第5章: 報酬制度 — レンジ設計とPay for Performanceの科学

報酬は三本柱の「出力関数」である

第3章で等級（データモデル）、第4章で評価（測定系）を見てきました。この章で扱う報酬は、 その2つを入力として金額を返す出力関数です。 等級が「どの帯にいるか」を、評価が「その帯の中でどう動かすか」を決め、報酬制度は両者を金額に変換します。

エンジニアリングの言葉で言えば、報酬設計は制約付き最適化問題（constrained optimization）です。 最大化したいのは従業員のモチベーションと定着、そして採用市場での競争力。 しかし、そこには3つの制約が同時に効いています。

graph TB
  Goal[報酬制度<br/>いくら払うかの決定]
  C1[原資制約<br/>総額人件費・労働分配率]
  C2[内部公平性<br/>社内の納得感・等級との整合]
  C3[外部競争性<br/>労働市場の相場]
  C1 --> Goal
  C2 --> Goal
  C3 --> Goal
  Goal --> R1[基本給<br/>等級とレンジで決まる固定部分]
  Goal --> R2[賞与<br/>業績と評価で変動する部分]
  Goal --> R3[手当・株式報酬など<br/>目的別の上乗せ]

  style Goal fill:#3b82f6,stroke:#1d4ed8,color:#fff
  style C1 fill:#f97316,stroke:#ea580c,color:#fff
  style C2 fill:#10b981,stroke:#059669,color:#fff
  style C3 fill:#8b5cf6,stroke:#7c3aed,color:#fff
  style R1 fill:#6b7280,stroke:#4b5563,color:#fff
  style R2 fill:#6b7280,stroke:#4b5563,color:#fff
  style R3 fill:#6b7280,stroke:#4b5563,color:#fff

この3制約はしばしば衝突します。市場相場に合わせて特定職種の給与を上げれば（外部競争性）、 同じ等級の他職種との差が生まれて内部公平性が揺らぎます。 内部公平性を優先して一律に処遇すれば、市場が高騰している職種で採用も定着もできなくなる。報酬制度の実務は、この衝突をどこでどう妥協させるかの設計そのものです。

基本給の決め方 — 職能給・職務給・役割給

基本給の基準軸は、第3章で見た等級の3類型にそのまま対応します。等級の軸と給与の軸がずれていると、 そこが制度崩壊の起点になります（第2章で見た富士通1990年代の失敗の構造がまさにこれでした）。

賃金テーブル — 号俸表と洗い替え方式

基準軸を決めたら、次は等級の中でどう金額を動かすかを決めます。ここには2つの流儀があります。

• 号俸表（積み上げ方式）: 等級ごとに号俸の表を持ち、評価に応じて号数を上下させる。 昇給は前年の額に積み上がるため、給与は経路依存になります。運用が安定し予測もしやすい反面、 毎年の小さな昇給が累積して年功的な分布を作りやすい。
• 洗い替え方式: 毎年、等級と評価から給与額を決め直す。前年の額に依存しないため 成果の反映が速く、下がることもあります。ステートレスな関数に近い設計です。 その代わり、下がる人への説明責任が重く、不利益変更の論点にも直結します（第7章）。

もう一つの軸がシングルレートとレンジレートです。 シングルレートは1つの等級に1つの金額しかない設計で、レンジ（幅）がありません。 つまり昇給するには等級を上げるしかない——同じ等級に留まりながら在籍年数で給与が上がる、 という年功的な運用が構造的に不可能になります。

レンジ設計の定量指標 — 制度は数字で検証できる

ここがこの章の核心です。報酬制度は「思想」の話に流れがちですが、 レンジ設計には確立された定量指標のセットがあり、制度の健全性を数字で診断できます。

これらを1枚の図にすると、レンジ設計とは「等級ごとに帯を積み上げ、帯の幅と重なりを設計する」作業だと分かります。 下は設計イメージの例です（数値は説明用の架空データ）。

この例では、G1〜G4のレンジスプレッドが約29〜35%（非管理職の目安30〜50%におおむね沿う水準）、 管理職層とみなすG5が56%、G6が約71%と上位等級ほど帯を広げる設計になっています。 上位ほど個人の貢献の振れ幅が大きく、市場相場のばらつきも大きいため、幅を広く取るのが一般的です。 ミッドポイント進級率はG1→G4が12〜15%程度、G4→G5が約36%、G5→G6が約38%。上位層で進級率が跳ね上がるのは、昇格インセンティブを強く働かせるためです。

市場戦略 — Lead / Match / Lag

ミッドポイントを市場のどこに置くかが報酬ポリシーそのものです。選択肢は3つあります。

戦略が決まったら、市場データが必要になります。報酬サーベイの主要プレイヤーは Mercer TRS、WTW、テック特化のRadford/Aon などで、日本のソフトウェアエンジニアについては OpenSalary や OpenWork のような公開データも参照されるようになりました。 ここで重要なのは、「市場」は職種ごとに別の市場だという点です。 全社一律のレンジは、市場が高騰している職種では下限が低すぎ、 そうでない職種では上限が高すぎるという二重の失敗を同時に起こします。

