人員計画シミュレーションは、事業がどう伸びたときに、いつ、どの職種・等級で何人必要になり、その不足を採用・異動・育成のどれで埋めるかを、前提を変えながら何度でも計算できるようにする取り組みです。結論から言うと、Claude Code を使えば、人事企画や経営企画の担当者が Excel の手作業に頼らずに、前提条件を明文化したシミュレーションモデルを短いサイクルで作り直せます。ただし、結果の確からしさを左右するのは AI ではありません。需要・供給・制約の前提を、自社の実態に合わせてどこまで定義できるかで決まります。
デジライズで企業の Claude Code 導入を支援していると、人員計画は「計算そのもの」より「前提の合意」と「更新の手間」で止まりやすい領域だと感じます。本記事では、成長シナリオ別の要員需要予測、採用リードタイムと育成期間の制約、異動・昇格ルールを反映した配置シミュレーションを Claude Code で組み、複数案の比較と感度分析を経て実行計画に落とし込むまでを、実務の順番で整理します。記事中の数値はすべて説明用の例示で、自社の実績値に置き換える前提です。
この記事で分かること
- 人員計画シミュレーションで定義すべき「需要・供給・制約」の3層と、それぞれの入力データ
- 採用リードタイム・育成期間・異動・昇格ルールを Claude Code でモデルに組み込む手順
- 採用中心案・育成中心案などの複数案を比べる評価軸と、感度分析の進め方
- シミュレーション結果を採用・育成・異動の実行計画に変換する方法
- 人事データを扱う際の権限設計、社内体制、費用の考え方
本記事の結論: 人数を AI に推測させるのではなく、Claude Code に計算ロジックと検証テストを書かせ、前提値は人が決めて記録する。この分担にすると、人員計画シミュレーションを何度でも作り直せる仕組みになります。
人員計画シミュレーションの全体像と前提設計
人員計画が Excel で回らなくなる原因は、前提値がシートに散らばり、シナリオを足すたびにシートを複製し、誰がどの値を変えたのか追えなくなることにあります。結果として「この数字の根拠は何か」に答えにくくなります。
経済産業省は「人材版伊藤レポート2.0」で、経営戦略と連動した人材戦略をどう実践するかを主題に据えています。同じページでは、全項目にチェックリスト的に取り組むことは求めておらず、事業内容や環境によって有効な打ち手は異なると明記されています。2026年3月には内閣官房・金融庁・経済産業省が「人的資本可視化指針(改訂版)」を公表し、人的資本投資・人材戦略を検討する際のフローなどを整理しました。人員計画シミュレーションは、こうした「経営戦略と人材戦略をつなぐ」議論に、数字で答えるための実務の道具だと位置づけるとよいでしょう。
Claude Code で何を作るのか
Claude Code は、コードベースを読み、ファイルを編集し、コマンドを実行するエージェント型のコーディングツールです。ターミナル、IDE、デスクトップアプリ、ブラウザから使えます。人員計画で作るのは、チャットの回答ではありません。次の4つがそろった小さなリポジトリです。
- 前提ファイル: 成長率、生産性、離職率、採用リードタイムなどを1か所にまとめた設定ファイル
- 計算モデル: 需要予測と、在籍人数の流入・流出を月次で追う供給モデル(Python など)
- 検証テスト: 人数の合計が流入・流出と一致するか、マイナスの人数が出ないかを確かめるテスト
- レポート出力: シナリオ別・案別の過不足表とグラフ
要点は、AI に「来年は何人必要か」を推測させないことです。計算ロジックはコードとして書かせて人がレビューし、前提値は人が決めてファイルに残します。こうしておけば、前提を1つ変えたときの影響を誰でも再現できます。
需要・供給・制約の3層で入力を定義する
モデルを作る前に、入力を3層に分けて定義します。ここが曖昧なまま実装に入ると、後で「この人数は需要なのか、供給なのか」が混ざってしまいます。
| 層 | 主な項目 | データの出どころ | 粒度の例 |
|---|---|---|---|
| 需要 | 売上・案件数・顧客数などの事業ドライバ、1人あたり生産性、新規事業の立ち上げ計画 | 経営計画、事業部門の予算 | 部門×職種×四半期 |
| 供給 | 期首在籍数、離職率、定年・休職、異動・昇格の実績 | 人事システムの集計値 | 部門×職種×等級×月 |
| 制約 | 採用リードタイム、育成期間、昇格要件、異動の上限、人件費予算 | 人事制度、採用実績、研修計画 | ルールとして記述 |
需要は「事業部門長が責任を持つ数字」、供給は「人事が責任を持つ数字」、制約は「制度として合意済みのルール」と、オーナーを分けておくと前提の議論が進みやすくなります。
実装は次の5ステップで進めます。各ステップの最初に Claude Code へ「何を作るか」「何を変えてはいけないか」を伝え、差分を確認してから次へ進みます。
