近年の研究は、経営上の意思決定が企業の生産性に与える貢献を明らかにした。
従業員を最も適した職務に配置する企業の能力は、企業全体の成功を示す指標であることが研究で分かった。
技術革新、パンデミック、気候変動、戦争に対処する必要から、企業の大規模な再編や労働者の再配置が求められる局面では、この研究結果が特に役立つ可能性がある。
個々の企業や国全体の生産性を左右する要因ほど、経済学において重要な問いはほとんどない。とりわけ生産性の差が長期にわたって続く場合、企業間および従業員間で勝者と敗者を分けることになり、全体としては各国の生活水準の差を決定づける主要因となる（Bloom et al. 2010）。従来、経済学者は生産性の差を、企業が用いる資本と労働の質、およびそれらを組み合わせる技術によって説明してきた（Syverson 2011）。
近年、経済学者は人的資源の管理も企業の生産性を決定するうえで同じほど重要だと認識するようになった。経営慣行に関する研究（Bloom and Van Reenen 2007, Bloom et al. 2017, 2019, Cette et al. 2020, Patnaik et al. 2021）は、成果に応じた報酬、昇進、モニタリングを通じて従業員のインセンティブを調整することで、経営上の意思決定が企業の生産性に貢献することを明らかにしてきた。しかし、経営者が従業員を職務にどう配置するかについては、あまり注目されてこなかった。従業員はそれぞれ異なる業務に対応する特定のスキルや姿勢を持ち、通常はキャリアを積むなかでそれらを磨くため、一人ひとりを最適な職務に配置することは容易ではなく、すべての経営者が同じようにうまく解決できるとは限らない。それでも、このマッチング問題を解く経営者の能力は、原理的には企業の生産性を左右する重要な要因となりうる。特に、デジタル化、パンデミック、気候変動など、企業再編と労働者の再配置を必要とする大きなショックに直面した場合には重要である。
経営者が従業員を職務に適切に配置する能力を測ること自体、容易ではない。経営慣行の研究でこの点が見過ごされてきたのは、そうした研究が経営者による企業運営の方法についてのアンケート回答に基づいており、自己申告情報から、各従業員が社内で最も適した職務に配置されているかを評価するのは非常に難しいためだ。最近の論文（Coraggio et al. 2022）では、機械学習（ML）の手法と、雇用主・従業員を結び付けた行政データを組み合わせ、企業内における職務と従業員のマッチングの質を測定した。続いて、従業員のキャリアを通じた賃金や企業業績との相関を調べ、経営の質の向上によって一般従業員のマッチングの質が高まるかを検証し、得られた職務配置の質（JAQ）の指標を妥当性検証した。
職務配置の質を測る新たな指標
この指標の考え方は単純だ。企業が従業員をどれほどうまく職務に配置しているかを把握するため、まずこの課題に秀でていると考えられる企業群（「トップ企業」）を特定し、次にその企業が従業員をどう配置しているかを学習して、「最適配置ルール」を導き出す。トップ企業から学ぶことで、このルールは企業の行動を模倣し、各従業員に最も適した職務を予測できる。1
つまり、このルールはトップ企業の経営者が意思決定を通じて示す配置戦略を統合したものである。では、何をもって「トップ」企業とするのか。従業員を最も生産性の高い職務に配置することに秀でた企業は、他社よりも生産性が高いと考えるのが自然だ。したがって、最適配置ルールは、生産性が上位10％に入る企業から推定するのが最適である。2
この考え方を2001～10年のスウェーデンの雇用主・従業員行政データに適用し、4段階で分析を進める。第1に、機械学習アルゴリズムを用いて、最も生産性の高い企業において従業員の特性が職務にどう結び付くかを推定する。第2に、アルゴリズムで推定した関数に基づき、従業員が各職務にどれほど適しているかを予測する。第3に、従業員の実際の職務が、社内で最も適していると予測された職務と一致するかを測定する（eJAQ）。最後に、各企業の全従業員のeJAQを平均し、企業レベルのJAQ指標を作成する。
職務配置の質は生産性と相関する
指標に意味のある情報が含まれていれば、従業員レベルの指標は労働市場での経験および従業員の賃金と正の有意な関連を示すはずだ。経営者は従業員の特性を把握するにつれて、より適した職務に配置すると考えられる（Fredriksson et al., 2018）。また、従業員自身も職場での訓練を通じて、業務に合わせてスキルを身につけていく（Guvenen et al 2020）。さらに、職務配置の改善が生産性向上をもたらす限り、その利益の一部は賃金上昇という形で従業員にも還元される可能性が高い。
