「ウチもAI採用とかやったほうがいいのかな、と思ってるんですけど、何から始めればいいか分からなくて」
中小企業の社長や、ひとり人事の方からこの相談を受けることが、ここ数ヶ月で明らかに増えた。
採用AIと聞くと、面接動画の表情分析やAIによる適性判定といった、派手で重いイメージが先に立つ。けれど、私が中小企業の採用AI内製化で最初に提案するのは、もっと地味で確実なステップだ。
応募書類処理のAI化——ここから始める。
理由はシンプルで、
- 効果が時間短縮として数字で見えやすい
- 失敗してもリスクが小さい（最終判断は必ず人間が握る前提で組める）
- ひとり人事の「いちばん消耗している作業」に直接効く
の3点が揃っているからだ。
なぜ「応募書類処理」が最初の一手なのか
中小企業のひとり人事に「いちばん時間を取られている採用業務は何か」を聞くと、こういう答えが返ってくることが多い。
「応募が来た書類を、Excelに転記する作業ですかね。履歴書のPDFを開いて、氏名・年齢・経歴を1人ずつ転記して、メモ欄にざっくり所感を書いて。月に20人くらい応募があって、1人20分くらい使ってます」
1人20分×20人で、月およそ7時間。
これは「採用に直接効いている時間」ではない。応募が来たあとに発生する事務作業だ。本当に時間を使うべき面接準備や口説きには、ここを削った残りで取り組むことになる。
ここをAI化すると何が起きるか。応募書類のPDFを所定フォルダに入れる → AIが自動でテキスト化 → 自社の評価軸で要約と一次仕分け → スプレッドシートに自動転記、までが数分で終わる。
応募1件あたり20分が2〜3分に縮む。月7時間が、月30分前後になるイメージだ。
しかも、ひとり人事がいちばん疲弊する「同じ作業の繰り返し」が消える。判断と口説きに時間を回せる。
Step1の進め方——3週間で組み上げる
順番はだいたい以下の3週間に分かれる。
Week 1：現状フローの可視化と「評価軸」の言語化
最初にやるのは、AIを触ることではない。
今、自社が応募書類を見るときに、何を見ているかを言葉にすることだ。
これは想像以上に難しい。多くの中小企業では、応募書類の評価が「ひとり人事の頭の中の暗黙知」になっている。
- 経歴は最低何年あればいいのか
- どの業界の経験を加点するのか
- 志望動機の何を見ているのか
- 「この人やめとこう」と思うシグナルは何か
これを5〜10項目に整理して、社長と人事担当者で合意する。1〜2時間の打ち合わせで言語化できることが多い。
ここを飛ばして「AIに任せれば判断してくれる」と思うと、必ず失敗する。AIは自社の評価軸を知らない。自社の言葉で評価軸を持っていない会社は、AIを入れても結局「AIの出力が当てにならない」と感じることになる。
Week 2：応募書類のテキスト化と要約を試す
評価軸が言語化できたら、実際にAIを動かしてみる。
直近のClaude（Anthropic）やGPT（OpenAI）は、応募書類のPDFスキャン画像を読み取って構造化する精度がかなり上がっている。たとえばClaude Opus 4.7（2026年4月リリース）は高解像度の画像認識に対応していて、紙の履歴書をスキャンしたPDFでも十分に読める。
最初の1週間は、過去の応募書類10件程度を使って、
- 自社の評価軸での要約が出るか
- 一次仕分け（「会いたい／保留／見送り」の3段階）の精度はどうか
- 出力フォーマットがスプレッドシートに転記しやすいか
を試す。
ここで重要なのは、最終判断は必ず人間が握る前提で組むこと。AIに「採用可否」を判断させるのではなく、「人間が判断するための一次情報を整える」役割に固定する。
