- 1. 期末面談前夜の社長室で、何が起きていたのか
- 2. 中小企業の人事評価実態――公的データで現在地を測る
- 3. 「評価制度設計AIエージェント」の設計図――職能要件×市場×自社価値
- 4. 「評価コメント標準化AI」の設計――管理職別バイアス減
- 5. プロンプト二本完全公開――そのまま貼って、自社情報だけ差し替える
- プロンプト1：評価制度設計エージェント
- プロンプト2：評価コメント標準化AI
- 6. 個人情報保護委員会ガイダンス準拠――人事評価でのAI使用配慮
- 7. 公平性・差別防止――AIに評価を委ねない一線
- 8. よくある失敗――透明性vs複雑化、運用負担
- 9. 学習リソース＋使い分けマップ
- 関連記事
- 10. まとめ――来月の経営会議で、何を提案するか
1. 期末面談前夜の社長室で、何が起きていたのか
期末面談を翌週に控えた金曜の夜九時、年商十二億の精密部品メーカーを率いるT社長は、自分の社長室で頭を抱えていた。机の上には課長五人分の「部下評価シート」が積み上がっている。S・A・B・C・Dの五段階に丸が付き、コメント欄には「頑張った」「期待に応えた」「やや消極的」といった短い言葉が並ぶ。同じS評価でも、ある課長は「責任感が強い」と書き、別の課長は「数値目標を一二〇％達成し後輩三名を独り立ちさせた」と書く。基準も粒度も揃っていない。
二日前、若手三人から人事部にメールが届いた。「評価基準が見えない」「課長によって甘い辛いが違いすぎる」「給料に何が反映されているのか分からない」――要旨はそういうことだ。一人は転職サイトに登録したらしいと人事部長がそっと教えてくれた。社労士に頼めば三百万円、コンサルに頼めば一千万円コース。来期の利益計画にそんな余裕はない。
T社長は半信半疑のまま、生成AIに自社状況を入力してみた。三十分後、社長室のプリンターから出てきたのは、職能要件・等級定義・評価コメント標準化ガイドラインの「たたき台」だった。完璧ではない。だが、十年放置されてきた評価制度を動かす最初の一歩としては十分だった。
本記事は、このT社長のような中小企業経営者・人事担当者のために、「人事評価制度刷新AIエージェント」を自社で作り運用する手順を、公的データと個人情報保護委員会の最新ガイダンスを踏まえて解説する。プロンプト二本も完全公開する。読み終えたとき、来月の経営会議で「うちもやろう」と提案できる状態を目指す。
なお本記事と並行して、事業承継計画書を整える視点については「中小企業経営者の事業承継計画書AIエージェント設計（2026）」を、有事の人材維持計画については「中小企業BCPのAI作成術（2026）」を、評価制度刷新に絡む補助金活用については「DX補助金申請書のAI作成（2026年中小企業版）」を併読してほしい。人事制度は単体では完結せず、承継・有事・投資の三方向に必ずつながる。
2. 中小企業の人事評価実態――公的データで現在地を測る
刷新の前に、自社が置かれた業界の「現在地」を客観的に押さえることが、AIエージェント設計の前提になる。経営者の肌感覚だけで設計すると、若手の不満や中堅層の閉塞感の正体を見誤る。ここでは厚生労働省「賃金構造基本統計調査」「就業形態の多様化に関する総合実態調査」、経済産業省・中小企業庁の中小企業実態基本調査、個人情報保護委員会の最新ガイダンスを参照しつつ、論点を整理する（数値は最新公表年版を確認のうえ自社版に書き換えること）。
論点（Point）：中小企業の人事評価は、「制度が古い」のではなく「運用が属人化している」という形で機能不全に陥っている。
理由（Reason）：
第一に、厚労省「賃金構造基本統計調査」では、企業規模別の賃金水準格差が長期にわたり縮小していない。中小企業は大企業に比べ平均賃金で見劣りし、若手・中堅の流出圧力が構造的に高い。第二に、同省「就業形態の多様化に関する総合実態調査」では雇用形態の多様化が進み、同一労働同一賃金・均衡待遇の説明責任が中小企業にも及ぶ。第三に、中小企業庁の中小企業白書では人材確保・育成を「最重要経営課題」とする企業が高水準で推移し、評価制度見直しと賃上げ原資捻出が経営判断の中心テーマになっている。
