勤怠情報や人事情報をAI分析にかけることで、従業員の休職可能性を早期に検知できるようになります。早期発見を通じて、早めの対策を行うことで従業員の休職予防に活用いただいています。
顧客(社会)課題
C社さまでは、メンタル不調に起因する休職者が増加傾向にあり、休職者のケアに対する工数がひっ迫している状況でした。現状では、休職が発生した後の事後対応のサポートが施策の中心となっている中で、このまま休職者数が増加していくと事後対応の工数が不足することが懸念されることから、休職者を未然に防ぐための施策を打ちたいとの課題感を持つようになりました。
発注の決め手
当社の休職検知サービスCOCOPROの導入の決め手になったポイントは、サービスコンセプトがC社さまの課題解決につながる点と、従業員の負担がない点の2つが評価されたためです。COCOPROのサービスのコンセプトは休職可能性を事前に予測して休職を未然に防ぐことですが、それがC社さまの持つ課題感と一致しました。また、勤怠情報や人事情報など人事部門で取得可能な情報をAIにより客観的に分析するため、従業員による入力負担がありません。
取り組み事例
当社は、顧客の勤怠情報、人事情報(基本情報、給与情報など)をもととした休職者予測のAIモデルを構築しています。C社さまの過去人事データをAIモデルで分析した結果、C社さまの過去の休職者に関するデータとAIモデルの休む職兆データの一致度が高いことが検証され、COCOPROサービスの本格導入が決まりました。
導入後は、月次で最新の勤怠情報と人事情報をもとデータとして取り込み、全社員をAIモデルで分析しました。今回は、個人ではなく組織(チーム)単位にフォーカスしてスコアリングすることで、COCOPROスコアの低い組織を抽出し、組織風土改善に向け、個別にアプローチしました。
とりわけ、COCOPROスコアと労働時間の情報を組み合わせて分析を行い、労働時間は多くないもののCOCOPROスコアが低い組織を抽出しました。これらは、通常では発見しにくいですが、将来的にはコンディション不調者が発生しやすい組織であり、休職者が顕在化する前に改善を行いました。
導入後は、月次で最新の勤怠情報と人事情報をもとデータとして取り込み、全社員をAIモデルで分析しました。今回は、個人ではなく組織(チーム)単位にフォーカスしてスコアリングすることで、COCOPROスコアの低い組織を抽出し、組織風土改善に向け、個別にアプローチしました。
とりわけ、COCOPROスコアと労働時間の情報を組み合わせて分析を行い、労働時間は多くないもののCOCOPROスコアが低い組織を抽出しました。これらは、通常では発見しにくいですが、将来的にはコンディション不調者が発生しやすい組織であり、休職者が顕在化する前に改善を行いました。
「COCOPRO」による従業員メンタルケア支援

三菱総合研究所作成
成果
C社さま内において、従業員に対して労働時間を中心とした勤怠マネジメントをするだけでなく、COCOPROスコアをもととした総合的な業務状況やその他データも踏まえた就業状況を確認できる環境を整備しました。今後は組織全体としての休職者数の減少に向けた具体的な打ち手の検討・実施につなげていくこととなります。
当社のケイパビリティ
当社独自のAIであるHaRiを用いAI分析モデルは、お客さまの社内で保有している勤怠情報を軸としたさまざまな人事情報を取り込むことで分析できるため、従業員にデータを入力していただくなど工数負担をかけずに、全社員の状況を可視化できます。また、サービスの本格導入前に、お客さまの従業員の求職者特性が当社のAIモデルの精度と一致するかを検証した上で、高い一致度の場合のみサービス提供とするため、導入後の効果を実感でき、現場に受け入れやすいサービスとなります。
