Media > AI活用ユースケース > 人事 > 現場から出された求人票の原稿を Claude で読み、性別・年齢を限る表現と根拠のない条件を拾って、書き直しの案と現場への質問の一覧を作る

現場から出された求人票の原稿を Claude で読み、性別・年齢を限る表現と根拠のない条件を拾って、書き直しの案と現場への質問の一覧を作る

実装ステータス:構成例 技術的に実現可能な構成として設計したもの。自社未検証

現場の管理職が書いた求人票の原稿を Claude で読み、性別・年齢を限る表現、理由の書かれていない条件、あいまいな仕事内容を拾います。書き直しの案と、現場に確かめる質問の一覧を作り、採用担当が直してから現場へ送ります。

サマリー
生成AI
ChatGPT/Claude/Gemini
連携・自動化
Make/Power Automate/Python
対象業界
人材/介護/小売/物流/製造
対象部門
人事/採用
対象業務
内容確認・チェック/書類作成
主な課題
人手が足りない/属人化している/確認ミスが多い
AIで行う処理
校正
主な効果
入力漏れ削減/品質標準化/工数削減
導入難易度
★★☆☆☆
実装レベル
本格構成
費用感
API連携(中)
人間の確認
必須
現在工数
40h/月
AI導入後
15h/月
想定削減
63%
年間削減
300h
モデル条件による試算値です。実在企業の実績ではありません。

01導入前 / 導入後の業務フロー

導入前(Before)
  1. 申請システムで採用依頼が承認されると、採用担当に通知が来る。添付の求人票の原稿を開く
  2. 原稿を頭から読み、性別や年齢を限るような言葉、気になる条件、意味の分からない書き方に印を付ける
  3. 社内の表記の基準を開き、職種名や給与の書き方の決まりと見比べる
  4. 印を付けたところを直した案を書き、直せないところは現場への質問としてメールに書く
  5. 現場の管理職に送り、返事を待つ。返事に新しい分からない点があれば、また質問を送る
  6. 返事がそろったら原稿を直し、採用グループのベテランに見てもらう
  7. 媒体に出す前の最終の点検(法定の明示事項など)に回す
導入後(After)
  1. 自動申請システムで採用依頼が承認されると、添付の原稿が受付フォルダに保存される
  2. 自動スクリプトが原稿の Word を文字にし、文ごとに番号を振る
  3. 自動職種名の言い換えの辞書と照らし、決まった言葉(「〜マン」「〜レディ」など)に印を付ける
  4. 自動Claude API に原稿と表記の基準を渡し、直すべき書き方を種類ごとに拾わせ、書き直しの案と現場への質問を作らせる
  5. 自動結果を、原稿の文番号と並べた確認表と、現場への質問の下書きに書き出す
  6. 人採用担当が確認表を見て、採る指摘・捨てる指摘を決め、書き直しの案を直す
  7. 人質問の下書きを直し、現場の管理職へ1通で送る
  8. 人返事を受けて原稿を仕上げる。判断に迷う年齢・性別の扱いは、ベテランか社会保険労務士に相談する
  9. 人媒体に出す前の最終の点検に回す
各工程の詳しい説明を読む
  1. 申請システムで採用依頼が承認されると、採用担当に通知が来る。添付の求人票の原稿を開く
  2. 原稿を頭から読み、性別や年齢を限るような言葉、気になる条件、意味の分からない書き方に印を付ける
  3. 社内の表記の基準を開き、職種名や給与の書き方の決まりと見比べる
  4. 印を付けたところを直した案を書き、直せないところは現場への質問としてメールに書く
  5. 現場の管理職に送り、返事を待つ。返事に新しい分からない点があれば、また質問を送る
  6. 返事がそろったら原稿を直し、採用グループのベテランに見てもらう
  7. 媒体に出す前の最終の点検(法定の明示事項など)に回す

(a)見つけられるかどうかが人による。 「営業マン」や「女性歓迎」は誰でも気づきます。気づきにくいのは、「自宅から通える方」「転勤できる方」「体力のある方」のように、性別を直接は書いていないのに、結果として片方の性別を狭めうる条件です。経験の浅い担当者は、こうした条件を直す対象と思わずに通してしまいます。

(b)年齢の書き方は、例外に当たるかどうかで扱いが変わる。 「35歳以下」は原則として書けませんが、長期のキャリア形成のために期間の定めのない雇用で若年者を募集する場合などの例外があります。原稿にはその前提が書かれていないことがほとんどで、例外に当たるかを現場に確かめないと、直し方が決まりません。

