AIがまとめた面談記録や、ストレスチェックの数値を見ると、「これで状況がわかった」と思いたくなることがあります。

でも実際の職場では、本人の受け止め方、管理職の見立て、人事総務の記録、AIの要約が、少しずつずれていることがあります。

ここでは、AIハルシネーション、羅生門効果、HARKingを手がかりに、人事総務や管理職がラインケアで判断を急がないための見方を確認していきます。

AI時代の健康経営では、情報を鵜呑みにしない力が必要

健康経営やラインケアでは、さまざまな情報をもとに社員の状態を見ます。

たとえば、ストレスチェックの結果、面談記録、勤怠、休職傾向、研修アンケート、管理職からの報告、AIによる要約などです。

情報が増えること自体は悪いことではありません。問題は、情報が増えたことで「正しく判断できている」と思い込みやすくなることです。

職場では、次のような判断ミスが起こります。

• AIがまとめた面談記録を、そのまま本人の本音だと思ってしまう
• ストレスチェックの数値だけで、問題部署だと決めつける
• 本人は相談したつもりでも、管理職は雑談だと受け取っている
• 研修後アンケートの満足度だけで、効果があったと判断する
• 不調者が出た後で、最初から原因がわかっていたように説明する

こうした判断ミスは、社員への支援を遅らせたり、管理職を責めるだけの対応につながったりします。

人事総務・健康経営担当者に必要なのは、AIやデータを否定することではありません。情報をそのまま結論にせず、確認すべき材料として扱うことです。

AIハルシネーションとは何か

AIハルシネーションとは、生成AIが事実とは違う内容や根拠のない情報を、もっともらしく出してしまうことです。

文章が自然で読みやすいほど、人は「正しそうだ」と感じやすくなります。そのため、AIが作った文章を確認せずに使うと、健康経営やラインケアの判断を誤るおそれがあります。

たとえば、次のような使い方は注意が必要です。

• AIが作った面談要約を、本人の正確な発言として扱う
• AIが出した原因分析を、そのまま職場課題と決める
• 存在しない研究や制度を、研修資料や社内説明に使う
• メンタルヘルスに関わる内容を、AIの文章だけで断定する
• 労務対応や安全配慮に関わる判断を、AI出力に寄せすぎる

AIは便利な道具です。しかし、社員の健康や職場対応に関わる場面では、AIに判断責任を預けることはできません。

AIの出力は、結論ではなく「確認すべき候補」として扱う必要があります。

健康経営でAIハルシネーションが問題になる場面

健康経営でAIを使うとき、特に注意したいのは、面談記録やストレスチェック後の説明です。

AIが要約した文章は整って見えます。しかし、面談での迷い、沈黙、言いよどみ、表情の変化までは十分に反映されないことがあります。

場面	起こりやすい誤認	人事総務が確認すべきこと
面談記録のAI要約	要約文だけで本人の状態を理解したつもりになる	原文、面談者の所感、本人の言葉を確認する
ストレスチェック分析	AIが示した原因をそのまま部署課題にする	業務量、勤務形態、管理職負荷、相談しやすさを見る
研修アンケート	満足度の高い感想だけを見て効果とする	研修後の行動変化や相談件数への接続を見る
社内説明資料	AIが作った根拠を確認せずに使う	行政資料、一次情報、実在する文献を確認する

AIを使う場合は、最初から「出力は間違うことがある」と見ておく必要があります。

人事総務が確認すべきなのは、AIの文章がきれいかどうかではありません。根拠があるか、職場の実情と合っているか、本人の言葉を落としていないかです。

羅生門効果とは何か

羅生門効果とは、同じ出来事であっても、立場や感情、記憶、利害によって、人によって違う受け止め方が生まれることです。

職場では、この羅生門効果が日常的に起こります。

• 本人は「相談した」と思っているが、上司は「雑談だった」と受け取っている
• 管理職は「配慮した」と考えているが、部下は「放置された」と感じている
• 人事総務は「制度を案内した」と思っているが、社員は「使える雰囲気ではない」と感じている
• 同じ業務変更を、ある社員は成長機会、別の社員は過重負荷と受け止めている