例（Example）：
T社では課長五人がそれぞれ自己流の「五段階＋自由記述」で評価していた。同じ「S」でも、Aさん課長は勤怠、Bさん課長は数値達成、Cさん課長は対人姿勢が主因。結果として人事部に「実態がよくわからないS」が並び、賞与配分は社長の鉛筆ナメで決まる。これでは若手が「基準が見えない」と感じて当然だ。公的データが示すのは、こうした属人運用が中小企業共通の課題であり、「文言を変えること」より「運用と説明の言語を揃えること」が刷新の本丸であるという事実だ。
結論（Point）：
人事評価制度の刷新では、「等級定義」「職能要件」「評価コメント」の三層を、誰が書いても同じ粒度で説明できる状態に持っていく。AIエージェントは、その「言語を揃える」作業に最も効く。文言の刷新そのものではなく、運用の標準化を主戦場と捉える。これが本記事の基本方針である。
3. 「評価制度設計AIエージェント」の設計図――職能要件×市場×自社価値
最初に作るのは、評価制度そのもののたたき台を生み出す「評価制度設計AIエージェント」だ。これは一回限り、刷新フェーズで集中的に使う。
Point： 設計AIは、「職能要件」「市場相場」「自社の独自価値」の三本柱で出力を組み立てさせる。一本でも欠けると、「他社のコピペ制度」か「内輪の論理しか通じない制度」に陥る。
Reason：
中小企業の評価制度は大企業の縮小版では機能しない。職能要件は自社事業構造（受注型／量産型、対人／製造）と直結する必要がある。市場相場は賃金構造基本統計調査などを踏まえ、賃金テーブルが「採用市場で勝てる水準」かを問う。自社の独自価値（パーパス・行動規範・現場の誇り）は評価項目に「うちらしさ」を埋め込み、模倣困難性を作る。
Example：
T社の場合、エージェントには（1）事業構造：精密部品の小ロット受注、設計から加工まで一気通貫、（2）従業員構成：正社員六十人、五年以内入社が三割、女性比率二割、平均年齢四十二歳、（3）市場ポジション：地域内競合三社、賃金水準は同等～やや下、採用苦戦、（4）独自価値：図面を一緒に考えるエンジニアリング営業、（5）現行課題：五段階自由記述、課長間バラつき、賞与配分が不透明、を入力する。
AIには「等級制度（五等級制）」「等級別職能要件（各等級三〜五項目、行動レベルで記述）」「評価項目（成果・能力・行動の三層）」「評価コメント標準テンプレ」を出力させる。出力は社長・人事部長・現場課長代表でレビューする前提とし、「たたき台であって最終決定ではない」という運用ルールを最初に明文化する。
Point：
評価制度設計エージェントは、ゼロから制度を生み出す装置ではなく、「自社の言葉を借りて、業界共通の枠組みに翻訳する」装置として位置付ける。コンサルに数百万払うパートを、たたき台生成と論点整理の二点で代替する。決定権は必ず人間に残す。
4. 「評価コメント標準化AI」の設計――管理職別バイアス減
二つ目に作るのが、刷新後に毎期使い続ける「評価コメント標準化AI」だ。これが本命と言ってよい。
Point： 評価コメント標準化AIの役割は、課長ごとにバラついていた評価コメントを、同じ粒度・同じ視点・同じ言語に揃えること。コメントを「楽に書く」ためではなく、「公平性の根拠を言語化する」ために使う。
Reason：
人事評価の不満の多くは、点数（S・A・B）そのものよりも「その点数の説明」に対して向く。「なぜA評価なのか」「なぜ昇給幅が変わったのか」を、上司が自分の言葉で説明できないとき、部下は不信を抱く。AIにコメント生成を任せきりにするのは危険だが、上司が書いた「素材」をAIに整え直させる、いわゆるドラフト整形用途であれば、評価の質と公平性は確実に向上する。さらに、AIに「禁止表現」「ハラスメント表現」「差別的表現」のチェックを兼ねさせることで、近年強まる労務リスクへの一次防衛線にもなる。
Example：
