人材紹介のAI活用｜業務領域別マップと始め方・個人情報の実務

人材紹介におけるAI活用とは

人材紹介におけるAI活用とは、スカウト文面の作成・面談準備と記録の構造化・求職者と求人のマッチング・追客メッセージの配信・KPIの集計といった業務を、AIで補助または自動化することです。求人紹介という仕事そのものをAIが代行するわけではなく、その周辺にある「手数の多い作業」を機械側に寄せる、というのが実態に近い理解です。

ここで「AI」と呼ばれているものは、実務上おおむね2系統に分かれます。ひとつはChatGPTのような汎用の生成AIで、文章を書く・要約する・整理するといった言語の仕事を引き受けます。もうひとつは、人材紹介システムやCRMに組み込まれた業務特化型のAI機能で、自社に蓄積された求職者・求人データを前提に、候補の抽出やデータの自動入力を行います。両者は競合ではなく、後述するように使いどころが違います。

効果の実感については、生成AIをCA業務に導入した会社の約60%が「1人あたりの面談キャパが1.3〜1.8倍に拡大した」と回答した、という集計があります（出典: L reach COMPASS「人材紹介業界の動向2026」）。ただしこれは単一メディアによる業界動向の集計であり、公的統計ではありません。母集団や測定方法は公開されていないため、確定値ではなく「そういう手応えが語られている」程度の目安として受け取るのが適切です。

AIが効く業務領域マップ｜5つのポイントと削減できる工数の性質

人材紹介の業務効率化をAIで進めるとき、最初にやるべきは「どの作業に効くか」を業務フローの上に並べることです。集客から入社後フォローまでを分解すると、AIが入り込める場所は大きく5つに整理できます。

重要なのは、5つの効き方が同じではないという点です。スカウト文面や記録の項目化は「手数が決まっている定型作業」で、削減できる時間を見積もりやすい領域。一方でマッチングや売上の着地予測は「人が総当たりすると時間が溶ける探索作業」で、効果は時間短縮というより見落としが減ることに出ます。この違いを混ぜて考えると、導入後に「思ったより時間が浮かない」という評価になりがちです。

この表の④と⑤は、AIというよりMA（マーケティングオートメーション）や分析機能の領域に足がかかっています。実務ではAIとMAの境目は曖昧で、「求職者の状態を見て自動で配信する」仕組みは、AIを名乗るかどうかにかかわらず同じ効果を出します。追客の自動化そのものの設計手順は人材紹介の追客とはで、休眠求職者の掘り起こしについては休眠求職者の掘り起こし完全ガイドで詳しく扱っています。

何から始めるか｜汎用AIから業務システムへの3段階

業務領域が見えたら、次は順序です。結論から言えば、汎用AIで文章仕事を任せるところから始め、慣れてから自社データを持つ業務特化ツールへ、最後に業務システムへの組み込みへ進むのが、少人数の紹介会社にとって現実的な順序です。

段階1：汎用AIで文章仕事から

最初の一手として向いているのは、スカウト文面の下書き、求人票の表現の整え、長い議事録の要点整理といった成果物が文章である仕事です。導入コストがほぼゼロで、うまくいかなくても業務が壊れません。ここでAIの得手不得手を体感しておくと、次の段階でツールを選ぶときの目が育ちます。

ただし汎用AIは、自社の求職者データも過去の成約傾向も知りません。出てくるのは「一般的にそれらしい文章」であり、そのまま送れる完成品ではないのが前提です。また、求職者の経歴書をそのまま貼り付けるような使い方には、次章で扱う個人情報の論点がそのまま乗ります。先に社内ルールを決めてから使い始めることを強く勧めます。

段階2：自社データを持つ業務特化ツールへ

文章仕事の次に効くのは、自社に蓄積された求職者・求人データを踏まえて動くAIです。候補者の抽出、求人票や面談記録からの項目の自動入力といった機能は、データが自社のものであるぶん、汎用AIより実務に直結します。

この段階で必ず立ちはだかるのが、元データの状態です。求職者情報が担当者ごとの表計算ファイルに散っていたり、面談記録がフリーテキストのメモしかなかったりすると、AIに読ませる材料そのものがありません。「AIを入れる前にデータを整える」のではなく、「データが集まる仕組みを入れた結果、AIが効くようになる」という順序で考えるほうが実態に合っています。

段階3：業務システムに組み込む

最終的に効き方が変わるのは、AIが日々の業務の流れの中で勝手に動いている状態です。人が「AIを使おう」と思い立って呼び出す形だと、忙しい時期から順に使われなくなります。入力・追客・集計といった毎日の動線の中にAIが埋まっていれば、意識しなくても効果が出続けます。

段階3に進むかどうかは、AI単体ではなくシステム全体の選定判断になります。統合型を選ぶか領域ごとに専業ツールを組むか、といった比較の軸は人材紹介システムの選び方で4つの観点に整理しているので、そちらを起点にしてください。

