Agentが行うこと
- 労務論点の調査結果と根拠を提示する
- 既存規程の修正点を洗い出す
- 制度見直しの優先順位や検討観点を提示する
- 規程案やたたき台作成を支援する
Case概要 / Business Goal
労務調査と規程見直しの負荷を下げ、少人数でも制度改善と法改正対応を進められる状態をつくる。AgentとHumanの役割分担
Humanに残すこと / Human boundary
- 制度変更の最終判断はHumanが行う
- AIの提案を踏まえ、経営管理責任者・労務担当者が規程改定内容を決める
公開されている実績・効果
公開効果
2〜3時間 → 15分以前2〜3時間かかっていた規程作成・調査作業が15分で終わる例が報告された
株式会社HRbase公式顧客事例で公表公開効果（定性）
業務負担が軽減し、現在の体制でも制度や規程の改善を進めやすくなったと報告された
株式会社HRbase公式顧客事例で公表公開効果、運用規模、利用状況、導入前の状況を区別して表示しています。公開情報にない効果量やBefore→Afterは推定していません。
実装メカニズム / Agentの動き
- 労働法令・最新情報
- 自社規程
- 過去対応文書
- 労務論点の調査結果と根拠を提示する
- 既存規程の修正点を洗い出す
- 制度見直しの優先順位や検討観点を提示する
- 規程案やたたき台作成を支援する
- 労務論点の根拠と選択肢が整理される
- 規程改定のたたき台や優先論点がHumanの判断に使える状態になる
HR Agent LabとしてのDesign Insight
HR Agent Labの分析・推論
高リスクな労務知識業務では汎用回答より、最新法令と自社規程を同時に参照できる専門AIの方が実務に入りやすい。
Limitations
- 回答精度の第三者評価は公開されていない
HR Agent Labの分析・推論
知識探索とたたき台作成を短縮すると、少人数人事でも後回しになりやすい制度改善へ時間を振り向けやすくなる。
Limitations
- 制度改善の成果自体は定量化されていない
Sources / 一次情報
根拠・分析を確認する
公開情報から確認した事実
会社担当者は、従来2〜3時間かかっていた規程関連の調査・たたき台作成が15分で終わる例を報告している。
自社規程や過去対応文書をAIへ入力し、修正点や適切性を確認する使い方が行われている。
AIの提案は制度・規程検討に使われる一方、実際の制度見直しや改定判断はHuman側で行われている。
Candidate Rule
法令・規程を扱うHR Agentでは、一般知識だけで回答せず、最新の権威情報と自社固有規程を参照し、最終制度判断はHumanへ残す。
人事AIエージェントの全体像を確認する
この事例を、生成AI・チャットボットとの違い、向いている業務、Humanとの役割分担、設計・実装の考え方とあわせて整理する場合は、人事AIエージェントとは・設計方法を確認できます。