面接評価のばらつきに悩む人事部が、生成AIでコメントを整えるまで

夕方五時四十分、最後の面接が終わった採用部門に、静かな時間が戻ってきた。美咲の机には、同じ候補者について書かれた評価シートが重なっている。赤い付箋のすき間から、面接官ごとの違う言葉が顔を出していた。

評価者Aの欄には、「論理的でよい」とあった。評価者Bの欄には、「話が長く、要点が見えにくい」とある。同じ面接室で、同じ候補者の話を聞いたはずなのに、二つのコメントは別人を見たように離れていた。

「この二つは、どちらも間違いとは言えない。でも、どちらを採用会議に出せばいいのかしら」

美咲はシートの端をそろえた。評価欄には「感じがよい」「少し弱い」「積極性あり」といった言葉も並んでいる。どの発言を見てそう感じたのか、採用基準のどの項目に当たるのかは、紙の上では見えなかった。

パソコンの隣には、面接の録音データと美咲のメモがあった。彼女は録音を少し戻し、候補者が前の職場で業務の手順を変えた話を聞き直した。候補者は、困っていた人、試した方法、変わった結果を順番に話していた。

「ここは、論理的と書けるかな。それとも、話が長いのかな」

美咲は再生を止めた。評価者Aのメモには、「問題を分けて説明していた」とある。評価者Bのメモには、「説明が長くなった」とある。どちらも候補者の発言に触れているが、事実と印象が同じ箱に入っていた。

そのとき、隣の席の健太が、紙の束を見ながら声をかけた。

「明日の採用会議に、このまま出すの？」 「出さないといけないけれど、コメントを直さないと比べられないの」

健太は一枚のシートを指で押さえた。「感じがよい」という短い言葉の下には、根拠のメモがなかった。一方で、別のシートには候補者の発言が細かく書かれていたが、評価の結論がなかった。

「同じ人を見ているのに、書き方だけで重みが変わってしまうね」 「そう。詳しい人の評価が正しく見えるけれど、詳しさと正しさは同じじゃないもの」

美咲は、評価コメントを読みやすい文章に直し始めた。「話が長い」を「説明が冗長である」に変え、「感じがよい」を「周囲と協力できそうだ」と書き換える。けれど、言葉が整うほど、根拠のない印象まで確かな事実のように見えてきた。

六時半を過ぎたころ、採用責任者の真紀が会議室から戻ってきた。明日の会議では、候補者の次の選考へ進めるかを決める予定だった。真紀は評価シートをめくり、眉を少し寄せた。

「この『少し弱い』は、何が弱いの？」 「たぶん、質問への答え方です。でも、私のメモには具体的な発言が残っていなくて……」 「では、『論理的でよい』は、どの答えを指しているのかしら」

美咲は録音を開いた。候補者が説明した場面を探し、再生ボタンを押す。部屋には、落ち着いた声とキーボードを打つ音が流れた。三人は同じ音声を聞いたが、すぐには同じ結論にたどり着かなかった。

「私は、最初に結論を話しているから論理的だと思った」 「私は、そのあとに説明が続いたから長く感じた」 「つまり、評価が分かれた理由も、まだ言葉になっていないのね」

真紀の言葉で、美咲の手が止まった。これは文章をきれいにする作業だけではない。評価者が見た事実と、そこから受けた印象と、採用基準とのつながりが、最初からそろっていなかった。

健太がパソコンの画面をのぞいた。「生成AIに、コメントを整えてもらう方法もあるよ。ChatGPTみたいな道具なら、文章の形はそろえられるかもしれない」

「うん。でも、曖昧な言葉をそのまま渡したら、もっと自然な曖昧さが返ってくるだけかもしれない」

美咲は、候補者の発言が書かれたメモと、評価者の感想が書かれたシートを並べた。生成AIを使えば、下書きの負担は軽くできそうだった。けれど、何を根拠にし、どの基準で比べるのかが決まっていなければ、整った文章が評価のばらつきを隠してしまう。

