kaonavi CPO談「人才智慧」——將人才數據從「過去的紀錄」轉向「未來的預測」

井上先生的立場十分明確。過去的人才管理,許多企業都停留在集中管理人才資訊的階段。若能結合數據與AI,進一步指出「接下來該做什麼」,人資就能擺脫仰賴直覺與經驗的狀態。不過,前提是需要各公司先累積數據。訪談中反覆談到的,正是如何填補這個「理想」與「數據尚且不足的現實」之間的落差。

被問到AI普及為人才管理帶來什麼變化時,井上先生回答:「正從過去靠直覺與經驗,轉變為運用數據與AI來調動人、發揮人才價值的時代。」資深人員的直覺或過去的成功經驗本身並沒有錯,但往往缺乏可重現性,而加入數據與AI後,便能讓判斷具備可重現性,這一點意義重大。

井上先生舉的例子是離職徵兆。僅靠直覺與經驗來捕捉「這個人好像要離職了」的預兆,有其極限。如果能了解對方常說哪些話、有哪些行為,就能搶先一步採取對策。井上先生認為,這類用法會成為AI應用的正面效益。飯島先生確認道:「也就是說,主管之間『那個人好像有點危險』這種不知道有沒有意義、一聊就是3個小時的場面會減少?」井上先生對此表示肯定。

飯島先生問到,這類變化的速度在日本與海外是否有所不同。井上先生回答,雖然有差異,但最大的不同在於數據的運用方式。海外的數據化較為進步。另一方面,日本企業其實也有數據,只是多半以Excel或紙本管理。井上先生認為,只要把這部分確實數據化,就能以符合日本文化的形式加以運用。

據說數據的蒐集方式因企業而異。來找kaonavi諮詢的企業中,也有仍以Excel或紙本管理的。即使導入了系統,也有只是先把規定欄位填滿了事的情況。井上先生表示,深刻感受到這種數據運用上的落差。

在人手不足的情況下,企業不只要考慮招募,還得思考如何讓現有人員發揮所長、如何讓他們不離職。飯島先生指出這一點後,井上先生表示,最近收到的諮詢層次已有相當大的轉變。

過去的需求主要是「公司內部的DX完全沒有進展,想要數位化」、「想提升業務效率」。最近則是關於個人職涯,或是希望在配置規劃上更善用數據等更進階的諮詢愈來愈多。

井上先生將這個變化整理為幾個階段。首先,透過人才資訊的集中管理與業務效率化,數據逐漸累積。下一步,關於如何運用這些數據的諮詢增加了。而最近,更下一個階段的諮詢正在增加。透過分析功能,雖然已能掌握公司的趨勢,但「那接下來該做什麼」的討論卻遲遲沒有進展。由於這方面的期待很高,kaonavi也正以連結到人才智慧的形式來構思產品。

據井上先生表示,人才管理的原本概念,在於將人才資訊集中化,並思考如何運用累積下來的數據。所謂運用,指的是目標設定與據此進行的評核、個人的技能管理、人員配置等。然而最近,這個意涵被窄化理解,仍有許多人認為「數據集中化=人才管理」。

蒐集的數據以過去的評核、技能、本人的興趣喜好、適性測驗資訊等為主。井上先生說明,建立一個包含與該人相關所有資訊的狀態,並加以管理的系統,就是人才管理。

關於實際的使用情形,井上先生這樣描述:原本在公司內部用Excel進行目標設定與評核的企業,透過kaonavi將其數位化,並將工作流程自動化。或者,入職前的履歷表與工作經歷書以PDF存放在某處,有人想看也沒人看得到,透過集中到kaonavi,讓任何人都能查看。但實際情況是,許多企業就停在這一步。尚未進展到設計如何運用,以及為此該保存哪些數據的階段。

井上先生將人才智慧說明為:由AI從人才相關數據中萃取出智慧(intelligence),進而改變組織決策的東西。儲存數據的容器有了,數據累積了,視覺化與分析工具也有了。但過去頂多只能做到現狀分析。理想的狀態是,能夠指出接下來該怎麼做。

然而,企業端連數據集中化都還不夠完善。即便如此仍選在這個時機推出人才智慧,井上先生說明,原因在於想要建立「循環模式」。例如,假設有一家企業的離職率正在攀升。過去只做到視覺化就結束了,為什麼離職率高、怎麼做才能降低,都是靠人資努力思考。人才智慧則希望支援到提出「會不會有這樣的可能性」這類洞見的程度。

