1．は じ め に
昨今，人工知能による最適化制御によって機械による 生産活動に関して大幅な生産性向上が実現しつつある． 次に，人間を対象とした HR Tech 分野における人工知 能活用が注目されている．ウェアラブルセンサなどによ る人間行動や心理状態の計測技術の普及に伴い，従来は 管理職が主観で判断していたマネジメントにおいても， 従業員の可能性をより引き出す働き方を人工知能が見つ けることも可能になりつつある．しかしながら，制御対 象が機械である場合との違いは，人間は命令のみでは振 舞いを変えないことである．そこで，人工知能からのア ドバイスを受け入れ，行動を変えるまでのユーザの態度 の変化プロセスを設計することが必要である．著者らは， ウェアラブルセンサから取得した職場の行動データに基 づき，働き方アドバイスを提供するアプリケーションを 開発した．この特徴は，事実確認のための「行動ログ」 可視化から始まり，本人も納得しやすい分析結果を示す 「タイプ診断」，本人も少し意外な視点を提供する「働き 方アドバイス」の 3 ステップを経ることで，アプリケー ションとユーザとの段階的な信頼関係構築を埋め込んだ 点である．これによって，人工知能による継続的な改善 サイクル支援による新しい働き方の実現を目指す．本稿 では，この技術と適用事例について述べる．なお，「人 工知能」とは抽象的で曖昧な定義の概念であるが，本稿 においてはユーザが認識するブラックボックスとしての もの，計測データと分析アルゴリズムそしてアドバイス を表示するインタフェースを含む一塊のシステムを，あ えて人工知能と記述する．2．行動変容支援に関する従来研究
行動変容は特に禁煙や糖尿病など生活習慣病の改善の ための支援方法が多く検討されてきた．その中で，行動 変容理論 [Prochaska 08] においては，目的に対する当 事者のステージを，変える意思のない「前熟考期」から 6か月以内に行動を変えようと思う「熟考期」，実行の 心構えのできている「準備期」，新しい行動を実行する「実 行期」，行動が定着している「維持期」と分類し，支援 する医療者はステージに応じた提案や励ましなどの介入 を行うことで効果的な行動変容を実現できると提案され ている． また，ウェアラブルセンサのデータを共有することで チーム全体の行動（ここでは腹筋運動）を推進する研究 [西山 15] がある．これらの従来研究 [西山 15, Prochaska 08]はいずれも，新しい行動を始め維持するための外的 な影響力として，他者との関わりを活用するものである． この場合，医療者など専門知識のある人，もしくは同じ 立場の仲間が必要となる．これは自らに介入する他者へ の信頼関係がすでに存在している状態を前提としたもの である．本稿では，人工知能への信頼をもたない状態か らスタートしたユーザが，提示されたアドバイスを受け 入れるまでのプロセスの設計に関して述べる．行動変容のための働き方アドバイス
アプリケーション
Personalized Work Style Adviser for Behavior Change
辻 聡美
株式会社日立製作所研究開発グループSatomi Tsuji Research & Development Group, Hitachi, Ltd.