時計の針が七時を回った。美咲は新しい白紙のシートを一枚取り出し、上に三つの欄を引いた。候補者が話した事実、評価の基準、面接官が感じたこと。その順に分けてから、もう一度コメントを作り直すことにした。

「まず、そろえるのは文章じゃない。見る場所と、根拠の置き場所ね」

真紀はうなずき、明日の会議用の資料を閉じた。机の上には、まだばらばらの言葉が残っている。それでも美咲の前には、生成AIに渡す前に決めるべき、最初のものさしが見え始めていた。

翌朝、美咲は採用責任者の佐伯と、人事DX展示会の相談ブースに立っていた。二つの評価がぶつかった会議を受けて、二人は「生成AIで面接コメントを整える」という説明を聞きに来た。

会場には、白い机が並んでいた。大きな画面には、面接メモが三つの箱に分かれて映っている。美咲は画面を見ながら、昨日の会議で感じた重さを思い出していた。

「文章を整えるだけで、評価のばらつきはなくなるのでしょうか」

ブースの担当者は、篠原と名乗った。篠原は急いで答えず、画面の三つの箱を指でそっとなぞった。

「文章だけをきれいにしても、ばらつきは残ります。先に、何を見たのかを分けることが大切です」

「分ける、というのは？」

「一つ目は、面接で確認できた事実です。候補者が何と言ったか。どんな行動を説明したか。二つ目は、その事実を照らす採用基準です。三つ目は、面接官が受けた印象です。印象も大事ですが、事実と同じ箱に入れないようにします」

美咲は、机の上に残してきた評価シートを思い浮かべた。「主体性がある」と「受け身だった」という二つの言葉は、どちらも印象の箱に入っていた。候補者が何を話したからそう思ったのかは、書かれていなかった。

篠原は、画面に短い面接メモを入力した。そこには、「前職で業務の遅れに気づき、自分から関係部署に声をかけ、手順を見直した」と書かれている。

「このメモを、いきなり『主体性を評価して』と生成AIに渡すのはおすすめしません。まず、職務要件と評価項目を一緒に渡します。たとえば、『自分から課題を見つけ、周囲に働きかけた行動』という基準です」

画面に、生成AIが作った下書きが現れた。確認できた事実は「業務の遅れに気づいたこと」「関係部署に自分から声をかけたこと」「手順を見直したこと」と並び、採用基準との対応には「課題発見と周囲への働きかけ」と表示された。

その下には、こう続いていた。面接中に確認できた事実。採用基準との対応。まだ確認できていない点。最後に、面接評価コメントの下書き。四つの部分が、混ざらずに並んでいた。

「この形なら、『主体性がある』という言葉だけで終わりません。どの発言が根拠なのかを、あとから追えます。根拠のない推測は、コメントに足さないようにもできます」

佐伯が画面をのぞき込んだ。

「では、AIが評価を決めるのですか」

「いいえ。AIは判定者ではなく、整理係です。人が判断するための下書きを作ります。人が最後に内容を確認し、必要なら書き直します。この考え方を、Human-in-the-loopと言います。難しく聞こえますが、『人が輪の中にいる』という意味です」

篠原は、候補者の年齢や出身地など、職務要件と関係のない情報は入力しないことも説明した。AIの答えをそのまま信じるのではなく、どの記録を根拠にしたのかを確かめることも必要だという。

「便利な道具ほど、使う前の決めごとが大切です。誰が確認するか。どの情報を入れるか。根拠が見つからないときは、評価を上げ下げせず、『追加確認』として残すか。そこを先に決めておくと、AIに引っぱられにくくなります」

美咲は、昨日の会議で何度も聞いた問いを思い出した。「主体性とは、どの発言を指していますか」。あの問いに答えるには、きれいな文章ではなく、事実と基準を結ぶ細い道が必要だった。

「今ある評価シートでも、始められますか」

「始められます。最初から全職種に広げなくて大丈夫です。まずは一つの職種と、一つの評価項目で試します。面接メモを事実に分け、採用基準を添え、生成AIにコメントの下書きを作らせます。その後で、面接官が根拠を確認します」

