broadpeak 
本稿はAIナーチャラー開発プロジェクトの経過記録です。プロジェクトノート・2026年7月時点
要旨
本稿は、BtoB向け人材育成プロダクト「AIナーチャラー」の開発初期における理論的検討と設計プロセスを、プロジェクトの経過記録として整理したものである。本プロダクトは、国籍間・世代間のギャップを埋めながらOJT（On the Job Training）を行い、人材の最適配分と人手不足の緩和を図ることを目的とする。本稿では、その理論的基盤としてバランスト・スコアカード（BSC）の個人適用という考え方を導入し、個人と組織の「ベクトル」の擦り合わせという枠組みを提示するとともに、現時点でのMVP（Minimum Viable Product）設計の到達点を記録する。
1. 問題意識
日本企業は現在、複合的な人手不足に直面している。単純な労働力の量的不足だけでなく、外国籍人材の受け入れ拡大に伴う文化的背景の相違、世代間で異なる仕事観の併存、そしてそれらに起因する組織への帰属意識のばらつきが、現場OJTの機能不全という形で顕在化しつつある。
生成AIの普及は業務効率化には一定の寄与を見せているものの、AIを導入すれば自動的に人手不足が解消するわけではない。ツールをどう使いこなし、どのように運用ルールとして定着させるかという「仕組み」の設計こそが成果を左右する。この認識が、本プロダクトの出発点にある。すなわちAIナーチャラーは、AIを「業務代替ツール」としてではなく、「人と組織の間の翻訳装置」として位置づけるアプローチを取る。
2. 理論的枠組み：BSCの個人適用
バランスト・スコアカードは本来、財務・顧客・内部プロセス・学習と成長という4つの視点から組織の戦略を多面的に評価するマネジメント手法である。本プロジェクトでは、この枠組みを個人の内面測定に応用し、以下のように翻訳した。
| BSCの視点 | 個人版の測定軸 | 内容 |
|---|---|---|
| 財務視点 | 成果・貢献意欲 | 目標達成に対する志向性 |
| 顧客視点 | 他者・チームへの向き合い方 | 協調性の傾向 |
| 内部プロセス視点 | 仕事の進め方・裁量欲求 | 自律性と構造化選好のバランス |
| 学習と成長視点 | 成長意欲・キャリア観 | 仕事に対する価値観 |
| （追加軸） | 帰属意識 | 組織コミットメントの傾向 |
ここで重要なのは、「世代感」を年齢という属性で決定論的に扱わないという設計原則である。世代を年齢そのもので語ることは、単純なステレオタイプ化に陥りやすい。本プロジェクトでは、年齢ではなく個人ごとの価値観の傾向を独立変数として測定する設計を採用し、精度と納得感の両立を図っている。
企業側（経営層・人事）には、同じ5軸について「組織として期待する姿」を入力してもらう。個人スコアと企業ベクトルの差分を「ギャップベクトル」として定義し、これが本プロダクトにおける介入設計の起点となる。
3. AIの介入モデル：「補う」と「ナーチャリング」の分岐
ギャップが検出された際、AIの介入を二つのモードに分岐させることが、本プロダクトの設計上の核である。
第一に補う（フィル型）は、個人の特性そのものを変えることを前提とせず、周囲の配置や業務設計によってギャップを埋めるアプローチである。これはマネージャー向けに、ペアリングやタスク配分の具体的な提案という形で提示される。
第二にナーチャリング型は、本人の意識・行動の変容を促すアプローチであり、OJT中の声かけ例、1on1のトークスクリプト、マイクロ学習コンテンツといった形で本人に直接届けられる。
この二分岐の判定ロジックについては、開発初期段階ではAIによる自動判定ではなく、シンプルな閾値ベースのルールで運用することとした。判定精度をAIに委ねる設計は、後続フェーズでの拡張課題として位置づけている。
4. MVP設計の現状
現時点で設計されているMVPは、以下の5画面から構成される。
- 社員診断フォーム（5軸のアンケート形式、回答時間15〜20分を想定）
- 会社ベクトル設定画面（経営層・人事による初期設定）
- 個人ギャップレポート（個人と会社のベクトルを可視化するレーダーチャート形式のフィードバック）
- マネージャー向け提案パネル（「補う」型の配置ヒント表示）
- ナーチャリングコンテンツ配信（「ナーチャリング」型の通知・コンテンツ配信）
データフローとしては、個人アセスメントと会社ベクトル設定の双方がギャップ分析エンジンに入力され、そこで算出された差分に応じて「補う」または「ナーチャリング」のいずれか（あるいは両方）の介入が生成され、最終的に効果測定ダッシュボードでスコアの推移が継続的に追跡される、という構造を採る。
5. 今後の検討課題（Phase2以降）
以下の機能群は、MVPの検証を経た後の拡張フェーズとして意図的に切り分けている。
- 世代別・国籍別のセグメント比較分析
- AIによる介入モードの自動判定ロジック
- 継続的なトラッキングとリマインダー機能
- 外国籍社員向けの多言語対応
- 既存人事システムとのAPI連携
- 部門横断的な人材配置の自動レコメンデーション
MVPをあえて薄く設計する狙いは、「診断→ギャップ可視化→初歩的な介入」という最小のループを先に検証し、効果測定の結果を踏まえてから複雑な自動化・多言語化・システム連携に投資するという、段階的な検証アプローチを取るためである。
6. おわりに
本稿で示した理論的枠組みと設計は、あくまで開発初期段階のスナップショットである。個人と組織のベクトル整合という考え方自体は仮説であり、実際の診断精度やナーチャリング介入の効果は、今後のパイロット導入を通じて検証される必要がある。本プロジェクトの経過は、今後も本サイト上で継続的に記録・公開していく予定である。
本稿はAIナーチャラー開発プロジェクトの経過記録として、2026年7月時点の議論を基に作成されたものである。