どちらか一方が必ず嘘をついている、という話ではありません。

同じ出来事でも、見る立場が変わると、意味が変わってしまうことがあります。ラインケアでは、この前提を持っておくことが重要です。

ラインケアで羅生門効果が起こる場面

管理職は、部下の様子を一番近くで見ている立場です。

しかし、近くで見ているからといって、すべてを正しく理解できるとは限りません。本人の言葉、管理職の受け止め、人事総務の記録には、ずれが起こることがあります。

同じ出来事	本人の受け止め	管理職の受け止め	人事総務が見る点
業務量が増えた	断れず負担が増えた	成長機会を与えた	裁量、期限、支援、休息があったか
面談で疲れを話した	つらさを伝えた	少し疲れている程度だと思った	体調変化、仕事量、睡眠、欠勤傾向を確認したか
異動後に発言が減った	相談できず孤立している	新しい環境に慣れている途中だと思った	相談相手や受け入れ支援があったか
休職前に欠勤が増えた	限界のサインだった	一時的な体調不良だと思った	欠勤前の勤務状況や周囲の気づきがあったか

羅生門効果を前提にすると、管理職は「自分の理解が正しい」と決めつけにくくなります。

人事総務も、本人、管理職、勤怠、職場環境を合わせて見られるようになります。

HARKingとは何か

HARKingとは、結果が分かった後で仮説を作り、それを最初から考えていた仮説のように扱うことです。

研究では、信頼性を下げる行為として問題になります。健康経営の実務でも、これに近いことが起こります。

たとえば、次のような場面です。

• 離職者が出た後で「やはり人間関係が原因だった」と決める
• ストレスチェック結果を見た後で「この部署は前から問題だった」と説明する
• 研修アンケートの良い感想だけを見て「効果があった」と判断する
• 不調者が出た後で、本人の性格や努力不足に原因を寄せる

結果を見てから考えること自体が悪いわけではありません。

問題は、後から気づいた仮説を、最初からわかっていた事実のように扱うことです。

健康経営でHARKingを防ぐには

健康経営では、ストレスチェック、研修アンケート、面談記録、休職者数、離職率などを使います。

これらの結果を見た後に、都合のよい説明を作ってしまうと、次に何を改善すべきかが見えにくくなります。

場面	後付けになりやすい説明	必要な確認
ストレスチェック	数値が悪い部署を、すぐ問題部署と決める	業務量、勤務時間、管理職負荷、相談しやすさを確認する
研修アンケート	満足度が高いので効果があったと考える	研修後の声かけ、相談、行動変化を見る
不調者対応	本人の性格や家庭事情だけで説明する	職場の支援不足、業務負荷、制度の使いやすさも見る
AI分析	AIが出した原因をそのまま採用する	元データ、前提条件、職場の実情を確認する

HARKingを防ぐには、結果を見る前に「何を見るのか」「何を判断材料にするのか」を決めておくことが大切です。

後から見つかった仮説は、否定する必要はありません。次に確認する仮説として扱えばよいのです。

3つの概念に共通する判断ミス

AIハルシネーション、羅生門効果、HARKingは、それぞれ違う概念です。

しかし、健康経営やラインケアで見ると、共通している点があります。

それは、情報をそのまま信じることで、判断がずれるという点です。

概念	起こる問題	健康経営での注意点
AIハルシネーション	AIがもっともらしい誤情報を出す	AI出力を一次情報や職場の実情と照合する
羅生門効果	同じ出来事に複数の受け止め方が生まれる	本人、管理職、人事総務の認識差を確認する
HARKing	結果を見た後で都合のよい説明を作る	後付けの説明を、次に確認する仮説として扱う

