【2026年8月最新】有給取得率の平均は？計算方法と上げるための施策、Claude Code／Codexで取得率モニタリングを自動化する方法
aikanri-admin
「うちの会社の有給取得率、他社と比べて高いのか低いのか分からない」「取得率を上げろと言われても、何から手をつければいいのか」——労務担当者や、顧問先の有給休暇対応を支援する社労士の方から、繰り返し相談を受けるテーマです。
結論から言うと、日本の年次有給休暇の取得率は令和6年分で66.9％と過去最高を更新しています（厚生労働省「令和7年就労条件総合調査」）。政府は2028年までに70％以上という目標を掲げており、多くの企業が「平均並み」を目指すだけでは足りない状況になりつつあります。とはいえ、取得率は計算方法・母集団の取り方次第で数字が変わる指標でもあり、正しく計算し、正しく上げる施策を打たなければ、いくら頑張っても改善しているのかどうか分かりません。
この記事では、有給取得率の最新の全国平均・正しい計算方法・取得率が低いことのリスクと上げるための具体策を実務目線で整理したうえで、後半では取得率のモニタリングと未達者への声かけをClaude Code／Codex（AIエージェント）に任せ、施策を「打ちっぱなし」にしない仕組みを、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
給与計算・社会保険手続き・勤怠集計の「毎月くり返す手作業」を、社労士事務所のまま仕組みで減らす方法を60分で解説します。
01 DEFINITION 有給取得率とは？「消化率」との違いと計算方法 似た言葉である「消化率」との違いから、正しい定義を押さえる
📚 用語解説
有給取得率：その期間中に付与された年次有給休暇の日数のうち、実際に取得された日数の割合。「取得日数 ÷ 付与日数 × 100」で算出する。厚生労働省の「就労条件総合調査」では、企業単位で回答された数値の平均として毎年公表されている。
1-1. 「取得率」と「消化率」は同じ意味で使われることが多い
「有給取得率」と「有給消化率」は、実務上ほぼ同じ意味で使われます。どちらも「付与された日数のうち、どれだけ使われたか」を示す指標です。ただし社内資料などでは、繰越分を含めた分母で計算するか、当年付与分だけで計算するかによって呼び方を使い分けている会社もあるため、自社の数値がどちらの定義で計算されているかを確認しておくことが大切です。
1-2. 有給取得率の計算方法
厚生労働省の調査で使われる計算方法は次のとおりです。
| 単位 | 計算式 |
|---|---|
| 個人単位 | （その人の年間取得日数 ÷ その人の年間付与日数）× 100 |
| 全社単位（企業平均） | （全従業員の年間取得日数の合計 ÷ 全従業員の年間付与日数の合計）× 100 |
個人単位の取得率は、年5日取得義務の対象者を特定するうえでも重要な数字です。一方、全社単位の取得率は経営指標として使われ、一部の従業員の取得率が極端に低くても、他の従業員が高ければ全社平均は良く見えてしまうという弱点があります。取得率は「全社平均」だけでなく「個人別の分布」も合わせて見ないと、実態を見誤ります。
AI鬼管理山崎
02 LATEST STATISTICS 有給取得率の最新の全国平均（厚労省調査） 自社の数字を評価する前に、まず「基準」となる全国平均を押さえる
厚生労働省「令和7年就労条件総合調査」（令和6年分の実績）によると、年次有給休暇の労働者1人平均付与日数・取得日数・取得率は次のとおりです。
| 項目 | 令和6年分（最新） | 令和5年分（前回） |
|---|---|---|
| 平均付与日数 | 18.1日 | 16.9日 |
| 平均取得日数 | 12.1日 | 11.0日 |
| 平均取得率 | 66.9％（過去最高） | 65.3％ |
取得率は昭和59年の調査開始以降、9年連続で上昇し過去最高を更新しています。2019年の年5日取得義務の導入以降、企業側の取得促進の動きが数字にも表れている形です。政府は「2028年（令和10年）までに取得率70％以上」を目標に掲げており、全国平均はその目標まであと3ポイントほどに迫っています。
📚 用語解説
就労条件総合調査：厚生労働省が毎年実施する、企業の労働時間・休暇制度・賃金制度などの実態を調べる調査。常用労働者30人以上の民間企業を対象とし、有給休暇の取得率もこの調査で毎年公表される。年ごとに調査時点や対象年がずれるため、「令和◯年調査」と「対象となる年」を混同しないよう注意が必要（例：令和7年調査は令和6年分の実績を集計したもの）。
