AIはどこで使えるのか｜採用業務のAI活用（第2部）

この記事は、シリーズ「採用業務のAI活用」（全8部）の第2部です。各部の一覧はシリーズの目次にあります。内容は、HRdevが採用支援の実務で培った知見をもとにした使い方の例です。

採用の目的は、事業の目標を達成するために必要な人を迎え入れることです。そのために、会社の在り方を市場と候補者に伝え、ともに事業をつくる人を動かしていきます。

その仕事を支える作業の多くは、目的と相手に合わせて情報を翻訳することで成り立っています。たとえば、次のような作業です。

• ヒアリングの内容を求人票にまとめる

• 求人票を媒体の形式に合わせて再構成する

• 候補者の職務経歴を読み、スカウトの対象かどうかを判定する

• 判定をもとにスカウト文を作成する

こうした翻訳にAIの支援を受けると、品質を保ったまま作業を速く進めることができます。そのぶん人は、会社の在り方をどう伝えるかという本題に時間を使えるようになります。

1. このシリーズの読み手と使うツール

このシリーズの読み手、使うツール、扱わない範囲は次のとおりです。説明にはスプレッドシートを使います（理由は5章）。

2. AIに任せられる作業の条件

入力となる材料がそろっていて、出力の形が決まっている作業は、AIに任せられます。誰を採用するか、誰を選考で通過させるかは、初めは人が決定します。人の確認を減らしていく手順は第4部6章と第8部2章で、送信・判断・評価をAIに任せる前に確かめることは第6部6章で扱います。

図1　採用の12の作業とAIの使いどころ

各作業の枠の色が、AIにどこまで任せられるかを表しています（凡例は図の下）。求人票づくりやスカウトの実行部分は任せられますが、採用したい人の条件と検索条件を決める作業は人に残ります。この2つは誰を迎え入れるかを決める作業で、採用全体の成果を最も大きく左右します。

ここで言う翻訳とは、手元にある情報を入力として、目的と相手に合った形の出力をつくることです。たとえば、ヒアリングのメモから求人票をつくり、職務経歴からA・B・Cの判定（Aはぜひ送りたい、Bは送る、Cは送らない）を出力します。

逆に、材料が手元になく、これから決めるもの、たとえば誰を採用するのかや、どんな条件で候補者を探すのかは、AIに渡せません。AIを入れるほど、人の仕事は、何を決めるかと、決めた判断の基準をAIが読める文章に書き起こすことが中心になります。

複数社のエンジニア採用を並行して支援してきたHRdevの経験では、求人票の作成からスカウトの送付、選考の振り返りまでを限られた人員で担う場合、翻訳にあたる部分をAIに任せ、人は生成結果の判断とそれに基づく修正に時間を使う分担が有効でした。

3. AIの3つの使い方（作成・判定・整理）

AIの使い方は、作成・判定・整理の3つに分かれます。タイプごとに、確認の仕方も人の担当範囲も違います。

図2　3つのタイプと担当の分かれ方

タイプごとに確認の仕方が違います。作成タイプでは材料にない事実が混ざっていないかを中心に確認し、判定タイプでは人の判定と見比べて一致している割合を出し、整理タイプでは分類の誤りを原文で確かめ、数える作業は関数へ任せます。

作成タイプ（文章や分析結果をつくる）

作成タイプでは、材料を読ませ、人が読む文章や分析結果をAIに作ってもらいます。求人票、スカウト文、候補者への返信メールのほか、選考データの分析結果をまとめることや、記録から課題を抽出することもこれにあたります。文章には唯一の正解がないため、機械的に丸つけができません。人は、材料に書いていない経験や制度をAIが書き足していないかを中心に確認します。

判定タイプ（仕分ける）

判定タイプでは、候補者をルールに当てはめてAIに仕分けてもらいます。書類の合否、応募済みの方との重複、スカウトを送るかどうかがこれにあたります。答えが決まった選択肢に収まるため、人が手で判定した結果と見比べれば、一致している割合を計算できます。成り立つ条件は1つだけで、判断のルールを人が文章で書き切っていることです。

「経験のある方をいい感じに選んでおいて」とだけ伝えて候補者を仕分けさせると、AIは一般的な採用の感覚で判断し、自社の基準とは違う結果を返します。「該当する領域の開発経験が通算3年未満の方は見送り」のように条件を文章で渡すと、AIはその条件に沿って仕分けます。

