第9章: 制度・規制と、育成の倫理

仕組みが揃った先にある問い

ここまで8章にわたって、効果測定の枠組み、ツールの出自、実証的に効く介入、 日本の投資構造、設計原理、施策の現在地、そして技術基盤を見てきました。

最終章では、これらを取り巻く制度と倫理を扱います。 研修時間は労働時間なのか。留学費用の返還請求は有効なのか。 人材データをAIで分析することは、どこまで許されるのか。 そして——本人に知らされないポテンシャル評価は、何を引き起こすのか。

研修時間は労働時間か

最も基礎的で、最も実務に効く論点から始めます。

行政解釈（昭和26年1月20日 基収第2875号、平成11年3月31日 基発第168号）の骨子はこうです。

所定労働時間外の研修参加時間は、参加の強制がなく自由参加であれば労働時間とならない。

逆に、労働時間性が肯定される方向に働く事情は次のとおりです。

• 使用者の明示または黙示の指示に基づく参加
• 参加が事実上強制されている（不参加にペナルティ、人事評価への反映、欠席者への再受講指示など）
• 研修内容と業務との関連性が強いほど、労働時間性を肯定する方向に働く

留学費用の返還請求 — 通説は誤り

「研修費用の返還請求は労基法16条（賠償予定の禁止）違反で無効」—— 実務でよく聞く理解ですが、これは正確ではありません。

判断枠組みの決め手は、研修・留学の「業務性」です。

実際の裁判例を見ると、いずれも返還請求を認めた事案です。

正確な理解はこうです——「返還請求は常に無効」ではなく、業務性の強弱で結論が分かれる。 逆に言えば、業務に直結する研修を業務命令で受けさせておいて費用返還を求めるのは、 リスクが高い設計ということになります。

政策の構造 — 「企業経由75%」を動かす

日本のリスキリング政策の構造を、一次資料の数字で押さえます。 2023年5月16日の新しい資本主義実現会議「三位一体の労働市場改革の指針」原文にはこう書かれています。

「国の在職者への学び直し支援策は、企業経由が中心となっており、現在、企業経由が75%（771億円：人材開発支援助成金、公共職業訓練（在職者訓練）、 生産性向上人材育成支援センター運営費交付金）、個人経由が25%（237億円：教育訓練給付）となっている。 これについては、働く個人が主体的に選択可能となるよう、5年以内を目途に、 効果を検証しつつ、過半が個人経由での給付が可能となるようにし、 在職者のリ・スキリングの受講者の割合を高めていく。」

graph LR
  A["現在（2023年時点）<br/>企業経由 75%（771億円）<br/>個人経由 25%（237億円）"] -->|"5年以内を目途に"| B["目標<br/>個人経由が<b>過半</b>へ"]

  B --> C["読み方①<br/><b>個人の主体的選択の尊重</b><br/>キャリア自律の支援"]
  B --> D["読み方②<br/><b>企業の育成責任の縮小</b><br/>自己責任化"]

  E["第5章: Becker理論<br/>流動化は企業の投資<br/>インセンティブを削ぐ"] -.補強.-> D
  F["厚労省ガイドライン⑧<br/>OFF-JTの費用は<br/><b>基本的に企業の負担</b>"] -.緊張.-> D

  style A fill:#3b82f6,stroke:#1d4ed8,color:#fff
  style C fill:#10b981,stroke:#059669,color:#fff
  style D fill:#f97316,stroke:#ea580c,color:#fff

この転換は両義的です。 「個人の主体的選択の尊重」とも読めるし、「企業の育成責任の縮小」とも読めます。

後者の読みを補強するのが、第5章で見た理論です。流動化が進むほど企業の投資インセンティブは下がる（Becker → Acemoglu-Pischke）。 そして三位一体改革は、労働移動の円滑化とリスキリングを同時に推進しています。

一方で、厚労省「学び・学び直し促進のためのガイドライン」は 「OFF-JTの費用は基本的に企業の負担」と明記しており、 政策文書間にも緊張があります。

人的資本開示 — 2026年に第2段階へ

育成が「開示すべき経営情報」になった経緯を、時点を明示して整理します。

改訂版指針には、育成の実務に直結する記述があります。

「将来に向けたリスキリングが活きるかどうかは人事異動次第であ〔る〕…… 個々の職務に応じて必要となるスキルを設定し、スキルギャップの克服に向けて…… 自ら職務やリスキリングの内容を選択するジョブ型人事に移行することで、 自律的なキャリア形成を目指したスキルの涵養を図ることも考えられる」