但是,數據不夠充分的話,洞見也無法充分提出。正因如此,才要先推出功能,清楚呈現「這裡的數據要再多蒐集一些,否則無法判斷這個可能性是否正確」。飯島先生歸納道:「也就是說,這樣就產生了非輸入不可的理由,形成推企業一把的效果?」井上先生回應:「現在正是輸入數據的理由很薄弱。」創造出這個理由,也會連結到「數據能夠被運用」的認知。

井上先生將此稱為「人才智慧・無限模式(Talent Intelligence Infinite Model)」。在數據集中化中結合智慧以提出洞見。接著再有更多數據登錄,產出更好的洞見。目標就是這樣的循環。井上先生表示,這個概念與其他公司相比,也是相當新的思維。從產品形象來看或許顯得一步跨得太遠,但其根本在於希望提升數據登錄的價值。

再次被問到人才智慧能做到什麼時,井上先生回答:「過去的人才管理與人才資訊管理,終究是關於過去的事。今後想做的是預測未來。」他表示這是最淺顯易懂的說法。相對於過去僅停留在「曾有這樣的成績與經驗」的紀錄,能夠預測「下次若在這個職位能創造更好的成果」、「或許能朝這樣的職涯發展」,是最大的差異。

關於預測的機制,井上先生先說明,目前才剛開始進行PoC,還在起步階段。即使向通用AI諮詢或拿來腦力激盪,得到的多半是一般性的回答。kaonavi除了本人的興趣喜好與性格方面的資訊外,從過去的評核、目標設定到其結果,人才相關資訊一應俱全。若能全部運用,就能提出對該人而言最適合的職涯、在哪個職位能大放異彩等洞見。

井上先生還提到,kaonavi已導入約4,500家公司。他認為若能將其中的運用實績,以及支援客戶的內部成員的專業知識全部納入,或許就能實現通用AI做不到的事,因此正在推進PoC。

作為推動人才智慧的課題,井上先生首先提到技術面。許多企業都在開發運用生成式AI的產品,但生成式AI本身仍在快速演進。不確定的部分很多,如何因應是一大難題。

另一個難處在於必須以日本型的雇用形態為前提。在海外,可以以個人的技能、經驗與職涯為軸心做各種事情。另一方面,日本的雇用流動性不如海外高。比起個人包括轉職在內要如何選擇,更強調如何將現有公司內部人員的潛力最大化。井上先生表示,因此感覺要在這方面提出洞見並不容易。

飯島先生在此提問:除了人這個變數之外,公司獨有的規則、空缺的職位、上面的主管等變數也因公司而異,在這種情況下要如何提供建議?井上先生的回答是,首先重要的是將公司的願景與MVV確實登錄到kaonavi。以此為軸,若沒有登錄各部門的目標,以及應以KGI、KPI追蹤哪些項目,就無法連結到個人的職涯與目標。因此要讓這些內容能夠確實登錄。這就是目前的做法。

飯島先生說:「意識到『非做不可』就是第一步,先輸入的就贏了,是這樣嗎?」井上先生表示同意。許多公司仍未充分理解數據的價值。或許只是把輸入當作日常業務例行公事,但希望大家能著眼於這些數據將如何被運用,再來輸入數據。

井上先生補充說明,雖然希望透過數據與AI為企業提供價值,但並不認為這樣就能完成所有業務。他認為人力的部分一定會保留2〜3成。最終決策與公司內部人事規則的制定等,是必須由人來支援的部分。因此,以產品與人力支援雙軸並進的方針,至今仍未改變。

被問到與其他公司所倡導的人才智慧有何不同時,井上先生表示,將累積的數據以功能形式加以運用的部分,過去一直是作為人才管理來提供。在此之上,更進一步提出企業該如何行動才能讓事業成長的洞見,就是他們所稱的人才智慧。

他舉的例子是離職率。即使某家公司的離職率是10%,也無從得知這算高還是低。kaonavi擁有十多年的支援實績,以及該公司特有的數據。以此為基礎,首先判斷10%算高還是低。若偏低,是什麼因素所致;若偏高,問題出在哪裡、該如何行動才能降低,都會一併指出。井上先生希望將此作為人才智慧的思維來提供。

產品方面,主要會是運用AI代理(AI Agent)的功能。若只是回答降低離職率的方法,與通用AI並無太大差別。因此,先呈現目前數值是好是壞的現況定位,若高於其他公司,再從kaonavi累積的數據中提出原因的洞見。這就是目標中的樣貌。飯島先生確認道:「也就是說,一直待在公司內部的人無法判斷好壞的事情,只要去問,就能得到『還不錯』、『這裡該改善』、『這個也該做』這樣的建議?」井上先生表示肯定,並說最終目標是成為支援決策的基礎設施。

