HRテクノロジースタックをシンプル化し、AI導入の準備態勢とスキルの可視性を向上
- DISCE
- 12 分前
- 読了時間: 8分
複雑さには代償が伴います。多くの組織は、まだその代償を正確に算定できていないのです。どれほどの損失を被っているのか、ご自身でも気づいていないかもしれません。
HRITリーダーにとって、HRテクノロジーの現状は次のようなものです。限界までカスタマイズされ尽くした中核のHRIS、ユーザーがコンテンツを見つけられないほど情報が詰め込まれた学習プラットフォーム、そして緊急の課題を解決したものの、結局は断片的で混沌としたデータを生み出してしまった数多くのポイントソリューション。そして、そのすべての中心に位置するのが、AI主導の働き方の時代に向けて変革を迫られている従業員たちです。
すべては「近代化」の名の下に行われています。
ビジネスに不可欠なAI変革の話題になると、このレガシーな「システム」がもたらした結果が明らかになります。多くの企業がAI技術に多額の投資を行ってきましたが、有意義な成果はほとんど得られていません。AIへの準備状況や成功度を正確に測定する手段は事実上存在しません。なぜなら、断片化したテクノロジーエコシステムの運用上の複雑さが、あらゆる局面で進捗、可視性、そして従業員の成長を妨げているからです。
複雑なテクノロジースタックには、さまざまな形でコストがかかっている
どのようなHRテクノロジースタックにも、不要な隠れたコストが存在します。ライセンス料、統合の維持管理、IT関連の諸経費、相互に連携できないシステム間で重複する機能。
こうしたあらゆる形態の無駄は、テクノロジーエコシステムが複雑になるにつれてさらに深刻化します。
御社も例外ではありません。CIO誌によると、「成熟したIT組織でさえ、機能の重複や利用率の低さといった管理ミスにより、20～30％の無駄が生じていると推定されています。」
これらのコストは現実のものです。そして、AI変革に投じられる資金の細部までがROIの観点から厳しく精査される時代において、こうした追加費用は重要であり、その正当性を説明することがますます困難になっています。
特にグローバルに展開し、HR関連プラットフォームを12以上の運用する大企業にとって、その無駄は甚大なものになり得ます。しかし、それは解決可能です。例えば、
84.51°社は、Degreedへの移行により、エコシステムの統合で100万ドル、さらにトレーニング費用で4万ドルのコスト削減を実現しました。
AstraZeneca社は、レガシーシステムの60％を統合し、冗長なプラットフォームや管理上の摩擦を排除することで、17％のコスト削減を達成しました。
Citiグループも、従来の研修費を削減することで30万ドルの節約に成功しました。
しかし、多くのHRITリーダーが見落としているコストは、失われている人材インテリジェンスに関するものです。
断片化したシステムは、維持にコストがかかるだけではありません。可視性を損なうことにもつながります。スキルデータが人材計画と連携していないプラットフォームに保存されていたり、コンプライアンス記録が業務遂行能力データとは別のシステムに保管されていたりする場合、支払うのは直接的なコストだけではありません。人材計画や変革プランにおいても代償を払っていることになります ―― 下せない意思決定、把握できないスキルギャップ、そして基盤となるデータインフラが断片化されているために本来の性能を発揮できないAIツールといった代償です。
その代償は、停滞する変革プランや、期待通りの成果を上げられないAI投資という形で現れます。
AIは断片化やスキルギャップを解決するものではなく、それらを浮き彫りにする
AI変革に関する話の中には、テクノロジーを組織のあらゆる複雑さを解決する万能薬として描くものがあります。その考え方によれば、適切なツールを導入すれば、データの可視化や人材の能力向上は自然とついてくるというわけです。
しかし、現実はそうはいきません。
AIツールの有用性は、それを稼働させるデータの質に左右されます。AIを活用したスキル分析を行うには、連携が取れており、最新かつ包括的な人材データが必要です。多くの企業のHRエコシステムに散在する、断片的でサイロ化され、しばしば古びた情報では不十分です。データインフラが機能していない場合、AIはその事実を浮き彫りにするだけです。問題を解決するわけではありません。
同様に、従業員のAIスキルが十分に身についていない段階でAIツールへのアクセスを許可しても、変革は加速せず、能力のギャップがより顕著になるだけです。Bright Horizons社によると、従業員の79％が、職場でAIを使用する準備ができていないと答えています。人々がそれを活用する能力を持たない限り、インフラの近代化は無意味です。そうなれば、AIへの投資は何の成果も生まないことになります。
