AI時代の人事データ要件｜開示制度から逆算する

AIを人事で使うために、データを整えなければならない。そう言われても、何をどこまで整えるのかは決まりません。基準がないからです。

ところが基準は、すでに外から与えられています。2025年から2027年にかけての開示制度の変更が、人事データに求める条件をかなり具体的に決めています。そしてその条件は、AIに読ませるための条件とほとんど同じです。

この記事では、開示制度から逆算してAI時代の人事データ要件を整理します。数字はCapLeadのデモで使っているサンプルデータ（架空のグループ「サンライズHD」12社・従業員8,420名）です。実在の企業のデータではありません。

AI時代の人事データ要件は、開示制度が先に決めている

AI活用のためのデータ整備は、社内で優先順位が上がりにくい仕事です。効果が出るのが先で、必要な作業が地味だからです。予算会議で通りにくい類の案件でもあります。

一方、開示のためのデータ整備には期限があります。期限のある仕事は動きます。そして中身を見ると、やることはほぼ同じです。

だから順番として、開示を理由に整えて、AIはその上に載せる。この順で進めるほうが、社内の合意も予算も取りやすくなります。AIのために整えると説明すると、効果の証明を先に求められて止まります。

順番を入れ替えるだけで、同じ作業が通るようになるのは、社内政治の話に聞こえるかもしれません。ただ、実務としても合理的です。開示の要件は外から与えられているので、どこまでやれば十分かの線が引けます。AIの要件は自社で決めるしかなく、線が引けないまま議論が長引きます。

2025年から2027年の開示カレンダー

期限のあるものを並べます。自社が対象かどうかは、従業員数と上場区分で決まります。

自社がどれに該当するかで、期限は変わります。ただ、該当しない会社でも方向は同じです。数字を出すだけでなく、その数字を説明できることが求められる方向に動いています。

とくに第三者保証が入る段階では、要求の質が変わります。水準の良し悪しではなく、算出の過程が問われます。抽出条件が担当者の頭の中にしかない状態では、対応に時間がかかります。

制度の中身は「SSBJ基準と人的資本開示」と「人的資本開示の女性活躍3項目」で詳しく扱いました。

開示が求めるものと、AIが求めるもの

並べると、重なりの大きさが分かります。

4つのうち3つは、まったく同じ理由で必要になります。開示のために整えた基盤は、そのままAIの土台になります。追加で買うものも、作り直すものもありません。

違うのは4つ目です。開示では、少人数区分を出さないのは公表資料の作成時に気をつければ足ります。AIでは、生成のたびに効かせる必要があります。画面で非表示にしていても、要約文が「研究所の女性管理職は1名」と書いてしまえば同じことが起きるからです。

この1点だけが、開示の延長では手当てされません。逆に言えば、追加で必要になるのはここだけです。しきい値をいくつにするか、該当者数そのものを出すかどうかまで含めて、設計の初期に決めておいてください。

サンプルデータで見る：同じ基盤が3つの用途に効く

同じ数字が、開示・分析・AIの3つにどう使われるかを見ます。

サンプルデータのグループは、女性管理職比率が9.8%です。

開示では、この9.8%をそのまま出します。管理職の範囲は課長級以上で、課長代理を含めません。含めると18.0%になり、8.2ポイント変わります。だから定義の記録が要ります。公表側の扱いは「女性管理職比率の公表」で整理しました。

分析では、9.8%を分解します。段ごとに見ると、主任・担当45.3%から係長・課長代理24.1%へ21.2ポイント落ちており、ここが最大の絞りです。管理職のひとつ手前ではなく、ふたつ手前です。会社別の寄与では製造が−1.1ポイント、物流が−0.8ポイントで、2社で押し下げの約7割を占めます。打ち手の対象が12社から2社に絞られます。

AIでは、この分解結果を文章にして関係者に配ります。ここで効くのが範囲の制御です。グループ人事には12社の比較が、各社の責任者には自社とグループ平均との差が届く。同じテンプレートから生成して、描画の時点でスコープが適用されます。指示を書く人が範囲を意識する必要はありません。

