「社員から同じような問い合わせが何度も届く」
「制度変更のたびに案内文を作るのが大変」
「人事面談の記録整理に時間がかかっている」
「人事データはあるが、集計やレポート作成まで手が回らない」
このような人事業務では、生成AIを活用できる場面があります。
人事部門には、
社員からの問い合わせ
入社・退職手続き
社内制度の案内
人事面談
研修
人員データ管理
各種申請
人事レポート
など、多くの業務があります。
この中には、
文章を読む
社内情報を探す
内容を分類する
文章を書く
長い記録を要約する
といった生成AIと相性のよい作業があります。
例えば、
社員
↓
「育児休業の申請方法を教えて」
↓
AI
↓
社内規程を検索
↓
該当手続きを回答
としたり、
人事面談
↓
文字起こし
↓
AI
↓
要点・次回確認事項
と整理したりできます。
ただし、人事では従業員の個人情報や評価情報など、慎重に扱うべき情報も多く存在します。
そのため、
「人事判断をAIへ任せる」のではなく、「人事担当者の情報整理・文書作成・定型対応をAIで支援する」
ところから始めることが重要です。
経済産業省が2026年3月31日に公表した最新の「AI事業者ガイドライン 第1.2版」も、AIを企業で利用する際には、利用目的や影響に応じた継続的なリスク管理を行う枠組みを示しています。
この記事では、人事業務のどこをAIで自動化できるのか、具体的な活用例、システム構成、導入手順、注意点まで解説します。
人事業務のAI自動化とは
人事業務のAI自動化とは、
人事担当者が行っている業務
↓
AI・プログラムで一部を処理
↓
必要な部分を人が確認
する仕組みです。
例えば社員から、
結婚した場合、
会社ではどのような手続きが必要ですか？
という問い合わせが来たとします。
従来なら、
社員
↓
人事へメール
↓
担当者が規程を確認
↓
返信
という流れです。
社内RAGを利用すれば、
社員
↓
人事AI
↓
就業規則・手続きマニュアル検索
↓
回答
とできます。
回答できない場合だけ、
人事担当者へ問い合わせ
とします。
人事でAIを活用しやすい業務
代表的なものを整理すると次のようになります。
| 人事業務 | AI活用例 |
|---|---|
| 社内問い合わせ | 規程検索・回答 |
| 制度案内 | 社内通知の下書き |
| 入社対応 | 必要手続きの案内 |
| 退職対応 | 手続き情報の整理 |
| 人事面談 | 記録要約・TODO整理 |
| 社員アンケート | 自由記述の分類・要約 |
| 人事データ | レポート文章作成 |
| 研修 | 案内・教材の下書き |
| 人事FAQ | RAGによる検索 |
| 人事文書 | テンプレートから文章生成 |
一方、
昇給
昇格
異動
評価
懲戒
解雇
など、従業員へ大きな影響を与える判断については、AIだけで決定するのではなく人が責任を持って判断します。
1．社員からの問い合わせをAIで自動化する
人事AIで導入しやすいのが社内問い合わせ対応です。
例えば、
有給休暇は何日ありますか？
住所変更はどうすればよいですか？
育児休業の申請方法は？
在宅勤務のルールは？
慶弔休暇は何日ですか？
扶養変更の手続きは？
などです。
人事担当者が毎回同じ回答をしているのであれば、AIで一次対応できます。
RAGで社内規程を検索する
構成は、
社員
↓
質問
↓
RAG
↓
就業規則
人事規程
福利厚生資料
手続きマニュアル
↓
生成AI
↓
回答
です。
例えば、
社員：
結婚した場合の手続きは？
という質問に対して、
AI
↓
身上変更届
慶弔制度
氏名変更
住所変更
など関連する社内文書を検索して回答します。
AIに一般論を回答させない
例えば社員が、
うちの会社の育児休業は
いつまで取れますか？
と質問した場合です。
AIが一般的な制度だけを回答するのではなく、
会社の規程
+
必要に応じた公的情報
を参照する必要があります。
社内制度の質問なら、まず会社の正式な規程を回答根拠にします。
回答根拠も表示する
例えば、
回答：
申請は開始希望日の○日前までに
人事部へ提出してください。
参照：
育児休業規程 第○条
とします。
これによって社員自身も元情報を確認できます。
2．人事問い合わせを分類する
すべての問い合わせをAIが回答する必要はありません。
例えば、
住所変更
給与
社会保険
育児休業
休職
ハラスメント相談
その他
