近年、人材の流動性が高まる中で、従業員の不満や負担が限界に達する前に兆候を察知し、適切なフォローを行う「離職予測」に注目が集まっているのをご存じでしょうか？
そこで期待されているのが、人工知能を活用した予測モデル。
客観的なデータに基づいてリスクを可視化することで、直感や感覚に頼らない戦略的な人事施策が可能になるのです！
本記事では、離職予測にAIを活用する基本的な仕組みや具体的なメリットについて詳しく解説します。
🌊Yoomは人事・労務関連のデータ収集や集計を自動化できます
離職予測において、勤怠データや人事評価、従業員アンケートといった情報を正確に収集・集計するプロセスが欠かせませんが、手作業でまとめるのは大変ですよね...
Yoomを活用すれば、複数のシステムにまたがるデータの収集や集計といった定型業務をノーコードで簡単に自動化できちゃうんです！
[Yoomとは]
データの入力漏れやミスを防ぎ、ほぼリアルタイムで正確な情報を蓄積できるため、AIによる分析の基盤をスムーズに整えられます。
人事・労務関連の業務をサポートする自動化フローボット
Google スプレッドシートにアンケート結果が追加されたら、AIで離職リスクとその防止案を出力してMicrosoft Teamsに通知する
試してみる
■概要
従業員アンケートの結果を手作業で確認し、離職の兆候を見つけ出すのは骨の折れる作業ではないでしょうか？
特に、日々の業務に追われていると、細かな変化を見逃してしまいがちであり、対応が遅れてしまうこともあります。
このワークフローを活用すれば、Google スプレッドシートにアンケート結果が追加されると、AIが自動で離職リスクとその防止策を分析し、Microsoft Teamsへ通知するため、こうした課題の解決に貢献します。
■このテンプレートをおすすめする方
- アンケート結果の分析や離職リスクの特定に多くの時間を費やしている人事担当者の方
- 従業員の離職リスクを早期に察知し、迅速な対策を講じたいと考えているマネージャーの方
- Google スプレッドシートやMicrosoft Teamsを利用し、定型業務の効率化を模索している方
■このテンプレートを使うメリット
- アンケート結果の追加からAIによる分析、通知までを自動化し、手作業にかかる時間を短縮することができます。
- AIによる客観的な分析を通じて、潜在的な離職リスクやその兆候を見逃すことなく、適切な対応を促します。
■フローボットの流れ
- はじめに、Google スプレッドシートとMicrosoft TeamsをYoomと連携します。
- 次に、トリガーでGoogle スプレッドシートを選択し、「行が追加されたら」というアクションを設定し、アンケート結果が追加されたスプレッドシートを指定します。
- 次に、オペレーションで、テキスト生成機能を設定し、追加されたアンケート結果を基に離職リスクとその防止案を生成するようAIに指示します。
- 最後に、オペレーションでMicrosoft Teamsの「チャネルにメッセージを送る」アクションを設定し、AIが生成した内容を指定のチャネルに通知します。
※「トリガー」：フロー起動のきっかけとなるアクション、「オペレーション」：トリガー起動後、フロー内で処理を行うアクション
■このワークフローのカスタムポイント
- Google スプレッドシートのトリガー設定では、監視対象としたいスプレッドシートのIDやシートIDを任意で設定してください。
- テキスト生成機能のオペレーションでは、生成するテキストの文字数や、AIに与える指示（プロンプト）、出力させたい言語などを任意で設定してください。
- Microsoft Teamsでチャネルにメッセージを送信するアクションでは、通知先のチームIDやチャネルID、送信するメッセージの内容を任意で設定してください。
■注意事項
- Google スプレッドシート、Microsoft TeamsのそれぞれとYoomを連携してください。
- トリガーは5分、10分、15分、30分、60分の間隔で起動間隔を選択できます。
- プランによって最短の起動間隔が異なりますので、ご注意ください。
- Microsoft365（旧Office365）には、家庭向けプランと一般法人向けプラン（Microsoft365 Business）があり、一般法人向けプランに加入していない場合には認証に失敗する可能性があります。
Slackに勤怠情報が投稿されたら、Google スプレッドシートの管理シートに自動追加する
試してみる
■概要
