採用のAI活用はどこから始める？工程別の使い方とツールの選び方

「採用にAIが使えると聞くけれど、結局どこで何ができるのかがわからない」
「ツールを比較する前に、自社のどの工程に入れるべきかを先に決めたい」

このようにお考えの採用担当者の方は多いのではないでしょうか。

採用のAI活用とは、採用計画の立案から求人票の作成、候補者探索、書類選考、面接、内定者フォロー、採用データの分析までを、生成AIや音声認識などの技術で支援する取り組みを指します。人手不足で採用工数だけが増えていく一方、採用担当者は簡単には増員できません。だからこそ、限られた工程に絞ってAIを入れる判断が求められています。

この記事では、採用フローを上流から順に辿りながら、工程ごとに「AIで何ができるか」「どんな種類のツールがあるか」「人は何を持つべきか」を整理します。自社が詰まっている工程を見つけ、そこだけに着手するための地図としてお役立てください。

目次

採用のAI活用とは？採用フロー全体の活用マップ

個別の工程に入る前に、採用フロー全体のどこにAIが入る余地があるのかを俯瞰しておきましょう。全体像を持たずにツールを比較すると、詰まっていない工程に投資してしまいます。

採用のAI活用が指す範囲

採用のAI活用とは、採用業務の判断・優先順位付け・自動化をAIが支援する仕組み全般を指します。求人要件の言語化、応募書類の解析、面接の記録と要約、日程調整、採用データの集計まで、対象は採用フローのほぼ全域に及びます。

ここで押さえておきたいのは、AIが担うのは「作業」であって「決定」ではないという点です。求人媒体そのものや人材紹介サービスは、AI活用の話とは別のレイヤーにあります。あくまで自社の採用業務のうち、繰り返し発生する処理と文章生成をAIに寄せる取り組みだと捉えてください。

もう一点、AI面接とAI活用は同じものではありません。AI面接は採用のAI活用のうち面接工程だけを担う一手段であり、その前後には別の工程が並んでいます。AI面接そのものの仕組みはAIが面接官を務める選考の基本で整理していますので、必要に応じて参照してみてください。

採用フローの七工程とAI活用マップ

採用フローを七つの工程に分けると、AIに任せられる範囲と人が持つべき判断が整理しやすくなります。以下の表が、この記事全体の見取り図です。

工程	AIでできること	ツールの種類	人が持つ判断	着手しやすさ
1. 採用計画・要件定義	要件の言語化、必須と歓迎の切り分け、必要人数の逆算	汎用の生成AI、採用管理システム	現場実態との照合、優先順位	高
2. 求人票・求人原稿	下書き作成、複数案の出し分け、表現の改善	汎用の生成AI、原稿生成機能付きの採用管理システム	法令に触れる表現の確認、事実確認	最も高い
3. ソーシング・スカウト	候補者の抽出、スカウト文の個別化	人材データベース型サービス、汎用の生成AI	送信対象の妥当性、個人情報の扱い	中
4. 応募受付・日程調整	自動応答、問い合わせ対応、面接日程の自動確定	会話型AI、採用管理システムの自動応答機能	例外対応、条件交渉	高い
5. 書類選考	経歴の解析、要件との照合、優先順位付け	書類判定機能付きの採用管理システム	合否の決定、ボーダー層の確認	中
6. 面接・適性検査	一次面接の実施、文字起こし、要約、評価の補助	対話型AI面接、録画面接、AI搭載の適性検査	最終判断、見極めと動機づけ	中
7. 内定者フォロー・分析	文面作成、質問対応、歩留まりの集計と分析	採用管理システムの分析機能、汎用の生成AI	関係構築、施策の意思決定	中

この表の「着手しやすさ」は、誤りが起きても人が確認しやすく、効果を時間で測りやすいかどうかで判断しています。

表を眺めるとわかるとおり、AIが担えるのは主に「文章をつくる」「対象を絞る」「記録して整理する」の3種類です。裏を返せば、判断そのものはどの工程でも人の側に残ります。ここを取り違えて工程全体を任せようとすると、確認の手間が増えて期待した効果は得られません。次章以降、それぞれの工程を順に見ていきましょう。

AI活用が最も進んでいるのは文章を作る工程

企業全体で見ると、業務で生成AIを活用している企業は34.5%でした。ここには「非常に活用している」4.4%と「やや活用している」30.2%が含まれます。規模別では大企業46.5%、中小企業32.4%、小規模企業28.0%と、18.5ポイントの開きがありました。

用途で最も多かったのは「文章の作成・要約・校正」で45.1%です。次いで情報収集21.8%、企画立案時のアイデア出し11.0%と続きます。つまり現時点のAI活用は、文章を書く仕事にほぼ集中していると言えるでしょう。

採用業務には、求人票、スカウト文、選考案内、面接記録と、文章を扱う作業が数多く含まれます。採用が「AIの効果が出やすい業務」の条件を満たしているのは、この構造が理由です。

参考：生成AIに関する企業の動向調査（2026年3月・帝国データバンク）

全工程に一度に入れると効果が出ない

先に読み方の注意をひとつ挙げておきます。この記事の七工程すべてに、いま同時にAIを入れる必要はありません。

従業員500名以上の企業を対象にした調査では、採用AIの導入率は58.3%に達していました。ところが導入した企業のうち53.3%が「工数が変わらない、もしくは増えた」と回答しています。背景として、AIと人の役割分担が不明確な企業が67.9%、投資対効果を定量的に把握していない企業が51.3%という結果も示されました。なお、この調査は採用支援サービスを提供する事業者によるものである点は踏まえておきたいところです。

ツールを導入することと、工程の回し方を変えることは別の話になります。以降の章は通読する必要はなく、自社が詰まっている工程だけを選んで読み進めていただくのが実践的です。

参考：AIネイティブ採用調査2026（TalentX）

工程1：採用計画と採用要件の定義でのAI活用

採用フローの起点は、誰を採るのかを決める工程です。ここが曖昧なままだと、以降のすべての工程で判断がぶれます。逆にここを固めておけば、求人原稿も面接の評価軸も一貫させられます。

曖昧な採用要件をAIに言語化させる

「若くて元気な人」「即戦力になる人」といった要件のままでは、求人原稿もスカウト文も焦点が定まりません。ここで有効なのが、生成AIに一問一答形式でヒアリングさせる進め方です。

AIから「その業務に必要な経験年数は」「代替可能なスキルはあるか」「勤務地や時間帯の制約は」と順に問われると、人間側は答えを言語化せざるを得なくなります。効いているのはAIの性能ではなく、答えさせられる構造のほうだと考えてください。所要時間は20〜30分程度で、費用もほとんどかかりません。

この工程の進め方は応募を集める段階でのAI活用でも具体例つきで解説しています。要件定義から着手したい場合は、あわせて参照してみてください。

必須要件と歓迎要件を分けて構造化する

言語化した要件は、そのまま一枚のメモにするのではなく、項目に分解して保存しておきましょう。分解しておく単位は、必須条件、歓迎条件、評価しない属性、確認する質問、根拠となる回答、評価の尺度の六つです。

また、この構造化には二つの効果があります。ひとつは、書類選考と面接で同じ物差しを使えるようになること。もうひとつは、AIに評価を補助させる際に「総合点」というブラックボックスを避けられることです。

• 必須条件は5件程度に絞る（多すぎると母集団が過度に狭まる）
• 歓迎条件は優先順位をつけて並べる
• 評価しない属性を明示的に書き出しておく
• 各条件について「何をもって満たすと判断するか」を1行で添える

とくに四つ目が抜けやすい項目です。判断基準を書き残しておくと、面接官が変わっても評価がぶれにくくなります。

採用人数と充足時期を逆算する

必要な母集団の規模は、感覚ではなく過去の歩留まりから逆算します。採用予定人数に、内定承諾率と各段階の通過率を当てはめていけば、必要な応募件数と着手すべき時期が算出できるはずです。

