【2026年最新】人事AI活用ガイド｜採用・評価・労務の使い分け

カテゴリ: AI導入戦略

更新日: 2026年8月21日

想定読了時間: 約25分

結論：人事部門のAI活用は「4領域の使い分け」で考えると迷わなくなります。

• 採用・評価・労務・研修は、それぞれ求められる粒度もリスクもまったく違う。1本のプロンプト集を全領域に当てはめようとすると失敗する
• まず自社が「Lv.1（定型文書の自動化）」「Lv.2（意思決定支援）」「Lv.3（戦略人事のAI化）」のどの段階にいるかを把握し、Lv.1から確実に進める
• 個人情報の取り扱いと評価バイアスの放置は、領域を問わず共通の最重要リスク。ここだけは全社共通ルールとして最初に決める

対象読者: 人事部門の担当者・マネージャー、総務・労務との兼務者、人事DXを推進する経営層

今日やること: この記事の「まず試したい5分即効テクニック」からプロンプトを1つコピペして、ChatGPTかClaudeに貼り付けてみてください。それだけで「人事×AIの第一歩」が踏み出せます。

先日、あるIT企業（従業員200名規模）で人事部門向けのAI研修を行ったときのことです。

研修の冒頭で「普段の業務で一番時間がかかっていることは何ですか」と聞いたら、人事課長さんが苦笑いしながらこう答えたんです。「中途採用のスカウトメール、毎回ゼロから書いてます。1通30分かかるので、10通送ると半日つぶれます」と。正直、これを聞いたとき「ああ、まだこんなに手作業なのか」とヒヤッとしました。だって、その30分の大半は「文面の構成を考える時間」であって、候補者ごとの個別情報を調べる時間ではなかったんです。つまり、AIに任せられる部分がかなり大きい。

実際にその場で生成AIにスカウトメールのテンプレートを作らせたら、5分で8パターンできあがりました。課長さん、「え、これ私が3時間かけて作ったやつより良くない……？」って、ちょっとショックを受けてました（笑）。

これは決して珍しい話ではありません。僕はこれまで100社以上の企業でAI研修・導入支援を行ってきましたが、人事部門は「最もAIの恩恵を受けやすい部門」の一つだと確信しています。ただし1つだけ注意が必要です。「人事×AI」とひとくくりに語られがちですが、実際には採用・評価・労務・研修という性質の異なる4領域の集合体で、それぞれ求められる粒度もリスクの重さも違います。この記事では、AI導入戦略ガイドの人事特化版として、「4領域の使い分け方」「すぐ使えるプロンプト」「個人情報保護と評価バイアスの実務ライン」まで、全部お伝えします。

人事×AIの全体像 — なぜ「使い分け」が必要なのか

まず2026年8月現在の状況を数字で押さえておきます。Works Human Intelligence（WHI総研）が「COMPANY」利用中の顧客56法人・64名を対象に2025年8月〜10月に実施した調査によると、社内で生成AIを「全社に公開している」と回答した法人は75.0%に達し、2024年3月調査時点の38.8%からおよそ倍増しています^[1]。つまり「使うかどうか」の議論はほぼ終わり、「どう使い分けるか」の段階に移っている、というのが実務的な現在地です。

ここで大事なのが、「人事×AI」を1つの塊として扱わないことです。採用は候補者という社外の個人情報を扱い、評価は公平性が問われ、労務は法令準拠が絶対条件、研修は比較的自由度が高い——それぞれ性質がまったく違います。下の図は、この記事が扱う4領域と、それぞれの主な用途を整理したものです。

4領域それぞれについて、Uravationではすでに専門記事で深掘りしています。この記事は「まず何から手をつけるか」を判断するための入口として、各領域の代表的な使い方と、領域を横断する共通の注意点（個人情報保護・評価バイアス）に絞ってお伝えします。各領域をさらに深く知りたい場合は、以下の専門記事もあわせてご覧ください。

