人事での生成AI活用：求人票・面接設計から研修・社内FAQまでの実践ガイド

人事業務に生成AI（Artificial Intelligence、人工知能）を導入しようとすると、「採用判断をAIに任せるのではないか」という懸念が真っ先に浮かぶことが多い。しかし現場で実際に役立っているのは、もっと手堅い場面だ。

求人票の初稿が、早ければ30分ほどで手に入ることがある。面接の質問リストが職種ごとに整う。研修教材の骨格が一日で揃う。

HR（Human Resources、人的資源）領域における生成AIの貢献は「採用判断の自動化」ではなく、「文書作成と整理の高速化」に集中している。そこを正確に理解することが、人事部門でのAI活用を成功させる最初の一歩だ。

本記事では、人事担当者・採用マネージャー・総務兼人事の実務者に向けて、今日から試せる5つのユースケースを順番に解説する。プロンプト設計の方向性・before/after・コンプライアンスリスクの対処まで一通り扱う。読了後には「どの業務から始めるか」を決める判断材料が揃う。

ここで一度、問いを置きたい。あなたの組織で採用・育成のどの工程が最も文書作成で時間を取られているか——その答えが、この記事で最初に読むべきセクションを指している。

人事AIの本質：「採用判断の自動化」ではなく「文書作成と整理の高速化」

生成AIは、まだ「採用担当者を代替するツール」ではない。しかし「情報を整理して文書にする」という種類の作業については、今すぐ実用に耐える水準に達している。

人事業務の中で生成AIが得意とするのは、反復性が高くかつ文章の品質が求められる作業だ。求人票・面接質問リスト・研修教材・社内FAQ・候補者対応メール——これらはいずれも「要件や情報を入力して文章にする」という構造を持っている。

逆に、生成AIが苦手とするのは「判断の責任を伴う対応」だ。候補者の人物評価・内定の可否判断・ハラスメント相談の対応——ここは依然として人間の仕事であり、AIで代替しようとすると倫理的・法的なリスクが高まる。

生成AIは下書き職人だ、と捉えると分かりやすい。依頼の要件が曖昧なら良い下書きは書けない。下書きをそのまま納品物にするかどうかは目利きである人間が判断する——この役割分担を最初から設計しておくことが、人事部門での失敗を防ぐ土台になる。

本記事では次の5つを順番に解説する。各セクションは独立して読めるので、今最も課題を感じている箇所から読み始めても構わない。

1. 求人票（JD）作成——職種ごとの初稿を高速化する
2. 面接質問設計——行動面接の質問を職種特有の観点で整備する
3. 研修教材作成——内容設計から素材生成まで一貫して支援する
4. 社内FAQ整備——問い合わせの繰り返しを減らす知識集約
5. 候補者対応メール——選考通過・見送り・日程調整の定型文を整える

5つすべてを同時に始める必要はない。まず1つを選んで今週中に試す、というのが最速の入口だ。では本論に入る。

---

人事業務の5つのユースケース

① 求人票（JD：Job Description、職務記述書）作成

求人票は採用活動の出発点であり、最も文書品質が求められる成果物のひとつだ。基本的な手順は「職種要件をメモ→AIに初稿を依頼→人事担当者が確認・修正」の3ステップだ。

プロンプト例の方向性

以下の要件をもとに、求人票（JD）の初稿を作成してください。
構成は①職種名、②仕事内容（3〜5文）、③求める人物像（必須・歓迎に分けて）、④働く環境・特徴（2〜3文）でお願いします。

【要件メモ】
・職種：〇〇エンジニア（バックエンド担当）
・主な業務：〇〇システムの設計・実装・運用
・必須：〇〇言語の実務経験3年以上
・歓迎：〇〇の経験、チームリードの経験
・チーム：5名、フルリモート可

求人票1本を一から書くとしたら、担当者によっては2〜3時間かかることがある。生成AIの初稿を起点にすれば、修正・確認を含めても1時間以内で完成させられる場合がある。

求人票が整ったら、次は「どんな人材かを見極めるための質問」を設計する段階だ。

---

② 面接質問設計

採用面接での質問は、候補者の能力・価値観・職種適性を把握するための設計物だ。しかし実務では「毎回同じ質問になる」「職種ごとに整理する時間がない」という声が多い。行動面接（STAR法：Situation・Task・Action・Resultで過去の具体的な行動を引き出す手法）に基づいた質問設計は、生成AIが比較的得意とする領域だ。

プロンプト例の方向性

以下の職種・評価軸をもとに、行動面接（STAR法）に基づく質問を10問作成してください。
質問は「過去に〇〇した具体的な経験を教えてください」という形式で統一してください。