Slackへの勤怠報告は便利な一方で、その情報をGoogle スプレッドシートの管理表へ手作業で転記するのは手間がかかり、入力ミスも起こりやすいのではないでしょうか。
このワークフローを活用すれば、Slackに特定のフォーマットで勤怠情報が投稿されると、AIが内容を抽出します。
さらに、Google スプレッドシートへ自動で情報を追加するため、業務負担の軽減が見込めます。
■このテンプレートをおすすめする方
- Slackでの勤怠報告とGoogle スプレッドシートでの勤怠管理を併用している方
- 勤怠データの手入力や転記作業の負担を軽減し、ヒューマンエラーをなくしたいと考えている方
- 日々の定型業務を自動化し、そのほかの業務に時間を活用したいと考えている方
■このテンプレートを使うメリット
- Slackへの勤怠情報投稿後、Google スプレッドシートへ自動で情報が転記されるため、これまで手作業に費やしていた時間を短縮することができます。
- 手作業によるデータ入力に伴う転記ミスや入力漏れといったヒューマンエラーの発生を防ぎ、勤怠データの正確性を高めることに繋がります。
■フローボットの流れ
- はじめに、SlackとGoogle スプレッドシートをYoomと連携します。
- トリガーでSlackの「メッセージがチャンネルに投稿されたら」というアクションを設定し、勤怠情報が投稿される特定のチャンネルを指定します。
- 次に、AI機能の「テキストからデータを抽出する」アクションを設定します。ここで、Slackの投稿メッセージから氏名、出勤/退勤の種別、時刻といった勤怠情報を抽出するようにAIへ指示します。
- 最後に、Google スプレッドシートの「レコードを追加する」アクションを設定し、ステップ3で抽出した勤怠情報を指定の管理シートの適切な列に自動で追加します。
※「トリガー」：フロー起動のきっかけとなるアクション、「オペレーション」：トリガー起動後、フロー内で処理を行うアクション
■このワークフローのカスタムポイント
- 「テキストからデータを抽出する」オペレーションでは、抽出対象とするSlackのメッセージ内容を変数として活用できます。また、どのような情報を抽出したいか（例：「氏名」「出勤/退勤」「時刻」など）という項目名や、AIへの指示（プロンプト）は、実際の業務内容やSlackへの投稿ルールに合わせて詳細に設定することが可能です。
- Google スプレッドシートの「レコードを追加する」オペレーションでは、AI機能によって抽出されたデータを変数を用いて柔軟にマッピングできます。
■注意事項
- Slack、Google スプレッドシートのそれぞれとYoomを連携してください。
- トリガーは5分、10分、15分、30分、60分の間隔で起動間隔を選択できます。
- プランによって最短の起動間隔が異なりますので、ご注意ください。
AIワーカーを活用した自動化フローボット
Google Driveにファイルが格納されたら、AIワーカーで従業員離職リスク検出しGmailで通知する
試してみる
■概要
従業員の評価シートや面談記録、フィードバック資料などからコンディションの変化を察知し、離職の兆候を早期に掴むことは人事戦略において重要ですが、膨大な情報を一つひとつ確認するには多大な労力がかかります。
このワークフローを活用すれば、Google Driveにファイルが格納されるだけで、AIが自動で従業員離職リスク検出を行い、分析結果をGmailで通知するため、こうした課題を解消し、迅速なフォローアップ体制の構築に繋がります。
■このテンプレートをおすすめする方
- 従業員離職リスク検出の精度や効率を向上させたいと考えている人事担当者の方
- メンバーのコンディションをデータに基づき把握し、適切な対応をしたい管理職の方
- データドリブンな人事戦略を推進し、組織の定着率を改善したいと考えている方
■このテンプレートを使うメリット
- Google Driveへのファイル格納を起点に、離職リスクの分析から通知までが自動化されるため、これまで手作業での確認や分析に費やしていた時間を削減できます
- AIが一定の基準で分析を行うことで、担当者の経験や勘に依存しない客観的な従業員離職リスク検出が可能になり、業務の属人化を防ぎます
■フローボットの流れ
- はじめに、Google DriveとGmailをYoomと連携します
- 次に、トリガーでGoogle Driveを選択し、「特定のフォルダ内に新しくファイル・フォルダが作成されたら」というアクションを設定します
