HR部門におけるAI活用 — 経団連レポートを読む（企業事例8社＋実装の型）

この報告書の結論（4つ）

HR部門でのAI活用は「手探り」から「加速」フェーズへ
企業の9割超がAIを活用。ただし採用・労務が先行し、評価・報酬・配置はまだ少数
大前提は「AIは人間の意思決定のサポート」
AIが下ごしらえ（大量データ処理・自動化）→ 最終判断は必ず人間が責任を持つ
効果を出す型は「小さくはじめる／属人業務を見える化・標準化する」
定型・効果が測れる業務から。属人化の棚卸しがAI導入の下準備になる＝脱・属人そのもの
カギは「データ整備」と「推進の司令塔」
人事データの整備・蓄積と、CAIO/CHROなどAI推進体制の構築が競争力を分ける

CHAPTER 1

この報告書は何か

発行	一般社団法人日本経済団体連合会（経団連）／ 2026年4月14日
正式名称	HR部門におけるAI等の活用に関する報告書
背景	少子高齢化・労働力不足の中、限られた人材をどう活かすかが企業存続の鍵。生成AIで職場のAI活用可能性が飛躍的に拡大するも、HR（人事・労務）部門は手探り状態
調査	2025年7月〜2026年2月、HRの4領域（①採用 ②人材配置 ③人材育成 ④労務管理）でAIを活用する企業・システム開発事業者へヒアリング。あわせて経団連アンケート（n=75社）

※本教材は報告書の要点を学習用に整理・要約したもの。数値・事例は報告書（2026年4月時点）に基づきます。原典は末尾リンクを参照。

CHAPTER 2

HR×AIの現在地 — 数字で見る

9割超

何らかの形でAIを活用する企業（経団連調査）

日本40%

アルゴリズム管理ツール導入率（米90% / EU79%）

人事49社

部門別で最多。次いで営業・CS・研究開発

職場全体ではAI活用が急増する一方、HR部門は世界的に見ても日本が出遅れています（アルゴリズム管理ツールの導入率は米国90%・EU79%平均に対し日本40%／OECD 2025）。とりわけ差が大きいのが「評価」領域で、ジョブ型で評価基準が明確な米国はデータ蓄積が進んでいることが背景と指摘されています。

人事部門の中では、どの業務で使われているか

HR業務	活用企業数	中身で多いもの
採用	25社	応募者スクリーニング(15)／面接サポート(13)
労務管理	22社	労務相談の一次対応=AIチャットボット(19)
エンゲージメントサーベイ	21社	—
人材育成	20社	面談サポート=1on1整理・議事録(14)／研修レコメンド(11)
人材配置	13社	ポジションマッチング(6)／職務記述書作成(5)
人事評価	13社	—
報酬	5社	—

読みどころ先行しているのは「採用」と「労務相談」——いずれも定型的で量が多く、効果が測りやすい業務です。逆に「評価」「報酬」「配置」は判断の重みが大きく、慎重。小さく・測れるところからという後半の提言が、そのまま実データに表れています。

CHAPTER 3

大前提 — AIは「人間の意思決定のサポート」

報告書が最も強調するのが、HR部門におけるAIは、人間の意思決定のサポート機能として活用するという一線です（根拠は政府「人間中心のAI社会原則」）。AI活用は次の3ステップで、最終判断は必ず人間が責任を持ちます。

ステップ① 人間がインプット AIに何をさせるか決め、必要なデータ・評価基準を用意 ↓ ステップ② AIがサポート大量データ処理・手作業の自動化 → 下ごしらえ／レコメンド ↓ ステップ③ 人間が最終意思決定 AIが判定した理由を把握したうえで、人が責任を持って決める

業務	AIがやる（②）	人間が決める（③）
採用	面接レポート作成・レコメンド	候補者の合否確定
人材配置	職務記述書の原案生成	部門間調整・修正
人材育成	一人ひとりに合った研修をレコメンド	本人とのキャリア面談・相談
労務管理	問い合わせに自動対応	複雑・繊細な相談への対応

プログラムの型と一致これは事例集の共通の型「人を"作業"から外し、"判断"に残す」と同じ発想です → 導入事例集。AIに運搬・下ごしらえを任せ、人間は承認と方針に集中する。

CHAPTER 4

求められる対応 — 現場に根付かせる3本柱

報告書は、HR部門ならではの重み（社員のキャリア・処遇・組織運営に直結する情報を扱う）を踏まえ、3つの対応を挙げています。

① 安全性・公平性・透明性の確保

採用・評価・配置など影響の大きい判断をAIの結果だけで決めない
採用・評価AIに性別・年齢等の属性を入力・学習させない／出力を属性別に定期検証
入力する人事データは必要最小限・要配慮個人情報は入力しない
採用・評価でAIを使っていることを社員・候補者に明示（透明性）

参考：総務省・経産省「AI事業者ガイドライン」、ピープルアナリティクス&HRテクノロジー協会「人事データ利活用原則」

② 戦略的推進体制の構築（司令塔を置く）

AI推進を担う役員ポジション（CAIO等）を設置している企業は35%、部長クラス等の責任者まで含めると55%。人材戦略を統括するCHROと連携させるのが重要、とされます。担い手は経験者採用・IT/DX部門連携・ベンダー/大学協力などで確保。