[email protected], http://www.hitachi.co.jp/rd/
佐藤 信夫
（同 上）Nobuo Sato [email protected]
早川 幹
（同 上）Miki Hayakawa [email protected]
Keywords:
wearable sensors, communication, behavior change. 「人工知能と人材」3．名札型センサによる行動計測
職場行動を計測するツールとして，名札型センサノー ド [早川 13] を用い，対面コミュニケーションや身体の 加速度リズムの計測と可視化，さらに組織の活性度の定 量化が実現されている． 3･1 名 札 型 セ ン サ 図 1 に仕様を示す．一般的な運用としては，充電器は 職場に設置し，ユーザは出社時にセンサノードを充電器 から外して身につけ，退社時に再び充電器に戻す．こう して従業員が職場内に滞在している間の，対面コミュニ ケーションを端末間の赤外線送受信で，身体の揺れを加 速度センサによって計測する． 3･2 行 動 計 測 対面状態は装着者同士が正対した際にセンサノード間 で赤外線が送受信されることで検知される．検知結果を 集約すると，組織全体の実態の連携構造を可視化できる （図 2）． 加速度センサは 51.2 Hz で身体の揺れを計測しタイピ ングのような振幅の小さな動作時も細かく揺れが検知さ れる（図 3）．これによってデスクワークに何分間集中 しているか，また赤外線データと合わせることで会話の 質，具体的には双方向か一方向かを数値化できる． さらに，加速度センサデータを組織単位で集約し，そ の統計的分布形状に着目することで，組織の活性度の定 量化を実現した [Yano 15]．人間は自分自身の状態は脳 ですべて自覚しており，言語こそが集団活動を支えてい ると考えがちだが，Pentland は身体に表れる無意識の ノンバーバルな信号こそが人間の状態について多くの情 報をもっていると考え，この信号を“正直シグナル”と 呼んだ [Pentland 10]．中村は身体活動の統計的特徴に 着目し，活動持続時間の分布形状において健常者とうつ 病患者の差異が表れていることを示した [中村 13]．さ らにこの現象はマウスにおいても同様の現象が起きるこ とが確認されており，動物に共通して正直シグナルが存 在する可能性を裏付けている．本稿で用いる組織活性度 [Yano 15]は，組織の状態についても同様に人間の身体 活動のシグナルに表れているという発見に基づくもので あり，値が高いほど組織の平均ストレス度が低い状態で あることを示す指標である．加速度データを組織 10 人 分以上集め，非静止状態の持続時間の累積比率分布を マッピングすると，平均ストレスが低い組織では直線状 のべき分布となるが，高ストレス組織では直線からずれ た分布となる（図 4（a））．具体的には，高ストレス組 織では持続時間 T が短い事例が増え，長い事例が減る． つまり，身体が静止する確率が上がっているため非静止 図 1 名札型センサノードと概観・仕様 図 3 加速度センサによる身体リズム検知（タイピング時） 図 2 組織内連携構造の可視化（ネットワーク図） （b）アンケートとの一致 図 4 非静止持続時間分布に基づく組織活性度算出 （a）分布形状の差異状態が細切れになっているといえる．この統計的な特徴 から分布のずれを数値化することでストレス度の平均値 の推定を実現した（図 4（b））．さらに，先行研究 [Tsuji 17a]により，上記の推定された組織の平均ストレス度 は独立した個人の単純な総和と捉えるのではなく，人々 の相互作用を反映しているものであることを裏付けてお り，この指標を「組織活性度（またはハピネス度）」と 名付けた．さらに社会実験による検証を法人営業におい て実施済みであり，組織活性度の高い部署は従業員満足 度調査において「意思決定や権限委譲」，「挑戦意欲」に 関する項目において満足度平均値が高いこと，翌四半期 の受注達成率が高くなったことが確認されている [日立 製作所 17]．こういった事例に基づいて，著者らは，組 織活性度を知識労働の組織の生産性を示す客観的な KPI として使えると考えている．
4．計測に基づくマネジメント
