Leaf AI人事評価支援

部署方針・職務特性を反映した、実務に即したレビューを自動生成します

Leaf AI人事評価支援では、部署ごとの目標評価分布（部署の評価軸）や、職務ごとの期待レンジ（職務の評価軸）をアップロードすることで、組織の方針や役割特性を踏まえた評価に対するレビューが可能です。

例えば、「営業部はS評価10％が目標」「エンジニア職は最高評価Aが妥当」といった前提条件を反映しながら、現在の評価結果が方針と整合しているかをAIが分析します。 自社の評価ルールに即した現実的なフィードバックが得られます。

評価軸が未整備でも、テキスト指示だけでレビューができます

部署の評価軸や職務の評価軸を用意していない場合でも、
・「今回の評価は全体的に厳しめかどうかを見てほしい」
・「昇格候補者が妥当かを重点的にチェックしてほしい」
といったテキスト指示を入力するだけで、AIレビューを実行できます。
評価制度がまだ固まっていない企業でも、今ある評価データをそのまま活用し、AIによる第三者視点のチェックをすぐに導入可能です。

AI利用時のデータ取り扱いについて

本サービスでは、Microsoftが提供する生成AI基盤「Azure OpenAI Service」を利用しています。Azure OpenAI Serviceの公式仕様に基づき、お客様がAIに入力した評価データおよび指示内容は、以下のように取り扱われます。

・入力データおよび生成結果は、AIモデルの学習には一切使用されません。

・入力データは、OpenAI（本家のSaaSサービス）を含む第三者に共有されません。

・処理に必要な一時的な利用を除き、Azure側で永続的に保存されることはありません。

・お客様のデータが、外部のモデル改善やサービス品質向上目的で利用されることはありません。

部門間で評価基準がズレていないかの横断チェック

・複数部署の評価結果をまとめてAIにレビューさせることで、部門ごとの評価傾向の違いを可視化できます。

・例えば「経理部門が全体的に厳しめ」「システム部門ではA評価をほとんど使っていない」など、組織全体では見えにくいズレが明確になります。

・部署の評価軸を設定していれば、目標分布との乖離も同時にチェック可能です。

・全社で評価水準を揃えたい企業にとって、制度運用のセルフチェックツールとして活用できます。

昇格・昇給候補者の妥当性チェック

・「今回の昇格候補者は評価分布の中で妥当か」「他にも同等レベルの社員はいないか」といった視点でAIレビューを実行できます。

・職務の評価軸を設定していれば、役割期待と評価の整合性も同時に確認可能です。

・個別の印象や推薦理由だけでなく、全体データとの比較という客観材料を加えられます。

・人事判断に"第三者視点の根拠"を持たせることで、意思決定の質と納得感を高めます。

評価制度の改定時に、組織の現状把握ツールとして使う

・現在の評価データをAIに読み込ませることで、組織全体の評価分布や傾向を自動で可視化します。

・「評価が形骸化していないか」「評価が極端に偏っていないか」といった、制度改定前に必ず確認すべき論点を整理できます。

・制度を設計する前に、まず今の評価がどうなっているかを客観データとして把握できます。

・評価制度設計の前段として、「今の評価はどんな状態か」を知るための分析ツールとして活用できます。

①評価調整会議の前に、AIで全体チェックしてみました。

評価調整会議の前に各評価者の一次評価データをLeaf AI人事評価支援に取り込みました。
実際に横断一覧画面で評価分布を確認すると、営業部だけS評価が想定より多く、逆に管理部はB評価が集中していることが一目で分かりました。
論点が最初から整理されるので、会議の準備時間が大幅に削減され、感情論ではなく客観的な調整につなげられました。

②管理職ごとの評価傾向を、AIでフィードバックしてみました。

部署・部門ごとの傾向をAIに分析してもらうことで、管理職ごとの評価傾向が分かりました。
・Aさんは全体的に評価が甘め
・BさんはB評価に集中しがち　といったクセが可視化されました。


これを管理職向けの評価制度研修で、自分の評価データを見ながら説明しました。
「自分の評価は、組織全体の分布と比べて妥当か」
「自分の評価は、他の評価者と比べてどこが違うのか」
「部下評価の基準は揃っているか」
を考えてもらう資料として有効でした。 制度説明だけの研修ではなく客観的なデータを使った評価者育成が実現しました。