(c)質問が何往復にもなる。 1回目のメールで「若手とはどういう意味ですか」と聞き、返事を読んでから「では雇用期間の定めはありますか」と聞き直す。最初に聞くべきことを全部並べられないので、1本の原稿で3〜4往復することがあります。 現場の管理職は忙しく、返事に数日かかります。

(d)仕事内容があいまいなまま出てしまう。 「営業全般」「その他付随業務」「残業少なめ」「アットホームな職場」。応募者がいちばん知りたい、1日に何をするのか、何件担当するのか、残業は月に何時間かが書かれていない原稿が多く、それを聞き出すのにまた往復が増えます。

  1. 【自動】 申請システムで採用依頼が承認されると、添付の原稿が受付フォルダに保存される
  2. 【自動】 スクリプトが原稿の Word を文字にし、文ごとに番号を振る
  3. 【自動】 職種名の言い換えの辞書と照らし、決まった言葉(「〜マン」「〜レディ」など)に印を付ける
  4. 【自動】 Claude API に原稿と表記の基準を渡し、直すべき書き方を種類ごとに拾わせ、書き直しの案と現場への質問を作らせる
  5. 【自動】 結果を、原稿の文番号と並べた確認表と、現場への質問の下書きに書き出す
  6. 【人】 採用担当が確認表を見て、採る指摘・捨てる指摘を決め、書き直しの案を直す
  7. 【人】 質問の下書きを直し、現場の管理職へ1通で送る
  8. 【人】 返事を受けて原稿を仕上げる。判断に迷う年齢・性別の扱いは、ベテランか社会保険労務士に相談する
  9. 【人】 媒体に出す前の最終の点検に回す

7番目で、質問を1通にまとめられることが、この構成の効きどころです。 AIは原稿を読んだ時点で、年齢の書き方が例外に当たるかを確かめる質問と、その答えによって次に聞くことになる質問を先に並べます。 「雇用期間の定めはありますか。定めが無い場合、入社後どのような育成を考えていますか」と一度に聞ければ、往復は1回で済みます。

6番目と8番目は人の仕事として残します。 ある書き方を直すべきかどうか、年齢の制限が例外に当たるかどうかは、AIが判定するものではありません。 AIが出すのは「ここは確かめたほうがよい」という候補と、その理由までです。

02今回想定するシステム構成

構成図
採用依頼(申請システム)+ 求人票の原稿(Word)
   │  承認時に受付フォルダへ保存
   ▼【トリガー】受付フォルダへの保存
Python(連携)
   ├──▶ Word を文字にし、文ごとに番号を振る
   ├──▶ 職種名の言い換え辞書と照合(決まった言葉に印)
   ▼
Claude API(Messages API・構造化出力)
   │   ① 性別を限る表現        ② 年齢を限る表現
   │   ③ 理由の書かれていない条件 ④ あいまいな仕事内容
   │   ⑤ 表記の基準からの外れ
   ▼
Python ── 確認表(文番号・原文・種類・理由・書き直しの案)と
          現場への質問の下書きを書き出す
   ▼
【採用担当が確認・修正】
   ├──▶ 現場の管理職へ質問を1通で送る(人が送信)
   └──▶ 返事を受けて原稿を仕上げ、出稿前の点検へ
役割想定する製品代替候補
処理Claude API(Messages API、構造化出力)OpenAI API、Gemini API
連携Python(Word の文字化、辞書の照合、確認表の書き出し)Power Automate、Make
保管社内のファイルサーバー(受付フォルダ、確認表、質問の記録)SharePoint、Google ドライブ

申請システムと媒体への出稿の仕組みは、新しく足すものではありません。 この構成が受け持つのは、原稿が出てきてから現場へ質問を送るまでです。媒体へ出す前の法定の明示事項などの最終の点検は、これまでどおり別の工程に残します。

中心は Claude API の構造化出力です。 応答の形を JSON のスキーマで指定でき、output_config.format に type: "json_schema" でスキーマを渡します。返ってくる結果を確認表の列にそのまま流し込めるので、「AIの文章を人が読み解いて表に写す」という手間がなくなります。

Word は直接渡しません。 Claude の文書の入力は PDF と文字で、.docx は文字か PDF にしてから渡します。この構成では Python で文字にして、文ごとに番号を振ってから渡します。 番号があれば、AIの指摘を原稿のどこに当てはめるかで迷いません。

03どうやって実装するのか

Step1

処理の起点を決める

申請システムで採用依頼が承認され、原稿が受付フォルダに保存されたときに動かします。 承認の前には動かしません。承認前の依頼は取り下げや差し替えが多く、動かしても読まれない確認表がたまるだけだからです。