• 採用領域を深く知りたい方へ：採用AI完全ガイド｜スカウト・スクリーニング・面接
• 評価コメントのプロンプトをもっと知りたい方へ：生成AIで人事評価を効率化するプロンプト5選
• 1on1・面談準備を効率化したい方へ：AIで1on1・人事評価を整える5プロンプト
• 面接の質問設計を深掘りしたい方へ：AIで採用面接の質問設計｜評価ブレを減らす5プロンプト

まず試したい「5分即効テクニック」3選

「理論はあとでいい。まず1つ、試してみよう。」

研修でいつもお伝えしているのがこれです。人事の方は真面目な方が多いので、「まずガイドラインを作らないと……」と構えがちなんですが、まずは自分の業務で小さく試すのが一番の近道です。以下の3つは、どれも個人情報を使わずに試せるものを選びました。

テクニック1：求人票のたたき台を3分で作る

求人票って、毎回似たような構成なのに、書き出すと意外と時間がかかりますよね。これ、AIに骨格を作らせるだけで圧倒的に楽になります。

あなたは採用マーケティングの専門家です。
以下の条件で求人票のたたき台を作成してください。

【条件】
- 職種: [ここに入力（例：Webマーケティング担当）]
- 雇用形態: [正社員/契約社員/業務委託]
- 必須スキル: [ここに入力]
- 歓迎スキル: [ここに入力]
- 年収レンジ: [ここに入力]
- 会社の強み・特徴: [ここに入力]
- トーン: カジュアルだが信頼感のある文体

【出力形式】
1. キャッチコピー（3案）
2. 仕事内容（箇条書き5〜7項目）
3. 求める人物像（箇条書き3〜5項目）
4. このポジションの魅力（3項目、候補者目線で）
5. 選考フロー

不足している情報があれば、最初に質問してから作業を開始してください。

ポイント: 会社名や具体的な内部情報を入れなくても、職種とスキル要件だけでかなり実用的な下書きが出てきます。ここから自社の情報を足していけばOKです。求人票の的確表示（職業安定法上の義務）を満たしているかは、最終的に必ず人が確認してください。

テクニック2：面接評価シートのフォーマットを一瞬で作る

「面接のたびに評価基準がバラバラ」という悩み、よく聞きます。AIで標準フォーマットを作ってしまいましょう。

あなたは人事制度設計の専門家です。
以下の条件で面接評価シートのテンプレートを作成してください。

【条件】
- 対象ポジション: [ここに入力（例：営業職 中途採用）]
- 面接段階: [一次面接/二次面接/最終面接]
- 評価項目数: 5〜7項目
- 各項目に5段階評価と評価基準の具体例を含める
- 面接官が記入しやすいよう、チェック式＋コメント欄の構成にする

【出力形式】
表形式（評価項目 / 評価基準 / 5段階 / コメント欄）

不足している情報があれば、最初に質問してから作業を開始してください。

ポイント: 一度作ったテンプレートをベースに、ポジションごとにカスタマイズしていくのが効率的です。「ゼロから毎回作る」から「AIの下書きを編集する」にワークフローを変えるだけで、かなりの時間短縮になります。面接での質問内容は、職業安定法の指針で禁止されている項目（本籍・出生地、思想・信条、家族状況など）に触れていないかも、テンプレート化のタイミングで一緒にチェックしておくと安全です。

テクニック3：研修アンケートの集計＆示唆出しを自動化する

研修後のアンケート、集計して報告書にまとめるの、地味に大変ですよね。自由記述のコメントをカテゴリ分けするだけでも一苦労。これもAIが得意な領域です。

あなたは研修効果測定の専門家です。
以下の研修アンケート結果を分析してください。

【アンケート結果（自由記述）】
（ここにアンケートのコメントを貼り付け）

【分析してほしいこと】
1. コメントを「満足点」「改善要望」「質問・疑問」の3カテゴリに分類
2. 各カテゴリの上位3つの傾向を抽出
3. 次回研修への改善提案を3つ
4. 経営層への報告用サマリー（5行以内）

