調査・レポート人事データとAI
人事AIの失敗パターン｜判断より前に壊れているもの
同じデータから違う答えが出る仕組みを、サンプルデータの計算で示す
人事AIの失敗として語られるのは、たいていモデルの精度です。ただ、実際に結果がおかしくなる原因はその手前にあります。誰と誰を比べたか、どの定義で数えたか、その数字がどこから来たか、誰に見せてよいか。架空のグループのサンプルデータで、比較する集団を変えるだけで選ばれる人が入れ替わる仕組みを計算で示し、導入前の点検12項目までをまとめました。実在の企業のデータは使っていません。
この資料でわかること
- 判断の手前にある4つの壊れ方（比較集団・定義・出典・見せてよい範囲）
- 同じ2,820名から上位10%を選ぶ3つの方法と、47%変わる取り分
- 「候補が少ない」が判定の前提で変わること（全体順位と同性内順位）
- 同じ指標名で数字が変わる5つの原因と、AIに読ませたときに起きること
- 公開されたAI採用ツールの事例から読み取れること
- 導入前の点検12項目と、印が付かなかったときの最初の一歩
こんな方におすすめです
人事・経営企画でAIの導入を検討している方、人事データを扱う情報システム部門
自社の状況に合わせた進め方については、個別にご相談ください。
お問い合わせ