なぜ「数字で測れない」で済む仕事と済まない仕事があるのか ── 職種別・フィードバックループの構造分析

関連記事：

第1章：「あの人、何やってるんだろう」

会社で働いていると、ときどきこういう場面に出くわす。

定例会議で報告される「成果」が、よく見ると成果になっていない。「関係は良好です」「認知が上がりました」「エンゲージメントが向上しました」──こうした報告に数字の裏付けがなく、それでも誰も突っ込まないまま会議が終わる。

一方で、数字が合わなければ即座に問題になる仕事もある。処理が1円ズレればアウト。契約条件を見落とせば訴訟リスク。日次で架電数や商談数が可視化され、隠れる場所がない。

この差は何か。個人の能力の問題だろうか。

違うと思う。どの職種にもできる人とできない人がいる。問題は、特定の職種において「スキルのばらつきが拡大しやすく、是正されにくい構造」があるのではないか、ということだ。

結論を先に言えば、「本来測れるはずの指標を測って、PDCAを回す」。言葉にすればシンプルだが、それが構造的にやりにくい環境が生まれやすい職種がある。なぜフィードバックループが成立しにくくなるのか。その構造を5つの条件で説明するのが本記事の主旨だ。

第2章：前提を揃える ── エンジニア・営業・人事・マーケターで何が違うのか

5つの条件の話に入る前に、前提を確認しておきたい。

さまざまな職種について「定量で測れること」「定性でしか測りにくいこと」「本来測れるはずなのに測られていないこと」を整理してみると、意外なことに気づく。成果がきちんと定量で測られている職種のほうが少数派だ。

経理は処理の正確性と締め日遵守で測られる。インサイドセールスは架電数と商談設定数で測られる。フィールドセールスは受注額と達成率で測られる。だがこれらは、成果の定量評価が構造的に組み込まれている例外的な職種だ。

多くの職種には「定量で測れるはずなのに測られていない」領域がある。リリースした機能がどれだけ使われているかを追わないエンジニア組織。制度変更後の離職率やエンゲージメントスコアとの相関を取らない人事。研修の効果を満足度アンケートだけで測り、行動変容を追わない教育担当。

つまり、「雰囲気で回っている部分がある」のは特定の職種だけの話ではない。ただし、その度合いには職種ごとに構造的な差がある。その差を生む条件を整理していくのが本記事の目的だ。

議論を正確にするため、3つの概念も区別しておく。職種は具体的な仕事の名前。エンジニア、採用担当、マーケター。職能はその仕事が果たす機能の分類。開発、販売、管理、企画。業種は事業の種類やビジネスモデル。SIer、SaaS、受託開発、人材。

本記事では「職種」を軸に議論する。ただし、同じ職能の中でも職種によって構造がまったく異なる場合がある。たとえば「人事」という職能の中でも、採用担当と労務担当では構造が全く違う。労務には法令遵守という明確な基準があり、処理の正確性が可視化されやすい。採用にはそれがない。

そしてもう一つ、同じ「マーケター」でもやっている仕事によって構造は大きく異なる。広告運用（運用型広告）はCPA・ROASで日次のフィードバックが回るため、後述する条件2が当てはまりにくい。SNS運用やコンテンツマーケは、施策から成果までのタイムラグが長く、構造がまったく違う。職種名だけで一括りにできない点は、最初に断っておきたい。

第3章：「雰囲気仕事」が温存される5つの構造的条件

特定の職種でスキルのばらつきが拡大しやすい構造を作る条件は5つある。

このフレームワークは二層構造になっている。

残存構造（条件1〜4） ── 入った後にスキルの低い人が淘汰されにくい。フィードバックが曖昧で、失敗が致命的にならず、成果の帰属も不明確なため、パフォーマンスの差が可視化されない。

流入構造（条件5） ── 実務とのミスマッチを起こしやすい人が集まりやすい。華やかなイメージに惹かれて入ってくるが、実際に成果を出すために必要な泥臭い定量作業とのギャップが大きい。

