AI採用完全ガイド——採用工程ごとのAI活用と成功の条件

「AIを採用に使っている」と答える企業は増えています。しかし実態を聞くと、「ChatGPTでJDを書いている」「AIで書類をスクリーニングしているが、精度が怪しい」という声が目立ちます。ツールを入れただけで、採用の結果は何も変わっていない。そういった企業がほとんどです。

エンジニア採用など、まだまだ採用難易度が高い現状の採用市場において、生成AIを使い、有利に採用を進めていくことは、企業としての生産性を左右する大きな変数となりつつあります。

📄 関連記事：エンジニア採用はなぜ難しいのか？市場データと独自調査から見る打ち手【2026年版】

本記事では、採用フローの5つの領域ごとにAIが何をどこまでできるのかを整理し、実際の運用知見をもとに「使えるAI活用」と「まだ人が必要なこと」を解説します。

AI採用が関わる6つの領域

AI採用が関わる領域は、採用フロー全体を通じて大きく6つに分けられます。面接と選考は同じ工程として語られがちですが、AIの使いどころがまったく違うため、分けて扱います。

AIにできることとできないことを整理しておかないと、過大な期待または過小評価のどちらかに陥ります。

① 採用戦略・要件定義のAI活用

採用活動の最上流にあたる「どういう人を採用したいのか？」の採用要件定義フェーズにも、AIは使えます。ただし、このフェーズのAIは「補助」の位置づけです。現場情報や経営目標が入力として必要であり、AIだけで完結する領域ではありません。

ペルソナ設計：採用したい人物像を言語化するプロセスです。「バックエンドエンジニア」という職種名だけでなく、「どのフェーズの会社で何をやってきた人か」「チームとどう関わる人か」まで落とし込む作業を、AIが現場ヒアリングの情報をもとに整理します。

求人要件・求人票の作成：要件定義の抜け漏れチェックや、競合企業の求人との差別化ポイントの整理にAIが活用できます。「必須スキルと歓迎スキルの分類が曖昧」「企業文化の訴求が弱い」といった問題をAIが指摘し、改善の方向を示します。また、差別ポイント、訴求点整理という観点では、自社がベンチマークしたい企業の求人をAIに読み込ませる、事前にAIに知識生成させる等をしながら、いかにして自社の求人を良いものにするか？の軸をAIに事前に提供することが重要だと考えられます。

競合・ブランド分析：採用市場での自社のポジションを整理するGPTsも実務で活用されています。同じ職種で採用競合になる企業の訴求内容と自社の差を分析し、スカウト文面や求人票の方向性を決める材料として使います。

このフェーズで重要なのは、AIへのインプットの質です。現場の採用担当者や面接官が持っている「なぜその人が活躍しているか」という知見を、AIに渡せる形で言語化することが先です。インプットが曖昧だと、AIのアウトプットも曖昧になります。

② 母集団形成のAI活用——スカウトで何が変わるか

現時点でAI活用の効果が最も大きいのは、このフェーズです。候補者の経歴読み込み、マッチング判定、文面生成という一連の作業が最も工数がかかりやすく、かつ繰り返し回数が多く、AIによる自動化の恩恵が最も出やすい領域です。

📄 関連記事：スカウト返信率を上げる！エンジニア採用のスカウト文章構造

スキルマッチ判別の仕組み

スキルマッチ判別とは、候補者の職務経歴書と求人要件を照合し、適合度を評価するプロセスです。人手でやると1人あたり相応の時間がかかる作業が、AIなら数秒で完了します。

重要なのは「何を判定軸にしているか」です。単純なキーワードマッチングでは、「Python経験3年」という要件に対して「Pythonを使った保守業務1年」の候補者を同等に評価してしまいます。意味的な理解が伴っていないと、誤検知が大量に発生し、担当者の確認工数がかえって増えます。

