HRテックやピープルアナリティクスの現状の限界点と将来実現される未来とは?

目次

発展途上のHRテクノロジー業界

新しいテクノロジーに敏感な経営者や人事担当者なら、「HRテクノロジー」や「ピープルアナリティクス」という技術について、多く耳にするようになってきたのではないでしょうか。

HRテック分野もまだまだ発展途上の分野です。これから激化する採用シーンで、常にアップデートが行われているHRテック業界では、今後どのように変化していくのでしょうか。また、HRテクノロジーを活用する使用者として、変化を追っていく上でどのような点を心がけていくべきでしょうか?

従来の採用のあり方

従来までの採用は、人事が社内の業務分析をし、それに沿って求人をポストし、応募してきた中から採用を決めるような手順が基本でした。アメリカをはじめとする欧米諸国では、新卒以外の中堅層に関しては、内部昇格が一般的な形態で、これはいわゆる日本で言う所の終身雇用のアプローチに近いものがありました(HR and analytics: Why HR is set to fail the big data challenge)。

この基本的な流れは、HRテクノロジーが普及する以前の先進国では、共通の採用だと考えられてきたようです。採用は一律的で、あまり精度の高い採用は必要とされていなかったようです。社員のスキルの確保はあくまで、自社の研修に拠る部分が大きかったのです。

Angrave, D., Charlwood, A., Kirkpatrick, I., Lawrence, M., & Stuart, M. (2016). HR and analytics: why HR is set to fail the big data challenge. Human Resource Management Journal, 26(1), 1-11.

現代から将来への採用のあり方

急速なグローバル化やスキルの多様化により、採用の難易度が上がるにつれ、HRテクノロジーやピープルアナリティクスといった技術が、採用に応用される時代になりました。このような時代では、売り手市場で、かつ採用の高い質が求められる時代です。

求職者が職を求めて求人票を探すよりもずっと以前に、すでに会社は欲しい人材にアプローチをして採用しています。売り手市場であり、新卒採用時期のどんどん早まる日本では、積極的な採用の傾向は年々強くなっているようです。

激化する採用競争の中で、ハーバード・ビジネスレビューのコラムにおいてPeter Cappelli氏が、HRテック市場の現状に警告を鳴らしています(Your Approach to Hiring Is All Wrong)。彼の考察によると、採用の複雑性が増し、多くの人事がHRテクノロジーを使う採用に対して重要だと認識している一方で、その正確性を見極めるのは非常に難しい課題として残っています。Peter Cappelli氏は、これからのHRテックの課題は、採用の精度と、独自の問題解決に重きをおいたHRサービスの判別する事であると言います。

HRテクノロジーの需要が高まる日本でも、これからのテクノロジーを使った採用や人事の在り方について考えておく必要があります。今回の記事では、既存のサービスの限界点を踏まえながら、HRテクノロジーやピープルアナリティクスが実現できる今後の展望を考察していきます。

Cappelli, P. (2019). Your approach to hiring is all wrong. Harvard Business Review, 97(3), 48-58.

現代HRテクノロジー・ピープルアナリティクスの限界点・改善点

ハーバード・ビジネスレビューでの考察によると、採用・人事はほとんどの経営者が重要な課題であると認識している一方で、普遍的に正しい採用の方法は確立されていず、絶対的に正しい選択を提供してくれるテクノロジーは存在しないと言います。そして、普遍的な解決策へ向かおうとする目標自体が、現代のHRテクノロジー業界の問題点の一つだと指摘しています。

HRテクノロジーやピープルアナリティクスを使ったサービスの多くは、アルゴリズムやビッグデータを使うことが一つのアピールポイントであるようです。しかし、その技術が、自社それぞれの採用を上手く手助けしているのかどうかを正確に評価できる方法はいまだに確立されていないようです。

HRテクノロジーを使っている企業でも、サービスの背景にあるアルゴリズムの正確性を理解している場所はほとんどないようです。つまり、既存のHRテクノロジーサービスやアルゴリズムが「自社の求める人材を獲得するために機能しているかどうか」を評価する方法が定かではないのです。

ピープルアナリティクスで組織改善を測ろうにも、果たして使われているテクノロジーが、「自社独自の課題を解決しているかどうか」を確認できる方法が確立されなければいけません。これ懸念点が、今後のHRテクノロジーを展望する上で重要な視点になります。

HRテクノロジーとピープルアナリティクスの今後の展望

現状のHRテクノロジーとピープルアナリティクスの限界点を踏まえた上で、今後どのようなサービスに注目し、また、使用者側として注意していけば良いのでしょうか。そこで、HRテックの今後の課題と留意点を5つのポイントに絞って紹介していきます。

将来のHRテックの展望①:人材要件を絞ろう

アルゴリズムやAIといった言葉を盲目的に信じず、御社が本当に欲しい人材を採用するのに必要かどうかを明らかにしてから、HRテクノロジーを活用することが求められます。もしくは、テクノロジーを使って明確な人材要件を定義していくのも良いでしょう。

現代の採用が難しい理由として、①高スキル人材の採用②長期労働の難しさの二つが挙げられます。これら二つの理由が重なると、高度なスキルをもつ人材は昇格を求めて職を求めるため、高度なスキルをもつ人材ほど流動性が高くなり、スキルのある人材を中途採用で見極める必要が生まれてきます。そうなると、自社の研修などに頼ることはできなくなり、採用の段階で多様な人材の中からどれだけ正確に見極められるかが鍵になってきます。

