生成AIで候補者スクリーニング・書類選考を効率化する

生成AIで何が効率化されるのか？

大量の応募・職務経歴書の下読みと整理。合否を出す仕事ではなく、人が見極める前の準備を圧縮する。

スクリーニングには長年ジレンマがありました。応募が増えるほど一人ひとりの経歴を丁寧に読みたいが、時間は有限で、結局は冒頭だけ流し読みして判断してしまう。その結果、要件に合う候補者を見落としたり、読み手によって評価がばらついたりする。生成AIが変えるのはこの構図です。長い職務経歴書から、求人との合致点・確認したい点を素早く抽出し、整理した状態でCA／RAに渡せるようになり、「丁寧に読む」と「数をさばく」が両立し始めます。

ここで核心になるのが、AIに何を渡すかです。「AIはエンジンだ。コンテキストは燃料だ」という考え方で言えば、スクリーニングの質は、求人の必須・歓迎条件、評価したい観点、そして候補者の経歴情報——つまり渡したコンテキストの精度でほぼ決まります。要件が曖昧なまま「この人を評価して」と投げても、当たり障りのない出力しか返りません。効率化されるのは「下読みと整理の時間」であって、「誰を通すかを決める仕事」はむしろCA／RAの中核として残ります。

書類選考をどう速くするか？

要件と評価観点を先に言語化し、下読み・要約・整理だけをAIに任せ、判断は人が握る。

書類選考の時間は、読むこと自体より「読んだあと、どう整理して判断するか」に溶けています。求人要件を評価観点に落とす作業、長い経歴から確認点を拾う作業、複数候補を同じ物差しで並べる作業——ここを生成AIで圧縮すると、同じ時間でより多くの候補者に、より深く向き合えるようになります。次の5ステップで、人が判断すべきところは人が握ったまま、下読みと整理だけをAIに任せます。

1. 求人要件を評価観点に分解する。JDの必須・歓迎条件を、書類で確認できる評価軸（経験年数・担当領域・実績の種類など）に落とす。ここが選考の精度の土台になる。
2. 候補者情報を構造化して渡す。職務経歴書を、要約せず要点の構造に整理してAIに渡す。属性に関する情報は評価の根拠から外しておく。
3. 合致点と確認点を抽出させる。各候補について、要件に合う点・面談で確かめたい点・情報が不足している点を一覧化させ、読み込み時間を短縮する。
4. 同じ物差しで整理させる。評価観点ごとに候補者を並べる仮説を出させる。順位づけそのものではなく、人が比較しやすい整理が目的。
5. 人が経歴に当たって判断する。とくに不合格寄りの判断は、AIの出力を鵜呑みにせず人が経歴を確認して決める。合否の責任は人が持つ。

図：要件と「出してほしい観点」を渡し、下読みと整理だけをAIに作らせる例。合否・属性の扱いは指示で制御し、最終判断は人が行います。

次に、書類選考で「AIに任せる範囲」と「人が握る範囲」を対比で整理します。多くの失敗は、この線引きを間違えて、本来人が持つべき判断までAIに委ねてしまうことに起因します。

図：同じ書類選考でも、下読みが整理されているかで、人が見極めに割ける時間が変わる（例）。

要件適合をどう見極めるか？

適合は「キーワード一致」ではなく、経験の中身が要件にどう効くかで判断し、根拠を残す。

要件適合の見極めで陥りやすいのが、キーワードの有無だけで判断することです。職務経歴書に求人と同じ単語があるかではなく、その人の経験の中身が、求める役割にどう効くか——ここを読むのが見極めの本質です。生成AIは、各候補について「要件のどの項目を、経歴のどの記述が満たしているか」を対応づけて示すのが得意で、人が根拠を持って判断する助けになります。下は、選考にかける時間の使われ方が、AI導入でどう変わるかのイメージです。

見極めの精度を安定させるには、どの観点で適合を見るかを先に決めておくことが効きます。観点が定まっていれば、生成AIへの指示が安定し、CA／RAごとの当たり外れも減ります。下の表は、適合を見る観点と、その根拠となる情報源、AIへの渡し方の対応です。

注意したいのは、AIの整理はあくまで「根拠の候補」だということです。要件を満たすと示された記述が、その役割に実際に効くかどうかは人が読んで確かめます。上場企業を含む37社・2,500名の生成AI支援を通じて見えてきたのは、個々の判定を当てにいくより、評価観点と確認の型をチームで共有する仕組みを作るほうが、選考の質が安定して上がっていくという傾向です。スクリーニングを通った候補者を、その後どの求人にどう推薦まで運ぶかは生成AIで候補者マッチングを高度化するで、関心を持った候補者への声かけは生成AIでスカウト・候補者ソーシングを効率化するで、母集団形成や採用業務全体への展開は人材ビジネスの採用業務に生成AIを使うでそれぞれ扱います。

やってはいけないことは？

AIの判定だけで合否を出す、属性で評価を変える、機微情報を無防備に渡す——この3つは避ける。

生成AIはスクリーニングを強力にする一方で、使い方を誤ると、公平性とコンプライアンスの両面で重いリスクを招きます。とくに次の3つは、効率化どころか、候補者への不利益や法令・媒体規約違反につながります。

1. AIの判定だけで合否を出す。とくに不合格をAIの出力のまま確定させること。下読みには見落としや偏りが含まれうる。合否、なかでも落とす判断は人が経歴に当たって決める。
2. 属性に基づく評価。性別・年齢・国籍などの保護属性で評価や合否を変えること。差別につながり、法令・媒体規約の双方に反する。AIに渡す情報も仕事に関わる情報に限り、属性は根拠にしない。
3. 機微情報の無防備な入力。候補者の個人情報を、データ取り扱い方針を確認しないままツールに入力すること。学習利用や保存先を把握し、マスキングと入力範囲のルールを先に決める。

もう一つ忘れてはいけないのが、選考の一貫性です。同じ要件の求人なら、誰が見ても同じ観点で評価される状態を保つこと——生成AIは観点を揃える助けになりますが、観点そのものを決め、運用するのは人とルールの仕事です。「便利だから」を理由に、判断の責任までAIに預けない。この線引きを最初に引いておくことが、スクリーニングでAIを長く使い続けるための前提になります。安全な使い方の設計や、チームでの運用ルールづくりに迷う場合は、人材ビジネスのAI活用相談でご一緒できます。

よくある質問