【NEW】ICC サミット FUKUOKA 2025 開催情報詳しくはこちら

3.採用活動をAIと協働するセプテーニ社の人事システムとは

平日 毎朝7時に公式LINE@で新着記事を配信しています。友達申請はこちらから!
ICCの動画コンテンツも充実! Youtubeチャネルの登録はこちらから!

「AIやデータの活用が企業経営を変える(シーズン2)」9回シリーズ(その3)は、人事システムへの積極的なAI導入を進めるセプテーニ・ホールディングスの事例を、同社代表取締役の佐藤光紀さんが解説します。データ活用で発見された、社員のパフォーマンスを左右する重要なパラメータとは? ぜひご覧ください!

▶ICCパートナーズではコンテンツ編集チームメンバー(インターン)の募集をしております。もし興味がございましたら採用ページをご覧ください。

ICCサミットは「ともに学び、ともに産業を創る。」ための場です。毎回200名以上が登壇し、総勢800名以上が参加する。そして参加者同士が朝から晩まで真剣に議論し、学び合うためのエクストリーム・カンファレンスです。次回 ICCサミット FUKUOKA 2020は、2020年2月17日〜20日 福岡市での開催を予定しております。参加登録は公式ページのアップデートをお待ちください。

本セッションは、ICCサミット KYOTO 2018 プレミアム・スポンサーの日本アイ・ビー・エム様にサポート頂きました。


【登壇者情報】
2018年9月4〜6日開催
ICCサミット KYOTO 2018
Session 4D
AIやデータの活用が企業経営を変える(シーズン2)
Sponsored by 日本アイ・ビー・エム

(スピーカー)
荒川 朋美
日本アイ・ビー・エム株式会社
取締役 執行役員 カスタマーサクセス事業担当

北川 拓也
楽天株式会社
執行役員 CDO グローバルデータ統括部ディレクター

佐藤 光紀
株式会社セプテーニ・ホールディングス
代表取締役 グループ社長執行役員

鈴木 健
スマートニュース株式会社
代表取締役会長兼社長 CEO

(モデレーター)

山内 宏隆
株式会社HAiK
代表取締役社長

『AIやデータの活用が企業経営を変える(シーズン2)』の配信済み記事一覧


連載を最初から読みたい方はこちら

最初の記事
1.「身体を持たずして『知能』は生まれえない」“ルンバの父” R.ブルックス博士が語る人工知能論とは

1つ前の記事
2. 順算か、逆算か。企業経営における「シミュレーション」の在り方を考える

本編

鈴木 シミュレーションというのはすべて「順算」ですよね。

今の状態から未来に対して、順算していくわけです。

ところが、意思を持って1年後にこうするという目標を設定すると、今度は逆算するんですよね。

これを達成するためには、まずこれを達成しないとできないよね、というように逆算していくわけです。

そうすると、その逆算をしたときに、簡単に達成できるか、ものすごく難しいかがやはり分かるわけですよ。

ではその難しい課題をどう突破するかと。それが、そこが経営です。

山内 なるほど、分かりました。

鈴木 難しいですよ、とにかく。

人材の配属・育成にAIを活用するセプテーニHD

山内 では、この前のセッションから甲子園のピッチャー並みに連投になっていますが、佐藤さんよろしくお願いします。

佐藤 光紀さん(以下、佐藤) よろしくお願いします、セプテーニの佐藤です。


佐藤 光紀
株式会社セプテーニ・ホールディングス
代表取締役 グループ社長執行役員

1975年東京都生まれ。立教大学法学部を卒業後、1997年4月株式会社サブ・アンド・リミナル(現株式会社セプテーニ・ホールディングス)に新卒で入社。1999年新規事業責任者としてインターネット広告事業を立ち上げ、同社を国内トップクラスのインターネット広告会社に育てる。2006年10月持株会社体制移行に伴い、事業会社である株式会社セプテーニの代表取締役社長に就任。2009年12月セプテーニ・ホールディングス代表取締役(現任)社長に就任。2017年1月委任型執行役員制度の導入に伴い、グループ社長執行役員に就任(現任)。

山内 AIもしくはビッグデータに関連して、会社経営に限らずのお話で構わないのですが、「最近こういうことが気になる」とういことは何かありますか?

佐藤 この前のセッションでも少しお話ししたのですが、会社に関していえば、社内ではやはり人事ないしは組織周りにおけるビッグデータやマシンラーニングの活用はずっと取り組んでいます。

セプテーニは「AI人事」で組織のパフォーマンスを最大化する( ICC KYOTO 2017)

データ基盤自体は、15年ぐらいかけて作ってきています。

経営の意思決定という意味でのマネジメントへの実践投入は、この3、4年くらいですが、割と精度が上がってきています。

少し端折りますけれども、たとえば「この人を採用したらよい」という採用の判断などは、AIを非常に参考にしています。

配属や育成のプランについても、かなりの割合でAIのサジェストをベースに決めています。

AI人事を導入した理由は「不安だったから」

山内 前から不思議だったのですが、それはもうカルチャーになっているのですか?

