人間を判断するという絶対的な正解のない仕事だが、AIは迷いなく1つの解を突きつけてくる(写真:YUMIK / PIXTA)

人手不足を背景に、職場で人工知能(AI)を取り入れる動きが始まっている。経済産業省は人工知能を人材採用や人事研修に活用することを促しており、2017年にはソフトバンクロボティクスの人型ロボット「Pepper(ペッパー)」が採用面接をする「AI面接官」も話題になった。
退職率の高さという問題を抱える医療事務業界でも、人工知能を活用する試みが始まった。人工知能をスタッフの面談に活用して、その悩みや不安を探り当て、退職をくい止めるのだと言う。はたして、人工知能に人間の心は読めるのだろうか(当記事は、『人工知能の「最適解」と人間の選択』(NHK出版新書)の一部を抜粋・再構成したものです)。

退職しそうな社員を、人工知能が見つけ出す

医療事務業界における退職率が高い理由の1つには、勤務場所がいわゆる病院の中という限られた空間であり、その中でのコミュニケーションや対人関係の難しさが影響していると考えられる。ミスが許されない職場、という環境が与えるストレスも大きい。

全国で約2万5000人の医療事務スタッフを擁するソラスト社は、地域中核病院など大きな病院の受付や会計などの業務を受託している。毎年、新たに約5000人を雇用しているが、それでも年間約2000人が退職しており、高い退職率の引き下げは急務だ。これまでもさまざまな対策を行っている。退職率が40%と高い、入社後1年以内の新入社員に対する面談は1年に7回以上行い、結果はすべてデータ化され、分析にかけられている。

しかし、このような対策をしていても、退職しそうな人を面談では見抜けないのが課題だった。

ソラスト社採用企画部部長の菊池雅也氏は次のように話す。

「面談に際して、社員に今感じていることを書いてもらう面談シートというものがあるのですが、コメントの分析がなかなか難しいのです。特定のキーワードはピックアップできるものの、その裏に潜んでいる社員の本当の気持ちを把握できないという問題がありました」

そこで、面談シートの文章から退職の可能性の高い社員を、人工知能によっていち早く見つけ出すシステムを導入することにした。退職の予兆があると人工知能が判断した社員を手厚くサポートし、退職者を1人でも減らすことが目的だ。

人工知能が面談シートの文章を読み解き、人間ではつかみきれない社員が抱える悩みや不安をあぶり出す。与えた教師データは、この1年間に実際に退職した500人の面談記録だ。その中から独自の方法で文章の文脈や単語などを解析し、人間にはわからない、文章に隠れている特徴を見つけ出していく。この「テキストマイニング」機能を使い、退職につながりそうな社員をリストアップする。

退職の予兆は数字で示され、数字が大きいほどその可能性が高い。面談シートの内容は、数日でデータ化されるので、ほぼリアルタイムで追加サポートが必要な社員を割り出せる。このスピード感は人工知能ならではのものだろう。


AIが、退職の可能性を数値で指し示す(画像提供:NHK)

人間の答えと異なる「最適解」をどう受け止めるか

ソラスト社でデータ分析を担当している菅野透氏が、人工知能による全国の新入社員の判定結果のリストを特別に見せてくれた。退職の可能性が高い人から1017点、901点……といった具合に示されている。「たとえば」と菅野氏が示したのが、901点の社員だ。面談記録から、「相談に乗ってほしい」という不安が見て取れる。人工知能の判断は確かに「当たっている」と言えるだろう。ところが、1017点と退職の可能性が最も高いと判断された文章は意外なものだった。

「前職がクレーム対応や問い合わせに答える仕事だったので、つい話が長引いてしまう。忙しい時間帯には、短く要領よく話すように心がけているつもりだが、まだまだ甘いような気がする」

この文章を読んだとき、はたして退職につながる強いメッセージがあると思うだろうか。人工知能は、過去の退職者の書いた文章の構成要素と多くの共通点があるというだけで、1000点を超える高い点数を示してきた。しかし、菅野氏はこれこそが人工知能の判断の切れ味だと感じている。「人が気づかないところを示唆してくれる」と、この結果に全幅の信頼を寄せていた。

その後、1017点の社員と面談したところ、確かに退職につながる悩みを抱えていたことが確かめられた。人工知能の判断は正しかったのだ。

現場でマネジャーを務める宮川悠美子さんの元にも担当社員についての判定結果が届いた。

人工知能が退職の予兆があると判断してきた3人のうち、2人については宮川さんも同じ意見だった。しかし、残りの1人は、宮川さんが今後を期待している社員だった。

「この社員に対しては、もう少し突っ込んだ面談が必要だったのかなと考えています。私が気づけなかった、性格的な部分も含めて、今の人工知能が文章だけで社員の正直な気持ちをここまで読み取ることができるのには驚きました」

人間と違い、迷いもなくただ1つの答えを突きつけてくる人工知能。人間を判断するという絶対的な正解のない仕事の中で宮川さんが直面しているのは、自分と異なる人工知能の「最適解」をどう受け入れるかという、いわば人類初めての体験だ。人工知能の能力そのものへの驚き。それを実際に現場で使うことになった戸惑い。言葉を慎重に選びながら話す宮川さんからは、そんな感情が伝わってきた。それでも、宮川さんは人工知能の活用自体については前向きにとらえていた。

