【2026年最新】人事・採用AIを使うための完全ガイド｜Claude Code／Codexで採用・労務・研修を自動化する方法
aikanri-admin
この記事の内容
「採用書類の選考に毎日2〜3時間かかる」「入社手続きで発生する大量の書類処理が属人化している」「労務管理の法改正対応が追いつかない」——人事・採用業務の手作業は、組織が成長するほど逼迫していきます。Claude Code／Codex（AIエージェント）を使えば、採用・入社・労務・評価・研修という人事業務の全フローを体系的に自動化できます。この記事では、人事・採用AIの全体像と実装設計を、AI鬼管理（運営: 株式会社GENAI）の実践ノウハウをもとに解説します。
本記事はjinji（人事・採用）クラスターの総合ガイドです。個別のテーマについては、就業規則AIの使い方も参考にしてください。
代表菅澤
AI鬼管理山崎
01 OVERVIEW 人事・採用AIとは——採用から退職まで全フローをAIで効率化する 人事業務の「採用→入社→労務→評価→退職」の全フローにAIを組み込む
人事・採用AIとは、Claude Code/Codexを活用して人事業務の全フローを効率化・自動化する取り組みです。採用書類のスクリーニング・求人票作成から始まり、入社手続き・労務管理・人事評価・研修設計・退職手続きまで、人事業務全体にAIを活用します。
| 人事業務の領域 | AI活用の内容 | 効果 |
|---|---|---|
| 採用・選考 | 求人票生成・書類選考スクリーニング・面接質問設計 | 採用業務の工数を50%以上削減 |
| 入社・オンボーディング | 入社手続き書類の生成・チェックリスト・研修コンテンツ | 入社から戦力化までの期間を短縮 |
| 労務管理 | 就業規則チェック・勤怠管理規定・社会保険手続きガイド | 法改正対応の見落としリスクを低減 |
| 人事評価 | 評価シート設計・フィードバック文生成・目標設定支援 | 評価の公平性・透明性を向上 |
| 退職・オフボーディング | 退職手続きチェックリスト・引き継ぎ書類生成 | 退職処理の漏れを防ぐ |
📚 用語解説
HRIS（人事情報システム）とAIの補完関係：SmartHR・freee人事労務・カオナビなどのHRISは「人事情報の記録・管理」を担う。AIはHRISと連携して「人事情報の解釈・文書生成・判断支援」を担う。「HRIS＝データの倉庫」「AI＝データを使った作業の実行者」という補完関係を設計することが人事AI活用の基本構造。Claude Code/CodexはHRISのAPIと連携して、HRISに蓄積された人事データをもとに各種文書や分析レポートを自動生成できる。
代表菅澤
02 RECRUIT 採用・選考プロセスへのAI活用——求人票作成・書類選考・面接準備 「求人票→書類受付→選考→内定」の各ステップでAIが担当できる業務
採用プロセスは「求人票の作成→応募受付→書類選考→面接→内定→オファー」の流れで進みます。各ステップでClaude Code/Codexが活用できる業務を解説します。
求人票のAI作成
Claude Code/Codexに「職種・必要スキル・業務内容・求める人物像・給与レンジ・会社の魅力」を入力すると、各求人媒体（Indeed・マイナビ・ハローワーク等）に適したフォーマットで求人票の下書きを生成できます。複数媒体へのリライトも一括で依頼できます。
書類選考のAIスクリーニング
応募書類（履歴書・職務経歴書）の内容をClaude Code/Codexに読み込ませて、「選考基準への適合度・強み・懸念点」を評価するスクリーニングが可能です。AIはスクリーニングの「補助」として使い、最終判断は採用担当者が行うことが重要です。また個人情報の取り扱いには十分注意し、APIへの送信前に個人情報保護方針の確認が必要です。
📚 用語解説
AI採用の「アルゴリズム差別」リスク：AIによる書類選考・採用判断で、特定の属性（性別・年齢・出身地等）に対して不当に不利な評価が出る「アルゴリズム差別」のリスクがある。Claude Code/Codexを採用スクリーニングに使う場合は「スキル・経験・業績」の客観的な基準を明確にして、個人の属性情報をAIの評価に含めない設計が重要。最終採用判断は必ず人間が行い、AIの評価はあくまでも「参考情報」として扱うことがコンプライアンス上の基本。
面接質問のAI設計
