キャリア支援制度の設計方法
逆算でつくる：案件要件→スキル→等級→評価と報酬
SESは「現場で成果を出す＝次のアサインが決まる」構造です。制度は現場要件から逆算して設計するとブレません。まず案件カタログを洗い出し、直近1年で多い要件をタグ化します（例：Java/Spring、TypeScript/React、AWS、要件定義、テスト設計、顧客折衝、セキュリティ基礎）。タグは80〜120個に収め、似た表現を統合します。
スキル定義：レベル0〜4の行動基準
- レベル0：学習中。メンター支援下でタスク遂行
- レベル1：指示ありで安定稼働、基本的なレビュー対応
- レベル2：小規模機能を自走、設計・テスト観点を説明
- レベル3：チームの技術方針に関与、顧客と合意形成
- レベル4：リード/アーキ責任、品質・生産性を仕組み化
技術だけでなく「顧客コミュニケーション」「ドキュメンテーション」「現場適応（勤怠・報連相）」も必ず入れます。現場で信頼を落とす要因は非技術に潜みます。
等級と報酬：役割期待にひも付ける
- L1：ジュニア。実装中心、レビューを受ける側
- L2：スタンダード。小さな機能の設計〜実装を完結
- L3：シニア。2-4名を技術牽引、要件整理に同席
- L4：テックリード。複数チーム横断、開発プロセス改善
- L5：アーキ/PM級。顧客課題の構造化と提案主導
報酬は「単価ベース×役割貢献×社内貢献」で構成します。例：単価のX%を基本、役割達成で+α（L3以上は改善提案・教育で加点）、社内貢献（採用面接、勉強会、ナレッジ投稿）をポイント換算し半期で現金/学習手当に振替。単価変動の波を緩和するために固定昇給テーブルも併設します。
評価：客先×社内×成果物の三面で
- 客先評価（重み40）：継続意向、コミュニケーション、納期遵守
- 社内評価（重み30）：行動期待の体現、チーム貢献
- 成果物レビュー（重み30）：コード/設計/ドキュメントの客観基準
四半期で一次評価、半期で等級判定。客先評価は主観が入りやすいので、質問票は5段階・行動基準つきで統一します。昇格の目安は「主要タグでレベル3が3つ以上＋現場貢献の具体事例2件」など、数字と事例で示すと納得感が出ます。
スキルを見える化し、アサインに直結させる
制度を支えるのはデータ運用です。エンジニアの「スキルボード」と「案件タグ」を同じ語彙で管理し、マッチングを半自動化します。
運用ステップ
- スキルボード整備：各タグ×レベルを自己申告→コード/設計/提案資料など根拠リンクを添付
- ピアレビュー：アサイン先リーダーが半年に1回、2タグ以上を相互査定
- 案件要件のタグ化：営業は受注時にタグとレベルを明記（必須/歓迎/NG）
- アサイン会議：供給（人）×需要（案件）のギャップを毎週可視化、学習で埋められるものはデューデートを明記
KPIは「アサイン決定までのリードタイム」「ベンチ日数中央値」「アサイン満足度（初回1on1で5段階）」を推薦します。ギャップが恒常化するタグは学習プログラム化、需要が消えたタグは縮退。こうしてタグ群を毎期更新すると陳腐化を防げます。
学習とメンタリング：時間・お金・伴走の三点セット
学習は「制度化しないと勝手には進まない」と考えます。おすすめは以下の組み合わせです。
- 学習時間：月1営業日を学習デーに固定、現場と事前合意
- 学習予算：年6万円まで書籍/講座/試験費用補助。使用後は社内LTで共有
- メンター：1対6まで。目標設定（タグ×レベル）と現場課題の壁打ちを月1回
- レビュー文化：社内コードレビュー/設計レビューを週次スロットで恒常化
生成AIの活用も学習効率を高めます。設計アイデアの比較にChatGPTやClaude、要件の曖昧さ洗い出しやテスト観点整理にGemini、実装時の補完やリファクタにCopilot。客先情報はマスキングし、プロンプトは「前提・制約・期待出力」をテンプレ化してナレッジ化。AIレビュー→人レビューの二段で品質を担保します。
評価連動の学習目標は「案件需要×本人志向×事業戦略」の交差点に置きます。例：次期にAWS要件が増えるなら、L2の人が「VPC/EC2/監視」をレベル2→3へ。達成定義はハンズオン成果物と模擬案件の設計ドキュメント提出まで含めると評価がしやすいです。
身近な企業活用例：失敗からの再設計
従業員80名の常駐中心のIT企業。属人的アサインと年功的な昇給で、離職率は12％→18％に悪化。ベンチの平均日数は14日、単価は横ばい。学習は各自任せで、現場の要件変化に追いつけませんでした。
改善では、まず案件要件を棚卸してタグを400→90に統合。スキルボードを全員作成し、ピアレビューを導入。等級L1〜L5を定義し、昇格は「タグ3つのレベル3＋現場貢献2件」を条件化。学習デーを月1日に固定し、メンター1対6、社内レビュー枠を水曜午後にブロック。AI活用はガイドラインを整備し、要件整理と設計レビューでChatGPT/Claude、実装支援でCopilot、比較検討にGeminiを使う流れを標準化しました。
3四半期後、ベンチ日数中央値は14→5日、離職率は18％→9％、平均単価は8％上昇。昇格待機者の不満も面談で可視化され、社内貢献ポイントの付与で採用面接や勉強会運営が活性化。現場からは「期待役割が明確で引き継ぎが楽になった」という声が増え、案件継続率も改善しました。
ポイントは、評価フォーマットとタグ語彙を整え、アサイン・学習・評価が同じ言葉でつながること。仕組みが回り始めれば、制度は「査定のため」ではなく「アサインを強くするため」の道具になります。
運用で磨く：数値と儀式を設定する
制度を形骸化させないコツは、定期的な儀式とダッシュボード運用です。
- 四半期レビュー：全員のスキルボード更新、メンター面談、客先評価の回収
- アサイン会議：毎週、需給ギャップと学習の進捗を確認。高需要タグは社内勉強会を追加
- ダッシュボード：離職率、ベンチ日数、アサイン満足度、平均単価、昇格率を可視化
- ナレッジ：現場で効いた提案書・設計レビュー観点をテンプレ化し、次の現場へ再利用
SES（常駐エンジニア）事業は、案件の質・配分・現場信頼で収益が決まります。キャリア支援制度はその三つをつなぐ土台です。等級・評価・学習・アサインを同じ語彙で結び、現場の変化をダッシュボードで捉えて回し続ける。これが、個人の成長と事業の成長を同時に実現する最短ルートです。