そのため、生成AIには、この逆算の計算式を組み立てたり、過去データから通過率を整理したりする作業を任せられます。ただし、年間採用数が数名という規模では予測モデルの精度は出ません。そうしたケースでは、表計算ソフトで通過率を並べるだけでも十分に機能するでしょう。

ここで出した数字が、後の工程で「どこが詰まっているか」を判定する基準線になります。導入効果を測るうえでも、この段階で数字を残しておく価値は大きいといえます。

この工程で使えるツール

この工程は、専用ツールを買わなくても着手できる領域です。汎用の生成AIサービスであれば月数千円程度から使えるため、まずはここから試すのが現実的でしょう。

ツールの種類	この工程でできること	向いている企業
汎用の生成AIサービス	要件のヒアリング、条件の分解、逆算の計算	まず費用をかけずに試したい企業
採用管理システムの要件設定機能	必須・歓迎要件の登録と選考への引き継ぎ	すでに採用管理システムを使っている企業
人材情報プラットフォーム	スキル体系にもとづく要件の標準化	職種が多く要件が乱立している企業

選ぶ際の目安は、要件を「作る」だけで足りるのか、「選考に引き継ぐ」ところまで必要かどうかです。年に数回の募集であれば、汎用の生成AIで作った要件を文書に残しておくだけで十分に機能します。一方、通年で複数職種を募集しているなら、要件がシステム上で選考条件とつながっている状態のほうが運用は楽になるでしょう。

人が持つのは現場実態との照合

AIが整理した要件が、現場の実情と合っているかは人が確かめる必要があります。求人票に書かれた「必須」が、実際には入社後に習得できるスキルだったというケースは珍しくありません。

判断が必要なのは、要件の優先順位を事業計画とすり合わせる部分です。採用の緊急度が高いなら必須条件を減らす、育成余力があるなら経験より適性を見る、といった調整は現場と経営の情報がなければ決められません。AIの出力は叩き台であり、確定させるのは人の役割だと位置づけておきましょう。

工程2：求人票と求人原稿の作成でのAI活用

採用のAI活用のなかで、最も多くの企業が実際に着手しているのがこの工程です。費用も学習コストも低く、効果が目に見えやすいという特徴があります。

生成AIの用途で最多は求人票の作成

キャリア採用を担当する人事295名を対象にした調査では、生成AIをすでに利用している企業が28.7%でした。「利用を検討している」9.5%、「利用したいがまだ着手していない」16.4%を加えると、半数を超える企業が前向きに捉えていることになります。

そして活用に前向きな企業に用途を尋ねたところ、最も多かったのが「求人票の作成・ブラッシュアップ」で65.3%でした。2位は「スカウトメールの作成・配信」56%、3位は「選考案内や合否連絡メールの作成」42%と続きます。

上位が文章作成に集中している点は、前章で見た企業全体の傾向とも一致しています。採用のAI活用は、求人票から始めるのが最も外れの少ない選択だといえるでしょう。

参考：キャリア採用での生成AI活用は3割弱（HRプロ）

一本作って終わりにせず複数案を比較する

生成AIに求人原稿を書かせるとき、多くの担当者は一本出力させて手直しし、そこで終わりにします。ですが、この使い方では効果が頭打ちになります。

そこで推奨したいのが、キャッチコピーと仕事内容の書き方を3〜5パターン出力させ、実際に掲載したうえでクリック率と応募完了率を比べる進め方です。数字の悪いパターンを差し替えていけば、原稿は掲載を重ねるごとに改善していきます。手作業では現実的でなかった量の試行が、AIによって可能になったと捉えてください。

比較する際は、変える要素を一つに絞ることがポイントになります。見出しと本文を同時に変えると、どちらが効いたのか判断できなくなってしまいます。

そのまま使えるプロンプトの型

求人原稿の生成では、指示の書き方で出力の質が大きく変わります。以下の要素を含めておくと、手直しの量を減らせます。

• 職種名、必須要件、歓迎要件、勤務条件、社風を変数として明示する
• 想定する読者（在職中か、未経験か、地域はどこか）を指定する
• 遵守すべき法令を列挙し、違反表現を使わないよう明記する
• 出力後に「法令上問題のある表現がないか自己点検せよ」と続けて指示する
• キャッチコピーは3案、本文は2案という形で複数出力を求める

三つ目と四つ目は必ず入れてください。AIは訴求力を最適化しようとするため、指示しなければ法令への配慮は働きません。自己点検を挟むだけでも、明らかな違反表現はかなり減らせます。

もう一点、社風や働き方の記述には事実確認が必要です。AIは与えられた情報の隙間を、それらしい表現で埋めてしまいます。実際にはない制度が原稿に紛れ込むと、入社後のミスマッチにつながりかねません。出力された原稿は、事実の記述と訴求の表現を分けて確認してみてください。

この工程で使えるツール

求人原稿の作成は、汎用の生成AIサービスだけで十分に回せる工程です。専用ツールが必要になるのは、原稿の管理と掲載までを一元化したい場合に限られます。

ツールの種類	この工程でできること	費用の目安
汎用の生成AIサービス	原稿の下書き、複数案の生成、表現の改善	月数千円程度から
求人原稿の生成機能を持つ採用管理システム	要件から原稿を自動生成し、そのまま掲載管理へ	月数万円程度から
人事情報プラットフォームのAI機能	社員データを踏まえた訴求内容の設計	要見積

まず汎用の生成AIで試し、原稿の管理が煩雑になってきた段階で専用ツールを検討する。この順番であれば、投資を最小限に抑えながら判断できます。

専用ツールに切り替える目安は、掲載している求人が10件を超えたあたりです。原稿のバージョン管理と掲載媒体ごとの出し分けが手作業では追いつかなくなり、改善の効果も測りにくくなります。逆にこの規模に届かないうちは、汎用の生成AIと表計算ソフトの組み合わせで十分に回るでしょう。

AIは差別的な表現を平気で書く

生成AIに「応募が集まる求人原稿を書いて」と頼むと、「若手が活躍中」「主婦の方も歓迎」といった表現が出力されることがあります。AIは訴求力だけを最適化しており、法令を意識していないためです。指示がなければ、こうした表現が原稿に紛れ込んだまま掲載されてしまうかもしれません。

とくに注意が必要な表現を整理しておきます。

• 年齢を限定する表現。労働施策総合推進法により、募集・採用時の年齢制限は原則として禁止されています
• 性別を限定する表現。男女雇用機会均等法により、性別を理由とする差別的な募集は禁止されています
• 本籍・国籍・家族構成に関わる表現。職業安定法により、業務に関係のない個人情報の収集は制限されています
• 業務上の合理性がない身体的条件

対策は難しくありません。プロンプトに法令を明記し、出力後に人が二重確認する。この一手間を省かないことが、結果的にいちばん早い進め方になるでしょう。

工程3：候補者ソーシングとスカウトでのAI活用

応募を待つだけでなく、企業側から候補者に接触する工程です。対象を絞る作業と文面を書く作業の両方でAIが使えます。

人材データベースからの候補者抽出

従来の候補者検索は、資格名や社名といったキーワードの一致に依存していました。この方法では、表記が違うだけで適した人材を取りこぼしてしまいます。

一方、AIを用いた検索では、経歴の文脈から意味的な近さを判定できます。たとえば特定の言語の経験と、その周辺技術での開発経験を、隣接するスキルとして扱えるようになるわけです。結果として、キーワードでは引っかからなかった層に届くようになります。

ただし、意味的な近さは適格性そのものではありません。類似度が高いことと、その職務を遂行できることは別です。上位に並んだからという理由だけで判断すると、要件と合わない候補者に時間を割くことになりかねません。抽出結果は、抽出結果は工程1で定義した要件に照らして人が確認してください。

