AI人事評価のリスクと違法性の境界線。Meta社不当解雇訴訟から日本企業が学ぶべき教訓

近年、HRTech（人事技術）の進展に伴い、AIを人事評価や採用選考に導入する企業が急増している。しかし、客観的で効率的な評価を期待して導入したAIシステムが、意図せず法的なリスクや違法性の指摘を招くケースが表面化し始めた。

米国では、巨大IT企業であるMeta社がAIシステムを用いて特定の従業員を標的にしたレイオフを行ったとして提訴され、大きな議論を呼んでいる。本記事では、この最新ニュースの要点を紐解き、日本の労働法制や個人情報保護法の文脈において「AIによる人事評価」がどのようなリスクを孕み、どのような場合に違法と判断される可能性があるのかを経営・導入視点から解説する。

—

## Meta社が「AIによる不当レイオフ」で提訴された最新ニュースの要点

米国時間での報道によると、Meta社の現職および元従業員26名が、同社がAIシステムを用いて保護された休暇（家族医療休暇法や障害者法等に基づく休暇）を取得・申請した労働者を標的にしてレイオフを行ったとして、カリフォルニア州北部地区連邦地裁に提訴した。この事実は、U.S. News & World ReportおよびCourthouse News Serviceなどの海外メディアによって報じられている。

原告側の主張によると、Meta社は「Metamate」と呼ばれるシステムや、従業員が訓練した「第二の脳」エージェント、キー入力・活動監視データ、AIトークン使用状況ダッシュボード、アルゴリズムによるパフォーマンス評価などのAIシステム群を用いて従業員をスコア化し、レイオフ対象を選定したとされる。

これらのAIシステムは、生産性や出力メトリクスを基準に評価を行う設計であった。そのため、病気や家族の介護などで保護された休暇を取得し、測定可能なデータが少なかった従業員が不当に低いスコアとなり、結果として休暇取得者が不均衡にレイオフ対象に選ばれる結果になったと主張されている。

—

## このニュースが意味する背景と論点

このMeta社の提訴事例は、単なる一企業の労務紛争に留まらず、AIを人事評価に用いる際の「アルゴリズムの設計思想」と「データの偏り（バイアス）」がもたらす構造的なリスクを浮き彫りにしている。

### 1. データの欠落を「低パフォーマンス」と誤認するアルゴリズム
AIは与えられたデータをもとにスコアリングを行う。休暇を取得している期間は、当然ながらキー入力数やAIトークンの使用量、業務アウトプットなどの「活動データ」が生成されない。AIシステムが「データ量が少ない＝生産性が低い」と機械的に判定する設計になっていた場合、法的に保護された休暇を取得した従業員が自動的に低評価となってしまう。これは、評価アルゴリズムの設計段階における重大な考慮不足（バイアス）を示している。

### 2. 「客観的数値」という盲信がもたらす不条理
経営陣や人事部門が「AIが算出したスコアだから客観的で公平である」と盲信してしまうと、その数値の背後にある「なぜデータが少ないのか」という個別事情（病気療養、産休・育休など）を見落とすことになる。結果として、意図しない形で差別的な取り扱いが発生し、法的責任を問われるリスクが高まる。

—

## 日本企業におけるAI人事評価のメリットと活用場面

Meta社の事例は警告となるが、AIを人事評価や労務管理に活用すること自体が全面的に否定されるわけではない。日本の商習慣や労働環境において、適切にコントロールされたAIの導入には以下のようなメリットが存在する。

### 1. 評価プロセスの効率化と一貫性の向上
従来の人事評価は、評価者（上司）の主観や相性、記憶の偏りに左右されやすかった。AIを用いて業務ログや目標達成率などの定量データを多角的に分析・整理することで、評価のばらつきを抑えやすくなる。また、評価シートの回収や集計といった事務作業の工数を抑える効果も期待できる。
なお、AIの基盤技術である[機械学習](https://crystal-method.com/blog/machine-learing/)や、人間の脳神経回路を模した[ディープラーニング](https://crystal-method.com/blog/deep-learning2/)の発展により、大量の業務データから複雑なパターンを検出する精度は飛躍的に向上している。

### 2. 多面的なフィードバックの生成
自然言語処理技術（NLP）を活用し、360度評価などのフリーコメントから感情や建設的な意見を抽出・要約することで、被評価者に対する納得感の高いフィードバックを作成する支援が可能となる。
特に、高度な自然言語処理モデルである[BERT](https://crystal-method.com/blog/what-is-bert-nlp-guide/)などの技術を応用することで、文脈を考慮した精緻な[テキストマイニング](https://crystal-method.com/blog/textmining/)が可能となり、定性的な評価コメントの分析精度が向上している。

—

## AI人事評価に潜む法的リスクと違法性の境界線

日本国内において、AIによる人事評価や意思決定を行う場合、どのようなリスクが違法と判断される契機になるのだろうか。主に「労働法」「個人情報保護法」「差別・倫理」の3つの観点から整理する。

### 1. 労働法上のリスク：不利益取扱いの禁止と人事権の濫用
日本の労働法（労働基準法や育児・介護休業法など）では、産前産後休業や育児休業、介護休業、あるいは業務上の傷病による療養期間中の解雇や不利益な取り扱いを厳しく制限している。
AIの評価スコアのみを根拠に、休業取得者を低評価としたり、降格・減給・解雇（レイオフ）の対象としたりした場合、客観的に合理的な理由を欠き、社会通念上相当であるとは認められない「人事権の濫用（労働契約法第16条等）」として、民事上無効と判断される可能性が極めて高い。

