「生成AI」と「予測AI」の使い分けが必要となる
河合さんが代表理事を務める、（一社）社会整備サポート協会は2012年の設立。現在はAIモデル専業企業として、「AIで経営課題を解決する」ことを掲げ、専門担当者の配置が難しかったり、AIエンジニアが不足している中堅・中小企業のAI導入・活用支援に力を入れている。また、顧客別にAIモデルをカスタマイズするとともに、（AIモデルを）ホワイトボックス化し、「検証可能なAI」「説明可能なAI」など、顧客の理解を深めながら伴走するのがモットーだ。
河合 いま、AIといえば、大規模言語モデル（LLM）をベースとした生成AIがブームです。生成AIの発達は目覚ましく、日本語で質問（プロンプト入力）すると的確な回答が返ってきて、やり取りを続けることもできます。その便利さから、多くの人が使うようになったのは当然でしょう。
ただ、チャットGPTなど汎用的な生成AIによる出力は、内容が目新しく斬新に見えても、実は、「世の中の平均的な回答」「もっともらしい回答」であり、自社に最適化された回答というわけではありません。自社専用の出力を期待するには、プロンプト操作だけでは不十分で、データの加工やモデルの調整等が必要になってきます。
つまり、社員が汎用的な生成AIに聞いて、その答えを利用しているだけでは先に進まない。経営判断には使えないのです。業務効率はさほど改善せず、組織にAI利用の知見が蓄積されるというわけでもありません。
そこでどうするか？ 大企業や先進企業では自社の専用モデルを開発するという方法もありますが、中堅・中小企業の、特に人事部門においてお勧めなのが、生成AIに「予測AI」を組み合わせることです。
簡単にいうと、生成AIでは文章やアイデア、プログラムコードなどを出力でき、予測AIでは具体的な予測を数値で出力できます。
例えば、生成AIが得意なのは求人票の記載内容の最適化、面接での質問や人事評価におけるコメントの準備やマニュアルの作成、各種アンケートにおける自由回答のトピック分類などです。これは汎用的な生成AIでもかなりこなせます。
一方、予測AIが得意とするのは、社員ごとの離職確率の予測や内定辞退率の予測、ハイ・パフォーマーの特定、発注予測やそこから導き出される人員配置の最適化です。こちらは、それほど、複雑・高度なモデルを用意しなくてもよく、中堅・中小企業でも取り組みやすいといえます。
最近は生成AIにばかり注目が集まりがちですが、人事部門がAI活用に取り組むには生成AIと予測AIを、場面や用途、目的に応じて使い分けることが有効なのです。