たとえば、候補者の職務経歴書を読み込ませ、「バックエンドエンジニア・テックリードクラス」といった要件と照合する際、単なるスキルリストの一致ではなく、「チームを技術的に牽引した経験があるか」「上流設計の経験があるか」という解釈を含めた評価を行えるようなプロンプトを組みます。プロンプト設計では職種の定義から始め、「テックリードエンジニアとはメンバーマネジメントではなく、技術的にチームを高いレベルで牽引している者を指す」という定義をシステムプロンプトに組み込むことで、あいまいな職種名に引きずられない評価が可能になります。

AI文面生成 × 人の編集のハイブリッド実務

初回スカウト文章生成、1to1文章作成、再送スカウト文章生成、そして再送1to1スカウトメッセージ作成などもAIが非常に得意とする分野です。これらを段階的に使い分けるようなAIを作ることで、過去に送信済みの方へのアプローチ文でも、前回との重複を避けた新鮮な文面を生成できます。

AIが生成した文面をそのまま送信する運用と、人が編集してから送信する運用では、返信率に差が出ます。実務では以下の分担が機能しています。

• AIが担う: 候補者経歴の読み込み、ハイライトの抽出、構成の組み立て、文面ドラフトの生成
• 人が担う: 候補者の経歴を読んで感じた「ユニークな点」の追記、募集背景のニュアンス調整、トーンのチェック

候補者インサイトデータとAIを組み合わせた事例では、返信率が1.4%から7.0%に改善したような実績も世に出てきています（媒体平均2.0%に対して約3.5倍）。ただし汎用ChatGPTをそのまま使うだけでは限定的な改善にとどまることが多く、職種・経歴に合わせた文章構造の設計が返信率向上の鍵です。

③ 書類選考のAI活用

書類選考の自動化は、採用担当者の負担を大きく減らす可能性がありますが、注意すべき点が多い領域でもあります。

書類選考の何をAIが担えるか

AIが最も力を発揮するのは、「明確な要件不適合を自動審査する」工程です。要件に規定されたスキル・経験年数・業務種別を満たしていない場合、デジタルに書類審査し、候補者に伝える、そういったことは今のAIは比較的得意な分野であると思います。

一方で、AIが苦手であり人間と差異がうまれやすいのは、前述のようなデジタルな判断ができない評価業務です。「経験年数は規定より短いが、実績の質が高い」「求める職種ではないが、転用できるスキルがある」「経験がやや分野が違う、この会社のこの部署でやっていたら自社と親和性がありそうだ」といった判断は、候補者の経歴に込められた背景、また人間的な経験からくる判断となっています。人間の知識を棚卸しして、AIに教えることで同じような判断が出来るようにはなりますが、その労力を伴わない限りは、AI化には注意が必要な領域となります。

精度を上げるための運用設計

AIによるスクリーニングの精度は、要件定義の精度に直結します。「コミュニケーション能力が高い人」という要件はAIが評価できません。「クライアントへの提案経験3年以上、かつマルチステークホルダー環境での折衝経験あり」であれば、職務経歴書から判定できます。

実務で有効なのは、AIのスコアリング結果を人が確認するフローを最初から設計しておくことです。「AIが高スコアをつけた人が面接に進んだ後、実際にどうだったか」を蓄積することで、スコアリングの基準を精緻化できます。最初から全自動にしようとすると失敗します。

④ 面接プロセスへのAI活用

AI面接は、採用担当者が立ち会わずに選考を進められる点が最大の特徴です。面接工程での辞退は全選考工程の中でも起きやすく、面接のスピードと質を両立させることが、辞退を防ぐ観点からも重要です。

AI面接の種類

録画選考型（非同期型） 候補者が設問に対して録画で回答し、AIがその内容を分析する形式です。候補者は自分の都合のよい時間に回答できます。企業側は動画を確認するか、AIの分析サマリーで判断します。応募数が多い採用の初期段階に向いています。