多くのHRITリーダーが現在、この点で行き詰まっています。AIツールは評価段階にあるか、すでに導入されています。しかし、必要な能力を大規模かつシームレスに育成する方法がなければ、従業員は業務でツールを円滑に活用することに苦労します。ビジネスが変革を成功させ、有意義な成果を実現するためには、従業員に関する知見、スキルの可視化、そして迅速な変革が必要です。
これを実現する上での障壁は依然として残っています。システム同士が連携しておらず、こうしたことを可能にする仕組みが整っていないのです。その解決策とは？シンプルさです。
HRテクノロジーの統合が、連携とデータの可視化を実現する
HRテクノロジーエコシステムの統合は、非常に大きな取り組みです。レガシーシステム、多言語環境、地理的に複雑なコンプライアンス要件を抱えるグローバル企業において、単純化でさえも数年単位の取り組みとなります。
しかし、その取り組みはコスト削減以上の成果をもたらします。
統合によるビジネス上の利点として、調達に関する議論ではめったに取り上げられないのが「データの可視性」です。この可視性はAI変革に不可欠です。なぜなら、相互接続がなければ、AIの能力は限定的になってしまうからです。パーソナライゼーションの実現や、変化する従業員の能力にリアルタイムで適応する能力は、シンプル化にかかっています。
HRシステムが、十分に統合された統一されたデータレイヤーに集約されると、真に完全な従業員記録が得られます。スキルデータは、誰も確認しない学習プラットフォームに閉じ込められたままになるのではなく、組織全体に可視化されます。コンプライアンス上の資格情報は、業務遂行能力と結びつきます。トレーニングの修了状況はケイパビリティ（能力）とマッピングされます。
これらは、AIの導入、能力構築、そして大規模な変革に不可欠な接続ポイントです。
これにより、従業員の能力をリアルタイムで可視化し、理解できるようになります。これは、従来の役割ベースのモデルとは対照的に、現代のスキルベースの従業員アーキテクチャに対する今日のアプローチに、より合致するものです。HR Leader誌の記事によると、これこそが、企業が「AIを活用したスキルマッピングおよびタレントインテリジェンスプラットフォームを活用し、ギャップを特定し、将来の要件を予測し、パーソナライズされた能力開発パスウェイを構築する」ことを可能にする要素であるとのことです。
スキルファーストのアプローチを採用しているグローバル企業では、すでにその成果が現れています。（大手酒取扱企業である）Pernod Ricard（ペルノ・リカール）社は、スキルファーストのアーキテクチャを構築しました。これにより、テクノロジーの最適化を通じて60万ユーロのコスト削減を実現しただけでなく、生成AIやチェンジマネジメントといったビジネスに不可欠なスキルに対する学習への関与度を高めました。同社は、新たなHRテクノロジーエコシステムを構築し、スキルデータの完全な可視化を実現することで、絶えず変化する市場において競争力を維持し、適応し続けるために必要な人材の俊敏性を確保しました。
可視性の向上とスキル追跡のシンプル化により、収集されたデータは常に有意義で最新の状態が保たれ、人材や変革に関する重要な意思決定を行う際に実用的なものとなります。よりクリーンなデータは、運用期間が長くなるほど価値が飛躍的に高まる「ワークフォースインテリジェンス」層の基盤となります。
複雑さは増す一方、シンプルさが成果をもたらす
HRテクノロジーの合理化を「将来のプロジェクト」として扱いがちです。すべてが安定してから取り組むべき課題だと考えられがちです。しかし、テクノロジーの複雑さは蓄積するばかりで、変化は今や常態化しています。
すでに断片化されたエコシステムに新たなHRテクノロジーソリューションが追加されるたびに、データが漏れ落ちる隙間が一つ増え、維持すべき統合が一つ増え、HRITリーダーと彼らが必要とするワークフォースインテリジェンスとの間に、ノイズの層がもう一つ加わることになります。
AI時代において、クリーンで連携されたワークフォースデータインフラを構築する組織は、そうでない組織に対して大きな優位性を持つことになります。そのため、待つことには、過小評価されがちなコストが伴います。その追加コストは、単に予算面だけにとどまりません。スキルギャップの拡大、従業員に関する可視性の低下、そしてAI変革における非効率性という形で現れます。これらはすべて、現時点でどの企業も許容できないものです。
結論として言えることは、テクノロジースタックの複雑化がコストと効率性の負債を増大させる一方で、シンプルさを優先することは、スキル重視かつAI主導の世界において大きな成果をもたらすということです。
Emily Gerson
Wednesday, May 6th, 2026
