日々に追われる人事マネージャーへ。非エンジニアが630時間削減して気づいた、AI時代の人事組織のあり方
株式会社kubell ピープルディビジョン 新卒・第二新卒人材開発グループ長の小幡(@maoobata_kubell)です。
社内での取り組みを行う中で、noteを書いたら？とはっぱをかけてくださった皆様のおかげで初めてnoteを執筆します。ぜひ最後まで見ていただけると嬉しいです。
私のキャリアとして、kubellは2社目で、第二新卒1号として入社しました！2021年に株式会社Speeeで営業としてキャリアをスタートし、2022年12月に株式会社kubell（当時 Chatwork株式会社）へ。インサイドセールス、新卒1期生の育成の立ち上げ、営業チームマネジメント、営業企画を経て今の新卒・第二新卒採用・育成を担うグループの責任者に就任しました。入社して3年半を超え、社会人歴も6年目です。(早い、、！)
はじめに
いま、人件費の定義が変わりつつあると感じています。
「人件費＝AIのトークンコスト＋従業員の給与」
これからの人件費は、この2つを足したものになっていきます。
AIの効用を最大限に引き出したうえで、CapabilityとResourceを定義し直し、組織が何にお金と時間を払うのかを設計し直す。
HRとして新しいスタンダードを切り拓けるこの時代の人事は面白いと思ってます。
この記事では、同じく人事のマネージャーを務める皆様向けに、非エンジニアだけの人事チームで合計630時間を削減した実装のプロセスと、AI時代の組織のあり方についての自分なりの見解の両方を書きます。
OPSが膨大で忙しい、プレイングでそもそもAIをキャッチアップする時間もない！みたいな方も多いかもしれませんが、私もそんな状態からスタートしたので、参考になれば嬉しいです。
「kubellの新卒人事」の特殊性
新卒・第二新卒人材開発グループでは、採用設計から選考オペレーション(以下、OPSと書きます)、採用広報、入社後のオンボーディングと育成、経営や事業部との人材戦略議論までを担っています。採用だけでなく、入社後の活躍にも本気で向き合っています。
このような役割はどの会社でも共通する人事の仕事ですが、kubellの場合、会社の事業構造が特殊だからこそのこだわりがあります。
kubellはビジネスチャット「Chatwork」という主力事業がありながら、BPaaSやその他新規事業など第二、第三の柱を創っていくフェーズです。日本の99.7%を占める中小企業に対し、Chatworkをはじめとするグループサービスの導入企業数は約100万社(2026年6月末時点)。この基盤を起点に、AX/DXで業務支援を行い「ビジネスのインフラ」になろうとしています。社内には今も数えきれない新規事業の種があります。
【kubellの事業構造】
【BPaaSとは何か】
つまり求められるのは、「単一プロダクトのOPSに人を当てはめる採用と組織開発」ではありません。まだ生まれていない事業を立ち上げ、たくさんの事業のセールス、マーケ、OPSのハブとなる機能を築いていく「仕組みをつくる人の採用と組織」です。活躍する方も多様、事業部も多岐にわたる中で業務を遂行しているので、とにかく理解する・考えることが多いです。
これがkubellの人事の仕事の前提です。
人とAIのハイブリッド運用OPSを作る全工程
業務でのAI活用のきっかけを生み出す
2025年の夏ごろ、新卒採用を担当する人事は全職種20名程度の採用、新卒5期生までの育成など含めた業務でわずか4名。ビジネス職の採用が佳境を迎え、エンジニア職採用のインターンシップも追い込み、入社予定の新卒社員の内定式が控え、翌年の新卒研修の立ち上げも待っていました。1つ1つこだわりを持って迅速に進めてはいたのですが、これはメンバーの属人的な努力で成り立っているだけで、再現性がないと感じていました。
そこで「人がやらなくていいことは、人がやらなくていい状態にする」ことに振り切ったのです。
社内ではちょうどn8n(ノーコード自動化ツール)の勉強会が始まっていて、BPaaS事業の現場では工数削減の事例が出始めていました。世の中的にもGPT-5、GeminiのNano Bananaのリリースが立て続けに来て(今やClaude CodeやCodexなどが主流ですが懐かしい)、メンバーが個別に、属人的にキャッチアップをしている状態でした。
「ここで組織として強度高くついていかないと、先進的な取り組みにならない」という危機感もありました。
私はチームに、本気でこう宣言しました。