データは、どちらの予測も裏付けている。図1は、eJAQと労働市場での経験の関係を示すビン散布図である。機械学習アルゴリズムが予測した職務に配置される可能性は、経験を積むほど高まり、50年間の職業人生でほぼ倍増する（35％から63％）。最大の上昇（約17パーセントポイント）はキャリアの最初の5年間に生じる。これは、若手従業員ほど学習が速く、ベテラン従業員よりも適した職務への再配置が容易だという直感に合致する（Farber and Gibbons 1996）。さらに、従業員と職務のマッチングが良好であるほど報酬も高い傾向があり、従業員を適切な職務に配置することで効率性が高まることが示唆される。同じ特性を持つ従業員同士を比べると、最も適した職務に配置された従業員の賃金は、ミスマッチの従業員より0.7～1.4％高い。
図1 従業員レベルの職務配置の質と職務経験
企業レベルでは、JAQは企業業績の指標と有意で大きく、頑健な正の相関を示す。この相関は、生産性と一般に関連する企業レベルの変数（産業、資本と労働、所有形態）や、JAQの予測に用いた従業員の特性を統制した場合も確認される。図2は、年および2桁の産業分類のダミー変数を統制したうえで、企業レベルの生産性がJAQと正の相関を持つことを示している。JAQとさまざまな企業業績指標との相関を調べたところ、JAQが標準偏差1つ分上昇すると、従業員1人当たり売上高が15.7％増加することが分かった。これはCriscuolo et al.（2021）の結果と一致する。同研究は、最先端企業と後れを取る企業の生産性成果の差は、経営者と従業員の構成、多様性、能力に左右され、10カ国の雇用主・従業員データセットの分析に基づくと、この「人的側面」が企業間で観察される生産性の差の約3分の1を説明するとしている。
図2 企業の生産性と職務配置の質
注: この図は、年および産業の固定効果を統制したうえで、従業員1人当たり付加価値で測定した企業の生産性と、企業レベルの職務配置の質（JAQ）指標をプロットしている。
マッチングには経営が重要
これらの結果は、私たちのアルゴリズムが、従業員を職務に配置するベストプラクティスのルールを捉えており、その採用が企業レベルの生産性向上と相関することを示している。では、なぜサンプル内のすべての企業がこのベストプラクティスに従わないのだろうか。従業員の採用、職務への配置、昇進は通常、経営上の意思決定であるため、私たちのデータにおいて、従業員の職務配置が経営の質と体系的に関連しているかを問うのは自然なことだ。
実際に、そのとおりである。図3は、経営陣交代の前後における一般従業員への推定動学的処置効果を示している。経営陣の交代は、企業経営の質（経営陣自身のeJAQで測定）の上昇（パネルa）または低下（パネルb）を伴う。パネルaは、現職の経営者がより優れた経営者に交代するのは、一般従業員の職務配置が急激かつ統計的に有意に悪化した後である傾向を示している（平均10パーセントポイント）。そして最初の交代時点から数えて、その後5年間にわたり同程度の有意で持続的な改善が見られる。対照的に、パネルbは、現職の経営者がより劣る経営者に交代するのは、経営の質が通常水準にある企業で起きる傾向があり、一般従業員の職務配置の大幅かつ持続的で統計的に有意な悪化（平均約15パーセントポイント）と関連することを示している。全体として、この証拠は経営の質の変化が従業員の配置変化を左右する重要な要因であり、したがって企業内の組織変革を良くも悪くも促すことを示唆している。
図3 経営陣の交代によって経営者のJAQが上昇（a）または低下（b）した場合の、一般従業員のJAQの反応
a）経営者のJAQ上昇を伴う経営陣の交代
b）経営者のJAQ低下を伴う経営陣の交代
注: この図は、Callaway and Sant’Anna（2021）の手法を用い、一般従業員のJAQを説明する回帰分析において、経営陣交代の前後に設定したイベント時点ダミー変数の係数を示している。
結論
要約すると、Coraggio et al.（2022）が提案した方法で従業員と職務のマッチングの質を測定した場合、従業員と職務のマッチングは企業間の生産性格差に関わり、経営陣のスキルや経験の変化に有意に反応する。