Bさん課長が部下のNさんに「最近やる気が見えない。もう少し主体的に動いてほしい」と書いたとする。これを標準化AIに渡し、（1）行動事実ベースへの書き換え、（2）改善期待の具体化、（3）差別・ハラスメント表現のチェック、（4）行動規範との対応付けを行わせる。出力例：「下期は新規顧客二件の引き合い対応を主担当として推進し、納期遵守率一〇〇％を維持（事実）。社内会議での発言回数は平均二回／月、改善提案起票はゼロ件（事実）。来期は週次定例での発言を三回以上、改善提案を四半期に一件以上を目標としたい（期待）。行動規範『考えて、声に出して、動かす』のうち『声に出して』を伸びしろと位置付ける（連動）。」
ここから先、課長は数字や固有事象を補強し本人にフィードバックする。AIは判定者ではなく言語整形者でありチェッカーである。
Point：
評価コメント標準化AIは、管理職別のバイアスを「ゼロ」にはできない。だが、「言語の最低水準」を揃えることはできる。十年放置された属人運用に対しては、ここが一番効く。
5. プロンプト二本完全公開――そのまま貼って、自社情報だけ差し替える
ここから先、二本のプロンプトを公開する。あなたの会社で動かす場合、【】部分を自社情報に差し替えるだけで、最初のたたき台が出るところまで到達できる。社内で使うときは、機密情報の取り扱いと個人名のマスキング（後述）を必ず徹底すること。
プロンプト1：評価制度設計エージェント
あなたは中小企業の人事制度設計に二十年従事してきた専門家です。
これから提示する企業情報をもとに、「五等級制の人事評価制度のたたき台」を
作成してください。出力は必ず日本語の見出し付きで、章立てて返してください。
## 入力情報
- 会社名（仮名）：【T社】
- 業種・事業構造：【精密部品の小ロット受注。設計から加工まで一気通貫】
- 年商・従業員数：【十二億円・正社員六十名・パート八名】
- 平均年齢／勤続：【四十二歳／十年】
- 採用環境：【新卒一名／年・中途三名／年・どちらも苦戦】
- 競合・市場相場：【地域内競合三社・賃金は同等〜やや下】
- 現行制度の課題：【五段階自由記述。課長五名で粒度バラバラ。
賞与配分が社長の最終判断に依存。若手から基準不明の声】
- 自社の独自価値（パーパス／行動規範）：
【図面通りに作るのではなく、図面を一緒に考えるエンジニアリング営業】
- 経営方針：【三年以内に若手定着率を改善し、女性比率を引き上げる】
## 出力構成（必ずこの順）
1. 五等級の定義（J1／J2／S1／S2／M1）
- 各等級の役割・期待行動・想定年齢レンジを四〇〇字以内で
2. 等級別職能要件（成果・能力・行動の三層／各三項目以上）
- 「数値達成」「対人」「改善」「育成」の四軸を意識
3. 評価項目と配点案（成果四〇・能力三〇・行動三〇 を初期値）
4. 賃金テーブル設計の論点（初任給／昇給幅／賞与配分原資）
- 業界相場との関係を中小企業視点で整理
5. 当社「独自価値」の評価項目への埋め込み案（三案）
6. 想定される反発／納得感を下げる要因（経営者向けの注意点）
7. 導入ロードマップ（初年度・二年目・三年目）
## 制約
- 大企業向けの抽象論ではなく、社員六十名規模での実装可能性を最優先
- 個別の評価ツールや特定ベンダーは推奨しない
- 公平性・透明性を高める文言を意識し、断定的に「絶対公平」とは書かない
- 法令遵守の観点で、差別・ハラスメントにつながる表現は避ける
- 厚労省・中小企業庁の統計動向を踏まえた論点提示を含める
- 最終決定権は経営者と人事部にあることを明記する
それでは、章立てに沿って出力してください。
このプロンプトのポイントは、第一に社員規模を明示して大企業向け抽象論を避けさせること、第二に自社の独自価値を必ず評価項目に埋め込ませること、第三に想定反発を先回りで言語化させることだ。三つ目があるかないかで、たたき台の実装可能性は大きく変わる。
プロンプト2：評価コメント標準化AI
あなたは人事評価コメントの「言語整形者」です。
管理職が書いた素材コメントを、当社の標準フォーマットに整え直してください。
判定（点数）は変更せず、表現とロジックの整合性だけを整えます。
