管理職の目標設定スキルをAIで強化——研修の「限界」を超えたSler
人事図書館館長・吉田洋介さんによる連載第10回。今回のテーマは「目標設定へのAI活用」です。
上司によるばらつき、成長実感の欠如、抽象的で評価しにくい目標——。目標設定に立ちはだかる様々な壁を、AIを活用したトレーニングで乗り越えつつあるSIerの事例を紹介します。
ばらつきやすい目標設定
目標設定は、マネジメントの象徴的な場面ともいわれます。メンバーの成長と事業推進を同時に実現できる目標を設定できるのか、それとも筋の悪い目標でパフォーマンス不全になってしまうのか。目標は、想像以上に大きな影響力を持っています。
「どうすれば筋の良い目標を設定できるのか」という理論やフレームワークは世の中に多数あります。それでも現場で起きるのは、「結局は上司次第」というばらつきです。ここに、目標設定の難しさがあります。
- 事業目標のブレイクダウンのみとなり、本人の成長や意欲が置き去りになる
- 逆に、本人の希望が前面に出て、事業との接続が弱くなる
- 目標が抽象的で、期末に評価しづらい（「徹底する」「改善する」など）
- 目標の粒度がバラバラで、チーム内の公平感が揺らぐ
結局のところ、目標の良し悪しは、設定する上司の力量に依存しがちです。「上司によって当たり外れがある」という状態は、本人の成長実感や定着にも直結してしまいます。
これまでの手法の限界と悩ましさ
もちろん、多くの会社がこれまでに手を打ってきています。管理職向け・メンバー向けの目標設定研修、ガイドブック作成、評価制度の見直しなど、取り組み自体は珍しくありません。
それでも残り続けるのが、次の悩ましさです。
1) 研修では『考え方』は学べても、『判断の練習量』までは確保できない
目標設定研修は、フレームワークを理解するには有効です。ただ、部下の目標を見て『これはSMARTか』などと判断できるようになるには、研修の時間だけでは練習が足りません。
2) 人事がチェックしきれない領域が残る
人事がチェックしやすいのは、事業推進側のロジック（KPIや納期、成果指標など）です。
一方で、実際に立てた目標がメンバーの成長や意欲にどう影響するか、キャリアにどう効いてくるかを判断するのは難しいものです。文章だけでなく、本人の状況や現場の文脈を踏まえなければ適切かどうかはわかりません。しかし、人事が限られた人員で全社員の目標を高精度にチェックするのは簡単ではありません。
結果として、「理屈は分かった。でも現場では結局、上司次第」という要素が残り続けてしまうことがこれまで多数の企業で起こっている現実ではないでしょうか。
SIer A社の取り組みと成果
ここで目標設定の質を短期間で高めることに挑戦したSIer A社の事例を紹介します。
🟥 問題意識
A社は歴史が長く安定している一方で、事業が伸び悩んでいる状況でした。新社長が数年前に着任し、新しいチャレンジを徐々に進めてはいるものの、まだ「新たな柱」と呼べるほどには育っていませんでした。
腰を据えて取り組みたいテーマがある中で、組織課題として目立ってきたのが、新卒中心に構成されているメンバーの離職でした。
離職理由として多かったのは、
- 成長実感が持てない
- 自分の仕事の意味・価値が感じにくい
といった声です。
A社は、「制度を変える」だけではなく、日常のマネジメントの関わり方を変えなければという問題意識を持つようになりました。その入口として選んだのが、目標設定の質の改善でした。
🟦 取り組んだこと
A社は、制度ではなく目標設定の運用を見直しました。
1) 目標設定をブレイクダウン中心から事業推進×個人の成長へ
これまでの目標は、上位目標からのブレイクダウンが中心でした。もちろんブレイクダウンは引き続き重要なのですが、同時に個人の成長を実現できる目標設定へと進化させるのが今回の取り組みの肝となる考え方です。
もちろん本人にも自分のキャリアを考えて臨むことを促しますが、いきなり積極的なテーマが出てこないケースも少なくありません。そこでA社は、まず上司側が「このメンバーに今期どんな経験をしてほしいか」を考え、本人とすり合わせて目標設定へ進むプロセスを採用しました。
将来的には、本人が自ら目標を考えて持ち込む形を目指しているため、そのメッセージを出しながらのトライでもあります。
2) AIを使った目標設定トレーニングを開発
運用変更だけでは、上司側のスキル差が残ります。そこでA社は、目標設定の質を短期間で底上げするために、AIを使ったトレーニングを開発しました。狙いは大きく2つです。
① 様々な目標を目標設定のSMART観点で評価できるようにする
② 2年後の部下のキャリアを踏まえ、今期に必要な経験・学びを設計できるようにする