- 最後に、オペレーションでAIワーカーを設定し、格納されたファイルの内容をもとに離職リスクの判定やインサイトの生成、Gmailでの通知を行うためのマニュアル（指示）を作成します
※「トリガー」：フロー起動のきっかけとなるアクション、「オペレーション」：トリガー起動後、フロー内で処理を行うアクション
■このワークフローのカスタムポイント
- Google Driveのトリガー設定では、従業員の勤怠データや日報などが格納される対象のフォルダを、任意のフォルダIDで指定してください
- AIワーカーへの指示内容は、どのような基準で離職リスクを判定するか、生成するインサイトの形式、Gmailで通知する際の件名や本文などを任意で設定することが可能です
■注意事項
- Google DriveとGmailのそれぞれとYoomを連携してください。AIワーカー内で使用するツール（アプリ）についてもマイアプリ連携が必要です。
- AIワーカーの基本設定は「【AIワーカー】基本的な設定方法」をご参照ください。
- AIワーカーの同時実行数・作成可能なAIワーカー数・利用可能なAIモデルはご契約中のプランによって異なります。
- AIワーカー内でご利用いただけるアプリやオペレーション等はフローボットの利用制限と同様です。
- AIワーカーは、テスト実行でも本番実行と同様にタスクを消費しますのでご注意ください。詳細は「【AIワーカー】タスク実行数の計算方法」ご参照ください。
- AIワーカーはマニュアルを詳細に設定することで適切な処理を実行しやすくなります。詳細は「【AIワーカー】マニュアルの作成方法」をご参照ください。
- トリガーは5分、10分、15分、30分、60分の間隔で起動間隔を選択できます。
- プランによって最短の起動間隔が異なりますので、ご注意ください。
- ダウンロード可能なファイル容量は最大300MBまでです。アプリの仕様によっては300MB未満になる可能性があるので、ご注意ください。
- トリガー、各オペレーションでの取り扱い可能なファイル容量の詳細は「ファイルの容量制限について」をご参照ください。
フォーム回答をもとに、AIワーカーで1on1ミーティングを準備する
試してみる
■概要
質の高い1on1ミーティングを実施するためには、事前の情報整理やアジェンダ作成が欠かせませんが、メンバーごとに準備を行うのは手間がかかる作業です。特に、複数のメンバーとのミーティングが続くと、準備が負担になることも少なくありません。
このワークフローを活用すれば、フォームで収集した情報をもとに、AIエージェントが自動で1on1ミーティングの準備を行うため、こうした準備の手間を削減し、より対話に集中できる環境を整えられます。
■このテンプレートをおすすめする方
- メンバーとの1on1ミーティングの準備に多くの時間を費やしているマネージャーやリーダーの方
- AIエージェントのような技術を活用し、1on1ミーティングの質を向上させたいと考えている方
- フォームで収集した情報を起点に、様々な業務プロセスを自動化したいと考えている方
■このテンプレートを使うメリット
- フォーム回答を起点にAIがミーティング準備を自動化するため、アジェンダ作成などの手作業に費やしていた時間を短縮できます。
- 準備プロセスが自動化されることで、準備内容のばらつきや確認漏れを防ぎ、1on1ミーティングの質を安定させることが可能です。
■フローボットの流れ
- はじめに、GoogleカレンダーをYoomと連携します。
- 次に、トリガーでフォームトリガーを選択し、「フォームが送信されたら」というアクションを設定します。
- 最後に、オペレーションでAIワーカーを選択し、フォームの回答内容をもとに1on1ミーティングの準備を行うためのマニュアル（指示）を作成します
※「トリガー」：フロー起動のきっかけとなるアクション、「オペレーション」：トリガー起動後、フロー内で処理を行うアクション
■このワークフローのカスタムポイント
- トリガーとなるフォームの質問項目は、ミーティング前にヒアリングしたい内容に合わせて任意で設定してください。
- AIワーカーへの指示内容は、作成したいアジェンダの形式や参照させたい情報に応じて自由にカスタマイズが可能です。また、連携するGoogleカレンダーのアカウントも任意で設定できます。
- ワークフローに「メールを送る」オペレーションを追加することで、AIが準備した内容を関係者に自動通知でき、その際の宛先、件名、本文は任意で設定が可能です。
■注意事項
- GoogleカレンダーとYoomを連携してください。AIワーカー内で使用するツール（アプリ）についてもマイアプリ連携が必要です。