リアルタイムAI型 担当者がいない状態で、AIがリアルタイムで質問を投げかけ、回答を聞きながら対話する形式です。回答内容に応じて追加質問を生成するため、インタビューの深さが出ます。中途採用・スキル確認面接向きです。

テキスト面接型 チャット形式で設問に回答する方式です。英語の採用や、通信環境が不安定なケースで活用されます。

AI面接を入れるべきポジション・入れてはいけないポジション

AI面接が向いているポジション:

• 応募数が多い（月10名以上の面接が必要）
• 評価項目が言語化できる（コミュニケーション力・論理的説明力など）
• 全国・海外から応募がある（面接そのものや日程調整の負荷が高い）

AI面接と相性が悪そうなポジション:

• 候補者が少ない希少スキル職（エグゼクティブ・シニアエンジニアなど）
• 文化適合・動機の深さを重視するポジション
• 候補者側がAI面接への抵抗感が強い業界（金融・医療・伝統的な製造業など）

AI面接は「最初の接点を省力化する」ツールです。最終判断の材料としてAI評価だけを使うのは、現時点では設計ミスです。

⑤ 選考プロセス改善のAI活用

AI面接の話は最近よく語られるようになっていますが、その後の「選考」——面接で得た情報を評価し、共有し、次の工程へ引き継ぐ一連の作業——にAIを使う話はあまり語られません。この領域の特徴は、人が面接すること自体は変えずに、記録と引き継ぎだけをAIに任せられる点にあります。面接のやり方を変えずに導入できるため、候補者への影響が小さい状態で始められます。

前提として、面接の録音・録画とその文字起こしを行う場合は、事前に候補者の同意を得ることが必須です。同意のない録音は、企業への信頼を損ないます。

面接内容の分析と評価

面接の音声を文字起こしし、AIに評価観点ごとの整理をさせます。評価観点自体は人間があらかじめ策定し、それをAIに学ばせておくことが前提です。

その雛形に沿って、たとえば、「技術的な深さについて言及された箇所」「マネジメント経験に関する発言」「入社後にやりたいと語ったこと」といった軸で発言を抜き出し、根拠となる発言そのものを添えて、AIとしてはどう評価したかをアウトプットさせるようなことが可能です。

もちろんAIに評価のすべてを依存して選考をすることは望ましくはないと思いますが、事実関係だけをデジタルに判断できるようなケースでは、よりAI活用の効果が出やすいかもしれません。

次の面接官への申し送り

たとえば、一次面接から二次面接へ移るとき、二次面接から最終選考へ移るとき、企業によっては引き継ぎをしているかと思います。採用管理システム（ATS）に入力しているようなケースもあれば、スプレッドシートで整理している企業もあるかと思いますが、その引き継ぎ自体も自動化可能かと思います。

AIに文字起こしを読ませ、たとえば、次の3点を整理させます。

1. 確認できたこと: 一次面接で十分に語られ、これ以上聞く必要がない論点
2. 確認できていないこと: 質問が及ばなかった、あるいは回答が浅かった論点
3. 次に深掘りすべき問い: 2をふまえた具体的な質問案

これによって、二次面接で一次と同じ質問を繰り返さずに済みます。申し送りを丁寧にすることは、業務効率の話であると同時に、候補者の選考体験を高めることにもつながります。

アトラクトストーリーの設計

選考は評価する場であると同時に、自社を知ってもらう場でもあります。候補者が面接で語った関心・課題意識・キャリアの方向性から、「自社のどの魅力を、どの順番で、誰が伝えるべきか」を設計する。これをアトラクトストーリーと呼びます。

AIには、文字起こしを読ませた上で次のような案を出させることも出来ると思います。

• 候補者が繰り返し言及したテーマは何か（技術的挑戦、裁量、事業インパクト、働き方など）
• そのテーマに対して、自社のどの事実が響くか（現に動いているプロジェクト、直近の技術選定、意思決定の速さなど）
• 誰が語ると説得力があるか（CTO、現場のリードエンジニア、同じ経歴を持つメンバーなど）
• 逆に、候補者が懸念しそうな点は何か。それにどう向き合うか

