【職種別】人事・採用担当のAI活用30選｜求人原稿/スカウト/面接/評価/労務まで現場で使える事例集【2026年版】
satoru.jiro// HR & Recruiting AI 30 // 2026
【職種別】人事・採用担当のAI活用30選｜求人原稿/スカウト/面接/評価/労務まで現場で使える事例集【2026年版】
人事・採用担当の仕事は、「人を集める」「人を見極める」「人を育てる」「人を守る(労務)」という、どれも答えのない領域の連続です。本記事は、従業員30人以下の中小企業で、人事・採用・総務を1人〜数人で兼務している担当者・経営者が、明日から現場でAIを使い倒すための30の具体策を、採用原稿/スカウト/面接/評価育成/労務/組織サーベイの6セクションに分けて全部見せします。各事例に「使うAI」「そのまま使えるプロンプト例」「削減時間」「現場の変化」を明記。専門知識はゼロでかまいません。読み終わる頃には、自分の人事業務のどこにAIを差し込めるかの地図が描けます。なお人事は応募者の個人情報・差別防止・最終判断は必ず人間という固有の注意点があります。これは各事例で誠実に触れていきます。
> 目次
人事・採用担当の1日:業務別タスクとAIの差し込みポイント
「人事の仕事は人と向き合うことだから、AIには任せられない」 — この言葉は、半分正しくて半分間違いです。確かに、誰を採用するか、誰をどう評価するか、誰にどう声をかけるかという最終判断は、人事担当者にしかできません。しかし、人事の1日の業務時間の多くは、求人原稿を書く、応募書類を読む、面接の議事録を起こす、評価コメントを書く、就業規則の条文を調べる、社員アンケートを集計するといった「判断のための下ごしらえ」に消えています。ここがAIで一気に圧縮できる領域です。
従業員30人以下の中小企業では、人事専任者がいないケースがほとんどです。総務と経理と人事を1人で兼務、あるいは経営者自身が採用も労務も抱えている、というのが実態でしょう。だからこそ、人事の下ごしらえ作業をAIに任せ、担当者は「人と向き合う時間」と「最終判断」に集中するという発想が効きます。AIは、いわば人事部のもう1人の事務スタッフです。
人事・採用担当の業務を分野別に並べてみます。採用入口では、求人原稿の作成、採用ペルソナの設計、媒体ごとの出し分け。母集団形成では、スカウト文面の作成、候補者リサーチ、返信フォロー。選考では、書類の一次スクリーニング、面接質問の設計、面接議事録、評価サマリ。入社後では、オンボーディング、評価コメント、1on1、研修設計。労務では、就業規則や雇用契約の整備、社員からの問い合わせ対応、年末調整などの案内文。組織では、従業員アンケートの分析、離職予兆の把握、定着施策。この一つひとつに、AIが具体的にどう差し込めるかを、これから30本の事例で見ていきます。
💡 本記事30選を全部実装した場合の試算: 人事・採用担当1人の「下ごしらえ作業」時間が1日4.8時間→1.4時間に圧縮(削減率約71%)、月20営業日で月68時間の創出。これは中小企業で「人事専任者をもう0.5人雇う」のと同等の効果です。浮いた時間を、候補者との丁寧な面談、社員一人ひとりへの目配り、辞めさせない組織づくりという「人にしかできない仕事」に振り向けられます。AIを使う人事ほど、逆に「人間くさい人事」になれる、というのが2026年の現実です。
セクション1: 採用・求人原稿のAI活用5選
採用のすべては「どんな人に来てほしいか」を言葉にするところから始まります。中小企業の求人がうまくいかない最大の理由は、ターゲット像が曖昧なまま、どこかで見たようなテンプレ求人を出していること。AIはこの「言語化」と「原稿量産」が大の得意分野です。
CASE 01採用ペルソナ設計:欲しい人物像を30分で言語化
「誰でもいいから人が欲しい」をやめ、欲しい1人を具体化する
- BEFORE
- 求人を出すとき、ターゲット像が「経験者で明るい人」程度のふんわりした状態。誰に向けた原稿か定まらず、結果として誰の心にも刺さらない求人になっていた。
- USE
- プロンプト例: 「当社は従業員20名の建設資材卸。営業を1名採用したい。来てほしい人物像を、年齢・前職・転職理由・価値観・不安に思うこと・刺さる言葉まで含めて、具体的なペルソナとして3パターン作成して。各パターンに、その人が求人で重視する点も。」
- AFTER
- 採用ペルソナが30分で3案完成。社内で「うちが欲しいのはこの人だね」と合意でき、以降の求人原稿・面接質問すべての軸が定まった。AIの案はあくまで叩き台で、最終的な人物像は採用責任者が決める。
30分で3案
×全工程の軸に
月2時間削減
CASE 02求人原稿AI生成:応募が増える募集要項を30分で
ペルソナから逆算した「その人に刺さる求人原稿」を量産
- BEFORE
- 求人原稿が「業界経験◯年以上、明るく元気な方歓迎」のテンプレ。月の応募が2〜3名で、ほぼ条件外。書類段階で全員見送りの月が続いていた。
- USE
- プロンプト例: 「CASE 01で作ったペルソナ(32歳・営業経験5年・転職理由は裁量が欲しい)が思わずクリックする求人タイトル10案と、本文1500字を作成。当社の強み(添付)を必ず反映し、誇張や事実と違う好条件は書かないで。給与・休日は実際の条件に合わせる。」
- AFTER
- 求人原稿の差し替え後、月応募数が3名→10名前後に増加。原稿はAIが叩き台を作り、事実関係と労働条件は担当者が必ず最終チェックしてから掲載する運用に。誇大表現を入れないことが、入社後のミスマッチ防止にもつながった。
