AIが人事オペレーティングモデルと人事の役割をどう変えるか
Turn this article into takeaways for your work.
Each assistant summarizes the article only for you and suggests best practices for your work.
人事オペレーティングモデルとは、人事部門が業務をどう編成するかという仕組みです。誰が従業員の質問に答え、誰がマネージャーに助言し、誰が制度やプログラムを設計するのかを定めます。AIは、定型的な依頼や下書き作業の多くを引き受けることでこのモデルを変え、人の労力を判断、設計、監督へと移していきます。 この変化によって人事が不要になるわけではありません。人事内の各チームの存在意義が変わり、新しい役割がいくつか生まれます。
本記事は、AIツールの登場に合わせて人事の再編を検討しているCHRO、人事ディレクター、人事マネージャー向けです。ユースケースそのものを扱うAI in HR: the full guideの、戦略レベルの姉妹編です。
重要なポイント
- Dave UlrichのHuman Resource Champions（Harvard Business Press、刊行は1996年10月と記載されていますが、一般には1997年として引用されます）は、戦略パートナー、管理エキスパート、従業員チャンピオン、変革エージェントという4つの人事の役割を示しました（Google Books listing）。
- シェアードサービス、専門知識センター、ビジネスパートナーという、おなじみの「スリーボックス」構造は、この役割の考え方から生まれました。CIPDのオペレーティングモデル特集で、Allan Boroughsは、Ulrichは「自分が考案したと主張したことは一度もない」と述べています（CIPD, Changing HR Operating Models）。
- SHRMの State of AI in HR 2026 調査（1,900人超の人事担当者）では、人事がスキルアップの取り組みを主導していると答えたのは28%にとどまりました。一方、AIによって職務内容が変わったと答えたのは39%、新しい役割が生まれたと答えたのは24%、雇用の喪失が生じたと答えたのは7%でした（SHRM, 5 critical insights for CHROs）。
- Deloitteの2025年版 Global Human Capital Trends では、マネージャーは時間のほぼ40%を目先の問題と管理業務に費やし、部下の育成に充てているのは13%にすぎません（Deloitte press release）。
- EU AI法のもとでは、人の募集や選考、あるいは昇進、雇用終了、業務の割り当て、業績の監視に関する決定に使われるAIシステムは、附属書IIIで高リスクに挙げられています（EU AI Act, Annex III）。
誰もが出発点とするモデル：Ulrichの役割とスリーボックス構造
ある程度の規模の人事部門の多くは、3つのチームのいずれかの形で編成されています。シェアードサービス（人事オペレーションやサービスセンターとも呼ばれます）は、取引処理と従業員の質問に対応します。給与に関する問い合わせ、休暇、契約、記録などです。**HRビジネスパートナー（HRBP）**は事業部門に所属し、人に関する課題についてそのリーダーに助言します。**センター・オブ・エクセレンス、または専門知識センター（COE）**は、報酬、タレントアクイジション、人材開発、組織設計などの領域を担う小規模な専門チームです。
このモデルはしばしば誤って語られるため、正確な点を押さえておく必要があります。Ulrich自身の著書が提唱したのは、人事担当者が同時に果たすべき4つの役割でした。出版社の説明によれば、人事が十分に貢献するには、4つの領域すべてで同時に働く必要があります（Google Books）。多くの人が「Ulrichモデル」と呼ぶ構造は、実務家がそれらの役割をチームに落とし込んだ後に登場しました。CIPDの特集は、この著書が「人事の役割の性質に基づいて人事活動を区別することを提案した」ものであり、Ulrichは自らの名を冠した3本脚の構造を「考案したと主張したことは一度もない」と述べています（CIPD）。同じ特集で、Nick Holleyはこれを「基本的に健全なモデル」と呼びながらも、とりわけビジネスパートナーについて「意図と現実の間に大きな隔たりがある」と指摘しています。
その隔たりこそ、AIが入り込む余地です。HRBPが1週間を、マネージャーの質問への回答や承認の催促に費やしているなら、肩書が良いだけのシェアードサービスとして動いていることになります。AIは混乱したモデルを直してくれません。むしろ混乱のコストを高めます。自動化すべきだった業務が、実際に自動化できるようになるからです。
