「先月まで元気だったのに、なぜ？」──地方中小企業に共通する退職の衝撃

「辞表を出されるまで、まったく気づかなかった」──こうした声を、地方の中小企業経営者からよく聞きます。採用に半年・教育に1年をかけた人材が、ある日突然「一身上の都合」で去っていく。その痛みは、都市部の大企業とは比べものにならないほど深刻です。

厚生労働省の「令和5年上半期雇用動向調査」によると、全産業の離職率は8.8%（上半期）。しかし従業員30人未満の小規模事業所に限ると、この数値はさらに高くなる傾向があります。地方では採用母数そのものが少ないため、1人の離職が組織に与えるダメージは都市部の数倍にも上ります。

この記事では、すでに手元にある「日報」「勤務時間データ」「有給取得記録」という3種類のデータをAIに読み込ませ、離職予兆AI検知の仕組みを低コストで構築する方法を具体的に解説します。

なぜ経営者は離職を事前に察知できないのか

「相談できる空気がない」という構造問題

中小企業における離職は、大企業と異なる特有のパターンがあります。社員数が少ない分、経営者との距離は近い。しかしその「近さ」が逆に機能し、「社長に直接言ったら気まずい」「自分が辞めたら迷惑をかける」という心理が働きます。結果として不満が内側に蓄積し、転職先が決まった段階で初めて表面化する──これが典型的なパターンです。

感情は隠せても、データは正直に変化する

人は表情や言葉で感情を隠すことができます。しかし行動パターンは、意識しないうちに変化します。具体的には以下のようなシグナルが、退職の2〜3ヶ月前から現れることが多いと言われています。

  • 勤務時間が急に短縮される、または逆に極端な残業が続く
  • 日報の文章量が減り、定型的な表現だけになる
  • 有給休暇を細切れに取り始める（面接への外出）
  • これまで出ていた社内勉強会や会議への参加が減る
  • 新規プロジェクトへの提案・関与が急に止まる

これらは一つひとつは「たまたま」で片付けられますが、複数のシグナルが重なると退職確率が跳ね上がります。AIはこの「重なり」を人間より早く、感情抜きで検出できます。

離職予兆AI検知に使う3つのデータソース

①勤務時間データ（タイムカード・打刻システム）

多くの中小企業がすでにクラウド勤怠管理システム（freee人事労務、KING OF TIME、ジョブカンなど）を導入しています。ここから取得できるCSVデータには、出退勤時刻・残業時間・遅刻早退の頻度が記録されています。これを月次・週次でAIに分析させると、個人ごとの「通常パターンからの乖離度」を数値化できます。

②日報・週報テキスト（感情・エンゲージメント変化）

日報や週報は、社員の内面状態を映す鏡です。テキストマイニングの観点では、以下の変化が離職予兆と相関するとされています。

  • 一人称（「私は〜したい」）の減少
  • ポジティブワード（「面白い」「挑戦」「改善」）の減少
  • 文章の短文化・箇条書き化の進行
  • 「疲れた」「しんどい」「限界」などのネガティブワードの出現頻度増加

ChatGPTやClaude等の生成AIは、このようなテキスト感情分析を追加のツール不要で実行できます。

③有給取得パターン（転職活動の行動ログ）

有給休暇を「月曜・金曜に単発で取る」パターンが増えた場合、転職面接に外出している可能性が高まります。特に、これまで有給をほとんど取得しなかった社員が突然取得し始めた場合は要注意のシグナルです。勤怠データと照合することで、このパターン変化を自動検出できます。

実践：ChatGPTで離職予兆スコアを出す方法

ステップ1：データを整形してCSVにまとめる

以下の項目を1社員1行で整理したCSVを作成します。個人情報保護の観点から、氏名ではなく「社員ID」で管理することを推奨します。

  • 社員ID・所属部署・在籍年数
  • 直近3ヶ月の平均残業時間と前四半期比の増減率
  • 直近3ヶ月の有給取得回数と前年同期比
  • 日報提出率と平均文字数の前月比変化
  • 社内イベント・会議への参加率