- AIワーカーの基本設定は「【AIワーカー】基本的な設定方法」をご参照ください。
- AIワーカーの同時実行数・作成可能なAIワーカー数・利用可能なAIモデルはご契約中のプランによって異なります。
- AIワーカー内でご利用いただけるアプリやオペレーション等はフローボットの利用制限と同様です。
- AIワーカーは、テスト実行でも本番実行と同様にタスクを消費しますのでご注意ください。詳細は「【AIワーカー】タスク実行数の計算方法」ご参照ください。
- AIワーカーはマニュアルを詳細に設定することで適切な処理を実行しやすくなります。詳細は「【AIワーカー】マニュアルの作成方法」をご参照ください。
👐離職予測にAIを活用する仕組みとアプローチ
人工知能を用いて離職のリスクを予測する仕組みは、主に過去の退職者のデータパターンを機械学習モデルに学習させることから始まります。
この仕組みにより、潜在的なリスクを抱える従業員を早期に発見し、先手を打ってケアを行うための体制を構築できるようになります。
🌸離職予測におけるAI活用のメリット
予測にAIを導入することには、多くのメリットが存在します。
- 公平なリスク評価の実現
客観的なデータを活用することで評価の一貫性向上が期待できる - 小さなサインの検出
見落としがちな小さなサインも、膨大なデータから見つけ出すことが可能 - リソースの効率的配分
データに基づき、対象者への優先的なフォローが実現可能 - 早期対策の実現
退職の兆候を数ヶ月前に把握し、配置転換や業務量の調整といった対策を講じることができます。
こうした取り組みを重ねることで、離職率の低下や採用コストの抑制にもつながっていくのです。
🚩予測精度を高めるためのデータ活用とポイント
AIの予測精度を向上させるためには、質の高いデータを継続的に収集し、モデルに学習させることが極めて重要。
単純な勤怠データだけでは、従業員の心理的な変化までを読み取るのは難しいため、複数のデータソースを掛け合わせることがポイントとなります。
また、予測モデルは一度構築したら終わりではなく、実際の退職者のデータを定期的にフィードバックし、チューニングを繰り返すことが欠かせません。
企業固有の文化や働き方の変化に合わせてAIを成長させていく姿勢が、精度の高い予測システムを運用する上での鍵となります。
🗒️【実体験】実際にAIを用いて離職予測を検証してみた
今回は勤怠データと退職者データを活用し、実際に離職予測の精度や実用性を検証してみました。
検証では、ChatGPTを使用しています。
離職リスクの傾向を分析
まずは、残業時間の推移や有給休暇の消化率、欠勤日数などの勤怠データを用いて離職リスクの傾向を分析してみましょう。
退職者の個人情報（IDと離職理由）と勤怠データを用意して、以下のプロンプトを投稿します。
入力プロンプト（一部抜粋）
あなたは人事データを分析するデータアナリストです。添付した勤怠データを使って、離職リスクの傾向分析を行ってください。
# タスク1. 退職者と在籍者で、 「残業時間の推移」「有給休暇取得日数の推移」「欠勤日数の有無・変化」について、わかりやすく傾向を要約してください。
〜（省略）〜
5. 最後に、実務でこの種のスコアリングモデルを改善するために、勤怠データ以外で追加すると良さそうなデータ項目（例：エンゲージメントサーベイ結果、評価、異動履歴など）を5〜10個、箇条書きで提案してください。
プロンプト投稿後、数秒で結果が抽出されました！
従業員IDを読み込み、退職者の過去の勤怠状況から
- 退職月が近づくと残業時間が増加傾向になる
- 有給取得は退職月に増えることが多い
- 在職者に至っては、残業時間・有休消化ともに緩やかな増加傾向
- 退職者・在職者ともに、欠勤は少ない
というように判断してくれていますね。
検知可能なパターンについても同様の結果がまとめられていました。
この結果から、『勤怠データ以外で注目すると良い項目』が出力されています。
上司からの評価や研修への参加状況など、日常業務のなかで周囲の状況や個人の行動による行動パターンから離職リスクを予見できるとされる項目が並んでいることが確認できました。
勤怠傾向や有休の消化率からリスクを予測しがちでしたが、この内容を参考にすることで、勤怠状況だけでないデータから従業員の離職リスクを少しでも下げることにもつながるでしょう。
AIを有効活用すれば、勤怠データだけでも一定のリスク検知ができることがわかりました！
人事評価・アンケート結果から離職リスクを抽出