この二層が重なることで、「スキルにばらつきのある人が入りやすく、かつ、ばらつきが是正されないまま残りやすい」構造が生まれる。

条件1：参入障壁が低い

未経験や異動からその職種に就きやすい。特別な資格・免許・体系的な教育課程がなくても「やってみよう」で始められる。

たとえばプログラミングや簿記、法令知識のように、就く前に一定の学習が必要な職種もあれば、人事異動や未経験からでも比較的すぐに就ける職種もある。

参入障壁が低いこと自体は悪いことではない。問題は、入った後のフィードバックが条件2以降で弱くなることだ。

条件2：フィードバックが遅く曖昧

成果が出るまでのタイムラグが長く、かつ、因果関係を外部要因に逃がしやすい。

「数字が出ないのは市場環境のせい」「成果が見えないのは競合のせい」「露出が少ないのはネタがないせい」。こうした説明が構造的に成り立ってしまう職種がある。言い訳の逃げ道が多い。

この条件には学術的な裏付けがある。Hackman & Oldham（1975, 1976）のジョブ特性モデルでは、フィードバック・自律性・スキル多様性・タスク同一性・タスク重要性の5つがモチベーションとパフォーマンスを左右するとされている。特にフィードバックと自律性は、モチベーションポテンシャル（MPS）の計算式の中で掛け算の関係にある。フィードバック（および自律性）がゼロだと、他の特性がどんなに高くてもMPSはゼロになる。

マーケティング領域のデータはこの構造を裏付ける。Ascend2の2024年の調査によると、マーケターの最大の課題は「専門知識の不足」（42%）と「顧客タッチポイントの追跡の困難さ」（41%）。Gartnerの2024年の調査では、83%の企業マーケターがアトリビューション能力の限界が予算配分に影響していると回答。Forresterは、アトリビューション手法が不十分な組織はマーケティング予算の平均26%を効果のないチャネルに浪費しているとしている。

採用領域も同様だ。LinkedInの調査では54%のリクルーターが「Quality of Hire（採用の質）の改善」を最も重要と回答しつつ、QoHは「最も測定が難しい指標の一つ」として広く認識されている。SHRMはQoHを「フラストレーションがたまるほど捉えにくい指標」と表現している。

つまり「測れるはずなのに測っていない」のではなく、「測ること自体に技術的な困難がある」面も確かにある。ただし、ツールの存在にもかかわらず60%がインサイトをアクションに移していない（LeadsRXの統計）というデータは、技術的困難だけでは説明できない。後述する条件との組み合わせで、「測らなくても困らない」構造が成立してしまっている。

条件3：個別の失敗が即座に致命的と認識されにくい

経理が数字を間違えれば決算に影響する。法務が契約を見落とせば訴訟リスクになる。これらは失敗が発生した瞬間に致命的だと認識される。

一方で、個別の失敗が致命傷として認識されるまでに長いタイムラグがある職種もある。失敗が致命傷にならないわけではない。顧客が静かに離れていく、採用したはずの人が半年で辞める、炎上して企業イメージが毀損する──いずれも致命傷になり得る。しかし、それが「あのときの判断が原因だった」と特定されるまでに時間がかかる。じわじわと機会損失として蓄積し、気づいたときには手遅れになっている。そしてその頃には原因の特定も難しくなっている。

このタイムラグが「まあいいか」を許容する構造を作っている。

条件4（補助的）：成果の個人帰属が難しい

チームで動く職種ほど個人の貢献が見えにくい。ある施策が成功したとき、それが誰の判断によるものなのか、タイミングの問題なのか、プロダクト自体の魅力なのかが切り分けにくい。この「成果の分散帰属」が、個人のスキル評価を曖昧にする。

なぜ「補助的」としているかというと、成果の個人帰属が難しい職種は他にもたくさんあるからだ。チーム開発でも個人の貢献は曖昧だし、チームで営業する場合も同様。つまり条件4は特定職種に特異的な問題ではなく、多くの職種に共通する汎用的な課題だ。