AIが各柱をどう変えるか
下の表は、各ボックスで何が変わるかを実務の視点で整理したものです。技術が各チームの業務にどう適合するかを示すものであり、特定の企業の予測ではありません。
| 柱 | 現在の役割 | AIが引き受けること | 人に残ること | チームの変化 |
|---|---|---|---|---|
| シェアードサービス | 従業員の質問への回答、変更の処理、記録の維持 | 規程文書に基づく一次回答、チケットの仕分けと振り分け、通知文や定型回答の下書き作成、データ入力のチェック | 機微なケース（苦情、医療休暇、給与に関する争い）、例外対応、法的書類の最終承認 | 一次対応の担当者が減り、ケースマネージャー、コンテンツオーナー、プロセス設計者が増えます |
| HRビジネスパートナー | リーダーへの助言、マネージャーのコーチング、事業レビューへの人事データの提供 | 会議前のブリーフィング、ワークフォースのサマリーの下書き、マネージャー向けコーチング資料の初稿、マネージャーからの定型的な質問への対応 | 場の空気を読むこと、リーダーとの交渉、チームの問題への対処方針の決定、倫理的な判断 | 助言と変革に充てる時間が増え、データとAIを使いこなす力がより強く求められます |
| センター・オブ・エクセレンス | 報酬、タレント、人材開発、DEI、制度のプログラムを設計 | 調査結果の統合、ジョブアーキテクチャや学習コンテンツの下書き、シナリオのモデル化、規程の一貫性を確かめる文書レビュー | プログラム設計上の選択、公平性とスピードのトレードオフ、基準の所有 | AIが従うルールの所有者となり、その品質確認とバイアス確認も担います |
| 人事部門全体 | 人事を複数のチームの集合として運営 | 3つの柱にまたがる定型ワークフローのオーケストレーション | 人に関する決定への説明責任 | 分析、AIプロダクト、ガバナンスのための新しい役割が生まれます |
最も大きな構造的圧力はシェアードサービスにかかり、最も大きなスキル面の圧力はHRBPにかかる点に注目してください。
シェアードサービス：回答することから、ナレッジシステムを管理することへ
シェアードサービスは、AIが初期から最も明確に適合するボックスです。自社の規程に基づくAIアシスタントは、「ドイツでは忌引休暇は何日取れますか？」という質問に、回答する前に該当する規程の文面を取得して、数秒で答えられます。チケットの分類と振り分けや、定型の通知文の下書き作成も、同じ理屈に従います。回答するだけでなく行動もするアシスタントについては、AI agents for HRで詳しく取り上げています。
これが実務で意味するのは、仕事の構成の変化です。同じ質問に40回答える人は減り、回答の品質を管理する人が増えます。規程を最新に保つこと、アシスタントが露呈させた抜けを埋めること、アシスタントがエスカレーションした会話をレビューすることです。シェアードサービスのリーダーに新たに求められる中核的なスキルは、待ち行列の運営よりも、ナレッジベースの運営に近いものです。
CIPDの特集で引用されているJosh Bersinは、よく設計されたセルフサービスのシステムが、ゼネラリストを減らしスペシャリストを増やす方向への移行につながると指摘しています（CIPD）。単純な質問がなくなり、難しい質問だけが担当者に届くようになれば、そうなるのは自然なことです。
HRビジネスパートナー：分析することから、解釈することへ
ビジネスパートナーは、準備作業の一部を手放します。部門別の離職データの抽出、エンゲージメントのコメントの要約、四半期ごとの人材レビューの下書き作成などです。そのぶん、他に任せられない仕事の時間が増えます。この数字がこのリーダー、このチーム、この四半期にとって何を意味するのかを判断することです。
マネージャーは、この話のもう半分です。Deloitteの2025年の調査では、マネージャーは時間のほぼ40%を目先の問題と管理業務に費やし、部下の育成に充てているのは13%にすぎませんでした（Deloitte）。AIを活用したマネージャー向けセルフサービスが「これはどう登録するのか」という質問を処理してくれるなら、HRBPのカレンダーはコーチングやチーム設計へと移せます。そうでなければ、HRBPはエスカレーションの窓口のままです。どちらになるかを決めるのはツールだけではなく、オペレーティングモデルです。
センター・オブ・エクセレンス：プログラムの設計から、機械の統制へ
