パフォーマンスマネジメントにおけるAI：フィードバック、目標、評価コメントの下書き

著者: Kevin Kim · 更新日: 2026年10月11日

パフォーマンスマネジメントにおけるAIとは、ソフトウェア、多くの場合は大規模言語モデルを使って、パフォーマンスにまつわる書類作業や問いかけを支援することです。目標の下書きと精緻化、年間を通じたフィードバックの収集と要約、そしてマネージャーが編集し、責任を持ち、伝える評価コメントの最初の下書きの作成が含まれます。 文章作成とパターンの発見を速めますが、誰を高く評価し、誰の報酬を上げ、誰を昇進させるかを決めるものではなく、決めるべきでもありません。

本記事は、人事責任者、ピープルマネージャー、そして「AI支援による評価」機能の承認を求められているすべての人向けです。評価サイクルの各段階でAIが得意なこと、気づかないうちにうまくいかなくなる箇所、そして人に関するあらゆる判断にマネージャーが責任を持ち続けられるようにする設定方法を扱います。本記事はAI in HRのセクションに含まれます。別の問い、つまり本人の仕事がAIに大きく支えられている人をどう評価するかについては、AIが仕事をするときのパフォーマンスマネジメントで扱っています。

重要なポイント

• Psychological Bulletinに掲載されたフィードバック介入のメタ分析は、23,663件の観測から607の効果量を統合しました。フィードバックは平均してパフォーマンスを高めました（d = .41）が、効果の3分の1以上はマイナスでした（Kluger and DeNisi, 1996, APA）。フィードバックは、多ければ自動的に良いというものではありません。
• 目標設定の研究では、具体的で難度の高い目標のほうが、「ベストを尽くして」と促すよりも高いパフォーマンスにつながり、メタ分析での効果量は.42から.80の範囲にあること、また目標に要約フィードバックを加えたほうが目標だけの場合を上回ることがわかっています（Locke and Latham, 2002, American Psychologist）。
• Gallupによると、マネージャーから少なくとも週1回フィードバックと承認の両方を受けている従業員の61%がエンゲージしているのに対し、週1回フィードバックを受けても承認が少ない従業員では38%でした。マネージャーから少なくとも週1回フィードバックを受けたいと答えた従業員は27%にとどまりました（Gallup, October 2024）。
• 600本の学生のエッセイでLLMを検証した研究者は、性別を示す手がかりを入れ替えると、女性から男性への方向よりも男性から女性への方向でフィードバックがより大きく変わり、女性の手がかりのもとではより統制的なフィードバックになることを見出しました（Du, Borchers and Cukurova, arXiv）。これは職場のデータではなく教育のデータですが、人事がテストすべき仕組みはこれと同じです。
• EU AI法の附属書IIIは、昇進や解雇の決定、個人の行動や特性に基づく業務の割り当て、労働者のパフォーマンスや行動の監視と評価を意図するAIシステムを、高リスクとして挙げています（Regulation (EU) 2024/1689, EUR-Lex）。欧州委員会は、雇用を含む分野の高リスク規則は2027年12月2日から適用されるとしています（European Commission）。

パフォーマンスサイクルでAIが実際に行うこと

ACE Frameworkの観点では、パフォーマンスツールはテキスト（目標の文書、チェックインのメモ、同僚のコメント）と一部の構造化データ（評価、日付、目標値）を取り込み、分析して要約し、下書きを生成します。パターンは、生成型リサーチ（1年分のメモをまとめる）とワークフローコパイロット（マネージャーが次に書くべきこと、行うべきことを提案する）です。いずれも、モデルに人についての何かを予測させる必要はなく、最も安全な導入は、そのままの形を保ちます。