スカウト文の個別化で返信率を上げる

同じ文面を一斉送信した場合、返信率は数パーセントにとどまるのが一般的です。返信率を引き上げるには、一人ひとりの経歴を読んだうえでの個別化が欠かせません。

とはいえ、1通あたり15分以上かけて手書きしていては件数が回りません。AIに下書きを作らせ、人が2割ほど手直しする運用に切り替えると、1通あたりの所要時間を大幅に圧縮しながら個別化を保てます。前述の調査でも、スカウトメールの作成・配信は生成AIの用途の2位に挙がっていました。

とくに差がつくのは冒頭の1〜2文です。「ご経歴を拝見し」といった定型句では読み飛ばされてしまうため、職務経歴のどこを見て連絡したのかを具体的に書くよう指示しましょう。

この工程で使えるツール

スカウト文の下書きは汎用の生成AIで足りますが、候補者の抽出には人材データベースを持つサービスが必要になります。

ツールの種類	この工程でできること	向いている採用
汎用の生成AIサービス	スカウト文の下書きと個別化	すべての職種
人材データベース型のスカウトサービス	条件に合う候補者の抽出と返信確率の推定	専門職・技術職の中途採用
職種特化型のデータベース	技術活動や成果物にもとづく候補者評価	エンジニア・研究職
人材情報プラットフォーム	社内人材を含めた横断的な候補者推薦	職種数の多い大規模採用

注意しておきたいのは、この工程のツールは候補者データそのものが価値の源泉だという点です。同じ「AIスカウト」という名称でも、保有しているデータの職種や地域が自社の募集と合っていなければ、機能の差以前に候補者が出てきません。トライアルの段階で、自社の要件に合う候補者が実際に何件抽出されるかを確認してから判断してみてください。

なお、スカウト施策そのものの設計は応募を集める段階でのAI活用で詳しく整理しています。

人が持つのは送信対象の妥当性判断

誰に送るかの判断と、個人情報の扱いは人の責任範囲に残ります。公開情報から取得できるという理由だけで、思想や家庭環境に関わる情報を対象選定の材料にしてはいけません。AIは与えられたデータから相関を見つける処理を行うだけで、その項目を使ってよいかどうかまでは判断しないためです。

判断に迷う場合は、その情報が募集職種の遂行に直接関係するかどうかを基準にしてください。関係しないのであれば、収集も参照も避けるのが原則になります。使ってはいけない項目をあらかじめリスト化し、抽出条件から外しておくと、運用時に迷わずに済むでしょう。

もう一点、抽出結果をそのまま送信対象にしない運用も決めておきたいところです。上位に並んだ候補者を数名だけ人が確認し、要件との照合が妥当かを見てから送信する。この一手間があるだけで、的外れなスカウトによる企業イメージの毀損を防げます。詳しくは後述の法令の章で整理します。

工程4：応募受付と応募者対応・日程調整でのAI活用

七つの工程のなかで、最も自動化しやすく効果が読みやすいのがこの工程です。まだ着手していないのであれば、最初の候補として検討する価値があります。

応募直後の自動応答で連絡待ちの離脱を防ぐ

採用の実務では、初回連絡は応募後24時間以内、面接日程の確定は3営業日以内が目安とされています。ですが、夜間や土日に届いた応募を翌営業日に処理する運用では、この目安を満たすのは容易ではありません。

在職中の求職者やシフト勤務の求職者は、日中に連絡が取れないことも多いはずです。担当者が会議中でも休暇中でも、応募は届きます。ここを人の稼働に依存させている限り、応答の速さは安定しません。

そのため、自動応答を挟む価値があります。応募者は「受け付けられた」という確認を即座に得られます。離脱の主要因である待ち時間を、仕組みの側で消せる点がこの工程の価値です。

日程調整の自動化は最も効果が読める

面接日程の調整は、AI活用の効果が最も再現しやすい領域です。理由は単純で、削減できた時間をそのまま計測できるからです。

さらに、候補日の提示、面接官のカレンダーとの突き合わせ、リマインドの送信、変更の受付までを自動化すれば、往復のメールがまるごと不要になります。応募から面接までのリードタイムが数週間から数日、場合によっては即日へ短縮されるケースもあります。

導入効果を社内に説明する際も、この工程は説得力を持ちやすいポイントです。応募から日程確定までの平均日数を導入前後で比べるだけで、成果が数字で示せます。とくに応募が集中する短期・大量採用の現場では、削減できる時間が大きくなりやすい傾向があります。

問い合わせ対応をチャットボットに任せる

選考フローの確認、勤務条件、応募方法の質問など、求職者からの問い合わせには定型的なものが多く含まれます。これらをチャットボットに任せれば、担当者は例外的な相談に集中できるでしょう。

転職を検討中の社会人221名への調査では、選考の過程でAIの活用を感じたという回答が52.8%にのぼりました。具体的な場面としては「面接日程調整」46.4%と「チャットボット対応」46.4%が同率で上位に並んでいます。

つまりこの工程は、求職者側にもすでに受け入れられている領域だといえます。抵抗感を心配して着手を遅らせる必要は、それほど大きくないでしょう。

参考：AIネイティブ採用調査2026（TalentX）

この工程で使えるツール

この工程のツールは、比較的低コストで導入できるものが揃っています。すでに採用管理システムを使っているなら、標準機能だけで対応できる場合もあるでしょう。

ツールの種類	この工程でできること	費用の目安
会話型AIサービス	応募受付から質問対応、面接予約までを対話で完結	要見積
採用管理システムの自動応答機能	応募完了メールの自動送信、選考状況の通知	月2万円台から
日程調整ツール	候補日の提示とカレンダー連携による自動確定	月数千円から
対話型AI面接	日程調整そのものを不要にする24時間受検	月数万円から

表の最後に挙げた対話型AI面接は、日程調整を効率化するのではなく、調整という工程自体をなくすアプローチです。応募直後に受検用のURLを案内すれば、求職者は都合のよいタイミングで面接を受けられます。応募数が多く調整の負荷が高い企業ほど、この選択肢が効いてくるでしょう。

どれを選ぶかは、応募がいつ届いているかで判断できます。夜間や休日の応募が全体の半分を超えているなら、営業時間内の対応を前提にした仕組みでは間に合いません。まずは直近3か月の応募を時間帯別に集計し、人の稼働で受け止めきれているかを確かめてみてください。

工程5：書類選考とスクリーニングでのAI活用

応募書類を読み、次の選考に進める人を決める工程です。AI活用が先行している領域である一方、扱いに最も注意が必要な工程でもあります。

経歴の解析と要件照合で優先順位をつける

AIによる書類選考では、応募書類から経験年数、保有資格、スキルを抽出し、工程1で定義した必須要件・歓迎要件と照合して並べ替えます。人が全件に目を通す前に、確認すべき順番を示してくれる仕組みだと考えてください。

また、経団連が会員企業75社を対象に実施した調査では、HR部門でのAI活用領域のうち採用が25社で最多でした。その内訳を見ると、応募者スクリーニングが15社、面接サポートが13社と、選考の前半に活用が集中しています。

なお、同じ調査ではHR部門でAIを活用している部署として人事が49社と最も多く、IT部門の44社を上回りました。人事は社内でもAI活用が進んでいる部署であり、採用はその中心にあるといえます。

参考：HR部門におけるAI等の活用（日本経済団体連合会・2026年4月）

生成AIの普及で書類の見極めが難しくなっている

この工程には、AIで効率化する以前の問題が生じつつあります。求職者の側が、すでにAIを使って応募書類を作成しているためです。

2026年卒の大学生1,385名を対象にした調査では、AIの利用経験がある学生が82.7%、就職活動でAIを利用した学生が66.6%にのぼりました。2024年卒の39.2%からわずか2年で倍増しています。用途はエントリーシートの推敲が68.8%、作成が40.8%でした。