「うちはAI武装したネオ人事になる」と。
初の新卒人事でのAIハッカソンを企画したのは、そのあとすぐでした。
新卒社員と事務スタッフまで含め、全員が非エンジニアの人事チームで実施しました。コーディングやAIに理解がある人はいない中で、活用意欲の高い人が一気にインプットして、2~3時間で着地しそうなアウトプットイメージを明確にしてスタートしました。
当日の目標はシンプルで、1人につき最低1個のアウトプットを完成させること。レベルは問わず、とにかく動くものを1個というルールです。
例えば、Googleカレンダーで会議室が入っていない予定に会議室を追加する。面接の評価が入っていないものにリマインドを通知するなどです。
業務を洗い出す
ハッカソンで最初にやったのは、「便利にしたい仕事」の洗い出しでした。人事チーム全員で、日々の業務のうち楽にしたいものをとにかく書き出していきます。大きい仕事も、数分で終わる細かい作業も、粒度は問いません。
【画像：洗い出しのMiroボード（第一回AIハッカソン大会）】
業務を捨てる
そのあとで、洗い出したものをフロー図に整理しました(ツールはMiroを使用)。私自身に営業企画と事業部でのBPR(業務改革)の経験があったので、その時の経験に近かったです。業務フローを全員で一つの画面に並べ、共通の型でタスクを定義し、ボトルネックを可視化していきます。
【画像：整理後のフロー図のMiroボード】
書きながら、面白い気づきが続きました。「OPSをそもそもシンプルにすれば、分岐も減ってAI化可能では？」という意見が出てきたり、AI化以前の話として、そもそも業務プロセス自体がいらないものが、想像以上にあったのです。つまり、AIで自動化する前に、まず「やらなくていい仕事を消す」工程が必要でした。フロー図化は、AI化の前段階として強烈に効きます。
そして、業務フローの中でボトルネックになっているところを見つけ、まとめて解決できるところから自動化に着手しました。毎日発生して毎回止まる場所です。そこが消えると、後ろの工程が一気に流れるようになりました。
この「業務プロセスをそもそもから疑う視点」は全社的にも進めているので、ご興味あればこちらも！
【kubell全社の取り組み：すてるば】
並行して、CSE(一般的な情シス)やセキュリティ担当、R&D担当に協力していただき、人事業務でAIを動かすときのやってはいけない事項と環境設定を一緒に整理しました。人事情報は機密情報の塊です。ここは絶対に外せません。当時はブラウザを操作するAIの精度もセキュリティの安定性もまだ保てないと判断し、まずはGoogle Workspace内で閉じた範囲から始めると決めました。
業務を分ける
そして、もう一つ大きな判断がありました。業務フローのうち「絶対にミスが許されないところ」と「一定の精度であれば許容できるところ」を、全部分けたのです。
絶対にミスが許されないものは、一対一対応で情報を引き出して処理する「ルールベース処理のGASアプリ」にします。ある程度のばらつきが許されるものは、AIエージェントを噛ませて、一定の精度でアウトプットを出すことにしました。
社内の知見者やXで情報を受け取る中で、どちらもGAS(Google Apps Script)でデプロイすれば組織で使えると発見し、全て情報の置き場所を統一しました。
この概念に「決定論」と「非決定論」という名前がついていることを知ったのは、後になってからでした(笑)。
そして、この業務の切り分けはプロンプトの書き方そのものを変えます。ここが精度の分かれ目でした。
単業務でのAI OPS成功体験を得る
決定論的に解きたいものは、徹底的に具体化し、解釈の余地のないプロンプトにします。スプレッドシートのどの列をどう処理するかまで1つずつ言語化します。非決定論的に解きたいものは、データクレンジングされたソースに対して、必要な問いとコンテキストを投げます。ここで再現性が生まれます。
非決定論の側で品質が出ないとき、原因はたいていプロンプトの表現ではありませんでした。足りていないのは、考えてほしい手順を伝えることか、渡すデータを整えることのどちらかです。だから、言い方を練り直す前に、手順と判断基準を文章で書き出し、渡すデータの表記ゆれや重複を直す。この順番に変えてから、出力はぐっと安定しました。
要件をGASに詳細に書き込み、ぶれてほしくない処理は行と対応する処理を1つずつ言語化して、コードを生成していきます。
要件を書き続けていたら、GASが次々と出来上がっていきました。
リクルーターも、事務スタッフの方も含めて、人事チーム全員が1人1個ずつ「自分専用のミニアプリ」を持っている状態になっていたのです。