3つとも、元になっているのは同じ1つの数字と同じ1つの定義です。用途ごとに別々のファイルを作ると、この一致が崩れます。

崩れたことに気づくのは、たいてい数字が食い違ったときです。開示資料の9.8%と、社内資料の別の数字が並んだとき、どちらが正しいかの議論が始まります。正しさの議論ではなく、どちらの定義で出したかの確認で終わるようにしておくのが、この一致を保つ意味です。

9.8%をどこまで、いつまでに動かすのかを置くときは「女性管理職比率 目標達成シミュレーター」が使えます。到達年度から必要な登用ペースが逆算できます。

逆算して、いま決めること

期限から逆算すると、決める順番は次のようになります。

1. 公表義務のある指標を確定する。 自社の規模と上場区分で、何が課されるかを確認します。ここは調べれば決まります。
2. その指標の定義を書き出す。 指標名、分母、時点、抽出条件、決めた日付。公表義務のあるものは分母と時点が法令で決まっているので、書くのは抽出条件が中心です。
3. 元データまでの経路を1本にする。 どのシステムのどのファイルから作るか。手順が2本あるなら片方を捨てます。
4. 少人数区分のしきい値を決める。 表示側と生成側の両方に持たせます。ここだけがAI側の追加です。
5. 分解の軸を決める。 会社別、等級別、職種別。開示には不要ですが、打ち手を決めるのに要ります。

1から3までは、開示の期限で動きます。4と5を同じ流れに混ぜておくと、追加の予算を立てずにAIと分析の土台が揃います。

逆に、4と5を別案件として後から起案すると、1から3で作ったものに手を入れ直すことになります。設計の段階で入れておくほうが、総量としては小さく済みます。

よくある失敗

• AIのためのデータ整備として起案する。 効果の証明を先に求められます。開示の期限を理由にすると、同じ作業が通ります。
• 開示用と社内分析用で別々の基盤を作る。 同じ指標が2つの数字を持つことになります。分けるのは用途であって、データではありません。
• 制度の施行日だけを見て逆算する。 前年比が要る指標では、施行の1年以上前から同じ定義で集計しておく必要があります。
• 少人数区分の対応を後回しにする。 開示では表の作成時に気をつければ足りますが、AIでは生成のたびに必要です。設計に含めておかないと、後から入れるのは難しくなります。
• 比較集団の指定を設定項目として持たない。 候補者の選抜では、どの集団で順位をつけるかが結果を決めます。確かめ方は「次世代リーダー候補の選抜で女性が少なくなる理由」で扱いました。
• 定義の版を持たない。 制度変更で定義は動きます。いつ変えたかが残っていないと、制度変更による変化と施策の効果を区別できません。離職率のような社内指標も同じです。「離職率の計算方法」を参考にしてください。

Floraの支援：開示・分析・AIを1つの基盤に載せる

Flora株式会社の「CapLead」は、グループ各社に散在する人事・人的資本のデータを一つの基盤で管理し、指標ごとの定義を版で固定して、元ファイルの行まで遡れる出典を残します。同じデータから開示用の数字を出し、会社別・等級別に分解し、生成した文章を配る。同じ配信設定・同じテンプレートでも、描画の時点で受け取る人のスコープが適用されます。人数の少ない区分は、画面にも書き出しにもメール本文にも出ません。

期限のある開示から入って、分析とAIまで同じ土台で伸ばす。作り直しは発生しません。まず30分、貴社グループの開示対象と、いまの指標の持ち方をお聞かせください。

4つの要件をそのまま社内で配れる形にしたものが「AI時代の人事データ要件 定義集」です。

まとめ

AI時代の人事データ要件は、開示制度がすでに決めています。出どころが辿れる、定義が固定されている、時点がそろっている、範囲が制御できる。4つのうち3つは開示とAIで理由まで同じで、違うのは範囲の制御を生成のたびに効かせる必要がある点だけです。

だから順番は、開示を理由に整えて、その上にAIを載せる。サンプルデータでは、同じ9.8%が開示ではそのまま、分析では21.2ポイントの絞りとして、AIでは宛先ごとに範囲の違う文章として使われました。元になっているのは、同じ1つの定義です。

30分ヒアリング（無償）を申し込む