年末賞与査定で報いる、AI活用の「見えない貢献」 〜多面的に評価する:組織全体への波及効果を測る〜

はじめに|課全体を速くしたのは、誰だったのか

11月は、上期の働きを年末賞与にどう映すかを決める時期です。3月期決算の企業なら、査定会議で詰めているころでしょう。

その会議に、こんな2人が並んだとします。Aさんは提案書づくりにAIを組み込み、自分の作業時間をはっきり減らしました。数字が出ているので、評価表にも書きやすい。Bさんの数字は、ほとんど動いていません。ただ、課の全員がBさんの作ったプロンプトの型を使っていて、Bさんは隣の課からの相談にも何度も乗っていました。

評価表で目立つのはAさんです。では、課全体を速くしたのは誰だったのでしょうか。

米ギャラップが10月28日に公表した調査(*1)によれば、米国の従業員エンゲージメント(*2)は2026年7〜9月期に29%と、2011年以来の低さでした。落ち込みを映した2項目の1つが「仕事で自分に何が期待されているかを知っている」で、強くそう思う人は上期の49%から46%に減っています。同社は提言の最初に、役割ごとにAIへの期待をはっきりさせることを挙げました。その中には、AIで仕事が変わるなかで成果がどう評価されるのかを、従業員が理解できるようにすることも含まれています。

第16回で置いた段取り(夏季賞与で試し、秋に検証し、11月から制度化)でいえば、年末賞与はその最初の本番です。今回は、AI人材育成とアップスキリングで生まれた力が本人の外へどれだけ流れたかを、5つの視点で拾う方法を考えます。

伸びたのは、教わった側の数字だった

この構図を、データで確かめた研究があります。スタンフォード大学とMITの研究者によるものです。米フォーチュン誌の売上高上位500社に入るソフトウェア企業で、生成AIの支援ツールが顧客サポート部門に段階的に導入された過程を、担当者5,172人のデータで分析しました(*3)。

AIの支援を受けると、1時間あたりに解決できた問い合わせは平均で15%増えました。ただ、増え方は均等ではありません。経験の浅い人やスキルの低い人ではおよそ30%増えたのに対し、経験を積んだ人やスキルの高い人では、生産性はほとんど変わりませんでした。

なぜ、こうなったのか。このツールは、会社が「トップ」と認めた担当者の対応を重点的に学習していました。論文は、AIがもっとも生産性の高い担当者のふるまいをとらえ、周りに広げた可能性がある、と述べています。トップの人の知恵は、本人ではなく、教わった側の数字に表れたわけです。

評価の側から見ると、ここが引っかかります。この職場の業績給は、主に1時間あたりの対応件数や解決率の目標達成に連動していました(管理職への聞き取りでは、典型的な担当者で手取りの2〜4割)。個人の数字だけを見る仕組みのままでは、周りを底上げした人ほど伸びていないように見えてしまいます。著者らも結論でこの点に触れています。会話の記録がAIの学習に使われる職場では、ほかの人と共有される成功例をAIに提供する力も、担当者の生産性に含まれる。そのため、学習に貢献したくなるような報酬の仕組みが大事になりうる、という指摘です。

もちろん、1社・1職種の研究で、著者ら自身がほかの職種やAIへの一般化を戒めています。それでも、出し手の数字は動かず受け手の数字が動く、という構図は、評価制度を考えるうえで見過ごせません。

あなたの会社の査定シートで、隣の人を速くした仕事は、どの欄に書けるでしょうか。

共有は部門任せ、報い方は表彰止まり

日本の職場はどうでしょうか。労働政策研究・研修機構(JILPT)が2026年3月に公表した事例研究(*4)が手がかりになります。全従業員向けに生成AIを導入している情報通信業のJ社と製造業のK社(いずれも連結従業員5,000人以上)への聞き取り調査です。報告書自身は、一般化はできないと断っています。

K社では、AIを上手に使っている社員が事例を発表する全社イベントを開き、経営層も出席して優れた事例を表彰しています。最優秀賞に選ばれるのは、業務改善への貢献度が高い事例です。J社では、部門によっては発表会で事例を共有していますが、共有していない部門もありました。

