【2026年最新】人事評価を自動化する方法｜評価シートの収集・集計・フィードバック準備をClaude Code／Codexで無人化する仕組み
aikanri-admin
この記事の内容
「評価シートの回収に毎回1週間以上かかる」「評価者によって評価の辛さ・甘さがバラバラで、最後は人事が手作業で帳尻を合わせている」——人事評価の運用に悩む会社は非常に多く、しかもこの負担は評価サイクルのたびに、四半期ごと・半期ごとに繰り返しやってきます。評価される従業員にとっても、評価が遅れる・基準が曖昧なままだと、制度そのものへの信頼が揺らいでしまいます。
結論から言うと、人事評価の自動化で最も効果が大きいのは「評価そのものをAIにさせること」ではなく「評価にまつわる事務作業をAIに任せること」です。評価の中身（誰をどう評価するか）は最終的に人間の判断が不可欠ですが、シートの回収状況の確認、評価者間のバラつきの検知、集計、フィードバック資料の下書き作成といった事務作業は、AIエージェントに任せられる部分が数多くあります。
この記事では、人事評価という業務の全体像と非効率の原因を整理したうえで、後半ではClaude Code／Codex（AIエージェント）を使って人事評価の「回収・集計・フィードバック準備」を無人で回る仕組みに変える方法を、弊社サービス「AI鬼管理」（運営: 株式会社GENAI）の実践ノウハウとともに解説します。
代表菅澤
AI鬼管理山崎
01 THE CYCLE 人事評価という業務の全体像（評価サイクルと関わる書類） 効率化を考える前に、まず評価サイクル全体の流れを正確に押さえる
📚 用語解説
人事評価：従業員の業務成果・行動・能力を一定期間ごとに評価し、賃金・賞与・昇進などの処遇に反映させる制度。評価の頻度は半期・四半期など会社によって異なり、目標設定・評価シートの回収・評価者間の調整・フィードバック面談という一連のサイクルを繰り返す点が特徴。
人事評価の実務は、大きく分けると「期初の目標設定フェーズ」「期中のフォローフェーズ」「期末の評価・集計フェーズ」「フィードバックフェーズ」の4段階で構成されます。
| フェーズ | 内容 | 典型的なつまずき |
|---|---|---|
| 目標設定 | 従業員が期初に個人目標を設定し、上長が承認する | 目標のフォーマットや粒度が従業員ごとにバラバラになる |
| 期中フォロー | 進捗確認の1on1やフィードバック面談を行う | 日常業務に追われ、期中面談が形骸化・未実施になりやすい |
| 評価・集計 | 評価シートの回収、一次評価・二次評価（評価者間調整）を経て確定させる | 回収の遅延、評価者ごとの評価基準のバラつきが起きやすい |
| フィードバック | 評価結果を従業員に伝え、次期の目標設定につなげる | フィードバック資料の準備に時間がかかり、面談が形式的になる |
担当者は、これらのフェーズを全従業員分・全評価者分について並行して進める必要があり、従業員数・評価者数が増えるほど「誰の・どの評価が・どこまで終わっているか」の管理が難しくなります。
📚 用語解説
評価者間調整（キャリブレーション）：複数の評価者（上長）がそれぞれ行った評価の辛さ・甘さのバラつきを、部署間・評価者間で調整するプロセス。同じ業績水準の従業員でも、評価者によって評価が異なってしまうことを防ぐために行われる。人事評価制度の公平性を保つ上で重要な工程だが、手作業では評価データの突き合わせに時間がかかりやすい。
AI鬼管理山崎
代表菅澤
02 WHY INEFFICIENT なぜ人事評価は「非効率」になりやすいのか 「毎回同じサイクル」なのに、なぜ毎回消耗するのか
人事評価が非効率になりやすいのには、はっきりした構造的な原因があります。
📚 用語解説
人事評価システム：目標設定・評価シートの入力・集計・フィードバックまでをオンラインで管理できるクラウドサービス。従業員・評価者がシステム上で入力できる点が特徴だが、評価者間のバラつきの調整や、フィードバック資料の作成といった「判断を伴う作業」は依然として人事担当者・評価者自身の作業として残ることが多い。