人材要件を絞り正確に採用するためのプロセスに、HRテクノロジーを使う方法が考えられます。このプロセスは、既存のHRサービスやピープルアナリティクスが得意とするところです。

例えば、自社サーベイを手助けするサービスや、カルチャーフィットを可視化するなどといったサービスが挙げられます。重要なポイントは、いかに「自社が独自に必要としている人材を定義でき、その人材に効率よくリーチできるか」です。

将来のHRテックの展望②:マッチする人材を効率よく採用しよう

自社の定めた人材を正確に定義できたら、次は定義に当てはまる人材層に効率よくリーチし、採用につなげていくプロセスが求められます。この過程で、HRテクノロジーを活用する方法が考えられます。具体的には、採用計画から、採用評価までのプロセスを正確に管理できるようなHRサービスの活用です。

将来のHRテックの展望③:積極的な求職者を捕まえよう

潜在的な転職者層を2つのタイプに分けるとするならば、「積極的な候補者」と、「消極的な候補者」に分けることができるでしょう。積極的な候補者とは、次の雇用先を積極的に探している層です。一方で、消極的な候補者とは、特に自分からは次の雇用先の可能性を探していない層のことです。

リンクドインのデータによると、リンクドインに登録している全体の約75%が消極的な候補者に当たるようです。したがって、これからの採用で成功するには、いかに消極的な層に積極的にリーチをしていけるかが鍵になります。

参考URL『Linkedin Talent Blog』Recruiting Active vs. Passive Candidates

将来のHRテックの展望④:パフォーマンスの評価を考慮したアルゴリズムを

HRテックとピープルアナリティクス活用の精度を上げていくには、採用をカンタンにするだけのサービスではなく、採用後のパフォーマンスを考慮に入れたアルゴリズム、または各社に合わせた評価基準に合わせたサービスが必要になってきます。

既存のHRサービスでは、要件定義や採用リーチの部分を効率的にするものは多いですが、採用後のパフォーマンスを追うことのできるサービスはなかなかないようです。また、HRテクノロジーやピープルアナリティクスは複雑なアルゴリズムに基づいているため、活用している人事担当者も「使っているサービスは、どれほど正確に機能しているだろう?」「自分たちが定義する人材を採用する目的に適しているだろうか?」という視点を忘れがちになってしまいます。

テクノロジーの判断を評価するのは最終的には使用者側に委ねられるので、評価する際の明確な基準はしっかりと持っておきたい所です。それぞれのニーズにカスタマイズできる今後のHRテックサービスを待つと同時に「今使用しているテクノロジーは、自分たちが欲しい基準を測る上で正確であるだろうか?」という冷静な視点が大事になるでしょう。

将来のHRテックの展望⑤:HRサービスの利用者としての課題

HRテックサービスやピープルアナリティクスが生まれた背景には、データサイエンスと社会科学の理論の融合があります。したがって、ピープルアナリティクスはもともと社会科学の専門性が要求されるものでした。

絶対的な解決策をもつHRテックサービスは存在しないことを考えると、使用者側の判断がより重要な意味を持ってきます。例えば、統計の処理の仕方や、サーベイのとり方、あるいはスキルや対人関係の評価の仕方を知っていれば、使っているサービスと合わせてより正確な判断ができるようになります。データサイエンスと社会科学系の専門的な知識があればあるほど、「使うべき」HRサービスを選択でき、またその有用性を自社データを使って評価できるようになるでしょう。

「自社にあったHRサービスを吟味する」点においては、使用者である経営者や人事担当者にデータサイエンスや社会科学の知識があると、より正確な判断が下せるようになります。それぞれのサービスが解決できる範囲や開発背景と、自社の問題へのマッチ度を吟味しましょう。検討しているサービスはどのようなデータを提供してくれるのか、どこまで分析可能かを吟味する上でも、基本的な知識は必須となっていくでしょう。

万能なHRテックサービスは存在しない。自社の課題を明確にしよう

ハーバード・ビジネスレビューのコラムが警告を鳴らしているように、現状のHRサービスでは全ての会社のニーズに合う万能な解決方法は提供できません。よって、今後の展望は、HRサービスの使用者側が、既存のサービスがいかに「自社独自の問題を特定・解決してくれる」のに適しているのかを、慎重に吟味してかなければいけません。

「テクノロジー」や「AI」と言った用語に盲信せずに、採用したサービスを冷静に評価できる姿勢が求められてきます。独自のニーズにカスタマイズ可能な今後のサービスを待つ一方で、経営者や人事担当者がデータサイエンスや社会科学への素養をつけることができると、より精度の高いピープルアナリティクスが実現できるでしょう。

mitsucari

ミツカリ
会社や組織のミスマッチを予測し、早期離職を未然に防ぐ
2,800社が導入し、161,000人が受検した適性検査。応募者の人物像、社風との相性がひと目で分かり、多くの企業で離職率が改善されています。採用面接だけでなく、内定者フォローや採用要件定義など、様々な人事業務でミツカリが活用されています。

資料のご請求はコチラから

  1. TOP
  2. HRテックやピープルアナリティクスの現状の限界点と将来実現される未来とは?