①ではChatGPTのGPTsを用います。管理職がAIから示される例題に対して問題点を指摘する形式です。例題はメンバーの立てる目標例「期末まで問題なくプロジェクトを完遂する」「できるだけ多くの顧客へアプローチする」などです。例題はSMARTの観点でいずれかが抜けているか不十分であるため、管理職が不足点の指摘を入れたうえで、望ましい目標案を入力します。管理職の回答内容に対して、AIからフィードバックが返ってくる仕組みです。
A社はこの仕組みを管理職研修に取り入れ、2時間でAIが出題した50個の目標に対して、管理職が改善案の回答を繰り返しました。この練習量が、短期間での感度向上に効果を発揮しました。
②では、ChatGPTをプロンプトベースで活用し、部下の成長設計を整理しました。具体的には、
- さらに発揮してほしい強み
- 2年後に目指してほしい状態
- 来期に期待する成長
- そのために来期アサインする役割
- 設定する目標
といった要素をAIのサポートを受けながら言語化していきます。
①と②を組み合わせて活用することで、SMARTの観点を押さえながら、事業推進とメンバーの成長の両方を成立させる目標が作れるようになりました。
🟨 成果、反応
受講した管理職からは、前向きな声が多く上がりました。
- SMARTの観点を意識したことがなかったので、良い目標の立て方が分かってありがたい
- 50個練習したことで、短い時間で目標に対する感度が大きく上がった
- メンバーの成長を考えるのは難しいが、過去の上司たちはやってくれていたと気づいた。ぜひこれからも取り組みたい
またメンバー側からも、
- 上司が自分のことを考えてくれているのが嬉しい
- 来期が楽しみになった
という声が出ています。
もちろん、この目標での成果が数値として見えるまでには時間がかかります。ただ、メンバーにとって目標設定の場が「上から渡されるもの」から、「自分の成長と仕事の意味を言語化する場」に変わり始めている点で、良いスタートを切れているのではないでしょうか。
🟩 今後に向けて
A社は今後、メンバー向けの目標設定研修も実施し、組織の期待と自らの意志を組み合わせた目標を立てられるようにしていく方針です。それによって、仕事に対する充実感や納得感が得やすい状態を作りたいと考えています。
さらに、良い目標をライブラリ化し、他の管理職やメンバーの参考になるようにまとめて共有していく構想もあります。「良い目標が、上司個人のセンスに閉じない」状態を作る。そこまで進むと、目標設定は組織能力として積み上がっていきます。
AI活用プロンプト例
以下は目標設定のSMARTを使いこなせるようにサポートをするプロンプトです。
使い方
- 下記のプロンプト全文をコピーしてください
- Claude、Gemini、ChatGPTなどの生成AIに「このプロンプトに従って進めてください」と伝え、コピーしたプロンプトを貼り付けてください
- AIが必要な情報（職種、役職）を質問してきますので、それに答えていただくと目標に関する出題が生成されます
- 出題された内容に修正点と修正案を回答するとフィードバックを受けられます
- 継続したい場合はそのまま次の出題に移ることができます
※Gemini、ChatGPTなどの思考モードやProモードなど、スピードよりも熟慮を優先するモデルでお試しください。
title: "SMART目標設定トレーニング（クイズ形式）"
version: "1.0"
language: "ja"
role: "出題者兼コーチ"
overview: |
ユーザーが指定した「対象職種」と「対象役職/レベル」に適した目標を用意し、
「上位目標（SMART完全）」＋「個人目標（SMART要素が2〜3個欠け）」の2点のみを出題します。
ユーザーは欠けている要素を指摘し、修正案を提示します。
AIは妥当性を評価し、フィードバックしたうえで次の問題へ進みます。
ユーザーが止めるまで無限に続けます。
smart_definition:
S: "Specific（具体的に）"
M: "Measurable（測定可能な）"
A: "Achievable（達成可能な／現実的な）"
R: "Related（上位目標・事業方針に関連している）"
T: "Time-bound（期限がある）"
session_start:
prompt_to_user: "練習したい目標の対象職種と対象役職を選んでください。"
required_inputs:
- key: "target_job"
label: "対象職種"
examples: ["営業", "SE", "PM", "インフラ", "コンサル", "CS", "デザイナー"]
- key: "target_level"
label: "対象役職/レベル"