×3倍応募数
30分で1本
月4時間削減
CASE 03媒体別の出し分け:同じ求人を媒体ごとに最適化
求人媒体・ハローワーク・自社サイトで「同じ内容・違う言い方」を一括生成
- BEFORE
- 求人媒体ごとに文字数制限も読者層も違うのに、毎回同じ原稿をコピペ。ハローワークでは堅すぎ、若手向け媒体ではお堅すぎて反応が悪い、というズレが起きていた。
- USE
- プロンプト例: 「この求人原稿(添付)を、(1)ハローワーク用(事実重視・簡潔)、(2)若手向け求人サイト用(働く魅力を前面に)、(3)自社採用ページ用(社長の想いと社員の声)、の3バージョンに書き分けて。各媒体の文字数の目安も教えて。内容の事実は変えないこと。」
- AFTER
- 1本の原稿から媒体別3バージョンが15分で完成。媒体ごとの反応率が改善し、特に若手向け媒体からの応募が増えた。労働条件などの事実は全バージョンで一致させ、媒体によって言っていることが違うという事故を防ぐ。
3媒体を15分
×反応率改善
月3時間削減
CASE 04自社の魅力の言語化:埋もれた強みを採用文に変える
「うちには特に魅力がない」という思い込みを、AIとの対話で崩す
- BEFORE
- 「給料は普通、有名でもない。何を売りにすればいいか分からない」と、自社の採用上の魅力を言語化できない。求人がどれも当たり障りのない内容になっていた。
- USE
- プロンプト例: 「当社の実態(離職率が低い・残業月10時間・社長との距離が近い・地域密着で取引先が安定・未経験から育てた社員が多い)を伝えます。これらを、求職者が魅力に感じる言葉に翻訳して。誇張せず、事実ベースで響くキャッチコピーを10個。」
- AFTER
- 「特に魅力がない」と思っていた事実が、求職者にとっては立派な魅力だと気づけた。AIが翻訳した言葉の中から、自社で本当に言える内容だけを担当者が選んで採用。等身大の魅力が伝わる求人になり、定着しやすい人が集まるように。
10案のコピー
×等身大で訴求
月2時間削減
CASE 05採用サイトQ&A整備:応募前の不安をつぶす
「応募者が知りたいけど聞きづらいこと」を先回りして用意する
- BEFORE
- 求人ページに会社概要しかなく、応募者が抱く「残業は実際どう?」「未経験でも大丈夫?」「評価はどう決まる?」といった不安に答える情報がない。応募の手前で離脱されていた。
- USE
- プロンプト例: 「中小企業の営業職に応募しようか迷っている求職者が、応募前に不安に思いそうな質問を30個。各質問に対し、当社の実情(添付メモ)を踏まえた回答例も。事実に基づき、ごまかさず誠実に答えるトーンで。」
- AFTER
- 採用ページにQ&Aを30問掲載。回答内容は担当者が事実確認した上で公開。応募者の不安が減り、応募率と面接辞退率の両方が改善。聞きづらいことに先回りで答える会社、という安心感が伝わった。
30問を1時間
×辞退率低下
月2時間削減
セクション2: スカウト・母集団形成のAI活用5選
求人を出して待つだけの時代は終わり、こちらから候補者に声をかける「スカウト型採用」が中小企業にも広がっています。しかしスカウトは、1通ずつ文面を考えると膨大な時間がかかります。AIは、テンプレ感を出さずに1人ひとりへ向けた文面を量産するのが得意です。ただし候補者情報の扱いには細心の注意が必要です。
CASE 06スカウト文面生成:返信が来る1通を5分で
「テンプレ感丸出し」のスカウトから、一人ひとりに向けた文面へ
- BEFORE
- スカウト媒体で1日10通送っても、返信は週に1件あるかどうか。文面が完全テンプレで、「誰にでも送ってますよね」と一目で分かる内容だった。1通考えるのに15分かかり、量も出せない。
- USE
- プロンプト例: 「候補者のプロフィール要点(添付・氏名は伏せる)を踏まえ、当社の営業職へのスカウト文面を作成。冒頭で相手の経歴のどこに惹かれたかを具体的に触れ、押しつけがましくないトーンで。300字以内。返信のハードルを下げる一文も。」
- AFTER
- 1通5分で、相手に合わせたスカウト文が完成。返信率が体感で3倍以上に。なお候補者の氏名や特定できる情報はAIに入力せず、要点だけを匿名化して渡す運用を徹底。文面は送信前に担当者が必ず読み、事実と違う持ち上げは削除する。
×3倍返信率
15分→5分作成
月6時間削減
CASE 07スカウト返信率の改善分析:勝ちパターンを見つける
過去のスカウト送信履歴から「返信が来た文面の共通点」を抽出
- BEFORE
- スカウトを送りっぱなしで、どんな文面・どんな相手なら返信が来るのかを振り返ったことがない。毎回ゼロから書いて、勝ちパターンが社内に蓄積しない。
- USE
- プロンプト例: 「過去3ヶ月のスカウト送信記録(送信文面・相手の職種・返信有無)を渡します。返信が来た文面と来なかった文面の違いを分析し、(1)効いていた要素3つ、(2)避けるべき要素3つ、(3)次に試すべき文面パターンを提案して。」
- AFTER
- 「冒頭2行で具体的な経歴に触れた文面は返信率が高い」など、勝ちパターンが言語化された。以降のスカウトの精度が上がり、送信数は同じでも面談化数が増加。分析にかける個人情報は職種など最小限にとどめる。
勝ち型を可視化
×面談化増加
月2時間削減
CASE 08候補者向け企業紹介資料:会社の魅力を1枚に
面談前に送る「会社のことが3分で分かる資料」をAIで作る
- BEFORE
- スカウトから面談に進んでも、会社を説明する資料がなく、毎回口頭で同じ説明を繰り返す。候補者に会社の魅力が十分伝わらず、他社に流れることも多かった。
