なぜ「コンピテンシー」が必要なのか
採用の本質的な問いは一つです。「この人は入社後に成果を出すか?」しかし、何を根拠にその問いに答えるかは、時代によって大きく異なりました。
伝統的な採用では学歴・職歴・IQテストが主な判断基準でした。 一流大学卒業、輝かしい職歴、高い知能指数——これらが高い人ほど活躍するはずだ、という直感的な前提があったからです。 ところが1973年、ハーバード大学の心理学者 David C. McClelland がこの前提を実証データで否定し、採用の世界に革命をもたらしました。
McClellandが提唱したコンピテンシー(Competency)とは、 「実際の職務で卓越した成果を上げる個人が示す行動特性」のことです。 学歴やIQスコアではなく、実際に優秀な人物が具体的にどう考え、どう行動するかにフォーカスするこの発想が、 現代の採用選考・評価システムの礎となっています。
McClelland 1973 — コンピテンシー革命の起点
コンピテンシーの歴史は、一本の論文から始まります。 そしてそれは、「採用してから後悔する」という米国国務省の切実な課題から生まれました。
McClelland「Testing for Competence Rather Than for Intelligence」
American Psychologist誌に発表。①学業成績・IQは職業的成功を予測しない、②テストは人種・社会経済的地位の差を測っているに過ぎない、③実際のパフォーマンスを予測するには「コンピテンシー」を測るべきだ——という5つの主張を展開。国務省外交官の採用課題(優秀に見えた人材が現地でなぜ機能しないか)がきっかけだった。
Boyatzis「The Competent Manager」
McClellandの理論を企業の管理職評価に応用した体系的研究。BEI(行動事例インタビュー、Behavioral Event Interview)の基礎を確立。優秀なマネージャーを平均的なマネージャーから区別する19のコンピテンシーを特定した。
Spencer & Spencer「Competence at Work」
Lyle M. Spencer Jr. / Signe M. SpencerがMcClellandの研究所(McBer社)の調査データを集大成。氷山モデル(Iceberg Model)と入閾・識別コンピテンシーの区分を体系化。286職種・3000件超のBEIデータに基づく20のコアコンピテンシー辞書を収録し、現在に至るまで実務の標準リファレンスとなっている。
McClellandが問題にしたのは「外交官のなかでなぜ一部だけが現地でうまく機能するのか」でした。 IQも学歴も高い人が現地文化に適応できず失敗する——その差を説明できるのは、 テストスコアではなく実際の行動パターンだとMcClellandは気づいたのです。
氷山モデル — 「見えない部分」こそが採用で重要
Spencer & Spencer (1993) が体系化した氷山モデル(Iceberg Model)は、 コンピテンシーを構成する要素を「水面上(可視)」と「水面下(不可視)」に分類します。 このモデルが採用において持つ意味は、極めて実践的です。
graph TD
subgraph 水面上["水面上(可視・訓練しやすい)"]
A["📚 知識 Knowledge\n特定の業務・技術・業界に関する情報"]
B["🔧 スキル Skills\n特定の課題を遂行する身体的・認知的能力"]
end
subgraph 水面下["水面下(不可視・変えにくい)"]
C["🪞 自己概念 Self-Concept\n自己イメージ・価値観・態度"]
D["⚙️ 特性 Traits\n身体的特徴および状況や情報への持続的反応傾向"]
E["🔥 動機 Motives\n行動の継続的方向性を決める自然な考え・欲求"]
end
水面上 --- 水面下
style 水面上 fill:#1e3a5f,stroke:#3b82f6,color:#e0f0ff
style 水面下 fill:#1a2a1a,stroke:#10b981,color:#d0ffe8
style A fill:#2563eb,stroke:#1d4ed8,color:#fff
style B fill:#2563eb,stroke:#1d4ed8,color:#fff
style C fill:#059669,stroke:#047857,color:#fff
style D fill:#059669,stroke:#047857,color:#fff
style E fill:#059669,stroke:#047857,color:#fffなぜ「水面下の特性」が採用で重要なのか。理由は二つです。
- 開発の困難さ: 知識やスキルは研修・実務経験で後天的に習得できます。しかし自己概念・特性・動機は、成人後にはほとんど変化しません。「採用後に育てればいい」が通じるのは水面上の部分だけです。
- 面接での見えにくさ: 知識やスキルは職務経歴書やテストで比較的容易に確認できます。しかし「なぜそう考えたか」「何にモチベーションを感じるか」という水面下の部分は、通常の面接では表面化しません。BEIが必要になるのはここです。