単業務をAI OPSに変換し続ける
ここからの動きは速かったです。出来上がったGASを全部収集して、「効いたプロンプト集」を作る。
さらにその共通項を洗い出して、共通プロンプトを作る。
これによってプロンプトエンジニアリングの再現性ができ、誰もが自分の業務に最適化された自動化OPSを作れるようになりました。
【画像：メンバーが作成していたプロンプトの一部】
人事の仕事は、放っておくと際限なく手作業に飲まれます。会議室の予約、来客の手配、面接日程の調整、面接後の合否チェックの通知、面接動画のリネームと格納、会食の予約。
どれも1つひとつは数分ですが、それが毎日、人数分降ってきます。「人がやらなくていいことを、人がやらなくていい状態にする」という覚悟は、ここで初めて手応えに変わりました。
単業務のAI OPSを日常の運用にする
たくさん作っただけでは意味がないですが、程なくして全員が当たり前に使うようになっていきました。
チーム全員が使い続ける状態になった理由を挙げるなら、「説明なしで使える形にすること」でした。
GASのメニューバーに必ず使い方を入れ、手順通りに上からボタンの実行を押せばGASアプリが動く仕様。実行するときの手動ボタンとトリガーの設定まで、説明を受けなくても分かる型で作る。
【画像：視認性の高いイベント管理シートの事例】
Claudeなどのツールであれば、同じことをskill(業務の手順をあらかじめ書いておき、名前で呼び出せる機能)の書き方でやります。手順と判断基準を全部書いておき、起動する言葉を決めておく。使う人が自分で考えなくても、名前を指定すれば同じ結果が出る状態にします。
組織で回すなら、「作った人が説明しないと動かせない自動化」は、動いていないのと同じです。GASならメニューバーの並び順が、Claudeなどのツールならskillの本文が、そのまま業務手順書になります。
人事チーム全員の元で、同じ構造の自動化プロセスが1人1つずつ走っています。この段階で、2025年の年内までに300時間相当の削減ができていました。
単業務をワークフローにする
昨年の夏、私たちが作っていたのは単業務の実行が多かったのですが、今は景色が変わっています。
1つの土台データを全員が参照して、そこから派生した自社アプリやSaaSをAPIで繋げ、独自のカスタマイズを重ねたワークフローへと変化していきました。Claude CodeやCodexを使えば、GASでは書ききれなかった自社アプリやAIエージェントも作れます。ワークフローツールのkickflow、日程調整ツールのSpirといったSaaSも、APIで繋いで組み込んでいます。組織としてskillやアプリを作り、全員でOPSを統一して使い続ける運用に変わってきています。
【事例のご紹介：西山の取り組みをkickflowさんとセミナーにしました】
(アーカイブ・noteをぜひご覧ください！)
ワークフローを永続的な運用にする
次にぶつかったのは、個人で作ったGASやプロンプト、AIエージェントが乱立して、保管ができなくなる問題でした。誰かが作ったものが、その人の権限、その人のフォルダ、その人のローカルなファイル命名で置かれている。作るスピードが上がるほど数が増えて、どこに何があるのか分からなくなります。
異動や退職があった瞬間に、何が動いているか、なぜ動いているか、どう改修すればいいかが分からなくなるのです。個人が作る速さは手に入ったのに、組織として置いておく場所がありませんでした。
ここから、置き場所と残し方のルールを作り直していきます。
①Google Driveのフォルダ階層を整理する
最初にやったのは、フォルダ階層そのものの整理でした。GASアプリの元となるスプレッドシートが複数の場所にあり、どこに何があるのか分からない状態だったので、階層を決め直して置き場所を1つに寄せました。
②AIに読ませる前提で、フォルダを設計し直す
整理したうえで、Google Driveのフォルダ構造を、人間が後から読みに行く前提ではなく、AIに読ませる前提で再設計しました。フォルダ名、階層、配置の意味が、AIへの指示に変換しやすい構造になっています。
③命名規則を統一する
ファイル名に意味を全部込めます。時間、用途、区分を明確にして、他の命名規則と命名が重複しないようにしました。ファイル名を見れば、いつの、何のためのものかが分かる状態です。
④情報の残し方まで指定して、skillにする
