Agentが行うこと
- 複数システム・Excelの人事データを集約する
- 数理最適化モデルで条件を満たす異動初期案を作成する
- AIチャットで異動案の考慮漏れやキャリア影響を確認できるようにする
Case概要 / Business Goal
複雑な人事制度・本人希望・組織条件を踏まえた異動案作成を高速化し、Humanが最終判断へ集中できる状態をつくる。AgentとHumanの役割分担
Humanに残すこと / Human boundary
- AI・数理モデルは初期案と判断材料を提示する
- 最終的な人事異動判断はHumanが行う
公開されている実績・効果
公開効果
異動案作成工数 約98%削減人事異動案作成にかかる工数を約98%削減したと会社発表している
トラスコ中山株式会社公式情報で公表公開効果、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
- 所属年数、職種、通勤時間、希望部署
- 住居・世帯等の個人条件
- スキル、職歴、資格
- 複数システム・Excelの人事データを集約する
- 数理最適化モデルで条件を満たす異動初期案を作成する
- AIチャットで異動案の考慮漏れやキャリア影響を確認できるようにする
- Fujitsu Data Intelligence PaaS
- AI chat
- HR data integrations
- データ集約、初期案作成、対話確認、Human最終判断の順で扱う
- Humanが確認可能な異動初期案と判断材料が提示される
HR Agent LabとしてのDesign Insight
HR Agent Labの分析・推論
配置Agentでは組み合わせ探索・条件充足を数理最適化へ委ね、定量化しにくいキャリア影響や最終責任をHumanへ残す分業が有効になり得る。
Limitations
- 異動後の配置品質や本人納得度の定量効果は未公開
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
複数システムやExcelに点在していた人事データを共通基盤へ集約し、異動案検討に利用している。
約100人規模の異動で膨大な組み合わせから、定量的な判断軸を入力条件として数理最適化モデルが配置案を導出する。
AIチャットでキャリア志向や配置影響等の示唆を確認しながら、最終的な人事異動判断は人事担当者が行う。
会社発表では人事異動案作成工数を約98%削減した。
Candidate Rule
配置・異動支援では、制約条件を満たす候補案生成をAI・最適化へ委ね、キャリア影響・例外・最終配置決定はHumanが担う。
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。