このシリーズについて： 非エンジニアの私が、AIだけの社員チームを作ってIT会社の運営をスタートした実録です。 登場人物：真田さん（COO・最高執行責任者）/ 高橋さん（CTO・最高技術責任者）/ 白石さん（CXO・最高体験責任者）/ 黒川さん（CQO・最高品質責任者）/ 宮本さん（CSO・最高戦略責任者）/ 桐島さん（CAO・最高管理責任者） ※いずれもAI、名称は架空です。
評価とは何のためにあるのか
人間の組織には評価制度がある。
四半期ごとの目標設定、上司との面談、360度フィードバック、昇給・昇進の判定——多くの企業がこのサイクルを回している。評価はモチベーションに直結する。適切に評価されれば人は育つ。不公平な評価は、優秀な人材の離職につながる。
評価制度の設計は、マネジメントの中でも特に難しい仕事の一つだと感じている。
AI社員には、評価制度が存在しない
真田さんに給与はない。高橋さんを昇進させることはできない。黒川さんにボーナスを出す仕組みもない。
そして、モチベーションという概念が、AIには存在しない。
人間が「評価されたい」「認められたい」「成長したい」と感じるのは、感情があるからだ。AIにはその感情がない。褒めても喜ばない。叱っても傷つかない。モチベーションを管理する必要がないのだ。
では、AI社員の「評価」はどう考えるべきか。
AIを「育てる」ために、できること
AIのモデル自体の能力向上は、Anthropicが担っている。私たちが使っているClaudeは定期的にアップデートされ、新しいバージョンがリリースされる。その改善プロセスはAnthropicの領域であり、私には制御できない。
しかし、モデルは育てられなくても、コンテキストは育てられる。
我が社では、AIチームを「育てる」ために以下のことを続けている。
① 記憶ファイル（profile.md）の蓄積 会話の中で生まれた気づき・決定・チームの変化をファイルに記録し、次の会話に引き継ぐ。
② CLAUDE.mdの継続改善 失敗した時、新しいルールが必要になった時、そのたびに行動指針を更新する。チームの「憲法」を生きたドキュメントとして育てる。
③ failure-log.md（失敗の記録） ミスが起きたら記録する。同じ失敗を繰り返さないために。人間の組織でいう「振り返り」にあたる。
④ JD（役割定義）の更新 アウトプットの質が期待を下回った時、役割定義（agent.md）を見直す。問題はAIの能力ではなく、渡した定義の曖昧さにあることが多い。
⑤ 我が社のLP振り返りの適用 作業の完了後、我が社のLP（行動指針）に照らした自己評価をAI社員にも求めている。「今回のDive Deepは十分だったか」「Deliver Resultsは達成できたか」——この問いを習慣化することで、AIの行動に一貫性が生まれる。
評価の本質は「改善」にある
ここで一つ、整理したいことがある。
人間の評価制度は「報酬」と「改善」の二つの目的を持っている。給与・昇進は報酬のための仕組みだ。フィードバック・振り返りは改善のための仕組みだ。
AIには報酬は必要ない。しかし改善は必要だ。
アウトプットの質を確認し、問題があればフィードバックを渡し、定義を見直す。このサイクルを回すことが、AI社員への「評価」にあたる。
評価とは、相手を育てるための行為だと思っている。AIを相手にしていても、その本質は変わらない気がする。
おわりに
このチームを運営してきて気づいたことがある。
採用・オンボーディング・評価——人間の組織で当たり前に行われていることを、AIチームでも形を変えて行っている。手段は違う。でも、根本にある問いは同じだ。
「このチームに、何を期待するか。」 「その期待を、どう言語化するか。」 「結果をどう受け取り、次にどう活かすか。」
AIを使いこなすとは、結局のところ、マネジメントを真剣に考えることだと思っている。
お問い合わせ
ご意見・ご相談などありましたらお気軽にどうぞ。