AIスキルが、昇給とボーナスを左右する時代へ

2026年10月14日、Reutersは米国金融業界で社員のAI活用能力が昇給や賞与、昇進の判断に入り始めたと報じた。専門人材会社Selby Jenningsの「AI Talent Pulse Report 2026」では、金融業界の人事担当者の25％が所属企業でAI熟練度と報酬などを結びつけていると回答した。

調査を実施したのは外部調査機関Censuswideで、期間は8月19～26日、対象は米国金融業界の人事担当者500人、年齢は22～64歳だった。これは担当者の回答を集計したもので、米国の全銀行が一律にボーナス制度を導入したという監査結果ではない。個人別の支給額も公表されていない。

それでも評価対象が変化していることは興味深い。採用時にAIツールを使えるか尋ねる段階から、入社後の仕事と報酬を結びつける段階へ進み始めた。ただし、特定の能力に価値があると考えることと、その価値を金額に換算できることは別の問題である。

42％が評価基準を整備。それでも共通の報酬計算式はない

同じ調査で42％は社員のAI能力を評価する新たなガイドラインを設けたと回答した。30％はAI投資の成果を検証する部署や役割を新設し、別の30％は正式な人事評価でAIの使用状況を申告するよう求めると答えた。それぞれ質問が異なるため、同一の企業群が順番に制度を導入したことにはならない。

Reutersの取材に対してSelby JenningsのDylan Gomez氏は、AI利用や成果をどの程度報酬へ反映するかについて確立された計算式はまだなく、来年以降より明確になる可能性を示した。社員のAIスキルを確認する項目を作ることと、個人の昇給額を決めることには距離がある。

たとえばレポート作成を速くした人、分析の正確さを上げた人、大きな損失につながる誤りを発見した人では成果の性質が異なる。どの働きが高い価値を持つかは、担当業務の目的や危険度、結果を再現できるかによっても変わってくる。

31％はAI人材を評価できる人が社内にいない

採用に関する設問では、31％がAIを使う職務の候補者を確信を持って評価できる社員が社内にいないことを、最大の採用障害に選んだ。16％は採用する職務で「AI-enabled」が具体的に何を意味するのか分からず、23％はその仕事を実際に経験した社内の人材を探せないと答えている。

ここで注意すべきなのは、AI報酬制度を導入していると答えた25％と、評価する人が不足すると答えた31％が同じ企業の回答だとは確認されていないことだ。別の設問の集計を組み合わせただけで、ある銀行の内部矛盾が実証されたとはいえない。

それでも採用したい能力を明確にできなければ、採用面接で何を試すか、入社後に何を評価するかを決めることは難しい。モデルを開発する技術者、与信審査でAIを使う担当者、AIが出したリスク分析を検証する社員では必要な専門性が違う。

AIをたくさん使う社員が、優秀な社員とは限らない

正式な人事評価でAIの使用状況を開示させるという回答が30％あった。利用記録は、ツールの普及や教育の必要性、承認されたサービスの使用状況を調べるうえで役立つ場合がある。ただし、使った回数が多いことは、その社員の仕事が大きな価値を生んだ証明にはならない。

仮に社員Aは毎日何十回もAIでレポートを作り、社員Bは使用回数こそ少ないが重要な計算ミスを発見して判断を修正したとする。利用回数だけを測ればAが高く評価される可能性があるが、誤りを防いだことの経済的価値を考えれば違う結果もありうる。これは調査に出てきた実例ではなく、比較のための仮定だ。

利用量の数値をそのまま昇進やボーナスに結びつければ、必要のない場面でもAIを多用する行動を促すおそれがある。どの問題を解決し、業務がどう改善し、出力をどのように確認したかを分けて評価する必要がある。

金融業務では、誤った結論を止めることも成果になる

金融機関は不正検知、信用リスク、法令対応、投資調査など幅広い分野でAIを活用する。分析時間を短縮する成果と、誤った前提を見抜いて不適切な判断を防ぐ成果では、責任と価値の性質が違う。速い処理だけでは業務の安全性を保証できない。

国際決済銀行（BIS）の金融安定研究所幹部は2026年9月の講演で、AIに伴うモデルの説明可能性、独立した検証、監督上の判断の重要性を論じた。また米国のOCCは4月にモデルリスク管理の改定指針を出したが、その指針は生成AIとエージェントAIを対象範囲から明示的に除外し、新たな一律の強制規則を設けたものでもない。

したがって金融会社がAIスキルを賞与へ結びつける場合、仕事の処理量だけでなく、結果の信頼性や重要な誤りを止めた貢献も考えられる。これはBanseogが提案する評価の視点であり、調査対象企業が共通して採用した公式の報酬制度ではない。

