人材紹介会社でAIを使うなら、どこから始めるか
人材紹介会社でAIを使うなら、最初の一手は求人・求職者情報の構造化と不足確認です。次が説明できるマッチングと推薦の支援、その次が案件の滞留と次アクションの管理になります。
多くの会社が期待するのは2番目の「AIが最適な人を自動で見つけてくれる」でしょう。ただ実務で先に効くのは、1番目と3番目です。
理由ははっきりしています。マッチングの精度は、元のデータの精度を超えられません。 求人の必須条件が曖昧なまま、履歴書の情報が構造化されていない状態でAIに候補を出させても、「それらしいが確認が必要な候補」が並ぶだけです。
そして人材紹介の機会損失は、候補者が見つからないことより、案件が止まっていることで起きます。返信待ち、日程未確定、評価未回収、内定後のフォロー漏れ。ここは技術的に難しくない一方、効果がすぐ出ます。
一方、有料職業紹介は職業安定法にもとづく許可事業です。求職者の個人情報の扱いにも、この法律独自のルールがあります。ここは「AIに任せられるか」の前に、守るべき枠が決まっている領域です。
この記事では、仕事を流れに沿って分解し、どこにAIを入れ、どこに人の判断を残すかを整理します。
人材紹介会社の仕事は、どう流れているか
求人の獲得から入社後のフォローまでを、大きく6つに分けて見てみます。
1. 求人の獲得とヒアリング 求人企業から、採用背景、必須条件、歓迎条件、業務内容、組織、年収、働き方、選考プロセス、採用期限を聞き取ります。
2. 求人票の作成と登録 聞いた内容を求人票にし、システムへ登録します。
3. 求職者の登録とキャリア面談 履歴書・職務経歴書を受け取り、面談で経験・希望・転職理由・優先順位を把握します。
4. マッチングと提案 条件で検索し、候補者に求人を提案し、本人の意思を確認します。
5. 推薦と選考 推薦文を作成して企業へ提出し、日程を調整し、評価を回収し、次の選考へつなぎます。
6. 条件交渉・内定・入社後フォロー 条件をすり合わせ、意思決定を支援し、入社後の定着まで見届けます。
この流れには、他の業種にない特徴があります。独立した二者を、同時に前へ進めなければならないことです。
求人企業と求職者は、それぞれ別の都合で動きます。どちらか片方が止まれば、案件全体が止まります。片側の滞留が、もう片側の機会を消す——ここが人材紹介の構造です。
AIを入れる場所も、この構造に沿って決まります。
AI導入の優先Top3
Top 1：求人・求職者情報の構造化と不足確認
何をするか。 求人ヒアリング、求人票、履歴書、職務経歴書、キャリア面談の記録を、共通の項目に落とし込みます。
求人側なら、職種、必須スキル、歓迎スキル、経験、年収、勤務地、働き方、採用背景、優先順位。求職者側なら、経験、スキル、実績、希望職種、年収、勤務地、働き方、転職理由、優先順位。
似た項目を、同じデータ定義にするのがポイントです。
なぜ最初か。 ここが整わないと、後続がすべて曖昧になるからです。マッチングも、推薦文も、滞留管理も、元の情報が構造化されていることが前提になります。
★ 最も重要な注意点。 AIに分からないことを勝手に埋めさせないでください。
求人票の年収、勤務地、業務内容、雇用形態、勤務時間、変更範囲。これらをAIが「それらしく補完」する運用は取れません。不明は不明として、求人企業へ戻します。
理由は後述しますが、職業安定法にもとづく指針では、求人等に関する情報を正確かつ最新に保つための措置が求められており、虚偽の表示や誤解を生じさせる表示は禁止されています。
AIの役割は、「何が足りないか」を出すことです。
何を測るか。
- 求人・候補者の登録にかかる時間
- 二重入力の回数
- 不足情報による差戻しの件数
- 最新の条件が分からない求人の件数
- 求人・候補者の検索時間
Top 2：説明できるマッチングと推薦の支援
何をするか。 AIに、単一のスコアではなく次を出させます。
- 一致している条件
- 一致していない条件
- 分かっていない条件
- 推薦の理由
