規制・社会

Meta訴訟で考えるAI人事の説明責任

記事バナー画像

POINT

  • Metaが8,000人規模のレイオフでAIによる対象者選定を行ったとして連邦地裁に提訴された。障害者や医療休暇取得者が不当に標的にされたと原告26人が主張している。
  • AIが人事判断に関与すると「なぜその人が選ばれたか」を説明できない構造的な問題が生じ、差別禁止法・労働法との衝突リスクが企業に直撃する。
  • 採用・評価・配置転換の各場面でAIを使う前に整えるべき説明責任の実務ポイントを整理する。

Metaの訴訟が示す「AIに判断させた」という構造問題

Ars Technicaが報じた訴状の内容は、企業のAI人事活用の危うさを具体的に映し出している。Metaは8,000人の従業員をレイオフし、原告26人はその対象選定が社内AIツールによって行われたと主張する。

訴状が列挙したシステムは「Metamate」「second-brainエージェント」「キーストロークおよび活動モニタリング」「AIトークン使用量ダッシュボード」「アルゴリズムによる業績ランキング」と多岐にわたる。従業員は「AI Native」「AI First」「AI Enabled」の3段階に自動分類され、AIツールの使用量が評価スコアを左右した。

問題の核心はここにある。医療休暇中の従業員や、障害によってアウトプットが低下した従業員は、設計上、これらの指標を十分に蓄積できない。監視ツールがそうした個人差を考慮しない構造になっていたと訴状は指摘する。Metaは「意思決定は人が行った」と反論しているが、AIが絞り込んだリストを人が追認しただけなら、実質的な判断者はどちらか——という問いは残り続ける。

「人が最終決定した」では免責にならない理由

Metaの反論は、多くの企業が持ちがちな安心感と重なる。「AIはあくまでツール、最後は人間が判断している」という理屈だ。しかし法的・実務的には、それだけでは不十分になりつつある。

判断の根拠が「AIのスコア」である以上、なぜそのスコアが出たかを説明できなければ、人の決定とは言えない。欧州のAI規制(EU AI Act)は採用・解雇・昇進への影響が大きいAIシステムを「高リスク」に分類し、説明可能性と人間による監督を義務付けている。日本には現時点で同等の拘束力ある法令は存在しないが、労働契約法や均等法の解釈において「合理的な理由の説明」を求める流れは既に始まっている。

AIが出力したスコアを管理職が確認した、という手続きだけでは「人が判断した」証拠にならない。「なぜそのスコアが出たか」「スコアに使われたデータに欠陥はなかったか」「不利になった従業員に異議申し立ての機会があったか」——この3点を説明できて初めて、人の判断と呼べる。

採用・評価・配置転換、場面ごとのリスクと対処

採用スクリーニング

履歴書の自動ふるい落としや面接動画の感情分析は既に国内でも使われている。リスクは「どの特徴を評価したか」が不透明なまま大量の候補者が除外される点だ。対処の起点はモデルの入力変数を文書化し、採用担当者が閲覧できる状態にすること。「AIが弾いた」ではなく「この基準で弾いた」と説明できる状態が必要だ。

業績評価・キャリブレーション

Metaのケースが直撃したのがここだ。定量指標だけで評価すると、育休・病休・障害による活動量の差が「低業績」と判定される。評価ロジックに休暇期間の除外処理が組み込まれているかを確認し、組み込まれていなければAIスコアを評価に使うべきでない。

配置転換・レイオフ対象選定

最も訴訟リスクが高い領域だ。AIが候補者リストを生成した場合、管理職がそのまま承認するだけの運用は「AIによる判断」と実質的に同義になる。リストを受け取った管理職が独立した評価を行い、その記録を残すプロセスが不可欠だ。「AIの推薦を参考にした」という証跡と「管理職自身の判断根拠」の証跡は、別物として管理する必要がある。

人事AI導入における3大リスクと最低限の対処策
主なリスク 問題になる シナリオ 最低限の 対処策 採用スクリーニング 不透明な自動除外 入力変数が不透明なまま 候補者が排除される懸念 ブラックボックス化 履歴書の自動選考や 面接動画のAI感情分析 入力変数の可視化 評価モデルの入力変数を 文書化し、採用担当者が いつでも閲覧可能にする 業績評価・調整 活動量のみの評価 育休・病休・障害による 活動量低下を低評価と判定 米国の監視ツール訴訟 休暇中メンバーの差異を 考慮しない評価への抗議 休暇期間の除外処理 評価ロジックに休暇期間の 除外処理が組み込まれて いるかを厳密に確認する 配置転換・レイオフ 機械的承認のリスク AIのリストを管理職が そのまま承認し実質AI判断 Meta社の自動分類 3カテゴリの自動分類から 大規模削減、提訴へ発展 独立した評価と証跡 管理職自身が独立した 評価を行い、AI推薦とは 別の判断根拠を記録する 1. 採用スクリーニング 主なリスク 入力変数が不透明な まま候補者が自動的 に除外される懸念 最低限の対策 評価モデルの入力を 文書化し、担当者が いつでも閲覧可能に 2. 業績評価・調整 リスクと事例 育休・病休等による 活動量低下を低評価 と判定(米監視訴訟) 最低限の対策 評価ロジック内に 休暇期間の除外処理 が確実にあるか確認 3. 配置転換・レイオフ (高リスク) リスクと事例 AIリストの機械承認 は実質AI判断と同義 Meta社自動分類から 大規模削減、提訴へ 最低限の対策 管理職が独立した 評価を行い、AI推薦 とは別の判断根拠を 記録・証跡に残す
※特に配置転換・レイオフにおけるAIリストの機械的承認は訴訟リスクが高く、管理職による独立した評価と証跡管理が不可欠です。

企業が今すぐ整えるべき「説明責任」の実務3点

DeepMindのCEOデミス・ハサビスは2026年7月14日、金融業界の自主規制機関FINRAをモデルにしたAI標準機関の創設をXで提唱した。TechCrunchの報道によれば、最先端モデルのリリース最大30日前に審査を受ける仕組みを想定している。業界レベルの規制論議が動き出している以上、人事AIについても企業側が先手を打つ必要がある。

  • 使用しているAIツールの入力変数・評価ロジックを文書化し、人事部門と法務が共同でレビューする体制を整える
  • 保護された属性(障害・妊娠・休暇取得状況など)に関係するデータがスコアに混入していないか定期的に監査する
  • AIスコアに基づく人事決定に対して、従業員が異議を申し立てられる窓口と手続きを整備し、社内に周知する

この3点は法的リスクへの備えであると同時に、従業員との信頼関係を保つ実務でもある。AIが不透明な形で人事に関与していると従業員が感じれば、エンゲージメントは制度の見直しより先に崩れる。

まとめ

Metaの訴訟は、「AIを使った人事管理」が法的に問われる時代が来たことを示した。「最終判断は人がした」という説明が通じるかどうかは、判断根拠を示せる記録があるかどうかにかかっている。採用・評価・配置転換でAIを使うなら、ツールの選定より先に説明責任の仕組みを設計する。それが今、企業に求められている順序だ。