原稿が差し替えられたとき(現場の管理職が自分で直して出し直したとき)も、同じフォルダに新しい版として保存され、もう一度動きます。版ごとに確認表を作り、前の版との違いを並べて見られるようにします。

処理が終わった原稿は処理済みのフォルダへ移します。移すのは確認表の書き出しまで成功したときだけです。 受付フォルダに残っている数が、そのまま未処理の数になります。

Step2

入力データを集める

データ中身取得元
求人票の原稿職種名、仕事内容、応募資格、勤務地、勤務時間、給与、休日、職場の紹介申請システムの添付(Word)
採用依頼の情報拠点・部門、職種の区分、雇用形態、期間の定めの有無、募集の理由(欠員・増員)申請システムの入力欄
社内の表記の基準職種名の書き方、給与・残業の書き方、使わない言い回しの例採用グループの Word(4ページ)
職種名の言い換え辞書「営業マン→営業職」「ウェイトレス→ホールスタッフ」など採用グループが作る一覧
年齢の例外事由の一覧ハローワークが示す例外事由 a〜f の要旨採用グループが作る一覧

「期間の定めの有無」が入っていることが大事です。 年齢の例外事由のうち、定年を上限とする場合、長期のキャリア形成のために若年者を募集する場合、技能・ノウハウを引き継ぐために特定の年齢層に限る場合は、いずれも期間の定めのない労働契約が前提です。この情報が無いと、AIは「確かめてください」としか言えず、質問が1つ増えます。

応募者の情報は入れません。 この構成が読むのは、まだ誰も応募していない段階の原稿だけです。

Step3

データの取得方法を決める

原稿は、申請システムが承認時に受付フォルダへ保存したファイルを Python で読みます。採用依頼の入力欄は、申請システムが出す CSV か、承認の通知メールの本文から取ります。どちらが使えるかは申請システムによるので、最初に確かめます。

取るものどこから何に使うか
原稿の本文Word のファイルAIに渡す本文(文番号付き)
原稿の表Word の中の表(勤務時間・給与の表など)表の行も文として番号を振る
期間の定め・雇用形態申請システムの入力欄年齢の書き方の質問を絞る
表記の基準・辞書・例外事由の一覧採用グループの共有フォルダ毎回同じものをAIに渡す

表記の基準などの毎回同じ部分は、プロンプトの前のほうにまとめて置きます。 原稿ごとに変わるのは原稿の本文と採用依頼の情報だけで、基準の文書は月に1回も変わりません。

Step4

AIへ渡す前に整形する

  1. Word を文字にする … 段落と表の行を順に取り出し、S001、S002 と番号を振ります。見出しは見出しとして印を付けます
  2. 空の段落と書式だけの行を除く … 罫線だけの行などを落とします
  3. 職種名の辞書と照らす … 「〜マン」「〜レディ」「〜ボーイ」「〜婦」などの決まった言葉を機械で見つけ、dictionary_hit として印を付けます
  4. 数字の年齢の書き方を拾う … 「〜歳まで」「〜歳以下」「20代」「30代」を正規表現で拾い、文番号を控えます
  5. 版の比較 … 同じ採用依頼の前の版があれば、変わった文の番号を控えます
  6. 長さの確認 … 1本の原稿は数千字程度で、分割は要りません。1万字を超えるものは、職場の紹介などの長い部分を分けて渡します

3番目と4番目を機械でやるのは、AIの見落としの保険です。 決まった言葉や数字は機械で確実に拾えます。AIの結果に、機械で拾った文が入っていなければ、確認表で目立たせます。 AIにしか拾えないのは「体力に自信のある方」のような、言葉の並びでは決まらないものです。

Step5

AIに処理させる

させるのは、原稿の文を1つずつ読み、直すべき書き方を5つの種類に分けて拾い、理由と書き直しの案と現場への質問を書くことです。

種類拾うもの例
gender性別を表す職種名、片方の性別を歓迎・向きとする書き方「営業マン」「女性が活躍中」「主婦歓迎」
age年齢・年代を限る、またはそう読める書き方「35歳まで」「20代中心」「若手」「フレッシュな方」
unexplained_requirement仕事との結び付きが書かれていない条件「普通免許必須」「重い物を持てる方」「全国転勤あり」「自宅から通える方」
vague_duty仕事の中身・量・時間が分からない書き方「営業全般」「その他付随業務」「残業少なめ」
style社内の表記の基準からの外れ給与の書き方、職種名の書き方

unexplained_requirement は、条件そのものの良し悪しを判定しません。 普通免許が要る仕事はあります。見るのは、原稿のどこかにその条件が要る理由(どの業務で使うか)が書かれているかだけです。書かれていなければ、現場に「どの業務で必要ですか」と聞く質問を作ります。

