【人材紹介・採用代行】候補者スクリーニングをClaude Code/Codexで自動化する方法
aikanri-admin
この記事の内容
候補者スクリーニングは、職務経歴書と求人要件を読み比べる時間が大きい業務です。AIは合否や適合可否を決めるのではなく、職務経歴書の要約、求人要件との接点、追加確認質問の候補を整理する役割に限定します。
職務経歴書の一次要約と確認質問作成で削減しやすい作業量
人材紹介・採用代行の候補者スクリーニングは、単に文章を作れば終わる業務ではありません。入力情報の所在、誰が確認するか、どこまでAIに見せるか、送信前・提出前に何を照合するかまで決めておく必要があります。そのため、AI導入時は「生成する」より先に「確認の型を作る」ことが重要です。
実務では、最初から全件自動化しません。過去案件や匿名化データを使い、担当者がどこを直したか、どの表現を採用しなかったか、どの確認観点が足りなかったかを記録します。この修正理由をCLAUDE.mdやチェックリストへ戻すことで、次回の出力が現場の判断に近づきます。
導入前には、候補者スクリーニングにかかっている時間だけでなく、確認待ちの件数、差し戻しの理由、担当者ごとの書き方の違いも見ておきます。ここを測らずにAI化すると、出力は増えても現場が楽になったかどうかを判断しにくくなります。最初のPoCでは、直近の実案件を少数だけ選び、AIが整理した内容と担当者が最終的に採用した内容を並べて確認します。
人材紹介・採用代行の現場では、同じ候補者スクリーニングでも顧客属性、提出先、社内ルール、担当者の経験によって確認の深さが変わります。その違いを無視して一律のプロンプトにすると、便利そうに見えても実務では修正が増えます。そのため、AIに渡す情報、AIが作る下書き、人が必ず見る項目を分け、例外時は人に戻す前提で設計します。
候補者スクリーニングは、AIに最終判断を任せるのではなく、確認前の整理や文面作成を軽くすることで効果が出やすい業務です。人が見るべき箇所を残したまま、情報の抜け漏れや担当者ごとのばらつきを減らします。
代表菅澤
AI鬼管理山崎
01 PROBLEM 候補者スクリーニングの現場で起きていること 繰り返し発生する確認・転記・連絡を整理する
スクリーニングが属人化する。担当者ごとに注目する経験や確認質問が変わり、企業への紹介品質に差が出ます。
AI判断に寄せすぎると危ない。候補者の適合性や推薦可否をAIが決めたような運用にすると、説明責任が曖昧になります。
個人情報を多く扱う。履歴書、職務経歴書、連絡先などを扱うため、投入範囲と保存範囲の管理が欠かせません。
候補者スクリーニングの負荷は、作業そのものよりも「探す」「聞き直す」「説明し直す」に寄りがちです。AIを入れるときは、作業を一気に置き換えるのではなく、まず情報の置き場所と確認順序をそろえます。
代表菅澤
AI鬼管理山崎
02 WHAT Claude Code/Codexで何を自動化するか 判断ではなく、確認前の整理を自動化する
📚 用語解説
CLAUDE.md：Claude Code/Codexに、人材紹介・採用代行の候補者スクリーニングで使う確認観点、文面トーン、担当者レビューの基準を覚えさせる設定ファイルです。毎回の修正理由を残すことで、候補者スクリーニングの下書きや確認候補が現場の運用に近づきます。
職務経歴書の要約。経験職種、担当業務、スキル、マネジメント経験を短く整理します。
求人要件との接点候補。必須条件と歓迎条件に対して、該当しそうな経験を一覧化します。
追加確認質問の作成。面談で確認すべき経験年数、役割、希望条件、転職理由の質問案を作ります。
| 領域 | AIに任せること | 人が確認すること |
|---|---|---|
| 情報整理 | 候補者スクリーニングに必要なメール、メモ、表、PDFを読み取り、確認項目へ分解する | 入力してよい情報か、事実関係が正しいかを確認する |