「職種・評価したいコンピテンシー・前回面接での気になる点」をClaude Code/Codexに伝えると、構造化面接の質問集が生成されます。同じ基準で全候補者を評価する「構造化面接」は採用の公平性・精度を高めます。
AI鬼管理山崎
03 ONBOARD 入社・オンボーディングのAI化——手続き・設定・研修を自動化 「内定→入社→戦力化」までのフローをAIで標準化・効率化する
入社手続きとオンボーディングは「毎回同じ作業を繰り返す」性質のため、AI自動化との相性が高い領域です。入社者一人ひとりに合わせた手続き案内・チェックリスト・研修コンテンツをAIが生成します。
📚 用語解説
オンボーディング（Onboarding）：新入社員が組織に馴染み、業務を自立して遂行できるようになるまでのプロセス全体。入社手続き（ペーパーワーク）だけでなく、組織文化の理解・業務知識の習得・人間関係の構築も含む。「90日以内に戦力化できるかどうか」は離職率に直結するため、質の高いオンボーディングは採用ROIを最大化する。Claude Code/Codexを使ったオンボーディングの自動化は、プロセスの標準化と入社者体験の向上を同時に実現する。
04 ROMU 労務管理のAI活用——勤怠・給与・社会保険・規定整備 法改正対応・規定チェック・手続きガイド生成にAIを活用する
労務管理は「法律に準拠すること」が最重要であり、法改正への対応漏れが労使トラブルや労働基準監督署からの是正勧告につながります。Claude Code/Codexは「法的知識の確認・規定の法改正対応チェック・手続きガイドの生成」で活用できます。
| 労務管理の業務 | AI活用の内容 | 注意点 |
|---|---|---|
| 就業規則の整備 | 現行就業規則の法改正対応チェック・改正案の下書き生成 | 最終確認は社労士が必要 |
| 勤怠管理の規定設計 | 時間外労働・有給休暇・36協定の規定チェックと説明資料生成 | 労働基準法の数値は正確な確認が必要 |
| 社会保険の手続き案内 | 入退社・育休・傷病による変動時の社会保険手続きガイド生成 | 複雑な事例は社労士確認 |
| ハラスメント防止規定 | ハラスメント防止方針・相談窓口設置・対応フロー文書の生成 | 自社の組織文化に合わせた調整が必要 |
就業規則の全面見直しは社労士への依頼が最適ですが、「現行の就業規則が最新の法律に対応しているか」のチェックはAIから始めることができます。Claude Code/Codexに就業規則を読み込ませて「最近の労働法改正（2024年改正等）に対応しているか確認して」と依頼すると、対応が必要な箇所の指摘が得られます。この「AIチェック→社労士確認」の分業でコストを削減できます。
代表菅澤
05 TRAINING 人事評価・研修・育成のAI化——評価設計から学習コンテンツまで 「公平な評価」と「効果的な育成」の両立をAIが支援する
人事評価と研修は「どう設計するか」に時間と労力がかかる領域です。Claude Code/Codexを活用することで、評価シートの設計・フィードバック文の生成・研修コンテンツの作成を効率化できます。
📚 用語解説
コンピテンシー評価：業務成果につながる具体的な行動特性（コンピテンシー）を評価軸に設定する人事評価方式。「リーダーシップ」「問題解決力」「コミュニケーション力」などの能力を、「どういう行動が見られたか」という具体的な行動指標で評価する。Claude Code/Codexに「この職種で高業績者に共通するコンピテンシーを10個列挙して」と依頼すると、評価指標設計の参考情報が得られる。ただし自社特有のコンテキストを踏まえた最終的な評価指標の決定は人間が行う必要がある。
06 LIMIT 手作業人事管理の限界——組織が成長すると崩壊する3つの理由 「10人の壁」「30人の壁」で人事手作業が機能しなくなる理由
手作業での人事管理は小規模組織では機能します。しかし組織が成長すると、手作業の限界が次々と露呈します。
労働基準法違反（未払い残業代・就業規則の未整備・必須記載事項の漏れ）は、労働基準監督署の是正勧告・従業員からの未払い残業代請求・SNSでの炎上といった経営リスクにつながります。人事管理のAI活用は「効率化」だけでなく「コンプライアンスリスクの低減」という観点からも重要です。
AI鬼管理山崎
07 CORE 【核心】Claude Code／Codexで人事業務を自動化する実装設計 採用・入社・労務・評価の各フローをClaude Code/Codexで連携させる
