採用実務エージェント：人を選ぶ前に、採用の型を整える

採用実務を分解する

人事エージェントが組織全体を扱うなら、採用実務エージェントは「候補者と出会い、選考を進める」仕事に絞る。

採用は、能力の見極めだけではない。求人票、スカウト文、面接設計、候補者連絡、選考ログ、内定後フォローまでの体験設計である。

分解した能力	AIの役割	成果物
要件定義	必要な役割、成果、条件を整理する	採用要件メモ
求人票	仕事、期待、魅力、条件を書く	求人票ドラフト
スカウト	候補者ごとに接点を作る	スカウト文面
面接設計	質問、評価軸、課題を作る	面接ガイド
候補者管理	連絡、日程、ステータスを追う	ATS更新案
選考改善	辞退理由、通過率、滞留を分析する	採用KPIレポート

Role

基本ロールは「採用広報・選考運営補助エージェント」とする。

採用要件を言語化する
求人票とスカウト文を作る
面接質問と評価表を整える
候補者連絡を下書きする
採用パイプラインの停滞を検出する

採否、処遇、労働条件の確定、差別につながる判断、候補者への最終通知は人間に戻す。

Tools

Tool	用途
ATS	候補者、ステータス、面接履歴の管理
求人媒体	求人票、応募状況、スカウト候補の確認
カレンダー	面接日程、調整、リマインド
メール	候補者連絡、日程調整、フォローの下書き
ドキュメント検索	職務記述書、評価基準、会社紹介資料の参照
労務/法務エージェント	労働条件、差別リスク、契約論点の確認

Thinking

思考法	チェックする問い
成果起点	入社後に何を達成してほしいか
Must/Want	必須条件と歓迎条件を分けているか
公平性	年齢、性別、国籍など不適切な基準が混ざっていないか
候補者体験	連絡が遅い、情報が薄い、負荷が高すぎないか
評価一貫性	面接官ごとに見ている点がずれていないか
入社後接続	採用要件とオンボーディングがつながっているか

Output

項目	内容
採用要件	役割、成果、必須条件、歓迎条件
求人票	業務、期待、魅力、条件、選考
面接ガイド	質問、評価軸、確認事項
候補者メモ	経歴、強み、懸念、未確認
連絡案	日程調整、結果連絡、フォロー
KPI	応募、通過、辞退、滞留

KPI

求人票作成時間
スカウト返信率
書類通過率
面接後フィードバック記入率
候補者連絡の遅延数
辞退理由の分類率

エスカレーション

採否、年収、雇用形態、労働条件を決める
候補者からクレームやハラスメント相談がある
差別的表現や不適切質問の懸念がある
リファレンスチェック、バックグラウンドチェックが必要
内定取り消し、条件変更が発生する

発生しうる業務

頻度	業務	AIに任せる粒度
日次	応募確認、候補者連絡、日程調整	連絡案、ATS更新候補
週次	採用パイプライン確認、スカウト改善	KPIサマリ
月次	求人票見直し、辞退理由分析、媒体比較	改善案
随時	新規職種の要件定義、面接設計	要件メモ、評価表

学習方法

学習材料	学ぶこと
過去求人票	自社の魅力と表現
採用成功者の入社後成果	要件の妥当性
不採用・辞退理由	ミスマッチの原因
面接評価表	評価軸の一貫性
候補者質問	不安や期待

能力の磨き方

求人票ごとの応募、通過、辞退を比較する
スカウト文の修正差分と返信率を見直す
面接質問が入社後成果と関係していたかを見る
不適切表現を禁止リストに追加する
月1回、採用要件を現場の実務に照らして更新する

作り方

職種ごとに採用要件テンプレートを作る
求人票、スカウト、面接ガイドの型を固定する
ATS項目を標準化する
候補者連絡は承認制にする
差別リスクチェックを必ず通す
入社後の成果を採用要件に戻す

作れない場合は、「求人票bot」「スカウト文bot」「面接設計bot」「ATS更新bot」に分ける。

最小実装

最初から自律実行させるのではなく、読み取り、下書き、承認付き更新の順に広げる。採用実務エージェントの最小実装は、求人票、スカウト、面接設計、候補者管理を整えるための「入力を読む場所」「出力を残す場所」「人間が承認する場所」を固定することである。

層	最小構成
入力	ATS、求人媒体、カレンダー、メール、評価表、労務/法務チェックから読み取り専用で参照する
処理	事実、推測、未確認、次アクションを分けて整理する
承認	外部送信、重要判断、台帳更新、金銭・契約・人事に関わる操作は人間承認にする
記録	出力、採否、修正理由、次回改善点を同じ場所に残す

入力データ

採用要件、職務、期待成果
求人票、スカウト候補、応募者情報
面接評価、辞退理由、選考ステータス
会社紹介資料、労働条件、NG表現

入力データには、取得日、参照元、更新者を残す。古い情報や未確認情報を混ぜると、AIはもっともらしいが危ない判断を出す。

出力フォーマット

フィールド	内容
`requirements`	採用要件
`job_post`	求人票ドラフト
`scout`	スカウト文面
`interview`	質問と評価表
`pipeline`	候補者ステータスと滞留
`unknowns`	未確認事項、追加で人間が見る点
`human_review`	承認者、判断期限、エスカレーション条件

この形式で残すと、後から「AIが何を見て、何を出し、人間がどこを直したか」を追える。

サンプルプロンプト

あなたは採用実務エージェントです。
目的は「求人票、スカウト、面接設計、候補者管理を整える」ことです。

入力:
- 対象: [対象名]
- 参照データ: [参照元]
- 期限: [期限]
- 制約: [承認条件、禁止事項、守るべきルール]

指示:
1. 事実、推測、未確認事項を分けてください。
2. 出力フォーマットに沿って整理してください。
3. 判断できない点を無理に結論づけず、human_reviewに戻してください。
4. 外部送信、重要更新、金銭・契約・人事に関わる操作は実行せず、承認依頼にしてください。

出力:
- 要約
- 構造化データ
- 次アクション
- human_review

ワークフロー

入社後成果から要件を定義する
求人票とスカウトを候補者視点で作る
面接質問と評価軸を対応させる
採否、年収、労働条件は人間に戻す

この流れを固定すると、AIは単発の相談相手ではなく、業務の一部として改善できる。

失敗パターン

差別的な条件や質問を混ぜる
スカウト文を大量一括で個別性なく出す
採否理由を曖昧に残す

失敗パターンは、禁止事項としてプロンプトに入れるだけでは足りない。出力レビュー時に「今回どの失敗に近かったか」を記録し、次の入力データや評価基準へ戻す。

評価ルーブリック

MustとWantが分離されている
評価軸が質問に対応している
候補者連絡は承認制になっている
事実、推測、未確認が分離されている
人間に戻すべき判断がhuman_reviewに出ている

5段階評価にする場合は、3を「人間が軽く直せば使える」、4を「そのまま業務で使える」、5を「次回のテンプレートに採用できる」と定義する。