AI Transformation5分で読める
AI時代に人事部門の役割はどう変わるか
生成AIの普及は、人事部門を「制度と手続きの運用者」から「仕事と組織の設計者」へ押し出す。何が変わり、何が変わらないのかを、機能ごとに整理する。
- AIが最初に置き換えるのは人事の「仕事」ではなく、人事の「作業」である。問い合わせ対応、文書作成、データ集計など反復性の高い業務から影響が出る。
- 人事部門の中心的な役割は、制度運用から「仕事の設計」「組織能力の設計」「AI利用のガバナンス」へ移る。
Independent research media on People & AI
AIで、人事と組織経営を再設計する。
People AI Labは、AI時代の採用、組織開発、マネジメント、People Analytics、HRテクノロジーを実務視点で研究する専門メディアです。
- 9
- 公開記事
- 2
- 調査・レポート
- 13
- 掲載ツール
編集部より：確認できた出典だけを書き、推測の数値や導入効果は載せません。最終判断は、いつも人が担うものとして書いています。
Featured
注目の特集記事
AI時代の人事・組織経営を考えるうえで、まず読んでほしい記事。
注目の特集記事
Talent Acquisition5分で読める
採用業務で生成AIを活用できる領域と、任せてはいけない領域
求人票作成から候補者対応、面接記録の要約まで。採用プロセスを7つの工程に分け、生成AIが有効な領域と、法規制・公正性の観点から人が判断すべき領域を整理する。
- 生成AIが最も効果を発揮するのは「文書作成」「要約」「連絡の下書き」といった採用の周辺作業であり、合否判断そのものではない。
- 書類スクリーニングや面接評価へのAI適用は、国内の公正採用の考え方や海外の規制（EU AI Act、NYC Local Law 144 など）を踏まえ、人による最終判断と説明可能性を前提に設計する必要がある。
Governance5分で読める
人事データをAIで扱う際のガバナンス設計
評価、給与、健康、面談記録。人事データは企業が持つ最も機微な情報である。AIで扱う前に決めておくべき方針、体制、記録、説明の仕組みを、法規制とフレームワークをもとに整理する。
- 人事データのAI利用は「技術の問題」ではなく「意思決定の権限と責任の問題」として設計する。誰が、どのデータを、何の目的で、どこまでAIに委ねるかを文書化する。
- 日本の個人情報保護法における利用目的の特定・要配慮個人情報の扱い、EU AI Act における雇用領域の高リスク分類、NIST AI RMF の4機能を参照点にすると、抜け漏れの少ない設計ができる。
Research
最新の調査・レポート
編集部による調査、比較、フレームワークをまとめたレポート。準備中・サンプルのものは明示しています。
最新の調査・レポート
- 2026
HRテクノロジー
HR×AIツール ランドスケープ 2026（準備中）
準備中準備中 ・ 2026.09.01HR×AIツール ランドスケープ 2026（準備中）
人事領域のツールにおけるAI機能の実装状況を、編集部がカテゴリ別に整理するレポート。公式情報に基づく機能の分類と、選定時の確認項目をまとめる予定です。統計的な市場調査ではありません。
- 2026
成熟度モデル
人事業務のAI活用成熟度 自己診断シート（サンプル版）
サンプルサンプル ・ 2026.08.30人事業務のAI活用成熟度 自己診断シート（サンプル版）
編集部の5段階成熟度モデルに基づき、データ・ルール・体制・スキルの4要素から自社の現在地を診断するためのシート。サンプル版は構成と体裁の確認用で、統計的な調査結果は含みません。
Latest
最新記事
最新記事
Organization Design5分で読める
AI前提の職務設計：仕事を「タスク」に分解して再構成する手順
AIが入ると、職務は「役職」ではなく「タスクの束」として見直す必要がある。職務をタスクに分解し、AIに委ねる範囲を決め、人が担う判断と責任を再定義して職務記述書に戻すまでの5ステップを、実務で使える形で整理する。
People Development5分で読める
AIリテラシー育成を「研修」で終わらせない：役割別の学習設計
全社一律のAI研修は、受講率は上がっても業務は変わらない。経営層・マネージャー・実務者・人事の4つの役割ごとに「何ができればよいか」を定義し、研修・実践・共有・評価の4要素で学習を設計する方法を、公開フレームワークをもとに整理する。
People Analytics4分で読める
