アラカン"BOKU"のITな日常

あれこれ興味をもって考えたことを書いてます

人事評価する人工知能ができたとして、人事部門に対して提供したいメリットを考える

今回は、人事評価する人工知能を考える時に考慮すべき、「人事部門が得られるメリット」について考えたことを書きます。

 

どんな良いシステムでも、人事部門から見れば、運用に手間がかかるのでは使えない・・ということになります。やっぱり、そこは外せません。

 

評価の仕組みだけでなく、以下も検討するのは必須だと思います。

  1. 導入時の人事部門の負荷が軽い
  2. 稼働後に人事部門の維持作業がほとんど必要ない
  3. 適材適所配置の精度向上に統計的手法をもちこめる

 

導入時の人事部門の負荷が軽い

これについては、既存データを最低限しか引き継がないような仕組みにすべきだろうなと考えています。そうすれば、マスタの整備や移行が最低限しかいりませんから、負荷は軽いでしょう。

 

実は、新しい人事のシステムを導入する時に、「既存の人事情報を整備してDB化する」のが、ネックになることは多いんです。単純作業とはいきませんし、8割方カバーできるけど、2割程度今存在しないデータを追加しないといけないみたいなことも発生します。

 

分析するシステムはいれたけど、データの整備が十分にできなくて、本格稼働がなかなかできないということって、意外とあるんです。

 

稼働後に維持作業がほとんど必要ない

勝手にどんどんたまるデータを元にしなければいけないと思います。

 

例えば、既存の人事評価システムだと、評価データを毎回きちんと整備して、DBに蓄積していく作業をしなくてはなりませんが、これはわりと大変です。

 

人事評価制度ってしょっちゅう変わるし、組織も変われば、役職も変わるわけですから、過去で評価Cだったのが、今年の制度では、どれに相当するのか?なんてことまで考え出すと、過去の評価の扱いひとつでも、結構面倒です。

 

そういうのに、影響をうけずに、勝手にデータが蓄積されるようにできたら、相当メリットがあると思うんですよね。

 

適材適所配置の精度向上

 ここが一番のポイントだと思っています。

 

例えば、人事異動をした後で、その異動が適切だったのか、そうでないのか?を客観的に判断するのって難しいんですね。

 

でも、実は一番しなければならないことだったりします。だから、降水確率なんかみたいに、「この配置が適正である確率は80%です」みたいにできたらいいなと思うわけです。

 

そして、同じ人の異動後の同項目の評価を見て、予測と大きくずれているかどうかを、数値で判断できて、結果測定までできたら、画期的だと、思うんですよね。

 

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。