に分類します。
そのうえで、
簡単な手続き
→ AI回答
個別判断が必要
→ 人事担当者
センシティブな相談
→ 専門担当
と振り分けます。
特に、
健康
ハラスメント
人事評価
労務トラブル
などは、通常のFAQと同じように自動回答しない運用も検討します。
3．問い合わせ内容を要約して人事へ渡す
AIだけでは回答できない場合でも役立ちます。
例えば社員から長いメールが届いた場合、
社員メール
↓
AI
↓
要約
↓
人事
とします。
例えば、
【問い合わせ種別】
育児休業
【相談内容】
10月から休業開始を希望。
必要書類と申請期限を確認したい。
【確認事項】
開始予定日
と整理できます。
人事担当者が長文を読み直す時間を減らせます。
4．社内向け人事文書をAIで作成する
人事では多くの文書を作成します。
例えば、
制度変更案内
年末調整案内
健康診断案内
研修案内
人事異動案内
社内手続き案内
などです。
例えば、
変更内容：
8月1日から在宅勤務申請方法を変更
旧方法：
メール申請
新方法：
社内システム
対象：
全社員
という情報をAIへ渡します。
すると、
8月1日より、在宅勤務の申請方法を変更します。
これまでメールで申請いただいていましたが、
今後は社内システムから申請してください。
詳細な操作方法については、
以下のマニュアルをご確認ください。
といった案内文を作成できます。
事実情報は正式データから取得する
AIが、
申請期限
制度開始日
対象者
提出先
などを勝手に作ってはいけません。
制度情報
↓
正式データ
文章化
↓
AI
と分けます。
5．入社時の案内をAIで効率化する
社員が入社すると、
必要書類
PC
アカウント
研修
社内規程
勤怠
経費
福利厚生
など、多くの案内が必要です。
例えば、
社員区分：
正社員
所属：
開発部
勤務：
フルリモート
という条件から、
入社時に必要な手続き一覧
を生成できます。
さらに、
人事
↓
入社情報登録
↓
システム
├─ Googleアカウント発行依頼
├─ Slack招待
├─ PC手配
├─ 研修案内
└─ 入社手続きメール
のようにワークフロー化できます。
AIと通常の自動化を分ける
例えば、
社員名を登録
→ プログラム
アカウント作成
→ API
締切計算
→ プログラム
案内メール作成
→ AI
です。
入社処理のすべてにAIが必要なわけではありません。
6．退職時の手続きを整理する
退職時にも、
アカウント停止
PC返却
保険関係
貸与物返却
各種書類
権限削除
などがあります。
例えば退職日を入力すると、
退職手続き一覧
を生成し、担当部署ごとのタスクへ振り分ける仕組みを作れます。
ただし、
アカウントを○日に停止
などの正確な期限は人事システムやルールから取得します。
7．人事面談の記録をAIで整理する
1on1や定期面談では、
面談
↓
メモ
↓
人事システムへ入力
という作業があります。
文字起こしや面談メモから、
【主な話題】
【本人からの相談】
【会社側から伝えた内容】
【次回確認事項】
【TODO】
などに整理できます。
面談内容を勝手に評価しない
例えば社員が、
最近プロジェクトが忙しい
と言っただけで、
離職リスク：高
とAIが断定するのは慎重に考える必要があります。
AIには、
本人が発言した事実
決定事項
次回確認事項
を中心に整理させます。
面談記録の閲覧権限を限定する
人事面談には、
キャリア
家庭事情
人間関係
健康に関する内容
などが含まれる可能性があります。
そのため、
全社員
↓
検索可能
なRAGなどへ無条件で登録してはいけません。
厚生労働省も、雇用管理に関する個人情報について、利用目的、安全管理、従業者や委託先の監督などを含む適切な取り扱いを求めています。
8．社員アンケートの自由記述をAIで整理する
例えば社内アンケートに、
100人
×
自由記述
があるとします。
AIを使って、
給与・待遇
働き方
マネジメント
社内制度
システム
コミュニケーション
などに分類できます。
さらに、
頻出意見
肯定的な意見
改善要望
を整理できます。
個人を特定する必要がなければ匿名化する
例えば、
会社制度についての意見傾向
を見るだけなら、氏名をAIへ渡す必要はありません。
アンケート
↓
個人識別情報を除去
↓
AI
↓
分類・要約
という設計を検討します。
9．人事データからレポートを作成する
例えば人事システムに、
社員数
