「AI人事評価」が医療系スタートアップで始まった

2026年4月から、医療AIスタートアップのUbieが220名の全従業員を対象にAI人事評価を導入する。業務ログをAIが分析し、評価案を作成するという仕組みだ。

「AI時代の人事は心理戦」と報道されたこの取り組みは、評価の透明性確保とスタッフのモチベーション維持の両立という難題を浮き彫りにした。

医療系の組織でこうした取り組みが始まっていることは、クリニック院長にとっても他人事ではない。

「スタッフ評価にAIを使えるのか、使うべきなのか」

この問いを真剣に考えるクリニックが増えている。本記事では、医療現場特有の事情を踏まえながら、AI人事評価の可能性と注意点を整理する。

なぜクリニックのスタッフ評価は難しいのか

多くのクリニックで、スタッフ評価は「感覚的」あるいは「曖昧」になりがちだ。その背景には、医療現場特有の構造的な難しさがある。

成果が「数字」にしにくい

製造業なら生産個数、営業なら受注金額という明確な指標がある。しかし、看護師の「患者への丁寧な対応」「急変時の判断の的確さ」「チームへの貢献」は、数値化が難しい。

診療補助・患者説明・電話対応・処置補助・クレーム対応——これらの質の評価は、院長が直接観察しない限り把握しにくい。

小規模チームでの評価の難しさ

クリニックは多くの場合、5〜20名程度の小規模チームだ。「評価する側（院長・事務長）」と「評価される側（スタッフ）」の距離が近く、人間関係が評価に影響しやすい。公正性への疑念が生まれやすい環境だ。

評価制度が整っていないケースが多い

中小クリニックの多くは、明文化された評価シートや評価基準を持っていない。院長の印象・勤怠記録・患者からのクレーム件数程度が評価の根拠になっていることも珍しくない。

こうした状況では、スタッフが「なぜ自分の給与は上がらないのか」「評価されているのかどうか分からない」という不満を抱えやすく、離職につながるリスクがある。

AI人事評価が解決できる課題・できない課題

では、AIを使えばこれらの課題は解決できるのか。整理してみる。

AIが貢献できる領域

記録・ログの分析: 電子カルテへの入力件数・対応チケット数・業務ログが数値化できる職種では、AIによる客観的な分析が有効だ。「今月は患者対応件数が先月比で20%増加した」「問診入力のスピードが改善した」といった定量的なフィードバックは、AIが得意な領域だ。

評価の一貫性確保: 人間が評価する場合、評価者の体調・好み・評価時期によってばらつきが生まれる。同じ基準でデータを分析するAIは、評価の一貫性を高める効果がある。

評価にかかる院長の負担軽減: 毎月・毎四半期の評価作業は院長にとって大きな時間コストだ。AIが評価案のたたき台を作成することで、院長は「承認と対話」に集中できる。

AIが苦手な領域・医療現場の特殊事情

患者への態度・コミュニケーションの質: 笑顔で接しているか、急変時に冷静に動けるか、患者の不安を和らげる言葉かけができるか——これらはログに残らず、AIが評価できない領域だ。医療の質の核心部分がAI評価の外にあることを忘れてはならない。

チーム連携・暗黙知の貢献: 「困っているスタッフを自然にフォローしている」「経験の浅いスタッフに自発的に教えている」といった行動は、業務ログに現れない。クリニックのチームワークを支える重要な貢献だが、AIには見えにくい。

公正性への疑念という心理的問題: 「AIに評価された」という事実がスタッフにとってどう映るか、は重要な問題だ。「機械に評価されたくない」「アルゴリズムが自分を判断するのは不公平だ」という感情は、モチベーションの低下や反発を生む可能性がある。

データ化しやすい業務への偏重（AIハック）のリスク: スタッフが「AIの評価基準」を意識しすぎると、「AIに検知されやすい業務（カルテの入力件数など）」を優先し、「検知されないが重要な業務（待合室の環境整備、落ち込んでいる患者への声かけなど）」を後回しにする現象が起きかねない。AIの評価指標がスタッフの行動を歪め、結果的にクリニック全体の医療・サービス品質を低下させてしまうリスクには、常に警戒が必要だ。

Ubie社が「AI時代の人事は心理戦」と表現したのはこの文脈だ。AIの分析精度よりも、「スタッフが納得するかどうか」というコミュニケーション設計の方が難しい問題なのだ。

クリニックがAI人事評価を「使うなら」やるべきこと

現時点でクリニックがAI人事評価を検討する際、以下の設計が不可欠だ。

1. AI評価はあくまで「参考情報」に限定する

AIが出す評価案は「最終判断」にしない。あくまでも「院長が評価する際の参考データ」として位置づける。最終的な評価・給与・昇進の決定は、院長が責任を持って判断する仕組みにする。