※ アンケートに個人名が含まれている場合は、必ずマスク処理してからAIに入力してください。
不足している情報があれば、最初に質問してから作業を開始してください。

ポイント: 自由記述の分析は人間がやると主観が入りがちですが、AIを使うと網羅的かつ一貫した基準で分類してくれます。ただし、AIの分析結果は「たたき台」として使い、最終判断は人間が行うのが鉄則です。

人事AI活用「3段階ロードマップ」フレームワーク

「で、うちの人事部は何から始めればいいの？」

研修先でよく聞かれる質問です。答えは「自社の現在地を把握してから、段階的に進める」なんですが、抽象的すぎますよね。そこで、僕が顧問先で使っている「3段階ロードマップ」フレームワークをご紹介します。

まず目指すべきはLv.1です。 ここで「AIって使えるじゃん」という成功体験を積んでから、Lv.2に進む。いきなりLv.3を目指すと、「結局使いこなせなかった」となりがちです。

顧問先のIT企業（従業員150名規模）の人事部長から相談を受けたんですが、「経営層から『AIで離職予測をやれ』と言われたが、そもそもデータが整理されていない」という状況でした。これ、典型的な「Lv.1をスキップしてLv.3に飛ぼうとした」パターンです。まずはLv.1で求人票やスカウトメールの効率化を実現し、その成果を見せてから段階的にレベルを上げていく。この順番が大事なんです。

領域別の使い分け方 — 採用・評価・労務・研修

ここからは4領域それぞれの「代表的な使い方」を紹介します。全部を深掘りすると本1冊分になってしまうので、この記事では各領域1〜2個の代表プロンプトに絞り、続きは専門記事へのリンクで補完する構成にしています。

採用領域：スカウトメールの個別最適化

あなたは採用広報の専門家です。
以下の候補者情報をもとに、パーソナライズされたスカウトメールを作成してください。

【候補者情報】
- 現職: [ここに入力（例：SaaS企業のカスタマーサクセス）]
- 経験年数: [ここに入力]
- 注目スキル/実績: [ここに入力]
- 転職意欲の温度感: [積極的/潜在的/不明]

【募集ポジション】
- 職種: [ここに入力]
- このポジションの魅力: [ここに入力]

【メールの条件】
- 文字数: 300〜400字
- トーン: 丁寧だが堅すぎない
- 候補者の経験に対する具体的な言及を含める
- 「一度カジュアルにお話しませんか」で締める
- 3パターン作成（切り口を変えて）

※ 候補者の個人情報は必ずマスク処理してから入力してください。
不足している情報があれば、最初に質問してから作業を開始してください。

活用のコツ: スカウトメールは「量」と「質」のバランスが命です。AIでベースを作り、候補者の経歴を見ながら人間が1〜2文だけ手で追加する。このハイブリッド方式が最も返信率が高いです。僕の顧問先では、この方法でスカウトメールの返信率が従来比で約1.4倍（8%→11%）に改善しました（※3か月間、対象200通での比較。プロンプト改善と送信タイミングの最適化を同時実施したため、AIプロンプトのみの効果ではありません）。面接の質問設計・書類選考のプロンプトをさらに知りたい方は、AIで採用面接の質問設計｜評価ブレを減らす5プロンプトと採用AI完全ガイドもあわせてどうぞ。

評価・1on1領域：評価コメントのブラッシュアップ

あなたは人事評価制度の専門家です。
以下の評価コメントの下書きをブラッシュアップしてください。

【元のコメント（下書き）】
（ここに自分が書いた評価コメントの下書きを貼り付け）

【ブラッシュアップの方向性】
- 具体的な行動事実に基づいた記述にする
- 「がんばった」「よくやった」等の抽象表現を、具体的な成果や行動に置き換える
- 改善点はポジティブな表現で（「〜ができなかった」→「〜に取り組むことで更なる成長が期待できる」）
- 次期の期待・目標設定につながる記述を含める
- 文字数: 200〜300字

※ 重要: 被評価者の氏名・社員番号等の個人情報は必ずマスク処理してから入力してください。「Aさん」等の仮名を使ってください。
不足している情報があれば、最初に質問してから作業を開始してください。