COEは、調査の迅速化、職務記述書やラーニングパスの初稿、サーベイのテキスト分析にAIを使います。しかし、より大きな新しい責任は、AIシステムが彼らのルールを大規模に適用するようになったことです。報酬チームの給与バンドのロジックは、オファーを提案するツールに組み込まれると、何千回も守られます。タレントチームの「適格」の定義は、スクリーニングツールに組み込まれると、判断のルールになります。
そのため、COEは公平性のテスト、定義、例外ポリシーの当然の所有者になります。これはAIガバナンスや、AIにおけるバイアスの監視に直結します。CIPDの特集でBoroughsは、過去の変革投資の大半がシェアードサービスとそのITシステムに向けられ、専門知識センター、とりわけタレントマネジメント向けは後回しにされてきたと指摘しています（CIPD）。AIでこのパターンを繰り返すのは誤りでしょう。受付は自動化しても、ルールを作る側には十分なリソースを割かないことになるからです。
AIに移る業務と人に残る業務
どの業務にも使える有効な基準は、2つの問いです。反復的でルールに基づいているか、そして誤答のコストが低いか、または取り戻せるか。どちらもイエスなら、レビューを付けて自動化する候補です。回答が誰かの給与、仕事、健康、法的地位に関わるなら、人が責任を持つ形を維持してください。これがヒューマン・イン・ザ・ループの設計の考え方です。
チェックを付けてAIに任せやすいもの：
- 規程や福利厚生に関する定型的な質問への回答
- サーベイのコメント、退職面談、評価コメントのテキストの要約
- 職務記述書、オファーレター、各種連絡文の下書き作成
- 依頼の日程調整と振り分け
- ワークフォースレポートの初版の作成
人の意思決定者に残すもの：
- 採用、昇進、懲戒、雇用終了の決定
- 調査と従業員関係のケース
- 給与の例外と配慮の依頼
- 影響を受ける人が、当然誰かと話せると期待するあらゆるもの
規制の状況も、この区分を裏付けています。EU AI法の附属書IIIは、人の募集や選考、労働条件、昇進、雇用終了に関する決定、個人の行動や特性に基づく業務の割り当て、業績の監視と評価に使われるAIシステムを、高リスクとして挙げています（Annex III）。ニューヨーク市のLocal Law 144は、自動雇用判断ツールを使用前の1年以内にバイアス監査にかけること、そして監査に関する情報を公開することを求めています（NYC Department of Consumer and Worker Protection）。これらの規則は、採用と雇用に関する決定を具体的に対象としており、人の判断の境界線はすでにそこに引かれているはずです。
形成されつつある新しい役割
SHRMの調査は、誇張せずに方向性を示す最良の材料です。1,900人超の人事担当者のうち、39%はAIによって職務内容が変わったと答え、24%は新しい役割が生まれたと答え、7%は雇用の喪失が生じたと報告しました（SHRM）。傾向としては、削減よりもはるかに再設計です。下の役割は、規模の大きい人事部門向けの設計案であり、SHRMが報告した職位名ではありません。小規模なチームでは、通常そのうちの2つか3つを既存の職務に統合します。
| 役割 | 担当すること | 通常の配置先 |
|---|---|---|
| HR AIプロダクトオーナー | AIを活用した人事サービス（たとえば従業員向けアシスタント）を所有します。バックログ、ユーザーからのフィードバック、品質指標、ベンダーとの関係を担当します | シェアードサービス、または小規模な人事オペレーションチーム |
| ピープルアナリティクスのリード | 信頼できるワークフォースのデータを整備し、分析を実施し、結果をリーダーに説明します。ピープルアナリティクスとAIをご覧ください | センター・オブ・エクセレンス、またはCHROの直属 |
| 人事のナレッジとコンテンツのオーナー | アシスタントが回答の根拠とする規程の情報源を維持し、回答できなかった質問から見つかった抜けを埋めます | シェアードサービス |
| HR AIガバナンスのリード | 法務やITと連携して、AIツールの一覧、リスクレビュー、バイアス検証のスケジュール、ベンダーのデューデリジェンスを管理します | COE、またはCHRO室 |
| スキルとワークフォースプランニングのリード | 業務が変わるなかで事業が必要とするスキルを追跡し、採用、学習、異動を結びつけます | タレントCOE |
「HR AIプロダクトオーナー」は、最もなじみの薄い役割なので補足しておきます。この考え方はソフトウェアチームから借りたものです。ツールをITが「所有」して人事が「利用」するのではなく、それがユーザーにとって機能しているかどうかに、特定の誰かが責任を負います。そのオーナーがいなければ、アシスタントは陳腐化し、回答は規程からずれていき、誰も直しません。