EU AI法では、職場での感情認識AI（表情・声調・身体反応から感情を推測するシステム）は2025年2月から既に使用禁止になっている（Article 5 禁止行為）。さらに、採用・選考・候補者評価に使われるAI全般は「高リスク」分類で、リスク評価・バイアステスト・人間監視・透明性開示・継続モニタリングの義務が2026年8月2日から本格適用される。日本にはまだ直接の規制はないが、最初から「人間監視あり」の運用設計にしておくほうが安全だ。
Week 3：運用フローへの組み込みと担当者トレーニング
ツールでの動作確認ができたら、日常業務に組み込む。
- 応募書類が届く既存の経路（自社サイト・採用媒体・紹介）から、所定のフォルダにPDFを保存する運用ルール
- そのフォルダを1日1回バッチ処理する仕組み（最初は手動でも可）
- AI出力を貼り付けるスプレッドシートのフォーマット
- ひとり人事が「最終確認」をするチェック項目
をセットで組む。
そして、担当者が自分で動かせる状態にする。ここがStep1の最終ゴールだ。
伴走者が動かすツールではなく、社内の担当者が動かすツール。ズレが出たときに評価軸を自分で更新できるツール。ここまで作って初めて「内製化」と言える。
現場で詰まる3つの失敗パターン
Step1で多くの会社が詰まるポイントを挙げておく。
失敗1：評価軸を言語化せずにAIを触り始める
「とりあえずChatGPTに履歴書を貼って要約してもらう」から始めて、出力に「なんかちょっと違うんだよな」と感じて、そのままフェードアウトする。圧倒的に多い詰まり方だ。
評価軸が言語化されていないと、AIの出力に対する「合っている／違う」の判断ができない。判断できないものに信頼は積まれない。
失敗2：「AIに判断させる」発想で組む
「AIが最終判断してくれたら楽だな」と最初は思う。多くの社長が通る発想だ。
ただ、中小企業の採用ではほぼ機能しない。理由は2つある。
ひとつは、サンプル数が少なすぎてAIが自社のパターンを学習できないこと。中小企業の年間採用は数人〜数十人。これでは「合格者の傾向」を統計的に抽出する材料にならない。
もうひとつは、責任の所在が曖昧になること。AIが判定した結果で見送った候補者から問い合わせがあったとき、「AIが」と答える会社に応募者は来なくなる。最終判断は人間が握り、AIは一次情報の整理に徹する——この構造がいちばん運用が長続きする。
失敗3：「とりあえず汎用ChatGPTで」から動かない
汎用ツールを契約して、毎回プロンプトを書いて応募書類を処理する運用は、続かない。3週間で疲れる。
自社の評価軸が組み込まれた、自社専用の動くツール——これを作る方向に最初から振り切るほうが、結果的に早い。最初の3週間で組み上がってしまえば、その後は「PDFをフォルダに入れる」だけで運用が回る。
ひとり人事が今日から試せること
最後に、明日から始められるアクションを3つだけ挙げておく。
① 「自分は応募書類の何を見ているか」を5項目以内で書き出す これだけで、AIを入れる前に頭の整理ができる。
② 過去3ヶ月の応募書類PDFを10件、手元に揃える 評価軸が言語化できたら、この10件をテストデータに使う。
③ Claude（Anthropic）かChatGPT（OpenAI）の有料プランを契約する 最低限の道具がないと検証が進まない。
ここまでは、社外に頼まなくても自社でできるStep1の準備だ。
まとめ——応募書類処理は、採用AI内製化の「最初の勝ち筋」
中小企業の採用AI内製化を、面接AIや動画分析から始めると、ほぼ確実に空中分解する。規制リスクが大きく、検証が難しく、効果が見えにくい。
応募書類処理から始めると、
- 効果が時間短縮で数字に出る
- 規制リスクが低く、人間監視の構造が組みやすい
- ひとり人事の消耗を直接削れる
の3点が揃う。最初の勝ち筋として、現時点で最も再現性が高い領域だと思っている。
3週間で組み上げて、月7時間を取り戻す。その時間を、本当に効く面接準備と候補者の口説きに回す。
それが、中小企業の採用AI内製化のStep1だ。