- USE
- プロンプト例: 「当社の情報(事業内容・社員数・働き方・募集背景・入社後のキャリア例)を渡します。転職を検討している候補者が面談前に読む企業紹介資料の構成と本文を作成。専門用語を避け、3分で読める分量で。誇張せず正確に。」
- AFTER
- 候補者向け紹介資料が1時間で完成。面談前に送ることで、候補者の理解度が上がり、面談が「説明」ではなく「相互理解」の場になった。内容の数字や条件は担当者が事実確認してから送付する。
1時間で完成
×面談の質向上
月2時間削減
CASE 09応募後フォロー文面:離脱を防ぐこまめな連絡
選考途中の「連絡が遅い・そっけない」で候補者を逃さない
- BEFORE
- 応募者への連絡が事務的で遅く、選考の途中で「他社に決まりました」と辞退されることが多発。1人で兼務しているため、丁寧なフォロー文を考える余裕がなかった。
- USE
- プロンプト例: 「選考フローの各段階(応募受付・書類通過連絡・面接日程調整・面接後のお礼・結果連絡)で送る、温かみのあるフォローメール文面を、それぞれ2パターン作成。事務的になりすぎず、候補者を尊重するトーンで。日程などは差し込み式に。」
- AFTER
- 各段階のフォロー文面のひな型が揃い、連絡が早く丁寧になった。候補者の選考途中辞退が目に見えて減少。送る前に相手の状況に合わせて担当者が一言添えることで、テンプレ感も出ない。
×辞退率低下
全段階ひな型化
月3時間削減
CASE 10採用広報の発信文:SNS・ブログで会社を知ってもらう
「知られていないから応募が来ない」を、地道な発信で変える
- BEFORE
- そもそも会社の存在が求職者に知られておらず、求人を出しても見られない。採用広報をやりたいが、何をどう発信すればいいか分からず手つかずだった。
- USE
- プロンプト例: 「中小企業の採用広報として、求職者に会社を知ってもらうためのSNS投稿ネタを30案。社員紹介・1日の仕事・会社のちょっとした出来事など、堅くなりすぎないテーマで。各ネタに投稿文の例文も。」
- AFTER
- 採用広報のネタに困らなくなり、週2回の発信が習慣化。半年で「投稿を見て応募しました」という候補者が出るように。発信内容は社員のプライバシーに配慮し、本人の了承を得てから投稿する運用を徹底。
30案のネタ
×週2回発信習慣
月4時間削減
セクション3: 面接・選考のAI活用5選
選考は、人事の仕事の中で最も「人を見極める力」が問われ、同時に最も時間がかかる工程です。AIは面接の質問設計や議事録、評価の整理を支えてくれますが、合否の最終判断は必ず人間が行うのが大原則。AIのスコアだけで人を落とすことは、差別や見落としにつながる危険があります。
CASE 11面接質問の設計:候補者ごとに深掘り質問を用意
毎回同じ質問の面接から、その人の経歴に合わせた面接へ
- BEFORE
- 面接の質問が「志望動機は?」「長所と短所は?」の定番ばかり。候補者ごとの深掘りができず、入社後に「思っていた人と違った」というミスマッチが起きていた。
- USE
- プロンプト例: 「候補者の職務経歴(添付・氏名は伏せる)を踏まえ、面接で深掘りすべきポイントを5つ。各ポイントを掘り下げる質問を3問ずつ、回答に応じた追加質問の例も。なお年齢・性別・家族構成・出身地など、選考と関係なく聞いてはいけない事項は質問に含めないで。」
- AFTER
- 候補者に合わせた質問リストが10分で完成し、面接の質が向上。AIには「聞いてはいけない事項」を明示することで、無意識の不適切質問も予防できた。最終的な見極めと合否は、複数の面接官が人の目で判断する。
10分で質問設計
×ミスマッチ減
月3時間削減
CASE 12面接議事録の自動化:録音から要点を即整理
面接後に手書きメモを清書する時間をゼロにする
- BEFORE
- 面接中はメモを取りながら会話に集中できず、終わってから記憶を頼りに議事録を作成。1件30分かかり、複数面接官の印象もバラバラで共有しづらかった。
- USE
- 面接を録音(候補者の同意を必ず取得)し、文字起こしAIでテキスト化。Claudeに「この面接の発言録から、(1)候補者の経歴サマリ、(2)質問への回答要点、(3)確認できた強み・気になった点を、事実と面接官の所感を分けて整理して」と指示。
- AFTER
- 面接議事録が録音から5分で整う。面接官は会話に集中でき、見極めの質が上がった。録音は必ず候補者の同意を得て行い、データは選考目的のみに使い、選考終了後は適切に削除するルールを徹底。
30分→5分議事録
×会話に集中
月4時間削減
CASE 13評価サマリの作成:面接官ごとの印象を1枚に統合
複数面接官のバラバラな評価を、比較しやすい形に整える
- BEFORE
- 一次・二次の面接官が別々にメモを取り、合否会議では「なんとなく良かった」「ちょっと気になった」という感覚論で議論。判断基準が揃わず、決め手に欠けることが多かった。
- USE
- プロンプト例: 「複数の面接官の評価メモ(添付)を、候補者ごとに、あらかじめ決めた評価軸(対人力・実務スキル・カルチャー適合・成長意欲)で整理。各軸で面接官の見解が一致した点・分かれた点を明示。合否は判定せず、論点だけ整理して。」
- AFTER
- 評価サマリが候補者ごとに1枚にまとまり、合否会議が「事実と論点」ベースで進むように。意見が分かれた軸が明確になり、追加面接で確認すべき点も定まる。合否そのものはAIに判定させず、必ず人が議論して決める。