「AIが決めた評価」という印象を与えると、スタッフの信頼を失う可能性がある。「AIのデータを参考に、院長が総合的に判断した」という説明責任を果たせる設計にすることが重要だ。

2. 評価基準を先に人間が言語化する

AI評価の前提として、「何を評価するか」を院長自身が言語化する必要がある。「患者満足度への貢献」「業務の正確性」「チームへの貢献度」などの評価軸を先に整理し、その上でどのデータをAIが分析するかを設計する。

評価基準の言語化自体が、クリニックのチーム文化の明文化につながる。AI導入の有無にかかわらず、この作業はクリニックのマネジメント基盤を強化する。

3. スタッフへの丁寧な説明と対話の設計

AI評価を導入する場合、スタッフへの事前説明が不可欠だ。「何のデータを、どう分析するか」「最終判断は院長が行う」「評価結果に対してスタッフが意見を言える仕組みがある」という3点を明確に伝える。

評価を「AIに任せた」ではなく、「AIのデータを使って院長がより公正に評価できるようにした」というメッセージ設計が、スタッフの受容性を高める。

4. 患者情報の取り扱いとセキュリティ要件を担保する

クリニックの業務ログには、電子カルテの入力履歴や患者からの問い合わせ対応など、極めて機微な個人情報が含まれる。これらをAIツールに読み込ませる場合、患者の医療情報が外部AIの学習データとして二次利用されないか、セキュアな環境で処理されるかの確認が不可欠だ。

医療機関として、個人情報保護法や厚生労働省のガイドラインを遵守できるシステム選びと、情報を匿名化して入力するなどの運用ルールの策定が絶対条件となる。

まず動ける「AI前」の評価制度整備

多くのクリニックでは、AIを導入する前に「評価制度そのものがない」という状況が先に解決すべき課題だ。

AI人事評価は手段であり、目的は「スタッフが公正に評価されていると感じ、モチベーションを維持できること」だ。

まず取り組むべきは、以下のステップだ。

1. 評価軸の言語化: 「自院でどんなスタッフを高く評価するか」を箇条書きで整理する
2. 評価シートの整備: 半期に1回、スタッフと院長が向き合うための評価シートを作る（A4・1〜2枚で十分）
3. 1on1の定期化: 月1回15分のスタッフとの対話時間を設ける
4. フィードバックの言語化: 「なぜその評価なのか」を言葉で説明する習慣をつける

この基盤があってはじめて、AIのデータ分析が「補助ツール」として機能する。基盤なしにAIだけを導入しても、「機械に数字を出されただけ」という不満が残る。

まとめ

AI人事評価は「公正性の担保」と「院長の負担軽減」に貢献できる可能性がある。しかし、医療現場特有の「数値化できない価値」と「小規模チームの人間関係」を無視した導入は、むしろスタッフの離職を招くリスクがある。

重要なのは、AI評価を「人間の判断の代替」にするのではなく、「院長が公正に判断するための材料」として位置づけることだ。

評価制度の整備は、スタッフが長く安心して働けるクリニックを作るための投資だ。AI活用はその手段の一つとして、慎重に設計してほしい。

Mac・Windows・iPadで自由に操作、マニュア ルいらずで最短クリック数で診療効率アップ

オンライン診療機能を搭載 したクラウド型電子カルテ 「CLIUS」

特徴

１．使いやすさを追求したUI・UX ・ゲーム事業で培って来た視認性・操作性を追求したシンプルな画面設計 ・必要な情報のみ瞬時に呼び出すことが出来るため、診療中のストレスを軽減 ２．診療中の工数削減 ・AIによる自動学習機能、セット作成機能、クイック登録機能等 ・カルテ入力時間の大幅削減による患者様と向き合う時間を増加 ３．予約機能・グループ医院管理機能による経営サポート ・電子カルテ内の予約システムとの連動、グループ医院管理機能を活用することにより経営サポート実現 ・さらにオンライン診療の搭載による効率的・効果的な診療体制実現

対象規模

無床クリニック向け 在宅向け

オプション機能

オンライン診療 予約システム モバイル端末 タブレット対応 WEB予約

提供形態

サービス クラウド SaaS 分離型

診療科目

内科、精神科、神経科、神経内科、呼吸器科、消化器科、、循環器科、小児科、外科、整形外科、形成外科、美容外科、脳神経外科、呼吸器外科、心臓血管科、小児外科、皮膚泌尿器科、皮膚科、泌尿器科、性病科、肛門科、産婦人科、産科、婦人科、眼科、耳鼻咽喉科、気管食道科、放射線科、麻酔科、心療内科、アレルギー科、リウマチ科、リハビリテーション科、、、、

詳細を見る