- 本人・企業へ確認すべきこと
なぜスコアだけにしないか。 3つの理由があります。
第一に、推薦の責任は人が負うからです。「AIが高スコアを付けたので推薦しました」では、企業にも求職者にも説明できません。
第二に、確認すべきことが見えなくなるからです。一致率85%と言われても、何が残り15%なのか分からなければ、面談で何を聞けばよいか決まりません。
第三に、公正性の問題があります。厚生労働省は、公正な採用選考について、応募者に広く門戸を開き、適性・能力にもとづく採用基準とすることを基本としています。AIを使う場合も、この基本が変わるわけではありません。
学習データに過去の偏りが含まれていれば、過去の選考傾向をそのまま再生産する可能性があります。初期の運用では、次を基本にしてください。
- AIのスコアだけで非推薦を確定しない
- 推薦・除外の理由を確認できるようにする
- 適性・能力と関係のない属性を使わない
- AIが下位に置いた候補からも、一定数を抜き取って人が確認する——上位だけを見ていると、除外の誤りは永久に見つかりません
- 自動的に候補から外れた件数と、その理由の内訳を記録する
そして、監査するのは「偏り」だけではありません。次の4つを記録して、定期的に見直してください。
| 監査する対象 | 見ること |
|---|---|
| 推薦結果の偏り | 特定の属性の候補が、説明のつかない形で上位・下位に寄っていないか |
| 使用している項目 | スコアの計算に、適性・能力と関係のない項目が入り込んでいないか |
| スコアの根拠 | なぜその順位になったのかを、担当者が候補者・企業へ説明できるか |
| モデル・プロンプトの変更後の再評価 | 変更したら、同じ条件で結果がどう変わったかを見る。黙って入れ替えない |
何を測るか。 候補数だけでなく推薦の品質を測ります。
- 1推薦あたりの検索時間
- 推薦から応募への転換率
- 推薦から書類通過への転換率
- 推薦文の作成時間
- 不適合な推薦の差戻し率
Top 3：案件の滞留と次アクションの管理
何をするか。 毎日、次を自動で抽出します。
- 返信待ち
- 日程が未確定
- 評価が未回収
- 求職者のフォロー待ち
- 内定後のフォロー待ち
なぜこれが3番目なのに即効性があるか。 技術的に難しくないうえ、機会損失に直結するからです。
人材紹介の損失は「良い候補者がいない」だけで起きるわけではありません。返信を待っている間に他社で決まる、日程が確定しないまま熱が冷める、評価が回ってこないまま次に進めない。 こうした「止まっている案件」の積み重ねのほうが大きいことがあります。
Top 1・Top 2より先に着手してもよい領域です。ルールで検出できる部分が多く、AIの精度に依存しません。
何を測るか。
- 各選考工程の平均滞留日数
- 日程確定までの日数
- 評価の回収時間
- 応募から内定までのリードタイム
- 放置されている案件の数
- 内定承諾率
「AI」をひとくくりにしない
この記事で「AI」と書いているものは、性質の違う3つを含みます。
| 種類 | 何をするか | 会社での例 |
|---|---|---|
| 読み取り（OCR） | 紙やPDFの文字を読む | 履歴書・職務経歴書の読み取り |
| ルールによる処理 | 決められた条件で照合・計算する。AIでなくても実現できます | 必須項目の充足チェック、資格・年数などの完全一致の絞り込み、滞留日数の計算、期限の通知 |
| 生成AI | 曖昧な文章を整理し、候補や説明文を作る | 求人ヒアリングの構造化、推薦文の草案、面談記録からの論点抽出、滞留理由の整理 |
Top 1の構造化は読み取りと生成AI、Top 3の滞留管理はルールが中心です。Top 2のマッチングは、条件の絞り込み（ルール）と、推薦理由の説明（生成AI）を分けて考えてください。「AIがマッチングした」と一言でまとめると、どこに誤りが入ったのかを追えなくなります。
AIに任せやすい仕事
人材紹介会社の仕事のうち、AIが引き受けやすいものには共通の性質があります。
