【人材紹介・採用代行】KPIレポートをClaude Code/Codexで自動化する方法
aikanri-admin
この記事の内容
KPIレポートは、人材紹介・採用代行の改善を回すための土台です。求人別の応募数、面談数、推薦数、面接数、内定数、決定数を集め、前週比や目標差分を出し、どのフェーズで候補者が落ちているかを見て、次の打ち手を決めます。ところが実際には、数字が複数のスプレッドシートやATS(採用管理システム)、各媒体の管理画面に散らばっていて、それを毎週コピー＆ペーストで1枚にまとめ、クライアント向けのコメントを書くだけで数時間が消えます。AIは数字の最終評価や原因の断定を行うものではありませんが、進捗の要約、フェーズ別の落ち込み箇所の候補出し、週次コメントの下書きを先に行う補助として使えます。
クライアント1社あたりの週次KPIレポート作成 (キャリアブリッジ社のモデル事例)
本記事では、AI鬼管理 が支援を想定する キャリアブリッジ社 (福岡県・IT/SaaS営業職に特化したRPO・支援クライアント12社) をモデル事例に、Claude Code/Codex で週次KPIレポートを「進捗要約 + ボトルネック候補 + クライアント向けコメント」まで半自動化する手順を解説します。レポート作成をベテラン採用コンサルの大野さん1人が担い、1社あたり180分かかっていたチームが、入社1年目の和泉さんも初稿を起こせるようになり、「面接設定率の低下」のような変調を翌週まで見逃さなくなった流れです。
代表菅澤
代表菅澤
AI鬼管理山崎
この記事を最後まで読むと、
- KPIレポート作成で担当者が抱えている負荷(数字の収集・ボトルネック探し・コメント作成)が分かる
- Claude Code/Codexで自動化できる3項目(進捗要約/ボトルネック候補/週次コメント下書き)が理解できる
- 5ステップでのPoC〜運用の進め方が分かる
- 求人別の進捗・決定率を可視化するレポートの作り方が分かる
- 採用ファネルのどこで詰まっているかをボトルネックとして読む観点が分かる
01 PROBLEM KPIレポート作成の現場で起きていること 数字の収集・ボトルネック探し・コメント作成のトリレンマ
問題1: 数字の収集と整形がベテラン1人に集中する。求人ごとの応募数や面談数を、ATSのエクスポート、各媒体の管理画面、担当者が個別に持っている進捗メモから拾い集め、フェーズ別に並べ直す作業は、キャリアブリッジ社では実質、大野さん1人しか手早くできませんでした。若手の和泉さんはどのシートのどの数字を使うのか分からず、結局は大野さんの手が空くのを待つことになり、大野さんがボトルネックになります。
問題2: 集計はできても、ボトルネックが読み取れない。数字を1枚に並べても、「応募100→面談12」のような落ち込みは、行と列がびっしり詰まった表の中では見落とされがちです。とくに、先週は良かったのに今週だけ面接設定率が落ちた、といった変化の検知は、前週の数字と並べて比べないと気づけず、毎週そこまで手が回っていませんでした。
問題3: クライアント向けコメントの品質が担当者ごとに違う。RPOでは、数字だけでなく「今週はここが課題で、来週はこう動きます」というコメントをクライアントへ返す必要があります。この一文の質が担当者の経験に依存し、キャリアブリッジ社でも、繁忙期に急いで書いたレポートほど、数字を貼っただけで示唆のないコメントになっていました。
02 WHAT Claude Code/Codexで何を自動化するか 原因の断定ではなく、要約と落ち込み箇所の候補出しを自動化
📚 用語解説
採用ファネル：候補者が「応募 → 書類通過 → 面談 → 推薦 → 面接 → 内定 → 決定(入社)」と進む過程を、上から下へ細くなる漏斗(ファネル)に見立てたもの。各段階の通過数と通過率を並べると、どのフェーズで候補者が落ちているか(=ボトルネック)が見えやすくなる。KPIレポートは、このファネルを求人別・担当者別に分けて読むための表だと考えると整理しやすい。
処理1: 進捗データの要約。ATSや各シートからエクスポートした数字を渡すと、求人別・担当者別・フェーズ別に、当週の数値と前週比、目標との差分を短くまとめます。「どの求人が、どのフェーズで、先週よりどれだけ動いたか」を、一覧で確認できる形に整えます。