活用のコツ: 評価コメントのブラッシュアップは、人事AI活用の中で最も即効性が高いテクニックの一つです。先日の人事向けAI研修で、参加者の方から「評価コメント書くのに毎回2時間かかるんですが、AIで時短できますか」と質問されたんです。実際にやってもらったら、下書き＋AI校正で30分に短縮できた。ただし、評価の判断そのものをAIに任せるのは絶対NGです。AIはあくまで「文章表現の改善」に使い、評価の内容は人間が責任を持つ。この線引きは、次の章でさらに詳しく扱います。評価シート・フィードバック文のプロンプトをもっと知りたい方は生成AIで人事評価を効率化するプロンプト5選、1on1の準備を効率化したい方はAIで1on1・人事評価を整える5プロンプトを参考にしてください。

労務領域：就業規則の改定案チェック

あなたは労務管理と就業規則の専門家です。
以下の就業規則の改定案について、チェックポイントを洗い出してください。

【改定案の概要】
（ここに改定予定の条文や概要を貼り付け）

【チェックしてほしい観点】
1. 労働基準法との整合性（明らかな違反がないか）
2. 既存の条文との矛盾・重複
3. 従業員にとってわかりにくい表現
4. 想定されるトラブルケース
5. 労使間で合意が必要なポイント

【注意事項】
- これは法的助言ではなく、チェックの「たたき台」として使います
- 最終的な判断は社労士または弁護士に確認します
- 具体的な社名・個人名は含めないでください

不足している情報があれば、最初に質問してから作業を開始してください。

活用のコツ: 就業規則のAIチェックは「見落とし防止」として非常に有効ですが、AIの出力を法的根拠としてそのまま使うのは絶対にNGです。必ず社労士や弁護士のレビューを通してください。社労士事務所側でのAI活用（助成金・就業規則・労務相談）を知りたい方は社労士事務所の労務対応とAI活用も参考になります。

研修・育成領域：1on1ミーティングのアジェンダ作成支援

あなたはピープルマネジメントの専門家です。
以下の状況に合わせた1on1ミーティングのアジェンダを作成してください。

【状況】
- 部下の役職/経験: [ここに入力]
- 最近の状況: [ここに入力（例：大型プロジェクトが一段落、やや燃え尽き気味）]
- 前回の1on1からの経過: [ここに入力]
- 今回特に確認したいこと: [ここに入力]

【出力形式】
1. アイスブレイク（2分）: 具体的な話題の案
2. 前回のフォローアップ（5分）: 確認すべきポイント
3. 今回のメイントピック（15分）: 質問リスト（オープンクエスチョン）
4. キャリア・成長の話題（5分）: 聞き方の例
5. クロージング（3分）: 次のアクション確認

※ 部下の個人評価情報は入力せず、状況の概要のみで依頼してください。
不足している情報があれば、最初に質問してから作業を開始してください。

活用のコツ: 1on1のアジェンダをAIに作らせると、「聞き忘れ」が減ります。特にオープンクエスチョンの設計は、AIが得意な領域。ただし、1on1の内容そのもの（部下の発言内容や評価）をAIに入力するのは避けてください。

人事評価にAIを使うときに必ず注意すべき「評価バイアス」

ここは、この記事の中で一番強調したいセクションです。人事×AIの失敗事例の多くは、プロンプトの巧拙よりも「AIに何を判断させたか」で起きます。

生成AIは大量のテキストデータから学習しているため、学習データに含まれる社会的な偏見やステレオタイプが、出力に反映される可能性があります。人事評価・採用選考は「人の処遇や人生に直結する判断」であるため、このリスクを軽視できません。厚生労働省の職業安定法に基づく指針でも、募集・採用にあたって本籍・出生地、思想・信条、支持政党、家族状況といった、社会的差別の原因となるおそれのある事項は収集してはならないとされています^[2]。AIに候補者情報を要約・比較させる際も、この考え方をそのまま適用する必要があります。