報告書が論点に挙げたのは、渡した側が報われない問題です。ある社員が有効な使い方を周りに渡すと、受け取った側は得をする。けれども、渡した本人に報酬はない。K社の表彰は、金銭的な報酬を伴うかどうかは不明ですが、役員を含む社員の前で称賛されるという非金銭的な報酬にはなっています。ただ、それが事例を提供する社員にとって有効なのかは明らかではありません。報い方は引き続き検討する必要がある、と報告書は述べています。

もう1つ、気になる記述があります。J社でアイコンのデザイン案づくりが得意だった社員は、以前は同僚からよく相談を受けていました。ところがChatGPTの導入後は、相談される回数が減ったといいます。苦手だった人も、AIを使って自分でデザイン案を出せるようになったからです。

ここからは筆者の見立てです。AIが広がると、質問に答えるという目に見える支援は減るのではないでしょうか。代わりに、使い方の型をつくる、出力の確かめ方を教える、といった目に見えにくい支援の比重が増す。評価表が前者を想定したままなら、見えない部分は広がっていきます。

チームでいちばん頼られているあの人の働きは、今期の評価シートのどこに残っているでしょうか。

効果創出を2つに分け、他者支援を足す

では、年末賞与では何を見ればいいのか。出発点は、第16回の4指標(活用頻度・効果創出・ナレッジ共有・学習継続)です。第16回では、評価のものさしとのズレの2つ目に「見えない貢献」を挙げ、教える行動を評価の外に置かないよう書きました。今回はそれを、次の5つの視点に組み直します。

視点見る中身測り方
効率化自分の業務でAIを使い、時間や品質をどれだけ改善したか本人の数字(削減時間、品質指標)で見る
ナレッジ共有プロンプトの型や手順、失敗例を形にして周りに渡したか投稿件数ではなく、使った人数と使われた業務の数
他者支援同僚の相談に乗る、一緒に手順を組む、出力の確かめ役を担う支援を受けた側が名前と中身を挙げた回数
学習継続変化の速い技術を学び続けているか学んだことを職場に持ち帰って話した回数
新領域開拓浮いた時間で、これまで手が回らなかった仕事を始めたかその仕事がほかの業務や部署にも広がったか

組み直した点は3つあります。

1つ目は、第16回の効果創出を2つに分けたことです。自分の仕事を速く・よくした「効率化」と、浮いた時間で新しい仕事を始めた「新領域開拓」です。第16回で見たとおり、浮いた時間は次の業務に吸い込まれやすく、書く欄を分けておかないと記録に残りにくくなります。

2つ目は、他者支援を足したことです。前回は、管理職の昇格要件として「部下のAI活用支援力」を扱いました。ここでの他者支援は、役職に関係なく同僚どうしで起きるものを指します。

3つ目は、活用頻度を賞与の視点から外し、参考値にとどめたことです。使った回数は貢献の前提ではあっても、貢献そのものではないからです。

表でいちばん見てほしいのは、ナレッジ共有と他者支援の測り方です。01で見たとおり、知恵を渡した人の働きは受け手の数字に表れます。だから、この2つは出し手の自己申告ではなく、受け手の側から数えます。第9回では、事例を投稿した件数を加点する案を挙げました。年末賞与で一歩進めるなら、数えるのは投稿した数より、使われた数です。

学習継続は、本人がどれだけ学んだかに加えて、学びを職場に持ち帰ったかを見ます。第23回で提案した30分の場(研修の受講者が、前提の崩れた点を1つ持ち帰って話す場)で話した回数が、その記録になります。

年末賞与の査定で、受け手に1問だけ聞く

第16回の段取りどおり、年末賞与からはAI活用を正式に評価に組み込みます。ただし、5つの視点を一度に点数化する必要はありません。第16回の4指標から引き継いだ効率化、ナレッジ共有、学習継続は、秋の検証で手応えのあったものから正式な評価項目にします。今回新しく足した他者支援と新領域開拓は、まだ試していないので、加点枠で試すところから始めます。

▶︎ 1. 夏の任意記入欄を、5つの視点の欄に組み替える
第16回で夏季賞与に足した「AI活用による効果」の任意記入欄を、5つの視点の欄に分けて評価シートに載せます。数字で書ける欄は数字で、書けない欄は「誰に、何を渡したか」を場面で書いてもらいます。全部の欄が埋まらなくて構いません。

