人材紹介・採用業のAI活用 候補者スクリーニングと連絡自動化の実務手順

どの工程をAIに任せると効果が出るか

人材紹介・採用代行のAI活用は、書類スクリーニング・候補者連絡・求人票作成の3工程に集中させると、CA（キャリアアドバイザー）1人あたりの面談件数を落とさずに単価と粗利を維持できる。逆に「採用可否の最終判断」や「候補者との深い信頼関係の構築」までAIに置き換えようとすると、法令面と品質面の壁に必ずぶつかる。

図1: 3工程ごとに「AIが担う部分」と「人が最終判断する部分」を切り分ける

実際に複数の中堅〜小規模の人材紹介会社と話していて共通するのは、CAの稼働時間の6〜7割が「候補者・企業への連絡と日程調整」「大量応募のスクリーニング」「求人票・推薦状の作成」に取られていて、肝心の面談と関係構築に時間が回っていないことだ。特に月に数百件の応募が来る職種（IT系・営業職）を扱う紹介会社では、書類の一次確認だけで週に十数時間が消える。ここをAIで半自動化すると、CAは面談と企業ヒアリングという単価の源泉に時間を戻せる。

下の表は、3工程それぞれで「AIにどこまで任せて、どこから人が判断するか」の目安をまとめたものだ。完全自動ではなく、AIがドラフトを書き、最終確認と関係性の判断はCAが押す前提で設計する。

工程	AIが担う部分	人（CA）が押す判断
書類スクリーニング	職務要約・スキル抽出・求人要件との適合度スコア化	適合度が中程度の候補・特殊経歴の可否判断
候補者・企業連絡	初回連絡文・日程調整・リマインド・面談後お礼文	温度感を読んだ意思決定支援・条件交渉
求人票・推薦状	求人票のドラフト・推薦状の骨子・企業紹介文の草稿	候補者と企業の双方に響く言い回し・条件表現の最終調整

書類スクリーニングをAIで半自動化する具体手順

書類スクリーニングは「履歴書を読む → 職務要約とスキルタグを抽出する → 求人要件と突き合わせる → 判定境界の候補だけ人が確認する」の4段階に分けると、AIに任せる範囲が明確になる。

図2: 履歴書OCRから適合度スコアリング、判定境界の人手確認までを段階分けする

具体的には、履歴書PDFをOCR（クラウド会計と同じで、Azure Document Intelligence やGoogle Document AI で読み取り精度は十分）にかけ、抽出されたテキストを生成AIに渡す。プロンプトには「求人要件（必須スキル・年数・業界経験）」「除外条件」「注目したい経歴パターン」を明示的に書き、AIには「①職務要約 5行 ②主要スキル抽出 ③求人要件との適合度スコア0〜100 ④要確認ポイント」を返させる。CAはスコア80以上は即面談打診、40以下は見送り、41〜79の中間層だけ自分で書類を確認する運用にすると、確認件数を8割前後まで圧縮できる紹介会社が多い。

ポイントは、AIに渡す入力を履歴書テキストと求人要件だけに絞ること。候補者の氏名・住所・生年月日・電話番号などの直接識別情報は事前にマスキングし、代わりに社内候補者IDで参照するテンプレートを用意しておく。これで職業安定法・個人情報保護法上の第三者提供にあたるリスクを構造的に下げられる。RAGで自社の過去成約データを参照させると、「どんな経歴の候補が実際にオファーまで進んだか」までスコアリングに反映できる。技術選定はRAGかファインチューニングか 中小企業の判断軸で詳しく書いた。

「自社の求人ポートフォリオでこのスコアリングが実際に機能するか」が判断軸になる紹介会社が多い。初月無料の経営AI診断（通常30万円相当）では、過去1年の成約データを匿名化したうえで、実際に適合度スコアの妥当性を測る簡易PoCまで一緒に走ることが多い。

候補者と企業への連絡・スケジュール調整をAIで巻き取る

CAの稼働時間で最も消えているのは「連絡と日程調整」で、AI導入の効果が一番わかりやすく出るのがこの領域だ。1日20〜30通の候補者メール返信を人が全部書いている限り、面談件数は絶対に増えない。