ここで重要なのは、AIが出すのはあくまで下書きだということです。あくまで、面接官が自分の言葉で語り直したときに、はじめてアトラクトになります。AIが削るのは「何を話すか考える時間」であって、「その人に向き合う時間」ではありません。

公開情報から志向性を読み解く——ただし法的な線引きが必要

技術ブログ、登壇資料、SNSでの発信、OSSへの貢献。採用活動では、候補者が自ら公開している情報が豊富にあります。これらをAIに読み込ませ、「何に関心を持ち、何を課題だと考えている方か」を推測させて、アトラクトストーリーの材料にする。こういったことも技術的には可能かと思います。面接という限られた時間では話題に上らなかった関心が、日々の発信に表れていることがあるためです。

ただし、この活用には法令上の明確な制約がありますので注意を払いながら活用をしたいところです。

職業安定法第5条の5および関連指針により、企業が求職者の個人情報を収集できるのは「業務の目的の達成に必要な範囲内」に限られ、かつ原則として本人から直接収集するか、本人の同意を得る必要があります。さらに、人種・民族・社会的身分・門地・本籍・出生地、思想および信条、労働組合への加入状況については、原則として収集してはならないと定められています。SNSの発信に直接それらが含まれることはあまりないかもしれませんが、人事としては注意が必要なものでもあります。

面接官のアサインをAIに提案させる

面接官が誰かによって、候補者が受け取る情報は変わります。日程の都合だけでアサインを決めると、候補者が最も知りたい話を語れる人が、その場にいないことが起こります。

AIに、候補者の経歴・面接での発言と、自社の面接官それぞれの経歴・専門領域・過去に担当した候補者の傾向を突き合わせ、アサイン案を出させます。判断材料として有効なのは次のようなものです。

• 技術領域の重なり: 候補者が深掘りしたい技術に、実際に手を動かしている面接官を当てる
• キャリアパスの近さ: 同じような経歴を歩んだメンバーが語ると、キャリアの見通しが具体的に伝わる
• 共通の接点: 前職が同じ、同じコミュニティで登壇している、共通の知人がいる——こうしたつながりは、初対面の会話の糸口になります

3つ目の「個人的なつながり」は、人の手では見つけにくいものです。誰もが自分の交友関係しか把握していないため、「うちのAさんとこの候補者は同じ勉強会に出ている」といった接点は、社内の誰も気づかないまま埋もれます。社内の公開プロフィールや登壇履歴を横断的に読ませることで、こうした接点を拾い上げられます。

ただし2つ注意があります。ひとつは、つながりの推定に外部の公開情報を使う場合、前項と同じ法的制約がかかること。もうひとつは、個人的なつながりを理由に評価が甘くなることを避ける設計です。知人が面接官に入るなら、評価は別の面接官が担当するか、複数名で行います。つながりはアトラクトのために使い、評価には使いません。

最終的に誰をアサインするかは人が決めます。AIが出せるのは候補と、その理由です。

選考にAIを入れるときの注意点

• 録音・文字起こしには事前同意を得る。 同意の取得は法務・人事の観点でも必須です
• AIの要約を評価そのものにしない。 要約は根拠の提示であり、判断は人が行います
• 文字起こしの精度を過信しない。 専門用語や社名は誤変換されます。重要な発言は原文に当たります
• 候補者の発言記録の取り扱いを定める。 保管期間・アクセス権限・選考終了後の削除方針を、運用開始前に決めます
• 公開情報の収集は業務目的の必要範囲に限る。 職業安定法第5条の5の制約下にあります。思想信条・労働組合活動等は収集しません
• 推測を評価に使わない。 公開情報や個人的なつながりから得た情報は、アトラクトの設計にのみ用い、合否判断からは切り離します