論点を可視化
×合否会議短縮
月2時間削減
CASE 14合否連絡文面:不採用通知こそ丁寧に
不採用の連絡を、相手への敬意を込めた文面で送る
- BEFORE
- 不採用通知が「今回はご縁がありませんでした」の定型一文。応募してくれた人への敬意が伝わらず、会社の評判口コミに「対応が冷たい」と書かれたこともあった。
- USE
- プロンプト例: 「面接まで進んだ候補者への不採用通知を作成。応募と来社へのお礼を述べ、相手を否定せず、敬意を持って伝える文面を2パターン。具体的な不採用理由は書かず、しかし機械的にならないトーンで。」
- AFTER
- 不採用通知でも候補者に誠実さが伝わるようになり、「丁寧な会社だった」という印象を残せた。落とした相手が将来の顧客や取引先になることもあるため、最後まで敬意を持った対応を標準化。文面は担当者が相手に合わせて微調整する。
×評判を守る
誠実さを標準化
月1時間削減
CASE 15面接官トレーニング:質問の練習相手にAIを使う
面接に慣れていない管理職を、AI模擬面接で鍛える
- BEFORE
- 中小企業では現場の管理職が急に面接官を任される。面接の経験がなく、聞いてはいけない質問をうっかりしたり、緊張で深掘りできなかったりして、見極めにムラがあった。
- USE
- プロンプト例: 「あなたは転職活動中の営業職の候補者役です。私が面接官として質問するので、リアルに回答してください。面接が終わったら、私の質問の良かった点・改善点、聞いてはいけない事項に触れていないかをフィードバックして。」
- AFTER
- 面接官が本番前にAI相手で練習でき、自信を持って面接に臨めるように。差別につながる不適切な質問のチェックも事前にでき、面接の質と公平性が底上げされた。最終的な見極め力は実地の経験で磨く前提で、AIは練習台と位置づける。
模擬面接で練習
×公平性向上
月2時間削減
セクション4: 評価・育成・1on1のAI活用5選
採用した人を育て、正しく評価し、定着させる。ここが中小企業の人事で最も後回しにされがちで、しかし最も離職に直結する領域です。評価コメントや1on1の準備、研修設計といった時間のかかる作業をAIに任せれば、担当者は社員一人ひとりと向き合う時間を確保できます。評価の最終判断は必ず上司・経営者が行います。
CASE 16評価コメントの叩き台:1人10分で公平な下書き
1人1時間かけていた評価コメントを、AIで叩き台10分に
- BEFORE
- 半期評価のコメントを全社員分書くのに丸2日。後半は疲れて文章がテンプレ化し、若手から「コピペっぽい」と感じられていた。評価の言葉に差が出て不公平感も。
- USE
- プロンプト例: 「社員Aの半期の実績データと上司メモ(添付・社員名は記号化)を踏まえ、評価コメントの叩き台を、(1)成果の認識、(2)成長した点、(3)次期への期待、の3部構成で600字。具体的な事実に基づき、誰に対しても公平なトーンで。」
- AFTER
- 叩き台10分+上司が事実確認と加筆20分で1人分が完成。AIが土台を作ることで、全社員に公平な水準のコメントが書けるように。評価点や昇給の最終判断は必ず上司・経営者が行い、AIの文章はあくまで下書きとして扱う。
−70%作成時間
×公平性向上
月3時間削減
CASE 171on1台本の生成:30分の面談を濃くする準備
「最近どう?」で終わる空中戦の1on1を、構造化された対話に変える
- BEFORE
- 月1回の1on1が「最近どう?→特に変わりないです→じゃあ頑張って」で5分で終わる。部下の本音が見えず、退職届で初めて気づくパターンが続いていた。
- USE
- プロンプト例: 「部下A(入社2年目・直近の1on1メモを添付・名前は記号化)との今月の1on1を、30分で深い対話にしたい。冒頭の雑談、本論の問いかけ5問、締めのフィードバック、の台本を。質問は浅い→深いの順で、本人を追い詰めない聞き方で。」
- AFTER
- 1on1の準備が10分で整い、面談の質が向上。部下から「初めて本音を話せた」という声も。台本はあくまで下敷きで、実際の1on1では相手の話に合わせて柔軟に進める。本音を引き出すのはあくまで上司自身の傾聴姿勢。
10分準備
×面談の質向上
月4時間削減
CASE 18研修プログラム設計:新人研修の中身を半日で
「研修をやりたいが中身を作る時間がない」を解消する
- BEFORE
- 新人研修や階層別研修をやりたいが、カリキュラムをゼロから作る時間がない。結局OJT任せで、教える人によって内容も質もバラバラだった。
- USE
- プロンプト例: 「中小企業の新卒・中途入社者向けに、入社1ヶ月の研修プログラムを設計。ビジネスマナー・自社理解・基礎実務の3本柱で、各日のテーマ・所要時間・進め方・到達目標を一覧表に。社内講師でも回せる現実的な内容で。」
- AFTER
- 研修カリキュラムの骨子が半日で完成。教える人が変わっても一定の質が保てるようになった。AIが作った内容は自社の実務に合わせて担当者が調整し、現場で本当に必要なスキルに落とし込む。
半日で骨子
×研修の質均一化
月3時間削減
CASE 19キャリア面談の準備:社員の将来像を一緒に描く
「この会社にいる意味」を社員と一緒に考える材料を用意する
- BEFORE
- 中小企業は昇進の階段が少なく、社員に将来像を示せない。「このままここにいて成長できるのか」という不安に応えられず、優秀な若手ほど辞めていった。
- USE