ステップ2：ChatGPTにプロンプトで分析させる

整形したCSVをChatGPTのコードインタープリター（Advanced Data Analysis）に貼り付け、以下のようなプロンプトを送ります。

  • 「各社員の離職リスクを0〜100でスコアリングし、高リスク順に並べてください」
  • 「スコア70以上の社員について、どのデータ項目が主因かを説明してください」
  • 「過去3ヶ月でスコアが最も急上昇した社員を特定してください」

ステップ3：スコアに応じた対話アクションを設計する

AIが出したスコアはあくまで「対話のきっかけ」です。高スコアの社員に対しては、以下のアクションを段階的に実施します。

  • スコア50〜69：直属上司による月1回の1on1面談を設定
  • スコア70〜84：経営者または人事担当者による直接面談（2週間以内）
  • スコア85以上：即座に非公式の対話の場を設け、本音ヒアリングを実施

なお、AI採用ミス可視化：中小企業の離職率が高い本当の理由でも触れているように、離職問題の根本には採用段階のミスマッチが潜んでいることが多くあります。予兆検知と並行して、採用基準の見直しも検討することを推奨します。

地方中小企業が注意すべき「AI活用の倫理的配慮」

監視ではなく「ケア」のためのデータ活用を

離職予兆AIの導入で最も気をつけるべきは、「社員を監視している」という印象を与えないことです。経済産業省が公開している「AI活用に関するガイドライン」でも、AIによる人事データ活用には透明性と説明責任が求められると明記されています。

具体的には以下の原則を守ることが重要です。

  • データ収集の目的と範囲を就業規則または社内規程に明記する
  • 分析結果を「処罰」ではなく「支援」のために使用する
  • AIスコアだけで人事判断を行わず、必ず人間の対話を介在させる
  • 個人データの管理責任者を明確にし、外部漏洩防止策を講じる

「なぜ辞めたいのか」に答える組織づくりが本質

AIは予兆を検知できますが、退職の根本原因を解決するのは人間です。総務省の「令和5年版情報通信白書」では、地方企業における人材確保の課題として「給与水準」だけでなく「成長機会の欠如」「孤立感」が上位に挙げられています。AIが拾ったシグナルをもとに、経営者が直接「あなたの成長をどう支援できるか」を問いかける──その対話こそが、最終的な離職防止につながります。

月3時間の運用で回せる「離職予兆モニタリング」の実務設計

「AIと言われてもITに詳しくない」という経営者の方でも、以下のルーティンであれば無理なく継続できます。

  • 毎月末（30分）：勤怠CSVをエクスポートし、ChatGPTで月次スコアを更新
  • 毎週月曜（15分）：日報テキストをコピーしてAIに感情スコアを出力させる
  • 高リスク者発生時（60分/人）：1on1面談を設定し、対話内容をAIで要約・記録

また、ChatGPTで議事録・報告書・稟議書を10分で作成する方法を活用すれば、面談後の記録作成も大幅に効率化できます。1on1の音声メモをそのままAIに渡し、「課題・感情・次回アクション」の3点セットで議事録を自動生成する運用が、時間の少ない経営者には特に有効です。

まとめ：優秀人材を守ることが、地方中小企業の最大の競争優位

都市部との賃金格差・採用難が続く地方の中小企業にとって、「今いる優秀な人材を守ること」は新規採用よりもはるかにコスト効率の高い経営戦略です。1人の中核人材の離職コストは、年収の1〜2倍相当（採用・引き継ぎ・戦力化コスト含む）になるとも言われます。

日報・勤務データ・有給パターンという、すでに手元にあるデータを活用した離職予兆AI検知は、特別なシステム投資なしに今月から始められます。大切なのは、AIが出したスコアを「管理の道具」としてではなく、「対話のきっかけ」として使う姿勢です。

データが変化を教えてくれる。でも、人の心を動かせるのは、最後は経営者自身の言葉だけです。AIを賢く使いながら、その本質を忘れないでいただければと思います。