Claude Code/Codexを使った人事業務自動化の全体設計を解説します。「採用→入社→労務→評価→退職」の各フローを連携させたシームレスな人事管理パイプラインです。
| 手作業の人事管理 | AI活用後の人事管理 |
|---|---|
| 求人票作成に3〜4時間 | AIで30分（確認・修正は担当者） |
| 書類選考に毎日2〜3時間 | AIスクリーニングで90%削減・判断のみ人間 |
| 入社手続きが担当者依存 | チェックリスト・書類生成の自動化で標準化 |
| 就業規則の法改正対応が後回し | AIチェックで改正対応状況を即確認 |
| 評価シートを毎年ゼロから作成 | AIが過去シートを改善した改訂案を生成 |
📚 用語解説
ピープルアナリティクス：人事データ（採用・評価・離職・スキル等）を収集・分析して、採用・配置・育成・離職防止などの人事判断を「データに基づいて行う」アプローチ。大企業ではHRIS+BIツールで実装されることが多いが、中小企業ではスプレッドシート+Claude Code/Codexで低コストなピープルアナリティクスが実現できる。「採用後3ヶ月以内に離職した人の共通点をデータから分析して」という問いをAIに投げることで、採用基準の改善ヒントが得られる。
人事業務のAI活用については、就業規則AIの使い方で就業規則の整備・改定についても詳しく解説しています。また、このクラスターのすべての記事は人事・採用クラスターの記事一覧からご覧いただけます。
代表菅澤
08 WALLS 独学の3つの壁——AI鬼管理で最短突破 人事業務AI活用でつまずく3つの典型パターン
AI鬼管理山崎
09 SUMMARY 人事・採用AIまとめ——今日から始める3ステップ 採用から始めて労務・評価へ段階的にAI活用を広げる
よくある質問
Q. 人事・採用へのAI活用で個人情報は大丈夫ですか？
A. Anthropic EnterpriseプランではZero Data Retentionが設定できます。また、応募者の氏名・連絡先などの直接識別情報を送信前にマスキングし、スキル・経験・業績などの評価に必要な情報のみをAIに渡す設計が推奨されます。個人情報保護方針に基づいた運用設計が前提条件です。
Q. AIによる採用選考は法的に問題ありませんか？
A. AIを採用判断の補助ツールとして使うことは一般的に許容されますが、最終採用判断を人間が行わずにAIのみで行うことは、雇用機会均等法等の観点からリスクがあります。「AIはスクリーニングの参考情報を提供する」「採用判断は必ず人間が行う」という原則を守ることが重要です。
Q. 人事業務のAI活用を始める際の社内周知はどうすれば良いですか？
A. 特に応募者・従業員に関する情報をAIで処理する場合は、プライバシーポリシーへの明記・社内ルールの整備が必要です。「どのデータをAIで処理するか」「生成AIの判断を最終決定に使わないこと」を明確にした社内ガイドラインを作成することをお勧めします。AI鬼管理では社内ガイドラインの設計支援も行っています。
Q. 独学でも人事AIの導入はできますか？
A. 求人票の改善やオンボーディング資料の生成など、個人情報・法的判断が絡まない業務は独学でも始めやすいです。ただし採用スクリーニング・就業規則整備・評価制度設計など、法的リスクが絡む業務はAI鬼管理のような伴走支援の活用をお勧めします。「どこまで自分でやれるか」の判断から一緒に考えることもできます。
Q. 既存のHRISとClaude Code/Codexを連携させることはできますか？
A. SmartHR・freee人事労務・カオナビなど主要HRISはAPI連携が可能です。HRISのAPIからデータを取得してClaude Code/Codexで処理し、結果をHRISに書き戻す設計が可能です。AI鬼管理では既存HRISとの連携設計も支援しています。
企業規模・人事体制別——AI導入の優先順位ロードマップ
人事AI活用の最適な進め方は、企業規模・人事担当者の人数・現在の人事課題によって異なります。自社の状況に合わせた優先順位ロードマップを解説します。
【〜30名規模】人事担当者1〜2名の中小企業の場合
従業員30名以下の中小企業で人事担当者が1〜2名という最も典型的なパターンです。人事担当者がほぼ一人で採用・労務・給与・評価・研修をこなしている状況です。
推奨する優先順位:
- 1位: 採用書類スクリーニング（即日効果）——毎日発生する選考業務で最も時間を圧迫する作業。AIスクリーニングで月20〜30時間の削減が現実的
