人事
初級 AI活用ガイド
AI偏差値35-45の人事が、AIを味方につけるための第一歩。人事の実務に直結する活用法とロードマップをお届けします。
求人票の初稿をAIで作成する: JD作成の新しい始め方
人事がAIを最初に活用すべき業務は求人票（JD）の作成です。ChatGPTに「職種: バックエンドエンジニア、必要スキル: Go/Python/AWS、社風: フラットで裁量が大きい、年収: 600-900万、特徴: フルリモート可・副業OK」と伝え、「候補者が応募したくなるJDを作って。特にWhy（なぜこの会社で働くべきか）を冒頭に持ってきて」と依頼してみてください。AIは構造的なJDを素早く生成しますが、そのまま掲載してはいけません。社内の現場メンバーに「この表現は実態と合っている？」と確認し、誇張や曖昧な表現を修正する工程が不可欠です。特に「急成長中」「アットホーム」のような抽象的な表現をAIが多用するので、具体的な数字やエピソードに置き換えましょう。
あなたのAI偏差値を測定しませんか？
人事としてのAI活用力を6次元で診断。10分で偏差値と8タイプ分類がわかります。
面接の質問リストをAIでカスタマイズする
中途採用の面接では、候補者の職務経歴書に合わせた質問準備が重要ですが、毎回手動で作るのは時間がかかります。Claudeに候補者のレジュメを読み込ませ、「この候補者の経歴を踏まえて、(1)技術力を測る質問3つ、(2)カルチャーフィットを確認する質問2つ、(3)成長意欲を探る質問2つを作成して。各質問に期待する回答の基準も併記して」と依頼します。AIはレジュメの具体的な記述に基づいた質問を生成するため、「前職のプロジェクトで使ったGo言語での並行処理の設計について詳しく教えてください」のように、候補者の経験に直結した質問が得られます。ただし質問リストはあくまで準備であり、面接本番では候補者の回答に応じた深掘りが大切です。
人事がAIを使う際のバイアスリスクを理解する
人事のAI活用で最も注意すべきなのがバイアスの問題です。AIは学習データに含まれる偏りをそのまま再現します。例えば、AIに「優秀なエンジニアの特徴を教えて」と聞くと、過去のデータに基づいて男性寄りの特徴を挙げる可能性があります。書類選考でAIを活用する場合は、(1)性別・年齢・出身大学名を伏せたデータで判定させる、(2)AIの判定結果を人間が必ずレビューする、(3)合格率に性別・年齢による偏りがないかを定期的にモニタリングする、の3つの対策が最低限必要です。AIの公平性に関する知識は、人事のAI活用で最も重要なスキルです。
今日からできる5つのアクション
今週中: ChatGPTで現在募集中のポジションのJDを1つ作成し、現場マネージャーにレビューしてもらう
毎面接前15分: 候補者のレジュメをClaudeに読み込ませ、カスタマイズ質問リストを準備する
週1回15分: AIバイアスに関する記事を1つ読み、人事でのリスクポイントをメモする
月1回: AI活用で効率化できた人事業務の時間を記録し、Before/Afterを可視化する
月1回: 他社の人事AI活用事例をPerplexityで3件リサーチし、自社への適用可能性をメモする
初級者におすすめのAIツール
ChatGPT
JD作成、面接フィードバックの要約、社内アナウンス文の作成に最適。人事の定型文書作成を大幅に効率化する入門ツール。
Claude
候補者レジュメの分析、面接質問のカスタマイズ、評価レポートの長文作成に強い。人事の「読む・書く」業務全般を支援。
Notion AI
採用ナレッジの蓄積と検索に活用。面接のベストプラクティス、過去の採用成功事例、評価基準のドキュメントをAI検索可能な形で管理。
ステップアップ・ロードマップ
Phase 1: JD作成のAI化
1-2週間- 現在募集中のポジション3つ分のJDをAIで作成し、現場レビューを受ける
- AIバイアスの基本概念（データバイアス、確証バイアス、統計的差別）を理解する
- ChatGPTとClaudeの使い分け（短文生成 vs 長文分析）を体験で理解する
Phase 2: 面接準備のAI化
2-4週間- 全面接でAI生成の質問リストを活用し、面接の質を標準化する
- 面接後のフィードバック文をAIでドラフトし、評価記録の作成時間を半減する
- AIで作成したJDの応募率を従来のJDと比較し、効果を測定する
Phase 3: 偏差値45突破
1-2か月- 採用業務の事務作業時間を30%削減し、候補者対応の質向上に時間を充てる
- AIバイアスチェックを書類選考プロセスに組み込む
- 人事チーム内でAI活用のプロンプトテンプレートを5つ以上共有する
人事が知っておくべきAI用語
よくある質問
Q.AIで採用を効率化するとき、バイアスのリスクはどう管理しますか？
3層のバイアス対策を推奨します。(1)入力段階: AIに読ませるデータから性別・年齢・出身校などの属性情報をマスクする、(2)処理段階: AIの判定基準を「スキル・経験・実績」に限定するプロンプトを設計する、(3)出力段階: AI判定結果の合格率を属性別に集計し、偏りがないかを月次でモニタリングする。最も重要なのは(3)のモニタリングで、バイアスはゼロにはできないので継続的な検知と是正が必要です。
Q.候補者にAIで作った質問だとわかりますか？
質問そのものよりも「質問の深掘り方」が面接の質を決めます。AIで生成した質問をそのまま読み上げるだけなら、テンプレート的だと感じる候補者もいるでしょう。AIの質問リストはあくまで「準備」であり、面接本番では候補者の回答を傾聴し、「その経験でどう感じましたか？」「具体的にはどのように解決しましたか？」と深掘りする対話力が大切です。
Q.人事がAIを学ぶのにどのくらい時間がかかりますか？
JD作成やメール文面作成レベルなら1-2週間で基本が身につきます。毎日15分、業務で使いながら覚えるのが最も効果的です。バイアス管理やデータ分析を含む中級レベルには2-3か月かかりますが、人事×AIの知識は今後のキャリアで確実に差別化要素になります。AI偏差値テストを月1回受けて進捗を可視化しましょう。
SalesNow で働く
データとAIで「働く」を変える仲間を募集中
1,400万件の企業データベース × AI。データAIカンパニーで新しいキャリアを。
人事としてのAI偏差値を測定しませんか？
OECD/WEF準拠の6次元フレームワークであなたのAI活用力を10分で診断。8タイプのどれかも判定します。