次に、半期ごとの人事評価スコアや従業員満足度アンケートの結果をまとめたデータを用意して、離職リスクの高さを視覚化してもらいます。
入力プロンプト（一部抜粋）
あなたは「人事データ分析」と「離職リスク予測」に詳しいシニアデータアナリストです。# 目的半期ごとの人事評価スコアと従業員満足度アンケート（ES）結果から、「退職リスクが高い従業員」をできるだけ正確に特定したいです。
# あなたにしてほしいこと
## 1. データの前提確認・私が後で貼り付けるデータのカラム名と内容を確認し、どのカラムを「人事評価」「ES（満足度）」「退職ラベル（ある場合）」 とみなすかを、まず明示してください。
## 2. 傾向の把握退職ラベル（半年後退職有無）がある場合は、それを使って以下を言語ベースで分析してください。
・退職者と在籍者それぞれについて、 「人事評価_H1 / H2 の平均値・傾向（高いか低いか、どちらが多いか） 」「ESスコア_H1 / H2 の平均値・傾向」「退職者に共通しがちなパターン」を、具体的な組み合わせとして文章で整理してください。
〜（省略）〜
プロンプトを投稿すると、わずか5秒ほどで、ESスコアの結果から退職リスクが極めて高い従業員を特定する規則の基盤を得ることができました！
過去の評価やスコアの傾向から、数値でリスク度合いを可視化できるようになれば、データによる計測が実現します。
日頃のモチベーションの低下が他の数値と合わさることで明確なサインとして表れることがわかるため、離職リスク回避のための対策をいち早く講じることにもつながるでしょう。
なお、計測で使える判定ルールの例や対応策も提示してくれているので、この結果をもとに評価やESデータの活用の幅をさらに広げられるはずです！
職種・部署ごとの退職要因の特定
最後に「退職要因」が、職種や部署ごとにどのように異なるかを可視化できるか検証しました。
「人事評価」や「1on1頻度」、「エンゲージメントスコア」といった情報をまとめたCSVファイルを添付して、以下のプロンプトを投稿します。
入力プロンプト（一部抜粋）
あなたは人事・組織開発のデータアナリストです。
以下のCSV形式の従業員データをもとに、「職種・部署ごとの退職要因」を特定してください。
【やってほしいこと】1. 部署ごとに、退職フラグ=1 の行の特徴を整理してください。
2. 特に、以下の観点が当てはまっているかを明示してください。
3. 部署ごとに、AIが算出すると想定される「退職リスクスコア（1〜100）」のイメージと、その根拠を説明してください
4. 全社横断での共通要因と、部署固有の要因を区別して整理してください。
5. 最後に、経営・人事としてどのような打ち手に活かせそうかを、部署別に簡潔に提案してください。
〜（省略）〜
こちらの分析結果において、例えば営業部門では「目標達成率と評価の乖離」がスコアに影響しやすく、エンジニア部門では「突発的な残業の連続」や「有給取得率の低下」がリスク要因として浮かび上がってきました。
比較してみると、要因が類似しつつも、業務の違いで影響度合いが大きく異なることがわかりますね。
なお、この分析結果からリスク回避の施策となる打ち手の提案も同時に出力してくれているため、人事スタッフだけではなく、各部門の責任者がどのように対策すればいいのかの指針を得ることもできました！
このように、AIを用いることで単に「誰が辞めそうか」を予測するだけでなく、「なぜ辞めそうなのか」という具体的な要因まで、各部門の特性に合わせて特定できることが確認可能に。
全社一律の対策ではなく、各部門の実情に即したピンポイントな職場環境の改善策を立案するための強力なデータになることが実感できました。
💬AIによる離職予測の結果を活用した対策
検証結果からもわかるように、離職予測AIはあくまでリスクを可視化するためのツールであり、最も重要なのは「予測された結果をどのように活用するか」という点にあります。
客観的なデータをもとに従業員に寄り添う施策を展開していくことで、従業員エンゲージメントの向上にもつながり、定着率の高い健全な組織づくりを後押ししてくれるはずです。
🐝Yoomでできること
👉 Yoomの登録はこちら。30秒で簡単に登録できます！
Yoomは日々の業務で発生するさまざまな定型作業を自動化し、生産性向上を支援するプラットフォーム。
離職予測の基盤となるデータ収集においても、多様なクラウドサービスと連携することで強力なサポートを提供してくれるんです！
散在する労務データを一元化する手間を削減することで、データ分析や従業員へのフォローアップといった業務に専念できるようになるでしょう。