1. リポジトリと CLAUDE.md を用意する — 前提値の置き場所、扱ってよいデータ、テストの実行方法を CLAUDE.md に書きます。
2. 前提ファイルを作る — シナリオ別の成長率や制約条件を、コードとは別の設定ファイルにまとめます。
3. 需要モデルを実装する — 事業ドライバと生産性から、部門×職種ごとの必要人数を算出します。
4. 供給・配置モデルを実装する — 離職・採用・異動・昇格の流入と流出を月次で積み上げ、在籍人数を予測します。
5. 検証テストとレポートを整える — 人数の保存則などをテストで確かめ、過不足表を出力します。
CLAUDE.md は、Claude Code が毎セッションの開始時に読み込む指示ファイルです。プロジェクト直下に置いたものはソース管理を通じてチームで共有できます。人員計画では、たとえば次のように書いておきます。
# 人員計画シミュレーション:作業ルール
- 入力は「部門×職種×等級×月」の集計値のみ。氏名・社員番号など個人を特定できる列は扱わない
- 前提値は assumptions/ 配下の設定ファイルにだけ書く。コードに数値を直書きしない
- 計算ロジックを変更したら tests/ を実行し、結果を報告してから次の作業に進む
成長シナリオ別に要員需要を予測する
需要は「事業ドライバ ÷ 1人あたり生産性」を基本形にします。営業職なら担当顧客数、開発職なら案件数や開発規模、サポート職なら問い合わせ件数といった形で、職種ごとにドライバを1〜2個に絞ります。ドライバが多すぎると、前提の合意にも説明にも時間がかかります。
シナリオは「基本」「成長」「抑制」の3本から始めるのが扱いやすいでしょう。シナリオごとに事業ドライバの伸びを変え、生産性は「現状維持」と「業務改善で向上」の2通りを掛け合わせます。シナリオそのものの立て方は、Claude Code でシナリオプランニングを進める方法で詳しく解説しています。
採用リードタイムと育成期間を制約として組み込む
需要予測だけでは「必要な月に人がいる」ことは保証されません。実務で効くのは、採用リードタイムと育成期間を制約としてモデルに入れることです。考え方は単純で、ある月に戦力が必要なら、採用活動の開始は「必要月 − 育成期間 − 採用リードタイム」まで前倒しする必要があります。
前提ファイルの例を示します。値はすべて説明用の仮置きです。
# assumptions/base.yaml(数値は例示。自社の実績に置き換える)
recruiting:
engineer: { lead_time_months: 5, offer_accept_rate: 0.6 }
sales: { lead_time_months: 3, offer_accept_rate: 0.7 }
onboarding:
engineer: { ramp_months: 6, ramp_productivity: 0.5 }
sales: { ramp_months: 4, ramp_productivity: 0.5 }
ramp_productivity は、着任から独り立ちまでの期間を何人分として数えるかの係数です。これを入れると、採用人数の合計は足りていても戦力換算では不足する月が見えるようになります。リードタイムや承諾率は職種・時期で大きく変わるため、過去の採用実績から算出し、根拠をファイルのコメントに残しておくことを勧めます。
異動・昇格ルールを配置シミュレーションに反映する
供給側は、部門×職種×等級を「箱」とみなし、毎月の流入(採用着任・異動受入・昇格)と流出(離職・異動送出・昇格)を積み上げるストック・フロー型で組むと見通しがよくなります。ここに、次のような社内ルールを制約として書き込みます。
- 昇格には、現等級での在籍年数と評価の要件がある
- 1つの部門から同じ四半期に異動で出せる人数には上限がある
- 管理職1人あたりの部下数や、等級構成比に目安がある
ルールを自然言語で Claude Code に伝え、制約チェックの関数として実装させます。そのうえで「どの月の、どの箱で、どのルールに抵触したか」をレポートに出させると、人事制度の担当者がレビューしやすくなります。あわせて「期末人員=期首人員+流入−流出」が全ての箱で成り立つかをテストで確認します。検算をコードで自動化できる点が、手作業の表計算との違いです。
複数案の比較評価・感度分析・実行計画への落とし込み
モデルができたら、同じ需要シナリオに対して「不足をどう埋めるか」の案を複数作り、比べます。人員計画で意思決定が必要になるのは、人数そのものより、この埋め方の選択です。
案の作り方と評価軸
代表的なのは、採用で埋める案、育成・異動で埋める案、両者を組み合わせる案の3つです。各案は前提ファイルの差分として表現し、同じモデルで計算します。
| 評価軸 | 案A:採用中心 | 案B:育成・異動中心 | 案C:組み合わせ |