- プロンプト例: 「当社(従業員20名)の営業職社員に、社内で描けるキャリアの可能性を整理したい。役職以外の成長軸(専門性・任せる範囲・社内外での役割)も含め、3〜5年の成長イメージを複数パターン。本人と話し合うための問いかけも10個。」
- AFTER
- 役職が少ない中でも、社員に示せる成長の道筋が複数描けるように。キャリア面談が「引き止め」ではなく「一緒に未来を考える場」に変わった。提示する内容は会社として本当に用意できるものに限り、できない約束はしない。
複数の成長軸
×定着に貢献
月2時間削減
CASE 20フィードバックの言い換え:厳しい指摘を角を立てずに
伝えにくい指摘を、相手の成長を促す言葉に変える
- BEFORE
- 部下のミスや課題を指摘したいが、言い方を間違えると萎縮させたり反発させたりする。結局「次から気をつけて」程度の弱い言葉になり、改善が進まなかった。
- USE
- プロンプト例: 「部下に伝えたい課題(具体内容を箇条書き)を、本人の成長を促し、人格ではなく行動に焦点を当てた伝え方に言い換えて。(1)やや厳しめ、(2)中庸、(3)優しめ、の3パターンで、それぞれ200字以内。」
- AFTER
- 伝えにくい指摘も、相手を尊重しつつ前向きに伝えられるように。フィードバックの頻度が増え、部下の改善スピードも上がった。実際にどう伝えるかは相手との関係性を踏まえて上司が選び、対面では言葉だけでなく表情や間も大切にする。
3パターン提示
×改善スピード向上
月3時間削減
セクション5: 労務・手続き・規程のAI活用5選
就業規則、雇用契約、各種手続きの案内 — 労務は専門性が高く、間違えると法的なトラブルに直結する領域です。AIは下調べや文面の叩き台づくりには大いに役立ちますが、労務は社会保険労務士・弁護士などの専門家領域であり、AIの出力は最終確認を専門家に依頼するのが大前提です。この点を、各事例で繰り返し強調します。
⚠️ このセクション全体の大前提: 就業規則・雇用契約・解雇・残業・社会保険などの労務は、法律で厳密に定められた領域です。AIは法改正に追いついていなかったり、もっともらしい誤り(ハルシネーション)を出したりすることがあります。本セクションのAI活用は、あくまで「下調べ」「叩き台づくり」「社員への分かりやすい説明文づくり」までに限定し、実際に運用する規程・契約・手続きは、必ず社会保険労務士などの専門家に最終確認を依頼してください。AIの回答を根拠に労務上の判断を下すのは絶対に避けます。
CASE 21就業規則の論点整理:改定すべき点の下調べ
専門家に相談する前の「論点の洗い出し」をAIで効率化
- BEFORE
- 就業規則が10年前のまま。どこを見直すべきか分からず、社労士に相談するにも何を聞けばいいか整理できていない。手つかずのまま放置していた。
- USE
- プロンプト例: 「中小企業の就業規則について、近年見直しが必要になりやすい論点(働き方・休暇・ハラスメント対応・テレワークなど)を一覧化して。各論点について、社労士に相談する際に確認すべき質問もセットで。あくまで相談準備用の整理として。」
- AFTER
- 社労士に相談する前に、自社で確認すべき論点が整理でき、相談がスムーズに。ただしAIが挙げた論点や内容は最新の法令を反映していない可能性があるため、実際の改定はすべて社労士の確認のもとで行う。AIは相談準備の道具に徹する。
論点を事前整理
×相談を効率化
月2時間削減
CASE 22雇用契約書の説明文:社員に分かりやすく伝える
難しい契約条項を、入社者が理解できる言葉に翻訳する
- BEFORE
- 雇用契約書を渡しても、入社者は専門用語が分からずサインするだけ。後から「そんな条件だと思わなかった」というトラブルの火種になっていた。
- USE
- プロンプト例: 「雇用契約書のこの条項(添付)を、専門知識のない入社者にも分かるよう、平易な言葉で解説する補足説明文を作成。条項の意味を変えずに、何を意味するのかを箇条書きで。誤解されやすい点は特に丁寧に。」
- AFTER
- 契約書とあわせて分かりやすい説明文を渡すことで、入社者の納得度が上がり、後のトラブルが減った。ただし契約書そのものの内容や法的有効性は社労士・弁護士が確認したものを使い、AIには「説明文づくり」だけを任せる。説明文も専門家にダブルチェックしてもらう。
×納得度向上
×トラブル予防
月2時間削減
CASE 23社員からの問い合わせ対応:よくある質問の回答下書き
有給・育休・手続きなど、繰り返される質問への回答を整える
- BEFORE
- 「有給は何日たまってる?」「育休はどう申請する?」といった社員からの問い合わせに、その都度調べて回答。1人兼務のため、同じ質問への対応に追われていた。
- USE
- プロンプト例: 「中小企業の社員から人事に寄せられやすい質問(有給・休暇・各種手続き・福利厚生など)を30個。それぞれに回答の下書きを作成。ただし制度の具体的な日数や条件は『自社の就業規則に基づき確認』という前提で、案内の型として。」
- AFTER
- よくある質問の回答テンプレが整い、問い合わせ対応が早くなった。ただし具体的な日数・金額・条件は、必ず自社の就業規則と最新の制度に照らして担当者が確認してから回答する。AIの回答をそのまま社員に伝えることはしない。
30問テンプレ化
×対応を高速化
月3時間削減
CASE 24年末調整・手続き案内文:社員への一斉連絡を分かりやすく
「何を出せばいいか分からない」をなくす、親切な案内文を作る
- BEFORE
- 年末調整や入退社の手続き案内が、お役所言葉で分かりにくい。社員から「何を出せばいいの?」という質問が殺到し、提出も遅れて担当者がパンクしていた。