ぜひYoomを活用して、効率的な組織マネジメントの第一歩を踏み出してみてはいかがでしょうか？
フォームのアンケート回答から、AIで離職リスクとその防止案を出力してSlackに通知する
試してみる
■概要
従業員の離職は企業にとって大きな課題ですが、その兆候を早期に捉え、対策を講じるのは容易ではありません。
フォームで収集したアンケート回答を基に、AIが自動で離職リスクとその防止策を分析し、Slackへ通知します。
これにより、人事担当者の負担を軽減し、迅速な対応を支援します。
■このテンプレートをおすすめする方
- 従業員のエンゲージメント向上や離職防止に関心のある人事・労務担当者の方
- アンケート結果の分析や対応策の立案に多くの時間を費やしている方
- AIを活用して、より客観的で効果的な人事施策を実行したいと考えている方
■このテンプレートを使うメリット
- アンケート回答の収集からAIによる分析、Slackへの通知までを自動化することで、これまで手作業で行っていた分析や報告作成の時間を削減できます。
- AIが客観的な視点で離職リスクと防止策を提案するため、属人的な判断に頼ることなく、データに基づいた効果的な対策を検討できます。
■フローボットの流れ
- はじめに、SlackをYoomと連携します。
- 次に、トリガーで、フォームトリガーを選択し、従業員向けの「職場アンケート」が送信されたらフローが起動するように設定します。
- 次に、オペレーションで、テキスト生成機能を選択し、「テキストを生成する」アクションを設定します。ここで、アンケートの回答内容を基に離職リスクとその防止案をAIに分析・生成させます。
- 最後に、オペレーションで、Slackの「チャンネルにメッセージを送る」アクションを設定し、AIが生成した分析結果と防止案を指定したチャンネルに通知します。
※「トリガー」：フロー起動のきっかけとなるアクション、「オペレーション」：トリガー起動後、フロー内で処理を行うアクション
■このワークフローのカスタムポイント
- フォームトリガーでは、実際に従業員へ実施する「職場アンケート」の内容（質問項目、回答形式など）を任意で設定してください。
- テキスト生成機能では、AIに生成させるテキストの文字数、分析や提案内容を指示するプロンプト、そして出力する言語（日本語、英語など）を任意で設定してください。
- Slackの「チャンネルにメッセージを送る」アクションでは、通知を送信する先のチャンネルIDや、通知時のメッセージ本文を任意で設定してください。
■注意事項
LINEでメッセージが送信されたら、AIワーカーで感情分析や要否判定を行い離職リスクをSlackへ通知する
試してみる
■概要
派遣スタッフとの日々のコミュニケーションは重要ですが、LINE公式アカウントに届く多数のメッセージから重要なサインを見つけ出すのは一苦労ではないでしょうか。このワークフローは、LINEで受け取ったメッセージをAIエージェント（AIワーカー）が自動で感情分析し、離職リスクなど緊急性が高いと判断された内容のみをSlackへ通知するため、迅速な対応が可能になり、派遣スタッフのフォロー体制を強化できます。
■このテンプレートをおすすめする方
- LINE公式アカウントでの派遣スタッフ対応に追われ、重要な連絡の見逃しがちな方
- AIエージェントを導入し、派遣スタッフフォローの質とスピードを向上させたい管理者の方
- スタッフの離職リスクを早期に検知し、定着率を高める仕組みを構築したい方
■このテンプレートを使うメリット
- LINEの全メッセージを確認する手間が省け、AIが要対応と判断した内容に集中できるため、派遣スタッフフォローの対応時間を短縮することができます
- 人の判断による見逃しや対応漏れを防ぎ、AIによる客観的な分析で離職リスクの兆候を早期に検知し、迅速な初動対応に繋がります
■フローボットの流れ
- はじめに、Google スプレッドシート、Googleドキュメント、LINE公式アカウント、SlackをYoomと連携します
- 次に、トリガーでLINE公式アカウントを選択し、「ユーザーからメッセージを受けとったら」というアクションを設定します
- 最後に、オペレーションでAIワーカーを選択し、受け取ったメッセージの感情分析や対応の要否を判定を行い、返信や担当者通知、記録を行うためのマニュアル（指示）を作成します
※「トリガー」：フロー起動のきっかけとなるアクション、「オペレーション」：トリガー起動後、フロー内で処理を行うアクション
■このワークフローのカスタムポイント