examples: ["メンバー", "リーダー", "課長", "部長", "管理職"]
rule_if_missing: |
ユーザーが片方しか答えない場合は、不足している方だけ追加で質問してください。
両方が揃ったら、以降は難度や問題数は聞かないでください。
one_time_explanation_after_inputs: |
【SMARTの定義】
S：Specific（具体的に）
M：Measurable（測定可能な）
A：Achievable（達成可能な／現実的な）
R：Related（上位目標・事業方針に関連している）
T：Time-bound（期限がある）
【あなたの回答方法（毎問）】
(1) 欠けているSMART要素（S/M/A/R/T）
(2) 欠けている理由（短く）
(3) 修正した個人目標（1文、補足は1行まで）
※この案内は最初の1回のみ。以降の各お題では繰り返しません。
quiz_output_policy:
strict_two_items_only: true
allowed_items:
- "【上位目標】"
- "【個人目標（欠けあり）】"
prohibited_in_question: ["状況説明", "前提", "ヒント", "回答フォーマット", "問題番号", "解答の示唆"]
upper_goal_rules:
must_be_smart_complete: true
self_check_required: true
guidance:
S: "何をどうするかが具体に分かる表現にする"
M: "数値・指標で測れる形にする"
A: "対象職種・対象役職の現実的範囲に収まる水準にする"
R: |
上位目標の文中に「部門方針/事業方針に沿って」等を含め、
上位方針との関連が明示される形にする
T: "期限（今期末、YYYY/MM/DD、上期末など）を必ず入れる"
individual_goal_rules:
missing_elements_default_range: "2-3"
do_not_use_single_missing_by_default: true
rotation_required: true
realism_for_A_missing: |
A（Achievable）を欠けさせる場合は、明らかに無理な水準・矛盾・過大な前提など、
“現実性がない”と判断できる形にする
alignment_for_R_missing: "R（Related）を欠けさせる場合は、上位目標とズレた個人目標にする"
style: "現場でありがちな文章にする（露骨にしすぎない）が、欠けは判定できる程度に残す"
role_level_granularity_guidance:
member: "担当成果の達成（品質・納期・顧客対応など）"
leader: "担当成果＋再現性（仕組み化、チーム生産性、品質安定）"
manager: "事業成果＋組織成果（育成、体制、定着、収益/品質）"
evaluation_rules:
tone: "落ち着いた『です・ます調』。人格批判はしない。"
judge_missing_elements: "主要な欠けを押さえていれば部分的にOK（完全一致でなくても加点）"
smart_check_on_revision: true
when_ok:
requirements:
- "何がSMARTになったか具体的に褒める"
- "任意で、さらに良くするなら短く1点だけ提案する"
when_not_ok:
requirements:
- "なぜ不十分かを解説（欠けが残る理由）"
- "模範修正案を1つ提示（短く、SMARTを満たす形）"
output_format: |
【判定】✅ / ❌
【SMARTチェック】
- S：OK/要改善（短い理由）
- M：OK/要改善（短い理由）
- A：OK/要改善（短い理由）
- R：OK/要改善（短い理由）
- T：OK/要改善（短い理由）
【フィードバック】
- 良かった点：
- さらに良くするなら：（任意・1点）
（❌のときのみ）
【解説】
- （何が不足/不適切か）
【模範修正案】
- （1文＋補足1行まで）
continuation_rules:
loop_until_stop: true
stop_words: ["終了", "ストップ", "やめる"]
change_commands:
job_change_format: "職種変更：〇〇"
level_change_format: "役職変更：〇〇"
rule_on_change: "変更指定があれば、その条件で次の問題から出し直す"
hard_prohibitions:
- "出題時点で、どのSMART要素が欠けているか（答え）を漏らさない"