この4つ目以降は、効率の話ではなく、企業としての姿勢の話です。応募してくださった方から見て、自分の情報がどう扱われているかが説明できない状態は、それ自体が信頼を損ないます。

⑥ 内定・入社後のAI活用

このフェーズは現時点でAI活用の余地が最も小さい領域です。内定者との関係構築は人間が担うべき接点であり、AIが担えるのは定型的なオペレーションに限られます。

活用できる場面: - 内定承諾後の書類提出リマインドの自動送信 - 入社前情報（社内ツール・オリエンテーション日程）の案内メール自動化 - 内定者へのフォロー文章の下書き生成

内定者の不安解消や志望度維持には、人が直接関わることが効果的です。「AIに任せればいい」と判断するとフォローの質が下がり、内定辞退につながるリスクがあります。

AIに個人情報を入力してよいのか——セキュリティと法令の線引き

個人情報を含むプロンプトを生成AIに入力することは、法律で禁止されていません。 ただし2つの条件を満たす必要があります。ひとつは、その入力が「特定された利用目的の達成に必要な範囲内」であること。もうひとつは、入力した個人データが機械学習に利用されないことを、サービス提供事業者について確認していることです。

採用でAIを使うということは、職務経歴書という個人データを扱うということです。この論点を曖昧にしたまま導入すると、法令違反と情報漏洩の両方のリスクを抱えます。

個人情報保護委員会が示した2つの注意点

個人情報保護委員会は2023年6月2日、「生成AIサービスの利用に関する注意喚起等について」を公表しました。個人情報取扱事業者に対する注意点は、次の2つです。

1. 生成AIサービスに個人情報を含むプロンプトを入力する場合には、特定された当該個人情報の利用目的を達成するために必要な範囲内であることを十分に確認すること
2. あらかじめ本人の同意を得ることなく個人データを含むプロンプトを入力し、当該個人データがプロンプトに対する応答結果の出力以外の目的で取り扱われる場合、個人情報保護法の規定に違反することとなる可能性がある。そのため、当該生成AIサービスを提供する事業者が、当該個人データを機械学習に利用しないこと等を十分に確認すること

2つ目が実務上の分かれ目です。「AIに入れたら違法」なのではありません。「入れた個人データが、回答を返す以外の目的——たとえば学習——に使われる状態で入れると違法になりうる」のです。裏を返せば、学習に利用されないことが確認できていれば、利用目的の範囲内で使えます。

したがって、導入前に確認すべきは次の3点です。

• 使おうとしているサービスの利用規約・プライバシーポリシーで、入力データが学習に使われるか
• 学習利用を無効にする設定や契約形態（法人向けプラン、API利用など）が用意されているか
• そのサービスのサーバ所在地はどこか（国外にある場合、越境移転の規律が別途かかります。法務確認が必要です）

採用固有の制約——職業安定法

採用の場面では、個人情報保護法に加えて職業安定法がかかります。第5条の5は、求職者等の個人情報を収集・保管・使用するにあたり、業務の目的の達成に必要な範囲内で、目的を明らかにして収集することを求めています。

さらに、平成11年労働省告示第141号の指針は、原則として収集してはならない情報を挙げています。

• 人種、民族、社会的身分、門地、本籍、出生地その他社会的差別の原因となるおそれのある事項
• 思想及び信条
• 労働組合への加入状況

前述したSNS・ブログの読み込みが慎重を要するのは、この3つが発信内容に混ざるためです。AIは渡された情報を区別しません。何を渡すかを設計する段階で、人が線を引く必要があります。

「AIに個人情報を入れてはいけない」と社内規程で決まっている場合

このケースは多くあります。ただ、その前に規程を読み直すことをおすすめします。「生成AIの利用禁止」なのか、「生成AIへの個人情報の入力禁止」なのか。 大半は後者です。そして後者であれば、採用業務でAIを使う余地は十分に残っています。

