ユーザー会レポート
「AIの出力が思うように出ない」原因は、AIの外にあった——AI活用ゼミ第2・3回でわかった、人事データ分析の3つの壁
2026年9月30日

カオナビキャンパス初の継続型ユーザー会「AI活用ゼミ」。
第2回・第3回では、参加者のみなさまが自社のデータを実際にAIに渡し、分析に取り組みました。
すると、多くの方が同じところで立ち止まりました。AIの出力が思うように出ない。
その原因は、AIの性能ではなく、AIに渡すデータと判断軸にありました。
この記事では、第2回・第3回の様子と、カオナビAI推進室から共有された「各社に共通した3つの壁」、そこから見えてきた「人事データ分析の勘どころ」をお届けします。
AI活用ゼミとは
AI活用ゼミは、自社の組織変革に取り組むカオナビユーザーの人事担当者24名が、全4回にわたって参加する継続型のユーザー会です。
参加者は自社のデータを持ち寄り、以下の4つのテーマから1つを選び、AIを使って自社の課題に向き合います。
- 異動・配置の最適化
- 組織・人員構成の経年シミュレーション
- 労務・勤怠データ分析
- 人事評価の深掘り
全4回の流れは次のとおりです。この記事で紹介するのは、AIを実際に動かす第2回と第3回です。第1回の様子は こちらの記事をご覧ください。

AIと一緒に、ゴールを決めるところから
実際にAIを使って人事データ分析を進める第2回・第3回は、「ゴールを決める → 手を動かす → 次の準備をする」という構成で進めました。
7月開催の第2回は、「最小スコープで、まず1回AIの出力を試す」回でした。
第1部では、AIと議論しながら3つのゴールを決めます。

AIと協業した理想の業務フロー、ゼミを通して成し遂げたい最小の成果、そして当日挑戦する最小スコープです。この日のゴールは、最低1回AIで出力を試して、結果を評価すること。
そのために、できるだけ小さなスコープを設定してもらいました。
第2回AI活用ゼミの第2部では、自社データをAIに投入して出力を評価・改善する流れを1周し、
第3部でその日の結果とゴールの差分を分析し、次回に向けて準備するデータを洗い出しました。

9月に開催した第3回は、2か月ぶりの開催となりました。
まず前回の成果物を見返し、40分のワークを2回行って、この日のゴールを仕上げ切りました。合言葉は「新しく広げず、今日のゴールを仕上げることに集中」です。

休憩のあとには、カオナビが開発を進めているAIエージェントのデモもご覧いただきました。第3回ゼミの第3部では、第4回の発表に向けた資料の骨子をAIと作っています。
第2回・第3回どちらも、カオナビのAI推進室が用意したプロンプトを使って、ゼミ内の作業を進めました。参加者からは、次のような声が寄せられました。
また、当日は取り組むテーマごとにテーブルが分かれ、各卓にはカオナビの開発メンバーも同席しました。
使い方だけでなく、「AIにどこまで任せてよいか」といった相談にもその場で答えられる体制です。質問できる環境についても、こんな声がありました。

実データを渡してみて見えた、共通の3つの壁とその対策
ゼミの第1回で見えたのは、AIに頼む前の壁でした。
判断の基準や人物像が決まっていない、意思決定の材料がシステムに載っていない。
「そもそも材料がそろっているか」という問題です。(詳しくは第1回の記事をご覧ください)
一方、第2回・第3回で見えたのは、その先の壁です。
材料をそろえ、各社が実際に自社のデータをAIに渡して動かしてみると、データが手元にあっても、そのままではAIが使える状態になっていないことがわかりました。
出力を見て初めて、判断軸のずれや、データの中身の不足、量や形の問題に気づいた方が多くいました。