サイクルとの対応は次のとおりです。

率直に言えばこうです。AIは文章の最初の8割は得意ですが、実際の判断を担う最後の2割は不得意です。AIは最初の部分にとどめてください。

目標設定：AIが最も役立つ場面

目標設定の研究は、応用心理学で最も堅固な知見の1つです。具体的で難度の高い目標は「ベストを尽くして」を上回り、目標と進捗に関する定期的なフィードバックの組み合わせは、目標だけの場合に勝ります。ほとんどの会社で問題になるのは理論ではなく、目標が年に一度、慌ただしく、あいまいな言葉で書かれていることです。

そこでアシスタントの出番です。大まかな目標を与えると、指標、期間、最初のマイルストーンを備えた案を提案できます。「リテンションを改善する」と書いたカスタマーサクセスマネージャーなら、「第3四半期末までに、ミッドマーケットセグメントの解約率を現在の水準から目標値まで下げ、リスクのあるアカウントを毎月レビューする」という案が返ってきます。ソフトウェアチームのリーダーは、「コード品質を改善する」を、レビューの所要時間と本番に漏れた不具合に関する目標に変えられます。

これを機能させる3つのルールがあります。

1. 提案するのは従業員で、磨くのはツールです。 AIがゼロから目標を書くと、本人はそれにコミットしていません。目標を機能させるのは、コミットメントです。
2. 難度は自分で確認します。 この人がこの担当領域で何がストレッチかを、モデルは知りえません。マネージャーは、話し合ったうえで目標値を調整するべきです。
3. 目標は、活動ではなく仕事に結び付けます。 成果が本来の目的なのに、労力（かけた電話の数、クローズしたチケットの数）を測る目標があれば、指摘するようアシスタントに依頼します。AIがアウトプットを水増しするときには、これはさらに重要になりますが、それは本記事で扱う問題とは別の問題です。

継続的なフィードバック：有用だが、間違えやすい

Gallupの2024年10月の分析は、頻繁なフィードバックと承認の組み合わせを、高いエンゲージメントに結び付けていますが、同時にギャップも示しています。マネージャーから週1回のフィードバックを望む従業員は27%にとどまり、一緒に働く人たちから価値あるフィードバックを受けていると強く同意するのは4人に1人だけです。「もっと頻繁に、もっと多くのフィードバックを」を売りにするツールには、誰もが慎重になるはずです。

Kluger and DeNisiのメタ分析は、冷静に受け止めさせる対照的な材料です。フィードバックは平均して役に立ちましたが、効果の3分の1以上はマイナスでした。これをAI支援のフィードバックに当てはめると、実践的な助言は明確です。

• AIは、フィードバックを具体的で課題に焦点を当てたものにするために使います。 「あなたが出したオンボーディングのメールシーケンスは、初回利用までの時間を短縮しました。書き直すべきは2通目です」は、「素晴らしい仕事です、その調子で」や「もっと戦略的になる必要があります」よりも優れています。
• 要約に使い、採点には使いません。 5件の同僚コメントを3つの繰り返し現れるテーマにまとめるのは、モデルに向いた仕事です。ある人の「協調性」に数字を付けるのは、そうではありません。
• 量ではなく、きっかけを使います。 3週間1対1をしていないマネージャーへのリマインダーは価値を加えます。自動生成された称賛が延々と続くのは、そうではありません。
• 承認は人が行います。 Gallupのデータは、マネージャーからのフィードバックと承認の組み合わせを示しています。機械が下書きした感謝のメッセージは、そうと読めてしまうため、効果を持つことはまれです。これは、従業員エンゲージメントのためのAIで扱うシグナルと組み合わせてください。

評価の下書き：書類作業は速くなるが、リスクは現実にある

評価の時期は、マネージャーが最も多くの時間を費やす時期であり、AIが最も魅力的に見える場面です。マネージャーがメモと目標を貼り付けると、モデルは数秒で構成された文章を返します。下書きの技法については人事チームのための生成AIで扱っています。ここでは評価に固有の点を述べます。

得意なこと。 散らばったメモを目標ごとに整理し、文法を直し、冗長な段落を短くし、偏った言い回しの代替案を示します。年に12件の評価を書き、文章を書くのが苦手なマネージャーにとって、現実の障壁を取り除きます。