身長・体重・体力と、転居を伴う転勤を条件にする書き方は、特に印を強くします。 厚生労働省の指針では、募集・採用でこれらを要件とすることは、合理的な理由がなければ講じてはならない措置として挙げられています(いわゆる間接差別)。AIには、合理的な理由があるかを判断させず、理由を現場に聞く質問を作らせます。

させないこと理由
法令に反するかの結論判断は採用担当と社会保険労務士・労働局への相談で行う
年齢の例外に当たるかの結論前提(期間の定め、育成の計画)を確かめないと決まらない
給与・残業時間などの数字を作ること書かれていない数字を埋めると、事実と違う求人票になる
仕事内容を想像で書き足すこと「1日10件訪問」などをもっともらしく書かれると、現場が気づかずに通す
応募者の選考や順位付けこの構成の対象外。使わない

3行目と4行目が、いちばん起きやすい失敗です。 「残業少なめ」を直させると、AIは「月平均10時間程度」と書きがちです。その数字はどこにも書かれていません。 書き直しの案には「月平均〇時間(現場に確認)」のように空欄を残させ、数字は質問のほうへ回します。

Step6

指示内容を固定する

あなたは人材サービス会社の採用グループで、現場の管理職が書いた
求人票の原稿を、媒体に出す前に整える立場です。
原稿の文番号(S001 など)を必ず付けて答えてください。

【拾う書き方の種類】
- gender ... 性別を表す職種名、片方の性別を歓迎・向きとする書き方
- age ...... 年齢・年代を限る、または限っていると読める書き方
- unexplained_requirement ... 応募の条件のうち、どの業務で必要かが
  原稿のどこにも書かれていないもの。条件の良し悪しは判定しない
- vague_duty ... 仕事の中身・量・時間が読み手に分からない書き方
- style ... 【表記の基準】からの外れ

【厳守事項】
- 法令に反するか、年齢の例外に当たるかの結論を書かないでください。
  reason には「なぜ確かめたほうがよいか」だけを書いてください。
- 原稿に書かれていない数字(給与、残業時間、担当件数、訪問件数、
  年齢)を作らないでください。書き直しの案で数字が要るところは
  「〇〇(現場に確認)」と空欄にし、questions に質問を立ててください。
- 仕事内容を想像で書き足さないでください。
- quote には原稿の文をそのまま写してください。要約しないでください。
- 身長・体重・体力、転居を伴う転勤、自宅からの通勤を条件にする書き方は
  unexplained_requirement とし、severity を high にしてください。
- 年齢の書き方は、【採用依頼の情報】の期間の定めの有無を見て、
  例外事由のどれに当たりうるかを確かめる質問を立ててください。
  期間の定めがある場合も、決めつけず質問にしてください。
- 1つの質問の答えによって次に聞くことが変わる場合は、
  続きの質問も同じ question の中に書いてください。
  現場とのやり取りを1回で終わらせるためです。
- 直すところが無い文は出さないでください。

【採用依頼の情報】{request_info}
【表記の基準】{style_guide}
【職種名の言い換え辞書】{job_title_dict}
【年齢の例外事由の一覧】{age_exceptions}
【原稿(文番号付き)】{draft_sentences}

「数字を作らない」を、書き直しの案と質問の両方に結び付けて書いているのが要です。 禁じるだけだと、AIは数字の入らないあいまいな書き直し(「残業は少なめです」→「残業は多くありません」)を返します。空欄を残して質問に回す、という逃げ道を指示に書いておくと、空欄の付いた書き直しと質問の組が返ってきます。

「続きの質問も同じ question に書く」は、往復を減らすための指示です。 これが無いと、AIは1つの論点に1つの質問しか立てず、第3章の(c)がそのまま残ります。