人事評価システムを導入して入力をオンライン化するだけでは、担当者の作業が「紙を集める」から「入力状況を確認して回る」に置き換わるだけ、というケースをよく見ます。真の効率化には、入力後の集計・バラつき検知・資料作成という「人が判断して動く工程」まで含めて設計し直す必要があります。
代表菅澤
03 COMMON ACCIDENTS 手作業でよくある事故（あるある事故リスト） どれだけ気をつけても、手作業には「起きて当然」の事故パターンがある
評価対象期間から大きく時間が経ってからフィードバックが行われると、従業員は評価の根拠となる具体的な出来事を思い出しにくくなり、評価内容への納得感が下がります。人事評価は「正しく評価すること」と同じくらい「タイムリーに伝えること」が重要な業務です。
こうした事故の共通点は、「人間が、限られた時間の中で、大量の評価データを突き合わせる」ときに起きるという点です。従来の解決策は人事評価システムの導入でしたが、2026年現在はもう一つの選択肢があります。手作業の「回収確認・集計・資料準備」の部分を、Claude Code／CodexのようなAIエージェントに肩代わりさせる方法です。
AI鬼管理山崎
04 AUTOMATE WITH AI 【核心】Claude Code／Codexで人事評価を「無人で回る仕組み」にする 効率化ではなく自動化。トリガーで勝手に走るワークフローに落とし込む
📚 用語解説
Claude Code／Codex：Claude CodeはAnthropic社、CodexはOpenAI社が提供するAIエージェント。ChatGPTのような「質問に答えるAI」と違い、指示を受けてパソコン上のファイル操作・データ集計・文書作成などの作業そのものを実行できる。プログラミング不要で、日本語の指示だけで業務の仕組みを構築できるため、非エンジニアの経営者・バックオフィス担当者の業務自動化ツールとして注目されている。デスクトップアプリで利用可能。
ここからが本題です。本記事では以降、操作イメージを弊社が主に使うClaude Codeで説明します（Codexでも同じことができます）。重要なのは、AIに「評価そのものをさせる」のではなく、回収状況の確認・集計・バラつき検知・フィードバック資料の下書き作成という事務作業をワークフローごとAIに渡してしまうという発想の転換です。
4-1. 「AIに聞く」と「AIが勝手にやる」は別物
ChatGPTに「人事評価のフィードバックの伝え方を教えて」と聞くのは効率化です。人間が作業の主体で、AIは調べ物を速くしてくれるだけ。この使い方では、回収漏れも集計ミスもなくなりません。一方、Claude Code／Codexで作るのは自動化です。「評価シートの提出状況を毎日チェックし、未提出者をリストアップして督促文を作る」「集まった評価データを集計し、評価者間のバラつきを検知する」という一連の流れを一度設計しておけば、決まったトリガーで人間が何もしなくても走り続けます。
4-2. Claude Code／Codexに任せられる人事評価の作業
| これまで人間がやっていた作業 | Claude Code／Codexに任せた後 |
|---|---|
| 提出状況を一覧で管理し、未提出者を目視で洗い出す | 提出データを読み込んで未提出者を自動リストアップ |
| 未提出者へ個別にメール・チャットで督促 | 対象者ごとの督促文案を自動生成（送信は人が最終確認） |
| 評価者ごとの評価点の分布を目視で比較 | 評価データを集計し、評価者間のバラつきを自動検知 |
| 評価シートの内容を手作業で集計・転記 | 評価データを読み込んで自動集計 |
| フィードバック面談用の資料を評価者が個別に作成 | 評価根拠・エピソードを整理したたたき台を自動生成 |
