試算の前提 数値はすべて下記の前提を置いたモデル試算です。実導入企業の公表実績ではありません。
| 項目 | 前提 |
|---|---|
| 企業規模 | 従業員100〜300名 |
| 人事体制 | 専任2〜3名（労務・総務の兼務を含む） |
| 人件費 | 時給換算3,200円（年収480万円＋法定福利費15%で算出・税抜） |
| 業務量 | 月間 応募80件／面接30件／入社5名／社内問い合わせ120件 |
実際の削減幅は、現行の業務フロー、使っているシステム、体制によって大きく変わります。導入前の業務棚卸しで個社ごとに計算し直します。
SECTION A
採用まわり
母集団が増えるほど詰まる領域です。応募が来てから面接に至るまでの事務作業が、採用担当の時間を最も食っています。
01求人票・募集要項
- 課題
- 「今週中に3職種分の求人票を出したい」と言われても、1本書くのに半日かかる。結局、前回の求人票の給与欄だけ書き換えて出すことになる。
- なぜ起きるか
- 求人票の出来が担当者の文章力に依存していて、過去に反応が良かった書き方が誰にも共有されていない。媒体ごとの文字数制限や禁止表現も、毎回調べ直している。
- AIに任せる
- 職務要件・給与レンジ・現場へのヒアリングメモを渡すと、過去に応募が集まった求人票の傾向を踏まえて下書きを作る。Indeed・自社サイト・エージェント向けなど、出し先ごとに文字数と訴求を変えて同時に出力。
- 人が残す
- 給与・待遇の最終決定と、現場の実態と合っているかの確認。
効果月11.5h → 3.0h −8.5h／月 −2.7万円
02応募者への一次対応と日程調整
- 課題
- 応募の6割は平日夜と土日に来る。月曜の朝にまとめて返信するころには、他社の面接が決まっている。
- なぜ起きるか
- 応募のタイミングと人事の稼働時間がずれている。加えて日程調整は「候補日を出す → 返事を待つ → 現場に確認する → また返す」の往復が前提になっていて、1件で3〜4回のやり取りが発生する。
- AIに任せる
- 応募を検知して即座に一次返信。面接官のカレンダーの空きから候補日を提示し、確定まで自動で往復する。確定内容はカレンダーと採用管理表に反映。
- 人が残す
- 返信文のトーン設計（最初に一度決めれば以降は不要）。
効果月16.0h → 3.5h −12.5h／月 −4.0万円
初回返信までの時間が数時間〜1日から、数分に変わります。採用で効くのは、削減時間よりこちらです。
03書類選考
- 課題
- 1件10分で読んでも、80件で13時間。しかも読む人によって通す基準が違う。
- なぜ起きるか
- 「求める人物像」が言語化されていない。求人票には書いてあっても、選考の判断軸としては使われていない。
- AIに任せる
- 経歴の要点（経験年数、担当領域、転職理由、ブランク、懸念点）を構造化して要約し、定義した要件との適合度と、面接で確認すべき質問を添えて出す。
- 人が残す
- 合否の判断。ここは必ず人が決める設計にします。AIの出力は「読む時間の短縮」であって「選ぶ判断」ではありません。
効果月12.5h → 4.5h −8.0h／月 −2.6万円
04面接記録・評価シート
- 課題
- 面接が終わってすぐ次の会議に入り、記録は夜に書く。書くころには印象しか残っていない。
- なぜ起きるか
- 面接官が現場の社員で、記録は本業の後の作業になっている。記入フォーマットも人によってバラバラで、比較できない。
- AIに任せる
- 録音、または面接中の箇条書きメモから、評価項目ごとのコメント・懸念点・次の面接官への申し送りを構造化する。
- 人が残す
- 評価そのもの。AIが作るのは記録であって、評点ではありません。
効果月12.5h → 2.5h −10.0h／月 −3.2万円
補足：録音に抵抗がある面接官は必ずいます。その場合は箇条書きメモの入力からでも同等の記録が作れる設計にしておくのが、定着のコツです。
05内定者フォロー
- 課題
- 内定を出してから入社まで2〜3か月。その間の連絡が担当者任せで、気づくと1か月接触していない内定者がいる。
- なぜ起きるか