文章の巧拙から人物を推し量るという前提は、こうして成立しにくくなっています。書類選考の精度を上げる方向に投資するよりも、書類の比重を下げて対話の量を増やす方向のほうが、結果的に合理的な場合もあるでしょう。書類選考をどこまで緩められるかは応募を集める段階でのAI活用で詳しく整理しています。

参考：2026年卒 大学生キャリア意向調査4月（マイナビキャリアリサーチLab）

この工程で使えるツール

書類選考のAI活用は、汎用の生成AIで代替しにくい領域です。応募書類には個人情報が含まれるため、入力先のサービスを選ぶ必要があります。

ツールの種類	この工程でできること	留意点
書類判定機能を持つ採用管理システム	必須・歓迎要件との照合度を表示し優先順位を提示	要件を事前に登録する手間が必要
AIエージェント型の採用管理システム	書類の要約、面接準備メモの自動作成	既存システムからの移行負荷
汎用の生成AIサービス	匿名化した書類の要約	個人情報の入力に制約

三つ目の選択肢を使う場合は、氏名や連絡先を伏せたうえで入力し、入力内容が学習に使われない契約形態かどうかを必ず確認してください。

また、この工程のツールは要件の登録が前提になります。工程1で必須要件と歓迎要件を構造化していなければ、照合の基準そのものが存在しないためです。書類選考から着手したいと考えている場合でも、先に要件の整理を済ませておくほうが結果的に早く回り始めるでしょう。

選定時に確認しておきたいのは、判定の根拠を応募書類のどの記述にもとづくものとして示せるかどうかです。根拠が出力されない仕組みでは、人が最終確認する運用そのものが成り立ちません。

自動での不採用にはしない

AIが付けたスコアだけで不採用を決める運用は、避けるべきです。実際の企業も、そこまでは踏み込んでいません。

AI面接を導入している企業への調査では、「AIのスコアのみを見て自動的に合否を決めている」と回答した企業は38.1%にとどまりました。6割以上は、AIのスコアを参考にしつつ人が最終確認する運用を取っています。明確な高評価と低評価はAIの判定を使い、判断に迷う層だけ人が確認するという運用が現実的でしょう。

厚生労働省が示す公正な採用選考の考え方でも、応募者の適性と能力のみを基準に選考することが求められています。AIは判断を支える道具であって、判断の主体ではありません。この線引きは運用ルールとして文書に残しておきましょう。

参考：新卒・中途採用におけるAI面接導入に関する実態調査（2026年3月）

工程6：面接と適性検査でのAI活用

選考の中核となる工程です。AIの担当範囲と人の担当範囲を、最も慎重に線引きすべき領域でもあります。

AI面接で一次選考を24時間365日化する

AI面接は、応募者がアバターや録画形式のAI面接官と対話する形で一次選考を進める仕組みです。応募直後に受検用のURLを案内するだけで選考が始まるため、日程調整の往復が発生しません。

この形式が効くのは、求職者側の時間の制約が外れるからです。在職中の求職者は有給休暇を取らずに受検でき、シフト勤務や子育て中の求職者も、生活のすきま時間で選考を進められます。企業側は、届いたレポートを翌営業日にまとめて確認すれば足ります。

仕組みや種類の違いについてはAIが面接官を務める選考の基本で解説していますので、導入形式を比較したい場合はそちらをご覧ください。採用区分ごとの設計は新卒採用での使い方と在職中の求職者への対応にも分けて整理しています。

文字起こしと要約で面接の記録を残す

AI面接を導入しなくても、この工程には着手できます。対面やWeb会議で実施した面接を文字起こしし、要約して評価観点ごとに整理する、という使い方です。

ですが、多くの企業では、面接の記録が面接官の主観的なメモしか残っていません。その状態では、後から評価の根拠を振り返ることも、面接官の間で基準をすり合わせることもできないでしょう。記録が残るだけで、選考の再現性は確実に上がります。

• 面接中のメモ取りが不要になり、対話に集中できる
• 評価の根拠となる発言箇所を後から特定できる
• 面接官が交代しても、前の面接の内容を引き継げる
• 質問の抜け漏れを後から確認できる

AI面接の導入判断が難しい段階でも、記録の自動化なら小さく始められます。

適性検査は求職者の受容度が最も高い

企業のAI活用について求職者がどう感じるかは、工程によってはっきり分かれます。ここを取り違えると、思わぬ反発を招きかねません。

前述の大学生1,385名への調査では、企業が適性検査の評価にAIを使うことへの賛成が49.8%だったのに対し、面接の評価にAIを使うことには47.5%が反対していました。同じ「評価」でも、受け止められ方は大きく異なります。

評価工程からAI活用を始めるなら、適性検査のほうが摩擦が少ないという判断材料になるでしょう。面接工程に入れる場合は、次に述べる役割の線引きと、求職者への説明が前提になります。

人が担うべき業務の第一位は面接・面談

人事担当者295名への調査では、「人が担うべき業務」として面接・面談を挙げた回答が75.3%と突出していました。「直接対話でこそ人間性が見える」という声も寄せられています。

ただし、この結果は「面接工程からAIを排除すべき」という意味ではありません。面接という工程のなかには、日程を決める、質問を用意する、記録を取る、内容を要約する、評価を整理するといった作業が含まれています。これらはAIに渡せる部分です。

人が持つべきなのは、見極めることと、来てほしい人を口説くことです。この二つを守ったうえで周辺作業をAIに寄せる、という発想で線を引いてみてください。なお、職務内容が定型化しにくい管理職や専門職では、AIだけでの適性判断は避けたほうが無難でしょう。職種ごとの向き不向きはAI面接の利点と課題の比較でも整理しています。

参考：キャリア採用での生成AI活用は3割弱（HRプロ）

この工程で使えるツール

面接工程のツールは、料金体系によって使い勝手が大きく変わります。想定する応募数によって有利不利が逆転するため、そこを先に確認しておきましょう。

ツールの種類	この工程でできること	料金体系の傾向
対話型のAI面接	一次面接の実施、深掘り質問、評価レポートの生成	定額制と受検数に応じた従量課金に分かれる
録画面接プラットフォーム	設問への録画回答の収集と共有	月額＋人数課金が中心
文字起こし・要約ツール	対面・Web面接の記録と要約	月数千円から
AI搭載の適性検査	性格特性・職務適性の推定	受検1件あたりの課金が中心

受検数に応じて費用が増える体系の場合、応募が増えるほど支出も膨らみます。書類選考を緩めて面接の間口を広げたいと考えている企業ほど、この点が判断を縛りかねません。料金体系ごとの違いはAI面接の費用相場と料金体系で整理しています。

評価軸の設計が精度を左右する

面接工程でAIを使う際、成果を分けるのはツールの性能よりも評価軸の設計です。「総合的に良さそう」という出力では、選考の判断材料になりません。

確認しておきたいのは、企業ごとに評価軸をカスタマイズできるか、評価項目ごとに重みづけを変えられるか、評価の根拠を元の発言とあわせて出力できるかの三点です。職種によって重視すべき軸は変わるため、同じ質問セットでも重みづけを変えられる設計だと運用しやすくなります。

質問の組み立て方については構造化面接との組み合わせ方と回答を深く掘る質問の設計で具体的に解説していますので、設計段階で参考にしてみてください。

工程7：内定者フォローと採用データの分析でのAI活用

選考が終わった後の工程です。手が回りにくい領域である一方、次の採用の精度を決める重要な部分でもあります。

オファー文面と条件提示の作成

内定通知、条件提示、辞退防止のフォロー文面は、それぞれ書き方の勘所が異なります。生成AIに下書きを作らせれば、担当者は内容の確認と個別の調整に集中できるでしょう。

