タレントマネジメントとはなんだったのか?現状と将来予測

2000年ごろから海外で叫ばれるようになったタレントマネジメントですが、Googleトレンドによると、2004年をピークに現在はその半分程度まで検索数が減少しています。

すでにタレマネは役割を終えたのでしょうか。

今回は調査データや独自のヒアリング結果を元に、タレントマネジメントの現状をまとめ、今後のトレンド予測を行いました。

市場は成長し続けるも、未だ多くの企業で効果は出ず

ミック経済研究所によると2017年~2023年のHRTechクラウドの国内市場規模は以下の通り[単位:百万円]で、毎年20%以上の成長を続けているようです。

一方で、HR総研の調査によると「タレントマネジメントシステム導入で効果を実感した項目」のアンケートでは、半数近くが「効果を実感した項目はない」と回答しており、未だその運用方法に苦戦している様子が伺えます。

導入目的は「サクセッションプランニング」が主だが、様々な思惑が入り交じる場合も

HR総研の同調査によると、導入の目的は「人材の適正配置・人材育成・後継者管理」が主となっています。

特にグローバル展開している大手企業の場合、半期や年に一回、社内の重要ポジションを洗い出し、サクセッションプランニング(後継者をリストアップ)し、経営層に提出し、サクセサーを適正に配置・育成すること≒タレントマネジメントと呼んでいるケースも多いようです。

METIタレントマネジメント事例集より

誤解を恐れず平易な言葉で言い換えてしまうと、多くの場合で「社員がどのような経験をこれまでしたかを俯瞰できるように見える化してほしい」という感じでしょうか。

(ピープルアナリティクスの教科書より)

ただし、この見える化や人事DBというものが曲者で、活用シーンが多いがゆえに目的が分散してしまうことも多く、

  • 離職率を改善したい
  • 評価制度をもっと丁寧にやりたい
  • 戦略人事やHRBPを導入したい
  • 組織の現状を見える化したい
  • エンゲージメントを上げたい
  • 組織のコミュニケーション不足を改善したい
  • とにかく流行りやトレンドに乗らないと出遅れるのではないか

などの思惑が入り交じり、目的が曖昧なままタレントマネジメントやピープルアナリティクスをやろうとしては失敗するというケースもまま目にします。

”「ねえ、待って、そこで止まって。つまり、一人ひとりと面談した結果をこのフォームに入力するために、誰かを雇う必要があるというわけ? そして全部の目標を入力したら、アルゴリズムはいったい何をしてくれるの?」

「人事管理のためのデータが得られるよ」

「そのデータを使って人事は何をするの?」

「とにかく、データが手に入るわけだ!」

(~中略~)

だが、現実を見れば、人事の仕事の50%は従業員を解雇することなのだ”

(NETFLIXの最強人事戦略より)

ボトルネックはデータ活用・分析ではなく「データ収集・更新」

タレントマネジメントやピープルアナリティクスと言うと、どうしても高度なデータ分析や活用をイメージしてしまいますが、

「タレントマネジメントシステムの導入後直面した課題」の調査では「必要データの収集」という回答が最多でした。

つまり、まだ半数以上の企業が、未だ人事データを集めるフェーズということです。

HR総研の調査より

ただし、一口に「データがない」と言えども状況はまちまちで

  • 本当にデータが全くない
  • データはあるが、なんとなく残しておいたものがあるだけ
  • データを更新できておらず、再度一から集め直す必要がある

などのケースがあるようです。

この中でもデータの更新が非常にやっかいで、

「当時の人事担当が頑張って集めたが異動(出世)してしまい、レガシー化してしまった」「現場主導でスキルマップを作ったが、更新されず頓挫してしまった」など、

常に更新が求められる分野であるがゆえに、一人の担当者の力だけでは如何ともし難く、システムや仕組み化がどうしても必要になってきます。

さらには、そのシステムも厄介で、全従業員に協力を仰ぎ、システムにログインしてもらい、定期的にデータを入れてもらう必要が出てきます。

海外では比較的自己PRが激しい文化のため、このようなシステムにも自然と書くようですが、特に日本ではなかなか現場の協力を得られず、場合によってはシステムにログインすらしてもらえず、その声かけに疲弊するというケースもあるようです。

そのため、いつ入力されたデータかが分からず、「システムに入力されていた希望に沿って部署異動をしたが、実は本人がそのデータを入力したのは5年前だった…」という事故が起きてしまうこともあるようです。