| 下書き | 顧客・社内・取引先向けの文面を、既存テンプレートに近い表現で作る | 送信可否、専門判断、個別事情に合っているかを確認する |
| 進捗管理 | 期限、担当者、未確認事項、次アクションを一覧化する | 優先順位、例外対応、責任者判断を行う |
人材紹介・採用代行の候補者スクリーニングでは、AIは候補抽出、下書き、確認リスト作成に限定します。専門判断、法的判断、顧客への最終回答は、必ず担当者が確認してください。
候補者スクリーニングを実務に入れるときは、プロンプトだけを作って終わりにしません。人材紹介・採用代行の現場では、誰が入力するか、どの情報をAIに渡すか、出力を誰が確認するか、修正理由をどこに残すかまで決めて初めて運用になります。
この設計を先に決めておくと、AIの出力が多少ズレても現場で修正しやすくなります。逆に、確認者や入力ルールが曖昧なままだと、AI出力のたびに「これは使ってよいのか」という確認が発生し、効率化の効果が見えにくくなります。
また、候補者スクリーニングで使うAI出力は、完成文として扱うより「確認しやすい材料」として扱うほうが定着します。たとえば、結論だけを出すのではなく、根拠、未確認事項、次に聞くべきこと、送信前に見るべき注意点を分けて出すようにします。この形にしておくと、担当者は全文を読み直すのではなく、判断に必要な箇所から確認できます。
運用後は、うまくいった出力だけでなく、使わなかった出力も残します。使わなかった理由が「情報不足」なのか「表現が合わない」のか「判断まで踏み込みすぎた」のかで、次に直すべきルールが変わるためです。この記録を短いメモで残すだけでも、次回のプロンプトやチェックリストの精度が上がります。
ここで重要なのは、AIの出力を「完成品」ではなく「担当者が確認する材料」として扱うことです。出力形式を表、箇条書き、返信案、確認リストに分けておくと、レビュー時に見るべき箇所が明確になります。
代表菅澤
AI鬼管理山崎
03 HOW 具体的な進め方 5ステップ 小さくPoCし、修正理由を業務ルールへ戻す
候補者スクリーニングAI化の5ステップ
求人要件を必須条件、歓迎条件、確認したい条件に分けてAIに渡す
職務経歴書から氏名や連絡先を除き、経験情報中心で要約する
AIに要件ごとの接点候補と不足確認候補を作らせる
担当者が候補者面談で確認する質問を選び、聞き方を整える
面談後に事実確認を反映し、紹介判断は担当者が記録する
5ステップの中で最も大切なのは、STEP 4の修正理由の回収です。AIが出した下書きを担当者が直した場合、「なぜ直したのか」を残さないと、次回も同じ修正が発生します。逆に、修正理由をルールへ戻せば、AIは現場の確認基準に少しずつ近づきます。
代表菅澤
AI鬼管理山崎
04 RESULT 導入後の変化と数値効果 下書きと人の確認で、作業前の整理を軽くする
- 職務経歴書を全文読んで要点をメモしていた
- 求人要件との接点を担当者の記憶で整理していた
- 面談後に追加確認が必要になることが多かった
- 紹介可否の理由メモが薄かった
- AIが職務経歴の要点を整理
- 求人要件との接点候補を一覧化
- 面談前に追加質問を用意
- 担当者が判断理由を残しやすくなった
数値効果を見るときは、単純な作業時間だけで判断しません。確認待ちの件数、差し戻し回数、担当者ごとのばらつき、顧客や取引先への説明のしやすさも合わせて見ます。特に複数人で同じ業務を担当している場合、AIによって確認観点がそろうこと自体が大きな改善になります。
代表菅澤
AI鬼管理山崎
05 PITFALL よくある落とし穴3つ 責任分界点と確認ルールを曖昧にしない
AIが出した一致度や評価風の出力で候補者を排除する運用は避けます。担当者が背景を確認し、最終判断します。
AIに投入した個人情報の保存先、保存期間、アクセス権限を決め、不要な情報は残さない運用にします。
求人要件は企業確認で変わることがあります。AIの整理結果は最新版の要件と照合します。