- 2位: 入社手続きの自動化（週1〜2件の定型業務）——採用が続く限り繰り返し発生する入社手続きをテンプレート化
- 3位: 就業規則の法改正対応チェック（年1〜2回）——定期的な確認を怠ると最大のリスクになる部分をAIで省力化
【30〜100名規模】人事部門が形成されてきた成長企業の場合
従業員30〜100名規模で採用・労務・評価が分担されてきた段階です。部門間の情報連携・標準化・スピードが課題になります。
推奨する優先順位:
- 1位: オンボーディングの標準化・自動化——月5〜10名の入社が続く中、オンボーディングの質のバラつきが離職率に影響する
- 2位: 評価シート・フィードバック文の標準化——評価者によって差が出やすい「フィードバックの質」をAIで底上げ
- 3位: 採用ブランディング（求人票・採用コンテンツ）のAI強化——競合他社との採用競争で「文章の質」が差別化要因になる
人事AI活用の実践事例——中小企業のビフォーアフター
AI鬼管理が支援してきた企業の人事AI活用の具体的な事例を紹介します。
事例1: サービス業・採用スクリーニング自動化
背景：パート・アルバイトの採用が月30〜50名と多く、書類選考だけで人事担当者1名が週20時間を費やしていた。
AI活用内容：応募フォームのデータをスプレッドシートに自動取得し、Claude Code/Codexが「業務経験・シフト希望の適合度・応募動機の質」を評価してA/B/Cで分類するスクリプトを構築。
結果：書類選考時間が週20時間→3時間に削減。担当者はAIが「A評価」とした候補者のリストを最終確認するだけになり、面接・育成に時間を割けるようになった。
事例2: IT企業・オンボーディングの完全標準化
背景：急成長中のIT企業で月3〜5名の入社が続く中、オンボーディングの質が担当者によってバラバラで、入社3ヶ月以内の離職率が20%を超えていた。
AI活用内容：「入社者の職種・経験レベル・担当チーム」を入力するとClaude Code/Codexが個別最適化されたオンボーディングプランを生成するシステムを構築。30日・60日・90日の振り返りフォーマットも自動生成。
結果：入社3ヶ月以内の離職率が20%→8%に低下。「自分専用のオンボーディングプランがある」という体験が入社者満足度を大幅に向上させた。
事例3: 製造業・就業規則の法改正対応プロセス整備
背景：創業20年の製造業で就業規則が作成当時のまま放置されていた。2024年の労働基準法改正で複数の不備が発覚し、対応が急務になった。
AI活用内容：Claude Code/Codexで既存の就業規則の全条文をレビューし、「法改正対応が必要な箇所・削除すべき時代遅れの規定・追記が必要な事項」をリストアップ。その改正案を社労士に確認依頼。
結果：社労士への依頼コストが「ゼロからの依頼（50万円〜）」から「AIの改正案の確認（15万円）」に削減。改正完了後は毎年の法改正確認をAIで自動化する体制も構築した。
人事AI活用で守るべき5つの原則
人事AIを安全・効果的に活用するための基本原則をまとめます。
- 採用・評価の最終決定は必ず人間が行う——AIはスクリーニング・評価の補助ツール。採用判断・評価決定は人間の責任で行う
- 個人情報の送信範囲を明確に定める——応募者・従業員の個人情報をAI APIに送信する範囲のルールを社内で明確化する
- AIの法的判断は「第一見解」として扱う——就業規則・雇用契約書のAIチェックは「下書き・参考情報」であり、最終の法的判断は社労士・弁護士に確認する
- 差別的な評価基準をAIに持ち込まない——採用スクリーニングのプロンプトに性別・年齢・出身地などの属性情報が評価に影響しないよう設計する
- AI活用の透明性を確保する——応募者・従業員に「AIを採用・評価プロセスに利用している」ことを適切に開示することがコンプライアンスの基本
これらの原則を守った上でAIを活用することで、人事業務の効率化と組織の信頼性向上を同時に実現できます。AI鬼管理では人事AI活用の設計から運用ガイドライン作成まで伴走支援しています。
そのまま使える！人事業務プロンプトテンプレート集
Claude Code/Codexで人事業務を効率化するためのプロンプトテンプレートを公開します。コピーして自社の情報に書き換えて使ってください。
採用選考：応募者スクリーニングテンプレート