この3つを知っておくと、AI、面談、ストレスチェック、研修アンケートを扱うときに、結論を急ぎにくくなります。

人事総務や管理職に必要なのは、すぐに原因を決めることではありません。どこまでが事実で、どこからが解釈なのかを分けて見ることです。

管理職がラインケアで気をつけたいこと

管理職は、部下の変化に気づきやすい立場です。

一方で、忙しさや責任の重さから、自分の見立てだけで判断してしまうこともあります。

ラインケアで管理職が気をつけたいのは、次の点です。

• 「大丈夫です」という言葉だけで判断しない
• 自分の見立てを本人に押しつけない
• 面談内容をAI要約だけで理解したつもりにならない
• ストレスチェックの数値だけで部署を評価しない
• 本人の言葉、勤務状況、職場の様子を合わせて見る
• 迷ったときは、人事総務や産業保健スタッフにつなぐ

管理職に求められるのは、診断ではありません。

違和感に早く気づき、確認し、必要な支援につなぐことです。そのとき、AIやデータは補助になりますが、最終判断そのものにはなりません。

人事総務がAIとデータを使うときの確認項目

人事総務がAIやデータを健康経営に使う場合、最初から確認項目を持っておく必要があります。

• その情報は一次情報か、要約か
• AIが出した内容に根拠資料はあるか
• 本人、管理職、人事総務の受け止めにずれはないか
• 結果を見た後の後付け説明になっていないか
• 個人の性格や努力不足に原因を寄せすぎていないか
• 業務量、勤務時間、支援体制、相談しやすさも見ているか
• 判断と仮説を分けて記録しているか

AIやデータを使うこと自体が問題なのではありません。

問題は、確認しないまま結論として扱うことです。

健康経営では、AIの出力、ストレスチェック結果、面談内容を、すべて判断材料として扱います。そのうえで、職場の実情と照らし合わせ、人が責任を持って判断する必要があります。

タニカワ久美子が企業研修で伝えていること

タニカワ久美子の企業研修では、AIやデータを使うことを否定しません。

むしろ、人事総務や管理職が限られた時間で社員の状態を見ていくために、AIやデータは役立つ場面があります。

ただし、研修の現場では、人事総務の担当者から「ストレスチェックの結果をどう説明すればよいのか」「管理職の報告と本人の話が違うとき、どちらを信じればよいのか」という相談を受けることがあります。

また、管理職からは「AIで面談記録をまとめると便利だが、本当にそのまま使ってよいのか」という不安が出ることもあります。

そこで研修では、情報を一つだけで判断しないことを確認します。AIの要約、本人の言葉、管理職の見立て、勤怠や職場の変化を並べ、どこが事実で、どこが解釈なのかを分けて見る練習を行います。

ラインケアで大切なのは、正解を急ぐことではありません。社員を責めず、管理職を孤立させず、必要な支援につなげるために、情報を丁寧に確認することです。

まとめ｜AI時代のラインケアは、情報を確認する力が必要

AIハルシネーションは、AIがもっともらしい誤情報を出すことです。

羅生門効果は、同じ出来事でも立場によって受け止め方が変わることです。

HARKingは、結果を見た後で都合のよい説明を作り、それを最初からわかっていたように扱うことです。

この3つは、研究者だけの話ではありません。健康経営、ラインケア、ストレスチェック後の職場改善でも、同じような判断ミスが起こります。

人事総務や管理職に必要なのは、AIやデータを否定することではありません。情報を鵜呑みにせず、本人の言葉、職場の実情、一次情報と照らし合わせることです。

AI時代のラインケアでは、情報を集める力だけでなく、情報を疑い、確認し、支援につなげる力が求められます。

参考資料

• Kerr, N. L. (1998). HARKing: Hypothesizing After the Results are Known. Personality and Social Psychology Review, 2(3), 196–217.
• 黒澤明監督『羅生門』に由来する羅生門効果は、同じ出来事に複数の受け止め方が生じる現象として、研究・臨床・組織実務の文脈でも参照されています。
• 生成AIを業務で用いる場合は、AI出力を最終判断ではなく確認対象として扱い、根拠資料・一次情報・職場の実情と照合する必要があります。