評価バイアスを防ぐ3つの実務ルール

1. 「判断」ではなく「情報整理」に使う：「この5名の中から最適な人を選んで」とAIに聞き、その回答をそのまま採用・昇格判断に使うのは避けてください。「この5名について、〇〇の観点で比較表を作って」と依頼し、その表を参考に人間が判断する、という順序を守ります
2. 禁止的な属性情報を入力・参照させない：本籍・出生地、思想・信条、支持政党、家族状況、労働組合への加入状況など、職業安定法の指針で収集を控えるべきとされている情報は、AIへの入力・要約対象にも含めません
3. 最終判断の記録を残す：AIの出力を参考にした場合でも、最終的にどの人間が・どの基準で・なぜその判断をしたかを記録に残します。判断根拠が説明できる状態を保つことが、後からの検証・異議対応の両方で重要です

顧問先で実際にあった相談ですが、ある企業の人事担当者が「候補者5名の書類をAIに読み込ませて、誰が一番優秀か判定してほしい」という使い方を検討していました。研修中にこの使い方は止め、「比較軸を整理させる」使い方に変更してもらいました。AIに”順位”や”合否”そのものを出させるのではなく、判断材料の整理までに役割を限定する——これが評価バイアスを防ぐ最も現実的なラインです。

人事データ×AI — 個人情報保護の実務ライン

人事部門がAIを使ううえで、避けて通れないのがセキュリティの話です。「便利だから使いたい」と「情報漏洩が怖い」の間で悩んでいる人事担当者、本当に多いです。ここでは、僕が顧問先で実際に策定を支援した運用ルールのエッセンスをお伝えします。

人事データの分類と取り扱いルール

推奨する運用ルール（5つの原則）

1. 入力前チェックの習慣化: AIに入力する前に「この文章に個人を特定できる情報が含まれていないか」を必ず確認する。チェックリストを作って物理的に確認するのが最も確実
2. 法人向けプランの利用: ChatGPT Team/Enterprise、Claude for Business等の法人プランは、入力データがモデルトレーニングに使用されない設定になっている。無料版や個人プランの業務利用は禁止が望ましい
3. 出力の社外持ち出し禁止: AIが生成した人事関連の文書は、社内利用に限定。SNSやブログへの転載は禁止
4. ログの保管: 重要な業務（採用判断の参考、評価コメントのブラッシュアップ等）でAIを使った場合は、プロンプトと出力を記録として保管する
5. 定期的なルール見直し: AIの進化は速い。3〜6か月に一度、運用ルールが実態に合っているか見直しを行う

【要注意】人事AI活用でやりがちな失敗パターン

ここからは、少し耳が痛い話をします。研修先で実際に見た（あるいは相談を受けた）失敗パターンです。「自分はやらないだろう」と思うかもしれませんが、意外と多くの人事担当者がやってしまうんです。

失敗パターン1：個人情報をそのままAIに入力してしまう

❌ NG例: 「佐藤太郎さん（35歳、年収600万円、東京都港区在住）の評価コメントをブラッシュアップして」とChatGPTに入力

⚪ OK例: 「Aさん（30代、営業職、中堅レベル）の評価コメントをブラッシュアップして」と匿名化して入力

これ、冗談じゃなく本当に多いんです。研修先で実際にあった事例ですが、ある人事担当者がChatGPTに社員50名分の評価データ（氏名・社員番号・評価点・コメント付き）をExcelからコピペして分析させようとしていました。研修中だったのでその場で止めましたが、ヒヤッとしました。ChatGPTの無料版やTeamプランでは、入力データがモデルのトレーニングに使われる可能性があります（設定で無効化は可能）。人事データは最もセンシティブな個人情報の一つ。「とりあえず匿名化」を徹底するだけで、リスクの9割は防げます。

失敗パターン2：AIの出力をそのまま「最終版」として使う

❌ NG例: AIが作った求人票をそのまま掲載。実際の業務内容と微妙にズレた記述があり、入社後のミスマッチに

⚪ OK例: AIの下書きをベースに、現場マネージャーにレビューしてもらい、実態に合わせて修正してから掲載

AIは「それっぽい文章」を作るのが得意ですが、「自社の実態」を知りません。特に求人票や就業規則のような文書は、一字一句が候補者や従業員との「約束」になります。AIの出力は「たたき台」であり、人間のレビューは必須です。