処理2: ボトルネック候補の抽出。応募から決定までの各フェーズの通過率を計算し、前週や他求人と比べて極端に落ち込んでいる箇所を候補として並べます。「A社の経理求人は、推薦から面接への通過率が先週60%→今週20%に低下」のように、見るべき箇所を先に浮かび上がらせます。あくまで候補出しで、原因の断定はしません。
処理3: 週次コメントの下書き。要約とボトルネック候補をもとに、社内向け・クライアント向けの報告コメントを下書きします。「今週の進捗」「先週比で変化した点」「来週の確認事項」を分けて文章化し、担当者がクライアントに出せる表現へ整えるだけの状態にします。
| 入力情報 | AIが整理すること | 人(採用コンサル)が確認すること |
|---|---|---|
| ATSのエクスポート | 求人別・フェーズ別の当週数値と前週比 | 集計定義のズレ、入力漏れ・重複 |
| 各媒体の管理画面 | 応募経路ごとの流入と通過率の候補 | タグ付けの正確さ、媒体側の遅延 |
| 前週のレポート | 前週比・目標差分・落ち込み箇所の候補 | その変化が実態か、計上タイミングの差か |
| 担当者の進捗メモ | 未反映の進捗・補足コメントの候補 | 事実確認、クライアントへの共有可否 |
AIの役割は数字の要約・通過率の計算・落ち込み箇所の候補出し・コメント下書きまで。「なぜ面接化しないのか」「この担当者の動きが悪いのか」といった原因や評価の判断は、背景を知る採用コンサルが行います。この線引きを最初に決めておくと、現場が安心してAIを使えますし、KPIが人を責める道具になりません。
03 HOW 具体的な進め方 5ステップ 小さくPoCし、外した仮説の理由をレポートルールへ戻す
KPIレポートAI化の5ステップ
応募・面談・推薦・面接・内定・決定を、どの状態でカウントするか定義し、社外に出せる粒度と出せない粒度を先に分ける
「ATSのこのレポートを書き出し、媒体側はこの数字を使う」など、大野さんの頭の中の集計手順を文章化する
進捗要約・通過率・ボトルネック候補・週次コメントを、確定評価ではなく確認用ドラフトとして出す
担当者が直した箇所と「なぜその仮説を採らなかったか」をCLAUDE.mdへ戻し、要約とコメントの精度を上げる
初稿づくりを若手に任せ、ベテランは仮説と改善アクションの検討に回る。うまくいったクライアントから横展開する
5ステップで最も大切なのは、STEP 1の「KPIの定義をそろえること」と、STEP 4の「外した仮説の理由を残すこと」です。応募数や推薦数の数え方がチームでバラバラだと、AIの要約も毎週ぶれます。また、AIが出したボトルネック候補を採用コンサルが「これは計上タイミングのズレで実態ではない」と外した場合、その理由をCLAUDE.mdへ戻さないと、次週も同じ候補が上がってきます。理由を戻せば、AIの初稿は少しずつキャリアブリッジ社のレポート基準に近づきます。
04 RESULT 導入後の変化と数値効果(キャリアブリッジ社の事例) 週次レポート180分→35分、変化検知の早期化
- ATS・媒体・担当者メモから数字を、大野さんが手作業でシートに転記していた(1社約180分)
- 当週の数値は出せても、前週比や求人別の通過率まで計算する余裕がなかった
- 面接設定率が落ちても気づくのが翌週以降で、打ち手が後手に回っていた
- 若手の和泉さんは初稿を作れず、レポートが大野さん1人に集中して報告が遅れていた
- AIがエクスポートを求人別・フェーズ別に要約し、初稿づくりは約35分に
- 応募から決定までの通過率と前週比を自動で計算し、落ち込み箇所を候補として提示
- 通過率の急な低下を当週のうちに検知し、原因仮説の検討に時間を回せるように
- 若手の和泉さんが初稿を起こし、大野さんは仮説と改善アクションの検討に専念できるように
AI鬼管理山崎
05 PITFALL よくある落とし穴3つ 原因断定・個人情報・定義のばらつきを誤らない
KPIから分かるのは「どこで落ちているか」までで、「なぜ落ちているか」は仮説です。求人の魅力、スカウト文の質、選考スピード、クライアント側の都合など、原因は背景を知る人が確認します。AIが書いた原因コメントをそのまま信じると、的外れな改善策に時間を使うことになります。
