従来の年次評価に基づく従業員評価の方法は、以前から機能していなかったかどうかはともかく、もはや機能していないことにほぼ誰もが同意している。実際、企業が日常的に行っていることの中で、これほど広く不評なものは思い当たらない。最近実施されたマーサーによる世界規模の調査では、調査で、世界中のHR責任者のうち、現在の業績管理システムが非常に効果的だと考えているのはわずか2%であることが分かった。マッキンゼーが別の最近の調査で、雇用主の3分の2が大きな変更を加えている、あるいは加えようとしていると報告しているのも不思議ではない。
「管理職も従業員も、従来の年次評価の方法を、主観的すぎ、官僚的すぎ、過去志向すぎるものとみなしている」と、ワシントンD.C.を拠点とするマッキンゼーのパートナーで、人工知能が人の業績評価に適用されている企業と緊密に協働してきたブライアン・ハンコック氏は指摘する。これらの雇用主は、年次評価を廃止し、リアルタイムの継続的なフィードバックに置き換える取り組みを進めている。
新しいシステムは、管理職に対して、ある人物が現在の職務に就いてからどのくらいの期間が経過したかから、社内の他部署で活用できる可能性のあるスキルまで、極めて最新の幅広い情報も提供する。ハンコック氏によれば、こうしたデータを活用することで、管理職は「人を評価するのではなく、人を指導すること」に集中できるという。「従来の方法よりはるかに客観的であり、将来の成果により重点を置いている」。スキルを社内で移転できる可能性がある。ハンコック氏は、このデータを使うことで、管理職は「人を評価するのではなく、人を指導すること」に集中でき、「従来の方法よりはるかに客観的で、将来の成果にずっと重点を置いている」と述べる。
最も先進的なAI搭載システムは、さらに別のこともできる。たとえば、いつ誰を昇進の検討対象とすべきかといった、特定の行動を推奨する。これは、膨大な全社的データポイントの中のパターンに基づいて行われる。
もちろん、こうした仕組みはいくつかの疑問を生む。人間の管理職が、自分の仕事は結局アルゴリズムの判断を形式的に承認することにすぎないと感じ始めたら、チームを率いることにどれほど意欲や熱意を持てるだろうか。企業は、管理職を排除しない業績管理システムをどのように設計できるだろうか。そもそも、管理職の役割とは一体何なのだろうか。
AIはどのように役立つか
IBMのAI搭載業績管理システムは、2015年に構築が始まったもので、AIが人間の知性を補完しつつ、管理職が自身の知識と判断を適用できるようにする可能性の一端を示している。たとえば、IBMのシステムが行う推奨の一つを考えてみよう。落ち着きのない従業員に、いつ、どのように積極的に会社に残るよう促すべきか、という推奨である。Watsonのアルゴリズムを使い、人事チームは、IBM社内各所のデータのパターンを分析し、近い将来退職しそうな従業員を予測するプログラムを開発し、特許を取得した。そしてアルゴリズムは、研修の追加や、遅れている昇進の付与といった行動を推奨し、従業員の離職を防ぐ。
管理職はシステムの指示に必ず従わなければならないのか。IBMの最高人事責任者であるダイアン・ガーソン氏は、従う必要はないと述べるが、大きな但し書きを付けている。システムの助言に従う上司は、通常より良い成果を得られるというのだ。
「ある時点で、すべてのデータは、ある特定の従業員グループに10%の昇給を与えれば、彼らの『離職リスク』が90%低下することを示していた」とガーソン氏は言う。「その助言を採用しなかった管理職のチームの離職率は、採用した管理職のチームの2倍だった」。さらに彼女は、懐疑的な管理職を取り込むためにIBMが行ったもう一つの方法として、「システムがある特定の行動を推奨する理由を説明すること」を挙げる。「ブラックボックスを少し開けて、人々にデータを見せる必要がある」。
それでもガーソン氏は、業績管理は依然として「ほぼ人間が行うもの」だと主張する。「管理職は、アルゴリズムよりも部下のことをよく知っている。最終的な判断権は依然として管理職にある」。たとえば、特定の従業員の引き留めに関してシステムの助言を採用しないことにした上司の場合、「おそらく、管理職にはその従業員を退職へ促すための正当な理由があるのだろう」と彼女は言う。あるいは、管理職がチームの特定のメンバーを十分によく知っているため、システムでは推測できないほど、その人にとって個別化された説得力のあるインセンティブを提示して、IBMに残るよう促せる場合もあるだろう。
チームにはAIが必要
マーク・ワンゲル氏は、ワシントンD.C.都市圏にある同社の連邦政府向けビジネスで、12名からなる戦略・技術チームを率いる、IBMでの勤続25年のベテランである。同氏は、IBMのデータ主導型システムを、管理職に命令を与えるものではなく、洞察を提供するものとみなしている。従来の方法で従業員の業績を評価するには、人事部門の複数の記録から、部下一人ひとりに関する情報を掘り起こす必要があった。これに対し新しいシステムでは、これまでの各人のキャリアの全側面に関する情報が、その人の上司にすぐに利用できるようになる。
「それによって膨大な時間が節約されるため、私はより優れた管理職になれる」とワンゲル氏は言う。どのようにしてか。「指導のための面談に、チームメンバーと向き合う時間が増えた」。
これは重要である。企業が次々と訪れる変化の波に乗り続けるためには、業績管理は、適切なスキルと才能を、適切な場所に、適切なタイミングで配置できるよう進化する必要があり、AIによるデータ分析はその重要な一部である。同時に、管理職がコーチ、アドバイザー、人材発掘者、そして応援者としての役割を果たすことは、これまで以上に重要になっている。「AIは、膨大な量の情報を迅速に分析し、巨大なデータセットの傾向を見つけ出すことにきわめて長けている」と、マッキンゼーのブライアン・ハンコック氏は指摘する。「しかし、たとえば協働の能力を高めるために誰かが研修を必要としているかどうかを判断することは、あまり得意ではない。世界中のデータがあっても、それを解釈する人間が依然として必要なのだ」。
ダイアン・ガーソン氏も同意する。「データだけに基づく業績フィードバックは興味深い」と彼女は言う。「しかし、自身の職業上の将来を計画するには、あなたを『分かってくれる』管理職との関係や、あなたの目標や夢に耳を傾けてくれる管理職との関係も必要だ。AIがどれほど有用であっても、その関係はまったく別のところから生まれるものだ」。そして、それはチームの人間に任せるのが最善のスキルなのである。
