選考の速さと採用基準
何を良い結果として選ぶかを変える介入は、製品の改善に限りません。処理を速めることと、選ぶ基準を変えることは別の介入です。AIで比較や一次確認を速めても、古い基準で選び続けていれば、必要な人を見落とすことがあります。
エンジニアの採用を例に考えます。応募書類の整理や面接候補の比較が速くなっても、過去に採用した人に近い経歴だけを高く評価すれば、その基準に合う人が次も選ばれます。その採用実績をさらに評価基準へ戻すなら、最初の選び方が強化されます。候補を多く処理できることと、チームに必要な説明や協働の力を異なる経歴から見つけられることは、別の成果です。
介入するなら処理件数を増やす前に、実際の仕事で何を受け持てる人を求めているかを採用担当と配属先で確かめます。書類上の特徴と、仕事に近い課題で見えた判断が食い違う場合は、どちらを根拠にするかを見直します。採用後の仕事ぶりも配属先の支援や担当業務に左右されるため、採否基準の正しさを単独で証明するものにはしません。
たとえば、利用部門へ変更を説明する課題なら、案内文をきれいに仕上げる力だけを見ません。誰がその説明を使い、どんな準備をするのかを確かめ、足りない情報を問い返せるかも見ます。私が知りたいのは頼まれた文書を作れることに加えて、その文書が何を変えるために要るのかまで考えられるかということです。ただし、社内事情を知らない候補者の察しのよさを試さず、判断に使える情報と質問の機会をそろえます。
採用した人の実績だけでは、採用しなかった人との違いを確かめられません。
書類と課題の結果が食い違う事例が続いたら、採用担当と配属先で基準を見直します。採否を決める権限がなければ、自分が面接で確かめた事実と、経歴から推測したことを分けて残せます。
学習量と身についた技能
毎日の技術ブログ。毎週の勉強会。技術書も毎月一冊読みました。ある時期の私は、これだけ時間を使っているのだから頑張っていると本気で思っていました。
半年後、ブログを読み返しました。3カ月前と同じ説明です。勉強会は参加しただけ、技術書も読み通しただけでした。手を動かして試すことが抜けていました。
努力を数えるだけでは、変化した中身は測れません。
システム思考では一つの仮説をこう置けます。決めた本数に足りなければ書く時間を増やし、本数を満たせば安心するなら、調整ループが保つのは公開の頻度です。記事で確かめられることが増えたかは、その調整に入っていません。自分のブログでは、決めた頻度で書くこと自体が目標になっていました。
転機になったのは、ある先輩に「去年と今年で、ブログの何が変わった?」と聞かれたことです。答えられませんでした。その日から、自分に3つの問いを課すようにしました。
- 今の努力は、3カ月前と何が変わっているか
- 今の方法はより効果的な方法に更新されているか
- 今の目標は自分の成長に合わせて引き上げられているか
この3つに「変わっていない」と答えるなら、少なくとも活動量と技能の変化を同じものとして数えない方がよいです。同じ場所を回っているのか、見えにくい蓄積の途中なのかを分けるには、次の課題で何を予測できるようになったかを確かめます。
構造を変える3つのアプローチ
最後に、毎回の意志の強さに頼らずに試せる変更を三つに絞ります。物の置き場所などの環境、決まりや初期設定といったルール、結果が返ってくる間隔や相手というフィードバックです。
環境を変える
自分の場合、スマホの充電器を寝室からリビングに移しました。一週間の記録では、就寝前のスクロール時間が一日平均で40分ほど減りました。意志力で「スマホを見ない」と決めても続きませんでしたが、置き場所を変えると、毎晩我慢する場面そのものが減りました。環境も慣れや生活の変化で効果がなくなることはあります。それでも、望ましい行動を簡単にし、望ましくない行動を少し面倒にする設計は、意志力だけに頼る回数を減らせます。
ルールを変える
初期設定を変えると、選択肢を消さずに、毎回どこから始めるかを変えられます。効果は扱う行動や運用条件で変わるため、別の分野の成功例から一般化せず、手元の設定を変えた前後で確かめます。
貯蓄を「余ったらする」から「収入から自動で移す」に変えます。運動なら「時間があったら」ではなく、「歯磨きの後に腕立て伏せを1回する」と決めます。続けられたかと、無理がなかったかを見て、合わなければ金額や回数を変えます。
置き場所や初期設定を変えると、疲れた夜にも同じ判断を繰り返さずに済みます。生成AIを使うときも、「聞く前に30秒メモを書く」と決めておけば、採用条件を先に考える機会を作れます。合わなくなったルールは記録と結果から見直します。
仕事では指示に沿って操作まで行うAIエージェントを試作と本番で使う場合に、接続先と実行権限を分けます。テスト環境でテストを通したことだけを、本番データを変更してよい理由にはしません。実行できる操作をあらかじめ分ければ、毎回の注意だけに頼らずに済みます。権限の設定を変えられない立場なら、どの操作を本番で実行できる状態かを確かめ、設定を決める人へ伝えます。
フィードバックを変える
学習が続かない理由の一つは、成果が見えるまでの遅延です。学習記録、小テスト、誰かへの説明によって、短い間隔で理解のずれを確かめます。すると、実際の成果が届く前にも、方法を続けるか修正するかを判断できます。
時間や指示文の調整で十分な場合もあれば、結果が届く相手や、止める条件を変える方が役立つ場合もあります。変更が大きいほど効果も大きいとは限りません。影響を受ける人と、元へ戻せる範囲を確かめて選びます。
今回のまとめ
時間を増やすこと、開発順を変えること、評価する成果を変えることのうち、どれが役立つかは検索の待ち時間が放置された理由によって異なります。
あのチームでは、使用記録が開発順を変える材料になりました。次の会議でも知りたいのは、利用者がまだ待っているかです。速くなった分だけ、別の人の確認作業が増えていないかも見ます。
この記事は参考になりましたか?
既に会員の方はを行ってください。
- 人生を『変化するシステム』として捉える連載記事一覧
-
- 改善したのに、なぜ仕事が回らないのか
- AIで成果は増えた。自分は何を学んだのか #3
- AIで仕事は速くなった。なぜ忙しさは減らないのか #2
- この記事の著者
-
nwiizo(ヌウィゾウ)
インフラエンジニアとしてホスティングサービスの開発・運用に携わり、深夜のオンコール対応をきっかけに、運用のあり方を本気で考えるように。現在は株式会社スリーシェイクにソフトウェアエンジニアとして在籍。技術書の翻訳や書籍の執筆をいくつか手がける。本を作ると、わかることが1つ増えるのと引き換えに、わからな...
※プロフィールは、執筆時点、または直近の記事の寄稿時点での内容です
この記事は参考になりましたか?
この記事をシェア