▶︎ 2. 受け手に1問だけ聞く
査定の前に、メンバー全員へ1問だけ尋ねます。「この半年、AIの使い方で助けになった同僚を2人まで、何をしてくれたかと一緒に挙げてください」。中身まで書いてもらうのは、人気投票にしないためです。人数の少ないチームでは、誰が誰を挙げたか分からないよう、集計の単位を大きくする配慮も要ります。

▶︎ 3. 査定会議で、2つの数字を並べる
本人の効率化の数字と、受け手から名前が挙がった回数を並べて見ます。前者が控えめでも後者が多い人がいたら、その人が01で見た「出し手」かもしれません。

▶︎ 4. 新しく足した2つは加点だけに使い、2027年度に向けて見直す
他者支援と新領域開拓は、今回は加点にだけ使い、減点には使いません。第9回と第16回で書いたとおり、目指すのは奨励であって強制ではないからです。表彰だけで報いたことになるのかは、まだ分かっていません(*4)。表彰と査定の両方に1行ずつ置いて確かめ、手応えがあれば2027年度の評価項目に加えます。

▶︎ 月曜にやること
査定会議の前に、各部長へメールを1通送ってください。「この半年で、チームのAI活用を広げた人を1人、具体的な場面と一緒に挙げてください」。返ってきた名前が、効率化の数字の上位と重なるかどうか。それを見るだけでも、見えない貢献がどこにあるかの見当がつきます。

評価表に、隣の席を映す

第16回で、評価制度は過去を裁く道具ではなく、未来の行動を方向づける道具だとお伝えしました。前回はそれを管理職の昇格基準に広げました。今回は、本人の欄の外へ流れた貢献にまで、評価の目を向けてみました。

AIは、ある人の知恵を本人の知らないところで周りに流します。流れた先で数字が伸びても、評価表が本人の欄しか見ていなければ、流した人は報われません。報われなければ、いずれ流すのをやめてしまうかもしれない。01の研究の著者らが心配したのも、トップの担当者が新しい解決策を考える手間をかけなくなることでした。

効率化の数字は、これからも査定の中心に残ります。そこに、受け手の側から数えた欄を足す。年末賞与は、それを試すのにちょうどいい機会です。

12月の賞与明細を開いたとき、チームでいちばん周りを助けた人は、それが報われたと感じられるでしょうか

 

< 参考文献・出典 >
*1 Gallup, Jim Harter「U.S. Employee Engagement Below 30% for First Time in 15 Years」2026年10月28日
https://www.gallup.com/workplace/716117/employee-engagement-below-30-first-time-years.aspx
※2026年8月5〜19日、Gallup Panelに登録する米国の就業者21,648人を対象にしたWeb調査。

*2 仕事や職場への関わりの深さを示す指標。ギャラップは、エンゲージしている従業員は組織の目標のために追加の努力をしやすく、そうでない従業員は仕事や雇用主から心理的に離れている、と説明している

*3 Erik Brynjolfsson, Danielle Li, Lindsey Raymond「Generative AI at Work」arXiv:2304.11771v2、2024年11月6日改訂
https://arxiv.org/abs/2304.11771
本文(PDF)
https://arxiv.org/pdf/2304.11771v2
※2025年にThe Quarterly Journal of Economics(第140巻第2号)に掲載。本文の数値は上記の公開版(v2)による。米国のソフトウェア企業1社の顧客サポート部門のデータで、分析対象5,172人のうち、期間中に支援ツールを使ったのは1,636人。著者ら自身がほかの職種やAIツールへの一般化に注意を促している。

*4 独立行政法人労働政策研究・研修機構「資料シリーズNo.299 職場における生成AIの活用による従業員への影響―情報通信業J社と製造業K社の事例調査より―」2026年3月18日
https://www.jil.go.jp/institute/siryo/2026/299.html
本文(PDF)
https://www.jil.go.jp/institute/siryo/2026/documents/0299.pdf
※2社へのヒアリング調査による事例研究であり、得られた知見を一般化できないことが報告書に明記されている。

 

<前回までの記事はこちら>
AIの現在地から考える人材開発〜生成AI幻滅期に考えるリスキリングとアップスキリング〜