入社数
退職数
部署別人数
有給取得状況
残業時間
などがあるとします。
まずSQL・Excelなどで、
社員数：
120名
入社：
5名
退職：
2名
と集計します。
その結果をAIへ渡し、
今月は5名が入社し、
2名が退職したため、
社員数は前月から3名増加しています。
特に開発部門の人員増加が大きく、
入社後のオンボーディング状況について
継続的な確認が必要です。
などと文章化できます。
数値計算はAIへ任せない
例えば、
離職率
有給取得率
平均残業時間
などは、
SQL
Excel
Python
で計算します。
AIは、
集計済みの数字を説明する
役割にします。
10．社員情報を検索しやすくする
例えば人事担当者が、
AWS資格を持っている社員を確認したい
とします。
スキル・資格情報が構造化されていれば、
DB検索
↓
該当社員一覧
を取得できます。
AIを利用する場合も、
自然言語
↓
検索条件
↓
人事DB
↓
結果
のように使えます。
ただし、人事データへのアクセスは権限管理が必要です。
AIに人事DB全体を自由検索させない
例えば、
全社員の給与を教えて
という質問に一般社員が回答を得られる状態にしてはいけません。
ユーザー
↓
認証
↓
権限確認
↓
許可された情報のみ検索
↓
AI
とします。
11．研修資料・社内教育をAIで支援する
人事・人材開発部門では、
新入社員研修
管理職研修
コンプライアンス研修
制度説明
などがあります。
AIで、
研修構成
説明文
確認問題
FAQ
要約
などの下書きを作成できます。
例えば社内規程をもとに、
新入社員向けに
経費精算ルールを
分かりやすく説明してください
と生成します。
ただし正式な制度説明では、元規程との整合性を確認します。
12．人事FAQをナレッジとして蓄積する
人事担当者が実際に回答した問い合わせを、
問い合わせ
+
回答
として蓄積します。
例えば、
Q：
住所変更時には何が必要？
A：
○○システムから身上変更申請を行う。
とします。
これを継続的に整理すると、
人事ナレッジ
↓
RAG
↓
AI
の精度を改善できます。
ただし回答を自動学習させない
過去の回答が、
古い制度
例外対応
誤回答
だった可能性があります。
そのため、
人事担当者が承認
↓
正式FAQへ登録
とします。
13．人事申請の内容をAIで整理する
例えば社員が自由記述で、
4月から引っ越したので、
住所を変更したいです。
通勤経路も変わります。
と入力したとします。
AIで、
申請種別：
住所変更
関連手続き：
通勤経路変更
確認事項：
新住所
変更日
新しい通勤経路
と整理できます。
その後、
正式な入力フォーム
へ誘導します。
AIに申請内容を勝手に確定させない
人事申請では、
AI
↓
分類
システム
↓
正式データ登録
と分けます。
重要情報は社員本人が確認して確定します。
14．人事評価資料の整理を支援する
人事評価そのものをAIへ任せるのではなく、評価前の情報整理に利用できます。
例えば、
目標
本人コメント
上司コメント
プロジェクト実績
をまとめ、
【設定目標】
【本人が記載した成果】
【上司コメント】
【追加確認が必要な点】
と整理します。
評価者は長い文章を読み直す時間を減らせます。
AIに評価点を自動決定させない
例えば、
AI評価：
A
という結果だけで昇給・昇格を決定するのは避けます。
特に人事評価には、
昇給
賞与
昇格
配置
など社員への大きな影響があります。
AIは情報整理や確認漏れ防止に使い、最終評価は責任を持つ人が行います。
AI利用では、利用目的や影響に応じて人間中心・公平性・プライバシーなどを考慮する必要があります。経済産業省の最新のAI事業者ガイドラインも、企業がAIを安全に活用するための継続的なガバナンスを求めています。
人事AIの基本的なシステム構成
例えば、
社員
↓
人事AI
↓
認証・権限確認
↓
バックエンド
├─ 人事規程RAG
├─ 人事DB
├─ FAQ
└─ 各種API
↓
生成AI
↓
回答・文章・要約
という構成です。
人事担当者向け機能では、
人事システム
↓
必要なデータ取得
↓
AI
↓
レポート・要約
↓
担当者確認
とします。
人事AIに向かない業務もある
生成AIを使わなくてもよい業務があります。
例えば、
給与計算
社会保険料計算
有給残日数
勤続年数
締切判定
などです。
これらはルールが明確なので、