「リスキリングの成否は人事異動の仕組み次第」—— 研修プログラム単体ではなくタレントマネジメント（配置）と接続しないと機能しない、という 政府文書によるお墨付きです。第7章で見た「実践する場がなかった」31.8%という失敗理由と正確に対応します。

また同指針は、投資家の受け止めとして 「企業価値向上に向けた経営戦略の実現に必要な人的資本投資が行われているか、 という観点からの情報開示が不十分」との指摘を記載しています。 開示義務化から3年経った時点での、率直な評価です。

なお、よくある誤解を正しておくと——「有価証券報告書で19項目が義務化された」という記述は誤りです。 19項目は可視化指針の開示事項の例示であって、法的義務ではありません。

EU AI Act — タレントマネジメントそのものが高リスク

Annex III 4(b) の射程

EU AI Act（Regulation (EU) 2024/1689）の Annex III point 4 は、雇用領域を高リスクに指定します。 重要なのは、採用だけではないことです。

(b) "AI systems intended to be used to make decisions affectingterms of work-related relationships, the promotion or terminationof work-related contractual relationships, to allocate tasks based on individual behaviour or personal traits or characteristics or to monitor and evaluate the performance and behaviourof persons in such relationships"

つまり昇進・解雇の意思決定、タスク配分、業績・行動の監視評価に用いるAIが高リスクに含まれます。 これはタレントマネジメント領域そのものです。

• 9ボックスの配置をAIで支援する
• 離職予測スコアで育成投資を配分する
• LMSの受講ログから昇進候補を推薦する
• スキル推論でプロジェクトへのアサインを決める

いずれも Annex III 4(b) に該当しうる設計です。

適用スケジュール — 2026年7月に変わったばかり

職場での感情推認は、すでに禁止されている

ここが実務上の分岐点です。高リスク義務は延期されましたが、禁止行為は延期されていません。

Article 5(1)(f)： "…the use of AI systems to infer emotions of a natural person in the areas of workplace and education institutions, … except where the use is intended formedical or safety reasons"

2025年2月2日から適用中

禁止対象は生体データ（顔、声、歩容、生理信号、キーストロークのリズム等）から感情を推論するものです。 なおテキストから感情を検出するシステムは対象外とされています。

米国州法 — 「研修対象者の選抜」が名指しされる

日本はこれらと対照的です。AI新法（人工知能関連技術の研究開発及び活用の推進に関する法律、2025年5月28日成立、9月1日全面施行）は基本法であり、企業の義務を定める条項は第7条（活用事業者の責務）のみで罰則もありません。 リスクには既存法（個人情報保護法等）と政府の調査・指導で対応する設計です。

実務上の要点は非対称性です——日本国内法上の直接の規制はほぼないが、EU域内に従業員がいればAI Actが適用される。 グローバル企業がタレントマネジメントAIを導入する際の設計制約は、EU基準で決まることになります。

人材データと個人情報保護

AIを使わなくても、人材データの取り扱いには論点があります。

• 利用目的の特定・通知：業務上必要な範囲で取得し、利用目的を通知することが必要。 「学習支援」で集めたLMSログを「評価」に使えるかは、この論点
• 要配慮個人情報：健康診断結果、ストレスチェック結果、障害、信条・社会的身分等。 取得に原則本人同意が必要。エンゲージメントサーベイやメンタル系データを タレントマネジメントシステムに統合する際の最大の論点
• 個人関連情報（2020年改正）：単体では個人を識別しない情報でも、 提供先で個人データとなることが想定される場合は本人同意の確認が必要

人事評価情報は開示請求できるのか

人事考課等の評価情報も個人情報に含まれ、原則として開示対象です。 ただし「当該個人情報取扱事業者の業務の適正な実施に著しい支障を及ぼすおそれがある場合」 には開示を拒否できると考えられています（現行法では第33条2項2号に相当）。

行政の指針も、労働省「労働者の個人情報保護に関する行動指針」（平成12年）が 評価・選考に関する開示請求で業務に支障が生ずるおそれがある場合の拒否を認め、 厚労省「雇用管理指針」（平成16年）は人事評価に関する情報を 「基本的には非開示とすることが考えられる」としています。

