People AI Lab(ホームへ)

採用業務で生成AIを活用できる領域と、任せてはいけない領域

求人票作成から候補者対応、面接記録の要約まで。採用プロセスを7つの工程に分け、生成AIが有効な領域と、法規制・公正性の観点から人が判断すべき領域を整理する。

公開
更新
読了目安
5
執筆
People AI Lab 編集部

この記事の要点

  1. 01生成AIが最も効果を発揮するのは「文書作成」「要約」「連絡の下書き」といった採用の周辺作業であり、合否判断そのものではない。
  2. 02書類スクリーニングや面接評価へのAI適用は、国内の公正採用の考え方や海外の規制(EU AI Act、NYC Local Law 144 など)を踏まえ、人による最終判断と説明可能性を前提に設計する必要がある。
  3. 03導入は「候補者に見える工程」より「採用担当者の内側の工程」から始めると、リスクを抑えながら効果を確認しやすい。

採用は、人事領域のなかで最も早く生成AIの活用が進んでいる業務の一つです。同時に、候補者という社外の個人を扱うため、公正性と個人情報の観点で最も慎重さが求められる領域でもあります。本記事では、採用プロセスを7つの工程に分け、それぞれについて「生成AIが有効な使い方」と「人が担うべき判断」を整理します。

前提:AIの活用範囲を決める3つの軸

工程ごとの整理に入る前に、採用でAIの活用範囲を決める際の判断軸を示します。編集部は次の3つを推奨しています。

  1. 候補者への影響:その出力が候補者の合否や処遇に直接影響するか。影響が大きいほど、人の判断と説明責任を厚くする。
  2. 入力する情報の機微性:氏名、経歴、健康情報などの個人情報を入力するか。入力する場合は、利用するAIサービスの契約条件(学習利用の有無、保存期間、所在地)を確認する。
  3. 再現性と検証可能性:出力を後から検証できるか。検証できない出力を判断根拠にしない。

個人情報保護委員会は2023年6月、生成AIサービスの利用に関して、個人情報取扱事業者が本人の同意なく要配慮個人情報を入力することや、利用目的の範囲を超えて個人情報を入力することへの注意を喚起しています。採用データを扱う場合は、この注意喚起を出発点にするとよいでしょう。

工程別の整理

1. 採用計画・要件定義

有効な使い方:既存の職務記述書や過去の求人票を読み込ませ、要件の抜け漏れや曖昧な表現を洗い出す。事業計画の文書から、必要な役割の候補を列挙させる。

人が担う判断:どの職種を、いつ、何人採用するかという計画そのものは、事業戦略と予算の判断であり、AIの出力は素材にすぎません。

2. 求人票・募集文書の作成

有効な使い方:要件定義をもとに求人票の下書きを作成する。表現のトーンを統一する。性別や年齢を連想させる表現、法令上問題となりうる表現を検出する。

人が担う判断:厚生労働省が示す「公正な採用選考の基本」は、応募者の適性・能力に基づく選考を求め、本籍・出生地や家族状況、思想信条など本人に責任のない事項や本来自由であるべき事項を採用基準にしないことを求めています。AIが生成した文面がこの考え方に反していないかの確認は、担当者の責任です。

3. 母集団形成・スカウト

有効な使い方:候補者プロフィールの公開情報をもとに、スカウト文面の下書きを個別化する。返信率の高かった文面の特徴を整理する。

人が担う判断:スカウト対象の選定基準。AIに「似た人を探す」ことを任せると、既存社員の属性に偏った母集団になる可能性があります。多様性の観点から、基準は人が定義し、定期的に見直す必要があります。

4. 書類スクリーニング

ここが最も注意を要する工程です。

有効な使い方:応募書類の要約、職務経歴の年表化、記載内容と要件の対応表の作成。担当者が読む時間を短縮し、見落としを減らす補助としての利用。

人が担う判断:合否の判断。AIによる自動的な足切りは、次の理由から編集部は推奨しません。

  • 過去の採用データを学習したモデルは、過去の選考の偏りを再生産する可能性がある
  • 候補者に対して、不合格理由を説明できない
  • EU AI Act は、採用における候補者の選抜・評価に用いるAIシステムを高リスクに分類しており、欧州での採用活動がある企業は法的義務の対象になりうる
  • ニューヨーク市の Local Law 144 は、自動化された雇用判断ツール(AEDT)を用いる雇用主に対し、年次のバイアス監査と候補者への通知を義務づけている

日本国内に限った採用でも、公正性と説明責任は同じように求められます。AIを使うとしても、「AIが要約し、人が判断する」という設計を基本にすべきです。

5. 面接

有効な使い方:職務要件に基づく質問例の生成。面接記録(本人同意のうえで録音・文字起こししたもの)の要約と、評価項目ごとの発言の整理。面接官間での評価のばらつきの可視化。

