いやもう、おっしゃる通りだと思います。 どうやったら、それを 上の人たちに理解してもらえるのか？ それが課題です笑

暗黙知主導な人事業務（採用、評価、人材配置、教育等）をもっと科学的に行うことで、日本企業の課題を解決していきましょうという本。そこでキーとなるのはデータサイエンス。既にマーケティングや経営意思決定に活用されるデータサイエンスが、最後に取り残された暗黒大陸のようにも思われる人事にどう切り込むか。日本における人事の役割の変遷と課題、米国でのHRtech動向など、分かりやすい。本書でも「ワーク・ルールズ」という本が良く紹介されているが、具体的な事例としてを読んでおくと良さそう。

今までにないアプローチ。米国はここまで人事、採用にも人工知能、ビッグデータを採用しているとはちょっと驚き。

Vol.342 人事革命の始まり！？人工知能とビッグデータから何がわかるのか。http://www.shirayu.com/letter/2016/000692.html

人事と人工知能。 はじめはこの二つの接点って、どこだろう？と思っていたけど、読み進めると「そうだよな！人事情報って、体系立てたら、求職者が自社とマッチしているかを判定することできるかも」と思えるように。読みながら、自分なりに新しいビジネスモデルを作れるかも？なんて考えながら。 前半は「人工知能入門」的なイメージで、中盤は「人工知能を人事で活用」とここまでは読み応えがあったのですが、後半はちょっと内容的に薄くて残念。 でも、全体としては読んでみてもよい一冊かと！

ニュースや雑誌で見知った内容を列挙した感がありました。もう少し具体的にどのようにAI、ビッグデータが人事に活かされているのか分かると、もっと面白かったと思います。

HRということについて 日本の歴史的背景から過去と現状の分析を行った後に今後のトレンドとアプローチを提示する。 これまでの人事は ①年功序列②終身雇用③企業別労働組合がメインの制度となっていて ↓ ①が職能資格制度となるが、基本的には年功による経験で判断されたり、職能を詳しく記述する手間などもあり再び変化する。 ↓ 失われた10年として、海外に合わせて ①に成果主義を取り入れるものの上手くいかない。 これまでは人事はオペレーション型や暗黙知型のため、裏方仕事(バックオフィス)すぎたり、感覚によるものに頼りすぎていた。 しかし現在は人の価値観の多様化などから商品そのものの価値を上げていても変化に対応出来ないため、商品やサービスの大元の【ヒト】に焦点が当てられ始める。 そのヒトを効率的に(費用対効果)採用し、育成するためにAIを用いて、形式知化していこうという流れである。これにより国際化であったりダイバーシティにも対応できるようになる。 NLP(Natural language Processing)などにもより自然言語も処理されるようになる。 採用はこれまで、言われたことを最効率的にこなせる人材を求めていたが、今後はイノベーションを起こすことが出来る人材が求められている。 GROWの宣伝を途中含みつつ、①他人からのフィードバック②蓄積されたデータ分析等を用いていく流れを作ろうとしている。 事務局化し続ける人事に対して、今後は経営戦略との結びつきが重要になることを指摘する。 今後はHRとして、プログラミングは特に必須条件になってくる。(ちなみにAIを用いたプログラミング等も以前ほど難しくなくなってくる。データを打ち込むだけなど簡単なエクセルと同等) よって①英語②プログラミングを社会人の必須条件として提示する。 またグローバルな人材として、 もっと日本を知ったり、教養を身につけて 【自分の価値観•哲学を持つ】ことが、AIに仕事を奪われない、人間らしくあり続けることに繋がるのである。

ビッグデータ→データ分析(ビジネスアナリティクス)で、経験や勘ではなく、事実(データ)に基づいてビジネス上の判断をできるようにする ディープラーニング→大量の情報を短時間で学習し、正確性など能力を高めていくこと 自然言語処理→コンピュータが0や1といった数字で判断するのではなく、人間の言語を学習する ネイマンピアソン理論 ベイズ統計 暗黙知としてしか存在しなかった知恵の領域が形式知に可視化できる時代になった NTTがプリファードネットワークス、ドワンゴ人工知能研究所に出資

人工知能、ディープラーニングのアップグレードが進んでいく中で、AIを組織にどのように取り入れ、これからの組織においてヒトとして何を大事にすべきかを考えさせられる本書。人事に限らないことですが、個別にアレンジされたスキル向上やアイデアの発案を促すAIの可能性にはものすごく未来を感じます。ガンダムのハロとか、ある意味でのび太にとってのドラえもんのようなイメージで。

