Investigation of Expressiveness Performance of Large Language Models for HRM Simulations

企業活動のように効率的な成果が求められる環境では、最適な人員配置を実現することが望ましい。理想的なシナリオは、異なるタイプの個人がチーム全体のパフォーマンスにどのような影響を与えるかの予測に基づいて、採用計画や組織設計を行うことである。本研究では、「組織適応タイプ」と呼ばれるパーソナリティフレームワークに基づく人材マネジメント（HRM）シミュレーションに、大規模言語モデル（LLM）を活用することを提案する。本論文では、LLMが各タイプの行動特性を正確に再現する能力を評価し、LLMエージェントを用いて多様な個人間の複雑なインタラクションをシミュレートするための基盤を検証する。具体的には、組織適応タイプを設定したLLMを用いて職務経歴書（レジュメ）を生成し、各レジュメがどのタイプによって生成されたかを分類する評価実験を実施した。その結果、分類精度はLLM-as-a-judgeによる評価環境では0.813、被験者による評価環境では0.419であった。結果から、LLMによる評価はすべての組織適応タイプにわたって一貫した精度を示した一方、人間による評価では同質性バイアスが見られた。このことは、LLMがHRMシミュレーションにおける無意識のバイアスを効果的に低減できる可能性を示唆している。

論文を開く

発表者

藤井敦寛
禰宜田一雅
増田佳祐
宇野渉
仲間大輔

出典

Third Workshop on Human-Centered Evaluation and Auditing of Language Models: AI Agents-in-the-Loop in ACM CHI Conference on Human Factors in Computing Systems (CHI 2026)