|---|---|---|---|
| 充足の早さ | 採用リードタイム次第。市場環境の影響を受けやすい | 育成期間の分だけ遅れやすい | 短期は採用、中期は育成で分担 |
| 費用の構造 | 採用費と人件費の増加が先に立つ | 研修費と、育成中の生産性低下 | 両方が発生するが平準化しやすい |
| 実行リスク | 承諾率の低下で計画が崩れやすい | 送出部門の欠員が連鎖しやすい | 調整項目が多く管理負荷が増える |
| 組織への影響 | 新しい知見が入りやすい | 社内のキャリアパスが見えやすい | 双方の効果を狙える |
表は一般的な傾向の整理で、どの案が優れているかは事業の状況によって変わります。評価軸ごとに「月別の過不足人数」「累計の人件費・採用費・研修費」「制約違反の件数」をレポートに出させ、定量で比べられる部分と、議論で判断する部分を分けておくのが実務的です。
前提のなかには、少し動いただけで結論が変わるものと、ほとんど影響しないものがあります。感度分析では、前提を1つずつ上下に振り、過不足人数がどれだけ動くかを見ます。Claude Code には「前提ファイルの各項目を一定幅で振り、影響の大きい順に並べたグラフを出力するスクリプトを作って」と依頼すれば、トルネード図の形で可視化できます。
| 前提項目 | 振れ幅の例 | 見るべき出力 | 影響が大きい場合の打ち手 |
|---|---|---|---|
| 離職率 | 基本値から上下に数ポイント | 年度末の不足人数 | リテンション施策、後継者の育成 |
| 採用リードタイム | 基本値から前後1〜2か月 | 不足が出る月と期間 | 採用開始の前倒し、チャネルの追加 |
| 内定承諾率 | 基本値から上下に1〜2割 | 必要な応募者数・面接数 | 選考体験の改善、母集団形成の強化 |
| 1人あたり生産性 | 基本値から上下に1割 | 必要人数そのもの | 業務改善・自動化の優先度の見直し |
影響の大きい前提ほど、実績を毎月追う対象にします。影響の小さい前提に議論の時間をかけすぎないための判断材料にもなります。
実行計画に変換する
シミュレーションは、実行計画に変わって初めて意味を持ちます。選んだ案の計算結果から、次の3つの計画を自動で書き出させます。
- 採用計画: 職種別の求人開始月、必要な応募者数、面接枠の目安。採用業務そのものの効率化はClaude Code による採用業務の自動化も参考になります。
- 育成計画: 研修の開始月と対象人数、独り立ちまでの期間。育成プログラムの設計はClaude Code を活用した人材育成で扱っています。
- 異動・昇格計画: 四半期ごとの異動枠と昇格候補の人数。個人の選定はモデルの外で、人が判断します。
運用に入ったら、月次で実績値を取り込み、計画との差分レポートを出す仕組みまで作っておきます。Claude Code のスケジュール実行やスキルを使えば、定型の更新手順をチームで共有できます。
企業で使うなら:導入時の注意点と判断材料
人員計画は人事データという機微な情報を扱います。作れるかどうかより、データの扱い・権限・体制を先に決めることが、使い続けられるかを分けます。
人事データの扱いと権限設計
Anthropic のデータ利用に関するドキュメントによると、Team・Enterprise プランや API などの商用利用では、顧客がモデル改善へのデータ提供を選んだ場合を除き、Claude Code に送られたコードやプロンプトを生成モデルの学習には使わないとされています。標準の保持期間は30日で、Claude for Enterprise では条件を満たすアカウントにゼロデータ保持(ZDR)が個別に提供されます。一方、Free・Pro・Max の個人向けプランでは、学習への利用をユーザーが設定で選ぶ仕組みです。業務で使うなら、どの契約形態で使うかを最初に確認してください。
同じドキュメントには、Claude Code のクライアントがセッションの記録を既定で30日間、ローカルにプレーンテキストで保存すると記載されています。人事データを扱う端末の管理ルールとあわせて、保存期間の設定も見直しておくべきです。
権限面では、permissions の設定で allow・ask・deny のルールを定義できます。ルールは deny、ask、allow の順に評価され、Read(./パス) の形で特定ファイルの読み取りを禁止することもできます。注意したいのは、権限ルールはモデルではなく Claude Code 側で強制されるもので、CLAUDE.md の指示では許可範囲は変わらないという点です。「個票は読まないで」と CLAUDE.md に書くだけで済ませず、個票データはリポジトリの外に置き、deny ルールでも読み取りを禁止する二重の対策を取ります。さらに、組織全体に適用する管理ポリシーとしての CLAUDE.mdを情報システム部門が配布する方法もあります。
体制と社内規程