前述の人事295名への調査でも、生成AIの用途として「選考案内や合否連絡メールの作成」が42%で3位に入っていました。定型的でありながら丁寧さが求められる文面は、AIの下書きが効きやすい領域です。

ただし、条件面の記載は誤りが許されません。給与、勤務地、入社日といった数字を含む部分は、AIの出力をそのまま使わず、必ず人が原本と突き合わせてください。

内定者とのやり取りを絶やさない

内定から入社までの期間は、辞退が起きやすいタイミングです。この間の質問対応やリマインドをチャットボットで受け止めれば、夜間や休日の不安にも即座に応えられます。

とはいえ、内定者フォローを全自動にすると、かえって印象を損ねるかもしれません。内定者が価値を感じるのは、情報の速さよりも「気にかけてもらえている」という実感のほうです。定型的な質問はAIに任せ、節目の連絡は人が担当するという配分が現実的でしょう。

判断の目安は、その連絡が「情報を伝えるためのもの」か「関係をつくるためのもの」かです。前者はAI、後者は人と分けておくと迷いにくくなります。

歩留まりとチャネル別の費用対効果を分析する

採用活動の振り返りは、後回しにされがちな工程です。ですが、ここを飛ばすと次にどの工程へAIを入れるべきかが判断できません。

分析すべきは、応募から内定までの各段階の通過率と、応募経路ごとの応募単価や定着率になります。さらに、AIは、散在するデータの集計、通過率の異常値の検出、前年との比較コメントの生成といった作業を支援できます。

• どの段階で最も多く離脱しているか
• 応募経路ごとに、通過率と定着率がどう違うか
• 職種別に、応募から内定までの日数に差があるか
• 面接官ごとに、評価の分布が偏っていないか

四つ目は見落とされやすい観点です。この分析結果が、次にAIを入れる工程を決める入力になります。

面接記録を横断検索して次に活かす

過去の面接記録や職務経歴は、選考が終われば眠ってしまうのが一般的です。ですが、新しい求人が出たときに横断検索できる状態にしておけば、一度接点を持った人材に再びアプローチできます。

新規に母集団を集めるより、過去の応募者に再接触するほうが費用は抑えられます。惜しくも見送った求職者を、別の職種で改めて検討するといった使い方も現実的でしょう。合否を出さない形で先に話を聞いておく進め方は、選考ではない場面でのAI対話として整理しています。

ただし、応募者の情報を持ち続けるには、取得時の同意の範囲と保有期限の設計が欠かせません。この点は次章以降の法令の整理とあわせて確認してください。

この工程で使えるツール

この工程は、専用ツールを入れる前に運用でできることが残っている場合が多い領域です。

ツールの種類	この工程でできること	向いている規模
採用管理システムの分析機能	歩留まり、応募経路別の実績、監査ログの管理	年間採用30名以上
人事情報プラットフォーム	入社後の評価と採用時データの接続	組織規模の大きい企業
汎用の生成AIサービス	匿名化した集計データの分析とコメント生成	すべての規模
表計算ソフト	通過率と応募単価の記録・比較	年間採用30名以下

年間の採用数が30名以下であれば、専用ツールを入れなくても表計算ソフトで十分に運用できます。まずは記録を残すことから始めてみてください。

とはいえ、記録が散在していると分析そのものが負担になります。応募日、経路、各段階の通過日、辞退の理由という4項目だけでも、同じ場所に貯めておく。この状態をつくっておけば、次にどの工程へAIを入れるかの判断材料は揃います。

採用のAI活用でAIと人の役割をどう分けるか

ここからは工程を横断する論点に移ります。導入したのに工数が減らない原因の多くは、この役割分担の設計を飛ばしていることにあります。

判断の主体は人に置き、AIは材料をそろえる

役割分担の原則はシンプルです。AIは判断に必要な材料をそろえ、判断そのものは人が下す。この線を最初に引いておけば、以降の設計は迷いにくくなります。

また、海外の主要な採用AIサービスも、この方向で設計を揃えつつあります。「AIは作業するが、決定は人間が行う」と明示するベンダーは少なくありません。国内の対話型AI面接でも、AIが最終合否を決めない設計を前面に出すサービスが増えています。

背景にあるのは規制対応と、求職者からの受容性の両方です。人の意思決定を残した自動化が、現時点での現実的な標準になっていると捉えてよいでしょう。

工程別の役割分担表

原則を実際の運用に落とすには、工程ごとに書き出しておくのが確実です。以下の表は、そのまま社内の運用ルールの下敷きとして使える粒度で整理しました。

工程	AIに任せる	人が持つ	人が確認する時点	残すべき記録
1. 要件定義	要件の言語化と分解	現場実態との照合	求人公開前	確定した要件一覧
2. 求人原稿	下書きと複数案の生成	法令表現の確認	媒体掲載前	掲載版と改訂履歴
3. スカウト	候補者抽出と文面生成	送信対象の妥当性	送信前	送信対象の選定理由
4. 応募者対応	自動応答と日程確定	例外対応と条件交渉	例外発生時	やり取りの履歴
5. 書類選考	解析と優先順位付け	合否の決定	全件	判定理由と該当箇所
6. 面接	一次対話、記録、評価の整理	最終判断と動機づけ	全件	評価根拠と面接記録
7. フォロー・分析	文面生成と集計	関係構築と施策判断	送付前・意思決定時	分析結果と決定事項

工程5と6で「全件」としているのは、合否に直結する工程だからです。ここだけは省略しない前提で運用を組んでください。

表の右端に「残すべき記録」の列を置いているのには理由があります。求職者から評価の理由を尋ねられたとき、社内で決裁を通すとき、後から基準を見直すとき、いずれの場面でも根拠となる記録が必要になるためです。記録を残す設計を後から足そうとすると、過去分が復元できず苦労することになりかねません。

役割分担を決めていない企業が67.9%

前述の従業員500名以上の企業への調査では、AIと人の役割分担が不明確だと答えた企業が67.9%にのぼりました。AI活用の方向性そのものが定まっていない企業も約50%あります。

役割が決まっていない状態でツールを入れると、何が起きるでしょうか。AIが出した結果を人が全部見直す二重作業が生まれ、結果として工数は増えます。導入企業の53.3%で工数が減らなかったという結果は、性能の問題というより、この構造から説明できる部分が大きいはずです。

ツールを選ぶ前に、上の表を自社版として埋めてみる。この順番を守るだけで、導入後の停滞はかなり避けられるでしょう。

参考：AIネイティブ採用調査2026（TalentX）

ガイドラインも人間の関与を求めている

役割分担は、運用上の工夫にとどまる話ではありません。国が示す指針のなかにも、人の関与を求める記述が含まれています。

総務省と経済産業省が2026年3月31日に公表したAI事業者ガイドラインの第1.2版では、AIエージェントの自律性に関して、人間の判断を適切に介在させる仕組みの構築と、操作履歴の定期的な確認・報告の重要性が示されました。採用のように人の権利に影響する領域では、この考え方がとくに重く働きます。

つまり、人が確認する時点を決めて記録を残すという運用は、実務上の安全策であると同時に、指針に沿った形でもあります。後から整えるより、最初から組み込んでおくほうが負担は小さくなるでしょう。

参考：AI事業者ガイドライン（第1.2版・総務省／経済産業省）

採用のAI活用の効果をどう測るか

導入したAIが効いているのかを判断するには、測る指標と測るタイミングを先に決めておく必要があります。ここを曖昧にすると、続けるべきか止めるべきかの判断ができません。

導入直後は時間の指標だけを見る

最初から採用の質や定着率で評価しようとすると、ほぼ確実に判断がつかなくなります。離職は上司との関係、報酬、配属先、職場環境に強く左右されるため、採用AIの効果だけを切り出すのが難しいためです。