本章では，継続的な働き方の改善サイクルの実現のた めのアプローチについて述べる． 4･1 可 視 化 の 限 界 2章に述べたように，センサを使うことで職場行動の 可視化・数値化を実現した．従来，著者らは，可視化デー タをユーザに提供し，ユーザ自身で自組織の課題や強み を見つけだすためのワークショップを開催したりしてい た．可視化結果に対して解釈を行うため，ユーザの納得 度は高いものであったが，以下のような限界があった． 課題や強みの判断はユーザ自身の基準による 可視化結果を通して抽出される組織の課題や強みは， ユーザ自身があらかじめもっている価値基準によって判 断される．例えば，コミュニケーションを重視する価値 観をもつ組織において，会議が多すぎるから減らそうと いう施策案が出てくることは少ない． 望ましい働き方に関する個人差が考慮されにくい 従来の働き方改革は，従業員が全員一律の働き方（例 えば一斉定時退勤，会議時間の規制など）を勧め，共通 の基準でその成果を評価されることが一般的である．そ れは人事部などの人間がルールを決める場合には，個別 事情を考慮する余裕がないためであるが，それが逆に社 員のやる気を下げていることもあり得る．少ない手間で， 人それぞれの力を発揮する働き方を見つけ，応援する仕 組みが必要であった． 改善活動が継続されにくい 働き方を変えるための 1 回の改善施策の実施に，組織 としての運用コストや合意形成コストがかかるため，可 視化による課題抽出→施策検討→施策実施→可視化によ る効果評価のサイクルを回せるのは多くても 1 ∼ 2 回程 度である．そのため，自組織に適した働き方を見つけ， それが定着する前に元の働き方に戻ってしまいがちであ る．さらに悪いケースでは，働き方改革の建前のために 実行した施策をやりっぱなしで効果を確認しないまま放 置される事例も少なくない．そのため，少ないコストで 改善活動が継続される仕組みが必要であった． 4･2 提案アプローチ 上記の可視化データを用いた従来の働き方改善の課題 の解決を目指すため，図 5 に示すアプローチを提案す る [辻 17a]．これは，① 組織の元気さを示す「組織活性 度」を計測しつつ，② ユーザの強みとなる働き方をデー タから見つけること，③ 強みを伸ばすための働き方に変 化させること，の 3 点から構成される．② のステップ において人工知能を導入し自動的にアドバイスを提供す ることで，② と ③ を個人ごとに短いサイクルで繰り返 すことができ，自然に望ましい働き方が定着することを 目指すものである．これによって，客観的な基準によっ て働き方の指針を得，個人別の望ましい働き方を見つけ， 頻繁に小さな改善活動を継続できることが期待できるた め，前節で述べた課題の改善を目指す． 4･3 アドバイス導出手順 本稿で用いた人工知能内のアドバイス導出のための統 計分析手順について述べる．② のプロセスにおいては， 毎日の組織活性度を目的変数，個人ごとの行動指標群を 説明変数として統計分析することで，誰がどのような行 動をする日に組織活性度が上がる傾向があるかを見つ け，これをアドバイスとして提示した．名札型センサで 取得した「会話」，「デスクワーク」，「出社時刻」，「退社 時刻」の行動指標について以下の流れで網羅的に分析す ることで，組織活性度と統計的に関係のある個人の行動 パターンを具体的に探し出し，ユーザ向けのアドバイス 図 5 計測に基づくマネジメントのアプローチ 図 6 行動指標の分割・組合せパターン例として提示した． その手順を以下に示す． 1．行動の条件を分割する 2．行動条件を組み合わせ，複合指標を生成する 「例）午前に B さんと会話した回数」（図 6） 3．網羅的に回帰分析し，組織活性度と相関する複合 指標を抽出 4．3 で抽出した複合指標に対応するアドバイス文（事 前に定義）をアプリケーション画面に表示 4･4 行動変容を促すための課題 前節で述べたとおり，アドバイス提供の自動化は技術 的には可能だが，それが行動変容につながらなければ意 味がない．例えば「上司と 15 分以内の会話を 1 日 3 回行 いましょう」というアドバイスだけを機械的に提示して もユーザは行動に移さないだろう．ユーザの自発的な行 動変容を促すために，ユーザがアドバイスに納得し，行 動を変えたくなるようなプロセスの設計が必要である．
5．アプリケーション