引き継ぎ資料を人手で書くのはやめました。代わりに、READMEを必ず作らせる、データ構造を必ず書かせるの2つをルールにして、AIに仕様を言語化させたうえで情報を保管しています。そのうえでskill化して、作成物は特定のスプレッドシートに全て一覧で格納されていくようにしました。「あとで書く」は永遠に来ないので、作った時点で残すところまでを1セットにしています。
ここまできたら、「630時間の削減＋α 人力のアウトプット効率が数〜数十倍」まで成果が出ています。
これに加えて、外部からAIエンジニアに協力いただきGitでの管理やプラグイン化にも踏み込み始めています。また、トークン自体の最適化、RAGを作って組織知やアウトカムに繋げていくことなどやりたいことはたくさんあります。
ここはまだ志半ばですが、進みつつありますので、また進んだら書きたいと思います。
630時間削減の達成ができた要因
慣れないうちに難しいことはしない
我々は非エンジニアだからこそ、目的ファーストでシステムを構築しました。その上で、もっと技術的に面白いことや高度なこともありますが、一旦ミニマムで解決することを選び続けました。
その際たる例が、GASでの運用かと思います。選んだ理由は4つあります。
①セキュリティリスク・メンテナンスコストの軽減
ルールベース処理のGASアプリなら、データがGoogle Workspace内で完結すること。弊社の設定上、API以外の部分から外部に情報が出ていくことはなく、人事情報を扱う私たちには、これが活用する決定打になりました。
※会社で使ってよいAIツールやAPIと、AI活用のルールが定義されているので、情報区分ごとに渡してよい情報の範囲が決まっています。
②社内共有がしやすいこと
Google Workspace内でデプロイすれば、社内の方に簡単に共有できます。
③非エンジニアでも簡単にUIの統一感があるアプリができること
フロントエンドをhtmlファイルで書き、バックエンドをGASで処理すれば、UIを自分たちにカスタマイズして作ることができます。
④AIに書かせたコードの精度が高いこと
AIに詳しくない方でも、世の中に作成事例も多いので、AIのアウトプット精度が高く、コード作成のプロンプトの型次第で一定の自動化までいけます。
もちろんデメリットもあります。
処理の連続実行時間に制限があること、大量のデータを一気に処理できないこと。ここに当たる業務は、最初からGASの外で考えたほうが早いです。
積み重ねと組織文化形成
上記のようなハードルをなくすことを意識して、昨年の夏から1つひとつ積み上げてきて、合計630時間程度の削減がすでに生まれています。
冒頭に書いた人件費の話に戻ると、ここで浮いた630時間は、そのまま「人が使うべき時間」に振り替えられる原資です。トークンにいくら払い、人の時間をどこに置くのか。その配分を自分たちで決められるようになったこと自体も、削減した時間そのものより大きいと思っています。
ただ、一旦ここまでで言いたいのは、こういうことです。
非エンジニアの自分でも、必要に駆られて全力で向き合ったら、ここまで来れた。特別な能力はいりません。同じ立場の人事の方は、地道にやり続けていれば、自分とチームの景色が変わっているはずです。
ここまで来られた背景には、kubellという組織の文化が大きく効いていました。4つのバリューのひとつが「Playful Challenge」です。新しいこと、不確実なこと、誰もやったことがないことに、まず嫌な顔せず「やってみよう」と言える組織であること。このバリューが根付いていたからこそ、勢いで始まったAI推進を、全員が本気で動かしてくれました。(全員へ感謝🙇♀️)
【画像：Playful Challengeのバリュー】
もちろん、ディテールではたくさんの失敗もありました。アプリを作ってはエラーで動かせなかったり、忙しい時に私たちの力量ではまだAI化できないところに手を出して時間を溶かしてしまったり(笑)。
でも今振り返ると、それらも全部、重要なプロセスだったと思います。失敗も含めて、チーム全員で「AIと向き合う筋肉」をつけてきた1年間でした。
そのうえで、改めて私が目指したいのは、AIを活用して、新たな仕事の価値と仕組みを生み出す組織です。効率化はゴールではなく、削れた時間で何を新しく作るかが本題だと思っています。
AI時代の人事組織のあり方
ここまでが実装のプロセスです。
結構詳らかに書いたので長くなりましたが…！
ここからの学び、見解についてもよろしければ最後までご覧ください。
全員でAIを使って業務ができるようになったので、業務の標準化、リソースの軽減ができて、価値のある会話・議論や時間が増えました。
