AI Adoption Across a Multinational Workforce: Sociotechnical Conditions for GenAI Acceptance in Human Resources
本論文は、多国籍企業の人事部門における生成AIの導入を調査し、その受容が、システム設計と従業員のポジショナリティ（立場性）との整合性、検証プロセスを通じた信頼の構築、および組織的な知識インフラの質によって促進されることを明らかにし、最終的に、包括的かつ責任あるAI展開のための設計指針を提示するものである。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
ある巨大企業が、社内の「人事ヘルプデスク」のアップグレードを決定したと想像してください。長年、従業員は給与や休暇、ポリシーに関する答えを見つけるために、「STEVE」という信頼できる古いライブラリ・システムを使用してきました。これは従来の検索エンジンのように機能し、キーワードを入力すると、読むべきドキュメントのリストが表示される仕組みでした。
最近、この会社は「PEOPLE TOOL」という新しい、輝かしいツールを導入しました。この新しいシステムは**生成AI（GenAI）**を使用しています。単にドキュメントのリストを表示するのではなく、AIは代わりにドキュメントを読み、あなたの質問に対して直接的な回答を作成しようとします。まるで賢いアシスタントのように。
研究者たちは、次のような疑問を抱きました。「全員がこの新しいスマート・アシスタントを使い始めたのか、それとも一部の人たちが取り残されてしまったのか？」 彼らは検索記録を調査し、25人の従業員に質問を行い、10人にインタビューを行って真相を探りました。
以下に、その発見を分かりやすく説明します。
1. それは「切り替え」ではなく「道具箱」である
研究者たちは、従業員が古いライブラリ（STEVE）の使用を完全に止め、新しいAI（PEOPLE TOOL）へと完全に移行することを期待していました。しかし、そうはなりませんでした。
代わりに、従業員は**「賢い買い物客」**のように振る舞いました。彼らは両方のツールを自分の道具箱の中に持ち続けたのです。
- 素早く簡単な答えが必要なときは、AIを使いました。
- ポリシーの正確な法的文言を確認する必要がある場合や、AIが混乱しているように見える場合は、古いライブラリに戻るか、人間の同僚に尋ねました。
比喩： 料理に例えてみましょう。素早いレシピのアイデアが欲しいときは、賢い料理アプリ（AI）に尋ねます。しかし、アレルギーのために特定のブランドのソースの正確な原材料を知りたいときは、アプリの推測よりもラベルの方が信頼できるため、ボトルのラベル（旧システム）を読みます。
2. 「ワンサイズ・フィット・オール（万能型）」の問題
新しいAIシステムは、特定のタイプのワーカーを想定して設計されました。それは、ノートパソコンを使いこなし、テクノロジーに慣れており、英語を話すデスクワークの従業員です。
現実のチェック：
- オフィスワーカー： 彼らは設計に完璧に適合していました。質問を入力すれば、素晴らしい回答を得ることができました。
- 工場ワーカー： 彼らはノートパソコンを持っていないことが多く、交代制で働いていたり、異なる言語を話したりしていました。彼らにとって、新しいシステムは**「閉ざされたドア」**のように感じられました。彼らは、人事用語に慣れていないため、正しい「会社の言語」で質問を入力することさえできなかったのです。
比喩： 会社が全員のために、豪華でハイテクなエレベーター（AI）を作ったと想像してください。しかし、そのエレベーターには10階以上のボタンしかなく、英語でしか操作できません。地下で働いている人（工場ワーカー）は、それを使うことができないため、たとえエレベーターが利用可能であっても、階段（旧システムやマネージャーへの質問）を使い続けます。
3. 新しい「言語」を学ぶ必要がある
AIを使うことは、単にアクセス権を持つことではありません。それは、AIに対して**「どのように話しかけるか」**を知ることでした。
- 旧システムでは、「休暇」のような短いキーワードを入力するだけでした。
- AIの場合、完全な文章を書き、文脈を与え、時には答えが変であれば言い直す必要がありました。
多くの従業員はこのことに気づいていませんでした。彼らは、旧式の検索エンジンと同じようにAIに話しかけようとし、その結果、良くない回答を得て諦めてしまいました。彼らには、新しいスキル、すなわち**「AI検索リテラシー」**を学ぶ必要があったのです。
比喩： これは、リモコン（旧システム：ボタンを押すだけ）からスマートフォン（新システム：どのアプリを開き、どう入力し、どうトラブルシューティングするかを知る必要がある）への移行に似ています。もしスマートフォンの使い方が分からなければ、たとえ電話の方が高速であったとしても、古いリモコンを使い続けてしまうでしょう。
4. 信頼は「ダブルチェック」によって築かれる
AIが良い回答を出したとしても、従業員はそれを盲信することはありませんでした。人事において、間違った回答は、失職や休暇の損失につながる可能性があるからです。
信頼を築く方法：
- 「ソース確認」： AIが提供したリンクをクリックして、元のドキュメントを読みました。
- 「噂の確認」： 同僚に「これについて聞いた？」と尋ねました。
- 「マネージャー確認」： 上司に確認を求めました。
比喩： AIが外国の街におけるツアーガイドだと想像してください。ガイドの話を聞くことはあっても、地図を自分で確認したり、地元の店主に聞いたり、看板を読んで、ガイドが間違った博物館へ自分を導いていないかを確認したりします。ガイドに従うだけで、盲目的に従うことはありません。
5. 「Garbage In, Garbage Out（ゴミを入れたらゴミが出る）」の法則
研究者たちは、AIの質は、それが読み込んでいるドキュメントの質に依存していることを発見しました。
- 会社のHRドキュメントが乱雑であったり、古かったり、探しにくかったりすると、AIは混乱した回答や誤った回答を出してしまいます。
- 従業員はAIの回答が悪いことをAIのせいにしましたが、真の問題は、AIが読み込んでいる**「ライブラリ」**にありました。
比喩： AIはシェフのようなものです。新鮮で高品質な食材（優れたドキュメント）を与えれば、素晴らしい料理を作ります。しかし、腐った野菜（乱雑で質の低いドキュメント）を与えれば、どんなに優れたシェフであっても、まずい料理を作ることになります。問題はシェフではなく、パントリー（貯蔵庫）にあったのです。
大きな教訓
この論文は、単に全員に豪華なAIツールへのアクセスを与えることが、全員がそこから恩恵を受けることを意味しないと結論付けています。
- 形式的なアクセス（ログイン権限を持っていること） 実用的なアクセス（効果的に使いこなせること）
- AIを公平なものにするためには、会社は「パントリー」を整え（ドキュメントを整理し）、人々が「料理」ができるように教え（質問の仕方をトレーニングし）、そして一部のワーカー（工場スタッフなど）にはデジタルなツールではなく、別の種類のツールが必要かもしれないという事実を認識する必要があります。
要するに、テクノロジーは、それが想定しているコンテキスト（背景・文脈）と同じくらい役に立つものなのです。 もしオフィスワーカーのためにツールを作ったのであれば、工場ワーカーは依然として取り残されてしまうでしょう。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。