- USE
- プロンプト例: 「年末調整の社員向け案内文を作成。提出が必要な書類、提出期限、よくある間違いを、専門用語を避けて分かりやすく。チェックリスト形式も添えて。具体的な期限や対象は私が後から差し込みます。」
- AFTER
- 分かりやすい案内文とチェックリストにより、社員の提出遅れと問い合わせが大幅に減少。期限・対象書類などの事実は担当者が最新情報を確認して差し込み、税務・社保に関わる内容は念のため税理士・社労士にも確認する。
×問い合わせ減
×提出遅れ減
月3時間削減
CASE 25ハラスメント相談対応の準備:初期対応の流れを整理
いざという時に慌てない、相談初期対応の手順を用意しておく
- BEFORE
- ハラスメント相談窓口は形だけあるが、実際に相談が来たらどう動けばいいか分からない。対応を誤ると二次被害や法的問題になりかねず、不安だけが大きかった。
- USE
- プロンプト例: 「中小企業でハラスメント相談を受けた際の、初期対応の一般的な流れと注意点を整理して。相談者への接し方、事実確認の進め方、絶対にやってはいけないこと、専門家に引き継ぐべきタイミングを。あくまで自社の体制づくりの参考として。」
- AFTER
- 相談初期対応の手順書のたたき台ができ、担当者の不安が軽減。ただしハラスメント対応は法的判断とプライバシー配慮が極めて重要なため、実際の運用手順は必ず社労士・弁護士に確認し、深刻な案件は早期に専門家へ引き継ぐ。AIで個別の相談内容を扱うことはしない。
手順を事前整備
×不安を軽減
月1時間削減
セクション6: 組織・サーベイ・定着のAI活用5選
採用してもすぐ辞めてしまえば、すべての努力が水の泡です。中小企業の人事にとって「辞めさせない」ことは、採用と同じくらい重要なテーマ。AIは、社員アンケートの分析や離職予兆の把握といった「組織の声を聞く」作業を支えます。ただし社員の心の問題に機械的なレッテルを貼らないこと、個人を監視に使わないことが鉄則です。
CASE 26従業員アンケート分析:自由記述を一気に整理
集めたきり放置していた社員アンケートを、施策につなげる
- BEFORE
- 年1回の社員アンケートを取るものの、自由記述欄が100件以上あって読み切れず、集計するだけで力尽きていた。せっかくの社員の声が施策に活かされず、「またアンケートか」と社員もしらけていた。
- USE
- プロンプト例: 「社員アンケートの自由記述(添付・氏名は伏せ匿名化済み)を分析し、(1)頻出する不満・要望の上位5テーマ、(2)ポジティブな声の傾向、(3)すぐ手を打てる課題と中長期の課題に分類。個人を特定する記述には触れず、全体傾向として整理して。」
- AFTER
- 100件の自由記述が30分で構造化され、優先的に手を打つべき課題が明確に。アンケートが「取るだけ」から「改善につながる」ものに変わった。分析には必ず匿名化したデータを使い、個人が特定される形では扱わない。誰が何を書いたかを詮索する道具にはしない。
100件を30分
×施策に接続
月3時間削減
CASE 27離職予兆の傾向把握:組織の課題として捉える
「なぜ人が辞めるのか」を、個人ではなく組織の問題として分析する
- BEFORE
- 優秀な社員が辞めてから慌てて理由を考えるが、その場限りの対処で終わる。1人ずつでは見えない「辞める人に共通する構造」に手を打てず、離職が止まらなかった。
- USE
- プロンプト例: 「過去3年の退職者面談メモ(添付・匿名化済み)を横断分析し、退職理由の共通パターンを上位5つ。表層的な理由ではなく、根底にある組織課題を推測し、改善策を優先度順に。個人ではなく組織の傾向として整理して。」
- AFTER
- 「評価の不透明さ」「中堅層の役割不在」など、辞める人に共通する構造課題が見えてきた。半年かけて改善し、離職率が改善傾向に。重要なのは、これを特定個人を「辞めそう」と決めつける監視には絶対に使わないこと。組織を良くするための分析に徹する。
構造課題を特定
×離職率改善
月2時間削減
CASE 28オンボーディング設計:入社90日プランを30分で
新入社員の「最初の90日」を設計し、早期離脱を防ぐ
- BEFORE
- 新入社員を入れたあと、受け入れが現場任せで場当たり的。「放っておかれた」と感じた新人が、入社3ヶ月以内に辞めることが続いていた。採用コストが無駄になる悪循環。
- USE
- プロンプト例: 「新入社員の役割・経験・配属先(添付)を踏まえ、入社1日目・1週目・1ヶ月・3ヶ月の各時点で、(1)業務上の目標、(2)受けてもらう研修、(3)1on1で話すテーマ、(4)社内で関係を作る相手、を設計して。中小企業で現実的に回せる範囲で。」
- AFTER
- 90日プランが30分で完成し、新入社員の受け入れに一貫性が生まれた。「放っておかれた」と感じる新人が減り、3ヶ月以内の早期離脱が改善。プランはAIが叩き台を作り、現場の状況に合わせて担当者が調整する。
30分で90日設計
×早期離脱減
月3時間削減
CASE 29社内表彰・サンクスの企画:感謝が回る仕組みを作る
お金をかけずに「ここで働いていてよかった」を増やす施策を考える
- BEFORE
- 給与は大きく上げられないが、社員の満足度を高めたい。何をすればいいか分からず、結局何も施策を打てないまま、社員のモチベーションが下がっていった。
- USE