- やり取りが個人のメールとLINEに散っていて、「最後にいつ接触したか」が誰にも見えない。
- AIに任せる
- 内定者ごとの接触履歴を集約し、間隔が空いた相手を通知。面談メモから不安が出ているサイン（他社選考の話題、入社日の再確認など）を拾って、次に送る内容を提案する。
- 人が残す
- 実際の連絡。ここを自動送信にすると逆効果になります。
効果月9.0h → 3.5h −5.5h／月 −1.8万円
SECTION B
労務・総務まわり
削減インパクトが最も大きいのはこの領域です。採用と違って毎月同じ作業が確実に発生するため、自動化した分がそのまま積み上がります。
06入社手続き・オンボーディング
- 課題
- 入社1名で3時間。書類の回収、社保の手続き、PCとアカウントの手配、初日の案内。5名重なる月は、人事が手続きだけで終わる。
- なぜ起きるか
- 提出物の督促と各部署への依頼が全部手動。誰か1人が出し忘れると、初日に業務が始められない。
- AIに任せる
- 入社日から逆算したタスクを自動生成し、本人・現場・情シスにそれぞれリマインド。未提出者だけを人事に知らせる。初日の案内資料と研修スケジュールも自動作成。
効果月14.0h → 5.5h −8.5h／月 −2.7万円
07社内からの問い合わせ
- 課題
- 「有給あと何日？」「住所変更どこに出すんでしたっけ」「育休っていつから申請？」が毎日届く。1件8分でも、集中が切れる回数の方が問題。
- なぜ起きるか
- 就業規則がどこにあるか誰も知らない。あっても読まれない。だから同じ質問が繰り返される。
- AIに任せる
- 就業規則・社内規程・過去のやり取りを学習させ、チャットで24時間回答。判断が必要な個別案件だけを人事に回す。
- 人が残す
- 規程の解釈が分かれる相談、ハラスメント・メンタル関連。ここはAIに回答させず、必ず人へエスカレーションする設計にします。
効果月17.5h → 4.0h −13.5h／月 −4.3万円
注意点：規程が古いままだと、AIも古い回答をします。実務では、AI導入より先に規程の棚卸しが必要になるケースが少なくありません。
08勤怠・労務チェック
- 課題
- 月末に集計して初めて「この人、もう上限まで残り5時間しかない」と分かる。分かったところで、その月はもう打つ手がない。
- なぜ起きるか
- チェックが月次の事後確認になっている。300名分を目視で見れば、見落としも出る。
- AIに任せる
- 勤怠データを日次でチェックし、残業の上限、36協定、有休5日取得義務、打刻漏れの対象者を早い段階で検知。人事ではなく直属の上長に、対象者と具体的なアクションを添えて通知する。
効果月16.0h → 4.5h −11.5h／月 −3.7万円
時間削減以上に、「月末に発覚する」が「月半ばに手を打てる」に変わることの方が価値があります。
12人事データの集計・役員報告
- 課題
- 採用進捗、人員構成、残業推移、離職率。毎月まとめるだけで力尽き、「で、どうするか」まで書けない。
- なぜ起きるか
- データが採用管理・勤怠・給与に分散していて、毎回手で結合している。
- AIに任せる
- 各システムからデータを集めて、前月比・前年同月比つきのレポートを自動生成。異常値には要因の仮説を添える。
効果月9.5h → 2.5h −7.0h／月 −2.2万円
SECTION C
組織・育成まわり
ここは削減額では測りにくい領域です。ただし、着手できていない会社が最も多いのもここです。
09評価・1on1・目標管理
- 課題
- 評価の時期になると、提出の催促と集計で人事が2週間潰れる。1on1は「やっていることになっている」が、実施率は誰も把握していない。
- なぜ起きるか
- 評価が半期に集中する一方、日々の記録が残っていない。結果として直近2か月の印象で評価が決まる。
- AIに任せる
- 提出状況の追跡と未提出者へのリマインド。1on1メモから目標の進捗と、繰り返し出てくる懸念テーマを要約し、評価面談の材料として上長に渡す。
効果月10.5h → 3.5h −7.0h／月 −2.2万円
10研修・マニュアル・教育コンテンツ
