人事データ白書2025をもとに、日本企業の人事データ活用の現在地と課題を解説したセミナーレポートを公開しました。活用を進める要点も紹介しています。

米国防総省　人事データベースから305万人の個人情報流出も「アクセスされただけセーフ!!」と強弁 → 生存者276万人、死亡者約29万4000人 氏名や社会保障番号などが含まれる可能性があります。

【イベントレポート公開】 AI時代の人事データ基盤のつくり方 〜XAION DATA × Offersで考える、分断された人事データをAIが扱える基盤に変えるまで〜 10月15日に開催した株式会社XAION DATAとの共催ウェビナーのレポートを公開しました🎉 株式会社XAION DATA HR Platform本部 本部長/人事戦略本部 部長 岸川 哲也氏（ @kishikawa_xaion）、Offers マーケティング本部長 岡田 宗悦（ @soetsuokada）が登壇🎤 レポートでは、分断された人事データをつなぎ、AIが扱える基盤に変えるまでの考え方と実践を紹介しています👇 ✅ 人事アクションは採用だけではなくなった ✅ 人材戦略は、仕事を人とAIにどう配分するかの設計へ ✅ データ基盤を阻む壁は、サイロ化とテキストに残らない経験 ✅ 3社の事例に共通するのは、クローズドデータとオープンデータの掛け合わせ ✅ データが揃ってもAIが判断できないのは「人間臭さ」と判断の背景 ✅ 採用要件は「活躍できたか」から「なぜ活躍し続けられるか」へ 人事データをAIに渡す前に、何を整えるべきか。 ぜひご一読ください💁‍♀ ▼レポートはこちら #Offers# #人事データ#