| 性質 | 会社での具体例 |
|---|---|
| 形を整える | 求人ヒアリングの議事録、履歴書・職務経歴書を共通項目へ構造化する |
| 照らし合わせる | 求人の必須条件と候補者の経験を突き合わせる |
| 違いを見つける | 前回聞いた条件と今回の条件の差分を拾う |
| 足りないものを探す | 求人票・候補者情報で埋まっていない項目を特定する |
| 下書きを作る | 求人票、推薦文、面談前ブリーフ、面接対策資料の第一版 |
| 探し出す | 過去の類似求人、過去の面談記録、similar な選考事例を見つける |
| 進み具合を追う | 全案件の「次に誰が何をするか」を管理し、止まっているものを浮かせる |
いずれも、判断そのものではなく、判断の前段にある作業です。
AIの支援が向く仕事——人の確認を挟むもの
AIが案を出し、人が確認してから使う領域です。
- 求人票の下書きと差分の確認
- マッチ候補と、その理由・不一致・未確認事項の提示
- 推薦文の下書き
- 面接対策の情報整理と質問案
- 選考フィードバックの整理
- 条件交渉の差分整理と選択肢の提示
これらは、AIの出力をそのまま使うわけにはいきません。必ず人が確認してから、企業や求職者に渡します。
特に求人票と推薦文は注意が必要です。ここに事実でない記述が混じると、求人企業にも求職者にも実害が出ます。
人に残す仕事・判断
ここが、この記事で最も重要な部分です。
線を引くときの基準は、ひとつです。
「AIが答えを出せるか」ではなく、「誰がその答えに責任を持つのか」。
誰の責任かを分けて考える
「AIに任せてよいか」の前に、その行為が誰の責任かを分けます。
- 法令上の義務者——許可を受けた職業紹介事業者としての義務は自社にあります（求人・求職の申込みの受理、労働条件の明示、個人情報の適正な管理など）
- 採用を決める者——求人企業です。紹介会社が決めるものではありません
- 応募するかを決める者——求職者本人です
- 社内で承認する者——推薦の可否、企業への開示範囲を確認する責任者
この4つは重なりません。AIが関われるのは、いずれの決定でもない準備と整理の工程です。
仕事ごとの線引き
| 仕事 | AIが担うところ | 人が担うところ |
|---|---|---|
| 求人ヒアリング | 議事録・構造化・不足の抽出 | 採用背景と本当の優先順位を引き出す |
| 求人票 | 下書き・差分の確認 | 条件の事実確認と承認 |
| 候補者情報 | 抽出・要約 | 本人への確認 |
| キャリア面談 | 質問案・整理 | 本人の理解と信頼関係 |
| マッチング | 候補・根拠・不足の提示 | 最終的な推薦の判断 |
| 求人提案 | 適合理由の案 | 本人の意思を踏まえた提案 |
| 推薦文 | 下書き | 事実確認と推薦の責任 |
| 選考評価 | フィードバックの整理 | 文脈の理解と次の提案 |
| 条件交渉 | 差分の整理・選択肢 | 交渉と利害の調整 |
| 内定承諾 | 論点の整理 | 本人の意思決定の支援 |
| 個人情報 | 分類・アクセス制御の支援 | 利用の可否・同意・目的の判断 |
| 公正性 | 検査の候補出し | 差別・不公平がないかの最終監督 |
この業種で特に人に残るもの
キャリアの意思、求人企業の本音、推薦、交渉、最終的な意思決定。
求人企業が求人票に書いていることと、実際に重視している点は、必ずしも一致しません。
ただし、ここには線があります。ヒアリングで出てきた条件のうち、適性・能力と関係のない属性にもとづくもの（年齢、性別、国籍、家族の状況など）は、「求人企業の本音」としてシステムやAIの条件に固定してはいけません。記録するとしても、それは「そのまま使ってよい条件」ではなく、「求人企業と話し合うべき論点」です。求職者が最初に言う希望条件と、実際に転職を決める理由も違うことがあります。
この「言葉になっていないもの」を引き出すのは、人の仕事です。 AIは、聞き取った内容を構造化し、確認すべき点を示すところまでを担います。