### 2. 個人情報保護法上のリスク：プロファイリングと利用目的の制限
2026年7月時点の個人情報保護法の議論において、AIを用いた従業員のプロファイリング（行動や適性の自動分析）に対する規制や、本人の関与権の確保が重要視されている。
従業員の同意を得ずに、あるいは通知している利用目的の範囲を超えて、AIに機密性の高い個人情報や業務ログを入力して評価・選別を行うことは、個人情報保護法違反となるリスクがある。特に、履歴書や適性検査の結果を外部の生成AIサービスに安易に入力する行為は、情報漏洩や規約違反の観点からも極めて危険である。

### 3. 団体交渉と説明義務のリスク
「AIを使った人事評価は不透明だ」として、労働組合から評価基準やAIの活用状況について説明を求められた際、会社側が「ブラックボックスだから説明できない」と拒否したことが、労働委員会での紛争に発展した事例も存在する。AIの判定プロセスに対する透明性と説明責任（アカウンタビリティ）を欠く運用は、労使紛争を泥沼化させる要因となる。

—

## AI人事評価の導入・運用における比較

AIを人事評価に導入する際、どのようなアプローチをとるべきか。システムに判断を委ねる「自動意思決定型」と、人間が最終判断を行う「意思決定支援型」の比較を以下に示す。

評価項目	自動意思決定型（AIが直接評価・決定）	意思決定支援型（AIはデータ整理、人間が最終評価）※推奨
法的リスク（違法性）	極めて高い（労働法・個人情報保護法違反の恐れ）	低い（人間が介在し個別事情を考慮するため）
評価の納得感	低い（プロセスがブラックボックス化しやすい）	高い（上司が評価根拠を直接説明できる）
個別事情の考慮	不可（休職や病気などの文脈を無視しやすい）	可能（休職期間を除外した補正などが可能）
労務トラブル発生率	高い（不当評価や差別を理由とする訴訟リスク）	低い（従来の評価制度の延長として合意形成しやすい）

—

## 日本の現場で経営陣・人事が取るべき「次の一手」

Meta社の訴訟事例や、内閣府が公表した「人工知能関連技術の研究開発及び活用の適正性確保（AIガイドライン）」などの動向を踏まえ、日本の経営者や人事責任者はどのように動くべきだろうか。実務的な示唆を以下にまとめる。

### 1. 「Human-in-the-Loop（人間関与）」の徹底
AIのスコアリングや判定結果を、そのまま人事決定（昇給、降格、配置転換、解雇など）に直結させてはならない。AIはあくまで「判断材料の一部を提供する支援ツール」として位置づけ、最終的な評価や決定は、必ず人間（人事部や管理職）が個別事情を考慮した上で行う運用プロセスを構築する。

### 2. 評価アルゴリズムの定期的な監査とバイアス排除
自社で導入しているHRTechツールやAI評価システムが、どのようなデータをもとにスコアを算出しているかをベンダーに確認し、ブラックボックス化を防ぐ必要がある。特に、病気休暇や産休・育休を取得した従業員のデータが「活動量不足」として不当に低く評価されないよう、システム側での除外設定や、人間による手動補正ルールをあらかじめ策定しておく。
また、限られたデータから効率的に特徴を抽出する[スパースモデリング](https://crystal-method.com/blog/sparse-modeling/)などの技術的なアプローチを理解し、過剰なデータ依存によるバイアスを回避する設計を検討することも有効である。

### 3. 就業規則の整備と従業員への透明性の確保
AIを人事評価や採用に活用する場合、どのようなデータを取得し、どのような目的でAIに分析させるのかを従業員に対して明確に説明し、同意を得るプロセスが求められる。また、評価基準の透明性を高め、従業員からの開示請求や異議申し立てに対して、人間が論理的に説明できる体制を整えておくことが、労務トラブルを未然に防ぐ最大の防衛策となる。

AIは人事の効率化を強力に推進する武器となるが、その刃が自社に向かないよう、経営陣は「技術の限界」と「法的な境界線」を正しく理解し、倫理的なガバナンスを効かせた運用を行うことが不可欠である。

—

〈参考文献〉
– Meta Used AI to Target Workers With Medical Conditions for Layoffs, Former Employees’ Lawsuit Claims – U.S. News & World Report / Courthouse News Service
– 内閣府「人工知能関連技術の研究開発及び活用の 適正性確保（AIガイドライン）」 https://www8.cao.go.jp/cstp/ai/ai_guideline/ai_gl_2025.pdf
– 総務省「AI に不適合なアルゴリズム回避論： 機械的な人事採用選別と」 https://www.soumu.go.jp/main_content/000936770.pdf
– 総務省「行政通則法AI利活用ガイドライン（仮称）の方向性について」 https://www.soumu.go.jp/main_content/001073872.pdf
– 弁護士が解説！ AIの人事活用で経営者・人事が「今」知るべき法的リスクと対応 https://mscompass.ms-ins.com/business-news/use-ai-labor/
– AI時代の「納得感」ある人事評価とは？2026年デジタル庁指針 https://www.hrc-j.com/column/28336/
– 「AIによる人事的判断」は労働法の中でどう扱われているのか https://career-research.mynavi.jp/column/20260623_111932/
– 【2026年7月最新】AI活用時代の個人情報保護法改正で人事が取るべき対応 https://www.hrm-co.jp/knowledge/personal-information-protection-law/
– AI採用ツールの時代に人事が守るべき「公正さ」― 2026年 https://ogiu-sr.com/generativeai/4093/
– 履歴書をChatGPTに入力しても大丈夫？人事部がAIを使うと違法になるケース https://legal-gpt.com/hr-chatgpt-illegal-cases/
– AI法とは？ 基本内容と人事・経営が取るべき対応を解説 https://www.hrpro.co.jp/series_detail.php?t_no=4603
– 【人事評価×AI】なにができる？メリット・デメリットや導入事例も https://edenred.jp/article/hr-recruiting/365/