離職予測モデル、テキスト分析で精度85%達成

社内チャットやメールのテキストデータを分析し、従業員の離職リスクを3ヶ月前に85%の精度で予測する手法が報告された。従来のアンケートベースの離職予測（精度60-70%）を大きく上回る成果である。

研究チームは、従業員3,000名分の社内コミュニケーションデータ（匿名化済み）を2年間追跡。メッセージの感情トーン、応答速度、コミュニケーション頻度の変化パターンを自然言語処理で分析した。特に「ネガティブ感情の段階的増加」「応答遅延の拡大」「特定キーワードの出現頻度」が離職の強い予測因子であることが判明した。

モデルは3ヶ月前の時点で精度85%、1ヶ月前では91%を達成した。重要なのは、従来の人事データ（勤怠・評価・給与）のみのモデル（精度68%）に対し、テキスト特徴量の追加で17ポイントの改善が見られた点である。

人事・組織開発部門への示唆は大きい。離職コストは一般に年収の50-200%とされ、早期介入によるリテンションの経済効果は計り知れない。本手法は特定の個人を「監視」するのではなく、組織全体のエンゲージメント傾向を把握するダッシュボードとしての活用が推奨される。

プライバシーへの配慮は必須である。研究では差分プライバシーを適用し、個人のメッセージ内容を復元不可能な形で特徴量化している。導入企業は従業員への透明性確保と、労使協議を経た運用ルール策定が前提条件となる。