実際、この指標は、コーポレートファイナンス、組織論、労働経済学における人的資本の配置に関する予測を検証する際に、より幅広く応用できる。さらに、雇用主・従業員の行政データが存在し、従業員の職務配置が含まれていれば、どの国のどの期間についても作成できる。その際、高額なアンケート調査（Bloom and Van Reenen 2007, Bloom et al. 2019）も、各職務に必要なスキルに関する専門家の詳細な評価（Lise and Postel-Vinay 2020, Guvenen et al. 2020）も必要としない。
言うまでもなく、デジタル化や人工知能などの技術革新、パンデミックや気候変動などの災害によって企業の大規模な再編が余儀なくされ、既存の従業員を新たな職務に再配置するか、新たなスキルを持つ従業員に置き換える必要が生じる局面では、職務と従業員のマッチングの質を測る指標が特に有用である。
参考文献
Bloom, N, E Brynjolfsson, L Foster, R Jarmin, M Patnaik, I Saporta-Eksten, and J Van Reenen（2017）、「生産性の謎を解く一片を加える：経営慣行」、VoxEU.org、5月17日。
Bloom, N, E Brynjolfsson, L Foster, R Jarmin, M Patnaik, I Saporta-Eksten, and J Van Reenen（2019）、「経営慣行の差を生む要因は何か？」、American Economic Review 109(5)：1648–1683。
Bloom, N, R Homkes, R Sadun and J Van Reenen（2010）、「医療において優れた慣行が本当に重要な理由」、VoxEU.org、12月17日。
Bloom, N and J Van Reenen（2007）、「企業間および国家間における経営慣行の測定と説明」、The Quarterly Journal of Economics 122(4)：1351–1408。
Callaway, B and P H Sant’Anna（2021）、「複数期間における差の差分析」、Journal of Econometrics 225(2)：200–230。
Cette, G, J Lopez, J Mairesse, and G Nicoletti（2020）、「経営慣行が大きなショックに耐える経済の能力に影響する」、VoxEU.org、12月2日。
Coraggio, L, M Pagano, A Scognamiglio and J Tåg（2022）、「あらゆる仕事に対応するJAQ：職務のミスマッチ、企業の生産性、経営の質」、CEPRディスカッションペーパー第17167号。
Criscuolo, C, P Gal, T Leidecker and G Nicoletti（2021）、「生産性の人的側面：企業の生産性におけるスキルと多様性の役割を明らかにする」、VoxEU.org、12月23日。
Farber, H S and R Gibbons（1996）、「学習と賃金の動態」、The Quarterly Journal of Economics 111(4)：1007–1047。
Fredriksson, P, L Hensvik, and O N Skans（2018）、「人材のミスマッチ：マッチングの質、入職時賃金、転職に関するエビデンス」、American Economic Review 108(11)：3303–3338。
Guvenen, F, B Kuruscu, S Tanaka, and D Wiczer（2020）、「多次元のスキル・ミスマッチ」、American Economic Journal: Macroeconomics 12(1)：210–244。
Lise, J and F Postel-Vinay（2020）、「多次元のスキル、職務への選別、人的資本の蓄積」、American Economic Review 110(8)：2328–2376。
Patnaik, M, A Lamorgese, A Linarello, and F Schivardi（2021）、「経営慣行はリモートワークを促進することでCOVID-19下の企業業績を高めた：イタリアの事例」、VoxEU.org、5月1日。
Syverson, C（2011）、「生産性を決める要因は何か？」、Journal of Economic Literature 49(2)：326–365。
注記
1 このルールは、職務配置を予測する際に企業と従業員の両方の特性を考慮する。
2 生産性の十分位は、企業の固定効果を含むその他の決定要因に対して生産性を回帰した際の生産性固定効果に基づいて算出する。分析は企業の産業分類と規模区分ごとに行う。