失敗パターン3：評価や選考の「判断」をAIに丸投げする

❌ NG例: 「この5名の候補者の中から最適な人を選んで」とAIに聞き、その回答をそのまま採用判断に使う

⚪ OK例: 「この5名の候補者について、〇〇の観点で比較表を作って」とAIに依頼し、その表を参考に人間が判断する

前章の「評価バイアス」で解説した通り、AIは「情報整理」に使い、「判断」は人間が行う。この原則は何度強調してもしすぎることはありません。

失敗パターン4：全社展開を急ぎすぎて現場が混乱する

❌ NG例: 経営層の号令で「来月から全部門でAI活用」。ガイドラインもトレーニングもなし

⚪ OK例: まず人事部内の2〜3名で1か月トライアル → 効果検証 → ガイドライン策定 → 段階的に展開

これも研修先でよく見るパターンです。経営層が「うちもAIやらないと」と焦って、準備なしに全社展開を指示する。結果、現場は「何に使えばいいかわからない」「ルールがないから怖くて使えない」となり、形骸化する。スモールスタート → 成果の可視化 → 段階展開が鉄板です。

導入企業はどんな成果を出しているのか

「で、実際にどのくらい効果があるの？」と聞かれることが多いので、僕が関わった企業での成果データをいくつか共有します。

注意: 以下のデータは、AIプロンプトの活用だけでなく、業務プロセスの見直しやツール導入など複数の施策を組み合わせた結果です。「AIだけで劇的に改善した」というわけではなく、AI活用を含む業務改善全体の成果として捉えてください。

繰り返しになりますが、これらの数字は「AIだけの効果」ではありません。業務フローの見直し、テンプレートの整備、担当者のスキルアップなど、複合的な要因が絡んでいます。ただ、逆に言えば、AIを「入口」にして業務改善全体が動き出すというのが、僕が見てきた多くの企業に共通するパターンです。

よくある質問（FAQ）

Q1. 人事業務におけるAIの活用事例は？

大きく4つの領域に分かれます。①採用（求人票・スカウトメール・面接質問設計の下書き）、②評価・1on1（評価コメントのブラッシュアップ、面談アジェンダ作成）、③労務（就業規則チェックのたたき台、従業員FAQ生成）、④研修・育成（カリキュラム設計支援、アンケート分析）です。詳しいプロンプト例は本記事の「領域別の使い分け方」で紹介しています。

Q2. 人事評価にAIを活用するにはどうすればいいですか？

評価コメントの文章表現をブラッシュアップする用途から始めるのが安全です。「評価の判断」そのものをAIにさせず、「文章の質を上げる」「比較の観点を整理する」役割に限定してください。氏名等の個人情報は必ず匿名化してから入力します。詳しくは本記事の「評価バイアス」の章を参照してください。

Q3. 人事の仕事がAIに奪われるのでは？

正直に言うと、「定型作業」は確実にAIに置き換わります。求人票のテンプレ作成、評価コメントの文章校正、FAQ対応などは、今後AIがメインで担うようになるでしょう。でも、「人を見る力」「組織の空気を読む力」「経営と現場をつなぐ力」は、AIには代替できません。むしろ、定型作業をAIに任せることで、人事担当者がこれらの本質的な業務に集中できるようになる。AIは「脅威」ではなく「味方」です。

Q4. 小規模企業（50名以下）でも導入する意味はありますか？

むしろ小規模企業のほうがメリットが大きいです。大企業には専任の採用担当や制度設計担当がいますが、中小企業では1人の人事担当者が採用・研修・評価・労務を全部やっている。その「1人人事」の生産性を上げる手段として、AIは最強のパートナーです。