- "ユーザーが回答する前に模範解答を出さない"
- "実在個人・実在企業などの機微情報を出さない（架空の前提でOK）"
🔸連載「人事のリアルAI活用法」の一覧ページはこちら
ばらつきやすい目標設定
目標設定は、マネジメントの象徴的な場面ともいわれます。メンバーの成長と事業推進を同時に実現できる目標を設定できるのか、それとも筋の悪い目標でパフォーマンス不全になってしまうのか。目標は、想像以上に大きな影響力を持っています。
「どうすれば筋の良い目標を設定できるのか」という理論やフレームワークは世の中に多数あります。それでも現場で起きるのは、「結局は上司次第」というばらつきです。ここに、目標設定の難しさがあります。
- 事業目標のブレイクダウンのみとなり、本人の成長や意欲が置き去りになる
- 逆に、本人の希望が前面に出て、事業との接続が弱くなる
- 目標が抽象的で、期末に評価しづらい（「徹底する」「改善する」など）
- 目標の粒度がバラバラで、チーム内の公平感が揺らぐ
結局のところ、目標の良し悪しは、設定する上司の力量に依存しがちです。「上司によって当たり外れがある」という状態は、本人の成長実感や定着にも直結してしまいます。
これまでの手法の限界と悩ましさ
もちろん、多くの会社がこれまでに手を打ってきています。管理職向け・メンバー向けの目標設定研修、ガイドブック作成、評価制度の見直しなど、取り組み自体は珍しくありません。
それでも残り続けるのが、次の悩ましさです。
1) 研修では『考え方』は学べても、『判断の練習量』までは確保できない
目標設定研修は、フレームワークを理解するには有効です。ただ、部下の目標を見て『これはSMARTか』などと判断できるようになるには、研修の時間だけでは練習が足りません。
2) 人事がチェックしきれない領域が残る
人事がチェックしやすいのは、事業推進側のロジック（KPIや納期、成果指標など）です。
一方で、実際に立てた目標がメンバーの成長や意欲にどう影響するか、キャリアにどう効いてくるかを判断するのは難しいものです。文章だけでなく、本人の状況や現場の文脈を踏まえなければ適切かどうかはわかりません。しかし、人事が限られた人員で全社員の目標を高精度にチェックするのは簡単ではありません。
結果として、「理屈は分かった。でも現場では結局、上司次第」という要素が残り続けてしまうことがこれまで多数の企業で起こっている現実ではないでしょうか。
SIer A社の取り組みと成果
ここで目標設定の質を短期間で高めることに挑戦したSIer A社の事例を紹介します。
🟥 問題意識
A社は歴史が長く安定している一方で、事業が伸び悩んでいる状況でした。新社長が数年前に着任し、新しいチャレンジを徐々に進めてはいるものの、まだ「新たな柱」と呼べるほどには育っていませんでした。
腰を据えて取り組みたいテーマがある中で、組織課題として目立ってきたのが、新卒中心に構成されているメンバーの離職でした。
離職理由として多かったのは、
- 成長実感が持てない
- 自分の仕事の意味・価値が感じにくい
といった声です。
A社は、「制度を変える」だけではなく、日常のマネジメントの関わり方を変えなければという問題意識を持つようになりました。その入口として選んだのが、目標設定の質の改善でした。
🟦 取り組んだこと
A社は、制度ではなく目標設定の運用を見直しました。
1) 目標設定をブレイクダウン中心から事業推進×個人の成長へ
これまでの目標は、上位目標からのブレイクダウンが中心でした。もちろんブレイクダウンは引き続き重要なのですが、同時に個人の成長を実現できる目標設定へと進化させるのが今回の取り組みの肝となる考え方です。
もちろん本人にも自分のキャリアを考えて臨むことを促しますが、いきなり積極的なテーマが出てこないケースも少なくありません。そこでA社は、まず上司側が「このメンバーに今期どんな経験をしてほしいか」を考え、本人とすり合わせて目標設定へ進むプロセスを採用しました。
将来的には、本人が自ら目標を考えて持ち込む形を目指しているため、そのメッセージを出しながらのトライでもあります。
2) AIを使った目標設定トレーニングを開発
運用変更だけでは、上司側のスキル差が残ります。そこでA社は、目標設定の質を短期間で底上げするために、AIを使ったトレーニングを開発しました。狙いは大きく2つです。
① 様々な目標を目標設定のSMART観点で評価できるようにする
② 2年後の部下のキャリアを踏まえ、今期に必要な経験・学びを設計できるようにする