そのため、導入初期に見る指標は時間に限定してください。応募から初回連絡までの時間、日程確定までの日数、書類1件あたりの処理時間、面接1件あたりの確認時間。これらは自動化の効果が直接現れるうえ、計測も容易です。

採用の質と定着率は、6〜12か月後に改めて評価します。短期は時間、中長期は質という二段構えで見るのが、社内の合意も取りやすい進め方でしょう。

工程別に追うべき指標と目標レンジ

工程ごとに、どの指標が動くのかは異なります。導入した工程に対応する指標だけを追えば十分です。

工程	追う指標	初期の目標レンジ	注意点
2. 求人原稿	クリック率、応募完了率	応募完了率10〜25%改善	応募数の増加と適格者の増加を分けて見る
3. スカウト	返信率、1通あたりの作成時間	返信率20〜50%の相対改善	対象選定と文面のどちらが効いたか分解する
4. 応募者対応	日程確定までの日数	50〜90%短縮	最も再現しやすく、初回導入の説明に向く
5. 書類選考	1件あたりの処理時間、面接到達率	処理時間30〜50%削減	通過基準を変えていないかを併せて確認
6. 面接	面接実施人数、担当者の作業時間	月10〜30時間の削減	空いた時間が何に使われたかを記録する
7. フォロー	内定承諾率、選考中の辞退率	承諾率3〜10ポイント改善	報酬や配属など他要因の影響が大きい
全体	採用単価、充足までの日数	充足日数15〜35%短縮	市況と職種難易度の影響を受ける

なかでも日程確定までの日数は、最も素直に効果が出る指標です。最初の導入報告で使う指標として適しています。

逆に、内定承諾率や採用の質は、AI以外の要因に大きく左右されます。報酬水準、配属先、上司との相性といった変数が絡むため、AIの効果だけを取り出して語るのは難しいでしょう。これらの指標は、改善したかどうかではなく「悪化していないか」を見る守りの指標として扱うのが実務的です。

導入前のベースラインを必ず取る

効果測定でつまずく最大の原因は、導入前の数字を持っていないことです。比較対象がなければ、改善したかどうかは主観でしか語れません。

理想は、導入の4〜8週間前から職種別に実測値を記録しておくことです。難しければ、直近3か月分を振り返って概算するだけでも構いません。応募数、面接実施率、日程確定までの日数、辞退率の4つがあれば、最低限の比較はできます。

投資対効果を把握していない企業が51.3%という調査結果を踏まえると、ここを押さえるだけでも上位半分に入れる計算になります。継続の稟議を通すうえでも、ベースラインは強い材料になるでしょう。

属性別の通過率を定期的に確認する

効率の指標だけを見ていると、公平性の問題を見落とすおそれがあります。定期的に確認しておきたいのが、属性による通過率の偏りです。

具体的には、選考段階ごとの通過率に不合理な差が出ていないか、AIの評価と人の評価が食い違う件数がどれくらいあるか、求職者からの問い合わせや異議がどの程度発生しているかを追います。海外では、自動化された採用判定ツールについて外部監査を義務づける自治体も現れました。

ただし、確認のために属性情報を新たに収集する行為そのものに法務上の検討が必要です。何をどこまで取得してよいかは、収集を始める前に整理しておくようにしてください。

求職者は採用のAI活用をどう受け止めているか

AIを入れることで求職者に敬遠されるのではないか。この懸念は多くの担当者が抱くものですが、実際の調査結果は想像とは少し違う姿を示しています。

求職者の約8割はメリットを認識している

転職を検討中の社会人221名への調査では、選考でAIの活用を感じた人が52.8%でした。そしてAI活用のメリットを何らかの形で認識している人は、約80%にのぼっています。

とくに評価されていたのは、24時間いつでも応募や問い合わせができる点が40.1%、評価の公平性が39.2%でした。求職者の側にも、自分の都合に合わせて選考を進められることへの実利があるわけです。

一方で懸念も示されています。「熱意が伝わらない」が42.5%、「機械的で人間味がない」が35.8%でした。利便性は歓迎される一方、伝わり方への不安が残るという構図だと理解しておきましょう。

参考：AIネイティブ採用調査2026（TalentX）

公平性ではAIが人の面接官を上回る評価

学生を対象にした調査でも、AI面接への評価は否定一辺倒ではありません。むしろ公平性の観点では、人の面接官より高く評価される結果が出ています。

AI面接という言葉を認知している28卒の学生101名への調査では、「AI面接のほうが公平」と答えた学生が33.7%で、「人間の面接官のほうが公平」の28.7%を上回りました。AI面接を希望する理由としては、時間や場所を調整しやすい43.3%、評価が公平40.0%、圧迫感がない40.0%、緊張しにくい36.7%が挙がっています。

別の調査では、27卒から29卒の学生328名のうち、AI面接にポジティブな印象を持つ学生が34.7%、ネガティブな印象を持つ学生は11.6%でした。明確に否定的な層は1割程度にとどまります。

参考：AI時代の選考、Z世代の受け止め方（シーズアンドグロース） ／ 学生の「AI面接」に関する意識調査（HRog）

AI判定だけの不採用には納得されない

受け入れられているのは、あくまでAIが選考を支援する形です。AIだけで合否が決まることには、はっきりとした抵抗が示されています。

前述の28卒学生への調査では、AIの判定だけで不採用が決まることについて「人の目を通していない評価には納得いかない」が45.5%、「絶対に納得できない」が8.9%でした。合わせると54.4%が、AI単独の判定に納得できないと答えたことになります。

工程6で触れた「適性検査の評価には賛成49.8%、面接の評価には反対47.5%」という結果と重ねると、線引きが見えてきます。求職者が拒んでいるのはAIそのものではなく、人の目を通さない決定です。

工数削減が目的だと伝わると志望度が下がる

同じAI活用でも、何のために使っているかが伝わると受け止め方が変わります。ここは運用設計というより、伝え方の問題です。

転職検討中の社会人への調査では、工数削減を目的としたAI活用によって志望度が低下すると答えた人が59.8%でした。一方で40.1%は、自分を深く理解した対話を企業に期待しています。求職者が見ているのは、削減した時間を企業が何に使っているかなのでしょう。

裏を返せば、AIがノンコア業務を引き受け、その分だけ人が対話に時間を割く。この配分が伝われば、評価は反転する可能性があります。実際に空いた工数を面接や動機づけに回している事実は、選考の場で伝えておく価値があります。

求職者にはAI活用を事前に伝える

不安の源泉は、AIそのものよりも不透明さにあります。学生への調査では、AI面接の対策に不安を感じる学生が半数を超え、その理由は「評価基準が不透明」49.2%、「受験経験がない」44.8%でした。

伝えておきたいのは、次の4点です。

• どの工程でAIを使っているか
• AIが何を評価し、何を評価しないか
• 人がどの時点で確認し、誰が最終判断するか
• AIを使わない選考を希望できるかどうか

日本では法令上必須とされていない項目も含まれます。ですが、AI単独の判定に54.4%が納得しないという状況を踏まえれば、運用として用意しておくのが安全でしょう。

採用のAI活用で押さえる法令とガイドライン

採用は応募者の人生に関わる判断を伴うため、AI活用にも一定の制約がかかります。全体像を押さえておけば、過度に恐れる必要はありません。

公正な採用選考の基本と職業安定法

厚生労働省が示す公正な採用選考の考え方では、応募者の基本的人権を尊重し、適性と能力のみを基準に選考することが求められています。本籍、家族、住宅状況、宗教、支持政党、思想、労働組合活動といった情報の把握は、就職差別につながるおそれがあるとされています。

また、職業安定法上も、求職者の情報は募集目的の達成に必要な範囲で収集・保管・使用するのが原則です。ここから導かれる実務上の線引きは明快でしょう。公開されているSNSから取得できるという理由だけで、思想や家庭環境をAIの判定材料に入れてはいけません。