精度が上がるほど、確認は形骸化しやすい
実務で難しいのは、AIの精度が高いときほど、確認が甘くなることです。
仮に9割が正しいとしても、100件を見れば10件の誤りが混じります。そして正しい出力を見続けた人間は、注意力を保てません。
推薦文に事実でない経歴が1行混じったまま企業へ提出されれば、求職者本人が不利益を受けます。ここは効率化の議論とは別に、確認の設計が要る領域です。
目指す姿
人材紹介会社のあるべき姿は、「AIが自動で最適な求人と人を決める状態」ではありません。
本質は、求人企業と求職者について最新で信頼できる正本を作り、案件を止めず、判断すべき場所に人の時間を集中させることにあります。
1. 求人の正本を一つにする 採用背景、必須条件、歓迎条件、業務内容、組織、年収、働き方、選考プロセス、採用期限、そして本当の優先順位。これらを一つの構造化データへ集約します。求人票、営業メモ、メール、担当者の頭の中に分散させません。
2. 求職者の正本を一つにする 履歴書だけでなく、経験、実績、希望、転職理由、避けたい条件、キャリアの優先順位、転職時期、選考状況、本人が企業へ開示してよい情報まで構造化します。
3. マッチングを「一致率」だけにしない なぜ合うのか、何が不確かか、何を確認すべきか、まで示します。
4. パイプラインを止めない 全案件の「次に誰が何をするか」が明示され、止まっている案件だけが自動で浮かぶ状態にします。
5. 成約ではなく定着まで追う 「入社した」で終わらせず、入社後に双方の期待が一致しているかまで見ます。その情報を次の求人ヒアリングとマッチングへ戻します。
Before / After
Before
求人企業から商談 → 営業が求人票を作成 → システムへ手入力 → 担当者が条件検索 → 履歴書を一件ずつ確認 → 求人を提案 → 推薦文を作成 → 企業へ提出 → 日程・評価・感想を個別に回収 → 担当者が次のアクションを管理 → 内定・入社
After
求人ヒアリング → AIが構造化・不足を抽出 → 人が求人内容を確定 → 求職者情報も共通構造化 → AIがマッチ候補＋理由＋不明点を提示 → 担当者が候補者を選び本人へ提案 → 推薦文案・面接準備をAIが支援 → 選考状況を自動更新 → 滞留・未回答だけAIがアラート → 人が交渉と意思決定を支援 → 入社・定着の結果を記録 → 次のマッチングへ戻す
Beforeが悪いわけではありません。そうなっているとすれば、理由があります——求人企業ごとに求める形式が違う、システムを変える余力がない、担当者の勘が実際に当たっている。
変えるとしたら、全部を一度にではなく、Top 1かTop 3の1つからです。
法令・規制・情報管理
人材紹介は、他の多くの業種より法令の枠がはっきりしている業種です。AI導入の設計も、この枠の中で行います。
有料職業紹介は許可事業
職業安定法にもとづき、有料職業紹介事業は厚生労働大臣の許可を受けて行います。
注意したいのは、求人サイト・募集情報等提供事業との境界です。厚生労働省は、広告上は募集情報等提供であっても、実態として求人者に代わり採用候補者を選定したり、求人者の判断によらず選考の連絡等を行っている場合には、職業紹介に該当するとしています。
AIサービスを新規事業として提供するときも、「AIで求人を推薦しているだけだから職業紹介ではない」と安易に判断せず、実態で区分する必要があります。
求人情報は正確・最新に保つ
職業安定法にもとづく指針では、求人等に関する情報を正確かつ最新に保つための措置が求められています。広告・募集情報については、虚偽の表示や誤解を生じさせる表示は禁止されています。
だからこそ、Top 1で書いたとおり、AIに条件を「補完」させてはいけません。
求職者の個人情報には、この法律独自のルールがある
職業安定法にもとづく指針では、求職者等の個人情報について次が求められています。
- 利用目的を具体的に明らかにする
- 業務目的の達成に必要な範囲で収集・保管・使用する