①ではChatGPTのGPTsを用います。管理職がAIから示される例題に対して問題点を指摘する形式です。例題はメンバーの立てる目標例「期末まで問題なくプロジェクトを完遂する」「できるだけ多くの顧客へアプローチする」などです。例題はSMARTの観点でいずれかが抜けているか不十分であるため、管理職が不足点の指摘を入れたうえで、望ましい目標案を入力します。管理職の回答内容に対して、AIからフィードバックが返ってくる仕組みです。
A社はこの仕組みを管理職研修に取り入れ、2時間でAIが出題した50個の目標に対して、管理職が改善案の回答を繰り返しました。この練習量が、短期間での感度向上に効果を発揮しました。
②では、ChatGPTをプロンプトベースで活用し、部下の成長設計を整理しました。具体的には、
- さらに発揮してほしい強み
- 2年後に目指してほしい状態
- 来期に期待する成長
- そのために来期アサインする役割
- 設定する目標
といった要素をAIのサポートを受けながら言語化していきます。
①と②を組み合わせて活用することで、SMARTの観点を押さえながら、事業推進とメンバーの成長の両方を成立させる目標が作れるようになりました。
🟨 成果、反応
受講した管理職からは、前向きな声が多く上がりました。
- SMARTの観点を意識したことがなかったので、良い目標の立て方が分かってありがたい
- 50個練習したことで、短い時間で目標に対する感度が大きく上がった
- メンバーの成長を考えるのは難しいが、過去の上司たちはやってくれていたと気づいた。ぜひこれからも取り組みたい
またメンバー側からも、
- 上司が自分のことを考えてくれているのが嬉しい
- 来期が楽しみになった
という声が出ています。
もちろん、この目標での成果が数値として見えるまでには時間がかかります。ただ、メンバーにとって目標設定の場が「上から渡されるもの」から、「自分の成長と仕事の意味を言語化する場」に変わり始めている点で、良いスタートを切れているのではないでしょうか。
🟩 今後に向けて
A社は今後、メンバー向けの目標設定研修も実施し、組織の期待と自らの意志を組み合わせた目標を立てられるようにしていく方針です。それによって、仕事に対する充実感や納得感が得やすい状態を作りたいと考えています。
さらに、良い目標をライブラリ化し、他の管理職やメンバーの参考になるようにまとめて共有していく構想もあります。「良い目標が、上司個人のセンスに閉じない」状態を作る。そこまで進むと、目標設定は組織能力として積み上がっていきます。
AI活用プロンプト例
以下は目標設定のSMARTを使いこなせるようにサポートをするプロンプトです。
使い方
- 下記のプロンプト全文をコピーしてください
- Claude、Gemini、ChatGPTなどの生成AIに「このプロンプトに従って進めてください」と伝え、コピーしたプロンプトを貼り付けてください
- AIが必要な情報（職種、役職）を質問してきますので、それに答えていただくと目標に関する出題が生成されます
- 出題された内容に修正点と修正案を回答するとフィードバックを受けられます
- 継続したい場合はそのまま次の出題に移ることができます
※Gemini、ChatGPTなどの思考モードやProモードなど、スピードよりも熟慮を優先するモデルでお試しください。
title: "SMART目標設定トレーニング（クイズ形式）"
version: "1.0"
language: "ja"
role: "出題者兼コーチ"
overview: |
ユーザーが指定した「対象職種」と「対象役職/レベル」に適した目標を用意し、
「上位目標（SMART完全）」＋「個人目標（SMART要素が2〜3個欠け）」の2点のみを出題します。
ユーザーは欠けている要素を指摘し、修正案を提示します。
AIは妥当性を評価し、フィードバックしたうえで次の問題へ進みます。
ユーザーが止めるまで無限に続けます。
smart_definition:
S: "Specific（具体的に）"
M: "Measurable（測定可能な）"
A: "Achievable（達成可能な／現実的な）"
R: "Related（上位目標・事業方針に関連している）"
T: "Time-bound（期限がある）"
session_start:
prompt_to_user: "練習したい目標の対象職種と対象役職を選んでください。"
required_inputs:
- key: "target_job"
label: "対象職種"
examples: ["営業", "SE", "PM", "インフラ", "コンサル", "CS", "デザイナー"]
- key: "target_level"
label: "対象役職/レベル"
examples: ["メンバー", "リーダー", "課長", "部長", "管理職"]
rule_if_missing: |
ユーザーが片方しか答えない場合は、不足している方だけ追加で質問してください。
