新着Pick
337Picks
Pick に失敗しました

人気 Picker
人材採用と組織づくりの難しさは身を持って経験していて、少しでも何か良いデータに助けられるならすがりたい、という思いはありつつも、ある一時点の限られた側面でのデータ分析で、メンバーの「今後の離職確率」や「ハイパフォーマーになる確率」を数字で表されてしまうと、その先入観により相手への態度や見方が変わってしまい、最終的ににその数字通りの結果を自ら招いてしまうだけなのではないかと危惧しました。

教育心理学でピグマリオン効果というのがあります。
ある教師が「この生徒は優秀だよ」と事前に知らされていると、教師はそのことを信じて生徒に接したり期待をかけるようになり、その結果、優秀と信じられた生徒は優秀な成績を出すそうです。面白いのは最初に優秀だと言われた生徒を、本来の成績やポテンシャルと関係なく無作為に選んだ場合でも、事前に「この生徒は優秀なはず!」と先生が先入観を持っていたら、生徒の成績はその先入観通りになるそうです。

同じことがこの人事システムでも言えるのではないでしょうか。
人は複雑で難しいしよくわからないことも多い。
組織も人もビジネスも生き物で、常にお互いいつも変わっている。
その複雑さと不確実性を受けいれた上で、お互いが未知なことを楽しんでいく、そういう気持ちで一緒にはたらく方が、人間として生きていて楽しいんではないかなと感じました。
入社後にハイパフォーマーになる確率・離職する確率を出すなど、面接評価を定量的に分析するとのこと。コーポレート部門の者としてより精緻化するサービスはとても興味深いです。

ひとつ気になるのは、入力側である「面接の評価」自体が定性的であること。性格診断や学力テストなどSPIで定量的にとったデータならまだしも、そうでないとすると面接者ごとの評価のブレが結果を大きく左右してしまいそうです。

サービスとしては、そこまで含めて市場を取りに行ける、と考えれば、ポジティブにも捉えられるかもしれませんね。
元記事はかなり腑に落ちました。大学のゼミナールでの2年生~3年生の面接の印象と卒業までおよび卒業後のパフォーマンスを密かにチェックしていますが、一致していると思います。経験を踏まえて、新卒採用時、考慮すべきと思う特徴は以下の部分です。

・目的意識を持っている人は伸びる。
・自分で仮説検証ができる人は伸びる。
・知識・技能の獲得を重要と考える人は伸びる。
・明朗、闊達などの点での高評価と活躍との相関はない(どちらにも転ぶ。ただし、最低限のレベルは必要)。
・リーダーシップにはいくつかの類型があり、好ましい類型の場合は組織としてのパフォーマンスが上がる。しかし、好ましくない類型の場合は逆に組織の足を引っ張る(学生の年代のコミュニティーの場合)。
・基礎能力(学力)が一定レベルを下回っている場合は一時的には何とかなっても、仕事の難易度が上がった場合にパフォーマンスを発揮することは難しい(ここで挫折を経験する)。しかし、基礎能力が高くても必ずしも仕事でパフォーマンスが発揮できるとは限らない。

私による学生の卒業後に発揮できるパフォーマンス予想の的中率は85%というところです。企業が採用プロセスを通じて企業がつかんでいる的中率は65%というところでしょうか。ですので、この学生をとればよいのにとか、その逆とか、「企業が結構外しているな」と思うことがあります。

短時間の面接の限界によるものだと思います。私がゼミナールの学生を採用するときの的中率はおそらく企業の的中率より低く50%位と思われます。しかし、1年指導をした時点での評価は、その後の評価とまず乖離しません。学生に課題などで高負荷をかけて何かをしてもらった場合、正確なサインが出ることが多いです。

ですので、最低6カ月程度のインターンシップは有効ですが、日本でこれを実施しても「丁稚奉公」と勘違いする企業があるので、複雑です。希望できるなら、企業様には、大学の専門性を重視した採用をしていただきたいと思います。文系では、卒業研究など「深く取り組む」科目を取らずに、また論文を書かずに卒業できるカリキュラムを採用する大学が、(難関といわれる大学を含めて)少なからず実在する現実をご存じでしょうか? 欧米のようにカリキュラムでのパフォーマンスを重視する採用は重要だと思います。
「どういう業務」「どういうチーム」だとハイパフォーマーになるのか、が気になる。自分自身、パフォーマンスが良いとき・悪いときを経験しているし、また一緒に働くメンバーのパフォーマンスを引き出せた・引き上げられたときと潰してしまった・できることも抑圧してしまったことがある。
あと、言語化というかラベルがつくことはバランスが難しい。自己だろうが他者だろうが、認識を深めるには言語化が必要。一方で、言語化されることでそこにバイアスがかかることもあると感じる。あくまで特性の言語化で、それをどう生かしていく・カバーしていくとイキイキと仕事できてパフォーマンスが出せるか、またはやっていきたいことと現在の特性でギャップがあるときに、ギャップを埋めるのは大変だけど頑張っていこうと思えるか。
とても興味深いです。そもそもの起業のきっかけもそうですし、データに基づいて人事採用側としてはより説得力があるデータベースを元に面接の場で表情を見ながら人と関わっていくのは深みがあって採用とは人を選ぶだけでなく企業側としては大きなブランディングになると思います。未来をテーマにした映画やビデオゲームの中の社会のようにこれからますます個人がデータ化されていくかも知れません。ただ画一化されたようにして人を見るのではなく、その人にしかない世界に一つのキャラクターとの出会いを大切にしてこれからも人と接していきたいですね。
採用時の面接評価を鵜呑みにしてしまうのは、オンボーディングとか組織開発というものを知らない、採用しか行なってきていない人に多い気がします。

人のパフォーマンスがどのように発揮されるかの変数は、入社後にも無数にありますよね。
着々とシュビラシステムに近付いてきてますね
最も予測精度が高かったのが、考え方や価値観に関する問いだった、というのはとても共感できました。
私も採用基準や選考の設計などを行う中で、この部分をうまく反映できないか、あの手この手でやりくりしています。

このあたりの見極めが入社後の評価と連動した形で体系的にできるように人事部門全体で取り組んでいく必要がありますね。

また、どういう考え方や価値観を重視している会社・職種なのかを明確にし、求職者へもその情報を事前に届けることができれば、ミスマッチのない採用活動に繋がっていくと思います。

人事部門での感覚的な経験を活かしつつ、データをうまく活用していけるといいですね。