苦手なこと。

• 無難で、誰にでも当てはまる文章。 モデルは、もっともらしい称賛ともっともらしい批判を生み出します。まったく異なる1年を過ごした2人の従業員が、ほぼ同じ段落になることがあります。
• 作り話の具体例。 薄いメモを「肉付けして」と頼まれたモデルは、実際には起きていない成果や出来事を付け加えることがあります。これはハルシネーションの問題（AIのハルシネーション）であり、評価では、誰かのファイルに残る虚偽の記述になります。
• 偏った言葉づかい。 LLMの出力は、学習データのパターンを反映します。前述の教育の研究では、性別を入れ替える反事実的な操作でフィードバックが変わり、男性の手がかりのもとでは自律性を支える表現が、女性の手がかりのもとでは統制的な表現が多くなりました。LLMが書いた推薦状に関する別の論文は、言語スタイルと語の選択に有意な性別バイアスがあることを見出しています（Wan et al., arXiv）。人事評価は、同じ種類の文章です。
• アンカリング。 洗練された下書きには反論しにくいものです。マネージャーは受け入れて少し手直しする傾向があり、モデルの枠組みが気づかないうちに結論になります。

簡単な規律が役立ちます。マネージャーが先に判断（評価の根拠を平易な数文で）を書き、AIは周辺の構成と言い回しを手伝います。その逆にはしません。

職種別の実例

セールス。 セールスマネージャーが、各担当者について毎週箇条書きのメモを残しています。年央にアシスタントがメモを目標（パイプラインのカバレッジ、受注率、予測精度）ごとにまとめ、サマリーを下書きします。マネージャーは、メモが裏付けていない2つの主張を削除し、担当エリアの変更に関する背景を加え、評価の根拠は自分で書きます。

エンジニアリング。 チームリーダーがアシスタントに、「信頼性を担う」のようなあいまいな目標を測定可能なものに書き直すよう依頼し、その後、各エンジニアと確認します。エンジニアの1人がある目標値に異議を唱え、最終的な数値は本人のものになります。

カスタマーサポート。 サポートマネージャーが、品質保証のコメントと顧客からのフィードバックに共通するテーマを、担当者ごとにAIで要約します。そのサマリーは、自動的なスコアではなく、コーチングの会話の出発点になります。

HRビジネスパートナー。 キャリブレーションの前に、パートナーは評価の下書きに対し、グループによって異なる表現がないかをチェックします。ある人にはあいまいな称賛、別の人には具体的な称賛になっていないか、行動の代わりに性格へのコメントになっていないかなどです。これによりパターンが浮かび上がり、マネージャーが修正できます。それだけで評価が変わることはありません。

公平性とマネージャーの説明責任

成否を分ける問いは2つあります。それは公平か、そして公平でないときに誰が責任を負うのか、です。

公平性。 AI支援による評価プロセスは、信頼するものではなく、テストするものとして扱ってください。性別、年齢、勤務地、勤続年数ごとに、下書きの長さ、具体性、トーンを比較します。誰が「もっと積極性が必要」と言われ、誰が「素晴らしいチームプレーヤー」と言われているかを見てください。法的に保護対象属性を分析できる場合は、ツールを導入する前と後で、グループ別に評価と昇進の結果を確認します。

説明責任。 評価書に署名するのはマネージャーです。これは、ポリシーでも実務でも変わらないようにしなければなりません。次のように書面にしてください。

• AIは下書きと要約を行ってよいが、すべての記述に責任を負うのはマネージャーです。
• 従業員は、AIが文書の作成を支援したこと、どのデータが入力されたかを知らされるべきです。
• 評価、報酬、昇進の決定は人が行い、人が平易な言葉で理由を説明できなければなりません。これがヒューマン・イン・ザ・ループの原則です。
• 従業員は訂正を求めることができ、それを扱うのはツールではなく人です。