- プロンプト例: 「従業員20名の中小企業で、ほとんどお金をかけずに社員のやりがいや一体感を高める施策を20個。社内表彰・感謝を伝える仕組み・小さなお祝いなど、現実的に運用が続けられるものを中心に。各施策の始め方も簡潔に。」
- AFTER
- 低コストで始められる施策のアイデアが20個揃い、その中から自社に合うものを月1つずつ試行。社内に感謝を伝え合う文化が芽生え、社員の表情が変わってきた。施策は押しつけにならないよう、社員の反応を見ながら無理なく続ける。
20案の施策
×低コストで実施
月2時間削減
CASE 30人事データの可視化:勘の人事から数字の人事へ
「なんとなく」で語られてきた人事を、数字で説明できるようにする
- BEFORE
- 離職率・採用単価・残業時間・定着率といった人事の数字を、誰も把握していない。経営会議で「最近人が辞める気がする」という感覚論で議論が進み、打ち手が決まらなかった。
- USE
- プロンプト例: 「人事データ(入退社・勤怠・採用コストのCSV・個人名は除く)を渡します。月別の離職率・1人あたり採用単価・部署別残業時間の推移を集計し、傾向と気になる変化点をまとめて。経営会議で使える要点も。表計算の数式も教えて。」
- AFTER
- 人事の状況が数字で見えるようになり、経営会議が感覚論から「事実に基づく議論」に変わった。打ち手の優先順位も明確に。AIに渡すデータは個人を特定できない形に加工し、出てきた数字は担当者が元データと照合して確認する。
定量化人事指標
×経営会議の質向上
月3時間削減
人事AI活用で陥る失敗パターン3つ
30選を実装する前に、人事ならではのつまずきパターンを押さえておきましょう。人事は「人」と「個人情報」と「法律」が絡む領域だけに、ほかの業務よりも慎重さが求められます。事前に知っておくだけで、大きな事故を防げます。
⚠️ FAIL 01: 応募者・社員の個人情報を無料AIに入力してしまう — 履歴書、職務経歴書、評価データ、1on1メモ、アンケート回答。人事が扱う情報はすべて、極めて機微な個人情報です。これを無料版のAIに丸ごと貼り付けると、入力データがAIの学習に使われ、外部に漏れるリスクがあります。応募者・社員の氏名や特定できる情報はAIに入力せず、必要なら記号化・匿名化してから渡す。さらに、入力を学習に使わない契約のあるプランを使うのが鉄則です。個人情報保護法の観点からも、本人の同意なく個人データを外部AIに渡すことは避けなければなりません。
⚠️ FAIL 02: AIのスコアだけで合否・評価を決めてしまう — AIに応募者を点数化させ、その点数だけで不採用を決める。これは差別や不公平な選考につながる重大なリスクです。AIは過去のデータの偏りをそのまま引き継ぐため、特定の属性に不利な判断を下すことがあります。年齢・性別・国籍などで不当に差をつける採用は法律上も問題です。AIはあくまで情報整理の補助。採用も評価も、最終判断は必ず複数の人間の目で行う。これを破ると、優秀な人を見落とすだけでなく、会社の信頼を失います。
⚠️ FAIL 03: 労務・法律の判断をAIの回答を根拠に下してしまう — 就業規則、解雇、残業代、社会保険。これらをAIに聞いて、その答えをそのまま実行するのは非常に危険です。AIは法改正に追いついていなかったり、もっともらしい誤り(ハルシネーション)を出したりします。誤った労務判断は、労使トラブルや行政指導に直結します。労務に関わる事項は、AIを下調べや叩き台づくりに使うにとどめ、実際の判断・運用は必ず社会保険労務士・弁護士などの専門家に確認する。AIの便利さに頼りすぎず、人事こそ「最後は人と専門家」を守ってください。
人事に最適なAI環境設計(個人情報・応募者データ前提)
人事は、応募者と社員の個人情報を日常的に扱う部署です。だからこそ、ほかの業務以上に「どのAIを、どう使うか」の環境設計が重要になります。アイサポが人事向けに推奨するAI環境は、次の3つの原則に基づきます。
原則1: 入力を学習に使わないプランを使う。無料版のAIは、入力した内容がモデルの学習に使われる場合があります。人事では、ChatGPT TeamやEnterprise、Claude Teamなど、入力データを学習に使わないと明記された有料プランを必須とします。月額3,000〜6,000円程度で、応募者・社員の情報が外部の学習に流用されるリスクを避けられます。これは人事でAIを使うための最低条件です。
原則2: 個人を特定できる情報は、そもそもAIに入れない。学習に使わないプランであっても、念のため、氏名・住所・連絡先・社員番号といった個人を特定できる情報は、AIに渡す前に削除するか記号化します。「営業経験5年の30代男性」のように、判断に必要な要点だけを匿名化して渡す。この一手間が、個人情報保護法を守りながらAIを活用する鍵です。本人の同意を得ずに個人データを外部サービスに渡さない、という原則を社内ルールにしましょう。
原則3: 社内の運用ルールを文書化する。「人事でAIを使うときは、誰が・どのAIで・何を入力していいか」を1枚のルールにまとめ、人事に関わる全員で共有します。担当者が変わっても、うっかり個人情報を無料AIに入力する事故を防げます。さらに、社員に対しても「人事業務でAIを使っているが、最終判断は必ず人間が行い、個人情報は適切に扱っている」と説明することで、無用な不信を招かずに済みます。
多くの中小企業が「人事でAIなんて、情報が漏れそうで怖い」と感じています。しかし正しくは逆で、ルールなくバラバラに無料AIを使っている状態こそ最も危険です。月数千円の投資で正しい環境を整え、明確なルールを敷けば、人事はAIの恩恵を安全に受けられます。