Step7

出力形式を固定する

次の形のJSONで受け取ります。 スキーマを output_config.format で渡します。

{
  "document_id": "REQ-2026-11-0412_v1",
  "findings": [
    {
      "finding_id": "F01",
      "sentence_id": "S004",
      "quote": "20代〜30代の若手が活躍中の職場です!",
      "category": "age",
      "severity": "high",
      "reason": "年代を示しており、年齢を限っていると読める。例外事由に当たるかは雇用期間と育成の計画による",
      "suggested_rewrite": "入社後は先輩社員が〇か月(現場に確認)同行して育成します",
      "question_ids": ["Q01"]
    }
  ],
  "questions": [
    {
      "question_id": "Q01",
      "to": "hiring_manager",
      "question": "この募集は期間の定めのない雇用ですか。そうであれば、入社後どのような育成(期間・内容)を考えていますか。年代を書いた理由が職場の雰囲気の紹介であれば、その一文は削ってよいですか",
      "answer_format": "free_text"
    }
  ],
  "summary": {
    "high_count": 0,
    "needs_manager_answer": true
  }
}

category は gender / age / unexplained_requirement / vague_duty / style、severity は high / medium / low、answer_format は free_text / yes_no / number です。

1つ目の理由は、指摘と質問を別の配列にして、IDで結べることです。 1つの質問が複数の指摘に効くことがあります(「残業少なめ」と「定時で帰れる」は同じ質問で片づく)。質問を指摘の中に入れると、同じ質問が何度も現場へ飛びます。

2つ目は、確認表の列にそのまま流し込めることです。 sentence_id で原稿の文と並べ、quote と suggested_rewrite を左右に置けば、採用担当は差分を見るだけで採るか捨てるかを決められます。

3つ目は、スキーマの制約を API の範囲に収めることです。 構造化出力では、数値の最小・最大や文字列の長さの制約、minItems の0と1以外は使えず、additionalProperties は false にします。任意の項目は合計24個までなので、この構成ではすべての項目を必須にし、該当が無いときは空の配列や空の文字列で返させます。

列挙の値は、大文字・小文字の違いで返ることがあります。 公式ページに、enum の値が大文字・小文字だけ違う形で返りうると書かれているので、受け取る側は区別せずに比べます。

Step8

システムへ連携する

つなぎ先方式内容
申請システム受付フォルダへの保存、CSV の書き出し原稿と採用依頼の情報を受け取る
Claude APIHTTPS(Authorization: Bearer と anthropic-version のヘッダー)原稿の点検、書き直しの案と質問の生成
確認表Python が表のファイルを書き出す文番号・原文・種類・理由・書き直しの案・採否の列
質問の下書きPython がメールの下書き用の文を書き出す現場の管理職への1通分
採用の進み具合の管理表採用担当が手で更新「現場に質問中」の状態と送った日

Claude API の呼び出しは、公式の概要ページの書き方に合わせます。 認証は Authorization: Bearer のヘッダーが基本で、x-api-key は旧来の方式として残っています。anthropic-version も必須のヘッダーです。SDK を使えば、これらのヘッダーは自動で付きます。

メールは自動で送りません。 質問の下書きを作るまでが自動で、送るのは採用担当です。現場の管理職は、採用担当から来た質問として読むほうが答えやすいからです。

Step9

人が確認する

  1. severity が high のものを先に見る … 性別・年齢、身長・体重・体力、転勤の条件。採るか捨てるかを決め、理由を確認表に書きます
  2. 機械で拾った文がAIの結果に入っているかを見る … 辞書と正規表現で拾った文が抜けていれば、AIの見落としです
  3. 書き直しの案の数字を見る … 空欄(現場に確認)以外の数字が、原稿に無いものになっていないかを確かめます
  4. 質問の下書きを直す … 相手の管理職に合わせて言い方を整え、1通にまとめて送ります
  5. 返事を受けて仕上げる … 年齢の例外に当たるかで迷うものは、ベテランか社会保険労務士に相談します

3番目を省かないでください。 指示で禁じていても、書き直しの案に原稿に無い数字が入ることはゼロにはなりません。入っていたら、その数字は消して質問に回します。 求人票の数字は、応募者が応募を決める材料そのものです。

ベテランの見直し(第4章の④)は、全件から「迷ったものだけ」に変わります。 採用担当が確認表の high の行で判断に迷ったものに印を付け、ベテランはその行だけを見ます。

Step10

例外に対処する

起きること対応
原稿が Word でない(PDF・画像・メール本文)PDF はそのまま文書として渡せる。画像やメール本文は文字にしてから渡す
パスワード付きのファイル処理せずに採用担当へ戻し、現場に外して出し直してもらう
原稿がほぼ空(職種名と給与だけ)点検をせず、「仕事内容の聞き取りが必要」として UC-0009 の流れ(ヒアリングから起こす)へ回す
応答が stop_reason: "refusal" で返るスキーマどおりでないことがある。結果を捨てて採用担当が読む
応答が max_tokens で切れるJSON が途中で切れている。max_tokens を上げてやり直す
JSON が壊れている・必須の列が無い1回だけやり直し、だめなら採用担当へ
機械で拾った文がAIの結果に無い確認表でその行を赤くし、採用担当が見る
同じ依頼の原稿が何度も出し直される版ごとに確認表を作り、前の版の採否を引き継ぐ
原稿に応募者や社員の個人名が入っている文字にした段階で見つけたら伏せてから渡す(「〇〇さんの後任」など)