ただし、条件2（フィードバックの遅さ）や条件3（失敗の非即時致命性）と組み合わさったとき、個人帰属の曖昧さが「誰の問題かわからないまま放置される」状態を加速させる。単独では効かないが、他の条件と合成されることで雰囲気仕事の温存を強化する要因であるため、補助的条件と位置づけている。

条件5：華やかなイメージと実務の泥臭さにギャップがある

一見キラキラした仕事に見える。SNSでの発信、イベントの企画、メディア対応、人と会う仕事。表に出る仕事で、「やっている感」が出やすい。

しかし実際に成果を出すには、データ分析、ROI計算、指標の設計と運用といった泥臭い定量作業が土台になる。

このギャップは個人の問題ではなく、市場に流通する情報の構造がそうなっている。求人票や採用広報では「クリエイティブ」「人との繋がり」が前面に出やすく、「Excelで数字と向き合う時間が仕事の大半」という実態は見えにくい。結果として、実務とのミスマッチを起こしやすい人が集まりやすく、条件1〜4の構造に守られて在籍し続けやすい。

第4章：採用・マーケ・広報・CS ── 5条件を職種に当てはめてみる

フレームワークだけ提示しても抽象論で終わるので、いくつかの職種を例に、どう当てはまるかを見ていく。

最初に強調しておきたいのは、同じ職種でも組織の設計次第でまったく違う状態になり得るということだ。 以下はあくまで「こういう職種では、こういう条件が揃いやすい傾向がある」という構造の例示であって、その職種に就いている人全員がそうだという話ではない。データドリブンで運用している組織では、以下の例は当てはまらない。組織設計の話は第6章で詳しく触れる。フレームワークの限界と反証は第5章で扱う。

例：5条件が揃いやすい傾向がある職種

採用担当（リクルーター）

参入障壁が低く、採用の成否は入社後数ヶ月〜年単位で判明するためフィードバックが遅い。一人の採用失敗が即座に致命傷と認識されにくく、チーム採用では個人の貢献が見えにくい。判断基準が「カルチャーフィット」のような定義の揺れやすい概念に依存しやすく、スカウトメールの返信率や面接通過率のファネル分析は技術的に可能だが、定性評価が優先されやすい構造がある。入社後パフォーマンスまで追跡する仕組みを持つ組織は少なく、「入社した＝成功」で測定が止まりやすい。Ashbyの2024年のデータ（約1,400万件の求人応募を分析）によると、2021年1月から2024年1月にかけてビジネス職の1求人あたりの応募数は207%増加したが、応募の「質」の測定は追いついていない。量の増加に対して質の測定が構造的に遅れている。本来測れるはずの指標は、応募数、書類通過率、面接通過率、オファー承諾率、採用単価、入社後定着率、入社後パフォーマンスとの相関。

マーケター（SNS運用・コンテンツ・ブランド領域）

未経験から就くケースが多く、施策から成果までのタイムラグが長い。エンゲージメント指標と売上・リード獲得とのアトリビューションが構造的に取りにくく、「ブランド認知の向上」のように定量的な定義なしに目標が設定されやすい。本来測れるはずの指標は、流入数、CVR、CPA、ROAS、リード獲得数、MQL→SQL転換率、施策ごとのROI、チャネル別LTV貢献。

広報担当

メディア掲載が成果指標になりやすいが、その掲載が採用応募や商談にどう影響したかの追跡が構造的に行われにくい。指名検索数の推移という比較的簡単な指標ですら定点観測されていないケースがある。「広報の価値は数字で測れない」という前提が組織内で共有されやすく、測定の試み自体が生まれにくい構造がある。なお、広報効果の測定に関する体系的な業界調査自体が少なく、それ自体がこの構造を裏付けているとも言える。本来測れるはずの指標は、掲載数、リーチ数、指名検索数推移、広報活動と採用応募数・商談数の相関。

