう」という具体的助言に翻訳する役割は、これまで熟練マネージャーの暗黙知に依存していました。 ここを補完できると、新任マネージャーの 1on1 品質や、文化的背景が異なる部下とのコミュニケーション品質を大きく押し上げられます。
そして研究の主戦場は、「測って終わり」ではなく「測ったうえで何を変えるか」に確実に移ってきました。 チーム健全性ダッシュボード、バーンアウト予測、1on1 支援システム ── 感情データから配置・休暇・チーム編成といった具体的な人事介入への橋渡しが、研究テーマとして立ち上がっています。
② リスク管理:設計を間違えると一発で終わる話
ここからが、研究室として強く伝えたい設計原則です。
まず最大のリスクは、監視ツール化です。
職場感情 AI は、従業員から「監視されている」と知覚された瞬間に、もう死んでいます。 率直な発言は消え、サーベイは形骸化し、AI が拾えるデータの質は急落する。 技術的に精緻でも、運用設計を誤れば自滅する典型例です。
ここで効くのが、本人優先のデフォルト設計です。
つまり、「感情データのフィードバックは、まず本人に返す」を原則化する。 上司や経営層に開示するのは、本人が同意したサマリーだけ。 個人の生データへのアクセスは、人事評価には絶対に使わない。
これだけで、「監視か支援か」の境界がだいぶクリアになります。
ふたつめのリスクは、データ取得の不透明性です。 カメラ・マイク・キーボードログ・チャット内容 ── 職場で取得しうるデータは多岐にわたります。 「就業規則に書いてあります」は、もう通用しません。
EU AI Act、GDPR、各国の労働法、日本の個情法 ── いずれも職場における自動推論への要求水準を上げ続けています。 取得するデータ種別ごとに、目的・保管期間・アクセス権者・オプトアウト手段を明示した同意プロセスを設計するのが、現代の最低ラインです。
みっつめのリスクは、誤った人事判断。 感情 AI の出力を、配置・評価・昇進などの重要人事判断の直接根拠に使うのは、現時点で極めて危険です。 モデル精度は完璧ではなく、文化的・個人的差異も大きい。 誤判定された個人にとって、「AI がそう言ったから」で人生が左右されるのは、正当化しようがないですよね。
AI 出力は「アラート」や「示唆」までに留めて、最終判断は必ず人間が複数視点で行う ── この運用ルールを最初に文書化することが、後のトラブルを大きく減らします。
③ 感情 AI として一番伝えたいのは、ここ
ここが、Affectosphere Group が研究室として最も強く伝えたいポイントです。
職場感情 AI の本当の難しさは、技術ではなく哲学にあります。
「感情を測る」という行為は、ちょっと立ち止まって考えると、けっこう怖い行為なんですよ。 人の内面を、外から計測可能な数値に変換する。 その数値で、配置や評価や昇進が動く可能性が出てくる。
これ、感情 AI を研究してきた立場から正直に言うと、「人をモノ化することと紙一重」だと思っています。
人が、自分のいまの気持ちすら言語化しきれずに揺れている瞬間に、AI は「あなたはストレス指数 72 です」と告げる。 それが当たっていることもあるし、外れていることもある。 でも、「当たり外れ」よりも、「数値化された自分」と向き合わされ続けることの心理的負荷を、私たちはまだ十分に理解していません。
だからこそ、職場感情 AI を入れるかどうかは、技術選定の話ではなく、組織として「感情をどう扱うか」という哲学的な意思決定だと思っています。
私たちの研究室の立場は、感情を「曖昧で多義的なまま扱う」ことです。 人の気持ちは、平均値や多数決で潰せるものじゃない。 ストレス指数 72 という数字は、その人のその瞬間の気持ちの一面を捉えているだけで、人格そのものを表しているわけではないですよね。
職場感情 AI を導入するなら、この「数字に潰されないための余白」を設計に組み込まないといけません。
具体的には、こんな問いを設計の前提に持ち込むこと。
- この数値は、本人が同意した目的以外に使われないか
- 数値が外れていた時、本人が「いや、違います」と言える経路があるか
- 数値化されたくない領域(プライベートな感情、未整理の感情)は、測らない設計になっているか
「測れるから測る」は、感情 AI で最もやってはいけないことだと思っています。
じゃあ、明日から何をするか
動かせる打ち手を 3 つだけ。
- 導入前の全従業員説明会で、「何のために、誰が、何を見るか」を完全に開示する。これをやらないまま導入した会社は、ほぼ確実に半年以内に問題化します。
- 感情 AI 出力を人事評価・昇進判断の直接根拠にしない、という運用ルールを最初に文書化する。経営層・HR・法務・労務(あれば労組も)で合意してから動くこと。
- フィードバックの開示順を「本人 → 上司」に固定する。本人が見ていない感情データを上司が先に見る、という構造を作らないこと。
技術導入の前に、この 3 つだけは固めておきたいです。
締め
職場感情 AI は、設計次第で「最強の支援ツール」にも「最悪の監視装置」にもなる、極めて両義的な技術です。
技術の精度を上げても、運用設計を誤れば人間関係を破壊する。 逆に、技術の精度がそこそこでも、運用設計が秀逸なら、組織の健全性を大きく押し上げる。
「マルチモーダル化」「生成 AI 活用」「Well-being と人事の接続」── 技術的進展は確かに進んでいます。 でも同時に、「監視 vs 支援」の境界線を経営層が主体的に引く責任が、いま問われ始めています。
これは技術部門だけの問題ではなく、HR・経営・法務・労務、そして従業員本人を含めて、組織全体で引き受けるべき問いです。
「うちの組織開発、本当にこのままで良いのか」と気になった方、まずは「説明会・運用ルール文書化・開示順の固定」の 3 点から、ぜひ社内で議論してみてください。
では!
参考論文
- 井下敬翔, 尾崎博信 (2025). 職場環境におけるマルチモーダル感情認識技術の現状と展望. 情報知識学会誌, vol. 35, issue 2, pp. 151-156.
- 井下敬翔 (2025). 生成AIを活用した職場感情分析とWell-beingの向上. 地球・宇宙・未来, vol. 1, issue 2, pp. 109-114.
- 井下敬翔 (2025). 感情データが導く生成AI時代のWell-beingは職場環境. 第25回理工学系学生科学技術論文コンクール入賞論文集.
※ 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。