【職種】バックエンドエンジニア
【主な評価軸】
・課題への自律的な取り組み方
・チームでの技術的コミュニケーション
・品質・スピードのトレードオフ判断

職種1つあたりの質問リストを一から作ると30〜60分かかることがある。生成AIの提案を起点にすることで、取捨選択に集中でき15〜20分程度で整備できる場合がある。

求人票と面接質問が整ったら、採用した人材を育てる「研修設計」フェーズにも同じ手順が使える。

---

③ 研修教材作成

研修教材の作成は時間と専門知識が要求される仕事だ。「教材を作れる人が限られている」「毎年同じ教材を使い回している」という課題を抱える企業は多い。生成AIは、骨格設計（学習目標・カリキュラム構成・各セッション概要）から演習問題の素案まで一貫して支援できる。まず学習目標を明確にしたうえで入力すると、AIがカリキュラム構成の初案を提案する。

プロンプト例の方向性

以下の研修の骨格を設計してください。
①研修全体の流れ（半日・4コマ構成で）、②各コマの目的と扱う内容（150字以内）、③演習またはグループワークのアイデア1案

【研修概要】
・対象：新入社員（入社1〜3ヶ月）
・テーマ：社内コミュニケーションと業務報告の基本
・学習目標：報・連・相の型を理解し、上司・同僚への適切な伝え方を実践できる

研修骨格を一から設計すると半日〜1日かかることがある。AIで初案を得てから修正・肉付けする流れにすれば、骨格完成までの時間が半減する場合がある。

研修設計の方向性が固まれば、「参加者が繰り返し参照できる社内FAQ（Frequently Asked Questions、よくある質問）」の整備が次の一手になる。

---

④ 社内FAQ整備

「同じ質問が人事に繰り返し来る」——FAQ整備は効果が高いと分かっていても作業時間が確保できないまま後回しになりやすい。生成AIは、問い合わせ履歴や既存の社内文書をもとにFAQ草案を作る作業に使える。人事部門に届いた過去の問い合わせを匿名化して束にし、「Q&A形式の草案を作成してほしい」と依頼するのが実践的な使い方だ。

プロンプト例の方向性

以下は【有給休暇の取得方法】に関する問い合わせ文（個人情報は削除済み）の抜粋です。
これをもとに、社内FAQとして掲載するQ&A形式の草案を3〜5問作成してください。
質問文は社員が検索しやすい表現に整えてください。回答文は200字以内で簡潔に。

【問い合わせ抜粋】
（ここに匿名化した問い合わせ文を複数貼り付ける）

FAQ草案をゼロから作成するとしたら、カテゴリ1つあたり2〜3時間かかるケースがある。AIの出力をたたき台にすることで、レビュー・修正作業に集中でき1〜2時間で完成する場合がある。

社内FAQが整うと繰り返す問い合わせへの対応コストが減る。では、繰り返さない問い合わせ——選考中の候補者への個別対応はどうか。次はその場面だ。

---

⑤ 候補者対応メール

選考通過の案内・見送りの連絡・面接日程の調整——採用フローには定型的なメールが頻繁に発生する。生成AIは目的と条件を入力すれば適切なトーンの下書きを数秒で出力する。テンプレートとして整備しておくと担当者が変わっても品質を一定に保てる。目的（選考通過・見送り・日程調整）・選考フェーズ・含めるべき情報を入力し、メール本文の下書きを作成させる。

プロンプト例の方向性

以下の条件で、候補者への選考通過連絡メールを作成してください。
トーンは丁寧かつ簡潔に。本文は400字以内でまとめてください。

【条件】
・選考フェーズ：書類選考通過、次は一次面接
・含めること：
  - 書類選考通過のご連絡
  - 一次面接の日程調整依頼（候補日を候補者側から提示してもらう形式）
  - 担当者の連絡先（〇〇）

ここでの注意点は「候補者の氏名・個人情報の扱い」だ。プロンプトには実名を入力せず、最終的なメール送信前に担当者が正確な情報を書き入れる前提で作業する。

ここまでで5つのユースケースを一通り見てきた。次は、これらの活用において避けて通れない「人事特有のリスク」を整理する。

---

人事特有のリスクと対処：差別的表現・雇用条件誤記・個人情報入力禁止

差別的な表現は、意図しなくても紛れ込む。AIが出した文面を人間はどこまで目を凝らして読んでいるか——この点を、人事担当者は生成AIを使うたびに自問すべきだ。

人事業務に固有のリスクは主に3種類ある。

差別的表現の混入リスク

求人票・面接質問において、性別・年齢・国籍・障がい・容姿等を示唆する表現が生成AIの出力に含まれる場合がある。「若いメンバーが多いチームです」「体力のある方歓迎」のような表現は、一見問題なさそうでも職業安定法や男女雇用機会均等法の観点でリスクになりうる。AIの出力に必ず人事担当者が目を通し、法的な最終判断は社労士・弁護士への確認を前提とすることを強く勧める（AI出力のレビュー基準：誤情報・機密・トーンを5分で見抜くチェックリストも参考になる）。