ポイントは、今使っている評価シートのフォーマットやエクセルをそのまま使い続けられることです。システムの乗り換えとは違い、評価者・従業員側の入力方法を変える必要はありません。今のフローの「督促・集計・資料準備」という手作業部分だけが、AIの仕事に置き換わります。
4-3. 導入は3ステップ（プログラミング不要）
AI鬼管理では、この「督促・集計・資料準備をワークフローに落とす」やり方を、クライアント企業の実業務で数多く構築してきました。人事評価と同じ構造の定型業務——年末調整、勤怠集計、就業規則の管理など——をトリガー起動の自動ワークフローに変え、人は「最終確認と例外対応」だけに絞る運用です。もちろん、運営元の弊社（株式会社GENAI）自身のバックオフィスも同じ仕組みで回しています。
……ここまで読むと「明日からできそうだ」と感じるかもしれません。ただし正直にお伝えすると、Claude Codeを検索しながら独学で人事評価の自動化に組み込もうとした会社の多くが、途中で止まります。次の章で、その理由を説明します。
AI鬼管理山崎
代表菅澤
05 THE 3 WALLS ただし独学には「3つの壁」がある Claude Codeは強力。だからこそ、最初の設計を間違えると危ない
壁1：自社ルールを「正確に言語化」できない
Claude CodeやCodexは指示されたとおりに正確に働きますが、指示が曖昧なら曖昧なまま自動化されます。「評価者間のバラつきはどの程度から異常とみなすか」「二次評価での調整ルールは？」——人事評価は判断基準の塊です。この言語化を飛ばして作った仕組みは、不公平な評価をそのまま通してしまう装置になりかねません。
壁2：検証のやり方を知らないまま「AIを信じてしまう」
AIの出力は必ず検証が必要です。過去の評価データと自動検知したバラつきの結果を突き合わせる、わざと極端な評価データを入れて挙動を確かめる——こうしたテストの型を知らないと、「動いているように見えるが正しいかは誰も知らない」状態で本番運用に入ってしまいます。
📚 用語解説
相対評価と絶対評価：人事評価には、あらかじめ定めた基準に対する到達度で評価する「絶対評価」と、他の従業員との比較順位で評価を決める「相対評価」がある。多くの会社は両者を組み合わせて運用しており、どちらの考え方を軸にしているかによって、評価者間調整の進め方や自動化すべきチェック項目も変わってくる。
壁3：作った本人しか触れない「第二の属人化」
担当者が一人で仕組みを作って一人で運用していると、その人の退職や異動と同時に自動化が止まります。社内の複数人がAIワークフローを読み書きできる状態まで持っていって、初めて「会社の資産」になります。
| 独学で導入 | AI鬼管理（伴走支援）で導入 | |
|---|---|---|
| 業務ルールの言語化 | 自力で仕様を書き起こす（数十時間規模） | 実際の評価シート・過去データを見ながら一緒に言語化 |
| 検証 | テストの型を知らず「動いたら本番」になりがち | 過去データ突合・異常系テストまで型として提供 |
| 社内定着 | 担当者1人に依存（第二の属人化） | 研修形式で複数人が扱える状態まで育成 |
| 人事評価の先への展開 | 1業務で力尽きるケースが多い | 就業規則管理・採用業務等へ同じ型で横展開 |
代表菅澤
06 AI ONIKANRI AI鬼管理（株式会社GENAI）での実践支援 3〜6ヶ月の伴走で、人事評価のような定型業務を「不在でも回る仕組み」に変える
この3つの壁を越えるために弊社（株式会社GENAI）が提供しているのが、AI鬼管理です。Claude Code／Codexをはじめとした最新AIによる業務自動化を、3〜6ヶ月間・オンラインセッション形式で伴走するトレーニングプログラムで、ツールの一般論を教える座学ではありません。受講者が自社の実業務——例えば今お使いの評価シートそのもの——を教材に、実際に動く自動化ワークフローを自分の手で作り切るところまでやります。
