その昇給、その面談、本当に「離職」を止めていますか？  

【数字が示す危機】もう“他社の話”ではありません 

人手不足倒産が、2025年に427件。3年連続で過去最多を更新しました（帝国データバンク調べ）。そのうち77.0％が、従業員10人未満の小規模企業です。たった1人の退職が、事業の存続を揺るがす時代に入っています。 

さらに、2025年春闘の賃上げ率は平均5.52％（厚生労働省調べ）と、2年連続で5％を超えました。大企業が賃上げと採用を加速させるなか、追随できない中小企業から、人材が静かに流出していく――。これは、もはや「どこか遠い会社の話」ではありません。あなたの会社の、来期の話です。 

中小企業にとって、従業員1人の離職が持つ意味は、大企業の比ではありません。採用にかけた費用、育成に費やした時間、引き継がれなかった顧客や技術――その損失は、残った社員の負担増となってのしかかり、それがまた次の離職を呼ぶ“負の連鎖”を生みます。だからこそ、「辞めてから補充する」のではなく、「辞める前に手を打つ」発想への転換が、いまあらゆる規模の企業に求められているのです。 

【現場の悲鳴】こんな“あるある”、ありませんか 

「採用しても、すぐ辞める」 

「賃上げしたのに、離職が止まらない」 

「辞めてほしくない人ほど、先に辞めていく」 

厚生労働省の雇用動向調査でも、近年の離職率はおおむね14～15％台で推移し、労働市場の流動化が続いています。「人が辞める前提」で組織を回す難しさは、年々増しています。問題の本質は、単なる人手不足ではありません。「投じた人件費・労力が、定着や活躍につながっていない」こと。つまり、人事施策の“空振り”です。 

【落とし穴】“離職予測”だけでは、離職は止まらない

多くの企業が、離職を防ぐために「離職予測」に取り組んでいます。AIが「この人は辞めそう」とスコアを出してくれる。便利に思えますが、ここに大きな落とし穴があります。 

離職予測が教えてくれるのは「誰が辞めそうか」だけ。「その人に、何をすれば本当に辞めずに済むのか」までは、教えてくれません。 

リスクが高いと判定された人の中には、“何をしても辞める人”が含まれます。逆に、リスクが低いと見なされた人の中に、“ちょっとした働きかけで定着が大きく変わる人”がいます。限られた昇給原資や面談の時間を、効果の出ない相手に注いでしまう。これこそが、人件費が空振りする正体です。 

【解決策】“もしも”を科学する技術 ― 反実仮想機械学習（CFML） 

この課題を根本から変える技術が、「反実仮想機械学習（Counterfactual Machine Learning、CFML）」です。CFMLは、機械学習と因果推論を融合させた次世代の意思決定技術で、「もし、この人に昇給していたら、辞めずに済んだか？」という“もしも（if）”を、過去のデータから科学的に推定します（人工知能学会の解説より）。医療の治療効果の予測や、Netflixなどの推薦システムでもすでに実用化されている、信頼性の高いアプローチです。 

CFMLを使うと、社員を“施策の効き目”で4つに分けられます。施策で結果が良くなる「説得可能層」、何もしなくても残る「安泰層」、何をしても辞める「無反応層」、かえって逆効果になる「逆効果層」。本当に投資すべきは“説得可能層”だけ。ここに資源を集中させることで、同じ予算で、より大きな定着効果が生まれます。 

【活用シーン】予測から“処方”へ 

離職防止：「昇給が効く人」「上司との対話が効く人」「キャリア提示が効く人」を見分け、施策と対象者を最適にマッチング。海外研究でも、正当な昇進が強力な“定着のレバー”になり得ることが示されています。 

昇給・賞与シミュレーション：限られた原資を、最も定着・成果に効く配分へ。発令する前に効果を試算できます。 

人材配置：「この人をどの部署に置けば成果が上がるか」を、実際に異動させる前にシミュレーション。 

研修・教育投資：「研修を受けた人が優秀」なのか「もともと優秀な人が研修を受けた」だけなのかを切り分け、本当に効く教育投資を見極めます。 

【中小企業こそ】小さく始めて、効果を確かめる

「うちのような中小企業には、まだ早いのでは？」――そんなことはありません。CFMLは、すでに手元にあるデータから始められます。次の4つは、比較的取り組みやすく、効果も見えやすい“はじめの一歩”です。 

1．面談の“効き目”検証：勤怠・給与・面談記録から「1on1面談で本当に定着が変わる社員」を特定。限られた管理職の時間を、効果の出る相手に集中させます。 

2．賞与・昇給配分の最適化：少ない原資だからこそ、“説得可能層”へピンポイントに配分。1円も無駄にしません。 

3．資格・研修支援の効果検証：補助した資格取得が、定着・戦力化に本当につながっているかを検証します。 

4．配置転換の事前評価：過去の異動データから、新しい配置ルールの良し悪しを“試さずに”評価します。 

これらは、JOB ScopeやSmartOpsのような既存の人事・労務クラウドに蓄積されたデータを活かせば、特別な実験をしなくても着手できます。「小さく始めて、効果を確かめる」――この進め方は、体力に限りのある中小企業にこそ向いています。 

【導入メリット】

・限られた人件費・教育費を、効果の出る人・施策に集中できる 

・実験しにくい人事施策を、本番投入前にシミュレーションできる 

・「なぜこの人に、この施策を」を“効果”という言葉で説明でき、現場の納得感が高まる 

・予測（誰が辞めそうか）から、処方（誰に何をすべきか）へと進化できる 

【誠実にお伝えします】CFMLは万能の魔法ではありません

推定の精度は、データの質に左右されます。施策と結果の両方に影響する“隠れた要因”（交絡）を見落とすと、効果を誤って評価することがあります。また、過去データの偏りをそのまま学習すれば、過去の不公平を再生産しかねません。導入にあたっては、データ整備・公平性の確認・人間による最終判断との併用が欠かせません。だからこそ、人事データと因果推論の両方を理解したパートナーとともに進めることが重要です。 

そして何より大切なのは、CFMLが「人を機械的に選別する」ための技術ではない、ということです。むしろ目的は逆です。これまで見過ごされてきた“まだ間に合う社員”に、適切なタイミングで手を差し伸べること。データは、現場のマネジメントが本来かけたい手間を、最も意味のある相手へ正しく向けるための“羅針盤”にすぎません。最終的に人と向き合い、決断するのは、いつも人です。  

【今すぐ】“辞めてから動く”人事を、卒業しませんか 

「うちの昇給は、本当に離職を防げているのか？」その答えは、勘ではなく、データで確かめられる時代になりました。人手不足倒産が過去最多を更新し続けるいま、「人が辞めてから動く」人事から、「辞める前に、効く手を打つ」人事へ。 

デフィデの戦略人事ソリューションが、あなたの会社の“人件費の空振り”を可視化し、最も効く一手をご提案します。まずは無料相談・資料請求から。あなたの会社の人事データに眠る答えを、一緒に見つけにいきましょう。 

■ 出典（信頼できる一次情報）

・帝国データバンク「人手不足倒産の動向調査（2025年）」（427件／小規模企業77.0％／賃上げ率5.52％ ほか）

・厚生労働省「雇用動向調査」（離職率の推移）

・人工知能学会「私のブックマーク：反実仮想機械学習（CFML）」（CFMLの定義・概要）

※ 海外の昇進×定着に関する知見は、人材定着に関する学術研究（uplift modeling／因果推論）に基づく一般的傾向です。

  ※JOB Scopeは、デフィデ株式会社の登録商標です。