人事システム
給与システム
通常プログラム
で処理した方が適しています。
AIと通常プログラムを分ける
例えば、
社員の質問を理解
→ AI
有給残日数取得
→ 人事DB
申請期限判定
→ プログラム
回答文章
→ AI
最終人事判断
→ 人
です。
人事AIでも、
自然言語を扱う部分だけAIに任せる
ことが重要です。
人事AI導入で個人情報に注意する
人事部門には大量の個人情報があります。
例えば、
住所
給与
家族情報
人事評価
面談記録
勤怠
健康関連情報
などです。
厚生労働省は、雇用管理に関する個人情報について、利用目的、安全管理措置、従業者の監督、委託先の監督などを含む適正な取り扱いについて指針・解説を示しています。
そのため、
人事データ全部
↓
生成AI
という設計は避けます。
AIへ必要な情報だけ渡す
例えば、
人事制度について回答
するだけなら、
社員の給与
住所
家族構成
は必要ありません。
今回の処理に必要な情報
だけAIへ渡します。
データ最小化を考える
例えば社員アンケートを分析するなら、
社員番号
氏名
メール
を除外して、
部署
自由記述
だけ分析できる場合があります。
処理目的ごとに必要な情報を確認します。
人事AIではアクセス権限を厳格にする
例えば、
社員向け人事AI
と、
人事担当者向けAI
は分けることを検討します。
例えば、
一般社員
↓
就業規則
福利厚生
手続きFAQ
人事担当
↓
人事データ
面談記録
社員情報
という範囲です。
AIを導入しても既存の権限を維持します。
人事AIのログも管理する
例えば、
誰が
いつ
どの人事AI機能を
利用したか
を記録します。
特に、
社員情報検索
人事データ閲覧
AIによる文書生成
などは監査できる状態にします。
一方、ログ自体に人事情報を保存しすぎないよう注意します。
人事AI導入の手順
STEP1．人事業務を洗い出す
例えば、
問い合わせ
文書作成
入社対応
面談記録
アンケート
人事レポート
です。
STEP2．作業時間を測る
例えば、
問い合わせ：
月40時間
面談記録：
月20時間
社内文書：
月10時間
レポート：
月10時間
とします。
STEP3．AI化しやすい業務を選ぶ
おすすめは、
頻度が高い
文章を扱う
情報整理が多い
人が最終確認できる
業務です。
例えば、
人事FAQ
から始められます。
STEP4．利用するデータを限定する
例えば、
就業規則
福利厚生資料
人事FAQ
手続きマニュアル
だけをRAGへ登録します。
最初から、
全社員の個人情報
まで接続する必要はありません。
STEP5．過去データでPoCする
例えば過去100件の人事問い合わせで、
質問
↓
AI
↓
回答
を生成します。
実際の人事回答と比較します。
STEP6．回答できない場合の動作を決める
AIには、
分からない場合は
人事担当者へ引き継ぐ
ようにします。
無理に回答させないことが重要です。
STEP7．人による確認を入れる
例えば社内通知なら、
制度情報
↓
AI
↓
通知案
↓
人事担当者確認
↓
公開
とします。
STEP8．既存システムと連携する
効果が確認できたら、
人事システム
Google Workspace
Slack
申請システム
などと連携します。
人事AIの費用対効果
例えば人事担当者3人が、
社員問い合わせ：
合計月60時間
対応しているとします。
AIで70％を一次対応し、そのうち確認・引き継ぎを含めて、
40時間
削減できたとします。
仮に時間価値を3,000円として試算すると、
40時間
×
3,000円
=
月12万円相当
です。
年間なら、
144万円相当
になります。
さらに、
人事担当者が不在でも
基本的な制度情報を確認できる
といった定量化しにくい効果もあります。
人事AIのKPI
例えば次を確認します。
| KPI | 確認内容 |
|---|---|
| 問い合わせ件数 | 人事への直接問い合わせが減ったか |
| AI解決率 | AIだけで解決した割合 |
| エスカレーション率 | 人事へ引き継いだ割合 |
| 回答時間 | 社員が回答を得るまでの時間 |
| 文書作成時間 | 通知・案内作成時間 |
| 面談記録時間 | 1回あたりの整理時間 |
| 修正率 | AI出力を人が直した割合 |
| 誤回答率 | 不正確な回答がないか |
「AI利用回数」を成果にしない
例えば、
月1万回
AIが使われた