3行目は、この構成で直すものではありません。 書くべき中身が無い原稿を点検しても、指摘が「全部あいまい」になるだけです。中身を聞き出すのは別の流れにして、確認表を無駄に増やさないようにします。

Step11

記録を残す

  • 原稿の各版のファイルと、文番号を振った文字のデータ
  • AIに渡したプロンプト(基準の文書の版を含む)と、返ってきた JSON の全文
  • 確認表の採否と、捨てた指摘の理由
  • 現場へ送った質問と、返ってきた答え
  • 仕上げた原稿と、出稿前の点検に回した日
  • 種類ごと・拠点ごとの指摘の件数

2つ目で「基準の文書の版」を残すのは、基準を直すと過去の指摘の意味が変わるためです。 どの基準で点検したかが残っていないと、同じ原稿で結果が違う理由が追えません。

最後の行は、現場への研修の材料になります。 特定の拠点から age の指摘が毎月出るなら、その拠点の管理職と、なぜ年代を書きたくなるのかを一度話したほうが早く減ります。

04実装レベルの3段階

最小構成:原稿を手で Claude の画面に貼り、指摘と質問を出させる / 1本ごとの読み込みと指摘
半自動化:上記+Python で Word を文字にして API を呼び、確認表に書き出す / 文番号付きの指摘の一覧化
本格構成:上記+受付フォルダを起点に自動で動かし、辞書の照合、版の比較、質問の下書きまで出す / 原稿の受付から現場への質問の下書きまで

最小構成は、AIの指摘が使えるかを確かめる段階です。 返ってきた文章を人が原稿と見比べて拾うので、1本の時間はあまり減りません。 半自動化で、①と②の大半がなくなります。 文番号付きの確認表が出るので、採用担当は採否を付けるだけになります。本格構成で、③の往復が減ります。 版の比較と、続きの質問まで入れた下書きが出るので、現場とのやり取りが1回で終わる原稿が増えます。 この段階が本記事の想定です。 段階を飛ばさないでください。 半自動化の確認表を1か月ためると、どの種類の指摘をよく捨てているかが分かります。捨てている指摘を指示から外してから本格構成に進むほうが、確認表が短くなります。

05工数削減シミュレーション

前提値(モデル条件)
対象人数
3 名
月間件数
60 件
1件あたり現在時間
40 分
1件あたり導入後時間
15 分
現在  60件 × 40分 ÷ 60 = 40 時間/月
導入後 60件 × 15分 ÷ 60 = 15 時間/月
月間削減時間
25h
削減率
63%
年間削減時間
300h
年間金額換算(時間単価3,500円)
105万円
モデル条件による試算であり、実際の効果は業務内容・運用方法によって異なります。

自社条件で導入効果を整理したい方へ

このユースケースを自社に当てはめた場合の前提値と削減見込みを、業務ヒアリングをもとに整理します。

AI活用について相談する

06向いている企業・向いていない企業

向いている
  1. 拠点や部門が多く、採用の依頼と求人票の原稿を現場の管理職が書いて採用担当へ出している会社。原稿の書き方が書き手ごとにばらばらで、採用担当が1本ずつ読んで直し、現場と何度もメールをやり取りしてから媒体に出している場合。「若手」「体力に自信のある方」「転勤できる方」のような書き方が、悪気なく毎月いくつも混ざってくる場合。採用担当が少人数で、ベテラン1名の目に頼っている場合。
向いていない
  1. 求人票を採用担当が自分で書いていて、現場から原稿が出てこない場合。採用が月に数件で、毎回同じ職種の定型の求人票を使い回している場合。媒体や人材紹介会社が原稿を書いていて、社内で書き直す機会が無い場合。なお、ある表現が法令に反するかどうか、年齢の制限が例外に当たるかどうかの判断は、採用担当と社会保険労務士・労働局への相談で決めるもので、この構成では代替できません。応募者の選考には使いません。

07最小構成で試す方法

  1. 先月までに出された原稿から20本を選ぶ(ベテランが大きく直したものを半分入れる)
  2. 20本について、ベテランがどこをどう直したか、現場に何を聞いたかを控える
  3. 原稿の文字を、手元の Claude の画面に1本ずつ貼り付ける
  4. 「この求人票の原稿から、性別・年齢を限る書き方、どの業務で必要かが書かれていない条件、仕事の中身が分からない書き方を拾い、理由と書き直しの案と現場への質問を書いてください。書かれていない数字は作らないでください」と指示する
  5. 出てきた指摘と質問を、ベテランの直しと質問に並べる