人が担う判断:候補者の評価そのもの。表情や声のトーンからの自動評価は、科学的根拠と公正性の両面で議論があり、編集部は推奨しません。

6. 候補者コミュニケーション

有効な使い方:日程調整、選考状況の連絡、よくある質問への回答の下書き。候補者ごとに文面を整えることで、返信の速さと丁寧さを両立できる。

人が担う判断:不合格通知や条件交渉など、候補者の感情や利害に関わる連絡は、下書きをAIが作ったとしても、送信前に人が確認し、必要に応じて書き換えるべきです。

7. 内定・オンボーディング

有効な使い方:入社前の案内資料、初期研修コンテンツの生成。入社後の質問に対するFAQ対応。

人が担う判断:労働条件の提示や契約に関する説明は、正確性が最優先であり、規程・法令に基づく人の確認が必要です。

工程別のまとめ

採用7工程における生成AIの活用範囲とリスク水準 採用計画から内定・入社までの7工程を横に並べ、各工程でAIが担う作業と、候補者への影響に基づくリスク水準(低・中・高)を示す図。 RECRUITING PROCESS 採用計画 求人票作成 母集団形成 書類選考 面接 候補者連絡 内定・入社 要件の整理 抜け漏れ検出 下書き 表現チェック スカウト文面 の個別化 書類の要約 対応表の作成 質問例の生成 記録の要約 定型連絡の 下書き 案内資料 FAQ リスク水準(候補者への影響) 低〜中 人数・時期の決定 公正性の最終確認 対象選定基準 合否判断 評価 感情に関わる連絡 労働条件の説明 塗りつぶしの工程(書類選考・面接)は「AIが要約し、人が判断し、人が説明する」設計を基本とする(編集部による整理)
図表1:採用7工程における生成AIの活用範囲とリスク水準(編集部による整理)
工程生成AIが有効な使い方人が担う判断リスク水準(編集部評価)
採用計画要件の整理、抜け漏れ検出採用人数・時期の決定
求人票作成下書き、表現チェック公正性の最終確認低〜中
母集団形成スカウト文面の個別化対象選定基準
書類スクリーニング要約、対応表作成合否判断
面接質問例、記録要約評価
候補者連絡定型連絡の下書き感情・利害に関わる連絡
内定・入社案内資料、FAQ労働条件の説明
図表2:採用工程ごとの生成AI活用と判断の分担(編集部による整理。リスク水準は候補者への影響と法規制上の位置づけを踏まえた定性的な評価)

導入の順番:見えない工程から始める

編集部は、採用における生成AI導入を「候補者に見えない工程」から始めることを推奨しています。求人票の下書き、応募書類の要約、面接記録の整理は、いずれも担当者の内側で完結し、出力を人が確認してから外に出せます。ここで運用ルールと品質基準を確立してから、候補者コミュニケーションのような「見える工程」に広げる方が、信頼を損なうリスクを抑えられます。

おわりに

採用で生成AIを使う目的は、判断を機械に委ねることではなく、担当者が候補者一人ひとりに向き合う時間を増やすことにあります。「AIが要約し、人が判断し、人が説明する」という原則を守れば、生成AIは採用の質を上げる道具になります。ツールの選び方については、HR×AIツールを選ぶ際の評価基準もあわせてご覧ください。

出典・参考資料

  1. [1]公正な採用選考について(公正な採用選考の基本)(厚生労働省) 参照 2026-08-29
  2. [2]Regulation (EU) 2024/1689(EU AI Act)Annex III(Official Journal of the European Union) 参照 2026-08-29
  3. [3]Automated Employment Decision Tools (AEDT)(NYC Department of Consumer and Worker Protection) 参照 2026-08-29
  4. [4]生成AIサービスの利用に関する注意喚起等(個人情報保護委員会) 参照 2026-08-29

この記事について

本記事は、下書き・構成整理・文章校正の一部に生成AIを利用し、編集部が出典を確認したうえで内容を検証・編集しています。 最終確認:People AI Lab 編集部。詳しくはAI利用方針編集方針をご覧ください。誤りにお気づきの場合は情報訂正ポリシーに沿ってご連絡ください。

AI Transformation5分で読める

AI時代に人事部門の役割はどう変わるか

生成AIの普及は、人事部門を「制度と手続きの運用者」から「仕事と組織の設計者」へ押し出す。何が変わり、何が変わらないのかを、機能ごとに整理する。

Management5分で読める

AI時代のマネージャーに求められる役割

メンバーがAIと協働する前提で、マネージャーの仕事はどう変わるのか。情報の仲介者から、判断基準の設計者・成果の責任者・学習環境の整備者へ。1on1と評価の実務も含めて整理する。

Newsletter

People AI Lab Letter

AI時代の人事・組織経営に関する新着記事、調査レポート、ツールDBの更新、編集部の論点を月2回程度でお届けします。登録は無料で、いつでも解除できます。

  • 新着記事とレポートの要点
  • HR×AIツールDBの更新情報
  • 編集部が注目する国内外の調査・規制動向