Agentが行うこと
- 人材データを検索する
- staffing・chargeability・productivityのパターンを提示する
- role/function別の問いへ回答する
Case概要 / Business Goal
人材データ分析を専門家依頼型から対話型・即時型へ変え、staffing等の意思決定を高速化する。AgentとHumanの役割分担
Humanに残すこと / Human boundary
- 公開情報では人員配置等の最終決定をAgentが実行するとは確認できない
公開されている実績・効果
公開情報で確認できる具体的な実績・効果は、現在のCaseデータには登録されていません。
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
- workforce labor data
- structured enterprise data
- semantic data
- 人材データを検索する
- staffing・chargeability・productivityのパターンを提示する
- role/function別の問いへ回答する
- Microsoft Fabric data agents
- Azure AI Agent Service
- OneLake
- 複数データソースを横断して必要情報を取得・分析する
- 利用者が意思決定に必要なHR insightを得る
HR Agent LabとしてのDesign Insight
HR Agent Labの分析・推論
People Analytics Agentは分析探索を自律化しても、人員配置等の高影響アクションを別レイヤーに分離する設計が妥当である。
Limitations
- 非公開の実装範囲は判断できない
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
NTT DATAはworkforce labor dataを使うHR-focused agentsを構築し、staffing・chargeability・productivityのパターン分析に利用している。
公開事例ではHR agentsが分析insightを提示することは確認できるが、人員配置等の最終HR決定を自動実行する記載はない。
Candidate Rule
People Analytics Agentはデータ探索・分析・示唆生成を担い、配置・処遇等の高影響決定はHumanまたは別の承認フローへ分離する。
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。