.png)
AI導入案を出す必要があるのに、何から変えるべきか見えないなら
オンボーディング、人事異動、休職、退職のうち、どの業務にAIを適用すべきでしょうか。HRIS担当者に聞けば、どれも反復的で急を要する仕事に見えます。最も大変だと感じる工程も担当者ごとに異なります。
この状態でチャットボットや生成AIを先に選ぶと、単純な条件分岐に高価なモデルを使ったり、正解を誤ると困る判断を確率的なシステムに任せたりしがちです。まず行うべきことは、業務が実際にどこで止まり、誰が何回手を加えているかを記録することです。
HRBenchが紹介したHRISリーダーも、チームごとの業務時間と影響を受ける人数を調査した後、手作業から自動化しました。戻った時間をスプレッドシートに継続して記録し、評価時に生産性の1,000時間を節約したと報告していますが、この過程でAIは使われていませんでした。
1,000時間は目標ではなく、測定習慣の事例です
この数字を自チームの予想削減時間やAI ROIとして扱ってはいけません。原文では、企業規模、測定期間、自動化した業務の一覧、1件当たりの基準時間、例外処理や保守時間を差し引いたかどうかが公開されていません。1人の実務者による自己集計の事例であるため、金額削減に換算する根拠も不足しています。
代わりに持ち帰れるのは、調査の順序です。事例の担当者は1人の繰り返される不満だけを聞いたのではなく、各業務にかかる時間と影響を受ける人数を併せて確認しました。担当者の業務文書をリポジトリに残すことは、人材流出や企業取引の際に個人にひも付いた運用知識を保存する助けにもなったと説明しています。ただし、その効果は別途定量化されていません。
節約した時間と削減した費用は別の数字です。
処理時間が短くなっても、戻った時間が別の業務に実際に再配置されなければ、現金の削減とは見なせません。エラー修正、例外処理、確認、手動介入、保守に再び使った時間も差し引く必要があります。
最初の実行: 完了したオンボーディング1件をプロセスマップにしましょう
最初から全社のHRプロセスを調査する必要はありません。最近完了した反復業務を1つ選び、個人情報を削除または最小化した小規模なCSVから始めましょう。以下の値と業務名は、製品性能や実際の処理時間ではなく、入力形式を示すための仮想例です。
- まずログの種類を決めます。
1行が1つの事象を表すイベントログなら、Case ID、Activity Name、発生時刻1つを用意します。各工程の所要時間まで分析するアクティビティログなら、開始時刻と終了時刻をそれぞれ入れます。MicrosoftのドキュメントはCase IDとActivity Nameを求め、イベントログとアクティビティログのタイムスタンプ構造を区別しています。 - 以下の仮想例をCSVとして保存します。
case_id,activity_name,event_timestamp
ONB-024,入社者情報受付,2026-09-01T09:00:00+09:00
ONB-024,マネージャー承認,2026-09-01T13:40:00+09:00
ONB-024,IT機器リクエスト,2026-09-01T14:05:00+09:00
実際の作業では、HRISのステータス変更、承認履歴、チケット記録を照合し、氏名やメールアドレスのように分析に不要な個人情報は入れないでください。現在の状態だけを保存した表には、過去のアクティビティ履歴がない場合があります。 - 環境と権限を確認してから、ブラウザーでサインインします。
Process Miningを開始するには、適切なライセンスまたは試用版、Microsoft Dataverseデータベースが構成されたPower Platform環境、その環境のEnvironment Makerロールが必要です。使用する環境を選択できない、またはDataverseデータベースがない場合は、管理者に環境構成とロール割り当てを依頼してください。 条件が整ったら、組織アカウントでPower Automateにサインインし、Process MiningホームのStart hereでプロセス名を入力します。別途ローカルインストールは必要ありません。 - CSVを接続し、列をマッピングします。
Choose data source → All categories → Text/CSV → Browse OneDriveへ進み、OneDrive for Businessで認証してCSVを開きます。必要な期間とアクティビティだけを残し、次の画面でCase ID、Activity、ログ種類に合ったタイムスタンプ列をマッピングしてから、Save and analyzeを選択します。OneDrive for Businessを使用できない場合は、公式ドキュメントのBlank table経路を確認できます。 - 最初の成功はアクティビティノードと経路で確認します。
Analyticsのプロセスマップに、入社者情報受付、マネージャー承認、IT機器リクエストという3つのアクティビティノード、入社者情報受付 → マネージャー承認 → IT機器リクエストという遷移、合計case count 1が表示されれば、仮想ログは分析されています。プロセスマップは個別のCase IDの下でイベントを展開する画面ではなく、アクティビティ間の経路を集計して表示します。ONB-024自体を確認する必要がある場合は、別のケース一覧または詳細画面で探してください。 分析エラーが出た場合は、まずCase IDとActivity NameがText形式であること、タイムスタンプがDate/Time形式であることを確認します。