全社平均の取得率が全国平均の66.9％を超えていても、それだけでは年5日取得義務をクリアしたことにはなりません。年5日取得義務は個人単位で判定されるため、全社平均が高くても、特定の従業員が5日未満のまま基準日を迎えれば法令違反です。「全国平均と比べてどうか」は経営の目安として意味がありますが、義務対応としては個人単位のチェックが別途必要だと理解してください。
代表菅澤
03 WHY IT MATTERS 取得率が低くなる理由と、放置するリスク なぜ日本の取得率は伸び悩んできたのか。放置するとどうなるか
3-1. 取得率が低くなりやすい3つの理由
📚 用語解説
年5日取得義務：2019年施行の改正労働基準法で導入されたルール。年10日以上の有給休暇が付与される労働者に対して、企業は付与日（基準日）から1年以内に最低5日を取得させなければならない。取得率が全社平均で高くても、個人単位でこの5日を下回っていれば法令違反となる点に注意が必要。
3-2. 取得率が低いまま放置するリスク
取得率の低さは、単に「数字が悪い」だけでは済みません。実務上は次のようなリスクにつながります。
| リスクの種類 | 内容 |
|---|---|
| 法令違反リスク | 個人単位で年5日を下回ると労働基準法違反。30万円以下の罰金（対象者1人につき1罪） |
| 従業員の疲労・生産性低下 | 休息が取れないことで集中力・生産性が落ち、長期的にはパフォーマンスが下がる |
| 離職リスク | 休みにくい職場という評判が広がり、定着率・採用競争力の双方に悪影響 |
| 企業イメージの低下 | 求人媒体等で有給取得率が開示される場面が増え、低い数字がそのまま採用力に響く |
AI鬼管理山崎
04 HOW TO IMPROVE 有給取得率を上げるための具体的な施策 「取りやすい雰囲気」だけでは変わらない。仕組みで底上げする
取得率を上げるには「取得しやすい雰囲気づくり」のような精神論だけでなく、制度・仕組みとして取得を後押しする施策が効果的です。代表的な施策を整理します。
📚 用語解説
計画的付与制度：労使協定を締結することで、年次有給休暇のうち5日を超える部分について、会社が取得日をあらかじめ計画的に指定できる制度。個人が申し出るのを待つのではなく、会社主導で取得日を決めるため、取得率の底上げに直接効く施策として知られる。夏季・年末年始の一斉付与や、部署ごとの交代制付与などの運用方法がある。
計画的付与や管理職の率先取得は、導入した瞬間だけ効果が出て、翌年には元に戻ってしまうことがあります。取得率は継続的にモニタリングし、下がった部署・下がった個人にすぐ気づける仕組みとセットでなければ、長期的な改善にはつながりません。
代表菅澤
05 LIMITATIONS 手作業でのモニタリングの限界（従業員数の壁） 施策は打てても、「継続して見続ける」が手作業では崩れやすい
ここまで読んで「取得率を上げる方法は分かった」と感じた方も多いはずです。実際、従業員数名〜十数名のうちは、担当者が管理簿を見ながら「そろそろこの人取れていないな」と気づくことができます。問題は、従業員数が増えたときに「気づく」が機能しなくなることです。よくある事故パターンを挙げます。
経験則として、こうした事故が目に見えて増え始めるのが従業員数十名を超えたあたりです。ここまでは「担当者の気配り」で乗り切れますが、それ以降は、手作業でのモニタリング頻度が人間の注意力の限界を超えていきます。
ここで従来の選択肢は「勤怠管理システムのダッシュボード機能で可視化する」の一択でした。もちろんそれも正解の一つです。ただし、ダッシュボードは「見れば分かる」状態を作るだけで、「誰が、いつ、誰に声をかけるか」という次のアクションまでは自動化してくれないことがほとんどです。2026年現在は、もう一つの選択肢があります。今使っている勤怠データや管理簿をそのまま使い続けながら、モニタリングと声かけの判断を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
代表菅澤
06 AUTOMATE WITH AI 【核心】Claude Code／Codexで取得率モニタリングを「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。
ここからがこの記事の核心です。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「取得率を計算してもらう」のではなく、取得率のモニタリングから声かけの判断まで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。