## 当社の前提
- 行動規範：【考えて、声に出して、動かす】
- 等級：【J1／J2／S1／S2／M1】
- 評価項目：【成果・能力・行動の三層】
- 期間：【20XX年下期】
- 評価対象者の等級：【S1】
- 担当業務（概要）：【精密部品の新規引き合い対応・既存深耕】
## 素材コメント（管理職記入）
【最近やる気が見えない。もう少し主体的に動いてほしい】
## 補足事実（管理職記入）
- 数値：【納期遵守率一〇〇％／新規二件主担当／改善提案ゼロ件】
- 会議発言回数：【平均二回／月】
- 周囲評価：【後輩からの相談は受けるが、自発的助言は少ない】
## 出力構成
1. 事実セクション（数値・行動事実のみを箇条書き三項目以上）
2. 評価セクション（成果・能力・行動の三層で各二〜三行）
3. 来期への期待セクション（具体的な行動目標を二つ、数値か頻度で）
4. 行動規範との対応付け（強み一つ・伸びしろ一つを必ず）
5. 上司から本人に伝える際のトーク例（一八〇字程度）
## 制約
- 「やる気がない」「意欲が低い」など主観的な性格評価語は使わない
- 差別・ハラスメントに該当しうる表現はチェックし、置き換える
- 個人の属性（性別・年齢・国籍・健康・家族・信条）に触れない
- 「絶対」「必ず」など断定表現を避け、改善可能性を前提に書く
- 個人を特定する固有名詞は出力に含めない（匿名化のまま処理）
- 出力末尾に、上司が確認すべきチェックリスト五項目を添える
それでは、章立てに沿って出力してください。
このプロンプトの肝は、第一に判定は変えさせない（点数操作はAIにさせない）と最初に宣言すること、第二に事実セクションを必須にすること、第三に差別・ハラスメント・属性言及のチェックを明示的に組み込むことだ。これだけで、課長五人がバラバラに書いていた評価コメントは、確実に同じ粒度に近づく。
6. 個人情報保護委員会ガイダンス準拠――人事評価でのAI使用配慮
人事評価でAIを使うとき、最も警戒すべきは個人情報の取り扱いと、AIによる自動判定に対する説明責任である。個人情報保護委員会は、AIサービス利用における個人情報の取り扱いについての注意喚起・考え方を継続的に公表している。本記事執筆時点で必ず押さえるべき論点は次の通りだ（必ず最新版を自社で再確認すること）。
Point： AIに人事評価情報を入力する前に、（1）匿名化、（2）入力範囲の限定、（3）学習利用オフ設定、（4）社内規程化、の四点を整える。
Reason：
人事評価データは、給与・賞与・昇格に直結する機微な個人情報である。仮に評価コメント標準化AIに「氏名・所属・評価点」をそのまま入力した場合、入力ログがサービス提供者側で長期保存される、別の利用者の応答に紛れる、AI学習の素材として再利用される、といったリスクがゼロではない。個人情報保護委員会は、生成AI利用時に「入力する個人データの範囲・必要性」「事業者としての安全管理措置」「本人への利用目的の明示」を求めており、人事領域はその最右翼に位置する。
Example（社内ルール例）：
– 氏名は等級＋通し番号（例：S1-07）に置換してから入力。
– 部署名・取引先名はカテゴリ化（例：「製造部第二課」→「製造部門」）。
– 入力は行動事実・数値・コメント素材のみ。給与額・口座・住所・健康情報は禁止。
– AIサービスは学習利用オフ設定済みの法人プラン／API利用に限定。
– AI出力は管理職が確認・修正してから本人へ。AI出力をそのまま通知しない。
– 「AIが補助的にコメント整形に関与」する事実を就業規則または人事制度ガイドに明記し社員に説明。
Point：
個人情報保護委員会のガイダンスは「AI禁止」ではなく「適切な安全管理措置と透明性」を求める。中小企業でも、社内ルール一枚と運用責任者一人、年一回の見直しで十分対応できる。最も恐れるべきはルールを決めないまま現場が個別に使い始めることだ。
7. 公平性・差別防止――AIに評価を委ねない一線