カスタマーサクセスマネージャー（CSM）

顧客との関係性が定性的に報告されやすく、ヘルススコアのような定量指標が定義されていない組織が多い。問題がチャーンとして顕在化するまでフィードバックが得られにくい構造がある。CSM Practiceの2020年の調査（約200社の米国SaaS企業）によると、ヘルススコアを維持している企業は46%にとどまる。本来測れるはずの指標は、チャーンレート、NPS、ヘルススコア、エクスパンション率、オンボーディング完了率。

例：5条件がほぼ当てはまりにくい職種

経理担当

数字が合うか合わないか。1円でもズレたらアウト。処理の正確性が即座に検証可能で、締め日という絶対的な期限がある。雰囲気の余地がない。ただし能力差が出る部分はある。経営判断への示唆の質、業務効率化の提案力、税務・会計基準の解釈の深さ。これらは定性的だが、最低限の業務品質が可視化されるため、そこを満たせない人がごまかし続けることは構造的に難しい。

インサイドセールス

架電数、接続率、商談設定数、SQL数。日次で数字が出る。隠れる場所がない。フィードバックループが最も短い職種の一つ。ただし会話の質や顧客課題の把握度は定性に頼る。

フィールドセールス

受注額、達成率、パイプライン。最も残酷に数字で評価される職種の一つ。ただし失注理由の分析精度は放置されがちで、「なぜ負けたか」の振り返りが属人化している組織は多い。

第5章：このフレームワークの限界

フレームワークとして整理した以上、その限界と反証も置いておく必要がある。

学術的な実証はない

第4章で例示した職種のスキルのばらつきが実際に大きいという実証データは確認できていない。 あくまで構造的にそうなりやすい条件の整理であり、業界内の観察に基づく仮説だ。

組織行動論の「ロール・アンビギュイティ（役割の曖昧さ）」研究は、役割が曖昧な職種ほどパフォーマンスが低下する傾向を示している。Tubre & Collins（2000）のメタ分析では、役割曖昧性と職務パフォーマンスの間に負の相関（ρ = −.21）が確認された。Gilboa et al.（2008）のメタ分析でも中程度の負の相関が示されている。ただし、これは「パフォーマンスが下がる」ことを示しているのであって、「スキルの低い人が滞留する」こととは直接同義ではない。

サンプルバイアスの可能性

企業の規模やリソースによっては、これらの職種が「専門職」として採用されておらず、別職種からの異動や兼務で担っているケースが多い。これはスタートアップに限った話ではなく、中小企業でも大企業の一部門でも起きる。専門性が低いのではなく、そもそも専門人材を置く余裕がない、あるいは専門職として位置づけられていない可能性がある。逆に、専門人材を採用し、データドリブンで運用している組織も当然存在する。

「測れば解決する」わけではない

CSのヘルススコアについて、CSM Practiceの調査で興味深いデータがある。ヘルススコアの使用と、アップセル・追加販売からの収益増加との間に明確な相関は確認されなかった。また、ヘルススコアの使用と低チャーン率との間にも直接的な相関は確認されなかった。ただし、5%未満のグロスチャーンレートの企業では、ヘルススコアの維持がより一般的だったという傾向はある。

これは「測定すれば解決する」という本記事の結論に対する反証にもなり得る。測定の設計そのものにコストと副作用があり、測りやすい指標だけを追って本質を見失うリスクもある。