入閾コンピテンシー vs 識別コンピテンシー
Spencer & Spencer (1993) はコンピテンシーをさらに二種類に分類しました。 採用設計において、この分類は非常に実用的な指針になります。
| 分類 | 英語 | 定義 | 採用での意味 |
|---|---|---|---|
| 入閾コンピテンシー | Threshold Competency | 職務遂行の最低条件。平均パフォーマーにも備わる基礎的な能力・知識 | 足切り基準(これがないと採用しない)。スクリーニング段階で確認する |
| 識別コンピテンシー | Differentiating Competency | 優秀なパフォーマーと平均的なパフォーマーを区別する特性。水面下の要素に多い | 採用判断の核心(この差が入社後の成果を左右する)。面接で深掘りすべき対象 |
この区分は、面接で「何を確認すべきか」の優先順位を明確にします。 入閾コンピテンシーは書類選考や一次スクリーニングで確認し、面接本番では識別コンピテンシーに集中するのが効率的です。
エンジニア採用への具体的な適用例:
| 種別 | エンジニア採用の例 | 見極め方 |
|---|---|---|
| 入閾コンピテンシー | 基本的なプログラミングスキル(コーディングテストで確認できる水準) | コーディング試験・技術課題で閾値判定 |
| 入閾コンピテンシー | チームでの協働能力(最低限の対人関係スキル) | 過去の職歴・簡易なコンピテンシー質問 |
| 識別コンピテンシー | システム思考(複雑な問題を構造化・分解し解決策を設計できる力) | BEIで「最も複雑だった設計上の意思決定」を深掘り |
| 識別コンピテンシー | ラーニングアジリティ(未知の技術・ドメインを自己学習で習得できる速度) | BEIで「全く知らなかった技術を習得した経験」を深掘り |
BEI(行動事例インタビュー)— コンピテンシーモデルを作る
BEI(Behavioral Event Interview、行動事例インタビュー)は、McClellandが開発した構造化インタビュー手法です。 前章で扱った「行動面接(BBI)」がコンピテンシーモデルを使って候補者を評価する手法であるのに対し、 BEIはコンピテンシーモデルを作るための調査手法という位置づけです。
BEIの核心的なアイデアはシンプルです。ハイパフォーマーとアベレージパフォーマーの行動差を比較すれば、識別コンピテンシーが浮かび上がる。 BEI調査は組織がコンピテンシーモデルを独自に構築する際に使われ、汎用コンピテンシー辞書をそのまま使うより高い妥当性が得られます。
flowchart TD A["Step 1: 対象者選定\nハイパフォーマー 8〜12名\nアベレージパフォーマー 8〜12名\n(直属上長の推薦 + 業績データで選定)"] --> B B["Step 2: BEIの実施\n各対象者に1〜2時間のインタビュー\n重要場面5〜6件(成功2〜3件・失敗2〜3件)を\nSTAR+Tフォーマットで深掘り"] --> C C["Step 3: 逐語録の作成・コーディング\n発話を逐語録に起こし、コーダー2名が\n独立してコンピテンシーコードを付与\n例: 『顧客の課題を再定義した』→『課題形成力』"] --> D D["Step 4: 差異分析\nハイパフォーマーのみに頻出するコードを抽出\n両グループで差がないコードは入閾扱い"] --> E E["Step 5: コンピテンシーモデル化\n識別コンピテンシーを5〜7項目に絞り込み\n各項目を行動レベルで定義(BARSを作成)"] style A fill:#1e3a5f,stroke:#3b82f6,color:#e0f0ff style B fill:#1e3a5f,stroke:#3b82f6,color:#e0f0ff style C fill:#1e3a5f,stroke:#3b82f6,color:#e0f0ff style D fill:#1e3a5f,stroke:#3b82f6,color:#e0f0ff style E fill:#1a3a2a,stroke:#10b981,color:#d0ffe8
BEIで使うインタビューフォーマットはSTAR+Tです。通常のSTAR(第2章参照)にThoughts(思考・感情)を加えたもので、水面下の特性(自己概念・動機)にアクセスするために重要です。
| 要素 | 英語 | 引き出す内容 | BEIでの問いかけ例 |
|---|---|---|---|
| 状況 | Situation | 当時の文脈・背景・制約 | 「その当時、どんな状況でしたか?チームの規模や時間的制約は?」 |
| 課題 | Task | その人物が担った役割・責任 | 「あなた自身の役割は具体的に何でしたか?」 |
| 思考・感情 | Thoughts | 考えたこと・感じたこと・迷ったこと(水面下) | 「そのとき頭の中で何を考えていましたか?他の選択肢は?」 |
