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

---

【Q&A】技術実装の論点

Q. 14％という「発見率」は高いのか、低いのか？

A. 実務では「面談1件あたりのヒット率」として妥当である。離職は希少事象であり、精度を上げるほど抽出人数が減る。面談キャパが限られる現場では、適合率と再現率のバランスを「面談工数×ヒット率×介入成功率」で最適化するのが現実解だ。

Q. どのデータ項目から始めればよいか？

A. 勤怠・シフト・配属履歴・通勤距離・夜勤回数・直前月のシフト変更回数から始める。個人属性のうち、性別や年齢など差別に結びつく恐れのある項目は最小化し、役割や資格など業務関連の変数を優先する。まずは週次更新で運用をまわし、重要変数の安定性を見極める。

Q. ROIはどのように測るべきか？

A. 「離職回避1名あたりの経済効果（採用・教育回避＋売上維持）」を基礎に、面談工数・システム費用・運用教育を差し引く。PRは年340万円の効果を示すが、売上貢献が260万か240万かの前提は各社で異なる。自社の稼働単価・稼働率・欠員時の機会損失率で再計算した数値をKPIに採用する。

Q. 小規模事業者でも導入できるか？

A. 可能である。精緻なモデルを目指すより、簡易スコアリングで週次に高リスク群を抽出し、面談テンプレートを標準化するのが現実的だ。初期はスプレッドシート運用でもよいが、データ保全とアクセス権限に留意する。

Q. 説明可能性はどの程度必要か？

A. 面談の「入口」を作るには、特徴量の寄与度を人が理解できる粒度で提供することが重要だ。モデル全体のブラックボックス性を気にするより、各ケースの「なぜアラートか」を一枚絵で提示する方が運用に効く。

KPI	定義	測定頻度	目標設定の考え方
初期定着率（6ヶ月）	入社6ヶ月在籍率	月次	初年度は現状＋5pt、次年度＋3pt
予兆面談実施率	アラート対象への面談実施率	週次	80％以上
面談ヒット率	面談で離職意向を確認できた割合	週次	10〜20％を目安に最適化
介入成功率	3ヶ月後も在籍している割合	月次	60％以上