AI面接を含む選考全般の法的な留意点は企業がAI面接を導入する際の判断材料でも整理しています。導入前に法務と確認する際の下地としてお使いください。

参考：公正な採用選考の基本（厚生労働省）

個人情報保護法と生成AIへの入力

工程2や工程7で汎用の生成AIを使う場合、この論点が前提条件になります。応募書類や面接記録には個人情報が含まれるためです。

個人情報保護委員会は、個人データを生成AIに入力する際、あらかじめ特定した利用目的の範囲内であるか、提供事業者が入力内容を機械学習に利用しないかなどを十分に確認するよう注意喚起しています。確認せずに投入すると、目的外利用と判断されるおそれがあります。運用ルールが定まらないうちに現場で使い始めると、後から把握しきれなくなるかもしれません。

実務として押さえておきたいのは、次の3点です。

• 氏名や連絡先を伏せたうえで入力する
• 入力内容が学習に使われない契約形態のサービスを選ぶ
• 委託先と再委託先、処理される国、保存期間、削除方法を契約で明確にする

3つ目は、ツール選定の段階でベンダーに確認しておく項目です。契約後では変更が難しくなります。

AI事業者ガイドラインが示す運用の考え方

国内でAIを業務に使う際の指針として整備されているのが、総務省と経済産業省によるAI事業者ガイドラインです。2026年3月31日に第1.2版が公表され、内容が更新されました。

第1.2版では、AIエージェントの自律性が高まることを踏まえ、人間の判断を適切に介在させる仕組みを構築すること、操作履歴を定期的に確認し報告することの重要性が示されています。採用業務でも、日程調整からデータ更新までを連続して処理させる場合には、この考え方が当てはまるでしょう。

前章で挙げた役割分担表と記録の設計は、そのままこの指針に沿った運用になります。実務上の安全策と指針への対応は、多くの部分で重なると考えて差し支えありません。

参考：AI事業者ガイドライン（第1.2版・総務省／経済産業省）

海外で採用活動を行う場合の追加要件

国内向けの採用だけなら、ここまでの整理でおおむね足ります。ですが、海外の求職者を対象に採用活動を行う企業には、追加の要件が生じるため注意が必要です。

欧州連合のAI規則では、応募書類の分析やフィルタリング、候補者の評価といった雇用領域のAIが高リスクに分類されています。適用時期は段階的で、高リスクに関する規定の適用開始は延期されました。一方、対話型のAIであることを相手に知らせる透明性の義務など、一部は2026年8月から適用が始まります。域内の求職者を扱う日本企業も対象になり得るため、該当する場合は早めの確認が必要です。

米国では、自動化された雇用判定ツールについて、使用前のバイアス監査と結果概要の公開、候補者への事前通知を義務づける自治体があります。加えて、音声や映像を用いる評価が障害のある求職者に不利に働かないか、代替手段を用意できているかも問われます。制度は州や市ごとに異なるため、対象地域ごとの確認が欠かせません。

求職者への通知と異議申立ての窓口を用意する

最後に、法令の要求というより運用上の備えとして整えておきたい項目をまとめます。ここまで見てきた内容を、そのまま実務の形に落としたものです。

• 選考のどの工程でAIを使うかを、応募前または選考開始時に通知する
• 評価の観点を、専門用語を避けた表現で説明できるようにしておく
• 判定に疑義がある場合に、人が再確認する手順を決めておく
• 問い合わせや異議を受け付ける窓口を明示する
• AIを使わない選考手段を、合理的配慮が必要な場合に提供できるようにする

これらを整えておけば、求職者からの問い合わせにも慌てず対応できます。制度対応というより、選考の透明性を高める取り組みだと捉えてみてください。

通知の文面は、応募フォームの下部や選考案内メールに数行を添えるだけで足ります。長い規約を用意する必要はありません。むしろ、専門用語を並べた説明はかえって不安を招くおそれがあります。「一次面接はAIとの対話形式です」「評価は担当者が確認したうえで判断します」という程度の平易な表現のほうが、求職者には伝わりやすいでしょう。

採用のAI活用はどの工程から始めるべき？

七つの工程を見てきましたが、すべてに着手する必要はありません。ここでは、自社が最初に手をつけるべき工程をどう選ぶかを整理します。

詰まっている工程を数値で特定する

最初にやるべきは、ツールを探すことではなく、自社の採用がどこで止まっているかを数字で確認することです。感覚で「応募が足りない」と判断すると、露出への投資に偏りやすくなります。

とはいえ、確認する数字は5つで足ります。求人の表示回数、応募完了率、応募から初回連絡までの時間、面接実施率、1件あたりの選考工数。過去3か月分を振り返るだけでも、傾向は見えてくるはずです。

詰まりの場所	現れ方	着手すべき工程
露出	そもそも求人が見られていない	工程2（原稿改善）と媒体の見直し
訴求	見られているが応募されない	工程2（原稿の複数案検証）、応募項目の削減
対象	応募は来るが求める人材と違う	工程1（要件の再定義）、工程3（対象の絞り込み）
応募後	応募後に連絡が取れず消える	工程4（自動応答・日程調整）
選考容量	書類で落とさないと処理しきれない	工程6（面接の効率化）、工程5（優先順位付け）

多くの企業は露出が原因だと考えて媒体費を増やしますが、実際には応募後や選考容量で失っているケースが少なくありません。

着手しやすい工程の順番

詰まりが特定できない場合や、まず小さく試したい場合は、着手しやすさの順に進める方法もあります。基準は、誤りが起きても人が確認でき、効果を時間で測れることです。

• 1番目：求人票と求人原稿の作成。費用がほぼかからず、失敗しても損失が小さい
• 2番目：応募者対応と日程調整の自動化。効果が最も数字に出やすい
• 3番目：面接の文字起こしと要約。選考の記録が残り、後の工程に効いてくる
• 4番目：書類の要約と優先順位付け。個人情報の扱いを整理してから着手する

自動での不採用判定や、離職リスクの予測による足切りは、この順番には入れていません。データの蓄積と運用体制が整ってから検討する領域だと考えてください。

汎用の生成AIで足りる工程と足りない工程

投資判断で迷ったときの目安として、汎用の生成AIでどこまで対応できるかを整理しておきます。

要件の言語化、求人原稿の作成、スカウト文の下書きまでは、月数千円程度の汎用サービスで内製できます。一方、応募者への案内配信、受検状況の管理、評価の記録と社内共有といった業務は、汎用AIでは回りません。応募が届くたびに担当者が手作業でやり取りする状態が残るためです。

まず汎用の生成AIで試し、運用が回らないと感じた時点で専用サービスを検討する。この順番であれば、投資を最小限に抑えながら判断できるでしょう。企業規模別に見ると生成AIの活用率には18.5ポイントの差がありますが、この順番であれば規模を問わず着手できます。

ツール選定時に必ず聞くべき質問

専用サービスを検討する段階になったら、機能デモを見る前に確認しておきたい項目があります。以下は、そのまま提案依頼書に転記できる形で整理したものです。

• 評価モデルは何を予測しており、正解として学習しているデータは何か
• 求職者の個人情報、面接動画、評価結果を、基盤モデルの学習に利用するか
• 属性別の精度や通過率を、自社で取得・確認できるか
• 評価の理由を、元データの該当箇所とあわせて出力・保存できるか
• モデルやプロンプトを更新する際に、事前通知と再検証の機会があるか
• AIを使わない代替の選考手段と、合理的配慮を運用できるか
• 採用管理システムとの接続方式はどうなっており、削除や訂正は双方向に同期されるか
• データの処理国、再委託先、保存期間、削除証明、侵害時の通知期限はどうなっているか
• 解約時に、応募者データと評価履歴、監査ログを標準的な形式で返却できるか
• 価格は応募者数、従業員数、アカウント数、求人件数のどれに連動するか