落とし穴を避けるには、AI導入前に「使わない範囲」を決めることも必要です。便利だからといって判断業務、例外対応、責任者承認まで広げると、現場はかえって不安になります。最初は範囲を狭くし、担当者が安心して確認できる形にします。
代表菅澤
AI鬼管理山崎
06 CHECKPOINT 確認観点の分け方 AIが見る項目と、人が見る項目を分ける
| 確認対象 | AIに確認させること | 人が見ること |
|---|---|---|
| 項目 | AIで整理すること | 人が確認すること |
| 経歴 | 職務内容と経験領域の要約 | 候補者本人の説明と一致するか |
| 要件接点 | 該当しそうな経験候補の抽出 | 本当に要件に該当するか |
| 確認質問 | 面談質問案の作成 | 質問の優先順位と聞き方 |
| 推薦可否 | 判断材料の整理 | 紹介するかどうかの最終判断 |
候補者スクリーニングの確認観点を1つにまとめすぎると、AIの出力も担当者の確認も散らかります。入力情報、確認候補、最終判断を分けておくと、レビュー時に見るべき箇所がはっきりします。
表にすると、AIに任せてよい部分と人が見なければならない部分が分かれます。この線引きが曖昧なまま始めると、AI出力の確認に余計な時間がかかります。最初から確認対象を分けておけば、レビュー担当者も判断しやすくなります。
代表菅澤
AI鬼管理山崎
07 SCALE 候補者スクリーニングの進め方 判断の自動化ではなく、面談前の情報整理と質問準備に絞って広げる
候補者スクリーニングを広げるときは、いきなり全社展開せず、同じ確認軸が使える近い業務へ横展開します。たとえば、入力情報の形式が似ている業務、同じ担当者がレビューする業務、同じ顧客向け文面が必要な業務から広げると、運用負荷を抑えられます。
代表菅澤
AI鬼管理山崎
08 RELATED 関連記事 同じ業界の他業務もあわせて確認する
本記事は、人材紹介・採用代行の自動化事例10選｜求人票・スカウト・候補者対応をAIで効率化 のうち「候補者スクリーニング」を深掘りした内容です。
09 ABOUT AI鬼管理について - 候補者整理のレビュー前支援 職務経歴書を要約し、担当者が確認すべき質問を見える化する
AI鬼管理では、候補者スクリーニングをAI判定にせず、担当者レビュー前の情報整理として設計します。職務経歴の要約、求人要件との接点候補、面談質問をまとめ、紹介判断は人が行う前提を明確にします。
候補者スクリーニングを、AI判定ではなくレビュー前整理にしませんか?
候補者スクリーニングは、AIに判断を任せるほど危険です。一方で、職務経歴書の要約と質問準備はAIと相性がよく、担当者の確認品質を上げやすい領域です。
代表菅澤
NEXT STEP
この記事の内容を、あなたのビジネスで
実践してみませんか？
AI活用を自社で回せるようになりたい方へ
AI鬼管理
Claude Code/Codex・Cowork導入支援から業務設計・社内浸透まで実践ベースで伴走。「自社で回せる組織」を90日で作る経営者向けトレーニング。
よくある質問
Q. AIに候補者の合否を判定させてもよいですか?
A. いいえ。AIは職務経歴書の要約、求人要件との接点候補、追加確認質問の整理までです。合否や紹介可否は人が判断します。
Q. 一致度スコアは使えますか?
A. 参考指標としても慎重に扱います。スコアで候補者を排除せず、確認すべき論点の整理に使うのが安全です。
Q. 候補者情報を匿名化しても実務に使えますか?
A. 多くの場合、面談前の要約や質問作成には氏名や連絡先は不要です。経験情報と希望条件を中心に扱えば実務に使えます。
Q. 面談質問の作成にも使えますか?
A. 使えます。経歴の空白、役割範囲、使用技術、転職軸などを確認質問として整理できます。
Q. 企業への推薦前チェックにも使えますか?
A. 使えますが、推薦するかどうかは担当者が確認します。AIは推薦理由の材料整理までに留めます。
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
