仕事のフィードバック、誰からが重要？AIへの不安は従業員の反応に影響が少ない研究

近年、人工知能（AI）の進化は目覚ましく、私たちの仕事や生活のあらゆる側面に影響を与え始めています。特に、大規模言語モデル（LLM）のような高度なAIは、これまで人間が行ってきた業務、例えば人事管理における従業員のパフォーマンスフィードバックの作成などにも活用されつつあります。AIがフィードバックを作成することで、効率が向上したり、客観性が高まったりする可能性が期待される一方で、AIが関与したフィードバックを従業員がどのように受け止めるのか、その影響についてはまだ十分に解明されていません。本記事では、この重要な問いに答えるため、AIがフィードバック作成にどのように関わるかによって、従業員の反応がどう変化するのかを調査した最新の研究結果をご紹介します。

💡 研究の背景：AIとフィードバックの未来

現代のビジネス環境では、従業員の成長を促し、組織全体のパフォーマンスを高めるために、効果的なフィードバックが不可欠です。しかし、管理職が個々の従業員に対して質の高いフィードバックを継続的に提供することは、時間と労力を要する課題でもあります。そこで注目されているのが、大規模言語モデル（LLM）のようなAI技術の活用です。

大規模言語モデル（LLM）とは、膨大なテキストデータを学習し、人間のような自然な文章を生成できるAIのことです。この技術を人事管理に応用することで、フィードバックの作成プロセスを効率化したり、データに基づいた客観的な内容を提供したりすることが期待されています。例えば、従業員の業務記録や目標達成度などの情報をAIが分析し、個別のフィードバック案を生成するといった使い方が考えられます。

しかし、AIが作成したフィードバックに対して、従業員はどのような感情を抱くのでしょうか。人間が作成したものと同じように受け止めることができるのでしょうか。あるいは、AIが関与していることを知った場合、そのフィードバックに対する信頼性やモチベーションに悪影響が出る可能性はないのでしょうか。また、AIに対する漠然とした不安（AI不安）が、フィードバックの受け止め方に影響を与えるのかどうかも重要な論点です。これらの疑問は、企業がAIを人事管理に導入する上で避けて通れない課題であり、本研究はこれらの問いに光を当てることを目的としています。

🔬 研究の目的と方法：AI関与の開示がどう影響するか

研究の目的

本研究の主な目的は、従業員が受け取るパフォーマンスフィードバックにおいて、その作成プロセスにAIがどのように関与しているかを知ることが、従業員のフィードバックに対する反応にどのような影響を与えるかを明らかにすることです。具体的には、フィードバックが「完全に人間によって書かれたもの」なのか、「完全にAIによって生成されたもの」なのか、あるいは「人間とAIが共同で作成したもの」なのかという情報が、従業員の感情、モチベーション、人間関係、そして将来のパフォーマンスにどう影響するかを検証しました。さらに、AIに対する個人の不安（AI不安）が、これらの反応にどの程度影響するかも分析の対象としました。

研究の方法

この研究では、192名の参加者を対象とした「ビネット実験」という手法が用いられました。ビネット実験とは、架空の状況（シナリオ）を提示し、それに対する参加者の反応を調べる実験手法です。参加者は、架空の仕事のパフォーマンスフィードバックを受け取るシナリオを提示され、そのフィードバックがどのように作成されたかについて、以下の4つの条件のいずれかにランダムに割り当てられました。

• 完全に人間が作成： フィードバックは全て人間によって書かれたもの。
• 完全にAIが生成： フィードバックは全てAI（大規模言語モデル）によって生成されたもの。
• AIが生成し、人間が修正： AIがフィードバックの原案を生成し、人間がそれを修正・洗練したもの。
• 人間が作成し、AIが修正： 人間がフィードバックを作成し、AIがそれを修正・洗練したもの。

重要な点として、提示されたフィードバックのテキスト内容自体は、これら4つの条件すべてにおいて全く同じでした。つまり、フィードバックの内容ではなく、「誰が、どのように作成したか」という情報のみが異なっていたのです。

参加者は、このフィードバックを読んだ後、様々な項目について評価を行いました。評価項目は、フィードバックに対する感情的な反応（例：ポジティブな気持ちになったか）、モチベーションへの影響（例：やる気が出たか）、上司との人間関係への影響（例：上司への信頼感）、そして将来のパフォーマンスへの影響（例：改善しようと思うか）など、多岐にわたります。