KPIの元データには、候補者名や企業名など個人・取引先が特定できる情報が混ざりがちです。社外共有するレポートでは、個人が特定できる情報を除き、集計値と必要なコメントに絞ります。社内改善用の詳細版と、クライアント共有用の集計版を分けて持つのが安全です。
「推薦数」を企業へ送った時点で数えるのか、企業が受領した時点で数えるのか。こうした定義がチームや週でバラバラだと、AIの要約も前週比もぶれて、改善の判断ができません。各フェーズの数え方を1枚に固定し、AIにもその定義を渡してから集計させます。
06 FUNNEL 求人別の進捗・決定率を可視化するレポート設計 全体の合計ではなく、求人ごとのファネルで見る
KPIレポートでつまずく一番の原因は、チーム全体や担当者全体の合計値だけを見て、求人ごとの差が平均に埋もれてしまうことです。「全体の決定率は5%」と言われても、どの求人を直せばいいのかは分かりません。キャリアブリッジ社では、AIに渡す前にレポートの列構成を決め、求人を1行に、フェーズを列に並べたファネル表として可視化する型を作りました。CLAUDE.mdにこの列構成を書いておくと、AIが毎週同じ形で初稿を組みます。
ステップ1: 求人を行、フェーズを列にしたファネル表にする
1求人を1行にし、列に「応募→書類通過→面談→推薦→面接→内定→決定」のフェーズ別の人数を並べます。こうすると、どの求人が、どのフェーズまで候補者を運べているかが、横方向に一目で追えます。全体合計の1行だけでは見えなかった「特定の求人だけ面談で止まっている」状態が、行を分けると見えてきます。
| 見る列 | AIに計算させる指標 | 採用コンサルが判断すること |
|---|---|---|
| 応募→面談 | 面談化率(面談数÷応募数)と前週比 | スクリーニング基準が厳しすぎないか |
| 推薦→面接 | 面接設定率(面接数÷推薦数)と前週比 | 推薦の質か、クライアント側の停滞か |
| 面接→内定 | 内定率(内定数÷面接数)と前週比 | 見極めのズレか、競合の存在か |
| 内定→決定 | 決定率・承諾率(決定数÷内定数) | 条件・フォロー・辞退理由の確認 |
ステップ2: 「率」と「実数」を必ずセットで見る
通過率だけを見ると、母数が小さいときに数字が暴れます。「面接設定率100%」でも、推薦が1件で面接が1件なら、改善の根拠にはなりません。AIには 率と実数(分子・分母)を必ず併記させ、母数が小さいフェーズには注記を付けさせます。率の動きに飛びつく前に、実数が判断に足りているかを採用コンサルが確認します。
ステップ3: 決定率は「時間軸のズレ」を踏まえて読む
決定(入社)は、応募からの期間が長いフェーズです。今週決定した候補者は、数週間前に応募した人かもしれません。そのため決定率を当週の応募数で割ると、実態とずれます。AIには 「いつ応募した母集団の決定か」を分けて集計させ、当週のスナップショットと、母集団を追いかけたコホート(同時期に応募した集団)の両方を出させると、誤読が減ります。
上のファネル表の列構成と、率には必ず実数を併記するルールをCLAUDE.mdに書いておくと、AIが毎週同じ形で求人別の進捗・決定率を初稿化します。全体合計だけを見て改善先を見失う状態が減り、どの求人のどのフェーズを直すかが特定しやすくなります。
07 BOTTLENECK ボトルネックを特定する読み方の観点 落ち込みは「候補」、原因は人が確認する
ファネル表ができたら、次は「どこが詰まっているか」を読みます。ここでAIに任せるのは、あくまで落ち込み箇所の候補出しまでです。なぜ詰まっているのかの原因は、必ず採用コンサルが背景を確認して判断します。キャリアブリッジ社が使っている、ボトルネックを読むときの3つの観点を紹介します。
観点1: フェーズ間の「通過率の崖」を探す
観点2: 「前週比」と「他求人比」の2方向で見る
同じ通過率の低さでも、先週から急に落ちたのか、もとからこの求人だけ低いのかで、打ち手は変わります。AIには、各フェーズの通過率を「前週比(時間方向)」と「他求人比(横方向)」の両方で並べさせます。急な低下は、選考プロセスや担当者の状況に変化がなかったかを確認するきっかけになり、慢性的な低さは、求人設計そのものの見直し対象として、クライアントとの相談材料になります。
観点3: 数字の「落ち込み」を、責めではなく支援のサインに変える