もともとアド(広告)の世界にいらっしゃるので、データをベースに経営するという基本姿勢は当然あると思うのですが、人事に関してそこまでAIに委ねている会社というのは、正直僕もほとんど聞かないので、なぜなのだろうと思っています。

佐藤 不安だから…でしょうか。

山内 先ほどのセッションでは、経営者の性格とおっしゃっていましたよね。

佐藤 さっき登壇したセッションの終了後に、「何人ぐらいの組織、もしくはどれくらいのサイズの事業だとAIが有効ですか?」というような質問を受けました。

小さいとAIなんて要らなくて、結局、社長の勘と経験が一番正しい、社長の直感がほぼ当たると思うのですが、ではそれが10倍、20倍、50倍ぐらいの規模になったら……と考えると不安になりませんか?

僕はそう考えたとき、不安だったんですよ。

羅針盤もなく、操舵システムもなく、大きくなっていく船をまるでボートかのように機敏に右へ左へと舵を切って、向こうへ進むぞと号令をかけて、島を見つけて、魚の群れを魚群探知で見つけていくようなものです。

経営者というのは、船長なわけですよね。

操舵システムもなく、羅針盤もなく、サイズに見合った駆動システムがない状態で船を舵取りするのって、滅茶苦茶不安じゃないですか?

(AI人事は) そのための、自分の不安を解消するためのツールでした。

いちいち「これ、こうしたいと思うけどどう?」と、疑問が湧くたびにフェイストゥーフェイスで聞いているのでは、時間が足りません。

そのためには、やはりデータと先ほどのシミュレーションです。

自分がこうするぞ、という逆算のシミュレーションだけではなくて、順算でこうなるよ、という方のデータ基盤もなるべく持っていた方がいいですよね。

とはいえ、事業についてはまだデータ基盤が作りやすいのですが、人については結構難しいです。

その不安を解消したいというのが、人周り、人と組織周りにデータをたくさん活用して、マシンラーニングを割と早い段階から実装していった一番の動機です。

社員のパフォーマンスは「相性」で決まる?

北川 佐藤さんがデータとマシンラーニングを使われている中で、「あ、こういう人が実は活躍してたんだ」というような発見はありましたか?

佐藤 あるある、あります。

北川 それまでは何となく、「こいつ、本当にあかんのかな」と評価があまり高くなかった人材が、データとAIを活用したところ実は非常に能力が高いことが分かった、というような事例があれば教えてください。

佐藤 やはり人の相性によって、パフォーマンスレベルというのはかなりの割合変わってきます。

「こいつはあかん」というのは評価ですよね。

その評価を誰がしていて、どういうメジャメントによってその評価が下されているかというのを分解していったうえで、別のパターンを試してみます。

楽天株式会社 執行役員 CDO グローバルデータ統括部ディレクター 北川 拓也さん

つまりAさんとBさんがいるチームにおいて、評価の低いBさんがいました。

けれどもCさんとBさんのパターンだと、評価の高いBさんになります、みたいなことがたくさんのデータの組み合わせとともに事後的に検証されていくわけです。

それを無数に、何百人という単位で、バーッとやっていきます。

たとえば3ヵ月、6ヵ月、1年という形で、何百人という単位のダイナミックなデータがどんどん蓄積されて検証されていくので、掛け算でデータ量が膨大に増えていきます。

そのようなデータの中に、ミスマッチによって生まれた低いパフォーマンスがまず可視化されて、逆にマッチによって生まれた高いパフォーマンスのデータも溜まってくるので、これをバーッと検証して、その結果を一定のメソッドに落とし込んでいく、みたいなことを繰り返すうちに分かってきました。

最初のうちは、AIやデータ活用への拒否反応も

北川 経営陣の間に、誰かのパフォーマンスが良くないときは、それはマッチングの問題なんだということが、もうコンセンサスとして共有されているのですか?

佐藤 企業理念への共感とか、文化への共有とか、つまり会社に合っている人というのが前提ですが、それらが合致している場合においては、あとは相性だということですね。

北川 なるほど。面白いですね。

佐藤 やはりリテラシーの違いもあります。

最初にこういうデータを使い始めた時は、リテラシーに差があるので経営陣の中にも「いやAIが出してくるサジェストなんて、俺は知らない。自分の勘と経験の方が正しいんだ」というようなことを本音では思っている人もいたように思います。

データが言っていることを一定程度参考にして、それを基に意思決定しようというふうに、つまり新しい基盤を使いこなそうと考える人、それから使いたくないと拒否反応を示す人に二分されるんですよね。

その点において、やはり摩擦が生じることも実際ありました。

それでも、ずっとずっと繰り返していくと、やはりある程度データが言っていることは正しかったりするので、それによって納得する人が増えていって、データ基盤を使いこなそうとする人が増えていきました。

前のセッションの議論で、それは「データ調教師」ないしは「AI調教師」というような新しいタイプの職業なのではないかみたいな仮説が出されました。

何かそういうAIの基盤を使いこなすのが上手な調教師のような、自動運転の車を運転するのが上手な自動運転士のような感じの、新しいタイプのスキルに定義され直したというか、再定義されたような側面は実際にありますね。

(続)

次の記事を読みたい方はこちら

続きは 4. IBMの人工知能「ワトソン」は、IBMの営業達成すらも予測する をご覧ください。

平日 毎朝7時に公式LINE@で新着記事を配信しています。友達申請はこちらから!
ICCの動画コンテンツも充実! ICCのYoutubeチャネルの登録はこちらから!

編集チーム:小林 雅/浅郷 浩子/尾形 佳靖/戸田 秀成/鈴木ファストアーベント 理恵

他にも多く記事がございますので、TOPページからぜひご覧ください。

更新情報はFacebookページのフォローをお願い致します。

この記事が気に入ったら
いいね または フォローしてね!