採用・人事・AI活用の現場から、夢中になれる仕事づくりの実践知を発信します。
AIを入れても成果が出ない会社と、中途入社者が立ち上がらない会社は、同じ弱点を抱えています。AIが働ける組織の条件を、受け入れ体制と属人化の解消という人事の宿題に引き寄せて整理します。
個人のAIに貯めた知識をチームで使おうとすると、ぶつかるのは技術ではなく「更新が誰の仕事でもない」という組織の問題です。置き場所の選び方に加え、役割・会議・評価で共有を続ける人事の打ち手を整理します。
AIの成果を分けるのは、モデルの性能より「会社の前提や経緯をどれだけ渡せているか」です。それは中途採用者の立ち上がりと同じ構図。オンボーディング・ナレッジ継承・評価の観点から、人事が担える役割を整理します。
AIをカレンダーやメールにつなぐと、面接官の空き時間の突き合わせから候補者への提案メールの下書きまでを任せられます。選考スピードと候補者体験、そして採用チームの運用ルールの観点から整理します。
AIと社内ツールをつなぐ共通規格MCPを、人事の目線で読み解きます。AIを「つなぐ」ことは、新しいメンバーに権限を渡すことと同じ。採用実務の手間と、人事が担う権限設計の考え方を整理します。
Claude CodeからOpenAIのGPTを呼び出し、AIが別のAIに仕事を頼む流れを実際に試します。社員にツールを配る以外の自動化の道筋、体験型の研修が判断力を育てる理由、APIキーと費用の管理ルールを人事の目線で整理します。
APIは、システム同士が決まった形式で依頼と受け渡しをするための窓口です。採用・勤怠・給与・評価のシステムが手作業でつながったままになる理由をこの概念から読み解き、システム選定や鍵の管理で人事が押さえたい点を整理します。
Codex・Cursor・Antigravityなど、作業環境に組み込まれたAIツールの違いを中立に整理します。そのうえで、数ヶ月で勢力図が変わる中で社員に何を学ばせ、何を評価し、どんな条件で導入を決めるべきかを人事の目線で考えます。
GitHubは、変更の記録をチームで共有し、確認を経てから反映する共同作業の場です。レビューを個人の心がけではなく通り道として組み込む発想を、承認の流れ、引き継ぎ、AIへの指示書の共有という組織の課題に置き換えて考えます。
AIエージェントを入れると最初に勧められるGitは、変更の記録を残し、いつでも元に戻せるようにする仕組みです。その考え方を、規程や評価基準の管理、引き継ぎ、新人への任せ方といった人事・組織の課題に重ねて解説します。
デプロイ、サーバー、データベース。AIや制作会社との会話に出てくる用語を、飲食店の開業にたとえて整理します。あわせて、採用サイトや人事システムの発注で人事担当者が判断を手放さないための考え方をまとめました。
社員がAIで自分用の業務ツールを作れる時代になりました。ただ、それをチームに広げた瞬間に、閲覧権限・保管場所・同時編集・保守の問題が出てきます。人事として線をどこに引くか、評価と育成をどう組むかを整理します。
求人媒体の枠に収まらない自社の魅力を、採用担当が自分でページにして公開できる時代になりました。採用LPを公開するまでの基礎と、人事が決めておきたい公開ルール・承認の流れを整理します。
会社説明会の資料をPDFで送っても、候補者は電車の中のスマホで開いています。スライドからHTMLページへという資料形式の変化を、候補者体験・オファー資料・採用広報という採用の視点から整理します。
会社説明会のスライド、求人票、制度改定の社内説明資料。人事が作る「伝える資料」をAIと分業すると何が変わるのか。人に残る仕事はどこかを、採用と定着の視点から整理します。
業務の手順をAIが読める形で残す「スキル」は、人事から見ればナレッジ継承の新しい道具です。属人化・引き継ぎ・教育コストという組織の悩みに、スキル化がどう効くのかを、経営者と人事責任者向けに整理します。
採用の進捗、離職、残業、有給。人事の月次報告は集計で力尽き、読み解きまで届かないことがよくあります。報告づくりをAIに任せ、人事が数字を出す係から打ち手を提案する側へ移るための考え方を整理します。
入社手続きや応募者情報の入力など、人事・労務には「写すだけの仕事」が集中しています。転記をAIに任せる方法と、その先で変わる職務設計・求人票・定着について、経営者と人事責任者向けに整理します。
AIに仕事のやり方を覚えさせる「メモリー」は、新しく入った人の受け入れ設計とほぼ同じ構造です。AIを育てた実体験を手がかりに、オンボーディング・引き継ぎ・フィードバックという人事の打ち手を整理します。
給与相場、競合の募集条件、他社の制度設計。人事に欠かせない調べ物ほど、日々の業務に押されて後回しになります。AIエージェントに調査を任せる方法と、根拠を示せる人事であるための出典ルールを紹介します。
応募者の歩留まり、残業と離職の関係、評価と定着のつながり。人事のデータは貯まっているのに使われていません。AIエージェントで、分析の専門部署がなくても人事データから答えを引き出す方法と、つまずきどころを紹介します。
ブラウザのチャットAIとPCで働くAIエージェントの差は、顧問契約と社員の採用ほど大きい。人を迎えて育てる人事の目線から、両者の違いと、任せ方・オンボーディング・権限設計という導入の勘所を解説します。
採用だけで人手不足を埋める時代は終わりつつあります。採用で入口を確保しつつ、AIで必要な人数そのものを下げる。地方の中小企業がこの両輪を回すために、人員計画・採用の範囲・現場の巻き込み方をどう変えるかを考えます。
地方企業にとってAIの遅れは、生産性やコストだけの問題ではありません。採用の入口と、入社後の定着にまで飛び火します。採用の現場から見える危機と、人事がいま点検しておきたい項目を整理します。
中小企業の生成AI利用は、2026年の調査で3社に1社の水準です。この数字を「採用難」の側から読み直し、増員に頼らない人員計画、採用競争力、社内の業務棚卸しという人事の打ち手を整理します。
利用ルールがないままの職場では、まじめな社員ほど損をします。就業規則・権限設計・アカウント管理・研修という人事の道具で、社員が安心して生成AIを使える土台をどうつくるかを整理します。
AIエージェントの導入で、代表自身の中心業務がほぼ消え、別の職種に移りました。その体験を手がかりに、役割定義・評価軸・育成・採用要件という人事の打ち手を、経営者と人事責任者向けに整理します。
OhEN Funwork Studiosのブログを開設しました。採用・人事の現場と、AIを使った働き方の変化について、実践知を発信していきます。
採用・人事・アスリート支援、いずれの相談もお気軽に。 まずは30分のオンラインヒアリングからお受けしています。