以下の求人要件と応募者情報を照らし合わせて、採用適合度を評価してください。 【求人要件】 職種: [営業職 / エンジニア / 事務職などを記載] 必須スキル: [具体的なスキルを箇条書き] 歓迎スキル: [あれば加点になるスキル] 重視する人物像: [コミュニケーション力、主体性など] 【応募者情報】 氏名: [山田太郎] 職務経歴概要: [ここに職務経歴書の内容を貼り付け] 志望動機: [ここに志望動機を貼り付け] 【評価をA/B/Cで回答してください】 A: 必須要件を十分に満たしており面接推奨 B: 一部不足あるが面接で確認する価値あり C: 今回の要件との適合度が低い 評価とその理由を200字以内で教えてください。
入社オンボーディング：初日〜30日プラン生成テンプレート
新入社員のオンボーディングプランを作成してください。 【入社者情報】 氏名: [田中花子] 職種: [マーケティング担当] 経験年数: [5年 / 新卒など] 担当チーム: [マーケチーム、3名] 【会社情報】 事業内容: [SaaS提供のIT企業] 利用ツール: [Slack, Notion, Google Workspace] 【プラン期間】初日〜30日 以下の形式で出力してください: - 1日目(入社初日)にやること - 1週間目の重点事項 - 1ヶ月目の目標と確認ポイント - 迷ったときに確認すべき社内リソース（例: 議事録の場所、問い合わせ先）
人事評価：フィードバック文生成テンプレート
以下の評価情報をもとに、上司から部下への建設的なフィードバック文を作成してください。 【対象者情報】 氏名: [佐藤次郎] 職種: [営業担当 / 2年目] 評価期間: [2024年上半期] 【評価メモ（箇条書きでOK）】 良かった点: - 新規顧客獲得数が目標の120%を達成 - 顧客からのクレームが前期比50%減 改善が必要な点: - 社内報告の遅延が3回あった - 提案資料の完成度にムラがある 【出力形式】 - 良かった点（具体的に褒める） - 改善点（批判でなく成長への提案として） - 次期への期待 全体300〜400字でまとめてください。
新人研修：業務別学習チェックリスト生成テンプレート
新人が[職種名]として独り立ちするための学習チェックリストを作成してください。 【職種と業務内容】 職種: [経理担当] 主な業務: [月次決算補助、経費精算処理、請求書管理] 使用ツール: [freee会計、Slack、Googleスプレッドシート] 【独り立ちの期間目標】 [入社3ヶ月後] 【出力形式】 Phase 1（1〜2週間）: 基礎知識の習得 Phase 2（2週間〜1ヶ月）: 実務補助 Phase 3（1〜3ヶ月）: 独立実施 各フェーズのチェック項目を10〜15個ずつ出力してください。
これらのプロンプトテンプレートは、自社の情報に書き換えるだけで今日から使えます。AI鬼管理ではこうしたプロンプト設計から、業務フローへの組み込みまでをワンストップで支援しています。
Claude Codeで業務自動化を90日で叩き込む
経営者向けの伴走型パーソナルトレーニング
Claude Code を業務に落とし込む
専門研修コース一覧
受講者本人の業務を題材に、「使いこなせる」状態になるまで伴走する研修プログラム。1対1特化型・ハンズオン・法人講座の3コースを展開中。業務特化・実装まで踏み込むタイプのClaude Code研修です。
研修コース一覧を見る →AI鬼管理へのお問い合わせ
この記事を読んで気になった方へ。
AI鬼管理の専門スタッフが、御社に最適な
業務自動化プランを無料でご提案します。
- AI業務自動化サービス「AI鬼管理」を運営 — Claude Code を活用し、経営者の業務を「AIエージェントに任せる仕組み」へ転換するパーソナルトレーニングを 伴走構築 で提供。日報・採用・問い合わせ対応・経費精算・議事録・データ集計・営業リスト等の定型業務を、AIに代行させる体制を経営者と一緒に作り込む
- Claude Code 実装ノウハウを 経営者・法人クライアント に直接指導。生成AIを「便利ツール」ではなく 「業務を任せる存在」 として運用する手法を体系化
- 「やらせ切る管理」メソッドの開発者。シンゲキ株式会社（2021年設立・鬼管理専門塾運営）にて累計3,000名以上の学習者を志望校合格に導いた管理メソッドを、AI × 経営者支援 に転用
- 著書『3カ月で志望大学に合格できる鬼管理』(幻冬舎)、『親の過干渉こそ、最強の大学受験対策である。』(講談社)
- メディア出演: REAL VALUE / カンニング竹山のイチバン研究所 / ええじゃないかBiz 他
- 明治大学政治経済学部卒