篠原は帰り際に、JAPAN AIの人事AI活用事例が載った資料を渡した。そこには、面接評価の分析や人事評価の標準化を支援する使い方が紹介されていた。

展示会を出ると、夕方の風が二人の間を通り抜けた。美咲は、生成AIに評価を任せるのではなく、評価者が同じ事実を見られるようにする道具として使うなら、試せるかもしれないと思った。

「佐伯さん。次の面接、一人分だけで始めてみませんか」

佐伯は、手にした資料を軽く持ち上げた。

「一人分なら、私たちも根拠を確かめられる。やってみよう」

会社に戻ると、美咲は新しいシートを開いた。最初の欄に「候補者が実際に話したこと」と入力し、次の欄に「採用基準との対応」、その下に「まだ確認できていないこと」と続けた。空白だった画面に、昨日まで見えなかった道筋が、細い線のように現れ始めていた。

朝九時、会議室の窓に春の光が差し込んでいた。美咲と佐伯は、営業企画職の候補者一人分だけを使い、評価コメントの下書きを生成AIに作らせる準備を始めた。

佐伯はMicrosoft Teamsに保存された面接の文字起こしを開いた。美咲は候補者名を候補者IDに置き換え、年齢、性別、住所、出身校など、職務の評価に関係しない情報を別の欄へ移した。

「まず、材料を整えるんですね」

「そうです。AIに渡す前に、人が見ても余計な情報が入っていない状態にします。評価するのは人柄全体ではなく、面接で確認できた発言と行動ですから」

二人は文字起こしの行に、面接官の質問と候補者の回答を分けて記した。回答の先頭には「問2・回答」「問4・回答」と番号を付けた。聞き取りにくい箇所は録音を再生し、Teamsの文字起こしをそのまま信じずに直した。

美咲はMicrosoft Excelの別シートに、営業企画職の採用基準を並べた。評価項目は「課題整理」「データを使った判断」「周囲との協働」の三つで、それぞれに、面接で見たい行動を書いた。

「課題整理なら、問題を事実と原因に分けて話せること。データを使った判断なら、数字を確認して施策を変えた経験があること。こう書いておけば、見る場所がそろいますね」

「評価基準は、全員が同じ方向を見るためのものさしです。『感じがよい』だけでは、人によって長さも重さも違います。でも、確認した行動なら、あとで理由をたどれます」

評価の尺度も決めた。1は面接で根拠が確認できない状態、2は一部だけ確認できた状態、3は基準を満たす具体例がある状態、4は複数の具体例があり、より高い水準を示した状態とした。

「点数だけを渡すと、数字がひとり歩きしそうです」

「だから、点数の横に根拠を置きます。根拠がないときは、無理に埋めず『未確認』にします」

午後、二人は社内のAzure OpenAI Service環境に、整理した面接記録と採用基準を入力した。送信前に、佐伯はプロンプトと呼ばれる指示文を画面に貼り付けた。

「あなたは合否を決めない。面接で確認できた発言と行動だけを使い、評価コメントの下書きを作る。印象や推測で補わず、根拠がない場合は『未確認』と書く。出力は、評価項目、面接で確認できた事実、採用基準との対応、懸念点、追加で確認したい事項、人事・面接官による最終判断の順にする」

「『論理的』『熱意がある』のような形容詞だけは、事実の後ろに置く。事実がない形容詞は使わない、と足しましょう」

佐伯が文を加え、送信ボタンを押した。しばらくして、整った文章が画面に現れた。

最初の下書きには、「候補者はチームを牽引する力が高く、課題解決力にも優れている」と書かれていた。美咲は一瞬、きれいな文章だと思ったが、元の記録を開くと、その候補者が話したのは、担当案件で一度、作業の順番を変えた経験だけだった。