30人以下中小企業 人事のAI月コストモデル
「人事向けのAI環境」を整えるのに、実際いくらかかるのか。中小企業の現実に即した内訳を出します。
必須プラン(月3万円): ChatGPT Team(月30ドル×1名)+Claude Team(月25ドル×1名)+文字起こしAI(Notta等 月1,500円・面接議事録用)+求人媒体や採用管理の既存ツールはそのまま。月合計約3万円で、本記事30選のほとんどが実装可能です。人事担当が1人でも、この最小構成から始められます。
推奨プラン(月5万円): 上記に加え、Enterpriseプランへの格上げ(個人情報の扱いをより厳格に・月50ドル/ユーザー)+社労士などの専門家への顧問契約(労務領域の最終確認用・月2〜3万円)。月合計約5万円で、個人情報保護と労務の専門家チェックまで含めた、安心して運用できる体制になります。人事は専門家との連携込みで初めて完成するという考え方です。
これを高いと感じるかもしれませんが、本記事30選で創出される月68時間は、人事担当の人件費に換算すると月13〜20万円相当の価値になります(時給2,000〜3,000円換算)。さらに、採用ミスマッチによる早期離職を1件防ぐだけで、採用コスト数十万円が救われます。月3〜5万円の投資で、人事専任者を雇うのに近い効果が得られる、というのが現実的なラインです。
💡 導入優先順位TOP5(人事担当が今週やるべきこと): (1) ChatGPT TeamかClaude Teamを契約し、まず個人情報を入れないルールを決める、(2) CASE 02の求人原稿生成を次の募集から使う、(3) CASE 12の面接議事録自動化を次の面接から(候補者の同意取得を忘れずに)、(4) CASE 16の評価コメント叩き台を次の評価時期に、(5) CASE 26の従業員アンケート分析を匿名化したデータで試す。この5つを1ヶ月続ければ、AIが人事の心強い相棒になることを実感できます。労務(セクション5)は、必ず専門家確認とセットで進めてください。
よくある質問(FAQ)
AIに応募者を点数化させて、不採用を自動で決めてもいいですか?
いいえ、AIのスコアだけで合否を決めるのは避けてください。AIは過去データの偏りを引き継ぐため、特定の属性に不利な判断を下すことがあり、差別や不公平な選考につながる重大なリスクがあります。年齢・性別・国籍などで不当に差をつける採用は法律上も問題です。AIは「書類を読みやすく整理する」「面接質問を用意する」といった補助に使い、合否の最終判断は必ず複数の人間の目で行ってください。AIの点数はあくまで参考情報の一つにとどめます。
応募者の履歴書や社員の評価データを、AIに入力してもいいですか?
氏名・住所・連絡先など個人を特定できる情報は、入れないでください。まず大前提として、入力を学習に使わない有料プラン(ChatGPT Team/Enterprise、Claude Team等)を使うこと。その上で、個人を特定できる部分は削除・記号化し、「営業経験5年の30代」のように判断に必要な要点だけを匿名化して渡します。本人の同意なく個人データを外部AIに渡すことは、個人情報保護法の観点からも避けるべきです。面接の録音をAIで文字起こしする場合も、必ず候補者の同意を得てください。
就業規則や労務の質問を、AIの回答で対応してもいいですか?
下調べや説明文づくりには使えますが、最終判断には使わないでください。AIは法改正に追いついていなかったり、もっともらしい誤りを出したりすることがあります。就業規則・雇用契約・解雇・残業・社会保険などの労務は、法律で厳密に定められた領域です。AIは「論点の整理」「社員向けの分かりやすい説明文づくり」までにとどめ、実際に運用する規程や手続き、個別の労務判断は必ず社会保険労務士・弁護士などの専門家に確認してください。AIの回答を根拠に労務判断を下すのは絶対に避けます。
人事でAIを使うことを、社員に知らせるべきですか?
はい、隠さず伝えることをお勧めします。「求人原稿や議事録の作成にAIを使っているが、採用・評価の最終判断は必ず人間が行う」「個人情報は適切に管理し、特定できる情報はAIに入れていない」という方針を社員に説明してください。むしろ「会社が効率化に取り組んでいる」「評価が丁寧になった」と前向きに受け止める社員が多いのが実態です。逆に隠して使い、後から発覚すると不信を招きます。透明性を持って、堂々と使う方が良い結果につながります。
人事の経験が浅い担当者は、どのCASEから始めるべきですか?
まずは個人情報を扱わない、影響の小さい業務から始めるのが安全です。CASE 02の求人原稿生成、CASE 18の研修設計、CASE 29の社内施策アイデア出しなど、応募者や社員の個人データを入力せずに使えるテーマでAIに慣れてください。操作感覚がつかめたら、CASE 12の面接議事録(同意取得が前提)やCASE 16の評価コメント叩き台(匿名化が前提)へ広げます。労務(セクション5)と、個人情報を扱う分析(セクション6)は、ルールと専門家確認を整えてから慎重に始めるのが鉄則です。
// Free Consultation
御社の人事・採用AI活用、
初回プランを無料設計します。
「個人情報を守りながら、人事のどこからAIを始めればいいか」「採用・評価でやっていいこと・いけないことの線引き」 —
そんな人事・採用・総務ご担当者からのご相談を、30分の無料オンライン相談で具体的にお答えします。
アイサポは、中小企業の現場に寄り添ったAI活用支援を専門にしています。
