概要
https://techblog.insightedge.jp/entry/personnel-evaluation-by-ai
詳細内容
## 評価プロセスを生成AIで （半）自動化する！人事評価 x AIの境界実験
https://techblog.insightedge.jp/entry/personnel-evaluation-by-ai
人事評価の「作業」部分をAIエージェントで自動化し、マネージャが「判断」と「対話」に集中するための具体的なワークフローと境界線を定義する。
**Content Type**: 🔬 Research & Analysis
**Language**: ja
**Scores**: Signal:5/5 | Depth:4/5 | Unique:4/5 | Practical:5/5 | Anti-Hype:5/5
**Main Journal**: 90/100 | **Annex Potential**: 89/100 | **Overall**: 92/100
**Topics**: [[人事評価, AIエージェント, RAG, GitHub連携, エンジニアリングマネジメント]]
マネージャにとって最も精神的負荷の高い業務の一つである「人事評価」に対し、生成AIやAIエージェントをどこまで介入させるべきか、その「境界線」を技術的・組織的視点から考察した記事です。著者はInsight EdgeのCTOであり、評価業務を「情報の収集・整理」「評価軸への照合」「最終判断・対話」の3段階に分解した上で、AIが担うべきは前2者の「作業」に限定し、後者の「判断」は人間が負うべき聖域であると明確に定義しています。
記事では、評価の透明性と納得感を担保するための具体的なデータ収集・整理手法が解説されています。
1. **データソース別の収集戦略**: Slackからは意思決定ログや周囲への巻き込みを（Ubie社公開のSlack MCPサーバ活用）、Google Driveからは成果物の構造化力や論理性を（Gemini Enterprise活用）、GitHubからは単なるコード量ではなく「設計意図」や「トレードオフの判断」が見える代表的なPR（3〜5本）を、GitHub API経由で収集しRAGを構築する手法を提示しています。
2. **評価軸へのマッピングとバイアス検知**: AIには点数付けをさせるのではなく、収集したエビデンスが企業のバリューや評価基準のどの項目に該当するかを分類・説明させる役割を担わせます。さらに、直近の出来事に評価が引きずられていないか、発言量だけで過大評価していないかといった「バイアスの可能性」をAIに列挙させることで、人間の判断を補完する仕組みを提案しています。
著者が最も強調しているのは、「AIはマネージャを『楽』にするが、責任を『軽く』はしない」という点です。昇給や昇格といった個人の人生に直結する意思決定、および成長を促すための感情を伴う対話は人間にしかできない仕事であり、AIの役割はマネージャがその本質的な業務に集中できる環境を整えることにあると主張しています。技術的な実装案だけでなく、人事評価という極めてセンシティブな領域において、AIとの共存をどう設計すべきかという哲学的な指針が含まれており、エンジニア組織のリーダーにとって非常に実用性の高い内容となっています。