第3回の冒頭で、本ゼミを担当しているAI推進室の福角より、
ここまでの取り組みで見えた「各社に共通していた壁」と、その対策となるポイントを共有しました。

【壁① 軸のズレ】
AIを使って比較表を出して初めて、AIの判断軸と現場の判断軸がずれていることに気づいた参加者が多くいました。
対策は、最初から正しい軸を定義しようとせず、粗い出力を1回出して、現場の判断軸との差分を取ること。
参加者からは、次のような声が寄せられました。
【壁② 精度を決めるのは人】
人事評価の深掘りをテーマに取り組んだ複数の方が、評価の「甘い・辛い」の可視化に挑戦しました。そこで見えたのは、評価の「甘い・辛い」の正体が、評価コメントに判断の根拠となる情報が書かれていないことでした。これはAIの精度を改善しても解決しません。
対策は、入力欄や評価者側の課題として切り分けることです。
この「AIでは直らない、入力側の課題」は、評価以外のテーマでも共通していました。たとえば候補者抽出に取り組んだ方からは、AIに任せられる範囲は、判断の基準がデータとして残っているかで決まる、という気づきが共有されました。実際に人事業務にあたっている参加者のみなさまからは、その他にも可視化されていなかったデータや構造の課題について、実感のこもった声が寄せられました。
【壁③ データ構造の見直しが必要】
生データを全量投入して、AIが扱えるデータ量の上限(トークン上限)に届いてしまったケースがありました。対策は、生データをそのまま渡さず、事前に集計して列を削ってから渡すこと。毎回同じ処理が必要なら、それを「型」として固定しておくと、次から迷わず回せます。
データ前処理の重要性は、実際にAIにデータを渡してみたからこそ見えた学びでした。
同じ壁にぶつからないために、確認したいこと
3つの壁を踏まえて、同じ壁にぶつからないために確認したいことと、ゼミの進め方から見えた工夫をまとめます。
- AIの判断軸と現場の判断軸に、ズレがないか。(壁①)
- 判断の根拠になる情報が、データに入っているか。(壁②)
- AIが扱える量と形に、整えてあるか。(壁③)
また、ゼミ形式で全4回を通して進めているからこそ、参加者の取り組みの助けになった進め方の工夫がありました。
- 広げる前に、ゴールを仕上げ切る
- 新しいことを足す前に、決めたゴールを仕上げ切ることを優先します。
- うまくいかなかったことを持ち寄る
- 詰まりどころを共有すると、ほかのテーマの参加者の気づきにもつながります。
一人で進めていると詰まってしまう場面でも、ゼミでは、ほかの参加者やカオナビ開発メンバーに、その場で相談できます。
データの渡し方やAIへの伝え方など、解決のヒントを渡し合う中で、自分では気づけなかった原因が見えてくることもあります。

ユーザーコミュニティだからできる、AI活用の探し方
AI活用ゼミ 第2回・第3回を通して見えたのは、
AIを活用したデータ分析は「最小スコープで回して、データと判断軸の準備不足を見つけ、ひとつずつ解決していくこと」から始まる、ということです。各社の課題や取り組み方は違っても、つまずき方には共通点がありました。
そのつまずきを、一人で抱え込まずに持ち寄れること。これが、このゼミの大きな特徴です。
同じ壁にぶつかった仲間がいて、カオナビの開発メンバーも、質問に答えるだけでなく、一緒に分析の進め方を探り、ディスカッションしながら考えています。
参加者も、開発メンバーも、運営も、それぞれが学びながら進めていく。
ユーザーコミュニティだからこそできる取り組みだと考えています。
6月から始まったこのゼミも、いよいよ10月には最終回を迎えます。
ここまで取り組んできた成果を、各社が共有し合います。自社の課題に対するAI活用のアプローチと、このゼミを通じて見えてきた「これからのAI活用」。試行錯誤を重ねてきたみなさまが、どんな成果と学びを共有してくださるのか、私たちも心待ちにしています。
これからも、カオナビのユーザーコミュニティの取り組みを発信していきます。
引き続き、どうぞお楽しみに!
ユーザー会レポート|2026年9月|東京開催
文:カオナビ コミュニティグループ 臼井貴美