また、分析においては、参加者が元々持っているAIに対する不安の程度（AI不安）も共変量として測定されました。共変量とは、分析において、主要な変数以外の影響を調整するために考慮される変数のことです。これにより、AIへの不安がフィードバックへの反応にどの程度影響しているかをより正確に把握することができました。

📊 主要な研究結果：フィードバックの「出どころ」が重要

この研究から得られた主要な結果は、フィードバックの作成プロセスにAIがどのように関与しているかという情報が、従業員の反応に大きな影響を与えることを明確に示しています。特に、フィードバックの「出どころ」が、感情、モチベーション、人間関係、そしてパフォーマンスへの意欲といった様々な側面に影響を及ぼすことが明らかになりました。

以下に、各作成方法における従業員の反応の傾向をまとめます。

さらに、分析の結果、AIに対する個人の不安（AI不安）は、従業員のフィードバックへの反応に限定的な影響しか示しませんでした。これは、AIに対して漠然とした不安を抱いているかどうかよりも、実際にフィードバックがどのように作成されたかという具体的な情報の方が、従業員の受け止め方に強く影響することを示唆しています。

🤔 考察：なぜ「誰が」フィードバックを作るかが重要なのか

この研究結果は、パフォーマンスフィードバックにおいて、その内容だけでなく「誰が、どのように作成したか」という情報が、受け手の反応に極めて重要であることを浮き彫りにしました。完全にAIが生成したフィードバックが最も不評だった一方で、人間が主体的に関与したフィードバック、特に人間が作成しAIが修正したものは、完全に人間が作成したものと同等の好意的な反応を得ました。この結果から、いくつかの重要な考察が導き出されます。

信頼性、共感性、人間らしさの重要性

従業員は、フィードバックを単なる情報としてではなく、人間関係の中でのコミュニケーションとして捉えている可能性が高いです。人間からのフィードバックには、相手への配慮、共感、そして信頼関係が伴うと認識されています。完全にAIが生成したフィードバックでは、これらの「人間らしさ」が欠けていると感じられ、結果として信頼性や受け入れられやすさが低下したと考えられます。

一方で、人間が作成しAIが修正するケースでは、フィードバックの「源泉」が人間であるという認識が保たれるため、AIの関与が補助的なものとして受け入れられやすかったのでしょう。AIが最終的な「判断」を下すのではなく、人間が最終的な「責任」を持つという構図が、従業員の安心感につながったと推測されます。

AIの役割の受け入れられ方

この研究は、AIがフィードバック作成において「補助的なツール」として機能する場合と、「主体的な作成者」として機能する場合とで、従業員の受け止め方が大きく異なることを示唆しています。AIがデータ分析や文章の洗練といったサポート役に徹する限り、その存在はポジティブに受け入れられる可能性があります。しかし、AIがフィードバックの「主役」になると、従業員はそれを非人間的、あるいは公正さに欠けると感じるかもしれません。

また、AI不安が限定的な影響しか示さなかったという結果も興味深い点です。これは、人々がAIに対して漠然とした不安を抱いていても、具体的な状況下でのAIの役割が明確であれば、その不安が直接的な行動や感情に強く結びつくわけではないことを示唆しているのかもしれません。むしろ、フィードバックの「質」や「出どころ」といった具体的な要素の方が、従業員の反応を左右する重要な要因であると言えるでしょう。

理論的・実践的な示唆

理論的には、この研究はフィードバックの「ソース（源泉）」の知覚が、その効果に大きく影響するという既存の理論を補強するものです。実践的には、企業がAIを人事管理に導入する際には、AIの役割を慎重に設計し、従業員への透明性を確保することが極めて重要であることを示しています。単に効率化を追求するだけでなく、人間中心のアプローチを維持することが、AI活用の成功の鍵となるでしょう。

🤝 実生活へのアドバイス：AIを賢く活用するために

この研究結果は、企業がAIを人事管理、特にパフォーマンスフィードバックのプロセスに導入する上で、非常に実践的なヒントを与えてくれます。AIの潜在能力を最大限に引き出しつつ、従業員のモチベーションや信頼感を損なわないための具体的なアプローチを以下に示します。