-- 等級ごとのコンパレシオ分布とレンジペネトレーションを一気に出す
SELECT
  e.grade,
  COUNT(*)                                              AS headcount,
  ROUND(AVG(e.annual_salary / g.midpoint), 3)           AS avg_compa_ratio,
  -- 上限張り付き（ペネトレーション90%以上）の比率
  ROUND(AVG(CASE
    WHEN (e.annual_salary - g.range_min)
       / (g.range_max - g.range_min) >= 0.9 THEN 1.0 ELSE 0.0 END), 3) AS ratio_near_max,
  -- レンジからのはみ出し
  SUM(CASE WHEN e.annual_salary < g.range_min THEN 1 ELSE 0 END) AS green_circle,
  SUM(CASE WHEN e.annual_salary > g.range_max THEN 1 ELSE 0 END) AS red_circle
FROM employees e
JOIN grade_ranges g ON g.grade = e.grade
WHERE e.status = 'active'
GROUP BY e.grade
ORDER BY e.grade;

賞与設計の3方式

基本給が「等級と評価の関数」なら、賞与は「業績と評価の関数」です。設計は大きく3方式に分かれます。

エンジニア視点では、ポイント制は固定サイズのリソースプールを重み付きで分配するスケジューラです。 原資という制約を先に満たせる代わりに、ゼロサム構造が持ち込まれます。 第4章で見た相対評価と同じジレンマ——原資管理のしやすさと協働の阻害はトレードオフです。

Pay for Performanceの科学 — 何に効き、何に効かないのか

「成果に応じて払えば人は頑張る」。これは直感的に正しく聞こえますが、 実証研究が示しているのはもっと限定的で、実務にとってはるかに有用な結論です。

量には効く、質には効かない

金銭的インセンティブの効果を検証したメタ分析（Jenkins et al., 1998）は、 金銭的インセンティブが成果の「量」とは相関する（r = .34）一方、「質」とは無相関だったと報告しています。 この非対称性がPay for Performance設計の出発点です。

その先を埋めるのが Cerasoli et al.（2014）による183研究・N=212,468のメタ分析です。 ここでは内発的動機が業績の中〜強程度の予測子（ρ = .21〜.45）であり、 役割分担がはっきり示されました——内発的動機は「質」を、外的インセンティブは「量」を予測する。 さらに重要な発見として、報酬が成果に直接連動しているほど内発的動機の重要性が下がることが示されています。 OKRを報酬決定から切り離すという設計（第4章）には、こういう理論的な裏付けがあります。

クラウディングアウト — 面白い仕事ほど報酬で壊れる

自己決定理論の側からは、Deci, Koestner & Ryan（1999）による128研究のメタ分析が有名です。 金銭報酬はもともと面白い課題における内発的動機を低下させる—— いわゆるクラウディングアウト（crowding out）です。 ただし見落とされがちな条件があります。退屈な課題では低下が起きないのです。

二重経路 — 動機とプレッシャーが同時に立ち上がる

では成果連動報酬（PFP）の総合効果はどうなのか。近年のメタ分析（2022年、N=71,438）は 全体としてρ = 0.23という正の関連を報告する一方、その内部構造を二重経路として説明しています。 すなわちPFPは内発的動機を高める正の経路と、プレッシャーを高める負の経路を同時に作動させる。 正の経路が負の約2.5倍の強さを持つため、平均すればプラスに出る——しかし負の経路は常に一緒に走っているということです。

同じ研究群で見逃せないのが文化差です。文脈的成果（役割外の協力行動など）に対するPFPの効果は、集団主義文化ではρ = 0.31、個人主義文化では0.03と大きく異なっていました。 「成果主義は日本には合わない」という語りは実は逆向きで、文化的文脈によって効き方の質が変わる、 というのがデータの示すところです。海外事例の輸入が失敗しがちな理由の一部はここにあります。

日本の賃金データ — 年功度の低下と5%賃上げ時代

制度設計は市場環境の中で行われます。2026年時点の日本の賃金環境には、2つの大きな流れがあります。

1つ目は賃金カーブの年功度の低下です。勤続1〜5年層に対する勤続30年以上層の賃金比は、 1976年の約2.3倍から2019年には約1.7倍へと縮小してきました。 欧州の1.4倍前後にはまだ届きませんが、「日本は年功、欧米は職務」という図式は静かに崩れつつあるわけです。

2つ目は賃上げの構造変化です。春闘の賃上げ率は2025年に5.25%（34年ぶりの高水準）、 2026年に5.01%となり、3年連続で5%を超えました。 初任給を30万円以上とする企業は2026年度で245社に達し、前年比で約9割増という報道もあります。

この環境変化は、レンジ設計の実務に直接跳ね返ります。市場のミッドポイントが毎年動くのに 自社のレンジを据え置けば、下限が市場相場を下回り、採用できず、 レンジペネトレーションの高い層から順に流出していく。 レンジは一度作って終わりではなく、市場データを入力として毎年更新すべきパラメータだという当たり前の事実が、 賃上げ局面では容赦なく可視化されます。

ここまでの3章で等級・評価・報酬という三本柱の中身を分解してきました。 次の第6章では、この三本柱の議論を日本で最も混乱させている言葉——ジョブ型とメンバーシップ型——を、濱口桂一郎の原義と政府「ジョブ型人事指針」の一次情報から解きほぐします。