「これは、言い過ぎですね。チームを牽引した事実は出ていません」

佐伯は画面の文章と、Teamsの記録を交互に見た。質問と回答の境目があいまいな行があり、面接官の言葉を候補者の発言として扱った可能性もあった。

「指示を書いただけでは足りませんでした。入力する記録の形も直しましょう」

二人は一度、出力を破棄した。候補者の回答を質問番号ごとに分け、発言の引用には「候補者・問4・回答」と出典を付けた。面接官の印象や評価メモは、事実の記録とは別の欄に移した。

さらに、プロンプトの最後に三つのルールを追加した。「根拠となる質問番号を各事実に付ける」「一つの発言から能力全体を推測しない」「合否や採用順位を出さない」というルールだった。佐伯は、懸念点にも「何が不足しているか」と「追加で聞く質問」を分けるよう指定した。

二度目の出力では、文章が少し短くなった。たとえば課題整理の欄には、「問2で、販売実績の低下を商品別に分け、原因を確認したと回答。採用基準の『事実と原因を分けて整理する』に対応する。一方、原因を検証した方法は未確認」と表示された。

美咲は元の録音を聞き直し、数字の一部が文字起こしと違っていることに気づいた。AIの文章を直すだけで終わらせず、根拠となる音声と照らし合わせて、数字を正しい内容に戻した。

「下書きは速くても、確認は省けませんね」

「ええ。AIは文章をそろえる係です。事実を確かめ、評価を決める係ではありません」

最後に、Excelの評価尺度と下書きの点数を照合した。AIが付けた「3」は、基準を満たす具体例が一つあるという意味だったが、面接官の佐藤は、追加質問をしたいとして「2」と記した。美咲は両方の理由を残し、最終判断の欄を空白のまま佐藤へ渡した。

夕方、佐藤は下書きに赤ペンを入れた。事実の引用には丸を付け、根拠のない表現には線を引いたあと、「追加面接で、原因検証の手順を確認する」と書き込んだ。

「前のシートより、どこを見て判断したかが分かります。AIの文章を採用したのではなく、確認する場所が見えるようになりました」

その日、三人は全社展開の話をしなかった。まずは同じ営業企画職の面接を数件だけ選び、記録の抜けや尺度のずれを確かめることにした。

美咲は修正済みのテンプレートをSharePointの権限付きフォルダーに保存した。画面には、六つの欄と、空白のまま残された最終判断欄が並んでいた。

「この空白があるから、安心できます」

窓の外では、駅へ向かう人の影が長く伸びていた。整ったコメントは、決められた答えではなく、面接官が事実を確かめて話し合うための新しい下書きになっていた。

翌週の月曜、採用チームは新しい面接記録で、整えた運用を試した。以前の画面には赤い付箋が重なっていたが、今朝の画面には、候補者の発言番号と評価項目が並んでいた。

美咲が面接記録を読み込むと、生成AIは決められた書式で下書きを返した。コメントの横には、根拠になった発言番号が小さく添えられている。

「前に出た『周囲と協力できる人物』という言葉も、今は発言が見えるね」

画面には、候補者が前の職場でトラブル対応をした場面が残っていた。候補者は、担当者を集め、役割を分け、対応後に関係者へ経過を共有したと話していた。

美咲は、その発言を読みながら、コメントの文を確かめた。そこには「関係者と役割を分担し、対応後の共有まで行った」とあり、印象だけでなく、行動に結びついていた。

次の評価項目では、AIの文が短かった。「協調性が高い」とは書かれず、「面接記録からは十分に確認できない」と表示されている。

「前なら、ここもきれいな言葉で埋めていたかもしれません」

佐伯はうなずき、画面の余白を指で示した。

「空欄は失敗じゃない。確認できなかったことを、確認できなかったまま残せたんだ」

その言葉を聞いて、美咲の肩から力が抜けた。AIが文章を上手にするほど、根拠のない評価まで自然に見えてしまう。その怖さを、チームは前の試行で知っていた。

午後の採用会議では、以前と違う順番で話が進んだ。前はコメントの言い回しを直す時間が長く、面接官同士が同じ候補者の印象を何度も説明していたが、この日は発言記録と評価基準の対応から確認できた。