パット見翻訳本っぽいけど、日本の本。 社員の採用や社員の評価をビッグデータから導き出した人工知能で判断しようという話。 実際にそのようなことを行っている会社もあるらしく、ニューヨークにあるパトメトリクス社は20のゲームを通じて正確を測定して、人材マッチングを行うサービスを行っているらしい。 著者も『GROW』というAIを用いた採用システムのサービスの開発を行っているらしく、今後普及するかもしれないとのことだ。読んでみると、今でもあるSPIテストセンターのような感じがしたけど、SPIテストセンターは使ってる会社はそんなに多くないらしい(そういや、自分が就活生の時も100社ぐらい受けたけどSPIテストセンターを選考に採用している会社は片手で数えるほどしかなかった気がする)。 後、本題とは少し異なるけど、スタンフォード大学に日本人をグローバル人材に育てることを目的としたプロジェクト(Stanford Silicon Valley - New Japan Project)があることを初めて知った。日本の会社にとってはもちろんグローバル人材を育てられてメリットがあるのだけど、アメリカにとっても日本の会社とビジネスをしやすくなるというメリットがあるらしい(今まで、日本人は英語が下手だからうまくいかないことが多かったらしい)。 それより何気に、”ウェブサイトを作成するさい、今やプロであっても、その記述言語であるHTMLを直接記述しているわけではない。”という記載にちょっとショックを受けた。普通に書いてるんですが……。

採用に向けてビッグデータが活躍出来る・・・ というのは分かるけど、具体的にどうやって・・・ というところがあまり深く書かれていなかった。 例えば、テキストマイニングをするにしても、 必ずノイズが入ってくるものなのでどうやって除去するのか？ といったノウハウはあまり書いてなかった。 正直ビッグデータである必要は全くないが、 客観性を持って評価・360度評価の重要性は分かる。 ただ、そこについても若干内容が浅いようには感じた。 技術寄り・仕組み寄りどちらでもよいと思うので、 ハッキリしたほうがよいかなあと思う。 正直タイトルと中身があまり合ってないのは残念。 【勉強になったこと】 ・日本企業における転職理由第1位は人間関係 ・音声を取って誰がどれくらい発言したかを記録し、 　積極性を取っていくことでフィードバックを得ようとする 　取り組みがあるらしい。 　-> ただ、長く話したからよいというわけではないので、 　　 具体的にどういった情報を取ってフィードバックするか 　　 が書いてなかった。 ・日本は準備に時間がかかるわりには振り返らない。 　だから改善もしない。 　-> ベンチャーでも切り替え早いところあるが、 　　 あまり振り返ってない気もする。 ・採用は人事考課は、ある程度直感に頼るところがあるが、 　この直感部分を無くすことが今後の課題になる。 　例えば、ありとあらゆる行動ログを取って解析し、 　＋営業情報と連携することでどんな結果をもたらしたかを 　個別に分かるようになるかもしれない。 　昔から言っていた、優秀な営業の行動を真似ることが 　営業力強化に繋がるという仮説があってるかも確認出来る 　かもしれない。 　いずれにしても出来るだけ客観性を保つのが重要なので、 　そこでデータ分析が活かせるのではと考えている模様。 　-> ただ、実際にはそう簡単にはいかないと思っている。 　　 テキストマイニングについては英語ならまだしも、 　　 日本語はまだまだハードルが高い。 ・周囲からの評価を聞く機会を持つのは大事。 　かなり自分のイメージと違った意見が出たりして、 　聞く側はショックを受ける可能性が高いと思うが、 　一旦受け止めて改善につなげるには他己分析が重要。 ・欲しい人材は都度変わるもの。 　とにかく具体的に書かないと採用するのは難しい。 　そのためにも今何をしていて何が足りてないかを 　定期的に把握出来る仕組みを作る必要がある。 　手っ取り早いのは会議で情報を吸い上げることだが、 　ちゃんと目的を伝えないと現場のメンバーは 　会議自体が面倒臭くなって教科書通りの意見しか言わない。 　例えば、開発が足りない〜くらいしか言ってくれない。

人事ビッグデータの可能性について述べた本。 確かにこれまでの経験と勘の人事から抜け出すという意味では異論はないが、ただ、ビッグデータについてのテーマなのにデータマイニングとかデータ分析とかの記述が見当たらず・・・そこが期待外れだった。 経験・勘の人事から抜け出すためのきっかけの1つとして読む分にはよいのかもしれない。（いしの）