20本は必ずやってください。 スクリプトを組む前に、AIの指摘がベテランの目に近いかを確かめます。

出てきた内容判断
ベテランの直しとほぼ同じところを拾ったスクリプトと確認表の作成に進む
書き直しの案に原稿に無い数字が入った指示の書き方で直る。空欄と質問に回す書き方を足す
「明るい方」「やる気のある方」まで全部拾って多すぎる種類を絞る。表記の基準に「拾わない言い回し」を書く
ベテランが直した間接的な条件(転勤・体力)を拾わない指示に例を足す。身長・体重・体力・転勤を明記する

4行目が出ることがあります。 それは、ベテランが何を見ていたかを言葉にする機会です。ベテランの頭の中にあった基準を、表記の基準の文書に書き足してください。

08実装時につまずきやすいポイント

問題対策
書き直しの案に原稿に無い数字が入る空欄と質問に回す書き方を指示に入れ、人が数字を必ず見る
指摘が多すぎて確認表が読まれない「拾わない言い回し」を基準に書き、style の指摘は low に寄せる
年齢の例外に当たるかをAIが言い切る結論を書かないよう指示し、期間の定めの有無を入力に入れて質問を作らせる
転勤・体力の条件を拾わない指示に例を明記し、機械の照合でも拾う
現場への質問が何通にも分かれる続きの質問を同じ質問に入れるよう指示する
原稿の文と指摘の場所がずれる文番号を振ってから渡し、sentence_id を必須にする
enum の値の大文字・小文字が違って集計が割れる受け取る側で区別せずに比べる
任意の項目が多くてスキーマが通らない任意は合計24個まで。 全部を必須にし、無いときは空で返させる
現場が「AIに直された」と受け取って反発する質問は採用担当の名前で、採用担当が直してから送る
同じ仕組みで応募書類も見たくなる使わない。 応募者の選考は別の設計と判断が要る

上の3行が、この構成の失敗のほとんどです。 どれも「AIが、書かれていないことを書く」という同じ根から出ています。書かれていないことは空欄にして質問に回す、という一本の筋を守れるかで、運用に乗るかが決まります。

最後の行は、早いうちに断っておいてください。 応募者を選ぶことと、求人票の書き方を整えることは、まったく別の仕事です。

09セキュリティ・AIガバナンス上の注意点

この構成で扱うデータ: 公開前の求人票の原稿、採用依頼の情報(拠点、募集の理由、雇用形態)、社内の表記の基準です。応募者の個人情報は扱いません。

  1. 公開前の募集の情報を、採用グループの中にとどめる … 欠員の募集は、その拠点で誰かが辞めることを意味します。確認表と原稿の置き場所は、採用グループだけが見られる場所にします
  2. 原稿の中の個人名を伏せてから渡す … 「〇〇さんの後任」「〇〇課長の下で」のような書き方は、文字にした段階で伏せます
  3. 応募者の選考に使わない … Anthropic の利用ポリシー(2026年11月12日発効の版)は、雇用の分野で候補者を選別・順位付けする用途を高リスクとし、資格のある人の確認と本人への AI 利用の告知を求めています。求人票の書き方を整えるこの構成は、特定の個人について判断するものではありませんが、同じ仕組みを応募書類に広げないでください
  4. 法令に反するかの判断をAIに任せない … 性別・年齢の扱いには、ポジティブ・アクションや年齢の例外事由のように、前提によって結論が変わるものがあります。 AIが出すのは確かめる候補までで、判断は採用担当と社会保険労務士・労働局への相談で行います
  5. データの保持を確かめる … Claude API は、公式ページで既定では会話の内容(プロンプトと出力)を保持しないとされています。ただし、一部のモデル(Covered Models)は30日の保持が要り、自動の安全審査で引っかかった内容は最大2年保持されうるとされています。使うモデルがどちらに当たるかを、導入の前に確かめます

誤りが起きた場合のリスクは、直すべき書き方を見落として出してしまうことと、事実と違う数字や仕事内容が求人票に入ることの2つです。 前者は機械の照合と人の確認で減らし、後者は数字を作らせず、空欄と質問に回すことで防ぎます。後者のほうが、応募者との約束に直接ひびきます。