- 適法かつ公正な手段で取得する
- 正確・最新に保つ
- 漏えい等を防止する
- 不要になった情報を削除・廃棄する
- 個人情報適正管理規程を作成し、遵守する
また原則として、人種・民族・社会的身分・門地・本籍・出生地等、思想・信条、労働組合への加入状況といった情報を収集してはならないとされています（特別な職業上の必要性があり、必要不可欠で、目的を示して本人から収集する場合等の例外があります）。
AIでWebやSNSから候補者情報を収集する場合も、この境界を無視できません。
AIへ履歴書等を投入するときの追加確認
求職者の情報は、「職業紹介業務」という利用目的との結びつきが強いものです。生成AIや外部のAIサービスへデータを送る場合、少なくとも次を確認してください。
- 必要最小限の情報だけを投入する——氏名や勤務先を伏せて処理できないかを先に検討する
- AI事業者が入力データを学習に利用するか
- 保存期間と削除の方法
- 契約上の機密保持・データの取扱条件——委託なのか第三者提供なのかの整理を含む
- アクセス権限と操作ログ——誰が投入でき、誰が見られるか
- 再委託・国外での処理など、自社の規程上確認が必要な事項
求職者情報は、会社が利用を承認したアカウント・サービスに限定します。職員が個人契約の一般向けAIへ履歴書や面談記録を貼り付ける運用は、初期設計として避けてください。
企業へ何を伝えるかは、項目ごとに決める
「求職者の情報」をひとまとめに扱わないでください。求人企業へ開示してよい範囲は、項目ごとに違います。
- 推薦の段階で伝えてよい項目（職務経験、保有スキル、希望条件の概略など）
- 本人の了解を得てから伝える項目（現職の会社名、在籍期間の詳細、他社の選考状況、希望年収の具体額など）
- 原則として伝えない項目（家族の状況、健康状態、信条など。適性・能力の判断に必要な範囲を超えるもの）
AIに推薦文を作らせるときも、この区分がそのまま制約になります。区分を決めずに「履歴書から推薦文を作って」と指示すると、伝えない前提だった項目が推薦文に載ります。
早期離職の防止と、お祝い金
職業安定法にもとづく指針では、自社の紹介により期間の定めのない労働契約を締結して就職した者に対し、就職日から2年間、転職の勧奨を行ってはならないとされています。
また、一定を超える「就職お祝い金」等による求職申込みの勧奨は禁止されています。
AIで「成約済み候補者への再スカウト」を自動化する場合は、就職日・紹介経路・契約形態を見て自動的に除外するルールが必要です。ここを設計に入れておかないと、自動化がそのまま指針違反につながります。
この節の法令の記述について
※法令・制度に関する記述は、内容確認日時点の一般的な整理です。実際の適用は、業務内容、契約関係、事業規模、地域、施行時点の法令・行政解釈等によって異なります。重要な判断は、最新の一次情報と自社の具体的な条件を確認してください。
制度の状態を混同しない
現行の制度、公布済みで未施行のもの、業界の慣行、そして推測。これらは分けて考えてください。
この記事も、公開時点で確認できた情報にもとづいています。制度は変わります。判断の前には、必ず最新の情報をご確認ください。
社内としてのAI利用ルールをどう作るかは、生成AIの社内ルールにまとめています。
最初の30日プラン
1週目：1職種の情報フローを可視化する
得意な職種を1つ選び、求人獲得からヒアリング、求人票、登録、検索、推薦、選考、入社まで追います。どこで二重入力・検索・待ちが発生しているかを測ります。
2週目：求人と求職者の共通項目を決める
上のTop 1に挙げた項目を、同じデータ定義にします。ここが揃わないと、AIは比較できません。
3週目：AIを「検索・判断」ではなく「前処理」に使う
求人ヒアリングの構造化、履歴書の構造化、不足項目の抽出、面談前ブリーフ、推薦文案。実データを使う前に、AI環境・利用規約・アクセス権を確認してください。
4週目：マッチ候補と滞留検知を試す