第6章：これは職種の問題ではない ── 組織設計で変わる

第4章と第5章を踏まえると、一つのことが見えてくる。

同じ職種でも、環境次第で雰囲気化もするし、しないこともある。

エンジニアもフィードバックループがない組織では雰囲気仕事になり得る。書いたプログラムが正しく動くかどうかはすぐにわかるため、「コードが動くか」のレイヤーではフィードバックが構造的に速い。プログラミングの学習コストが参入障壁としても機能するため、条件1も当てはまりにくい。しかし、「その機能がユーザーの課題を解決したか」のレイヤーではまったく話が変わる。自分が書いたプログラムの品質を自動チェックする仕組みを作らない、新機能をユーザーに届けるペースを測らない、お互いのプログラムを確認し合う文化が形だけになっている──こうしたケースは珍しくない。「技術的に正しいかどうか」というエンジニア同士でしか評価できない基準だけで仕事が回り、ユーザーへの価値提供が測定されていない組織もある。本来測れるはずの指標は、新機能のリリース頻度、障害発生率、障害からの復旧時間、リリースした機能の利用率。構造的に雰囲気化しにくい職種でも、フィードバックの対象レイヤーが変われば雰囲気化は起きる。

逆にマーケでも、SaaSのグロースチームのようにABテストを高速で回す環境なら雰囲気の入る余地がない。

採用領域で具体的な例がある。Unileverは2016年にHireVueとPymetricsを導入し、採用プロセスにAIを活用したフィードバックループを組み込んだ。ニューロサイエンスベースのゲーミフィケーション評価で認知・感情特性を数値化し、ビデオ面接のAI解析で候補者の適性をスコアリングした。結果として、採用にかかる時間が75%短縮され、採用コストは年間100万ポンド以上削減、多様性のある人材の採用比率が16%向上した。

これは第4章で挙げた採用担当の5条件がほぼすべて当てはまる職種であっても、組織として意図的にフィードバックループを設計すれば構造を変えられることを示している。Unileverの事例はAI活用が前提だが、本質は「入社した＝成功」で止まっていた測定基準を、候補者の特性スコアリングと入社後の追跡まで拡張したことにある。

5条件が揃う職種は構造的に雰囲気化しやすいが、フィードバックループを意図的に設計することで防げる。問題は職種そのものではなく、フィードバックループの有無だ。

第7章：なぜ「測らない」が合理的になるのか

ここまで読むと「じゃあ測ればいいじゃないか」と思うかもしれない。だが、測らないのは怠慢ではなく、個人にとっては合理的な行動でもある。

自分の評価が下がるリスクのある指標を自ら導入する人は普通いない。営業だってエンジニアだって同じだが、それらの職種では組織の仕組みとして測定が強制される。インサイドセールスが架電数を隠すことはできない。フィールドセールスが受注額を報告しないことはできない。

5条件が揃いやすい職種では、この強制力が構造的に弱い。だから個人の合理的な回避行動がそのまま通ってしまう。

たとえば「この仕事の価値は数字で測れない」という言説は、当事者にとって非常に都合がいい。これは当事者が悪いのではなく、そう主張することが個人のインセンティブと合致しているという構造の問題だ。定量指標を毎月レポートさせられたら、成果が出ていないことが可視化されるリスクがある。可視化しないほうが安全。これは合理的な判断だ。どの職種でも、測定を避けられるなら避けたいのが本音だろう。ただ、多くの職種では組織の仕組みがそれを許さない。

だからこそ、個人の意識改革ではなく、組織として意図的にフィードバックループを設計する必要がある。

第8章：AIが「雰囲気仕事」の隠れ場所を消していく

ここで「なぜ今この話をするのか」に触れておきたい。

AIの進化は、この問題に2つの方向から影響を与えつつある。ただし、以下はまだ進行中の変化であり、第2〜7章のような実証データに基づく議論ではない。傾向として捉えてほしい。

隠れ場所が消える

AIの進化によって、これまで測定コストが高かった領域の測定が急速に安く・速くなりつつある。

採用領域では、HireVueのようなAIスクリーニングツールの導入が進んでいる。HireVue社の公表データによると、累計7,000万件以上のビデオインタビューと2億件以上のチャットベースの候補者エンゲージメントを処理しており、AI採用ツールの利用率は2024年の58%から2025年の72%に上昇している。マーケティング領域でも、HubSpotやMarketoのようなMAツールがマルチタッチアトリビューション機能を標準搭載しており、施策ごとのROI分析のハードルは年々下がっている。