③ 運用・定着の仕組みづくり

(1) 現場の理解を得る 利用目的・範囲を丁寧に説明。特にモニタリング/評価/予測は不信を招きやすい (2) 継続的にアップデート 技術も人の役割意識も更新し続ける。データを整備し精度を上げる (3) 小さくはじめる 定型・効果が測れる業務から。属人業務を見える化・標準化するのが下準備

ここが脱・属人(3)の「属人化していた業務を見える化・標準化してからAIを入れる」は、このプログラムの中心思想そのもの。AI導入の本質は業務フローの作り直し → AIで会社を変える前に。

CHAPTER 5

企業事例8社ダイジェスト

報告書に収録された8社を、領域・使ったツール・出た効果（数字）で一覧にします。

企業	領域	ツール／取組み	効果（数字）
トランスコスモス	採用	harutaka で面接官スキルを可視化・研修	内定承諾・入社率約10%向上
JCB	採用	HireVue で録画面接（現場社員面接を廃止）	現場社員の面接約900時間削減
中外製薬	人材配置	生成AIで職務記述書(PP)を内製・手挙げ異動	約5,000ポジションのPP作成を短期・高品質化
テルモ	人材配置	ONE Connect(Gloat)で人財マッチング	人脈2,200件超・異動13件・PJ43件成立
竹中工務店	人材育成	karafuru AIで1on1の「壁打ち練習」	管理職約1,100名、8割が対話力向上を実感
デンソー	育成・労務	キャリア支援ダッシュボード＋FAQ自動作成	キャリア支援の工数 5,400時間→約15時間の試算
日本IBM	労務	AskHR＋watsonx Orchestrate／昇進支援HiRo	年1,100万件・94%を自動解決・約40%コスト削減
ウィルオブ・ワーク	労務	ウィルキャリで派遣スタッフの悩みを早期察知	累計約400件の悩みを発見・解消

特に学びの多い3社

JCB 採用

金融業／従業員4,513人

現場社員が通常業務の合間にやっていた新卒面接を、AI録画面接（HireVue）へ移行。AIスコアはあくまで参考で、合否の最終判定は採用担当が行う。導入前にはインターン参加者の協力で「AI選考 vs 社員面接」の結果を突合し、大きな差がないことを検証してから採用。

約900時間を削減し、その時間をOB・OG訪問など学生との対話に再投資。地方学生の応募増にも寄与。

デンソー育成・労務

自動車部品／従業員43,781人

自社の悩み・人事制度を読み込ませた専用生成AIが、社員一人ひとりにキャリア形成レポートを自動生成。AIの提案は人間が安全性・妥当性をチェックしてから提示。別途、問い合わせ履歴からFAQを自動生成するツールも運用（担当者が退勤時に指示→翌朝にたたき台が完成）。

全社員に人手で行うと 約5,400時間 → 約15時間の試算。一方「AIが直接キャリア相談に乗る」形は、希死念慮・労務問題への誤回答リスクがあり慎重に線引き。

日本IBM 労務

情報通信／自社を"ゼロ番目のクライアント"に

人事問い合わせAI「AskHR」にAIエージェント（watsonx Orchestrate）を統合し、申請の自動完了まで実現。昇進支援「HiRo」はマネージャーの依頼で社員データを収集・整形し昇進候補を提示、最終判断はマネージャー。自社実践で得た知見を顧客企業のHRへのAI導入支援にも展開。

年1,100万件のやり取り・94%を自動解決・約40%コスト削減。昇進プロセスは10週→6週、サポート業務の85%削減と推計。

CHAPTER 6

私たちの学び — このプログラムとどう繋がるか

大企業8社の事例ですが、貫く設計思想は規模を問わずこのプログラムの型と一致します。

報告書の要点	プログラムの対応する考え方
AIは意思決定のサポート、最終判断は人間	人を「作業」から外し「判断」に残す → 事例集
小さくはじめる／定型・測れる業務から	最初の一歩＝小さな自動化 → はじめての自動化
属人業務を見える化・標準化してから入れる	AI導入＝業務フローの作り直し → 会社を変える前に
人事データの整備・蓄積が精度を分ける	会社固有のデータ＝alpha／会社OS → 会社OSとFDE
IBM「自社で実践→顧客へ導入支援」	現場実装の知見を製品資産に変える＝FDE → 会社OSとFDE

正直な注記（規模の前提）この報告書の回答企業は従業員5,000人以上が75社中47社と大企業中心。数字（例：数千時間の削減）はその規模ゆえの効果で、中小企業にそのまま当てはまるわけではありません。ただし「人は判断に残す」「小さく始める」「属人を標準化する」「データを整える」という原則は規模を問わず有効——そこを持ち帰るのが本教材の狙いです。

おわりに（報告書より）「好むと好まざるに関わらず、AIのガバナンスを適切に構築し、あらゆる分野で積極的に活用する企業が競争力を高めていく時代に突入した」。求められるのは、AIの「意思決定・設計・コントロール」をデザインでき、AIの判断を正しく見極められる人材——まさにこのプログラムが育てる人材像です。

出典 → 導入事例集（個人・現場の実装ハック編）とあわせて。／原典：経団連「HR部門におけるAI等の活用に関する報告書」（2026年4月14日）https://www.keidanren.or.jp/policy/2026/016.pdf