AIによる書類選考はどこまで任せられるか——ソフトバンク75%削減とAmazonの失敗から引く「境界線」

2018年10月、ロイターが報じた一本の記事が採用業界をざわつかせました。Amazonが秘密裏に開発していたAI採用ツールが、「女性チェス部の部長」のような女性に関連する語を含む履歴書を低く評価する偏りを持っていて、修正できずに廃棄された、という内容です（出典: ロイター 2018年、Business Insider Japan）。

この話、「だからAIに書類選考をさせるな」という教訓として引用されがちですよね。でも、それは半分しか合っていないと私たちは考えています。同じ時期、ソフトバンクは新卒エントリーシートの確認にAIを導入して、選考にかける時間を約75%削減しました（出典: ソフトバンク 2017年公表・IBM Watson活用）。片方は廃棄し、片方は成果を出した。分かれ目は技術力ではありません。AIに「判断」を渡したか、「作業」を渡したかの違いです。この記事では、その境界線がどこにあるのかを、数字と事例で引いていきます。

書類選考は、実は「読む」工程ではない

採用担当の実感としても、書類選考の大半は「読んで唸る」時間ではなく、「探して並べる」時間ではないでしょうか。職務経歴書のフォーマットは応募者ごとにバラバラで、必要な情報（経験年数、扱った技術、マネジメント経験、在籍期間）を拾い出すだけで1通あたり数分かかります。応募が月に数百件あれば、それだけで一人分の稼働が消えてしまう計算です。

つまり書類選考は、「判断」の手前に大量の「構造化作業」が挟まっている工程なんです。そしてAIが得意なのは、まさにこの構造化のほうです。

整理すると、書類選考のAI活用には3つの層があります。1層目は情報の構造化。バラバラの書類から経験・スキル・在籍期間を抽出して一覧にします。2層目は要件との突合。「必須: 法人営業3年以上」のような機械的に判定できる条件との合致を確認し、候補を並べ替えます。3層目が合否の判断。ここだけは性質が違います。1〜2層目は間違えても人が拾えますが、3層目をAIに渡すと、間違いが「選考結果」としてそのまま外に出てしまいます。

成功と失敗を分けたもの

3社の事例を並べると、境界線がはっきり見えてきます。

ソフトバンクの設計で注目すべきは、削減率よりも運用ルールのほうです。同社はAIが「合格基準を満たす」と判定したESを通過させる一方で、「不合格」と判定されたものは必ず人が再確認します。つまりAIには「通す」権限しか与えず、「落とす」判断は人が握ったわけです。書類選考で取り返しがつかないのは、良い候補者を誤って落とすこと。そのリスクだけを人間側に残した設計になっています。

Amazonはその逆をやろうとしました。過去10年分の履歴書、つまり男性が大半を占める過去の採用実績を学習させて、判断そのものを自動化しようとしたんです。結果、過去の偏りをそのまま学習したAIは女性の履歴書を系統的に低く評価し、修正を試みても偏りの根は絶てず、プロジェクトごと捨てることになりました（出典: ロイター 2018年）。学習データに過去の実績を使う限り、過去の偏りは未来の選考に再生産されます。これはAmazonの技術力でも解けなかった問題で、自社なら解けると考える理由はないと思います。

なお、書類そのものへの依存をやめる、という第三の道もあります。Unileverは書類ではなく適性診断とAI動画面接で初期選考を組み直し、面接時間を年5万時間削減しながら多様性を16%向上させました。海外勢の選考再設計の全体像は海外5社の導入事例で詳しく書いています。

規制は「AIが決める採用」に向かって強まっている

もうひとつ、境界線を引くべき理由があります。規制です。米ニューヨーク市では2023年から、採用や昇進の判断を自動化するツール（AEDT）に対して、年1回の第三者バイアス監査と、候補者への利用通知が義務化されました（出典: NYC Local Law 144、2023年施行）。EUのAI法でも、雇用領域のAIは高リスクに分類されています。

日本にはまだAI選考を直接縛る法律はありません。ただ、方向は同じです。個人情報の適正利用や応募者への説明責任は、すでに問われうる状況にあります。「なぜ落ちたのか」を誰も説明できない選考プロセスは、規制が来たときに作り直しになる。最初から「AIが整え、人が決める」設計にしておくほうが、結局は安くつきます。

月曜から試すなら

書類選考AIの導入でつまずく会社は、たいていツール選びから入っています。順番が逆で、先に言語化すべきは自社の判断基準のほうです。

最初にやるのは、「いま、誰が、どんな基準で書類を通しているか」を書き出すこと。ここが曖昧なままAIを入れると、曖昧な基準がそのまま自動化されて事故になります。次に、資格や経験年数のような機械的に判定できる必須要件だけをAIに突合させます。主観が入る項目はまだ渡しません。そのうえで1〜2ヶ月、AIの判定と人の判定を並走させて、どこでズレるかの癖を掴みます。最後に、AIが「不合格」に振り分けた書類を人が再確認する運用をルールとして固定してから、対象範囲を広げていきます。

どの工程から自動化に着手すべきかまだ迷っているなら、書類選考の前に効果が出やすい工程の順番を先に確認してみてください。応募数が少ない会社では、書類選考よりも日程調整のほうが先に効くことが多いです。

書類選考のAI化は、「人の目をなくす」話ではありません。構造化と突合という作業をAIに渡して、人の目を「迷うケース」と「落とす判断」に集中させる話です。AmazonとソフトバンクとUnileverが同じ時期に出した違う結果は、その線引きを最初に決めたかどうかで説明がつきます。線さえ引ければ、書類選考は日程調整に次いで費用対効果の見えやすい工程になりますよ。

よくある質問

書類選考はAIで完全に自動化できますか？

技術的には可能ですが、推奨できません。ソフトバンクのようにAI導入で選考時間を約75%削減した企業も、「不合格」判定は必ず人が再確認する運用にしています。AIに任せるのは情報の整理と要件との突合までにとどめ、最終判断は人が握るのが実務の定石です。

AI書類選考のリスクは何ですか？

最大のリスクは学習データ由来のバイアスです。Amazonは過去10年の履歴書（大半が男性）で学習させたAIが「女性」に関連する語を含む履歴書を低く評価する偏りを修正できず、ツールを廃棄しました（ロイター 2018年報道）。過去の採用実績をそのまま学習させると、過去の偏りも再生産されます。

AI書類選考に法規制はありますか？

米ニューヨーク市では2023年施行のLocal Law 144により、採用の自動判定ツールに年1回の第三者バイアス監査と候補者への通知が義務付けられました。日本ではAI選考を直接規制する法律はまだありませんが、個人情報保護法上の適正な取得・利用や、応募者への説明責任は問われます。

小規模な会社でも書類選考AIは効果がありますか？

応募数によります。月に数十件以上の応募を人手でさばいているなら、要件との突合と情報整理だけでも効果が出ます。逆に応募が月数件であれば、書類選考よりも日程調整や一次対応など、量の多い工程から自動化するほうが費用対効果は高くなります。