ラベリングの不可逆性 — この章の核心

ここまでの法制度を踏まえると、9ボックスをめぐる倫理的な問題が輪郭を持ちます。

graph TD
  A["ポテンシャル評価<br/>（原理的に観測データがない・主観依存）"] --> B["低ポテンシャルのラベル"]
  B --> C["育成投資が配分されない<br/>ストレッチアサインメントが来ない"]
  C --> D["成長機会がない"]
  D --> E["次回も低評価"]
  E --> B

  F["人事評価情報は<br/><b>非開示が許容される</b>"] --> G["本人はループの存在を<br/>認識できない"]
  G --> H["<b>反証機会が構造的にない</b>"]

  B -.-> G

  style B fill:#f97316,stroke:#ea580c,color:#fff
  style E fill:#ef4444,stroke:#dc2626,color:#fff
  style H fill:#ef4444,stroke:#dc2626,color:#fff

構造を分解します。

• 「ローポテンシャル」ラベルが付くと育成投資が配分されない→ 成長機会がない → 次回も低評価、という自己成就的予言のループが生じる
• ラベルは本人に非開示（法的には許容される）のため、本人はループの存在を認識できず、反証機会もない
• 「ポテンシャル」は本来可変な予測なのに、運用上は固定的な属性として扱われがち
• 人材版伊藤レポート2.0が推奨する20・30代からの経営人材選抜は、 この不可逆性を人生の早い段階に前倒しする

AIによるポテンシャルスコアリングの妥当性

この問題はAIを入れると悪化します。

• 正解ラベルが存在しない：AIの学習データは過去の昇進者＝過去の選抜バイアスそのもの。 既存の偏りを再生産・増幅する
• 構成概念妥当性の問題：「将来のリーダー適性」は直接観測できない。 代理変数（発言量、ネットワーク中心性、研修受講量）に置き換えた時点で、測っているものが変わる
• 予測が自己成就的：スコアが高い人に機会が配分されれば予測は「当たる」。予測精度は妥当性の証明にならない

第3章で見た Learning Agility の構成概念妥当性批判は、AIスコアリングにそのまま引き継がれます。 そして規制がこの懸念を追認しています——EU AI Act は雇用領域を高リスクとし、 Illinois HB 3773 は「研修対象者の選抜」を名指ししました。

リクナビ事件との構造的同型

2019年12月4日、個人情報保護委員会はリクルートキャリアおよび親会社に勧告を行い、 サービス利用企業にも指導を行いました。「リクナビ2019」において、 氏名の代わりにCookieで突合して内定辞退率を算出し、 第三者提供の同意を得ずに利用企業へ提供していた事案です。 提供先で個人を識別できることを知りながら、提供元では識別できないとして同意取得を回避する構造でした。

学習ログによる監視という論点

第8章で見たとおり、LMSは受講時刻・完了率・動画の一時停止位置・テスト回答時間まで記録できます。 「学習支援ツール」として導入されたインフラが、監視インフラに転用可能だということです。

シリーズを閉じる

全9章を通じて、ひとつの構造を追ってきました。実務での普及度と、実証的な裏付けが逆相関するという構造です。

70:20:10は原典に数字がなく原著者が"folklore"と呼び、9ボックスは事業ポートフォリオ管理ツールの転用で、 「転移率10%」は1982年の推測でした。一方で、間隔をあけた検索練習（g=0.74）、 行動モデリング研修（d≒1.0）、自己効力感（r=.38）といった堅いエビデンスは、実務での普及度が低いままです。

この非対称が生じる理由は、第1章で見た三系統の合流にあります。 実務家のコンサルティング言説、教育学・心理学の学術研究、経営戦略のフレームワーク—— 同じ語彙を使いながら、互いの検証手続きを共有していない。

エンジニアがこの領域に持ち込める価値は、おそらくここにあります。 新しいツールを導入することではなく、「その数字はどこから来たのか」を問い、 測定を設計し、統制群を置き、出所を辿れないものは辿れないと書く—— 日々コードとデータに対して行っている作法を、人の育成という領域に持ち込むことです。

そして最後に、この章が扱った倫理的論点を忘れないでおきたいと思います。人材育成の対象は人であり、評価されるのも人です。スキルデータは行動ログですが、そこに記録されているのは誰かのキャリアです。 測定を厳密にすることと、測定される側の反証機会を確保することは、 どちらも同じ「誠実さ」の別の側面にあります。