人事評価制度刷新でAIを使うとき、もう一つの最重要論点が公平性・差別防止である。ここを誤ると、刷新したはずの制度がかえって不信の温床になる。
Point： AIエージェントは「最終判定者」にしてはならない。AIは意思決定支援にとどめ、最終判断は人間の評価者と評価会議に置く。
Reason：
AIは過去の学習データから出力を生成する以上、過去のバイアス（性別役割、年齢、出身、雇用形態）を再生産するリスクを排除しきれない。賃金・キャリア・人生に直結する判断をAIに任せきりにする運用は、労務トラブル・差別問題・社内不信を増幅させる。
Example（公平性ルール三点セット）：
1. AIに点数を付けさせない。AIに渡すのは点数判定後の「コメント整形」と「事実整理」「表現チェック」に限定する。
2. 属性情報を入力しない。性別・年齢・国籍・家族構成・健康状態・宗教・支持政党・出身校などは入力対象外とする。やむを得ず参照する必要がある場合は、その理由を別途文書化する。
3. 評価会議でのダブルチェック。AI出力を含む評価結果は、課長会議＋人事部＋経営層の三層で確認し、「AI出力にどう手を入れたか」の修正履歴を残す。修正履歴は半年〜一年保管し、年次レビューの材料にする。
Point：
公平性は、「絶対」を達成するゴールではなく、「絶えず点検する」プロセスである。AIエージェントの導入は、点検プロセスを軽くする道具にはなるが、点検そのものを免除するものではない。経営者・人事担当は、この一線だけは絶対にぶらしてはならない。
8. よくある失敗――透明性vs複雑化、運用負担
ここまで読み進めた経営者の中には、「よし、来週から我が社でもAIエージェントを動かそう」と意気込む方もいるだろう。だが、刷新プロジェクトには典型的な失敗パターンがある。事前に三つだけ押さえておく。
失敗1：透明性を上げようとして評価項目を増やしすぎる
項目を二十、三十と増やすと運用負荷が爆発する。課長が一人五人を評価し各二十項目をコメント付きで埋めると半期に一〇〇コメント。AI標準化してもレビュー負荷で潰れる。項目は最大十〜十二、コメントは各層一〜二段落を上限と心得る。
失敗2：賃金テーブルとの接続を後回しにする
等級と職能要件だけ刷新し賃金テーブル（昇給幅・賞与原資・等級間差）見直しを後回しにすると、現場は「制度は変わったが給料は変わらない」と受け止め効果は半減する。設計は税理士・社労士、そしてfreee会計などの会計データを使った労務分配率試算と並走させる。
失敗3：AIエージェントを「人事部だけの道具」にする
標準化AIは人事部専用にすると形骸化する。実際にコメントを書く課長層が自分で使う前提で研修と運用ルールを設計する。最初の半年は人事部が課長に伴走し、プロンプト操作と社内ルール（マスキング、属性情報非入力）を体に染み込ませる。怠れば課長層の不信を生む。
9. 学習リソース＋使い分けマップ
ここまで読んで、「自社でやってみたいが、社長や人事担当が生成AIの実務感を持っていない」と感じる読者も多いはずだ。中小企業で評価制度刷新AIエージェントを動かすうえで、経営者・人事担当が最低限身につけたいスキルは三つある。それぞれに合った学習リソースを使い分ける視点を提示する（特定ツール推奨ではなく、学習目的別の選択軸として提示する）。
スキル1：生成AIの業務実装スキル（人事担当向け）
設計エージェントと標準化AIを自社で組み社内研修まで内製したい人事担当者は、「使う」から「設計する」段階に進む必要がある。プロンプト設計・業務フロー組み込み・リスク管理を体系的に学ぶには、業務寄りに編成された有料スクールが効率的だ。DMM 生成AI CAMPのような実務型カリキュラムは、人事を含むバックオフィスAI導入を意識した設計で、AI推進担当を兼ねる人事担当の入口として現実的だ。
スキル2：プロンプト・業務AI活用の単発スキル（経営者・課長層向け）
課長層には深い設計スキルより「日常業務でAIをこなせる」レベルが必要だ。コメント整形・議事録要約・メール下書きなど業務単位の活用を学ぶにはUdemyのような単発講座型プラットフォームが向く。経営者自身もここでリテラシーを底上げし、自分の言葉で「我が社のAI方針」を語れる状態を作ってほしい。