AIに候補と理由と不一致と未確認事項を出させ、人が評価します。並行して、選考中の案件の滞留を抽出します。
30日で会社全体が変わることはありません。変わるのは、AIをどう使えばよいかの判断基準が、社内にできることです。
AI活用の成熟度
Lv1 人に依存している 求人情報も候補者情報も、担当者の頭とメールの中にある。
Lv2 システムはある ATSは入っているが、求人票・営業メモ・面談記録が別々の場所にあり、同じ情報を何度も入力している。
Lv3 一元化されている 求人と求職者の正本が決まっていて、条件が構造化されている。ここがAI活用の土台です。
Lv4 AIが支援している 構造化、不足抽出、候補提示、推薦文案、滞留検知をAIが担っている。
Lv5 二者を止めずに回している ルールで確定できるものはシステム、曖昧・不足・候補出しはAI、推薦と交渉と意思決定支援は人へ振り分けられ、案件が止まらない。
ここで大事なのは、Lv5を「AIが人を選ぶ状態」と定義しないことです。
よくある質問
Q. AIに候補者を自動で絞らせてもよいですか。
AIのスコアだけで非推薦を確定しないでください。 公正な採用選考は適性・能力にもとづくことが基本とされており、AIを用いる場合もこの原則は変わりません。学習データに過去の偏りがあれば、それを再生産する可能性があります。AIは候補と理由と不足を出すところまで、推薦の判断は人が行ってください。
Q. AIに求人票を書かせてもよいですか。
下書きまでは有効です。ただし年収・勤務地・業務内容・雇用形態・勤務時間などをAIに補完させてはいけません。 求人情報を正確かつ最新に保つことが求められており、虚偽・誤解を生じさせる表示は禁止されています。不明は不明として求人企業へ戻すのが原則です。
Q. 履歴書を生成AIに読ませてもよいですか。
使うサービスの契約と設定によります。委託か第三者提供か、学習に使われるか、保存されるか、海外で処理されるか。上の「法令・規制・情報管理」の項目を確認してください。職員が個人契約のAIへ自由に貼り付ける運用は避けてください。
Q. 成約した候補者へのスカウトを自動化しても大丈夫ですか。
自動除外のルールが必要です。 自社の紹介で期間の定めのない労働契約を結んで就職した人には、就職日から2年間、転職の勧奨を行ってはならないとされています。就職日・紹介経路・契約形態を見て除外する設計を、自動化の前に入れてください。
Q. どのくらい成約率が上がりますか。
現時点で、確かな数字はお示しできません。 会社ごとに扱う職種も、求人企業との関係も、候補者の集め方も違うためです。だからこそ1週目に測ることをお勧めしています。自社の数字が、いちばん確かな根拠になります。
近い構造の業種
不動産売買仲介のAI活用 売主と買主という独立した二者を同時に進める点で、人材紹介と同じ構造を持ちます。片側が止まればもう片側の機会が消える、という設計上の共通点があります。
研修会社のAI活用 発注元が同じ法人の人事部であることが多く、人材紹介会社が研修を、研修会社が採用支援を扱う例もあります。同じ相手に対する別のサービスとして、隣の業種の設計が参考になります。
シリーズの一覧は 業種別AI活用ベストプラクティス からご覧いただけます。
この記事を自社へ当てはめたい方へ
同じ人材紹介会社でも、扱う職種や求人企業との関係によって、最初の一手は変わります。
専門職に特化して求人企業と深い関係がある会社と、幅広い職種を扱う会社では、Top 1で構造化すべき項目が違ってきます。
まず、自社の現在地を確かめる
AI戦略診断は無料・登録不要です。回答すると、いまどの段階にあるかと、最初に取り組むべき領域が分かります。
自社への当てはめを一緒に進めたい場合は、AI顧問サービスでご案内しています。初回は30分の無料リモート面談を承っています。
具体的なご相談はお問い合わせからどうぞ。
なお、AI活用の全体像は社長の経営OSをAI化する戦略のすべてにまとめています。
最終更新日: 2026年8月25日／内容確認日: 2026年8月22日