さらに注目すべきは、これまで「定性でしか測れない」とされてきた領域に、AIがフィードバックループを直接埋め込み始めていることだ。Gongのような会話インテリジェンスツールは、営業やCSの顧客対話をリアルタイムで録音・解析し、商談の健全性やリスクを自動でスコアリングする。GongのThe State of Revenue AIレポート（2025年12月発表、3,048人のグローバル収益リーダーへの調査と、3,613社・710万件の営業機会データの分析に基づく）によると、AIを収益戦略の中核に据えているチームは勝率を向上させる可能性が65%高く、営業担当者あたりの収益が77%増加している。つまり、条件2（フィードバックの遅さ・曖昧さ）を技術的に解消するツールがすでに実用段階にあり、「測定コストが高いから仕方ない」という前提自体が崩れつつある。

これまでは「測るのが難しいから仕方ない」で済んでいた領域が、「測れるのになぜ測っていないのか」と問われる時代に変わりつつある。条件2（フィードバックの遅さ・曖昧さ）が技術的に解消されていくとき、条件1・3・4・5に守られている時間は思っているより短いかもしれない。

定量指標を回さないポジションから消えていく

もう一つ、より直接的なリスクがある。定量指標に基づくPDCAを回していないポジションは、AIに置き換えられやすい。

たとえばスカウトメールの作成と送信、SNS投稿のスケジューリング、プレスリリースの配信先リスト管理、顧客への定期的なフォローアップ連絡。こうした「作業」は、すでにAIが相当な精度でこなせるようになっている。

こうした作業をこなすことが仕事の中心になっているポジションは、AIに置き換わるリスクが高い。逆に、採用チャネルごとのROIを分析して戦略を設計する、施策の効果を構造的に検証してマーケ予算の最適配分を提案する、ヘルススコアの設計から運用改善までをリードする──こうした「定量指標を設計し、回す側」の仕事はAIに代替されにくい。

つまり、雰囲気仕事は二重の意味で持続不可能になりつつある。隠れ場所が消えて成果が問われるようになると同時に、定量指標を回していないポジション自体がAIに置き換わっていく。5条件に守られてきた構造は、AIによって両側から崩される。

ただし、どの程度のスピードでこの変化が進むかは不確実であり、「すぐに消える」という主張ではない。構造に守られている時間がどれくらい残っているかは、業界・組織規模・職種によって異なるだろう。

この変化の中で、自分の職種がどういう構造にいるのかを理解しておくことには意味があると思う。

第9章：シンプルな結論と、それが難しい理由

ここまで構造を分解してきたが、結論はシンプルだ。本来測れるはずの指標はすでに明確になっている。それを測って、PDCAを回す。

採用担当なら入社後パフォーマンスまで追う。マーケなら施策ごとのROIを出す。広報なら広報活動と採用応募数・商談数の相関を取る。CSならヘルススコアを定義して運用する。

言葉にすればこれだけのことだが、第7章で触れたように、測らないことが個人にとって合理的な環境では、この「これだけのこと」が構造的に実行されにくい。測定設計そのものにもコストと副作用はある。過剰なKPI設定は現場を疲弊させるし、測りやすい指標だけを追って本質を見失うリスクもある。第5章で触れたように、ヘルススコアを導入しても効果が不明確なケースすらある。

それでも、測定しないことの正当化にはならないだろう。測定の粒度と運用方法の設計が難しいのであって、測定しないという判断が正しいわけではない。

結論はシンプルだが、それを実行する構造を作ることは簡単ではない。 5条件が揃う環境では、個人の意識改革では動かない。組織として意図的にフィードバックループを設計する必要がある。

そしてAIは、その設計コストを急速に下げつつある。測定が難しいという前提は、これから先変わっていく。それだけでなく、定量指標を回さずに「作業」だけで成り立っていたポジションは、AIそのものに置き換わっていく可能性がある。構造に守られている時間がどれくらい残っているかは業界や組織によって異なるが、方向としては不可逆だろう。

2026年3月