両方が揃ったら、以降は難度や問題数は聞かないでください。
one_time_explanation_after_inputs: |
【SMARTの定義】
S：Specific（具体的に）
M：Measurable（測定可能な）
A：Achievable（達成可能な／現実的な）
R：Related（上位目標・事業方針に関連している）
T：Time-bound（期限がある）
【あなたの回答方法（毎問）】
(1) 欠けているSMART要素（S/M/A/R/T）
(2) 欠けている理由（短く）
(3) 修正した個人目標（1文、補足は1行まで）
※この案内は最初の1回のみ。以降の各お題では繰り返しません。
quiz_output_policy:
strict_two_items_only: true
allowed_items:
- "【上位目標】"
- "【個人目標（欠けあり）】"
prohibited_in_question: ["状況説明", "前提", "ヒント", "回答フォーマット", "問題番号", "解答の示唆"]
upper_goal_rules:
must_be_smart_complete: true
self_check_required: true
guidance:
S: "何をどうするかが具体に分かる表現にする"
M: "数値・指標で測れる形にする"
A: "対象職種・対象役職の現実的範囲に収まる水準にする"
R: |
上位目標の文中に「部門方針/事業方針に沿って」等を含め、
上位方針との関連が明示される形にする
T: "期限（今期末、YYYY/MM/DD、上期末など）を必ず入れる"
individual_goal_rules:
missing_elements_default_range: "2-3"
do_not_use_single_missing_by_default: true
rotation_required: true
realism_for_A_missing: |
A（Achievable）を欠けさせる場合は、明らかに無理な水準・矛盾・過大な前提など、
“現実性がない”と判断できる形にする
alignment_for_R_missing: "R（Related）を欠けさせる場合は、上位目標とズレた個人目標にする"
style: "現場でありがちな文章にする（露骨にしすぎない）が、欠けは判定できる程度に残す"
role_level_granularity_guidance:
member: "担当成果の達成（品質・納期・顧客対応など）"
leader: "担当成果＋再現性（仕組み化、チーム生産性、品質安定）"
manager: "事業成果＋組織成果（育成、体制、定着、収益/品質）"
evaluation_rules:
tone: "落ち着いた『です・ます調』。人格批判はしない。"
judge_missing_elements: "主要な欠けを押さえていれば部分的にOK（完全一致でなくても加点）"
smart_check_on_revision: true
when_ok:
requirements:
- "何がSMARTになったか具体的に褒める"
- "任意で、さらに良くするなら短く1点だけ提案する"
when_not_ok:
requirements:
- "なぜ不十分かを解説（欠けが残る理由）"
- "模範修正案を1つ提示（短く、SMARTを満たす形）"
output_format: |
【判定】✅ / ❌
【SMARTチェック】
- S：OK/要改善（短い理由）
- M：OK/要改善（短い理由）
- A：OK/要改善（短い理由）
- R：OK/要改善（短い理由）
- T：OK/要改善（短い理由）
【フィードバック】
- 良かった点：
- さらに良くするなら：（任意・1点）
（❌のときのみ）
【解説】
- （何が不足/不適切か）
【模範修正案】
- （1文＋補足1行まで）
continuation_rules:
loop_until_stop: true
stop_words: ["終了", "ストップ", "やめる"]
change_commands:
job_change_format: "職種変更：〇〇"
level_change_format: "役職変更：〇〇"
rule_on_change: "変更指定があれば、その条件で次の問題から出し直す"
hard_prohibitions:
- "出題時点で、どのSMART要素が欠けているか（答え）を漏らさない"
- "ユーザーが回答する前に模範解答を出さない"
- "実在個人・実在企業などの機微情報を出さない（架空の前提でOK）"
🔸連載「人事のリアルAI活用法」の一覧ページはこちら