本アプリケーションでは，ユーザ個人に向けて働き方 のアドバイスを提供し，自発的な働き方変容を促すユー ザインタフェースを設計した． 5･1 ユーザインタフェースの設計指針 人間同士の関係においても一般的に，突然第三者から アドバイスされても受け入れにくいものである．なるべ く自然にユーザが自発的に働き方を変化させていくため に，ユーザがアプリを段階的に信頼していくプロセスを 考え，これをインタフェースの設計指針とした（図 7）． 可視化・計測によって事実を提示することはユーザに とって新しい価値はないが，自分の認識と一致するかに よってこれが信頼できるツールかを判断している．その ため，まずは行動を計測する道具「計測器」として正し いか，そして「占い師」のように自分を適切に把握・分 類しているかにおいて納得させ，最後にユーザ自身も気 付かなかった知見を提供してくれる「メンター」として の役割へと認識が変化していくことを想定する． 5･2 アプリケーション画面 図 7 の設計指針に沿って開発したアプリケーション画 面構成を図 8 に示す．ユーザがアプリと接し始めた際に は，アプリが「計測器」として自分の行動を妥当に計測 しているかを判断しようとする．そのために，① ハピネ ス度と ② 行動ログの画面において，センサの計測結果 を人間の記憶とひも付けやすい形で表現した．例えば行 動ログでは，会話の長さに比例した面積でログを表示す るのではなく，1 回の会話という単位，つまり 5 分の立 ち話も 1 時間の会議も同じ面積で表現した．さらに ② ハピネス度は，組織活性度の計測結果であるが，これは ユーザにとってなじみのない指標であるため，値が高い 日ほど激しく回る大きな円で表現するようにし，いきい きしている度合いであることを直感的に理解できるよう にした． 次に，③ タイプ診断画面においてユーザの特徴を示 す．例えば「あなたは午前中に会話をした日に元気に働 けるタイプです」といった文章で表示されるが，具体的 には過去数週間分の組織活性度と最も大きな正の相関が ある当人の行動指標を文章に変換したものである．相関 が高いため，ユーザの自己認識とは一致しやすい．ここ 図 7 ユーザインタフェースの設計指針 図 8 働き方アドバイスアプリケーション画面構成でのゴールは，ユーザがアプリは私を適切に理解してい ると納得することである．占いに例えると，占い師はま ず顧客の現在と過去を推測し，それが顧客自身の認識と 一致していれば，その占い師への信頼を高める．この段 階では意外性は不要である．合わせて詳細画面を開くと， 過去のその行動をした日と組織活性度が連動しているこ とを確認できる． 最後に，④ 働き方アドバイス画面では，組織活性度が 上がりやすい当該ユーザの働き方のパターンをアドバイ スとして文章で示す．アドバイスは「出退勤時刻」，「会 話相手」，「会話の仕方」，「デスクワーク」，「時間の使い方」 の五つの分類がある．アドバイス導出のプロセスとして は，タイプ診断と同様に組織活性度との相関分析を行い有 意な相関のある指標を抽出する．違いはその中から日ご とに入れ替えて表示する点であり，ユーザにとって少し 意外性のあるアドバイスも提示されることになる．将来 的には，天候など外的要因を考慮して日ごとのアドバイ スを選別することで，さらに意外性と信頼性を両立する アドバイスの導出ができると考えている．アドバイスを 納得しやすいものにするため，指標の区分を一般的なオ フィスワークの言葉と対応するように定義している．そ のため，5 分以内の二人きりの会話なら「あいさつ」，30 分以上または 6 名以上の会話は「会議」といった言葉に 置き換えて提示できる．アドバイス文の例を図 9 に示す．
6．適 用 結 果
26部署（約 600 名）にて 3 か月間の試行を行い，本 アプリケーションを使用した．アドバイスへの関心，ア プリ利用による組織活性度向上効果について評価する． 6･1 アドバイスへの関心度合いの評価 参加者のうち，3 部署 134 名にて行ったアンケートの 職位別の結果を図 10 に示す．Q1 から，アドバイスを実 行する意欲は全体的にあり，特に管理職が高かったのは 働き方を変えるべきという問題意識の表れだと考えられ る．また Q2 より，担当者は出退勤時刻，時間の使い方（時 間帯別の働き方）など自分の時間に関する関心が高く， 部長・課長は会話相手に関するアドバイス（例：A さん と会話してみましょう）に関心が高かった．さらにこれ を深掘りすると，直属の上司部下よりも，隣のグループ の人や秘書・企画などサポート部門の人の名前がアドバ イスに上がったときに，話しかけに行ったとの回答が多 かった．このことから，直属の上司部下は必要に迫られ て会話しているため不安がなくアドバイスは不要だが， “周縁の同僚”との関係構築・維持において本アプリが きっかけをつくる役割をしたと考える． 6･2 組織活性度向上効果 アプリ利用の効果を確認するため，26 部署の利用ロ グの分析を行った．データからはアドバイスを自発的に 実行したか，結果的に達成されただけなのかを区分でき なかったため，アドバイス実施回数ではなくアプリ閲覧 時間と組織活性度の変化との関係を評価した．その結果， アプリの一人当たりの平均閲覧時間の長い部署は翌月の 組織活性度が 1.7 向上しており（全部署の偏差値に換算 して 5 ポイントに相当），閲覧時間の短い部署では 0.4 の変化であり，二群間に有意差がある（ p＜0.05）こと を確認した（図 11）．7．お わ り に