だけでは、成功したか分かりません。
人事AIなら、
問い合わせ対応時間が減った
社員が必要情報を早く見つけられた
面談記録時間が短縮した
といった業務成果を確認します。
人事AIでよくある失敗
全人事データを最初からAIへ接続する
まず必要な文書だけから始めます。
AIに人事判断を任せる
情報整理と意思決定を分けます。
社内規程以外の一般論を回答する
社内制度の質問では正式な社内文書を優先します。
人事情報への権限を考えない
一般社員向けAIと人事担当者向けAIを分けます。
古い規程をRAGへ残す
最新版・有効期間を管理します。
AIが答えられない場合の動作がない
人事担当者へ引き継げるようにします。
AI導入後にFAQを更新しない
制度改定に合わせてデータも更新します。
人事AIに関するよくある質問
人事のどの業務からAI化するのがおすすめですか？
社員から繰り返し発生する問い合わせ対応が比較的始めやすい業務です。
社内規程・FAQをRAGで検索し、AIが一次回答する構成を検討できます。
給与計算も生成AIでできますか？
給与計算のように正確なルール・計算が必要な業務は、給与システムや通常プログラムの方が適しています。
AIは問い合わせ対応や説明文章の生成などに利用します。
人事評価をAIで自動化できますか？
技術的に情報整理は可能ですが、評価・昇給・昇格など従業員へ大きな影響を与える判断をAIだけに任せるのではなく、人が最終判断する構成が適切です。
社員の面談記録をAIで要約できますか？
可能です。
ただし面談には個人情報や慎重に扱うべき情報が含まれる可能性があるため、利用するAI環境、アクセス権、保存方法を設計します。
社内規程をChatGPTのように検索できますか？
RAGを利用することで可能です。
例えば、
有給休暇について教えて
という質問から、就業規則の該当箇所を検索して回答する仕組みを作れます。
SlackやGoogle Workspaceとも連携できますか？
API等を利用して、
Slack
Google Drive
Gmail
Google Sheets
Calendar
などと連携できる場合があります。
hiro-dev-labの人事AI・業務自動化支援
hiro-dev-labでは、生成AIと既存Webシステム・社内データを組み合わせた人事業務の自動化を検討できます。
例えば、
- 人事FAQ・社内問い合わせAI
- 就業規則・社内規程のRAG検索
- 人事向け社内文書の作成
- 面談記録のAI要約
- 社員アンケートの分類・要約
- 人事データからのレポート生成
- Google Workspaceとの連携
- Slackとの連携
- 人事システムとのAPI連携
- OpenAI APIなどを利用したAI機能
- n8nによる人事ワークフロー自動化
- Python・TypeScriptによる業務システム開発
などを検討できます。
例えば、
現在
社員
↓
人事へメール
↓
人事担当者が規程を探す
↓
回答
という業務を、
社員
↓
人事AI
↓
社内規程RAG
↓
回答
回答できない場合
↓
人事担当者
へ変更できます。
人事AIは「人事判断」ではなく「人事担当者の周辺作業」から自動化する
人事には、
社員とのコミュニケーション
評価
配置
キャリア
労務対応
など、人が責任を持って判断すべき業務があります。
その一方で、
同じ質問へ回答する
長い文章を要約する
制度案内を書く
データを整理する
面談記録をまとめる
レポートを書く
といった業務も大量にあります。
生成AIは、まず後者へ利用するのが現実的です。
導入するときは、
1．人事業務を洗い出す
2．繰り返し作業の時間を測る
3．文章・情報整理業務を選ぶ
4．AIが利用するデータを限定する
5．個人情報・アクセス権限を整理する
6．小規模なPoCを行う
7．AI出力を人が確認する
8．既存システムと連携する
9．ログ・回答精度を確認する
10．効果の高い業務へ広げる
という流れがおすすめです。
特に人事領域では、「技術的にAIでできるか」だけでなく、「その判断をAIに任せるべきか」まで考えることが重要です。
「社員からの問い合わせ対応を減らしたい」
「社内規程をAIで検索できるようにしたい」
「面談記録・人事文書の作成時間を減らしたい」
「人事システムと生成AIを連携したい」
このような段階からでも、お気軽にお問い合わせください。
人事AI・業務自動化について相談する