担当者別KPIを見ると、特定の担当者のフェーズが低く見えることがあります。ここを個人を責める表として使うと、現場が数字を隠すようになり、レポートが機能しなくなります。AIには担当者別の落ち込みも「支援が必要そうなフェーズの候補」として出させ、採用コンサルが「件数を抱えすぎていないか」「特定クライアントの難易度が高くないか」など、背景を確認したうえで支援に変える運用にします。
AIが出すのは「ここで落ちている」という事実と、「こう考えられる」という仮説の候補までです。通過率が低い理由が、求人魅力なのか、選考スピードなのか、クライアント側の事情なのか、季節要因なのかは、KPIの数字だけでは確定できません。改善アクションを決める前に、必ず採用コンサルが現場の状況とつき合わせて、原因を確認してください。数値の解釈と施策の判断は人が行うのが原則です。
上の「通過率の崖」「前週比と他求人比」「責めでなく支援」の3観点をCLAUDE.mdに書いておくと、AIがボトルネック候補を同じ観点で並べ、毎週見るべき箇所を揃えて出します。見落としが減り、改善会議が「数字を眺める時間」から「仮説を検討する時間」に変わります。
08 RELATED 関連記事: 人材紹介・採用代行の自動化事例10選(全業務マップ) KPIレポート以外の9業務も含めた事例集
本記事は人材紹介・採用代行の自動化事例10選のうち、事例9「KPIレポート」を深掘りした内容です。求人票作成・スカウト文・候補者スクリーニング・推薦文作成など他の業務もあわせてご覧ください。→ 人材紹介・採用代行の自動化事例10選(全業務マップ)
09 ABOUT AI鬼管理について - KPIレポートの伴走サービス 集計作業を、改善会議の材料づくりへ
本記事を発信している AI鬼管理 は、人材紹介会社・採用代行チームのAI業務自動化をClaude Code/Codexで設計から伴走するサービスです。KPIレポートは、集計の属人化を解くことで、変化への気づきの早さと若手育成に効く打ち手です。
代表菅澤
属人化したKPIレポート、いっしょに軽くしませんか?
本記事のキャリアブリッジ社の例は、IT/SaaS営業職特化・支援12社・集計1人集中というモデルケースです。貴社の扱うKPIの種類やクライアント体制によって、最適な進め方は変わります。まずは今のレポートの作り方をうかがって、貴社に合った設計をご提案します。
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KPIの原因分析を任せてもよいですか?
A. 原因の断定は避けます。AIは落ち込んでいるフェーズや確認すべき仮説の候補を出すところまでにし、求人魅力・スカウト文・選考スピードなどの原因は、背景を知る担当者が確認します。数値の解釈と施策の判断は人が行うのが原則です。
Q. クライアント向けレポートも作れますか?
A. 作れます。社外共有できる集計値とコメントに絞り、候補者個人や取引先が特定される情報は除きます。社内改善用の詳細版と、クライアント共有用の集計版を分けて持つと安全です。
Q. 担当者別KPIに使う場合の注意点は?
A. 個人を責める表として使わないことです。担当者別の落ち込みは「支援が必要そうなフェーズ」の発見に使い、件数の偏りやクライアントの難易度など背景を確認したうえで、支援につなげます。
Q. どのKPIから始めるべきですか?
A. 応募・面談・推薦・面接・内定・決定の基本フェーズから始めると運用しやすいです。まずは求人を行、フェーズを列にしたファネル表で、通過率と前週比を見るところからで十分です。
Q. 決定率の数字が実態とズレている気がします
A. 決定は応募からの期間が長いため、当週の応募数で割ると実態とずれます。「いつ応募した母集団の決定か」を分け、当週スナップショットと、同時期応募の集団を追ったコホートの両方で見ると、誤読が減ります。
Q. 週次コメントも自動化できますか?
A. 下書きはできます。今週の進捗・先週比の変化・来週の確認事項を分けて文章化できますが、最終的な改善方針やクライアントへ出す表現は、必ず担当者が確認します。
Q. 料金やプランを教えてください
A. 料金やサポートプランは AI鬼管理のサービスページをご覧ください。貴社向けの個別ご提案は本記事末尾のNEXT STEPからお問い合わせください。
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