關於近期將推出的內容,井上先生表示,已對外宣布將發布AI代理。其中列舉的主題,就是前面提到的離職,以及配置規劃。

井上先生認為配置規劃是非常困難的事。把某人調到某個部門,公司業績會不會提升,沒有人知道。過去是靠直覺與經驗,或是在與本人的1on1中聽取「想做這樣的事」,再以「想把他調到能提升動力的部門」這類方式來判斷。但調動之後,那個人究竟能發揮成果,還是無法適應新環境而做不出成果,沒有人知道。運用數據來提高這個機率,已成為一大主題。他笑著表示,其他還構思了大約10個主題,但內容目前還不能透露。

本身也在經營公司的飯島先生提到,經營者親自使用的場合似乎會增加。井上先生說明,kaonavi的主要目標對象是第一線的部長、課長等主管,以及每一位員工。在此之上,人事相關有經營者、人資部長、人資部、第一線主管、員工等層級,而經營者應該會想看數據的狀態。

井上先生特別提到的一大煩惱是接班人計畫。下一任這個部門的部長要交給誰,從經營管理的角度,下一任董事要由誰擔任。若能在此提出候選人,並進一步指出若要拔擢此人,目前還欠缺哪些面向、該如何培育,對經營者而言應該會非常有幫助。他表示,這也是希望從經營層角度著手的領域。

被問到AI普及後人的角色是否也會改變時,井上先生回答「會有相當大的改變」。過去花了大量時間蒐集數據,最後的決策反而沒能投入太多時間。今後數據會被蒐集,可能性與洞見也會自動產出。最終決策由經營層或人資成員來做,因此能將時間集中在這裡。

關於人資部門,井上先生指出,原本應該花時間與每個人對話,實際上卻有大量事務性工作。例如3月時,會被4月的人事異動、期末評核、明年年薪如何調整等工作追著跑,沒有餘裕思考下一步的施策。他認為這類事務作業將透過自動化大幅減少,與人對話的時間,以及思考哪些人事施策能解決課題的時間將會增加。

飯島先生提到,海外以職務型為主,傾向組合個人能力,而日本多以團隊創造成果的工作方式,並詢問這對AI應用會有什麼影響。井上先生也認同日本多以團隊方式工作。在此基礎上,他表示自疫情以來,導入遠距工作的公司增加了(雖然近來也有回歸辦公室的動向),將團隊成員在想什麼、擅長什麼加以視覺化變得非常重要。若看不見這些,就會分配到本人不想做或不擅長的工作,導致每個人的生產力無法提升。

井上先生也提到,據說40年後勞動人口將減少4成。若不改變日本的工作方式,將無法維持與現在相同的生產力。如何提升每個人的生產力,對日本的工作方式而言至關重要,他表示自己強烈希望能在這方面提供支持。

飯島先生表示「導入的公司與沒導入的公司之間,差距似乎會愈來愈大」,並詢問人資與經營者現在應該準備什麼。井上先生回答:「老實說,就是數據本身。」與有沒有導入系統關係不大,用Excel或紙本都可以,希望大家先開始蒐集與人相關的資訊。這才是真正的第一步。飯島先生補充,以日後方便運用的形式登錄也很重要吧?井上先生對此表示同意,並說即使是距離導入系統還有一段時間的企業,也可以提供諮詢。

關於對離職或營收效果的實際感受,井上先生回答「當然有感受」。離職率是看得見、容易理解的數字,但調動與配置的短期效果較難看出。因為無法進行比較同一個人配置到這個部門與那個部門的A/B測試。即便如此,配置的好壞最終會反映在部門的成果上,進而顯現為對全公司營收的貢獻。因此井上先生認為,結果上應該能夠呈現出容易理解的狀態。

最後被問到中期願景時,井上先生介紹,kaonavi揭示的願景是希望成為以「最大化日本組織中的人才力量」為目標的解決方案。具體而言,是要打造一個在人才平台之上,讓智慧以各種功能形式承載其上的架構。

井上先生表示,作為成果,希望能打造一個讓每一位工作者都能察覺自身可能性的社會。若kaonavi能成為其中的關鍵字之一,將會非常高興。希望打造一個讓個人察覺「原來自己有這樣的可能性」、「原來還有這樣的職涯路徑」,並能為自己的成長感到雀躍的狀態。這就是井上先生對3〜5年後的展望。