SmartHRのデータ戦略 ─非構造化 データが拓く人的資本経営の未来─

@AI時代のデータ活用 ── リアルなデータの面白さとツラミと可能性
https://ivry.connpass.com/event/377161/

Transcript

1. SmartHR のデータ戦略 非構造化データが拓く人的資本経営の未来 株式会社SmartHR 井上 耕太朗 2026/02/12 © SmartHR, Inc.
2. 話すこと 1. SmartHR って何の会社？ 2. SmartHR のAI 時代のデータ戦略 3. 非構造化データのリアルと活用 4. 非構造化データ AI における課題 5. SmartHR の目指すデータの先
3. 自己紹介 井上 耕太朗（ML エンジニア） 【工学博士】 前職は画像処理ML 系SaaS プロダクトの開発、PoC 、 客先導入支援などに従事 2025 年4 月からSmartHR に入社 AI-OCR の開発や評価基盤の構築、AI 類似従業員検索 の立ち上げなど担当 ☕ コーヒーとarXiv の知識を入れるのが日課 3
4. SmartHR って何の会社？
7. SmartHR のAI 時代のデータ戦略
8. SmartHR にある非構造化データ フォーマットが一意でない / 毎年変わるデータが山盛り！ キャリア: 履歴書, 職務経歴書 契約書類: 雇用契約書, 誓約書, 請求書 手続き: 保険料控除証明書, 給与所得者の基礎控除申告書 兼 配偶者控除等 申告書 兼 所得金額調整控除申告書 人事評価: 評価シートの評価者および被評価者のコメント その他: 資格やスキル, アンケート回答など 8
9. これまでの非構造化データの山登り 順番にデータ山を登るしかなかった。職人が構造化ロジックを手作り… ！ 9
10. AI 時代の非構造化データ山の登り方は多様 LLM の登場でデータ山にロープウェイができた 10
11. SmartHR の非構造化データ山の登り方 蓄積データを軸とした2 ステップ構成+α 11
12. SmartHR のデータ戦略: データで作るハーベストループ 12
13. 非構造化データのリアルと活用
14. 非構造化データを利用したアプリケーション AI-OCR 様々な履歴書や保険料控除証明書の内容を 読み取り、項目への入力を自動化します。 AI アシスタント 就業規則などのドキュメントを参照して、 従業員の問い合わせ回答を自動化します。 AI 類似従業員検索 従業員データから近しいスキルや経歴の人 材を検索できます。 14
15. 非構造化データの例: 保険料控除証明書 日本生命[1] 第一生命[2] 住友生命[3] 15 [1] https://www.nissay.co.jp/keiyaku/oshirase/hokenryokojo/simulation/img/img-02.jpg [2] https://www.dai-ichi-life.co.jp/examine/deduction/tool/image_v2/img_deduction_02.gif [3] https://www.sumitomolife.co.jp/infolist/revise/sinkokutool/images/image2.png
16. 非構造化データのデータ蓄積: AI-OCR マルチモーダルLLM とルールベースの組み合わせで柔軟性と品質を担保 構造化されたデータは蓄積され、SmartHR の人的資本データを豊かにする 16
17. 非構造化データのプロダクト活用: AI 類似従業員検索 蓄積されたデータで人的資本経営の示唆を与える 17
18. 非構造化データの概念実証への応用: 申請データの模造 申請には差し戻しがつきものだが、どのような解決策が効果的なのか不明確 そこで既存の申請傾向を分析し、生成AI で構築した申請シミュレーション環境 で解決策の適用可能性を定量評価。 妥当性の高い示唆が得られている。 18
19. 非構造化データ AI における課題
20. 非構造化データ活用における課題は山積み 事業活用面では法律/ モラルと品質保証の大きく2 つの課題がある 法律/ モラル的課題 ( 非構造化データに限らない) 見知らぬところで自身/ 自社のデータが利用されるのは当然不安 → ユーザ許諾はもちろん、法務・セキュリティ部門のレビューを徹底 データガバナンスの整備も重要 品質保証の課題 AI 出力は常に一意とはならないが、説明性が求められる場合がある → 何でもプロンプトやモデルで解決しない, 品質監視基盤も必要 20
21. 不確実な出力と価値提供に向き合う基本の「き」 リリース判断用のデータと、その健康状態を定量的に測定できる指標を予め用 意して監視。特に前者はドメインエキスパートのノウハウが重要。 21
22. 実際にあったこと 監視体制が有ったため難を逃れた事例が多い。 解決策はAI 部分だけとも限らないのでチーム全体での課題認識も大切。 ある日を境に突如AI 出力の傾向に変化が！ → オンライン評価で発覚し調査、ルールベース追加で対応 利用モデルのサポート終了期限が！ → オフライン評価でリリース判断、オンライン評価で性能監視 なんでこうなるの？系問い合わせが！ → トレースログから問題を特定、対象ケースでのUI 改善 22
23. SmartHR の目指すデータの先
24. 大変だけど面白い世界も広がっている SmartHR に眠る大量のコンテキストはまだ掘り出し切れていない！ 24
25. SmartHR の目指すデータの先 目指すは唯一無二の人的資本経営プラットフォーム！ 各プロダクトで生まれた構造化・非構造化データを意味のある形で蓄積 プロダクトを使うほどデータが溜まり、できることがさらに多機能に SmartHR のデータ活用に興味があれば、ぜひカジュアル面談から！ 25