四半期人事レビューをAIで整理するチェックリスト 2026年7月版
四半期人事レビューで、目標、1on1メモ、評価コメント、バイアス確認、本人フィードバックをAIで下準備するためのチェックリストです。
2026年7月版 の確認リスト
この記事で確認すること
- 1 1. 評価判断と文章整理を分ける
- 2 2. 事実、観察、解釈を分ける
- 3 3. バイアス確認を最後に必ず入れる
- 4 4. 本人フィードバックは次の行動に変える
- 5 5. 最初の1週間の試し方
1. 評価判断と文章整理を分ける
四半期レビューでAIを使うときは、評価を決める作業と、評価コメントを読みやすくする作業を分けます。AIには、1on1メモ、目標、実績、本人コメントを整理させるところまでにし、最終評価は上長と人事が決めます。
BambooHRのような人事管理ツールは、レビュー、目標、フィードバックを扱いやすくする機能を提供しています。中小企業では、まず紙やスプレッドシートに散らばった情報を同じ型へそろえることから始めるのが現実的です。
BambooHRのような人事管理ツールは、レビュー、目標、フィードバックを扱いやすくする機能を提供しています。中小企業では、まず紙やスプレッドシートに散らばった情報を同じ型へそろえることから始めるのが現実的です。
2. 事実、観察、解釈を分ける
評価コメントで失敗しやすいのは、事実と印象が混ざることです。AIには「確認済みの事実」「上長の観察」「一案としての解釈」「本人へ確認したいこと」を分けて出させます。
たとえば「主体性が低い」と書く前に、会議での発言数、期限、成果物、支援依頼の有無など、確認できる材料に戻ります。AIの文章が滑らかでも、根拠が薄い評価は避けます。
たとえば「主体性が低い」と書く前に、会議での発言数、期限、成果物、支援依頼の有無など、確認できる材料に戻ります。AIの文章が滑らかでも、根拠が薄い評価は避けます。
3. バイアス確認を最後に必ず入れる
AIが作った評価コメントにも、人が渡したメモの偏りが残ります。性別、年齢、家庭状況、雇用形態、話し方、勤務時間帯など、業務成果と直接関係しない表現が混ざっていないか確認します。
W3の採用AIバイアス確認と同じく、AIは公平性の最終判定者ではありません。チェックリストで疑わしい表現を拾い、人事または責任者が確認します。
W3の採用AIバイアス確認と同じく、AIは公平性の最終判定者ではありません。チェックリストで疑わしい表現を拾い、人事または責任者が確認します。
4. 本人フィードバックは次の行動に変える
レビューコメントは、過去の評価だけで終わると行動につながりません。AIには、良かった点、改善点、次の四半期で試す行動、支援が必要なことを分けて下書きさせます。
断定的な表現や人格評価に寄せず、次に何を試すかを1〜3個に絞ります。本人へ渡す前に、上長が事実とトーンを確認します。
断定的な表現や人格評価に寄せず、次に何を試すかを1〜3個に絞ります。本人へ渡す前に、上長が事実とトーンを確認します。
5. 最初の1週間の試し方
まず1部署、3名分の架空または匿名化したレビュー資料で試します。AIに事実、観察、確認事項、フィードバック案を出させ、上長がどこを直したか記録します。
本番データへ広げる前に、入力禁止情報、評価決定者、本人へ見せる前の確認者を決めます。AIを使う目的は評価を楽に決めることではなく、レビュー資料の抜け漏れと表現のばらつきを減らすことです。
本番データへ広げる前に、入力禁止情報、評価決定者、本人へ見せる前の確認者を決めます。AIを使う目的は評価を楽に決めることではなく、レビュー資料の抜け漏れと表現のばらつきを減らすことです。
6. 確認した公式情報
このページでは、BambooHRのPerformance Management、Grammarly Business、EEOCのAIと雇用判断に関する情報を確認しました。参照先は、BambooHR Performance Management、Grammarly Business for HR、EEOC Artificial Intelligence and Algorithmic Fairnessです。
関連用語
ハルシネーション
AIが事実と違う内容や確認できない情報を、自然な文章で出してしまう現象です。
プロンプトエンジニアリング
AIに何を、どの条件で、どの形式で出してほしいかを整理する依頼文づくりの考え方です。
ファインチューニング
ファインチューニングは、例文や正解データを使ってAIモデルの振る舞いを特定用途に合わせる方法です。