整理タイプ（まとめる）

整理タイプでは、散らばった情報をAIに1か所へ集めて整えてもらいます。面接メモの整理、候補者リストの作成、分析に使う選考データの整形がこれにあたります。人は、抜けや重複、分類の誤りを原文と照らして確認します。件数、比率、通過率といった数字は、使うモデルによってはAIが適切に計算できないため、関数で計算するか、関数の値と照らして確認します。

4. 採用の12の作業ごとのAIと人の分担

12の作業のうち7つはAIに任せられます。3つはAIに任せたうえで、AIの出力を人がレビューします。採用要件のヒアリングと検索条件づくりの2つは、人が中心に担当します。

採用の流れを12の作業に分け、AIに任せられるかどうかを3つの観点で整理しました。判断の幅が狭いこと、同じ作業の繰り返しが多いこと、答えが合っているかを後から確かめられること。この3つがそろうほど、任せやすくなります。

1番のヒアリングと4番の検索条件づくりは、AIに任せにくい作業です。どちらも材料が手元になく、事業側と採用側で話しながら中身が決まっていくためです。この2つで決めた「誰を採用したいのか」「誰に声をかけるのか」を前提に求人票もスカウトも選考も進むため、採用の成果はこの2つに最も大きく左右されます。

スカウトを例にとると、自社の魅力が候補者に伝わることを大前提としたうえで（第5部1章）、送り手が設計できる要素は、影響の大きい順に、誰に送るかの設定、文面の作り方、送るタイミングと並びます。いちばん影響の大きい「誰に送るか」は、4番の検索条件づくりで決まります。

2番以降でAIを使って空いた時間は、求人票の本数やスカウトの送信数を増やすのではなく、1番と4番に使います。空いた時間を作業の量に回すと、条件が絞られないまま、届ける数だけが増えます。

5. 人・AI・スプレッドシートの役割分担

どの業務も、人・AI・スプレッドシートの3要素に分解し、何を人が決め、何をAIに任せ、何をシートに記録するかという役割分担を決定してから始めます。こうしておくと、AIの答えが外れたときに、人が書いた判定のルール、AIに渡した職務経歴などの材料、AIの答えのどこに原因があるかを切り分けられます。

図3　人・AI・スプレッドシートの役割分担

AIが書く列と人が決める列を分けておけば、2つが食い違った行を関数で抜き出すことができます。人はその行を重点的に読み返します。ルールは、現場の担当者も読み書きできるシートの中に置きます。

スプレッドシートを使う理由

この設計を支えるツールとして、このシリーズではスプレッドシートを使います。Google Workspaceを利用している企業では、スプレッドシートを追加の契約なしで使うことができます。使う前に、閲覧と編集の権限、変更履歴の扱いを社内の基準に合わせておきます。AIを毎週の業務で使い続けるには、次の3つの条件が必要です。

この3つを満たせるなら、Notionをはじめとしたドキュメントツールやデータベースでも、内容はそのまま当てはまります。読み替えるときは、本文の「列」を「項目」、「タブ」を「設定の保存場所」と置き換えてください。

AIの答えと人の判断を別の列に分ける管理シート

AIに作業を渡す前に、スプレッドシートの列を決定します。1行が1人の候補者、または1つの求人に対応する形にします。列は、AIに渡す材料が入る列、AIが答えを書く列、人が最終的に決める列の3つを軸に分けます。これに、行を指す目印の列、送信日などの実績の列、関数で計算する列を加えた6種類が、このシリーズで使う列の種類です。

AIが書く列と、人が決める列を同じ列にしないでください。人が直接上書きすると、AIが何と書いたかが消えてしまいます。そうなると、AIの答えと人の修正を見比べることも、指示を修正したときに改善されたかを確かめることもできず、改善のサイクルが止まってしまいます。

行を指すときは、行番号ではなくID列を使ってください。行番号を前提に作った処理は、誰かが一度並べ替えた時点で、別の候補者のセルに書き込みます。

スカウトの管理シートの例です。

記入例（架空）

AIの判定は「要確認」、AIの判定理由は「事実：職務経歴に、必須条件の経験年数の記載がない。ほかの必須条件の記載はある。解釈：経験年数は未確認。記載がないことを理由に見送りにはしないが、必須条件の経験年数で判断がつかなかった」、最終判定は「B（面談で年数を確認する前提で送る）」。AIの答えの列はそのまま残します。

指示の原本（プロンプト）をどこに置くか

判定のルールやスカウト文の指示は、シートの中のタブに書きます。プログラムのコードやAIツールの設定画面を原本にしないでください。AIツールの指示に写して使う場合も、原本はシートに置き、シートを直したら写し直す手順を決定しておきます。