図3: 履歴書要約と過去のやり取りを踏まえてAIが連絡文を下書き、CAが送信前に温度感で微調整する

具体的には、候補者ごとの「業種・年齢層・志向（キャリアアップ志向か生活重視か）・前回までのやり取り」を1〜3行に要約してプロンプトに入れると、機械的な「ご確認のほどよろしくお願いします」ではなく、「先日ご相談いただいた◯◯業界の営業職につきまして、要件が近い求人が出ましたので日程を…」といった、関係性を保った文面が返ってくる。CAは内容を読んで温度感を微調整するだけで送れる。

日程調整はさらに単純だ。Google Calendar・Outlook Calendar のAPIに繋いだAIエージェントに「候補者A・企業Bの担当者2名、来週の午前中で60分」と投げると、空き時間を提示・調整メールを自動送信・確定したら双方のカレンダーに登録するところまで走る。ここはCalendly系ツールでも同じことができるが、生成AIを噛ませると「相手の温度に合わせた文面調整」まで一緒に走らせられるのが違いだ。メール一次対応のAI化そのものは業種を問わず効くので、メール一次対応をAIで自動化するときの現実解も参考になる。

問い合わせ対応も同じ構造で、「初回相談で聞かれる頻出質問（サービス手数料・お祝い金の有無・成約後のフォロー体制）」は過去回答を整理してRAGに入れておくと、候補者の質問メール本文を貼るだけで回答案が出てくる。AIに任せるのはあくまでドラフトで、契約条件や返金規定にあたる回答は必ずCAが最終確認する。

求人票と推薦状のドラフトをAIで先に書く

求人票と推薦状は、企業ヒアリングのメモと候補者情報さえ揃っていればAIに「叩き台」を書かせるとCAの準備時間が半分以下になる。特に企業側から届く求人票が不十分（給与レンジ未記入・業務内容が抽象的）な場合、CAが企業に確認して書き直す時間が最も大きい。

図4: 企業ヒアリング内容と候補者情報から求人票・推薦状のドラフトをAIが起こす

たとえば求人票。企業ヒアリングの録音を文字起こしし、AIに「①仕事内容（4行以内） ②必須要件 ③歓迎要件 ④想定年収レンジ ⑤会社のカルチャー訴求（3行）」の骨子で書かせると、CAは企業側担当者に「この年収レンジで合っていますか」「歓迎要件はこの3つで良いですか」と確認するだけで済む。ゼロから書くよりはるかに早く論点が立ち、企業担当者にとっても具体的な合意点が見える。会議録の文字起こしと要約は会議議事録AIの実務で共通の設計思想を書いた。

推薦状も同じだ。候補者の職務経歴書と面談メモを渡し、「求人要件のこの3項目に対する適合度を、具体的なエピソードで補強して」と依頼すると、書き手のクセに引っ張られない客観的な推薦状ドラフトが出てくる。CAはそこに「面談で感じた候補者の熱量」「企業カルチャーとの相性についての所感」など、AIには書けない部分だけを追記する。この分業で1件あたり30〜60分ほど短縮できる紹介会社が多い。

ここで一番効くのは「自社の過去成約データのRAG化」だ。過去に成約した候補者と求人票の組み合わせ、企業からの評価コメント、CAの推薦状原稿を検索可能な形にまとめておくと、若手CAでも中堅と同じ水準の推薦状が書けるようになる。人材紹介業は属人性が高い業界だが、暗黙知のRAG化で属人度を下げつつ、CAは面談と関係構築に時間を回せる。

個人情報・職業安定法との付き合い方

人材紹介会社がAI活用で最初に詰めるべきは技術ではなくデータ取扱いだ。候補者情報は個人情報保護法・職業安定法・雇用対策法の3方向で重い規制がかかっており、汎用ChatGPTの無料プランに履歴書を貼り付ける運用は多くの場合、契約違反・法令違反のリスクを抱える。

図5: 学習に使わないAPI契約・最小限の抜粋のみ送信・送信ログを残す。この3点をルール化する

具体的には次の3点をルール化する。第一に、利用するAIは「学習に使わない」契約のものに限定する。OpenAIのAPI経由・Claude APIのworkbench利用・Azure OpenAI Service・Google Cloud Vertex AIなどは、各社の規約上、入力データを学習に使わない旨が明記されている。第二に、AIに渡すのは「業務遂行に必要な最小限の抜粋」に絞る。履歴書PDFを丸ごとではなく職務経歴の要約と抽出済みスキルだけ、氏名や連絡先ではなく社内候補者IDだけ、というテンプレートを設計する。第三に、誰が・いつ・どの候補者データをAIに送ったかのログを残す。後で候補者から「私の情報がどう使われたか」と問い合わせが来た際に、影響範囲を特定できないと信頼を一気に失う。