6-1. 「AIに聞く」と「AIが勝手にやる」は別物
ChatGPTに「今月の有給取得率を計算して」と聞くのは効率化です。人間が作業の主体で、AIは計算を速くしてくれるだけ。この使い方では、月次チェックの後回しも、部署間のばらつきの見落としもなくなりません。
一方、Claude Code／Codexで作るのは自動化です。「毎月1日になったら、勤怠データを読み込んで全社・部署別・個人別の取得率を計算し、基準を下回る人と部署をリストアップして報告する」という一連の流れを最初に一度だけ設計しておけば、あとは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。人間の仕事は、最後に上がってきた報告を見て、誰にどう声をかけるかを判断することだけです。
6-2. Claude Code／Codexに任せられる取得率モニタリングの作業
| これまで人間がやっていた作業 | Claude Code／Codexに任せた後 |
|---|---|
| 勤怠データから月次の取得率を手集計 | 勤怠・取得データを読み込んで全社・部署別・個人別に自動集計 |
| 全国平均・目標値と比較して評価 | 最新統計や自社の目標値と自動照合し、達成状況をレポート化 |
| 取得率が低い部署・個人を目視で洗い出す | 基準を下回る部署・個人を条件に応じて自動抽出 |
| 計画的付与の効果を年度末に振り返る | 導入前後の取得率推移を自動でグラフ化・比較 |
| 未達者への声かけ文面を都度作成 | 対象者ごとの残日数・経過状況入りの声かけ文案まで自動生成 |
ポイントは、既存の勤怠システムや管理簿をそのまま使い続けられることです。新しいダッシュボードツールへの乗り換えと違って、勤怠の打刻方法や有給申請の方法を変える必要はありません。今のデータの「集計・比較・検知・文面作成」という手作業部分だけが、AIの仕事に置き換わります。
6-3. 導入は3ステップ（プログラミング不要）
6-4. AI鬼管理（株式会社GENAI）での実践例
AI鬼管理では、この「継続モニタリングをClaude Codeの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。有給取得率と同じ構造の継続監視業務——残業時間の集計、勤怠異常の検知、KPIの週次レポート作成など——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。月に何時間もかかっていたモニタリング業務が確認5分程度になる、というのがクライアント企業での典型的な効果です。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、すべて同じ仕組みで回しています。
そして重要なのは、これが労務担当者や社労士の価値を奪う話ではないことです。集計と照合という間違えたら怒られるだけの作業から解放されて、取得率が低い部署の背景にある業務体制の問題を掘り下げたり、従業員一人ひとりに合わせた声かけを考えたりするという、人にしかできない仕事に時間を使えるようになります。顧問先を多く抱える社労士事務所であれば、この仕組みを事務所側に置いて複数社の取得率モニタリングを一括支援する、という応用も可能です。
……と、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業務に組み込もうとした会社の多くが、途中で止まります。なぜ止まるのか。次の章で、その「壁」の正体と越え方を説明します。
AI鬼管理山崎
07 THE 3 WALLS ただし独学には「3つの壁」がある——最短で越える方法 Claude Codeは強力。だからこそ、最初の設計を間違えると危ない
取得率モニタリングの自動化でつまずくポイントは、ほぼ次の3つに集約されます。
壁1：自社の基準を「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。「目標取得率は全国平均の66.9%？自社独自の目標値？」「声かけの基準は個人の取得率何%を下回ったら？」「部署別の集計単位はどこまで細かく分ける？」——本記事で見てきたとおり、取得率モニタリングは基準設定の塊です。この言語化を飛ばして作った仕組みは、意味のないアラートを毎月自動で量産する装置になりかねません。ここが独学の最初で最大の壁です。