対象は従業員1名以上の会社の経営層・バックオフィス責任者で、プログラミング経験は問いません。「評価サイクルのたびに人事担当者が疲弊している」「評価者間のバラつきが放置されている」という会社ほど効果が出やすい設計です。
人事評価のように「サイクルが決まっている」「複数人が関わる」「遅延の影響が大きい」業務は、AI自動化との相性が最も良い領域です。自社の業務を「ルールが明確な定型作業」から順に並べて、上から自動化していく——この優先順位付けも、AI鬼管理の初回で必ず一緒に行います。
AI鬼管理山崎
代表菅澤
07 COMPARISON & SUMMARY 手作業 vs 評価管理システム vs Claude Code／Codex 比較まとめ 自社の規模と体制に合った人事評価運用の「正解」を選ぶ
| 手作業（紙・エクセル） | 人事評価システム（クラウド） | Claude Code／Codex自動化 | |
|---|---|---|---|
| 初期コスト | ほぼゼロ | 初期設定＋従業員への周知が必要 | ワークフロー設計のみ（既存ファイル流用可） |
| 月額コスト | ゼロ（ただし人件費が隠れコスト） | 従業員数×数百円が相場 | AI利用料のみ（他業務の自動化と共用） |
| 督促・集計作業 | 人間が都度対応 | システムの入力機能に依存 | トリガーで自動督促・自動集計 |
| 評価者間バラつきの検知 | 目視で比較（見落としリスク大） | 一部システムに分析機能あり | 自動で検知・レポート化 |
| 人事評価以外への展開 | できない | 評価領域のみ | 就業規則・年末調整・請求等あらゆる定型業務に展開可能 |
まとめると、判断基準は次のとおりです。
人事評価は「サイクルのたびに必ず来る」業務だからこそ、事務作業の部分を一度仕組み化してしまえば、評価サイクルを重ねるたびの負担が恒久的に下がる領域です。就業規則・人事制度に関わる他の業務の自動化については、就業規則・人事制度 業務のAI自動化 完全ガイドでも全体像を整理していますので、あわせてご覧ください。
代表菅澤
あわせて読みたい：同じテーマの記事
最初の自動化ワークフローを、貴社の実業務で一緒に作りませんか
「うちの人事評価、Claude CodeやCodexでどこまで自動化できる？」「独学で試したが止まってしまった」というご相談、お気軽にどうぞ。
AI鬼管理は、貴社の実際の評価シート・業務フローを題材に、設計・検証・社内定着まで伴走します。
AI鬼管理山崎
NEXT STEP
この記事の内容を、あなたのビジネスで
実践してみませんか？
AI活用を自社で回せるようになりたい方へ
AI鬼管理
Claude Code・Cowork導入支援から業務設計・社内浸透まで実践ベースで伴走。「自社で回せる組織」を90日で作る経営者向けトレーニング。
よくある質問
Q. 人事評価の自動化は、評価の中身までAIに任せることになりますか？
A. いいえ。評価の中身（誰をどう評価するか）は最終的に人間の判断が不可欠であり、AIに任せるべき領域ではありません。自動化の対象は、評価シートの回収状況の確認、評価者間のバラつきの検知、集計、フィードバック資料の下書き作成といった「評価にまつわる事務作業」です。判断と事務作業を分けて考えることが、人事評価の自動化を設計する上での大前提になります。
Q. 人事評価システムを導入すれば十分ではありませんか？
A. 人事評価システムは入力・保存のオンライン化には効果がありますが、評価者間のバラつきの検知やフィードバック資料の作成といった「判断を伴う事務作業」は、担当者・評価者自身の作業として残ることが多いです。この部分まで手放したい場合は、Claude Code／CodexのようなAIエージェントによる自動化との併用が有効です。
Q. 評価者間でバラつきが出るのは、どうすれば防げますか？