権限とログの設計は業種を問わず共通の鬼門で、生成AI固有の落とし穴も多い。生成AIのデータガバナンスと権限設計の落とし穴で具体的なチェックポイントをまとめているので、導入前に一度目を通しておくと良い。加えて、AIが差別的属性（年齢・性別・国籍・出身校など）でスクリーニング判断をしないようプロンプトで明示的に禁止し、監査ログを定期レビューする体制を作る。この設計を先に済ませておくと、法務・コンプラ担当からのGOも取りやすい。

人材紹介会社がAI導入で踏むべき3ステップ

AI導入は「ツール選定→運用ルール→展開」ではなく、「1工程で効果を測る → ルールを言語化する → CAへ展開する」の順で進めると失敗しない。

図6: まず経営者が1工程を2週間試し、ルールを文書化してから現場CAへ展開する

第1ステップは、最も時間を取られている1工程を選び、経営者または業務改善担当が自分で2週間試す。書類スクリーニングでも、候補者連絡でも、求人票ドラフトでもよい。ここで「CAの稼働時間が何時間減ったか」「アウトプットの品質は候補者・企業に出せるレベルか」を実数で測る。CAに渡す前に必ず自分で評価する。この段階で違和感があれば、プロンプト設計・データ範囲・AIモデル選定のどこかに問題があるので早めに軌道修正する。

第2ステップは、効果が確認できた工程について、運用ルールを文書化する。「AIに渡してよい情報・渡してはいけない情報」「AIのアウトプットを誰が最終確認するか」「ログをどこに残すか」「差別的属性でのフィルタリング禁止」を1枚にまとめる。これがないままCAに展開すると、必ず誰かが履歴書PDFを汎用AIに丸ごと貼り付ける事故が起きる。

図7: プロンプトテンプレの共有と、最初の1ヶ月は経営者が現場CAのアウトプットを確認する

第3ステップで、CAへの教育とテンプレ配布を行う。プロンプトのテンプレを共有し、最初の1ヶ月は経営者または業務改善担当が現場CAのアウトプットを確認する。ここまで来れば、CAは面談と関係構築という単価の源泉に時間を戻せる。AI業務自動化全般のROIの考え方は中小企業がClaude Codeで業務自動化する導入ステップとROI試算が参考になる。

どの工程から手をつけるか迷ったら、初月無料の経営AI診断（通常30万円相当）で、自社の紹介業務フローを一緒に棚卸しし、投資回収が最も早い工程を特定するところから始められる。提案までセットなので、診断で出た改善案をそのまま社内展開する紹介会社が多い。

まとめ

人材紹介・採用業のAI活用は、書類スクリーニング・候補者連絡・求人票と推薦状の3工程に集中させ、採用可否の最終判断と関係構築はCAが押す前提で設計するのが現実解だ。ツール選定よりも先に「どの工程を、どの粒度で、誰の責任で任せるか」を決めることが、CAの稼働を面談と単価の源泉に戻す最短ルートになる。1工程ずつ効果を実数で測りながら広げていけば、AIに振り回されずに紹介会社の生産性を構造的に上げられる。

自社のどの業務から始めるべきか迷っているなら、初月無料の経営AI診断（通常30万円相当）で、業務工程の可視化と具体的な改善提案までご一緒する。経営者やCAリーダーが自分で2週間試す前段階として、論点を整理する場として活用されることが多い。

関連記事

• 会計事務所のAI活用 記帳と問い合わせ対応を半自動化する実務手順 — 関連: 士業・専門サービス業のAI業務分解の考え方
• 不動産業のAI活用 物件マッチングと問い合わせ対応の効率化 — 関連: 顧客マッチング業種のAI活用パターン
• 社内向けFAQボットの作り方 中小企業の問い合わせ対応自動化 — 関連: 頻出質問への対応自動化
• メール一次対応をAIで自動化するときの現実解 — 関連: 候補者・企業連絡のメール自動化
• 生成AIのデータガバナンスと権限設計の落とし穴 — 関連: 候補者個人情報の守秘義務設計