そう考えると、価値のある業務をするために仕組みを作ることの重要性が増し、活躍する人のその定義そのものが変わります。
プレイングマネージャーとして採用、育成、OPS、戦略議論を全部回してみたからこそ、自論で今後の人事組織の設計に必要だと思うことを書きます。
現場解像度が、そのままAIへのインプットの質になる
当たり前のことを徹底し、他社ができないレベルで早く、正確に、期待値を超え続けることで競合優位性を発揮できると思います。それを判断するには、業務を自分の手で動かして、成果への変数を理解することが必要です。
「この合否判断のスピードで選考予約率が大幅に変わる」「学生さんの興味関心事項に近い材料を、的確に届ける」。神は細部に宿ると言いますが、こうしたことは現場を回す人だからこそ分かります。
そしてこの解像度は、AIへのインプットの質に直結します。プロンプトに「面接メモを作って」と書く人と、「学生さんの発言と面接官の発言を分けて、事実と所感は別の欄に入れて、いつの時点の話かを必ず添える」と書ける人では、出てくるアウトプットがまるで違います。
成果が出るまでの業務解像度を高められるか、それをAIナイズして言語化する習慣をもてるかが重要だと思います。
プロンプトを「組織の共有資産」にする
プロンプト自体を型化する。あるいは、特定の型にインプットを流し込めば自動でアウトプットが出る仕組みを作る。すると誰もがその型を日々の業務でデフォルトで利用するようになり、日常使いの中で型から自然にラーニングしていきます。結果として、組織全員のパフォーマンスの質が、一定レベルまで底上げされます。
これがイネーブルメントです。一般的には研修やナレッジドキュメントと発想されがちですが、AI時代のイネーブルメントは、組織が共通して使う型を作ることだと考えています。
大事なのは、組織の共有資産を言語化し続けることです。そして、何を組織の基準にするのかを決められること。ここがAI時代に、組織で仕組みを作っていく人にとって一番重要な能力だと思っています。
ジュニアメンバーも、AIがあることを前提にキャッチアップできる世界になりました。だからこそ、解像度がある人が情報を残し、アクセス先を明文化し、追体験的にキャッチアップできる状態を作れるか。業務遂行とラーニングの速度を圧倒的に高められる組織は、これから非常に強くなっていくと思います。
属人性で勝てる領域で、圧倒的に勝つ
殊、人事の領域でいうと、学生さんや社員一人ひとりのキャリア観に向き合うこと、会社の魅力訴求をして組織を創っていくこと。ここは、「人がやるべき」かつ「部署として求められる成果」だと考えています。
私自身、AIによってOPSが安定し始めてから、明確な変化がありました。OPSに悩まされる時間が減り、緊急対応やアクシデント対応も減りました。そして、オファー面談で1人の学生さんに向き合う時間が長くなり、新卒1年目の日報に対してフィードバックを書ける時間が増え、経営陣との人材戦略議論に時間が使えるようになりました。
人の心を人で動かす部分や意思決定だけは、なんだかんだ、属人性がものをいう世界だと思います。働く意義やこの会社が目指す未来をどう語るか。組織としてどう実現するか。これまでの経験から、自分の頭で考えたアウトプットからしか差分を生み出せません。
人事は、「会社の顔」と言われます。私自身の魅力を、私自身のキャリア観で発揮できるよう、ここからもう一段、上に行くつもりです。
最後に
メンバー各個人の努力や取り組みもまだ書ききれてはいないので、ぜひ積極的に発信していきたいと思います。
上記の内容も、改めて同じように忙殺されている人事の方に、少しでも希望を与えられていれば嬉しいです！一緒に頑張りましょう！！🔥
この1年間、「noteとかXに書けばいいじゃないですか！」とハッパをかけてくださった皆さん、本当にありがとうございました(笑)
そして、AI推進に関わってくださった皆さん、社外の業務委託の皆さん、新卒や事務スタッフの人事チームのみんな。
一緒にここまで作ってくれて、ありがとうございます&引き続き頑張っていきましょう！🎉
kubellの人事に興味がある方は、ぜひカジュアル面談でお話しましょう(ここでは書けないリアルももう少しお話できるかもです)。
【採用サイト】
ここまで読んでくださって、ありがとうございました。
「スキ❤️」をクリックしていただけると継続する励みになります！
#AI活用 #業務効率化 #新卒採用 #GAS #ClaudeCode #非エンジニア #仕事術 #kubell #人事 #バックオフィス