- 課題
- 「新人研修の資料、今年こそちゃんと作りましょう」が3年続いている。結局OJTで、教える人によって教える内容が違う。
- なぜ起きるか
- 教える内容がベテランの頭の中にあり、それを文字にする時間が誰にも取れない。
- AIに任せる
- 既存のマニュアル、業務のやり取り、ベテランへのヒアリング音声から、研修資料・手順書・理解度テストを生成する。改訂は差分だけ反映。
効果月18.0h → 6.5h −11.5h／月 −3.7万円
属人化の解消という意味では、削減時間より「資料が存在する状態になる」ことが本体です。
11離職の兆候をつかむ
- 課題
- 退職の申し出を受けて、初めて気づく。その時点ではもう本人の意思は固まっている。
- なぜ起きるか
- サーベイをやっても自由記述を読み切れず、点数の集計で終わっている。兆候は数字ではなく、書かれた言葉と行動の変化に出る。
- AIに任せる
- サーベイの自由記述、1on1メモ、勤怠の変化（残業の急増、有休の取り方の変化）を横断して分析し、リスクが高そうな部署や傾向をレポートする。
- 人が残す
- 個人を名指しして「この人は辞めそう」と断定する使い方はしません。上長が誰と話す時間を優先的に取るべきか、その判断材料として使う設計にします。運用を誤ると社員の信頼を失う領域なので、導入時は目的と利用範囲を社内に説明することを推奨します。
効果工数削減としては小さい。ただし離職を1名防げた場合、採用コスト（媒体費・紹介手数料）と立ち上がり期間の生産性を含めて 100〜150万円 規模の回避になります。
SUMMARY
効果の総括
| # | 業務 | 現状(月) | AI化後(月) | 削減 | 金額(月) |
|---|---|---|---|---|---|
| 01 | 求人票 | 11.5h | 3.0h | 8.5h | 27,200円 |
| 02 | 応募者対応・日程調整 | 16.0h | 3.5h | 12.5h | 40,000円 |
| 03 | 書類選考 | 12.5h | 4.5h | 8.0h | 25,600円 |
| 04 | 面接記録 | 12.5h | 2.5h | 10.0h | 32,000円 |
| 05 | 内定者フォロー | 9.0h | 3.5h | 5.5h | 17,600円 |
| 06 | 入社手続き | 14.0h | 5.5h | 8.5h | 27,200円 |
| 07 | 社内問い合わせ | 17.5h | 4.0h | 13.5h | 43,200円 |
| 08 | 勤怠・労務チェック | 16.0h | 4.5h | 11.5h | 36,800円 |
| 09 | 評価・1on1 | 10.5h | 3.5h | 7.0h | 22,400円 |
| 10 | 研修・マニュアル | 18.0h | 6.5h | 11.5h | 36,800円 |
| 11 | 離職の兆候 | — | — | 別枠 | 離職1名で100〜150万円 |
| 12 | データ集計・報告 | 9.5h | 2.5h | 7.0h | 22,400円 |
| 合計 | 147.0h | 43.5h | 103.5h | 331,200円 | |
103.5h月間の削減時間
人事1名の月間稼働の約6割
人事1名の月間稼働の約6割
約397万円年間の削減額
税抜・人件費換算
税抜・人件費換算
70.4%対象業務の削減率
147.0h → 43.5h
147.0h → 43.5h
12領域すべてを同時に入れる前提の数字です。実際は3〜4領域から始めるため、初年度の実現値はこの4〜5割程度で見ておくのが現実的です。
CASE STUDY
導入モデルケース
以下は、XAUTOが他業種（EC・代理店・訪問販売・建設）で実装してきた内容を、人事領域に置き換えたモデルケースです。実在企業の公表実績ではありません。
CASE A
採用の事務作業で、人事2名が常に手一杯
技術職と現場職を年間20名規模で採用し続けている会社。求人票・応募者対応・書類選考・面接記録の4領域を導入した。
- 応募への初回返信平均18時間 → 数分
