アラカン"BOKU"のITな日常

文系システムエンジニアの”BOKU”が勉強したこと、経験したこと、日々思うこと。

人事評価する人工知能をつくるとして、定性的評価項目をどうするか(1)

今回は、定性的な評価項目を客観的・定量的にとらえる方法について考えたことを書きます。

 

現在の人事評価では、それができないので、コンピュータで処理していると言っても、定量的とはいえません。

 

責任感があるとか無いとかのコードを決めて、それを管理しているだけになっている事が多いですからね。

 

定性的評価項目は、例えば、「人物評価」「職能評価」」などです。

 

「人物評価」は、「協調性がある」とか「責任感が強い」なんて項目が並ぶことが多いので、見ただけで。どうやって数式で表現するんだよ!って感じです。

 

職務遂行能力は、客観的・定量的にとらえるという観点でみると人物評価よりはややマシです。明確にグレード表などで技術レベルを定義可能な職種もありますからね。

 

ただ、一部です。

 

大部分は、きちんと定義は難しくて、自己申告と上司の判断など主観的・定性的に判断されることが多いと思っています。

 

他にも、目標管理を中心にした成果主義もそうですね。一見、客観性があるような錯覚をしますが、実のところ、目標管理自体が、個人と上司の思惑でどうとでも操作できるものだととらえています。

 

実績数字は絶対と言っても、最初から最後まで個人で営業している特殊なケースを除くと、個人単位に数字がはじき出されるわけではないです。

 

会社または組織の売上・利益などの数字に対して、各個人の貢献度を明確に示す客観的指標を示すことができない以上、組織の数字に対して貢献したか、しなかったかは、評価者の主観的・定性的評価に委ねることになってしまいます。

 

とはいえ、「人物」や「職務遂行能力」のような評価軸を、「定量的評価が無理だから、やらないよ」では、人事評価する人工知能としては、あまりにも片手落ちです。

 

じゃあ、どうするか?ということなんですが、そのような評価軸を「客観的・定量的に近似する情報」を日常の活動データを解析して客観的に集計する方法を考えるしかないと思っています。

 

集計する元ネタの選択は難しいですけどね。評価をされる側、する側ともに恣意的に操作できないデータを使わないといけませんから。

 

そうでないと評価につながることを意識した感情のバイアスがはいってしまいます。

 

隠しておいても、そういう噂はあっと言う間に広がって、「こういう風に書いたら、いい評価になるみたいだ」等の、しょうもないノウハウが蔓延することになります。("ここだけの話だけどな"と耳打ちされる情報って、たいてい関係者全員知っているという、アレです)

 

そのあたりも考慮すると、業務で定常的に使っている日々の活動データを流用して、そこから情報を判断するアプローチが、比較的現実的な案としてでてきます。

 

そこで、上にあげた「客観的・定量的に人物・職務遂行能力などの評価軸を近似する情報」抽出に使えそうな日々の活動データを列挙して、そこからどんな情報が近似できるのかを、何回かに分けて考察してみたいと思います。

 

まず、既存の活動データで、パッと思いつくのは、この4つですね。

  • ウエブのアクセスログ
  • メール
  • 日報、週報などの報告データ
  • 勤怠打刻データ

 

あと、追加で収集する仕組みを作った方がいいんじゃないかと思ったものがあります。

  • ありがとうデータ
  • TODO管理データ
  • タイムトラッキングデータ

 

などですね。解説と考察まですると、今回が長くなりすぎるので、このへんで続きにします。

 

2017年2月25日追記

この記事は勉強をはじめる前の初期のころに書きました。今は、このころより、少しわかってきたので、少し方向修正してます。

 

この思いつきから派生したカテゴリがこちらです。

人事評価そのものについて、もう一度考え直してみる。

ディープラーニングについて、もう少し勉強してみる。

システムを開発する言語やフレームワークについて試してみる。

 

あと、それ以外にもいくつかカテゴリをわけて書いてます。

ホワイトカラーの仕事のやり方で思うことを書いてみる

お昼休みとかの時間つぶしにやった頭の体操的なことを書いてみる。

人工知能と仕事などに関連して興味を持ったことを書いてみる。

 

よければ、読んでやってください。