本稿では，人工知能の支援による継続的な働き方改善 の実現を目指し，従業員の自発的な行動変容を促すユー ザインタフェースを設計した．開発したアプリケーショ ンの適用により，アドバイスが行動を変えるきっかけを 提供したこと，目的変数とした組織活性度向上に有効で 図 9 アドバイスの種類と詳細画面の文例 図 10 アドバイスへの関心度合い：職位別アンケート結果 アプリ閲覧時間（1 週間一人当たり） 図 11 アプリ閲覧時間と翌月の組織活性度変化あったことを確認した． 今後，単純労働が人工知能などに置き換えられるほど， 人間の仕事は創造性や柔軟性が必要なものに集中してい くと予想される．働きかける対象が人間であるため，本 人が納得し，動機をもって自発的に行動を変えなくては 生産性向上は望めない．今後ますます，人間の認知・行 動特性を理解し，人間の能力を発揮しやすい環境を設計 する研究開発の重要性が増していくだろう． 謝 辞 本研究開発の推進にご協力いただきました，日立製作 所研究開発グループの上垣映理子氏，佐々木真美氏，賀 暁琳氏，矢野和男氏，試行にご協力いただいた参加者各 位に感謝いたします．
◇ 参 考 文 献 ◇
[早川 13] 早川 幹，大久保教夫，脇坂義博：ビジネス顕微鏡：実用 的人間行動計測システムの開発，信学論（D），Vol. J96-D, No. 10, pp. 2359-2370（2013） [日立製作所 17] 株式会社日立製作所ニュースリリース：AI の働き 方アドバイスが職場の幸福感向上に寄与（2017 年 12 月時点）， http://www.hitachi.co.jp/New/cnews/month/2017/ 06/0626.html [中村 13] 中村 亨，山本義春：自発的身体活動の生成機構と精神疾 患における破綻原理の解明，日本神経回路学会誌，Vol. 20, No. 3, pp. 123-134（2013） [西山 15] 西山勇毅，大越 匡，米沢拓郎，中沢 仁，高汐一紀，徳 田秀幸：ライフログデータを用いたチームの行動変容促進，情 処学論，Vol. 56, No.1, pp. 349-361（2015）[Pentland 10] Pentland, A.: Honest Signals, The MIT Press （2010）
[Prochaska 08] Prochaska, J., Redding, C. and Evers, K.: The transtheoretical model and stages of change, In Health
Behavior and Health Education, Theory, Research, and Practice（4th ed）, pp. 97-121, Jossey-Bass（2008）
[Tsuji 17a] Tsuji, S., Sato, N., Ara, K. and Yano, K.: Effect of personal data aggregation method on estimating group stress with wearable sensor, 2017 IEEE Int. Conf. on Systems, Man,
and Cybernetics（2017）
[辻 17b] 辻 聡美，佐藤信夫，矢野和男：職場を測る─社員個別の 力を引き出すセンサ技術応用，精密工学会誌，Vol. 83, No. 12, pp. 1109-1116（2017）
[Yano 15] Yano, K., Akitomi, T., Ara, K., Watanabe, J., Tsuji, S., Sato, N., Hayakawa, M. and Moriwaki, N.: Profiting from IoT: The key is very-large-scale happiness integration, 2015 Symp.
on VLSI Technology（2015） 2018年 3 月 6 日 受理
