採用要件定義のAI活用 — 求人化前のヒアリング精度を上げる型｜人材AIクエスト

「即戦力がほしいんですよ、経験者ならだれでも」——そう言われて、僕は思わず手が止まりました。

この一言をそのまま求人票に落とし込んだら、まず間違いなくミスマッチが起きます。人材紹介の仕事の中で、いちばん地味で、いちばん後工程に効いてくるのが採用要件定義のヒアリングだと僕は考えています。結論から言うと、AIは要件定義の「仮説作りと下書き」の工程では明確に力を発揮しますが、優先順位の最終確定とクライアントとの合意形成は、最後まで人が握るべき工程です。今日はこの役割分担の具体的な型を、実際にあったつまずきの実例も交えて整理します。

0. なぜ要件定義でつまずくのか

要件定義がうまくいかない現場を見ていると、原因の多くは「情報が足りない」ことよりも「言葉のすり合わせが足りない」ことにあります。クライアントの現場担当者は自分の頭の中にある理想像を言葉にするのが得意ではないことが多く、CA側もヒアリングの持ち時間が限られているため、深掘りしきれないまま求人票の作成に進んでしまう。以前、あるSaaS企業の法人営業職の求人で、ヒアリングメモに「語学力があると尚可」と書かれていた一文を、僕がそのまま「TOEIC800点以上」というMUST条件に立てて求人票を作ってしまったことがありました。結果、母集団が想定の半分以下まで絞られ、あとでクライアントに確認すると「実際は英語のメールが読めれば十分だった」という話で、要件定義をやり直すことになりました。この手戻りのコストを減らすことが、要件定義段階でAIを使う最大の目的です。別の案件では逆のパターンもありました。バックオフィス職の求人で「経理経験があれば尚可」という言葉を軽く扱ってWANT条件にしたところ、実は現場では簿記2級相当の実務が必須で、書類通過後の一次面接でほぼ全員が落ちるという事態になったこともあります。要件の重みを見誤る方向は、厳しくしすぎる場合と甘くしすぎる場合の両方があり、どちらも手戻りの原因になるという点は覚えておいて損はないと思います。

1. 要件定義でズレが起きる典型パターン

僕がこれまで見てきた中で、ズレが起きるパターンは大きく3つに整理できます。

• 現場担当者と人事担当者の温度差。現場は「今すぐ手を動かせる人」を求め、人事は「長く定着する人」を求めるため、優先順位の軸がそもそも違う。
• 理想と予算のギャップ。求めるスキルセットに対して提示できる年収レンジが噛み合っておらず、ヒアリング段階ではそのギャップが表面化しない。
• 抽象語のすれ違い。「コミュニケーション力が高い」「主体性がある」といった言葉の意味する範囲が、クライアントとCAの間でずれている。

この3つのうち、AIが得意なのは3つ目の抽象語の分解です。1つ目と2つ目は、組織構造や予算という人間同士の利害調整の話なので、AIに聞いてもきれいな答えは出てきません。先ほどのTOEICの例は、この3つ目のパターンが具体的な数値要件に化けてしまった典型例だと僕は捉えています。現場担当者と人事担当者の温度差については、ヒアリングの場に両者を同席させられるかどうかで解消のしやすさが大きく変わります。僕の体感では、両者同席のヒアリングと現場担当者のみのヒアリングを比較すると、後から人事側の意向が追加で入ってくる確率は、同席させたケースの方が明らかに低い印象があります。同席が難しい場合は、ヒアリング後の確認文書を両者に送り、齟齬がないかを別途確認する一手間を挟むようにしています。

2. ヒアリング前にAIで仮説を作る

ヒアリングの精度を上げる一番シンプルな方法は、ヒアリング前にAIで仮説質問リストを作っておくことです。手順としては、求人の職種名と業界、簡単な背景情報をAIに渡し、「この職種でよくある要件のズレのポイントを5つ挙げて、それぞれ確認すべき質問文にしてください」と指示します。所要時間は準備込みで10分程度で、たたき台としては十分使える質問リストが返ってきます。

僕の体感値で言うと、この仮説質問リストを持ってヒアリングに臨んだ場合と、何も準備せずに臨んだ場合を比較すると、30分程度の面談の後に追加確認の連絡が必要になる率が、体感で半分程度まで下がる印象があります。これはあくまで僕個人の運用での体感値であり、統計的に検証したものではありませんが、準備の有無で聞き漏らしの量が大きく変わるという実感は、現場で長く続けてきた中で一貫しています。ただし当日は質問リストを台本のように読み上げるのではなく、頭の中にある論点を漏らさないためのメモとして脇に置いておく使い方をおすすめします。質問リストを作る際は、職種名だけでなく「なぜこの求人が今出ているのか」という背景（増員か欠員か、新規事業かなど）もAIに渡すようにすると、質問の的が絞られて実用度が上がる、というのが僕の運用での感覚です。