10まず何から始めるか

1週目:ベテランの基準を書き出す

採用グループのベテランに、この1年で直した書き方と、現場に聞いたことを挙げてもらい、表記の基準の文書に足します。あわせて、職種名の言い換え辞書と、ハローワークが示す年齢の例外事由 a〜f の要旨の一覧を作ります。

2週目:20本で試す

先月までの原稿20本を手元の Claude の画面に貼り、指摘と質問を出させます。ベテランの直しと並べ、書き直しの案に原稿に無い数字が入っていないかを最優先で見ます。

3週目:申請システムから取れるものを確かめる

原稿の添付と、期間の定めの有無・雇用形態を申請システムから取り出せるかを確かめます。取り出せない項目は、採用依頼の入力欄に足してもらうよう相談します。

4週目:確認表まで作る

Python で Word を文字にして文番号を振り、API を呼んで確認表に書き出すところまで作ります。この時点では質問の下書きは作らず、指摘の採否だけを1か月記録します。

2か月目: 辞書と正規表現の照合、質問の下書き(続きの質問を含む)を足し、現場への往復の回数を数えます。3か月目以降: 受付フォルダからの自動の起動と版の比較を足し、1本40分が何分になったかを実測します。捨てている指摘を指示から外し、確認表が採用担当の判断だけで回るようになった時点で、この構成は完成です。


11関連ユースケース

12この仕組みを理解するための記事

13技術仕様の確認日・参考情報

技術仕様確認日:2026-11-04/最終更新:2026-11-04
確認した内容情報源確認日
募集・採用で男女のいずれかを表す職種の名称を用いること(対象を男女のいずれかのみとしないことが明らかな場合を除く)や「男性歓迎」「女性向きの職種」等の表示が、対象から男女のいずれかを排除していると認められる例とされていること。募集・採用で身長・体重・体力を要件とすること、転居を伴う転勤に応じることができることを要件とすることが、合理的な理由がなければ講じてはならない措置とされていること。ポジティブ・アクションの扱い厚生労働省: 労働者に対する性別を理由とする差別の禁止等に関する規定に定める事項に関し、事業主が適切に対処するための指針(平成18年厚生労働省告示第614号)2026-11-04
募集・採用の年齢制限は例外事由に当たる場合を除き不問とすること。例外事由 a〜f(定年を上限、法令の規定、長期勤続によるキャリア形成、技能・ノウハウの継承、芸術・芸能、特定の年齢層の雇用促進)と、a・c・d が期間の定めのない労働契約を前提とすることハローワークインターネットサービス: 年齢制限該当事由について2026-11-04
職業安定法第5条の3(業務の内容及び賃金、労働時間その他の労働条件の明示)、第5条の4(求人等に関する情報について虚偽の表示又は誤解を生じさせる表示をしてはならず、正確かつ最新の内容に保つこと)e-Gov 法令API: 職業安定法2026-11-04
男女雇用機会均等法第5条(募集・採用について性別にかかわりなく均等な機会を与えること)、第7条(性別以外の事由を要件とする措置)e-Gov 法令API: 雇用の分野における男女の均等な機会及び待遇の確保等に関する法律2026-11-04
構造化出力を output_config.format で指定すること。数値・文字列長の制約や minItems の0と1以外が使えず、additionalProperties は false とすること。任意の項目が合計24個までであること。enum の値が大文字・小文字の違いで返りうること。refusal と max_tokens のときスキーマどおりでないことがあることClaude Docs: Structured outputs2026-11-04
認証が Authorization: Bearer を基本とし x-api-key が旧来の方式であること。anthropic-version が必須のヘッダーであることClaude Docs: API overview2026-11-04
既定では会話の内容を保持しないこと(Covered Models は30日の保持が要ること)。自動の安全審査で引っかかった内容は最大2年保持されうることClaude Docs: API and data retention2026-11-04
2026年11月12日発効の利用ポリシーで、雇用の候補者の選別・順位付け等が高リスクの用途とされ、資格のある人の確認と本人への AI 利用の告知が求められること。特定の個人について助言・判断しない業務の運用は対象外とされていることAnthropic: Usage Policy2026-11-04

ある書き方が法令に反するか、年齢の制限が例外に当たるかの判断は、採用担当と社会保険労務士・労働局への相談で決めてください。 本記事は、上の公式の情報で確認できた範囲だけを扱っています。

実装ステータス:構成例。 公開仕様に基づいて設計した構成であり、当社で実際に構築・検証したものではありません。工数の数値はモデル条件による試算です。

自社の業務に使えるAI活用候補を整理します

このユースケース(UC-2750)についてのご相談はこちらから。

AI活用について相談する
目次