7/29の宣伝会議「人財会議カンファレンス」に登壇します。人的資本経営における人事データ活用と、人・組織の未来像の描き方をお話しします。

# AIエージェントをエンタープライズシステムに組み込む意思決定ポイント # シングル vs マルチエージェント｜Single vs Multi-Agent 🎯 ポイント 「マルチエージェントの方が賢そう」という理由だけで複数エージェント構成を選んでいませんか？ マルチエージェントは万能ではなく、オーケストレーションの複雑性・レイテンシ・コストを必ず伴います。シングルで済むならシングルが最善です。分割の判断基準は「ツール数」「権限分離」「並列実行の効果」の3つです🔑 📋 概要 1つのエージェントで完結させるか、複数の専門エージェントに分割するかは、タスクの複雑さ・ツール数・権限分離の要件・コスト感度によって決まります。シングルエージェントはタスクが単一ドメインに収まり、ツール数が30以下で、レイテンシ要件が厳しい場面で力を発揮します。SlackボットでのFAQ回答やSalesforceの単一レコード検索・更新のように、スコープが明確なタスクはシングルで十分です。マルチエージェントが活きるのは、専門領域が複数にまたがり、法務・経理・人事のように役割ごとに異なる権限とデータアクセスが必要な場面です📊 🔍 意思決定のポイント 判断は以下の順で行います： ツール数は30以下か？ → 30以下で精度に問題なければシングルで十分 権限分離が必要か？ → 法務データと営業データを同一エージェントに持たせると情報漏洩リスク 並列実行の効果は？ → 3つ以上のSaaSを同時に調査するなら並列化の恩恵が大きい レイテンシ要件は？ → ハンドオフのオーバーヘッド（目安1〜3秒/回）を許容できるか コスト制約は？ → オーケストレーション分のLLM呼び出しが追加で発生する 重要なのは、ツール数50超を1つのエージェントに持たせるとツール選択精度が60%以下に低下する傾向があるという経験則です。このラインを超えたらtool RAGで動的フィルタするか、エージェントを分割しましょう⚡ 💡 要点と詳細 段階的拡張が最も安全なアプローチです： 初期はシングルエージェントで構築し、ツール数やタスク複雑性の増加に応じて専門エージェントを分離します。分離の判断基準は「ツール選択の精度低下」と「権限分離の要件」です。 マルチエージェント構成のパターン： - ルーター＋専門エージェント：スーパーバイザがユーザーの意図を判定し、適切な専門エージェントにルーティング。各専門エージェントはシングルとして動作します - 並列実行：Workdayの人事データ、Salesforceの商談データ、Jiraの開発進捗を並列に取得して統合する経営ダッシュボード生成 - エージェントごとの最適モデル選択：高精度が必要な分析には大型モデル、定型処理には高速・低コストモデルを使い分け ServiceNowのインシデント対応では、一次分類エージェント（シングル・高速）が受付し、深堀り調査が必要な場合にインフラ調査エージェント・ログ分析エージェントを並列起動する構成が効果的です🔄 ⚖️ トレードオフ 「とりあえずマルチ」で始めると、実際にはシングルで十分なタスクにオーケストレーションの複雑性を持ち込み、デバッグ困難・コスト増大・レイテンシ悪化を招きます。マルチエージェントの月間LLMコストはシングルの2〜5倍になることも珍しくありません😰 一方、エージェント間の文脈共有を軽視するのも致命的です。ハンドオフ時にコンテキストが失われると、ユーザーが同じ情報を繰り返し伝える羽目になります。共有メモリの設計が不可欠です。 権限分離なしのマルチエージェントも意味がありません。エージェントを分割しても全員が同じ権限で動作していれば、分割の安全性メリットはゼロです。エージェント単位で最小権限を設定してください⚠️ 🛠️ ユースケース 社内FAQ・ナレッジ検索：ツール数10以下、単一ドメイン、レイテンシ重視。シングルエージェントが最適解。無理にマルチにする必要はありません📚 経営ダッシュボード生成：Workday・Salesforce・Jira・Slackの4システムを横断。各システムの専門エージェントが並列にデータを取得し、集約エージェントが統合レポートを生成。ツール数50超・権限分離必要・並列効果大でマルチエージェントの適用が明確です🛒 開発チーム支援：初期はシングルエージェント（GitHub + Jira連携、ツール数15）で開始。半年後にセキュリティスキャン・パフォーマンス分析・ドキュメント生成が追加されツール数40超に。ツール選択精度の低下を検知し、セキュリティ専門エージェントを分離する段階的拡張パターンです🔧 実践のコツ：シングルで始めて、ツール選択精度のモニタリング（正しいツールが選ばれた割合）を計測してください。精度が80%を切ったら分割の検討タイミングです💪 #AIエージェント# #エンタープライズアーキテクチャ#

紹介が起きない会社には、共通点があります。 リファラル制度を作っても紹介が出ない。原因は報酬額ではありません。社員が友人に説明できない何かがあるからです。 紹介がまわる会社を見ていると、共通していたのはこの6つでした。 隠し事がない。経費の使い方も失敗談も共有されている。 入社半年で別人になれる。成長実感がある会社は、社員が勝手に人に話す。 意味不明なルールがない。形だけの定例も、謎の承認フローもない。 学びに金を出す。書籍代の上限なし、セミナー行き放題、そして今なら最新のAIモデルが使えるか。 副業も、働く時間と場所も柔軟。 経営陣が現場をわかっている。現場感のない指示が増えるほど、紹介は止まります。 米国9社の人事データを使ったQuarterly Journal of Economicsの研究では、紹介経由の入社者は離職率が10〜30%低いという結果が出ています。友人の顔がかかっているからです。 つまりリファラルは採用手法ではなく、組織の健康診断です。紹介が出ないのは社員が悪いのではない。紹介できる会社になっていないだけです。 27年間、4000人以上の経営者と話してきましたが、一度断られた人に何度もアプローチし続ける会社はほとんど見たことがありません。営業なら「断りは挨拶」と言うのに、採用だと誰も粘らない。ここが一番の差です。 あなたの会社、友人に紹介できますか。

AI時代の人事のダイエットは単なる削減ではない。日本総合研究所の髙橋千亜希氏が、データ入力などの定型業務をAIに任せ、感情の寄り添いや迷う時間といった「残すべき無駄」に人間が集中する本質を解説します。