スキル3：会計・労務データを扱うクラウド基盤（経理・人事担当向け）
刷新は賃金テーブル・労務分配率・賞与原資の見直しと不可分だ。財務データ接続が弱いとAIに渡せる数値がなく抽象的な制度論しか返ってこない。freee会計などを整備し、月次の人件費・売上総利益・労務分配率を即座に取り出せる状態を推奨する。AIエージェントの精度は経営数値の鮮度に比例する。
使い分けマップ（簡易）
- 「人事部としてAI推進担当になりたい」 → DMM 生成AI CAMP（業務実装型）
- 「課長層・経営者が業務でAIを使えるようにしたい」 → Udemy（単発講座）
- 「賃金・労務分配率の数値が即座に出る基盤を作りたい」 → freee会計（クラウド会計）
この三層を、半年〜一年かけて並走で整える。これがT社のような年商五〜三十億円規模の中小企業にとって、現実的な投資水準である。
関連記事
10. まとめ――来月の経営会議で、何を提案するか
ここまでで論じてきた内容を、最後に圧縮して振り返る。
Point： 中小企業の人事評価制度刷新は、「文言を変える」ことではなく、「運用と説明の言語を揃える」ことが本丸だ。AIエージェントは、その言語化作業に最も効く道具である。
Reason：
属人運用の課長別バラつきが、若手の不信と中堅の閉塞感を生む。厚労省・中小企業庁の統計が示すように、人材確保は構造的な経営課題であり、評価制度の刷新は採用力・定着力・賃金原資の議論と表裏一体だ。AIエージェントは、評価制度設計のたたき台と、評価コメントの標準化整形で、外部コンサルに頼り切らず内製で刷新を進める道を開く。
Example：
T社のように、設計エージェントで等級・職能要件・配点案のたたき台を作り、標準化AIで課長五人のコメントを同じ粒度に揃える。並走で個人情報保護ルールを明文化し、AI出力を最終判定にしない一線を引く。学習リソースを三層で整え、経営者自身も触る。これだけで、十年放置の評価制度は半年で動き出す。
Point：
来月の経営会議で、あなたはこう提案できる。「評価制度刷新プロジェクトを発足する。期間は半年。外部コンサルは入れず、AIエージェントを内製する。人事部と課長五名で運用設計を担う。個人情報の取扱いルールとAIを最終判定にしない一線は第一回会議で文書化。賃金テーブル見直しは会計データと連動させ並走で進める。半期末に評価会議で運用結果をレビューする。」――年商五〜三十億の中小企業経営者なら現実的に意思決定できる射程に収まる。
評価制度の刷新は、辞めていく人を引き留める道具ではない。これから入ってくる人と、いま頑張っている人に「あなたの仕事はこう見えている」と社長と会社が言葉で応える、その約束を更新する作業である。AIエージェントはその更新を、属人運用と外部丸投げの両方から自社の手元に取り戻す道具だ。
なお刷新の議論は単体では完結しない。承継視点の「事業承継計画書AIエージェント設計（2026）」、有事の人材維持を支える「中小企業BCPのAI作成術（2026）」、並走する投資原資としての「DX補助金申請書のAI作成（2026）」を社内回覧してほしい。三本で人事・有事・投資の三方向が同じ言語で結びつく。
最後に、本記事は具体的なAIモデル名や特定の人事ツールを推奨しない。重要なのは、自社の言葉でプロンプトを書き、自社の評価会議で最終判断する、その内製能力を経営者と人事担当が手放さないことである。AIエージェントは、その内製を支える道具に過ぎない。期末面談前夜、社長室で頭を抱えていたT社長が、半年後の経営会議で胸を張れるかどうかは、来週、最初のプロンプトを叩き始めるかどうかにかかっている。
（本記事の数値・ガイダンスは執筆時点の情報に基づく。実際の制度設計では、最新の厚生労働省「賃金構造基本統計調査」「就業形態の多様化に関する総合実態調査」、経済産業省・中小企業庁の公表統計、個人情報保護委員会のAI関連ガイダンスを必ず再確認のうえ、自社の社労士・税理士と協議すること。）
コメントを残す