役割は次のように分けるのが現実的です。経営企画がシナリオを、事業部門長が需要ドライバと生産性を、人事企画が供給と制約を持ち、情報システム部門が環境と権限を管理します。社内規程では、AI 利用規程と人事情報の取扱規程の両方に照らし、「集計値のみを扱う」「個人の異動・昇格をモデルで自動決定しない」ことを明文化しておくと、従業員への説明もしやすくなります。個人情報保護法などの法令との関係は、法務部門や専門家に確認してください。
費用の考え方
費用は、ライセンス費用だけでなく、初期構築の工数、前提値を更新する運用工数、担当者の研修をまとめて見積もります。比較の基準は、現在の Excel 運用でシナリオ1本を作り直すのにかかっている工数と、前提の食い違いによる手戻りです。料金はプランや利用量によって変わるため、最新の公式情報で確認してください。
| 確認項目 | 確認する内容 | 主な担当 |
|---|---|---|
| 契約形態 | 商用プランか、学習利用・保持期間の条件 | 情報システム・法務 |
| 入力データ | 個人を特定できる列を除いた集計値になっているか | 人事企画 |
| 権限設定 | 個票フォルダの deny ルール、許可するコマンド | 情報システム |
| 前提のオーナー | 需要・供給・制約ごとの責任者と承認手順 | 経営企画・事業部門 |
| 利用範囲の規程 | 自動決定をしないこと、出力の社内共有範囲 | 人事・法務 |
| 運用サイクル | 実績取り込みの頻度、レビュー会議の設定 | 人事企画 |
Q. プログラミング経験がない人事担当者でも作れますか?
計算ロジックのコード化は Claude Code が担うため、作り始めること自体はできます。ただし、生成されたコードとテスト結果を読んで妥当性を判断できる人が、少なくとも1人は必要です。最初の構築は情報システム部門やデータ分析の担当者と組み、前提ファイルの更新を人事が担う分担にすると定着しやすくなります。
Q. 既存のタレントマネジメントシステムとはどう使い分けますか?
タレントマネジメントシステムは、個人単位の情報の記録や管理に向いています。人員計画シミュレーションは、そこから出した集計値を入力にして、将来の過不足を複数の前提で計算する用途です。データの正本はシステム側に置き、シミュレーションは集計値の受け取り手と位置づけると役割がぶつかりません。
Q. 予測はどの程度当たるものですか?
人員計画シミュレーションは将来を言い当てるためのものではなく、前提が変わったときに何が起きるかを比べるためのものです。精度は事業ドライバの安定性や前提値の質に左右され、条件によって大きく異なります。月次で実績と比べ、ずれの大きい前提から見直す運用が現実的です。
Q. 最初はどの範囲から始めるべきですか?
需要の変動が大きく、採用や育成に時間のかかる職種を1〜2つに絞り、1つの事業部門で始めるのがよいでしょう。前提の合意とレビューの流れを固めてから広げるほうが、手戻りが少なくなります。
まとめ
- 人員計画シミュレーションは、需要・供給・制約の3層で前提を定義し、オーナーを分けることから始める
- Claude Code には計算ロジックと検証テストを書かせ、前提値は人が決めて設定ファイルに残す
- 採用リードタイム、育成期間、異動・昇格ルールを制約として組み込むと、「人数は足りているのに戦力が足りない」月が見える
- 複数案を同じモデルで比べ、感度分析で効く前提を特定し、採用・育成・異動の実行計画に変換する
- 人事データは集計値に限り、deny ルールと社内規程の両方で扱いを固める
次の一手として、まずは1つの職種で前提ファイルの項目を洗い出し、需要・供給・制約のオーナーを決めてみてください。デジライズの Claude Code 法人導入支援では、実務に即したハンズオン研修と、データの扱いや権限設計、業務への組み込みを伴走するコンサルティングの2本柱で、こうした取り組みの立ち上げを支援しています。自社の人員計画にどう適用できるか、まずは無料相談でお気軽にご相談ください。
出典・参考資料
- Claude Code overview(Claude Code Docs)
- How Claude remembers your project(Claude Code Docs)
- Configure permissions(Claude Code Docs)
- Data usage(Claude Code Docs)
- 「人材版伊藤レポート2.0」を取りまとめました(経済産業省)
- 「人的資本可視化指針(改訂版)」の公表について(経済産業省)
関連記事
デジライズの実績は社内集計値です。特に明記のない数値付き事例は、匿名加工された実例をもとにしたモデルケースです。導入効果は企業や業務によって異なります。各サービスの料金・機能・提供条件は記事の公開・更新時点の情報であり、変更されるため、最新情報はAnthropic公式サイトなどの一次情報をご確認ください。