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1年分の手作業集計と自動計算の結果を突き合わせる、わざと異常なデータ（退職者・休職者を含むデータなど）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。逆に、検証の型さえ身につければ、集計対象や目標値が変わってもAIへの指示を直して再検証するだけで追従できます。
壁3：作った本人しか触れない「第二の属人化」
手作業の取得率管理の弱点として「担当者の気配りに依存する」問題を挙げましたが、独学のAI自動化は同じ罠にはまりがちです。担当者が一人で作って一人で運用していると、その人の退職と同時に仕組みが止まる。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。ここは技術ではなく、教育と運用設計の問題です。
| 独学で導入 | AI鬼管理（伴走支援）で導入 | |
|---|---|---|
| 最初の題材選び | 手探り。難しい業務から始めて挫折しがち | 貴社の業務を棚卸しし、成功しやすい定型業務から着手 |
| 基準・ルールの言語化 | 自力で仕様を書き起こす（数十時間規模） | 実際の勤怠データ・管理簿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 |
| 取得率の先への展開 | 1業務で力尽きるケースが多い | 残業管理・KPIレポート等へ同じ型で横展開 |
「AI鬼管理」とは——3〜6ヶ月で自動化を叩き込む伴走型トレーニング
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——例えば今お使いの勤怠データや有給管理簿そのもの——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。
取得率モニタリングのように「ルールが明確」「毎月同じ手順」「見落とすと法令・離職リスクにつながる」業務は、AI自動化との相性が最も良い領域です。逆に、判断基準が曖昧な業務からAI化を始めると失敗しやすい。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。
代表菅澤
AI鬼管理山崎
08 COMPARISON & SUMMARY 手作業 vs 勤怠システムのダッシュボード vs Claude Code／Codex 徹底比較・まとめ 自社の規模と体制に合った取得率モニタリングの「正解」を選ぶ
| 手作業（エクセル＋人力） | 勤怠システムのダッシュボード | Claude Code／Codex自動化 | |
|---|---|---|---|
| 初期コスト | ほぼゼロ | 初期設定＋従業員への展開が必要 | ワークフロー設計のみ（既存データ流用可） |
| 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） |
| 集計・可視化 | 人間が都度集計 | システム上で自動集計・グラフ化 | トリガーで自動集計・自動比較 |
| 未達者への次のアクション | 担当者が気づいたら対応 | 基本的には可視化まで（対応は人力） | 声かけリスト・文案まで自動生成 |
| 自社基準への柔軟性 | 高い（ただし属人化） | 製品仕様の範囲内 | 高い（日本語で仕様変更を指示できる） |
| 取得率以外への展開 | できない | 勤怠領域のみ | 残業管理・KPIレポート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。
有給取得率は、全国平均が66.9％まで上がった今、「平均並み」を目指すだけでは差別化になりません。問われているのは「施策を打ったか」ではなく「継続的にモニタリングし、下がった人・部署にすぐ気づけるか」です。人間の注意力に依存した仕組みは、従業員数の増加とともに必ず限界が来ます。施策を捨てるのではなく、それを見続ける手をAIに置き換える——それが2026年時点での現実的な最適解だと、弊社は考えています。
関連して、勤怠・休暇管理の周辺業務では、有給管理そのものを効率化する方法や、残業時間管理を自動化するワークフローも同じ考え方で構築できます。取得率モニタリングの自動化を入り口に、勤怠・労務管理全体を見直すきっかけにしていただければと思います。勤怠・休暇管理を含めた業務効率化の全体像は、勤怠・休暇管理の完全ガイドでも整理しています。
代表菅澤