打ち手は次の4つです。上から順に、着手のしやすさが下がり、効果の範囲が広がります。

打ち手1: 個人情報を渡さずに済む工程から始める

本記事で挙げた6領域のうち、①採用戦略・要件定義は個人情報をほとんど必要としません。ペルソナ設計、求人票の作成、競合の求人分析、面接設問の設計、アトラクトストーリーの型づくり。これらは自社の情報と一般的な市場情報だけで完結します。規程を変えずに、今日から着手できる領域です。

打ち手2: 個人情報をマスキングした上で、AIに渡す

氏名・連絡先・現職の社名・生年月日を伏せ、経歴の構造（職種、年数、担当領域、技術スタック）だけをAIに渡す方法です。スキルマッチ判別の大半は、この情報だけで成立します。

ただし注意が必要です。マスキングしても個人情報でなくなるとは限りません。 「〇〇社の元CTOで、△△というOSSの作者」という記述は、氏名を消しても特定の個人を識別できます。他の情報と容易に照合できる状態であれば、それは依然として個人情報です。どこまで削れば識別できなくなるかは、職種と情報の粒度によって変わります。

打ち手3: 学習に利用されない契約形態に切り替え、規程を改定する

禁止の理由が「入力した情報が学習に使われ、外部に出てしまうから」である場合、学習に利用しない契約形態を選べば、その前提そのものが外れます。禁止は目的ではなく手段だったからです。

汎用APIは使うプランによって、学習をするかどうかが決められています。個人向けは、有料であっても入力内容がモデルの改善に使われる設定が既定になっていることがあります。法人向けプランとAPI利用では、入力データを学習に用いないことが規約や契約で定められています。同じ名前のサービスでも、契約形態が違えば扱いが違います。このあたりは各社明記がされているものですので、利用規約を把握しつつ利用することが推奨されます。

打ち手4: ローカルPCに個人情報をマスキングするシステムを導入、またはローカルPCだけで動かす

自社の環境内で動くモデルを使えば、個人情報が外部に送信されること自体が起きません。金融・医療など、外部送信が原則認められない業界では現実的な選択肢です。

折衷案として、個人情報のマスキング処理だけを手元のモデルで行い、加工後の情報をクラウドのAIに渡す構成もあります。精度を要する生成処理はクラウドの大規模モデルに任せつつ、生の個人情報は外に出さない設計です。

弊社では、機微な情報をマスキングするシステムを独自構築して提供するようなこともしておりますが、そのようなシステムを組んでしまうということも一つかと思います。

AIだけでは成果が出ない理由

PwC Japan「生成AIに関する実態調査2025春」によれば、AIを業務に本格的に組み込んだ企業（成功企業）のうち72%が「期待を上回る成果」を実感しています。一方、組み込んでいない企業では14%に留まります。この差は、AIツールの有無ではなく、業務への組み込み方の差です。

ツールを入れても「プロセスが変わらない」問題

AI採用ツールが成果を出せない最大の原因は、「既存プロセスの上にツールを乗せること」です。採用フローを変えずにAIを追加すると、AIのアウトプットを確認する工数が純粋に増えます。

成果を出している企業が共通してやっていることは、プロセスの順序を変えることです。「スカウト対象リストを人が作ってからAIで文面を生成する」ではなく、「AIがリストと文面を同時に生成し、人は送信前のチェックと微調整だけをする」に変える。この順序の違いが、工数削減率の差を生みます。

PwC調査が示す差

出典: PwC Japan「生成AIに関する実態調査2025春」

注目すべきは「社長直轄」の割合です。成功企業の61%が経営トップが直接推進するのに対し、停滞企業ではわずか8%です。AIの活用範囲を定義する意思決定は、現場担当者には権限がありません。

📄 関連記事：AHRとは？-人とAIの働き方をリデザインする

AI採用の導入ステップ（3段階）

Step1: 一点突破

最初に手をつけるべきは、「工数が多いのに成果が出ていない業務」です。多くの企業では、それはスカウト文面の作成です。AIによる文面生成を試し、ビフォー・アフターの返信率を比較する。このA/Bテストが最初の検証としてやりやすい部分であるかと思います。