- AIワーカーのオペレーションでは、分析の目的などに応じて任意のAIモデルを選択することが可能です
- AIワーカーに与えるマニュアル（指示）は自由に編集できます。特定のキーワードを検知した場合に通知レベルを変更するなど、自社のフォロー基準に合わせて判定ロジックを細かく設定してください
■注意事項
- LINE公式アカウント、Googleドキュメント、Google スプレッドシート、SlackのそれぞれとYoomを連携してください。AIワーカー内で使用するツール（アプリ）についてもマイアプリ連携が必要です。
- AIワーカーの基本設定は「【AIワーカー】基本的な設定方法」をご参照ください。
- AIワーカーの同時実行数・作成可能なAIワーカー数・利用可能なAIモデルはご契約中のプランによって異なります。
- AIワーカー内でご利用いただけるアプリやオペレーション等はフローボットの利用制限と同様です。
- AIワーカーは、テスト実行でも本番実行と同様にタスクを消費しますのでご注意ください。詳細は「【AIワーカー】タスク実行数の計算方法」ご参照ください。
- AIワーカーはマニュアルを詳細に設定することで適切な処理を実行しやすくなります。詳細は「【AIワーカー】マニュアルの作成方法」をご参照ください。
定期的にfreee人事労務で勤怠情報を取得し、AIワーカーで残業時間の過多を分析し管理職への改善策をSlackで送信する
試してみる
■概要
従業員の勤怠状況の把握や、残業時間の分析に毎月多くの時間を費やしていませんか？手作業での集計や分析は手間がかかるだけでなく、対応の遅れにも繋がります。このワークフローは、定期的にfreee人事労務から勤怠情報を自動で取得し、AIエージェントが残業リスクを分析、具体的な改善策までを管理職へ自動通知する勤怠管理の仕組みを構築します。これにより、データに基づいたスムーズな勤怠管理を実現し、従業員の労働環境改善をサポートします。
■このテンプレートをおすすめする方
- freee人事労務を利用し、従業員の勤怠管理を手作業で分析している労務担当者の方
- AIエージェントを活用した効率的な勤怠管理の方法を模索しているマネージャーの方
- 従業員の労働環境改善に向け、データに基づいた具体的な対策を迅速に行いたい方
■このテンプレートを使うメリット
- 勤怠データの取得から分析、報告までを自動化できるため、これまで手作業で行っていた勤怠管理業務にかかる時間を短縮できます。
- AIエージェントが客観的なデータに基づき分析と改善策を提案するため、担当者の経験に依存しない標準化された勤怠管理の運用が可能になります。
■フローボットの流れ
- はじめに、freee人事労務とSlackをYoomと連携します。
- 次に、トリガーでスケジュールトリガーを選択し、フローを起動したい任意のスケジュール（例：毎月第一営業日の午前9時）を設定します。
- 最後に、オペレーションでAIワーカーを選択し、「freee人事労務から勤怠情報を取得し、残業時間の過多を分析した上で管理職への改善策を作成し、Slackで送信する」といった内容のマニュアル（指示）を作成します。
※「トリガー」：フロー起動のきっかけとなるアクション、「オペレーション」：トリガー起動後、フロー内で処理を行うアクション
■このワークフローのカスタムポイント
- スケジュールトリガーの設定では、フローを起動したい日時を「毎月1回」や「毎週月曜日」など、業務に合わせて任意で設定してください。
- AIワーカーへの指示内容は、分析したい項目や通知フォーマットなどを自由にカスタマイズできます。また、連携するfreee人事労務やSlackのアカウントも任意で設定可能です。
■注意事項
- freee人事労務、SlackのそれぞれとYoomを連携してください。AIワーカー内で使用するツール（アプリ）についてもマイアプリ連携が必要です。
- AIワーカーの基本設定は「【AIワーカー】基本的な設定方法」をご参照ください。
- AIワーカーの同時実行数・作成可能なAIワーカー数・利用可能なAIモデルはご契約中のプランによって異なります。
- AIワーカー内でご利用いただけるアプリやオペレーション等はフローボットの利用制限と同様です。
- AIワーカーは、テスト実行でも本番実行と同様にタスクを消費しますのでご注意ください。詳細は「【AIワーカー】タスク実行数の計算方法」ご参照ください。
- AIワーカーはマニュアルを詳細に設定することで適切な処理を実行しやすくなります。詳細は「【AIワーカー】マニュアルの作成方法」をご参照ください。
出典：
OpenAI