法的リスク。 EUでは、GDPR第22条が、プロファイリングを含む、完全に自動化された処理のみに基づく、重大な影響を及ぼす決定の対象とされない権利を個人に与えており、その保護措置には、人による介入を求める権利と決定に異議を唱える権利が含まれます（GDPR, EUR-Lex）。AI法の附属書IIIも、労働者を評価するシステムについて同じ方向を示しています。ほかの地域の規則は異なり、変わり続けているため、管轄ごとに顧問弁護士を関与させてください。実践的な基準はこうです。そのツールが誰かの報酬、昇進、雇用についての決定に影響を与えるなら、高リスクとして扱い、人にその責任を持たせ続けます。

予測スコア。 強力な安全策なしに、評価データを使って誰が辞めるか、誰に「ポテンシャル」があるかを予測することは控えてください。また、評価に連動する報酬の決定は、報酬計画におけるAIの指針と結び付けてください。

パフォーマンスマネジメントにAIを導入する：ステップごとに

1. 段階を1つ選びます。 目標の下書きか、メモの要約から始めます。評価やキャリブレーションよりもリスクが低い領域です。
2. レッドラインを定めます。 AIは、評価、ランキング、昇進の推奨、解雇の理由を作成しません。パイロットを始める前に、これを書面にしてください。
3. 入力を整えます。 薄い、あるいは偏ったメモを要約するモデルは、薄い、あるいは偏った要約を出します。マネージャーが年間を通じて記録すべきエビデンスを合意してください。基礎についてはAIのための人事データ基盤で扱っています。
4. 適切な制御を備えたツールを選びます。 従業員データが公開モデルの学習に使われず、アクセスが役割で制限され、すべての下書きが何に基づいているかを示すエンタープライズ向けの環境を探してください。
5. マネージャーを教育します。 上手なプロンプトの出し方、作り話の細部の見つけ方、判断を自分の言葉で書き直す方法を扱います。機能の説明よりも、そのための1時間のほうが効果があります。
6. フィードバックの仕組みを備えてパイロット導入します。 1つの部門で1サイクル実施します。マネージャーには時間がどれだけ節約されたか、従業員には評価がより正確で個人に即していると感じたかどうかを尋ねます。
7. バイアスをテストします。 グループ間で下書きと最終結果を比較します。差が見つかったら、プロンプトとテンプレートを修正します。
8. 従業員に伝えます。 AIを何に使うか、何に使わないか、懸念を伝える方法を説明します。
9. 重要なことを測定します。 評価1件あたりにかかった時間、従業員による品質スコア、評価分布の変化、訂正の件数を追跡します。節約できた時間だけでは、成功の指標として不適切です。
10. 毎年レビューします。 モデル、規制、そして自社の従業員は変化します。サイクルごとに、レッドラインとテストを再確認してください。

よくある落とし穴

• 下書きが結論になってしまう。 マネージャーには、AIの文章を見る前に評価の根拠を書かせてください。
• フィードバックの量を測る。 価値のない頻度は役に立ちません。受け取るフィードバックが価値あるものだと強く同意する従業員は、4人に1人だけです。
• 自動生成された称賛。 従業員は見抜きますし、本物の承認の価値を下げます。
• 確認されていない具体例。 下書きに含まれるすべての成果や出来事を、メモと照らして確認するようマネージャーに求めてください。
• ツールを順位付けに使う。 要約から採点へ移ると、文章作成の補助が高リスクのシステムに変わります。
• バイアスのテストを省く。 グループ間で出力を比較しなければ、わかりません。
• 開示がない。 AIの隠れた利用は、誰かが気づいた瞬間に信頼を損ないます。

次に読む記事

• 人事におけるAIの全体像については、AI in HRから始めてください。
• AI支援の仕事が、評価すべき対象をどう変えるかについては、AIが仕事をするときのパフォーマンスマネジメントをお読みください。
• 評価の素材を自動的にまとめるエージェント型のツールについては、AI performance review agentをご覧ください。
• 目標とフィードバックがスキル台帳にどう反映されうるかについては、AIによるスキル推論をお読みください。