AIで得られた成果は誰のものなのか

AIシステムの成果は一人だけで作られるとは限らない。開発者がモデルを構築し、データ担当者が入力情報を整理し、現場の社員が仕事に使い、リスク管理担当者が結論を確認する。作業が速くなったという結果だけでは、どの人の働きにどれほどの価値があったかは分からない。

仮に金融会社の分析チームで業務時間が30％短縮されたとしても、モデルを設計した社員と作業手順を改善した社員、最終判断を担った社員の寄与を区別する必要がある。30％はあくまで例示のための数字であり、特定の会社で観測された実績ではない。

Banseogは評価を三つに分ける。能力とは何を実行できるか、成果とは何が改善されたか、個人の寄与とは改善のうち何をその人に帰属させられるか。報酬を設計するには、この三つを同じ数字として扱わないことが重要になる。

AI人材向け採用試験を増やしても判断の難しさは残る

調査では50％が、過去1年間に面接したAI候補者のうち十分な資格を持たない人の割合が増えたと回答した。これは応募者全体の半数が資格不足という意味ではない。各人事担当者が自分の面接で感じた候補者構成の変化を表す。

また別の設問では42％が、十分な資格を持たない応募者を見極めるために技術試験を追加したと回答した。先に紹介した社員のAI評価ガイドラインを整備した42％とは別の質問だ。技術問題が解けることと、金融業務の実際の意思決定で責任を持てることも完全には一致しない。

採用側にはAIの仕組みを理解する専門家と、その能力が実際の金融業務でどう役立つかを判断する人材が必要になるだろう。内部評価者の不足という31％の数字は、人事の採用速度だけでなく、企業内の専門知識の配置そのものを見直すきっかけになる。

BANSEOG VIEW｜AIの能力に価格を付ける前に、価値を確かめられるか

米国金融業界の調査では25％がAI能力と報酬を結びつけ、31％は採用候補者を評価できる人が社内にいないことを最大の障害に挙げた。両者が同じ企業であるとは分からないが、報酬への反映と評価体制の整備という異なる課題が進んでいることは確認できる。

会社が考えるべき問いは、まず業務ごとに必要なAI能力を定義できるか、次にどの仕事が改善されたかを検証できるか、誤りやリスクを誰が管理したか、最後に個人の働きとして帰属させられる成果は何か、ということだ。これはBanseogの分析上の整理であり、統一された業界標準ではない。

AIを何回利用したかより、何がより正確かつ安全にできるようになったのか。そうした価値を把握し、適切な人を評価して報酬を配分できる組織が、これからの人材戦略で重要な競争力を持つ可能性がある。

BANSEOG VIEW

Banseogの視点 — AI使用量、検証された成果、本人の寄与

25％の報酬連動、42％の社員評価指針、30％のAI使用開示、31％の採用候補者の社内評価者不足は、それぞれ別の設問に対する米国金融業界HR担当者500人の回答。全てが同一企業に当てはまると証明するものではない。

利用回数は把握できても、正しい業務成果、誤りを防いだ効果、特定社員への寄与の帰属には別の証拠が必要だ。能力・成果・個人の貢献を分けるのはBanseogの提案する評価枠組みである。

BISの2026年9月講演はモデルの検証と監督判断に触れるが法的拘束力のある新規則ではない。また米国OCCの2026年4月改定指針は生成AI・エージェントAIを適用範囲から除外している。

SOURCES

参照した主な資料

2026年10月15日作成。Selby JenningsのAI Talent Pulse Report 2026はCensuswideによる米金融業界HR担当者500人(22～64歳)、調査期間2026年8月19～26日。25％はAI熟練度と昇給・昇進・賞与を関連づける企業に所属、42％は社員AI能力評価の新指針、30％は正式な評価でAI使用を開示、30％はAI投資収益を検証する担当職務または部門、31％はAI候補者を自信を持って評価できる社内人材の不足を最大の採用障害に選択。異なる設問の回答を同一企業内の矛盾だと推定しない。50％の資格不足は候補全体の50％ではなく、面接対象者の資格不足比率が増えたと答えた人事担当者の割合。42％の採用技術試験追加と42％の社員評価指針は異なる設問。Reutersは報酬算定に確立した共通式がないと報道。BISの2026年9月18日講演は監督政策上の視点で新たな法的義務ではない。OCCの2026年4月17日改定モデルリスク指針は生成型・エージェント型AIを明示的に対象外とし、処方的な強制規定ではない。成果と個人への寄与を区別する評価枠組みはBanseogの分析。