「人工知能が出してくる判断を基に面談してみるのも、1つの方法なのかなと思います。私の考えだけが正しいとは思っていないので、今後使っていく中で、逆に今まで私が見られてない部分がたくさん出てくるかもしれませんし、自分自身のレベルアップにもつなげていきたいですね」

宮川さんの戸惑いに対し、「最適解は状況に応じて、変わっていくものだと思っています」と採用企画部の菊池氏は受け止めた。

「当社のビジネスの状況、あるいは社員それぞれの状況に応じて、辞める理由も変わってくると思います。それを人工知能が自動的に学習するのは難しいでしょう。ですから、人工知能が出してくる最適解が本当に正しいのかどうか、人間がチューニングしていく作業がどこかで必要になっていくはずです」

人間の機微を理解する人工知能

ソラスト社が導入した、人工知能「KIBIT(キビット)」は、人工知能関連技術と行動情報科学を基に、独自に開発された日本発の人工知能エンジンである。開発したのは、文章解析を専門とする人工知能で世界をリードする業績を挙げているフロンテオ社だ。

同社・行動情報科学研究所所長の武田秀樹氏は次のように話す。

「『社内ビッグデータ』とも言われますが、今、多くの企業で、扱うデータ量が増大しており、必要な情報をすぐに見つけるのが困難という状況があります。それがわが社の技術を活用するニーズを生んだということです」

キビットは、文章を解析する際、単語や接続詞、助詞、使う順番といった構成要素を読み込み、教師データの特徴と照らし合わせて答えを導き出す。

「そもそも人工知能は機械ですので、人間のように意味を理解したり、心理を読んだりするわけではありません。イメージとしては、キーワード検索というより文章検索です。意味の最小単位としてキーワードのようなものを見ているのは間違いないのですが、あるキーワードが入っているかどうかという点だけに着目するのではなく、文章全体におけるキーワードの総合的な価値を見ているという感じでしょうか」

人間の心の「機微」と情報量の単位である「ビット(bit)」を組み合わせた、キビットという名称には、「人間の機微を理解する人工知能」との意味が込められているという。「基本的には人間と機械は違う」と断りつつ、武田氏は人工知能をオフィスに導入する際のポイントについて説明してくれた。

「出発点として、人間と同じように人工知能に判断の理由を求めるのはなかなか難しいということがあるでしょう。人間は因果関係で物事を考えがちですが、機械は相関関係でとらえます。重要なのは、人工知能の判断の単位を、なるべく人間が考えているものに合わせてあげるというか、人間がもともと持っている判断になじむようなシステムにすることだと思います」

「軽量な」人工知能がオフィスをサポートする

キビットは、処理能力がそれほど高くない普通のノートパソコンでも、少量のデータから学習が可能という点に特徴がある。短いコメントから退職の可能性を的確に判断したことからもわかるように、キビットが読み込むデータはそれほど長い文章である必要はなく、基本的には100〜200文字程度の情報があれば十分だ。しかも学習に要する時間は5〜10分程度で、すぐに数千〜数万件のデータを処理できるようになる。それでいて人間にはとらえきれない、文章の隠れた共通点を見つけ出すことが可能だという。
「われわれのシステムにおいては、教師データ自体をたくさんつくる必要はありません。大事なのは、人間が良質な判断を行い、それに見合ったデータがそろっているということで、むしろ量より質ということですね」

量より質。数年前までは「ビッグデータ」という言葉がもてはやされていた。しかし現在は、少なくともビジネスの現場においては適正なデータを用意できるのかが、ポイントになっている。


現在、ディープラーニングが脚光を浴びているが、実際はもっと「軽量な」人工知能で解決可能な問題が多いのが、その理由だ。フロンテオ社でも用途に応じてディープラーニングを使った開発も行っているが、多くの企業にとって、数千から数万以上の学習データや莫大な計算資源を必要とするディープラーニングを導入するハードルは高い。そこで力を入れているのが、ITに詳しくない人でも理解しやすいシステムを、比較的安価にかつ幅広く活用できるようにすることだ。

「われわれの特徴は現場に根差しているところにあります。より実用的なシステムをつくるということに関しては、かなり工夫しながらやっています」

もう1つ、重要な点がある。ディープラーニングは基本的に人間の介在を不要とし、人工知能が判断も含めて課題解決を行うのに対し、キビットはあくまで人間がかかわることが必要であり、判断するのは人工知能によってサポートされた人間、というところにある。

「人の代わりに人工知能を使うのではなく、人と人工知能の優れた能力を融合させ、人のサポートに人工知能を使うことを考えています。人工知能自体に意思があるわけではありません。『こういうふうに業務を改善したい』という明確なビジョンの下で、どう人工知能を活用していくか検討することが重要だと思っています」

むやみに人工知能を使おうと導入を進めても、おそらく人工知能に振り回されて終わってしまうに違いない。しかし、ソラスト社での試みのように、人工知能は実際にビジネスの現場で起こっている課題を人間と一緒に解決し、生産性を上げていくための道具として浸透しつつある。キビットの広がりはそのことを雄弁に語っていると言えるだろう。