| 行動 | Action | 実際に取った行動(自分主語) | 「具体的に何をしましたか?あなた自身が取った行動を聞かせてください」 |
| 結果 | Result | 成果・学び・後日談 | 「結果どうなりましたか?今振り返るとどう評価しますか?」 |
Google・Amazon・Microsoftの評価軸(実例)
コンピテンシー設計の実例として最も参照しやすいのは、評価軸を一部公開しているテック大手の事例です。 三社とも設計思想は異なりますが、「IQや学歴ではなく行動特性で判断する」という方向性は共通しています。
| 企業 | 主な評価軸 | コンピテンシー設計の特徴 |
|---|---|---|
| GCA(General Cognitive Ability)・リーダーシップ・Googleyness・職務知識 | GCAは学歴IQを問わず「未知の問題への適応力・学習速度」を面接で評価。Googleynessは「謙虚さ・好奇心・快適な範囲の外で働ける力」と定義される。4軸は重み付けが公開されていないが、採用委員会(Hiring Committee)が総合判断する | |
| Amazon | 16のLeadership Principles(Ownership, Deliver Results, Customer Obsession等) | 採用面接の50%超がLPの評価に充てられる。「技術面接を通過した候補者の25%がLP面接で落ちる」とされ、LPは技術力と同等以上に重視される。各面接官は担当LPを事前に割り振られ、「Shadow(見習い)→Interviewer→Bar Raiser」の階層で品質管理 |
| Microsoft | Model, Coach, Care(マネージャー向け)/ Create Clarity / Generate Energy / Deliver Success | Satya Nadella着任後にGrowth Mindset(Carol Dweck)をコアコンピテンシーとして明示化。「Fixed Mindset(知っていることを証明しようとする)」から「Growth Mindset(学び成長しようとする)」への転換を採用でも評価。スタック・ランキング(相対評価)廃止と同時期に導入 |
エンジニア採用向けコンピテンシーモデル例
ここでは、複数の調査データ・文献(Spencer & Spencer 1993、Schmidt & Hunter 1998、Sackett et al. 2022)と テック大手のコンピテンシー設計事例をもとに、エンジニア採用向け識別コンピテンシー5軸を提案します。 これらはあくまでたたき台であり、自社でBEIを実施して検証することが理想ですが、 「ゼロから始めるコンピテンシーモデル」としての出発点として使えます。
| コンピテンシー軸 | 定義 | 行動レベルの指標例(BARS) | 面接で確認する問い |
|---|---|---|---|
| システム思考 | 複雑な問題を構造化・分解し、全体と部分の依存関係を踏まえて解決策を設計できる | 「制約条件を列挙した上で複数の設計案を比較した」「障害の根本原因を因果ダイアグラムで特定した」 | 「最も複雑だった設計上の意思決定について教えてください。どのように問題を分解しましたか?」 |
| ラーニングアジリティ | 未知の技術・ドメインを自己学習で習得できるスピードと自律性 | 「知らなかった技術スタックを3週間で習得してプロダクション投入した」「失敗から学んだ仕組みを次のプロジェクトで再現した」 | 「全く経験のない技術や領域を短期間で習得しなければならなかった状況を教えてください」 |
| 問題定義力 | 要求や症状から「本当の課題」を引き出し、問題を再定義できる | 「顧客の要求仕様をそのまま実装せず、背後にあるビジネス課題を特定して別解を提案した」 | 「当初の要求や仕様を見直した経験はありますか?なぜ見直す必要があると判断しましたか?」 |
| 技術的判断力 | トレードオフを明示しながら設計・技術選択の判断ができる | 「パフォーマンスvs開発速度のトレードオフを定量化した上でアーキテクチャを選択した」「判断の根拠と不確実性を含む技術的な提案書を書いた」 | 「重要な技術的意思決定で、どのようなトレードオフを考慮しましたか?」 |
| オーナーシップ | 自分の担当範囲を超えて課題の解決を主導できる | 「担当外の問題でも影響があると判断し、関係者を巻き込んで解決をリードした」「成果責任を取るために自発的にスコープを広げた」 | 「担当外の問題に気づき、自分から動いて解決した経験を教えてください」 |
これらの5軸は、入閾コンピテンシー(プログラミングスキル・チーム協働)を前提とした上での識別コンピテンシーです。 コーディングテストや技術課題で入閾を確認した後、面接ではこの5軸をBARSで採点することで、 技術力が同等の候補者の中から「入社後に成果を出す確率が高い人物」を選ぶ確度が上がります。
理解度チェック
McClelland (1973)は、IQ・学業成績が職業的成功を予測しないことを実証し、代わりに「実際の職務で卓越した成果を上げる個人が示す行動特性」=【 】を測るべきだと主張した。