人事担当者に今求められるスキル
SHRMのCHRO向けガイダンスは、データリテラシー、プロンプトエンジニアリング、人とAIの協働に関する研修を含め、AIを活用した業務を軸に人事の役割を再定義するスキルアップを推奨しています（SHRM）。実務的なリストにすると次のとおりです。
- AIリテラシー。 こうしたシステムが何を得意とし、どこで失敗し、出力をどう懐疑的に読むかを知っておくこと。AIリテラシーをご覧ください。
- データリテラシー。 ダッシュボードを批判的に読み、数字の出どころを尋ね、信頼するには小さすぎる、あるいは偏りすぎているサンプルを見抜くこと。
- プロンプトとレビューの習慣。 モデルに明確な文脈を与え、出力を原典と照らして確認すること。人事チームのための生成AIは、日常的な下書き作成のレビュールールをまとめています。
- プロセス設計。 人事のプロセスをステップに分解し、どのステップを自動化するかを決め、人への引き継ぎを定義すること。
- 雇用法と倫理に関する理解。 どの用途が監査、通知、監督の義務を生じさせるかを把握していること。
- 変革のリーダーシップ。 マネージャーと従業員が新しい働き方を取り入れられるよう支援すること。
- コンサルティングのスキル。 定型業務が縮小すれば、残るのは助言の仕事です。そのため、リーダーに敬意をもって異議を唱える力が、HRBPの仕事の中核になります。
同じ調査には、気まずい結果も含まれています。人事がスキルアップの取り組みを主導していると答えたのは、わずか28%でした（SHRM）。人事は組織の能力を築く部門であるはずなのに、調査対象の組織の大半では、別の誰かがそれを担っています。まず自分たちのチームを公然とリスキリングすることから始めてください。そうすれば、他の部門に助言するとき、説得力のある話と実際の経験を持てます。
モデルを再設計するための実践的な手順
- 業務をマッピングします。 チームごとに、繰り返し発生する上位15件の業務を挙げ、それぞれを定型処理、助言、設計のいずれかに分類します。ツールから始めないでください。
- 最初の柱を選びます。 エラーが見えやすく取り戻せ、件数も多いため、通常はシェアードサービスが最も安全な出発点です。
- 購入する前にオーナーを決めます。 プロダクトオーナーとコンテンツオーナーを任命します。エスカレーションを誰がレビューするかを決めます。
- 決定権を定めます。 AIが単独でしてよいこと、レビューが必要なこと、決してしてはならないことを書き出します。法務とITも関与させてください。
- 削減する前に再配置します。 余力を、より価値の高い業務（マネージャーのコーチング、分析、ワークフォースプランニング）に振り向け、何が変わったかを正直に記録します。
- HRBPへの期待を見直します。 職務プロファイル、目標、育成計画を更新し、増えた時間が管理業務の増加ではなく助言に使われるようにします。
- 四半期後に見直します。 自己解決率、エスカレーションの質、従業員の満足度、エラーの報告を確認し、調整します。
避けるべき落とし穴
壊れたプロセスを自動化する。 現在、依頼が3つのチームの間をたらい回しになっているなら、アシスタントはそれをさらに速くたらい回しにするだけです。先にプロセスを直してください。
ナレッジベースが整う前に一次対応のスタッフを減らす。 今日質問に答えている人たちは、どの規程があいまいなのかも知っています。その知識が、アシスタントの糧になります。
COEを巻き込まない。 専門チームの誰もレビューしていないルールを適用するモデルは、節約ではなくリスクです。
HRBPがデータの運び屋になる。 ビジネスパートナーがAIが生成したレポートを転送するだけなら、リーダーはなぜ彼らが必要なのかと問うでしょう。価値は解釈にあります。
導入後にオーナーがいない。 アシスタントとワークフォースは、規程が変わるにつれて劣化します。担当のオーナーがいなければ、品質は静かに低下します。
アクセスの公平性を見落とす。 現場の従業員やデスクワークではない従業員は、セルフサービスのチャネルを使わない場合があります。人が対応する経路を残してください。
マネージャーを無視する。 Deloitteは、マネージャーの役割を再発明する必要性を認識している組織が73%にのぼる一方、大きな進展を遂げているのは7%にとどまると報告しています（Deloitte）。マネージャーに必要な備えがなければ、AIが人事で解放した業務は、エスカレーションとして人事に戻ってくるだけです。
次に読む記事
まだお読みでなければ、各柱の中にあるユースケースについて、AI in HRの概要をお読みください。そのうえで1つのチームを選び、上の手順に沿って業務マップを作成し、最初のAI活用サービス、オーナー、レビュープロセスを決めてください。