一点突破で選ぶ業務の条件は3つです。

1. データが測定できる: 返信率・通過率など、数値で前後を比較できる
2. 繰り返しが多い: 週に何十回も発生する作業であること
3. 失敗してもリカバリーできる: 次の送信で改善できる

Step2: プロセス設計

一点突破で手応えが出たら、採用フロー全体を「AIが動きやすい構造」に変えます。

この段階で整備すべきこと：

• 要件定義の言語化: AIに入力する「求める人物像」を、具体的な経験・スキル・行動特性で定義する
• 評価基準の統一: 複数の担当者が判断する際の基準をそろえる
• データ蓄積の設計: 返信率・通過率・内定承諾率を媒体別・職種別に記録する仕組みを作る

Step3: 検証・改善

AI採用で持続的な効果を出すために必要なのは、「試して、測って、改善する」サイクルです。

実務で効果的なA/Bテストの対象：

• スカウト文面の訴求軸（技術的課題型 vs 事業ビジョン型）
• 文面の長さ（300字 vs 500字）
• 書類選考の判定基準（スコア閾値の変更）

1つの変数を変えるごとに、最低50〜100件のデータが必要です。少なくとも1ヶ月単位で結果を見る計画を立てます。

AI採用にお悩みがあればお気軽にご相談ください

AI採用は、採用工程のどこかを自動化・効率化するための手段です。5つの領域のうち、現時点で最も効果が出やすいのは母集団形成（スカウト）です。ただしツールを入れることで採用が変わるのではなく、プロセスを変えるからこそAIが機能します。株式会社プロリクでは独自AIを用いたAI RPO（採用代行）を提供しています。お気軽にお問い合わせいただけると幸いです。

弊社お問い合わせ窓口

株式会社プロリク | 人とAIの働き方をリデザインする

株式会社プロリクは「人とAIの働き方をリデザインする」AHRカンパニーです。独自開発AIによるエンジニア採用支援で採用を成功に導き、生成AIソリューションで企業の業務自動化までを一気通貫で支援し、人とAIの協働を支援します。

www.prorec.jp

👤

著者について

宮前 貴史（株式会社プロリク ）

大学卒業後、個人事業主として約5年半にわたり、BtoC・BtoB領域で営業から企画・運営までを一気通貫で経験。その後、ベンチャー企業にて採用担当として制度設計に従事し、さらにRPOサービスの立ち上げ責任者として、スカウト業務の仕組み化から実践までを牽引。プロリク参画後は、その豊富な実務経験を活かし、ITエンジニアのスカウト業務を中心に複数クライアントの採用成功を支援している

よくある質問

Q. AI採用ツールを導入するのに、まず何から始めればいいですか？

A:採用工程の中で「最も工数がかかっているが、成果が見えにくい」工程を特定することから始めてください。多くの企業ではスカウト文面の作成がそれに当たります。まずそこにAIを試し、返信率の変化を2〜4週間測定することが最初のステップです。

Q. スカウト文面の生成にAIを使うと、返信率はどのくらい上がりますか？

A:候補者インサイトデータとAIを組み合わせた事例では、返信率が1.4%から7.0%に改善した実績があります（媒体平均2.0%に対して約3.5倍）。ただし汎用ChatGPTをそのまま使うだけでは限定的な改善にとどまることが多いです。

📄 関連記事：スカウト返信率を上げる！エンジニア採用のスカウト文章構造

Q. AI面接は候補者にどう説明すれば受け入れてもらえますか？

A:「選考の一部にAIを活用しています」という開示を選考案内に明記することが前提です。その上で、「AIの結果だけで合否は決まらない」「人間の担当者が最終判断する」ことを伝えると、候補者の不安は下がります。