判定や文章づくりのルールはスプレッドシートのタブに置き、担当者が修正すれば次の実行から反映される形にしておきます。ただし、評価の水準や必須条件を変えるときは、現場の責任者と合意してから反映します。ルールを変えたときは、変えた人、承認した人、適用日を記録します。

AIの答えを誰がどこまで確認するか

人の確認結果は、「最終判定」や「送る本文」といった人の決定の列に残します。AIの答えを全部読んで直す運用は、件数が増えると続きません。判定タイプであれば、運用の初めは全件を人が判定します。人が判定した件数と、AIの判定の誤りの割合が、あらかじめ決めた基準を満たし、採用の責任者が承認したあとは、一部を抜き出して人が判定し（基準の決め方は第4部6章）、AIの判定と食い違った行を重点的に読み返します。

「人が決める」の人の担当は、次のとおりです。

6. 進め方Aと進め方Bの選び方

図4　進め方Aから始めて一部の作業を進め方Bへ移す流れ

件数が増えて全部を読み切れなくなった作業だけを、進め方Bへ移します。候補者に送る文面は、どちらの進め方でも送る前に人が確認します。

進め方A（スプレッドシートとGemini）

1件ずつ確かめながら進めたい場合

スプレッドシートのAI関数と、Geminiのスキルを使います。AI関数は、行ごとに同じ作業を繰り返すものに向きます。書類の判定、短い文面の下書き、キーワードの抜き出しがこの範囲です。

Geminiのスキルは、1件ずつ丁寧に作るもの、たとえば求人票の元になる原稿や長文のスカウトに向きます。毎回同じ指示文を貼り直す手間がなくなり、担当者が変わっても同じ基準の出力が得られます。

Geminiで指示を保存する機能は、これまでGemsとして提供されてきましたが、スキルへ置き換わります。切り替えの時期と、使うときの注意点は次のとおりです。

スキルは、Geminiのサイドバーにある「カスタマイズ」から「スキル」の画面を開いて作成します。作成するときは、名前、どの場面で使うかの説明、Geminiに守らせる手順の3つを入力します。「Geminiで作成」を選び、会話しながら作成することもできます。チャットの入力欄で「/」を入力すると、作成したスキルを選んで呼び出すことができます。

進め方B（Claude CodeとCodex）

件数が多く、手順の決まった作業をまとめて任せたい場合

Claude CodeやCodex（パソコン上のファイルやスプレッドシートの操作から資料の作成まで、手順ごとまとめて任せられるAIエージェント。第1部4章）からスプレッドシートを読み書きし、数百行をまとめて処理します。手順を文章で書いて保存しておけば、同じ作業を毎回同じ手順で再現できます。

Claude CodeやCodexからスプレッドシートを読み書きするには、Googleスプレッドシートにつなぐ設定が別に必要です。主な方法は2つあります。1つは、AIツールと外部のサービスをつなぐ共通の仕組み（MCP）に対応したGoogleスプレッドシート用の接続ツールを追加する方法です。もう1つは、Google Cloudのプロジェクトでスプレッドシートを操作するAPI（Sheets API）を有効にし、クレデンシャルを自動で読み込むGoogle Cloudの仕組み（ADC）で自分のアカウントにスプレッドシートの操作を許可する方法です。会社のGoogle Workspaceでは、どちらも管理者の許可が要ることがあります。設定は社内のエンジニアや情報システムの担当者と進め、接続ツールは提供元を確認したうえで、社内で利用が認められたものを使ってください。

進め方Aとの違いは確認の仕方にあります。AIの答えをシートに書き込む前に、使ってはいけない言葉、文字数の超過、必須の項目の空欄を機械的に確認し、通ったものだけを書き込めます。

どちらを選ぶかは、同じ作業を月に何回繰り返すかと、答えの間違いに誰が気づくかで決まります（図4）。月に数百件を処理して全部は読めないのであれば、形式の確認を機械的に済ませる仕組みが要り、そこが進め方Bへ移る境目になります。

第3部以降は、2つのやり方を各作業のなかで併記します。

この章のまとめ

まずはスプレッドシートのAI関数とGeminiのスキルから始めます。件数が増えて全部を読めなくなった作業だけ、Claude CodeやCodexへ移します。

シリーズ「採用業務のAI活用」の構成

• 第1部　AIを使い始める前に

• 第2部　AIはどこで使えるのか（この記事）

• 第3部　求人票づくりのどこをAIに任せるか

• 第4部　スカウトを送る相手の選び方

• 第5部　スカウトの文面と送付回数

• 第6部　候補者対応と個人情報の線引き

• 第7部　選考データの分析

• 第8部　導入の進め方と課題の記録