採用判断へのAI依存リスク

生成AIが出力する「この候補者は〇〇の傾向がある」という分析・評価は、採用の意思決定に直結させてはならない。採用判断は人間が責任を持って行う行為であり、AIの出力はあくまで補助情報として扱う必要がある。特に面接評価・適性判断・選考通過基準への適用については、専門家（社労士・弁護士）の見解を確認したうえで慎重に設計することを強く勧める。

本記事は情報提供を目的としており、法的助言を構成するものではない。個別の労務・採用法務については、社会保険労務士または弁護士に相談されたい。

---

人事KPIで効果を測る：何が改善したかを数字で確認する

「便利になった感じはするが効果が見えにくい」という声は多い。KPI（Key Performance Indicator、重要業績評価指標）を設定することで、変化を数字で確認できるようになる。

人事業務での生成AI活用に適した指標として、以下が参考になる。

① 文書作成時間（求人票・研修教材の初稿完成まで）：AI活用前後で比較する。週単位で記録しておくと月の積み上げが見えてくる。

② 問い合わせ繰り返し数（人事部門への同カテゴリ問い合わせ件数）：FAQ整備の効果を確認する指標だ。整備前後で特定カテゴリの問い合わせ件数がどう変わったかを見る。

③ 採用サイクルタイム（求人票公開から内定までの日数）：求人票作成と候補者対応の高速化が、採用全体のリードタイムに影響する可能性がある。

PoC（Proof of Concept、概念実証）として試す場合は、まず2つに絞るのが現実的だ。全指標を同時に計測すると何が効いているのかが判断しにくくなる。PoCの設計全般については生成AIのPoC設計ガイドも参考になる。

---

よくある失敗パターン：AIへの過度な依存と没個性な文書

求人票が「どこにでもある文章」になる：入力要件が薄いと一般的な文章になりやすい。自社の文化・チームの個性・働き方の具体的なエピソードを「要件メモ」に含めてから入力することが差別化された求人票を得る前提条件だ。

面接質問をそのまま全員に使う：AIが提案する質問は「一般的な行動面接質問」であり、面接官が自分の言葉で説明できない質問が混じることがある。「この質問の意図を自分で説明できるか」を確認してから採用するのが原則だ。

FAQ草案のレビューを省いて公開する：AIが問い合わせ文から「おそらくこういう回答だ」と推論した内容は、実際のポリシーとずれることがある。公開前に必ず担当者がポリシー文書と照合する工程を設計する。

---

人事AIの最小単位は「チーム共有テンプレート」——まず1業務からPoCを

5つのユースケースを見てきた。振り返ると、どのユースケースでも共通するテーマがある。

生成AIは下書き職人、レビューは人間の目利き。

この役割分担を最初から設計しておくことが、人事部門での活用を安定させる核心だ。

個人で使いこなしたとき、次に見えてくるのは「チームへの展開」だ。求人票作成のプロンプトを標準化する。面接質問のベースリストをチームで共有する。FAQ草案の作り方と確認フローをドキュメント化する。これらが積み上がると、「特定の担当者の経験と勘」ではなく、チーム全体で再現できる人事テンプレートが生まれる。

本記事の結論を一文で言えば、「まず1業務を選んでPoCを始めることが、人事AI活用のすべての出発点」だ。

求人票作成に毎回時間がかかるなら求人票作成から。面接質問が属人化しているなら面接質問設計から。最初の検証は不完全でかまわない。「プロンプトをこう変えたら出力が変わった」「このカテゴリは確認が必要だと分かった」——その差分が次の判断精度を上げる材料になる。

部門横断での生成AI活用全体については生成AI ビジネス活用大全で整理している。他部門の事例を並べて確認したい場合は、営業での生成AI活用やCSでの生成AI活用も参照されたい。

人事AI活用を部門横断の視点で確認する

部門別ユースケース・PoC設計・ガバナンス・ROI測定を一冊に整理した生成AIビジネス活用の総合ガイドと、AI出力の品質チェックに役立つレビュー基準の記事を合わせて確認すると、人事部門での導入判断に必要な材料が揃う。

生成AI ビジネス活用大全を読む AI出力のレビュー基準を確認する