3. ヒアリング後の言語化とMUST/WANT整理

ヒアリングメモをそのままAIに読み込ませ、MUST条件とWANT条件に仕分けさせるのも有効な使い方です。ただしここで注意が必要なのは、AIは発言をそのまま条件に変換するだけで、発言の裏にある温度感までは読み取れないという点です。冒頭のTOEICの例で言えば、「語学力があると尚可」という言葉の「尚可」の部分の重みを、AIは文脈だけからは判断しきれません。

この表のとおり、AIが作るのはあくまで叩き台です。特にMUST/WANTの最終確定は、クライアントとの間で「この条件を外すと母集団がどう変わるか」という説明を交えながら人が合意形成する工程が必要で、ここを飛ばすとあとで揉めます。実務上のコツとして、AIに条件を振り分けさせたあとは、必ず「なぜこれをMUSTだと判断したか」という理由も出力させるようにしています。理由付きで出してもらうと、人が確認する際にどこを疑うべきかが一目でわかり、確認作業自体の時間も短縮できるという副次的な効果があります。

4. クライアントへのすり合わせ文書化とAI活用

ヒアリング後、要件を整理した文書をクライアントに送って最終確認をとる工程でも、AIは下書き作成に使えます。箇条書きのメモをAIに渡し、「クライアント向けの確認文書として、丁寧な文体で整えてください」と指示すれば、体裁の整った文書が数分で出てきます。手作業で一から文書を組み立てると30分前後かかっていた工程が、下書きの生成だけなら5分程度に短縮できる、というのが僕の運用での目安です。

ここで僕が必ず自分の手で書き足しているのは、「この条件を外すとどう母集団が変わるか」という一文です。TOEICの例で言えば、「TOEIC800点をMUSTから外すと、応募候補は体感で2倍程度に増える見込みです」といった一文を添えることで、クライアントも条件の重みを具体的にイメージできます。この一文は現場の相場観がないと書けないため、AIには任せず自分で書くようにしています。母集団の増減の見立ては、リサーチャーとして日々ロングリストに触れている感覚がないと、説得力のある数字にならないからです。すり合わせ文書には、条件だけでなく「今回の採用で解決したい課題」を一行加えるようにもしています。これがあると、後工程で条件を微調整する必要が出たときに、何を軸に判断すればよいかをクライアントと共有しやすくなります。

5. ケース比較と運用の失敗パターン

実際にAIを使い始めて失敗しやすいのは、ヒアリングメモの要約をAIに丸投げしてしまうケースです。AIは抽象語をそのまま要約に残す傾向があり、「コミュニケーション力が高い人」という言葉がそのまま求人票まで流れてしまうと、書類選考の通過率が上がらず、結局要件定義をやり直すことになります。逆にうまくいったケースでは、AIの要約に対して「この抽象語を具体的な行動やエピソードに変換できないか」という一手間を必ず人が挟んでいました。同じ「コミュニケーション力が高い人」という要望でも、掘り下げると「社内の他部署と調整しながら進められる人」だったというように、行動レベルまで具体化できると、求人票の書き直し回数が体感で半分近くまで減る印象があります。

もう一つよくある失敗は、AIに聞いた仮説質問リストをそのまま読み上げるだけのヒアリングになってしまうことです。リストを台本のように使うと相手との自然な会話が生まれず、かえって本音を引き出しにくくなります。対処法としては、質問リストは面談の前に頭に入れておくだけにして、当日は相手の言葉に合わせて順番や聞き方を変える、という運用に落ち着いています。もう一つ挙げるなら、AIが作った質問リストの順番をそのまま守ろうとして、会話の流れを無視してしまう失敗もあります。相手が話したい順番と質問リストの順番がずれることは普通に起きるので、リストはあくまで確認の抜け漏れを防ぐチェックリストとして使い、会話の主導権は相手に譲る意識を持つとよいと思います。実際に僕がここ最近使っている手順を、時間の目安つきで簡単にまとめると次のようになります。

1. 求人依頼を受けたら、まずAIに職種と背景情報を渡して仮説質問リストを作る（10分程度）。
2. ヒアリング当日は質問リストを見ながらではなく、頭に入れた状態で会話を進める（面談自体は30〜45分程度）。
3. ヒアリング後、メモをAIに渡してMUST/WANTの仮分類と理由づけを出力させる（5分程度）。
4. 仮分類のうち抽象語が残っている部分を、人が具体的な行動やエピソードに書き換える（10〜15分程度）。
5. 確認文書をAIで下書きし、母集団への影響見込みと採用背景の一文を人が加筆して送付する（5〜10分程度）。

この一連の流れで、準備からすり合わせ文書の送付まで、以前は1時間以上かかっていた作業が、僕の体感では30分台で回せるようになった印象があります。

6.（結論）

採用要件定義のヒアリングは、AIに任せれば楽になるという工程ではなく、AIを使うことで人が本来向き合うべき「優先順位の合意形成」に時間を割けるようになる工程だと僕は考えています。仮説作りと言語化の下書きはAIに任せ、抽象語の具体化と最終的な合意形成は人が握る。この役割分担さえ守れば、要件定義の手戻りは確実に減らせます。皆さんいかがでしたでしょうか。では今日もがんばりましょう。