「この項目は、質問が足りなかったのかもしれません」

面接官の一人が、評価欄を見ながら言った。美咲は、候補者の性格を推測する質問ではなく、実際の行動をたずねる質問に変える案を議事録へ残した。

評価コメントには、年齢や性別、家族構成、出身地は表示されない。録音を使う面接では、候補者への説明と同意を確認し、記録の保存場所、閲覧できる人、削除の手順も採用チーム内でそろえていた。

佐伯は、会議の最後に運用図を開いた。そこには、AIはコメントの草案と確認材料を出し、最終判断は人が行うと書かれていた。これは、生成AIを一次評価やコメント草案の提案役とし、人が最終判断を担うハイブリッド型評価の考え方にも沿っている。生成AI 評価制度とは何か？

美咲は、修正したコメントの横に理由を残した。「発言番号を追加」「協力行動の記録が不足」「質問を見直し」。AIの文章だけでなく、人がどこを直したかも、次の面接に引き継がれる。

その日の夕方、机に戻った美咲は、以前の評価シートを一枚だけ取り出した。赤い線の先には、「論理的」「話が長い」「協調性がある」という言葉が、根拠のないまま並んでいた。

今のシートでは、評価の言葉のそばに、候補者の発言と確認状況がある。赤い付箋は少なく、会議室に残った空気も静かだった。誰かの印象を消すのではなく、何を見てそう考えたのかを、同じ場所に置けるようになっていた。

生成AIによる面接記録や評価コメントの作成は、作業時間の短縮や評価基準の一貫性を支援する活用として紹介されている。採用で使えるAI活用術 ただし、このチームで変わったのは、AIが判断を代わったからではない。基準と記録と確認の手順が、毎日の仕事の中で少しずつ同じ向きを向き始めたからだった。

朝の採用部門では、面接を終えた画面に議事録と評価コメントの下書きが同じ形式で並んでいた。昨日まで自由記述の欄に向かっていた面接官たちは、今朝は画面の項目を上から順に確認していた。

画面の左には、候補者の発言と面接中に確認できた事実が表示されている。右には「評価項目との対応」「懸念点」「追加確認事項」が並び、AIが作ったコメントの下書きには、根拠となった発言への印がついていた。

「まず、事実から見ましょう。印象は、そのあとです」

美咲がそう言うと、佐伯は一つの行を指でなぞった。候補者が「前の職場では、問い合わせ内容を三つに分けて、担当者ごとに対応を変えました」と話した記録の下に、AIは「課題を整理して対応した」と書いていた。

「これは発言にある内容ですね。ただ、『高い論理性がある』まで書くのは少し強いかもしれません」

佐伯はその一文を削除し、「課題を分類し、対応方法を分けた」と入力した。面接官の一人が、評価項目の「課題整理」にチェックを入れ、別の面接官が「成果の大きさは、この発言だけでは判断しない」と補足した。

以前なら、会議は「この人は何となくよさそう」という言葉から始まっていた。今は、「この発言が、課題整理という基準に当たる」「成果については、追加確認が必要だ」と、事実と判断を分けて話している。

「AIが評価を決めているわけではないんですね」

若い面接官が尋ねると、美咲は画面の下を示した。そこには、空欄のまま残された「最終判断者」という欄があった。

「AIは議事録とコメントの下書きを作るだけです。違うところは削除します。最後に判断するのは、面接官と採用チームです」

佐伯は確認した評価を入力し、最終判断者の欄に自分の名前を入れた。下書きの文章が残っていても、根拠が見えなければ採用しない。その手順が、画面の中で静かに決まっていた。

休憩時間、美咲は参考資料のページを開いた。三越伊勢丹ヒューマン・ソリューションズの「JAPAN AI HR」導入事例には、導入前は面接対応が2名体制で、1人あたり約4時間かかっていたこと、導入後は1名体制となり、面接工数を約40％削減したことが紹介されていた。これは自分たちの成果ではなく、別の会社で確認された事例として、チームは数字を読み分けた。