Q5. 労働組合や従業員代表への説明はどうすればいいですか？

「AIで人を減らすためではなく、人がより価値の高い仕事に集中するために導入する」というメッセージが基本です。具体的には、①導入目的の明確化（どの業務に、なぜ使うのか）、②データの取り扱いルールの開示、③評価や処遇の判断にはAIを使わないことの明言、この3点をセットで説明するとスムーズです。

Q6. AI人事のデメリットは？

3点あります。①出力の正確性を保証しない（自社の実態と異なる下書きが出ることがある）、②学習データ由来のバイアスが混ざりうる（評価・選考の”判断”に使うと危険）、③導入・運用ルール整備にそれなりの工数がかかる（ノールールで使い始めると個人情報事故につながる）。いずれも「AIに判断させない」「匿名化を徹底する」「小さく始める」の3原則を守れば実務上コントロール可能なリスクです。

人事×AI、遠回りしないための3つの判断軸

最後に、100社以上の支援経験から見えてきた「Uravationならこう判断する」という基準を3つ共有します。ツール選定や導入順序で迷ったときの目安にしてください。

• 判断軸1：出力が「文章」か「判断」かで分ける——求人票のたたき台や評価コメントの表現改善のような「文章」の生成はAIに任せてよい。誰を採用するか、誰を評価Aにするかという「判断」は人が行う。この一線を越えるツール・使い方は避ける
• 判断軸2：入力データが「個人」を特定できるかで分ける——部門集計・一般的な制度説明はそのまま入力可、評価コメントや1on1メモのような個人が紐づく情報は匿名化必須、氏名・健康情報・思想信条は入力そのものを禁止する。この3分類を全社共通ルールとして最初に決める
• 判断軸3：Lv.1で成果が出るまでLv.2に進まない——離職予測やスキルギャップ分析のような高度な活用（Lv.3）に飛びつく前に、求人票・スカウトメール・評価コメントの下書きのようなLv.1の定型業務で「使えるじゃん」という成功体験を積む。データが未整備なままLv.3を目指すと、ほぼ確実に頓挫する

まとめ：今日から始める3つのアクション

ここまで読んでくださり、ありがとうございます。情報量が多かったと思うので、最後に「今日やること」を3つに絞ります。

1. 「5分即効テクニック」のプロンプトを1つ、今すぐ試す: 求人票のたたき台作成がおすすめ。5分でできます。個人情報は入れなくてOK
2. 自社が3段階ロードマップのどこにいるか整理する: Lv.1（定型文書の自動化）ができていなければ、まずそこから。Lv.3の話は後回しでOKです
3. 「人事データの分類と取り扱いルール」の表を、チーム内で共有する: 「何をAIに入力していいか、何がダメか」の基準を最初に共有しておくだけで、安心して使い始められます

人事部門のAI活用は、まだ始まったばかりです。「完璧に使いこなす」必要はありません。まず1つのプロンプトを試して、「おお、これ使えるじゃん」と感じるところから始めてみてください。

もし「自社の人事部門にAIをどう導入すればいいかわからない」「個人情報保護・評価バイアスのガイドライン策定を手伝ってほしい」という方は、お気軽にご相談ください。100社以上の導入支援経験をもとに、御社の状況に合った進め方をご提案します。

次回予告: 次回は「営業部門 × 生成AI」をテーマに、提案書作成・商談準備・CRMデータ分析のプロンプト集をお届けします。お楽しみに。

参考・出典

• [1] 大手企業の人事業務における生成AI利用に関する意識調査【WHI総研】 — Works Human Intelligence（参照日: 2026-08-21）
• [2] 求職者等の個人情報の取り扱いに関する指針 — 厚生労働省（参照日: 2026-08-21）

著者プロフィール

佐藤傑（さとう・すぐる）
株式会社Uravation代表取締役。X（@SuguruKun_ai）フォロワー約10万人。
100社以上の企業向けAI研修・導入支援。著書『AIエージェント仕事術』（SBクリエイティブ）。
SoftBank IT連載7回執筆（NewsPicks最大1,125ピックス）。
ご質問・ご相談は お問い合わせフォーム からお気軽にどうぞ。