- 採用リードタイム34日 → 21日（13日短縮）
- 削減月31.5時間 ／ 年間 約121万円
- 立ち上げ約6週間
うまくいかなかった点：面接記録の自動化は、当初まったく使われませんでした。理由は面接官が録音を嫌がったから。箇条書きメモの入力から記録を生成する方式に切り替えて、ようやく定着しています。技術より現場の受け入れの方が難所でした。
CASE B
店長からの問い合わせが1日20件を超える
パート・アルバイトの比率が高く、入退社と問い合わせが年中発生している会社。人事が本来やるべき制度設計に手をつけられない状態だった。入社手続き・社内問い合わせ・勤怠チェック・データ集計の4領域を導入。
- 問い合わせの一次解決率導入3か月目で 約7割
- 勤怠の異常検知月末の事後確認 → 日次の自動アラート
- 削減月38.0時間 ／ 年間 約146万円
- 立ち上げ約8週間
想定外だった点：就業規則が5年前の内容のままで、AIが古い規定で回答してしまう問題が最初に発生しました。結果として規程の棚卸しが先行タスクになり、立ち上げが2週間伸びています。この会社に限らず、よくあるパターンです。
CASE C
一人人事。手続きが重なる月は採用が止まる
採用・労務・総務をすべて1名で見ている会社。応募者対応・入社手続き・社内問い合わせ・研修コンテンツの4領域を導入した。
- 入社1名あたりの人事工数3.0時間 → 1.0時間
- 研修資料・手順書未整備 → 12本を整備
- 削減月26.5時間 ／ 年間 約102万円
- 立ち上げ約4週間
この規模ならではの論点：一人人事の会社は、そもそもAI導入の設定作業をする時間すらありません。初期構築をXAUTO側でほぼ巻き取る前提でないと成立しないため、他の2社とは進め方を変えています。削減額よりも「担当者が倒れても業務が止まらない」ことの方が、経営にとっての価値は大きいはずです。
CAUTION
効きにくいケース
正直に書いておきます。次のような場合、期待した効果は出ません。
- 紙とハンコが業務の中心にある：勤怠も申請も紙の場合、まずデータ化が必要で、そこはAIの仕事ではありません。
- 規程・マニュアルが存在しない、または大幅に古い：AIに学習させる元がないため、規程整備が先になります（CASE Bがこれ）。
- 人事の業務量そのものが少ない（従業員50名未満・採用が年数名）：削減できる絶対量が小さく、費用に見合いません。
- 既存システムがデータを外に出せない：勤怠・給与システムがAPIを提供していない場合、連携方式が限られます。導入前に要確認の項目です。
PROCESS
導入の進め方
- 人事業務の棚卸し（時間・頻度・属人度でスコアリング）— 1〜2週
- 着手順の決定（時間を食っている × 実装しやすい から選ぶ）— 1週
- 構築（対象業務のエージェント開発、既存ツールとの連携）— 2〜4週
- 運用定着（現場で実際に使われる状態まで伴走）— 1〜2週
- 効果測定のうえ、次の領域へ — 継続
最初から12領域を狙わず、3〜4領域に絞ることを勧めています。理由は効果の問題ではなく、現場が一度に覚えられる量の問題です。
CHECKLIST
導入前に確認が必要なこと
- 個人情報の取り扱い：応募者情報と従業員データの保存先、アクセス権限の範囲を、自社の規程・プライバシーポリシーと突き合わせる必要があります。
- 既存システムとの連携可否：採用管理・勤怠・給与システムのAPI提供状況によって、実装方式と工数が変わります（要確認）。
- 従業員への説明：特に離職の兆候分析は、目的と利用範囲を事前に説明しないまま始めるべきではありません。
PRICE
費用
月額20万円〜 税抜／パートナー経由の場合は月額30万円〜
AIエージェントの開発・導入支援。対象範囲によって変動するため、業務棚卸しの後に正式な見積もりを出します。
まずは、御社の人事業務を棚卸しするところから。
どの業務にどれだけ時間が使われているかを可視化すれば、AI化すべき順番は自ずと決まります。
XAUTOは、棚卸し → 開発 → 実装 → 運用定着まで、現場で使われる状態になるまで伴走します。