Q. AI採用ツールを導入すると、採用担当者の仕事はなくなりますか？

A:なくなりません。仕事が変わると考えられます。AI導入後に担当者の仕事として重要性が増すのは、「AIのアウトプットを評価・改善する能力」「候補者との関係構築」「採用戦略の判断」だと考えています。

Q. 書類選考をAIに任せると、良い候補者を不合格にしてしまうリスクはありませんか？

A:あります。特に人間の豊富な経験にもとづく判断をAIは未だ模倣できません。人間が本来合格にする候補者をAIが不合格としてしまう、ということは往々にあると思います。そのため、最初から全自動にするのではなく、「AIが高スコアをつけた候補者を人が確認する」という段階から始めることを推奨します。

Q. AIを導入したのに採用工数が減りません。なぜですか？

A:既存プロセスの上にツールを乗せているためです。採用フローを変えずにAIを追加すると、AIのアウトプットを確認する工数が純粋に増えます。「人がリストを作ってからAIで文面を生成する」のではなく、「AIがリストと文面を同時に生成し、人は送信前のチェックと微調整だけをする」というように、プロセスの順序そのものを変える必要があります。PwC Japan「生成AIに関する実態調査2025春」では、AIを業務に本格的に組み込んだ企業の72%が期待を上回る成果を実感した一方、組み込んでいない企業は14%に留まりました。

Q. 生成AIに候補者の個人情報を入力してもよいのですか？

A:「入れたら違法」ではありません。個人情報保護委員会が2023年6月2日に公表した「生成AIサービスの利用に関する注意喚起等について」は、個人情報を含むプロンプトの入力が利用目的の達成に必要な範囲内であることを十分に確認すること、および本人の同意なく個人データを含むプロンプトを入力し、それが応答結果の出力以外の目的で取り扱われる場合は法違反となる可能性があるため、サービス提供事業者が当該個人データを機械学習に利用しないこと等を十分に確認することを求めています。つまり「学習に使われる状態で入れると違法になりうる」という整理です。採用ではこれに加えて職業安定法第5条の5の制約もかかり、求職者の個人情報の収集は業務の目的の達成に必要な範囲内に限られます。

Q. AI面接と相性が悪いポジションはありますか？

A:3つあります。候補者が少ない希少スキル職（エグゼクティブ・シニアエンジニアなど）、文化適合や動機の深さを重視するポジション、候補者側がAI面接への抵抗感が強い業界（金融・医療・伝統的な製造業など）です。逆に向いているのは、月10名以上の面接が必要なほど応募数が多く、評価項目が言語化でき、全国・海外から応募があるポジションです。AI面接は最初の接点を省力化するツールであり、最終判断をAI評価だけで行うのは設計ミスです。

参考文献、資料

• PwC Japanグループ「生成AIに関する実態調査2025春 5カ国比較」: https://www.pwc.com/jp/ja/knowledge/thoughtleadership/generative-ai-survey2025.html
• 個人情報保護委員会「生成AIサービスの利用に関する注意喚起等について」（令和5年6月2日）: https://www.ppc.go.jp/news/careful_information/230602_AI_utilize_alert/
• 個人情報保護委員会「生成AIサービスの利用に関する注意喚起 －個人情報がAIの学習データとして利用されていませんか？－」（リーフレット）: https://www.ppc.go.jp/files/pdf/generativeAI_notice_leaflet2023.pdf
• 職業安定法（昭和22年法律第141号）第5条の5「求職者等の個人情報の取扱い」: https://laws.e-gov.go.jp/law/322AC0000000141
• 厚生労働省「職業紹介事業者、労働者の募集を行う者、募集受託者、労働者供給事業者などが均等な待遇、労働条件などの明示、求職者等の個人情報の取り扱い、職業紹介事業者の責務、募集内容の的確な表示などに関して適切に対処するための指針」（平成11年労働省告示第141号）: https://www.mhlw.go.jp/general/seido/anteikyoku/haken4/1a.html