取得率のモニタリングを、貴社の実データで一緒に仕組み化しませんか
「うちの取得率モニタリング、Claude CodeやCodexでどこまで自動化できる？」「施策は打ったが効果検証ができていない」というご相談、お気軽にどうぞ。
AI鬼管理は、貴社の実際の勤怠データ・管理簿を題材に、設計・検証・社内定着まで伴走します。3つの壁を、最短距離で越えましょう。
AI鬼管理山崎
ここから先の進め方は、大きく2つあります。
自社で回せるようになりたい方は、AI鬼管理でClaude Code／Codexの使い方から業務設計・社内定着まで伴走を受けながら、社内に仕組みを作る道があります。
覚えるより任せたい方は、AIBPO by AI鬼管理でこの記事のような定型業務を丸ごと預ける道があります。総額はいまの業務コストの50%が目安、月額基本料は0円です。
どちらが合うかは、業務量と社内体制次第です。無料相談・無料適合診断で、貴社の場合はどちらが向くかからご相談いただけます。
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？
よくある質問
Q. 有給取得率の全国平均はどれくらいですか？
A. 厚生労働省「令和7年就労条件総合調査」（令和6年分の実績）によると、労働者1人平均の有給取得率は66.9％で、昭和59年の調査開始以降で過去最高となっています。平均付与日数は18.1日、平均取得日数は12.1日でした。取得率は9年連続で上昇しており、政府は2028年（令和10年）までに70％以上とする目標を掲げています。
Q. 有給取得率と有給消化率は同じ意味ですか？
A. 実務上はほぼ同じ意味で使われます。どちらも「付与された有給休暇の日数のうち、実際に取得された割合」を指します。ただし社内の集計方法によって、繰越分を含めるかどうかなど定義が異なる場合があるため、自社の数値がどの計算方法によるものかを確認しておくことをおすすめします。
Q. 有給取得率はどうやって計算しますか？
A. 基本的な計算式は「取得日数 ÷ 付与日数 × 100」です。個人単位で計算する場合はその人の年間の取得日数と付与日数を使い、全社単位（企業平均）で計算する場合は全従業員の取得日数の合計を全従業員の付与日数の合計で割ります。全社平均だけでなく、部署別・個人別の分布も合わせて確認しないと、一部の従業員の低迷を見落とすことがあります。
Q. 有給取得率が低いと、どんなリスクがありますか？
A. 個人単位で年5日取得義務を下回れば労働基準法違反となり、30万円以下の罰金の対象になります。それに加えて、従業員の疲労蓄積による生産性低下、離職リスクの上昇、求人票等で取得率が開示される場面での企業イメージの低下など、法令面・人材面の両方でリスクが生じます。
Q. 有給取得率を上げるための効果的な施策は何ですか？
A. 代表的な施策として、管理職・経営層が率先して取得すること、労使協定に基づく計画的付与制度の導入、半日・時間単位での取得制度の導入、業務をカバーできる体制づくり、年次有給休暇管理簿による取得状況の可視化が挙げられます。施策は導入して終わりにせず、継続的に効果をモニタリングすることが重要です。
Q. Claude CodeやCodexで有給取得率のモニタリングを自動化するのに、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、既存の勤怠データや有給管理簿を見せて集計方法と目標基準を説明すれば、取得率の自動計算・未達者の検知・声かけ文案の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、非エンジニアの労務担当者が同様の仕組みを運用しています。
Q. Claude CodeやCodexの導入は独学でも可能ですか？
A. 可能ですが、業務で確実に成果を出すまでには「自社基準の言語化」「出力の検証」「社内定着」という3つの壁があります。独学で進める場合は、必ず過去の手作業集計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。
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
AI鬼管理／AIBPO by 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。
専門スタッフが、御社に最適な
業務自動化・業務代行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
