採用でAIを使う — 効率化と公平性のどちらを損なうか

使ってよい工程

• 応募書類の構造化（職歴を一覧にする、必須資格の有無を抽出する）
• 候補者からの質問への一次回答
• 面接の日程調整
• 面接の記録作成（同意を得た上で）
• 募集要項の文面の作成

共通するのは、合否の判断を含まないことである。情報を整理して人が判断しやすくする工程なら、偏りの問題が生じにくい。

• 合否の自動判定
• 過去の採用実績からの適性スコアリング
• 表情や声の分析による評価
• 応募者の属性に相関する項目での絞り込み

2番目が最も危険である。過去に採用した人の特徴を学習させると、過去の採用に偏りがあった場合、それを再生産する。しかも機械が出した数値には客観性があるように見えるため、偏りが見えにくくなる。

説明できる状態にする

不採用の理由を聞かれたときに答えられる状態にしておく。「システムのスコアが低かった」は説明になっていない。人が判断した理由を記録に残す運用にする。

この要件があるだけで、自動判定を使わないという結論になることが多い。

候補者への告知

選考にAIを使っている場合、その事実を候補者に伝えるかを決める。使い方によっては伝えるべきである。面接の録音と記録生成には、明確な同意が必要になる。

海外では選考でのAI利用に関する規制が整備されつつある。海外からの応募を受ける場合、応募者の所在地の規制が関係する可能性がある。

募集要項を書くのに使う

最も安全で効果がある使い方は、募集要項の文面を作ることである。要件を箇条書きで渡して文章にする、特定の属性を想起させる表現を避ける、といった作業に向く。

これは選考ではないので公平性の論点が生じず、しかも応募数に影響する工程である。投資効率が高い。

効果の測り方

導入の効果は、選考にかかる時間ではなく、採用した人の定着と活躍で測るべきものである。ただしこの測定には時間がかかるので、短期的には「書類選考の所要時間」と「応募から一次面接までの日数」で見る。

よくある質問

Q. 応募が多すぎて処理できない場合は。

A. 必須要件の有無による機械的な絞り込みは可能です。「3年以上の経験」「特定の資格」など、明文化された要件に限定してください。適性の推定による絞り込みは避けてください。