People Analytics を始める前に整えるべき3つのこと
分析ツールやAIを入れる前に、「答えたい経営の問い」「データの定義」「意思決定への接続」を整える。People Analytics の初期段階で、使われないダッシュボードと信頼の毀損を避けるための準備を、人的資本開示の枠組みと個人情報保護の要件をもとに整理する。
Management5分で読める
AI時代のマネージャーに求められる役割
メンバーがAIと協働する前提で、マネージャーの仕事はどう変わるのか。情報の仲介者から、判断基準の設計者・成果の責任者・学習環境の整備者へ。1on1と評価の実務も含めて整理する。
AI Transformation5分で読める
人事業務のAI活用成熟度モデル：5段階で現在地を把握する
「個人が試している」段階から「AI前提で人事機能が設計されている」段階まで。人事業務のAI活用を5段階で定義し、各段階で整えるべきデータ・ルール・体制・スキルを示す自己診断の枠組み。
HR Technology5分で読める
HR×AIツールを選ぶ際の評価基準：機能デモに惑わされない8つの観点
「AI搭載」を掲げるHRツールが増えるなか、何を基準に選ぶべきか。機能だけでなく、データの扱い、出力の説明可能性、契約条件、撤退のしやすさまで含めた8つの評価観点と、ベンダーへの質問リストを示す。
Topics
テーマから探す
人事機能の再設計に必要な 8 つのテーマで記事を整理しています。迷ったら「AI変革」から。
- AI TransformationAI変革AIを前提に人事機能・組織・仕事を再設計するための戦略、ロードマップ、成熟度の考え方。2 記事
- Talent Acquisition採用採用計画、母集団形成、選考、候補者体験におけるAI活用と、その限界・リスク。1 記事
- Organization Design組織設計AI時代の職務設計、チーム構造、意思決定の分担、人員計画の考え方。1 記事
- People Development人材育成リスキリング、学習設計、キャリア支援、AIリテラシーの育成に関する実務。1 記事
- People Analyticsピープルアナリティクス人事データの整備、分析、活用と、AI利用におけるデータガバナンス。1 記事
- ManagementマネジメントAIと協働するチームのマネジメント、1on1、評価、フィードバックの再設計。1 記事
- HR TechnologyHRテクノロジーHRIS、ATS、タレントマネジメントなどのツール選定・導入・運用と、AI機能の見極め方。1 記事
- GovernanceガバナンスAI利用のルール、法規制、倫理、透明性、監査可能性など、人事領域で守るべき基準。1 記事
Tool Database
HR×AIツールデータベース
採用管理、タレントマネジメント、People Analytics など、人事領域で使われるツールのAI機能を編集部が整理しています。 確認できていない情報は「未確認」と明示し、料金や実績を推測で記載しません。
ツールDBの見方
01HR業務
採用、評価、育成、労務など、どの業務で使うか
02AI機能
生成・要約・検索・推奨のどれを、どこまで担うか
03データ・ガバナンス
学習利用の有無、保存場所、説明可能性の確認
04比較・意思決定
候補を並べて比較し、最終判断は人が行う
Newsletter
People AI Lab Letter
AI時代の人事・組織経営に関する新着記事、調査レポート、ツールDBの更新、編集部の論点を月2回程度でお届けします。登録は無料で、いつでも解除できます。
- 新着記事とレポートの要点
- HR×AIツールDBの更新情報
- 編集部が注目する国内外の調査・規制動向
Editorial Standards
匿名でも、信頼できる編集を。
People AI Labは、AI時代の人事・組織経営を研究する独立系メディアです。企業経営、人事、採用、組織開発、コーポレートIT、生成AI導入に携わる実務家の知見と、国内外の調査・事例をもとに情報を発信します。
01一次情報を優先する
法令、公的機関、企業の公式発表、査読済み研究など、確認できる出典を記事末尾に明示します。
02数値・事例を捏造しない
確認できない調査結果や導入効果は書きません。一般論や編集部の見解は、そのように明示します。
03AI利用を開示する
下書きや整理にAIを利用した記事にはその旨を表示し、公開前に必ず人間が出典と内容を確認します。
04訂正を記録する
誤りが判明した場合は速やかに訂正し、更新日と訂正内容を記事上に残します。
記事の末尾には、必ず出典とAI利用の有無を記載しています。