プロセスマイニングは、記録されたイベントデータから実際の流れ、ボトルネック、手戻り、自動化候補を見つける選択肢です。初期の業務文書化に代わるものではありません。安定したCase IDや過去のイベントがない場合は、ツール設定を増やすより、完了事例をスプレッドシートに集める段階へ戻ってください。
マップで見つけた業務を3段階に分けましょう
記録した経路のうち、ルールとして固定できる区間から自動化し、それでも解釈が残る区間だけをAI候補に回せばよいのです。IBMの一般的なHR自動化手順も、手作業の調査と文書化、ツール選定、既存のHRIS・給与・福利厚生・応募者追跡システムの接続という順序で説明されています。
- 第1段階: 実際の経路と基準線を固定します。
完了した複数の事例について、処理件数、工程間の経過時間、手動介入時間、手戻りの理由、例外を同じ定義で記録してください。担当者の記憶とシステム記録が異なる場合は、両方を残し、差が生じた理由を確認します。 - 第2段階: 1文のルールでテストできる区間を自動化します。
「承認済みの入社者レコードに必須の機器フィールドがすべてあれば、指定されたITキューにチケットを作成し、処理ステータスを記録する」のように、入力、条件、結果、失敗時キューを書きます。正常、必須値欠落、重複、取消、担当者不在について期待結果を作り、現在のHRISまたは自動化ツールで実装します。 - 第3段階: ルールとして固定できない区間だけをAIで評価します。
問い合わせ文の意図分類やポリシー文書の下書き作成のように、入力表現は多様でも人が結果を確認できる仕事から始めます。AIが支援する作業、知識の限界、利用範囲、確認責任者、中断条件、期待便益、エラーのコストを文書化します。NIST AI RMFも、このような項目を定義・記録するよう案内しています。
| 判断の質問 | ルールベース自動化が適する場合 | AIを検討できる場合 |
|---|---|---|
| 入力 | 定められたフィールド・コード・ステータス値 | メール・文書・自由記述 |
| 正解 | 条件と結果を事前に列挙できる | 文脈により分類・要約・下書きが変わる |
| 確認 | 必須値・重複・形式を即時に確認 | 人が文脈と根拠を確認 |
| 例 | 承認の転送、通知、チケット作成 | 問い合わせ意図の分類、ポリシー下書き作成 |
| 失敗時の対応 | 再実行または担当者キューへ転送 | 承認保留、人による確認、または利用停止 |
採用のように人の機会に影響するAIは、一般的な生産性自動化と分ける必要があります。英国政府の指針は、購入前に目的と機能を定義し、データ保護、有効な人による監督、アクセシビリティ、偏りのリスクを検討し、実際の利用者と影響を受ける集団が参加するパイロットを推奨しています。これは英国環境の指針であるため、実際の導入では適用地域の労働・差別・個人情報に関する法令も別途確認してください。
成功は速度と失敗コストを併せて計算してください
自動化が一度実行されたという事実だけでは、成功ではありません。同じ業務範囲、測定期間、開始・完了の定義を維持したうえで、処理時間と待機時間が減り、エラー・手戻り・例外・手動介入が許容範囲内である必要があります。
たとえば、処理件数 × 1件当たりの処理時間減少分 − 例外処理・確認・保守時間を純粋な戻り時間と定義できます。この計算式は公式の標準ではなく、チームが適用前に合意できる保守的な例です。HRBench事例の1,000時間を目標値にするより、自組織の定義と元データを再確認できるようにすることが重要です。
業務記録を依頼するときは、まず目的を共有してください。
HRBench事例でも、チームメンバーは文書化が自分の仕事をなくすためのものかを尋ねました。何を自動化候補にするのか、戻った時間をどこに使うのか、実際の担当者が設計と確認にどう参加するのかを先に説明してこそ、隠れた例外まで記録できます。
さらに深掘りしたいなら
Automate Before You Even Think About AI: An HR Leader's Playbook — 1,000時間事例の文脈と、業務調査・文書化の順序を確認できる原文です。 hrbench.com
Prepare processes and data — イベントログとアクティビティログに必要な列、CSV接続、分析開始手順を確認できます。 learn.microsoft.com
Overview of process mining and task mining in Power Automate — ライセンス、Dataverseデータベースがある環境、Environment Makerロールなど、開始前の必須条件を確認できます。 learn.microsoft.com
AI RMF Core — AIの作業範囲、限界、人による監督、便益、エラーコストを文書化する際に参照できる任意のフレームワークです。 airc.nist.gov
