履歴書が読みやすく、志望動機も筋が通り、課題の文章もきれいにまとまっている。
以前なら、それ自体が一定の文章力や準備力を示す材料になりました。
ところが生成AIが一般化した現在、その「完成度」が本人の能力をどこまで表しているかは、以前より分かりにくくなっています。
求職活動で生成AIを使うこと自体も珍しくありません。
アイデムが2025年12月に求人応募者を対象に行った調査では、求職活動で生成AIを使った経験がある人は41.8%。
利用場面では履歴書・職務経歴書の作成・添削が22.6%、自己PR・志望動機の作成・添削が19.1%でした。
これは「AIを使った応募者は信用できない」という根拠ではありません。
むしろ採用側が、文章の見栄えを本人の能力の代理指標にする設計を見直す必要があることを示しています。
2026年に公表された大規模な採用前アセスメント研究でも、候補者によるGenAI利用の自己申告は2024年から2025年に増加しました。
一方、AI利用そのものが潜在的なジョブフィットと一貫して結びついたわけではありません。
つまり、「AIを使ったか」だけでは採否判断として粗すぎます。
これから必要なのは、AIを見破る選考ではなく、AIを使える環境でも本人の判断・説明・修正能力を確認できる選考です。
従来の書類選考は、経歴の確認だけでなく、文章の構成、情報整理、自己理解、志望度などを間接的に見ていました。
ところが生成AIは、その多くを短時間で補助できます。
弱い文章を整え、募集要項に合わせて表現を調整し、想定質問まで作れるため、提出物の「見た目」と本人の実力の距離が広がりやすくなりました。
これは採用の終わりではありません。評価対象を一段深くすればよいだけです。
完成品を見るだけでなく、なぜその結論にしたのか、どの情報を採用し、何を捨てたのか、誤りに気づいたときどう直すのかまで見る。
生成AIが普及したことで、結果よりプロセスの価値が上がったと考える方が実務的です。
back checkが2026年7月に人事担当者1,000人を対象に公表した調査も、履歴書・職務経歴書や面接だけでは候補者の仕事の進め方や信頼性を十分に把握しにくいという問題意識を示しています。
調査は民間企業によるものですが、「本人情報をどう裏付けるか」という採用側の課題を考える材料になります。
採用課題でAIを全面禁止すれば、本人の基礎能力を確認しやすくなる場面はあります。
一方、入社後の実務ではAI利用が認められているのに、選考だけ全面禁止すると、職務で必要なAI活用力を測れません。
逆に「何でも使ってよい」とだけ伝えると、候補者ごとに使う範囲がばらばらになり、比較が難しくなります。
そこで先に決めたいのが、職種別のAI利用レベルです。
たとえば営業職なら、提案メールの表現調整はAI可、顧客課題の優先順位づけは本人判断。事務職なら、関数や文書の下書きはAI可、数値照合と最終承認は本人。
企画職なら、アイデア展開はAI可、ターゲット設定と採用案の説明は本人、といった具合です。
2026年に発表されたFAIRフレームワークは、候補者のGenAI利用への対応を「禁止」だけで考えず、助言、影響を受けにくい設計、AI前提の再設計まで含めて整理しています。
すべての企業が同じ方式を採る必要はありませんが、「禁止できるか」より「何を測りたいか」から逆算する考え方は参考になります。
この6項目は、候補者を疑うための監視項目ではありません。評価条件を候補者にも見える形にし、同じルールで比較しやすくするための設計です。
書類、課題、面接を別々に採点すると、AIで整えた文章と本人の思考を結びつけにくくなります。
そこで、同じ題材を選考の後段まで引き継ぎます。
たとえば応募書類に「業務改善で月20時間削減した」と書かれていれば、面接で「削減前の工程は何だったか」「その数字をどう測ったか」「同じ施策が別部署で効かないとしたら何が原因か」と掘ります。
課題提出があるなら、面接で一部条件を変えて再構成してもらいます。
見るのは流暢さではなく、一貫性です。本人が経験した仕事なら、完璧な回答でなくても、制約、失敗、例外、判断の迷いが具体的に出やすくなります。
AIを使って準備していても、本人が内容を理解し、責任を持って説明できるなら、その能力は職務によってはむしろ評価対象になります。
AI活用力を全職種で同じ比重にすると、選考が別の方向に歪みます。
重要なのは、その仕事でAIがどこまで日常的に使われるかです。
営業では、顧客文脈を読み違えない力や対人説明を重くする。
事務では、正確性、照合、例外処理を厚く見る。エンジニアでは、AIが出したコードの検証、デバッグ、設計判断を確認する。
企画では、アイデア量より、前提設定、優先順位、反証への対応を見る。
「AIを使える人」を採るのではなく、「AIを使っても残る仕事」を遂行できるかを測る設計です。
AI活用力は加点項目になり得ますが、基礎能力の不足を自動的に相殺するものではありません。
AI生成判定ツールは、文章や提出物の出自を一発で証明する仕組みとして扱うべきではありません。
採用は候補者の生活に大きく影響するため、単一の自動判定だけで不利益な判断を行う運用は避け、複数の確認手段と人の判断を残す方が安全です。
英国政府の「Responsible AI in Recruitment」も、採用領域のAI利用について、公平性、透明性、説明可能性、異議申し立てや救済、安全性などを重視しています。
これは主に採用側がAIシステムを導入する際のガイドですが、候補者のAI利用を検知・評価するツールを使う場面でも、同じ観点が役立ちます。
候補者には、選考前に次の3点を明示すると混乱が減ります。
何にAIを使ってよいか。申告が必要か。
評価するのはAI使用そのものではなく、どの能力なのか。この説明があるだけで、「使ったら落とされるのでは」という無用な駆け引きを減らせます。
最初から全職種の選考を作り直す必要はありません。
採用数が少ない企業なら、ひとつの職種で始める方が現実的です。
1週目に、実務でAI利用を許している工程と禁止している工程を洗い出す。
次に、現在の書類・課題・面接のうち「完成度しか見ていない項目」を特定する。
そこへ利用申告、根拠説明、短い実演の3点を追加します。
面接官ごとの印象差を減らすため、評価表には「AI活用」「基礎能力」「判断・説明」「修正」のように項目を分け、1〜5点の基準例を短く定義します。
採用後に活躍した人の選考データと照合し、不要な項目は削る。
選考設計は一度完成させるものではなく、実際の職務と採用結果を見ながら調整する運用です。
生成AIが応募書類をきれいにできるようになったからといって、採用が成立しなくなったわけではありません。
変わったのは、文章の完成度を本人の能力として読むことの確度です。
AIを使ったかどうかだけを追うより、何を任せ、何を本人が判断し、その判断を説明・修正できるかを見る方が、実務とのつながりは強くなります。
採用側が評価基準を先に言語化すれば、候補者にとっても条件が分かりやすくなります。
次に選考を見直すなら、まず一つの職種で「AI利用可否」「申告」「根拠説明」「短い実演」「口頭深掘り」「修正過程」の6項目を追加し、現在の評価表と並べて試してみてください。
.png){kind=logo}