とくに最後の項目は、運用開始後に効いてきます。応募数に連動する料金体系だと、選考の間口を広げる判断そのものが取りにくくなるためです。

この10項目のうち、2番目から4番目までは法務やセキュリティ部門と共有しておく価値があります。契約後に確認しようとすると、条件の変更が難しくなるためです。逆に機能の細かな違いは、試用のなかで確かめられます。提案依頼の段階では、データの扱いと説明可能性を優先して聞いておきましょう。

段階別の期間目安とゲート条件

最後に、導入全体の進め方を段階に分けて整理します。稟議資料の骨子としても使える形にまとめました。

段階	期間の目安	実施すること	次に進む条件
現状把握	2〜4週間	工程別の工数、歩留まり、応答時間を計測	職種別のベースラインが取れている
設計	3〜6週間	対象工程、評価基準、役割分担、通知文の決定	責任者と確認手順が明確
試行	6〜12週間	1〜3職種で試し、人の判断と並走して比較	時間の削減と公平性の両方が基準内
本番化	2〜6か月	既存システム連携、権限設定、記録、教育、通知	削除・確認・異議対応が動いている
拡張	継続	職種と工程を追加、評価基準を再確認	四半期ごとの指標とリスクの審査

試行の段階で、AIの出力と人の判断を並走させる点がポイントです。いきなり本番運用に切り替えず、精度を確認してから移行すれば、手戻りを避けられます。面接工程に絞った具体的な進め方は準備から運用開始までの手順にまとめました。

『Our AI面接』は採用のAI活用のどこに効くのか

ここまで採用フロー全体を見てきました。最後に、JetBが提供する定額制のアバター型AI面接サービス『Our AI面接』が、七つの工程のどこを担うのかを整理します。

効くのは応募者対応と面接の工程

はじめに範囲をはっきりさせておきます。『Our AI面接』が担うのは、工程4の応募者対応の一部と、工程6の面接です。求人原稿の作成やスカウト、採用データの分析は対象外になります。

自社の詰まりが露出や訴求にあるのなら、まず求人の見せ方から着手するほうが効果的でしょう。以下は、応募後の対応と選考容量に課題を感じている場合の内容としてお読みください。

詰まり	起きている現象	対応する機能
露出	求人が見られていない	対象外（媒体・採用広報の領域）
応募後	連絡待ちのあいだに離脱する	URL案内、24時間365日受検、完了通知
選考容量	書類で落とさないと処理できない	定額制、生成AIレポート、倍速再生
評価のばらつき	面接官によって基準が違う	評価基準の事前設定、項目ごとの重みづけ

応募直後に案内できるから連絡待ちが発生しない

工程4で触れた「待ち時間による離脱」に、直接効く部分です。発行したURLとパスワードを案内するだけで面接が始まるため、日程調整のやり取り自体が発生しません。

応募完了時の自動返信メールにURLを載せておけば、担当者の稼働を待たずに選考が動き出します。求職者はPC、スマートフォン、タブレットのいずれからでも受検でき、アプリのインストールもアカウント登録も不要です。面接が完了すると担当者へメールで通知が届き、通知先は複数設定できます。

深夜に受検された面接を、担当者は翌朝レポートで確認すればよい。この非同期の運用が成り立つことで、応募から面接までのリードタイムが数週間から即日へ変わります。

一次面接の工数を88.87%削減した自社検証

工程6で挙げた「面接の確認にかかる時間」については、JetB自身の採用で検証した結果があります。2025年10月から12月までの3か月間で、一次面接の工数を88.87%削減しました。削減時間は110.79時間、人件費に換算すると約110万円相当になります。

さらに、これを可能にしているのが確認作業を圧縮する機能です。0.5倍から2.0倍までの速度調整、シークバー上での発言箇所の可視化、沈黙部分のスキップ、動画の文字起こしが備わっています。面接動画を最初から最後まで見るという前提を崩し、レポートで全体を把握してから気になる箇所だけを確認する運用へ切り替えられる仕組みです。

空いた工数は、そのまま会える人数に振り向けられます。効果測定の章で挙げた「担当者の作業時間」を追う場合、この工程が最も動きやすい部分になるでしょう。

評価の根拠が言語化されるAIレポート

工程6で「評価軸の設計が精度を左右する」と述べましたが、ここに対応するのが生成AIレポートです。事前に設定した評価基準にもとづいて分析が行われ、評価の根拠が言語化された状態で出力されます。

評価がブラックボックスにならないため、社内での合意形成や引き継ぎもしやすくなるでしょう。さらに評価項目ごとの重みづけを変更できるので、同じ面接内容でも職種によって重視する軸を変えて評価できます。工程1で構造化した必須要件と歓迎要件が、そのまま評価軸として活きる設計だと考えてください。

面接の記録という点では、動画の文字起こしも標準で備わっています。音声を出せない環境でも内容を確認でき、評価の根拠となる発言を後から探すのも容易になるでしょう。

定額制だから選考の間口を広げられる

ツール選定の章で触れた「料金体系が運用の判断を縛る」という問題への答えが、定額制という設計です。『Our AI面接』は月額75,000円（税別）からで、受検数に応じた従量課金がありません。

面接回数が増えても料金が変わらないため、応募が増える前提で運用を組めます。書類選考を緩めて面接の間口を広げる判断は、費用が読めなければ下せないものです。応募が3倍になったときに費用も3倍になる料金体系では、意思決定そのものが止まってしまうでしょう。

JetB自身も自社採用で書類選考をなくし、応募者全員と面接する運用へ移行しました。費用が読めるという条件が、選考設計の自由度に直結します。導入メリットの詳細はOur AI面接で採用の何が変わるのかにまとめています。

判断の主体を人に残す運用ができる

役割分担の章で示した考え方を、そのまま実装できる点も設計上の特徴です。AIが担うのは一次対話と評価材料の作成であり、合否は人が決めます。

運用としては、明確な高評価と低評価はレポートで判断し、判断に迷う層だけ動画を確認する形が現実的です。求職者側への配慮としては、面接前に社長メッセージやオフィス紹介を再生するプレゼンテーション機能と、緊張をほぐすアイスブレイク機能を用意しています。求職者自身の映像をあえて表示しない仕様も、緊張を抑えるための設計です。

質問を登録するだけで最短5分でAI面接官を作成でき、用途別に複数管理することもできます。正社員とアルバイト、職種別に質問と評価軸を分けておけば、応募が増えても選考の精度を保てるでしょう。無料のお試し面接も用意していますので、求職者側の体験を自社で確かめてから判断していただけます。

採用のAI活用は工程を絞って始める

採用のAI活用は、採用計画から採用データの分析まで、七つの工程それぞれに使いどころがあります。工程が変われば、使うツールの種類も、人が持つべき判断も変わります。まずは自社のどこが詰まっているのかを数字で確認し、そこだけに絞って着手してみてください。

全工程に一度にAIを入れても、効果は出にくいのが実情です。従業員500名以上の企業では58.3%が採用AIを導入していますが、そのうち53.3%は工数が変わらないか、むしろ増えたと回答しています。背景にあるのは、AIと人の役割分担が決まっていないことでした。

求職者の側も、AI活用そのものを嫌ってはいません。約80%が何らかのメリットを認識し、公平性ではAIのほうが高く評価される場面もあります。ですが、人の目を通さない判定で不採用が決まることには54.4%が納得していません。AIに作業を渡し、判断は人が持つ。この線引きが、採用のAI活用の成否を分けます。

着手しやすいのは、求人原稿の作成と、応募者対応や日程調整の自動化です。もし応募後の連絡待ちで求職者を失っていたり、書類で落とさなければ選考が回らない状態になっていたりするのであれば、応募が増えても費用が読める定額制のAI面接も選択肢になります。「自社の場合はこう使えるか」といったご相談だけでも問題ございませんので、お気軽にお問い合わせください。