その次に直面する課題は、データのフォーマットを揃えること

上記の苦労を乗り越えてデータを集めた後に直面する課題としては、目的に合わせてデータを検索・抽出できるようにデータのフォーマットを揃えるということです。

人のデータ化することは非常に難しく、ドロップダウンやチェックボックスでの選択でカバーしきれず、どうしてもハンドライティングしたデータが主となります。

分析しやすいよう適性検査などで数字化することも可能ですが、大前研一氏によれば

”どういう仕事のやり方をしたのか、どういう困難にどういうやり方で立ち向かったのか、その結果はどうだったのか、部下の指導はどうだったのか。(中略)こういうものが詳細に記されてこそ初めて有用な人事情報だといえる”
とのことで、どうしても記述式のデータと向き合わざるを得ません。

実際にヤフー社ではピープルアナリティクスを始めるためにとっ散らかったデータのクレンジングに半年間かけたとのことですが、ほとんどの企業でここまでのリソースをつぎ込むのは現実的ではないでしょう。

【予測①】データのフォーマットを整える必要はなくなり、データの抽出はAIがいい感じに処理してくれるようになる

このように大きなペインを伴う人事データのクレンジングですが、近い将来必要なくなることが予想されます。

実際に、2018年の10月にAvature社が「セマンティック検索」モジュールのベータ版リリースを発表しており、

膨大な求人・経歴データを学習したAIが”「機械学習」の経験がある候補者を検索すると、「ニューラルネットワーク」の経験がある人も含めて抽出する”など、関連するワードを勝手に拾ってくるという機能が実現されています。

この機能はATS(採用管理ツール)に実装されており、これにより初心者リクルーターでもあらゆる分野のエキスパートになれるとされています。

とにかくフォーマットはバラバラでも記述的にデータを集めてさえおけば、データのクレンジングをせずとも、「XXXできる人をリストアップしたい」など目的に応じてデータを自在に抽出できる日がまもなく来るでしょう。

【予測②】データの収集・更新機能はチャットツールに統合され、システムへの入力ではなくデジタルアシスタント(bot)形式に移行する

さらには最大の問題であるデータの収集・更新部分も、テクノロジーの力でハードルが下がることが予想されます。

詳細は別記事にまとめましたが、実際にSAPやOracle、Workdayなど名だたるHRサービスベンダーが、2017年頃から続々とデジタルアシスタント(チャットボット)を発表しています。

さらには、2018年~2020年頃にそのデジタルアシスタントとSlack/Teamsの連携が始まっています。

つまり、従業員は

  • 新たにどこかにログインする必要なく
  • 普段使っているチャットツール(SlackやTeamsなど)上で
  • 人間に話しかけるようにやり取りする

だけで、様々な業務を完結することが可能になります。

現在は、主に勤怠管理、経費精算、システム上のデータを呼び出すなどがメインですが、データの収集・更新なども、チャットツール上でデジタルアシスタントを介して完結する日ががまもなく来るでしょう。

【予測③】主戦場が人事から現場に移り、タレントマネジメントの次の概念が生まれる

最後に、データの活用目的も大きく変わると予測されます。

毎年ラスベガスで開催される世界最大のHR technology conference2019年のJosh Bersin氏の基調講演によれば、

“私たちはもう、人事のためのシステムを構築していません。現場メンバーのためのシステムを構築しています。 現場メンバーに「役に立つ」と思われないシステムや、通常業務の中に入り込めないシステムは、もはや利用されません。”

と述べられており、主戦場が人事から現場に移り始めていることが読み取れます。

さらには日本でもベストセラーとなったティール組織でも、

”今回調べた組織の中に、タレント・マネジメント、後継者選び、キャリア・プランニングに時間をかけているところはひとつもなかった。セルフ・マネジメント組織では、人々は自然に多くの機会に触れて学び育つので、社員が正しい機会に触れているかどうかを経営陣が悩む必要がない”

とされており、タレントマネジメントがもはや不要となっている組織も存在するようです。

上記のような組織はやや理想論すぎな感はありますが、

「経営層が職能を定義して、タレントをマネジメントする」というよりも

「現場メンバーが人事データを元に全体感を把握し、自ら職能を超えて有機的に変化していく」というシーンは今後増えていくことが予想されます。

それは、もはやタレントマネジメントと言うよりは、新しいカテゴリで呼ぶ方が適切で

・ティール組織

・アジャイル組織

・従業員エクスペリエンス

などの単語が出てきたのもその兆候でしょうか。

そして、その時必要なサービスも現在のHRサービスとは様変わりしているはずです。

実際に私たちが開発しているresearchrは、上記の思想に基づいて

・アジャイル組織の

・現場メンバー向けに

・AIチャットボットが自然言語処理を行い

・Slack/Teams完結でチームメンバーの経験・スキル情報を収集して共有・検索

できる機能を提供しています。

チームでresearcHRを使い始めましょう!

researcHRを使って「各々のメンバーが何をしているか」

「どのような経験を積んできたか」等の情報を全メンバーとSlack完結で共有しましょう。

  • 社員の経歴・スキル情報を自動で収集
  • 人事データを自動で整理
  • 「こういう人いない?」をあいまい検索