• フィードバックの最終チェックは人間が行う： AIが生成したフィードバックの原案であっても、最終的な内容の確認、調整、そして従業員への伝達は、必ず人間（上司や人事担当者）が行うべきです。これにより、フィードバックに人間的な温かみや共感を加え、従業員が「人間からの言葉」として受け止めやすくなります。
• AIは下書きや情報収集に活用する： AIは、膨大なデータから情報を抽出し、フィードバックの構成案や表現の選択肢を提示するのに非常に優れています。例えば、過去の評価データや目標達成度に基づいた客観的な事実をAIに整理させ、それを基に人間が具体的なフィードバックを作成するといった活用方法が考えられます。
• 透明性を確保し、AIの役割を明確にする： 従業員に対して、AIがフィードバック作成プロセスにどのように関与しているかを明確に伝えることが重要です。「このフィードバックはAIが生成した原案を基に、私が最終的に修正・加筆したものです」といった説明をすることで、従業員の不信感を軽減し、AIの役割を理解してもらいやすくなります。
• AIへの不安を過度に恐れない： 研究結果が示すように、AIに対する漠然とした不安は、フィードバックの受け止め方に限定的な影響しか与えません。それよりも、フィードバックの内容の質や、人間が最終的に責任を持つという姿勢の方が重要です。AIの導入をためらうよりも、その活用方法を工夫することに注力しましょう。
• AIを「パートナー」として捉える： AIは、人間の能力を代替するものではなく、人間の業務をサポートし、より質の高いアウトプットを生み出すための強力なツールです。フィードバックの作成においても、AIを上司の「パートナー」として位置づけ、人間とAIが協力してより良いフィードバックを提供することを目指しましょう。

🚧 研究の限界と今後の課題

本研究は、AIが関与するフィードバックに対する従業員の反応について貴重な知見を提供しましたが、いくつかの限界も存在します。これらの限界を理解することは、研究結果を解釈し、今後の研究の方向性を考える上で重要です。

• ビネット実験の限界： 本研究は架空のシナリオを用いたビネット実験であり、実際の職場環境でのフィードバックとは異なる可能性があります。現実の職場では、上司と部下の関係性、過去の評価履歴、組織文化など、より多くの要因がフィードバックの受け止め方に影響を与えます。
• 対象者の多様性： 参加者の属性（年齢、職種、AIへの慣れなど）が限定的であった可能性があります。より多様な背景を持つ従業員を対象とすることで、結果の一般化可能性が高まります。
• フィードバックの内容の質： 本研究では、フィードバックのテキスト内容を全条件で同一に保ちましたが、実際のAIは、その性能や入力データによって生成するフィードバックの質が大きく異なります。質の低いAI生成フィードバックが、さらにネガティブな反応を引き起こす可能性も考えられます。
• 長期的な影響の不明確さ： 本研究は単一のフィードバックシナリオに対する短期的な反応を測定したものです。AIが関与するフィードバックを継続的に受け取った場合、従業員のモチベーションや組織へのエンゲージメントにどのような長期的な影響があるかは、今後の研究課題です。
• AIの進化： 大規模言語モデルは日々進化しており、本研究で用いられたAIの能力は、将来的にさらに向上する可能性があります。AIの能力向上に伴い、従業員のAIに対する認識や受け止め方も変化していくかもしれません。

これらの限界を踏まえ、今後は実際の職場での実証研究や、より多様なAIの活用方法を検証する研究が求められます。AIと人間の協働によるフィードバックの最適な形を探求し続けることが、未来の人事管理にとって不可欠となるでしょう。

✨ まとめ

本研究は、仕事のパフォーマンスフィードバックにおいて、その作成者が人間かAIかという点が従業員の反応に大きく影響することを示しました。特に、完全にAIが生成したフィードバックは従業員に最も好ましくない反応を引き起こす一方で、人間が主体となって作成し、AIが補助的に修正を加える形であれば、人間が作成したものと同等に好意的に受け止められる可能性が示唆されています。AIへの漠然とした不安よりも、フィードバックの「出どころ」が重要であるという点は、企業がAIを人事管理に導入する上で考慮すべき重要な知見と言えるでしょう。AIを賢く活用し、人間とAIが協力することで、より効果的で従業員に受け入れられるフィードバックシステムを構築できる可能性が示された、非常に示唆に富む研究結果です。

関連リンク集

• 厚生労働省
• 独立行政法人 労働政策研究・研修機構
• 国立研究開発法人 科学技術振興機構（JST）
• 大学共同利用機関法人 情報・システム研究機構 国立情報学研究所（NII）
• 科学技術情報発信・流通総合システム（J-STAGE）

書誌情報