早期離職の52%は入社6ヶ月以内——離職予兆AI×面談で定着率を上げる方法

現場・実装の視点：警備業DXのリアル

AIの価値は「当たること」ではなく「動かせること」にある。今回の研究が示した肝は、AIが抽出した高リスク者に対して、strayaとトスネットが合同で面談し、14％の確率で離職予備軍を見つけた点だ。これは、警備というシフト制・現場分散の業務特性において、スクリーニングの実務適合率として妥当である。

実装では、以下の三層を設計するのが現実解だ。第一に「データ基盤層」——勤怠、配属、シフト変更、交通・通勤、資格などのデータを月次ではなく週次で更新する。第二に「予兆検知層」——モデルは高リスク群をアラートリスト化し、説明変数の寄与を可視化する。第三に「介入運用層」——面談テンプレート、所要時間、役割分担（拠点長、教育担当、人事）を標準化する。

ここで重要になるのが、入社後6ヶ月の節目運用である。0〜1ヶ月は「期待と実態のギャップ」を埋める即応期、1〜3ヶ月は「業務習熟と人間関係の形成」、3〜6ヶ月は「配属最適化と負担平準化」の調整局面だ。「6ヶ月の窓を逃すな」というメッセージを、現場のKPIに落とすことが肝要である。

なお、面談は「評価」ではなく「対話」である。筆者の経験では、離職予備軍は「聞いてほしい」サインを出していることが多い。AIのアラートはそのサインを拾うセンサーに過ぎない。「AIは扉、対話が鍵」という比喩を、現場研修で繰り返し共有したい。

実装コストと効果の比較：精度追求か介入強化か

共同研究の示唆として「AI精度の追加投資は費用対効果が見えにくい一方、早期離職に特化した介入が中コストで高インパクト」という判断がある。これは実務的に正しい。以下の比較表は、一般的な前提での意思決定の考え方を示す（数値は目安であり、各社での再試算が必要）。