A. 評価基準の解釈をすり合わせる記入ガイドの整備や、評価者向けの事前説明会が有効ですが、それでも一定のバラつきは発生します。重要なのは、バラつきが発生したときにそれを早期に検知し、評価者間調整（キャリブレーション）の場で是正することです。過去の評価データと自動で比較してバラつきを検知する仕組みを持っておくと、この検知が格段に速くなります。
Q. Claude CodeやCodexで人事評価を自動化するのに、プログラミングの知識は必要ですか？
A. 不要です。Claude CodeやCodexは日本語の指示だけで動くAIエージェントで、既存の評価シートや過去の評価データを見せて自社の評価基準を説明すれば、督促文案の作成・提出状況のチェック・バラつきの検知・フィードバック資料のたたき台作成といったワークフローをAI側が組み立てます。AI鬼管理のクライアント企業でも、非エンジニアの人事担当者が同様の仕組みを運用しています。
Q. 従業員数が少ない会社でも人事評価の自動化は必要ですか？
A. 従業員数が少なく評価者も限られている場合は、手作業＋テンプレート統一でも十分対応できます。ただし、人事評価と同じ構造を持つ他の定型業務（年末調整・入社手続きなど）が複数ある会社では、1つの業務で自動化の型を作っておくと、他業務への横展開が容易になるというメリットがあります。
Q. 人事評価の自動化を独学で進めるのは可能ですか？
A. 可能ですが、「自社ルールの言語化」「出力の検証」「社内定着」という3つの壁があり、不公平な評価をそのまま自動で通してしまうリスクに注意が必要です。独学で進める場合は、必ず過去の評価データとの突合検証を挟んでください。最短で確実に立ち上げたい場合は、貴社の実業務を題材に設計から検証・定着まで伴走するAI鬼管理のような支援サービスの活用が近道です。
Q. 人事評価以外の人事業務もまとめて自動化できますか？
A. できます。人事評価の督促・集計・資料準備で作ったワークフローの型は、採用業務の書類チェック、就業規則の改定管理、入社手続きの進捗管理など、他の人事業務にもほぼそのまま応用できます。AI鬼管理では、1つ目の自動化を確実に稼働させたあと、後半のカリキュラムで他業務への横展開を支援しています。
Claude Codeで業務自動化を90日で叩き込む
経営者向けの伴走型パーソナルトレーニング
Claude Code を業務に落とし込む
専門研修コース一覧
受講者本人の業務を題材に、「使いこなせる」状態になるまで伴走する研修プログラム。1対1特化型・ハンズオン・法人講座の3コースを展開中。業務特化・実装まで踏み込むタイプのClaude Code研修です。
研修コース一覧を見る →AI鬼管理へのお問い合わせ
この記事を読んで気になった方へ。
AI鬼管理の専門スタッフが、御社に最適な
業務自動化プランを無料でご提案します。
- AI業務自動化サービス「AI鬼管理」を運営 — Claude Code を活用し、経営者の業務を「AIエージェントに任せる仕組み」へ転換するパーソナルトレーニングを 伴走構築 で提供。日報・採用・問い合わせ対応・経費精算・議事録・データ集計・営業リスト等の定型業務を、AIに代行させる体制を経営者と一緒に作り込む
- Claude Code 実装ノウハウを 経営者・法人クライアント に直接指導。生成AIを「便利ツール」ではなく 「業務を任せる存在」 として運用する手法を体系化
- 「やらせ切る管理」メソッドの開発者。シンゲキ株式会社（2021年設立・鬼管理専門塾運営）にて累計3,000名以上の学習者を志望校合格に導いた管理メソッドを、AI × 経営者支援 に転用
- 著書『3カ月で志望大学に合格できる鬼管理』(幻冬舎)、『親の過干渉こそ、最強の大学受験対策である。』(講談社)
- メディア出演: REAL VALUE / カンニング竹山のイチバン研究所 / ええじゃないかBiz 他
- 明治大学政治経済学部卒