別の調査資料には、人事領域におけるAI利用率は39.1％、その利用者の85.7％が効率化を実感したと記されていた。美咲は数字を見ながら、効率だけでなく、評価の根拠を話す時間が増えたことも、毎日の変化として記録しておこうと思った。

午後の面接が終わると、画面にはまた新しい発言が並んだ。面接官たちは迷った箇所に印をつけ、AIの文章を直し、最後にそれぞれの評価を入力した。

夕方になっても、美咲の机に赤い付箋の山はなかった。画面の中には、候補者の言葉と基準と判断が、離れすぎず、重なりすぎず、静かに並んでいた。美咲は保存ボタンを押し、次の面接の予定を確認した。

面接を終えた美咲は、白紙の評価シートを前に立ち止まらなくなった。席に戻ると、面接記録の画面を開く。そこには、候補者の発言、面接官の観察、評価項目が順番に並んでいた。

画面の右側には、生成AIが作った評価の下書きが表示されている。「表現力」の欄には、候補者の発言が引用され、その下に評価の理由が短く書かれていた。まだ確認できていない項目には、淡い黄色で「要確認」と印がついている。

美咲は、発言の録音とメモを見比べた。AIの文章に、記録にない推測はなかったが、評価の強さが少し合っていない箇所があった。彼女は文を直し、画面の承認欄に理由を残した。

「この表現なら、候補者が実際に話したことと、私たちの判断を分けて読めるね」

隣の席で、面接官の田中が自分の評価を確認していた。以前なら、「論理的」「話が長い」と書いた二つのコメントを、同じ長さに整えるだけで終わっていた。今は、どの発言が「理解力」や「表現力」の根拠になるのかを見ている。

田中は一つの質問を指で止めた。その質問への答えだけでは、候補者が状況に応じて考えを変えられるか判断しにくかった。

「この質問では、柔軟性までは見えないね。評価コメントではなく、質問のほうを直したほうがよさそうだ」

美咲は採用基準の画面を開いた。「柔軟性」の説明に、状況が変わったときの対応を聞く追加質問を加えた。質問項目にも、候補者の答えだけでなく、考えを修正した過程を確認する、と小さく書き足した。

少し離れた机では、佐伯が出力の記録を整理していた。面接官がどこを修正したか、AIが誤って読み取った箇所は何か、候補者からどんな問い合わせがあったかを、一つの一覧にまとめている。

「下書きの誤りは、消して終わりにしないんですか？」と美咲が聞いた。

「残しておくよ。次に同じ誤りを出さないためだ。それに、修正が何度も入る評価項目は、定義が曖昧なのかもしれないからね」

その午後、候補者から電話が入った。面接の録音をどのように扱うのか、評価にAIを使うのかを尋ねる内容だった。佐伯は、利用目的、確認する担当者、保存と閲覧の範囲を記した案内を手元に置き、落ち着いた声で説明した。

「AIは、発言を整理してコメントの下書きを作るために使います。合否を決めるのはAIではありません。面接官と採用責任者が記録を確認し、最後に判断します」

電話を終えると、佐伯は問い合わせの内容も一覧に記録した。説明の言葉が部署ごとに変わらないよう、案内文も少しだけ更新した。美咲はその横で、確認済みの記録に人の名前が残っているのを見つめた。

夕方になると、採用部門の会話は静かに変わっていた。誰の文章が上手いかではなく、採用基準の言葉は候補者のどんな行動を表すのか、次の面接で何を確かめるのかが話題になった。

美咲は最後の評価画面を閉じた。机の上には、以前のような赤い付箋の山はない。同じ項目で並んだ評価記録と、面接官が確認した印だけが、夕暮れの光を受けて残っていた。

画面には、次の面接に向けて更新された採用基準が表示されている。生成AIは発言と文章を整え、人は根拠を確かめ、問いと基準を少しずつ育てていく。美咲は照明を落とし、明日の面接記録を開くために、静かな部屋をあとにした。