AIに求職者情報を入れる前に｜職業安定法上の3つの義務

AI活用でもっとも見落とされやすいのが、ここです。求職者の経歴書や面談記録をAIツールに読ませる行為は、職業紹介事業者にとって新しい論点ではなく、既存の個人情報の義務がそのまま適用される場面です。「AIだから特別なルールがある」のではなく、「AIを使っても同じルールから逃げられない」と捉えるのが正確です。

根拠となるのは職業安定法5条の5です。同条1項は、職業紹介事業者等が求職者等の個人情報を収集・保管・使用するにあたって、業務の目的の達成に必要な範囲内で、当該目的を明らかにして収集し、当該収集の目的の範囲内でこれを保管し、使用しなければならないと定めています（本人の同意がある場合その他正当な事由がある場合を除く）。同条2項は、求職者等の個人情報を適正に管理するために必要な措置を講じなければならないと定めています。

収集：手段が「適法かつ公正」であること

厚生労働省の「職業紹介事業の業務運営要領」第9は、個人情報を収集する際の手段について、本人から直接収集し、本人の同意の下で本人以外の者から収集し、又は本人により公開されている個人情報を収集する等の手段であって、適法かつ公正なものによらなければならないとしています（出典: 厚生労働省「職業紹介事業の業務運営要領」第9）。AI文脈では、SNSやウェブ上の情報を自動収集するツールを使う場面がこれに直接触れます。「技術的に取得できるか」と「収集してよいか」は別の問いです。

さらに同要領は、収集してはならない個人情報を3類型で挙げています。特別な職業上の必要性が存在することその他業務の目的の達成に必要不可欠であって、収集目的を示して本人から収集する場合を除き、次の情報は集めてはならないとされています。

AIに「候補者について分かることを調べさせる」といった曖昧な使い方は、この線を越えやすい典型です（出典: 厚生労働省「職業紹介事業の業務運営要領」第9）。収集する項目を人が事前に決めておくことが、実務上のガードレールになります。

保管・使用と適正管理：外部サービスに渡すという視点

個人情報の保管・使用は収集目的の範囲に限られます。他の目的に使うなら、その目的を示して本人の同意を得る必要があります。加えて適正管理の措置として、要領は正確かつ最新のものに保つ措置／漏えい・滅失・毀損を防止する措置／正当な権限を有しない者によるアクセスを防止する措置／収集目的に照らして保管する必要がなくなった個人情報を破棄又は削除するための措置を挙げています（出典: 同要領 第9）。

外部のAIサービスに求職者情報を入力する行為は、この最後の2つに正面から関わります。入力したデータが学習に使われないか、保存期間はどうなっているか、社内の誰がその履歴を見られるか——利用規約とアカウント設定で確認すべき項目は、実質的にこの要領の項目と一対一で対応します。無料プランを個人アカウントのまま業務で使う運用が危ういのは、まさにここです。

また、職業安定法51条は、職業紹介事業者およびその従業者に対し、正当な理由なく、その業務上取り扱ったことについて知り得た人の秘密を漏らしてはならないこと、および業務に関して知り得た個人情報をみだりに他人に知らせてはならないことを定めています。この義務は退職後も続きます。AIツールの利用可否を担当者ごとの判断に委ねず、事業者としてのルールにする理由はここにあります。

なお、個人情報適正管理規程に定めるべき事項（個人情報を取り扱うことができる者の範囲・取扱者への研修等教育訓練・本人から求められた場合の開示または訂正の取扱い・苦情の処理）は、有料職業紹介事業の許可基準そのものに含まれています。AIツールの利用ルールは、この規程の枠内に位置づけて整理するのが筋の通ったやり方です。制度全体の位置づけは有料職業紹介事業とはにまとめています。

AIで代替できない領域

AI活用を「業務のうちどこまで機械に寄せられるか」で考えると、線はきれいに引けます。寄せられるのは作業で、残るのは判断と関係です。

たとえばマッチングは、条件が合う候補を挙げるところまでは機械のほうが速く、網羅的です。しかし「この人にこの仕事を勧めるべきか」は別の問いです。転職理由の裏側にある事情、家庭の状況、本人が言語化できていない不安——これらは面談の場でしか出てこず、出てきた情報をどう重み付けするかは経験に属します。

内定承諾の局面はさらに顕著です。迷っている求職者に対して何を伝えるか、どのタイミングで連絡するかは、その人との関係の蓄積の上でしか判断できません。承諾率を動かす要因の整理は内定承諾率とはで扱っていますが、そこで挙げた打ち手の多くは、自動化ではなく人が使える時間をどこに配分するかの話です。AIで作業を減らす価値は、まさにこの配分先を作ることにあります。

もうひとつ、構造的に人に残るものがあります。責任です。AIが提示した候補を推薦した結果、早期離職が起きても、返戻の義務を負うのは紹介会社です。AIの出力を検証せずに流す運用は、効率化ではなく単にリスクの引き受けです。出力を人がレビューする工程を業務フローに残しておくことが、実務上の最低条件になります。

点のAI利用から、業務システムに組み込む運用へ

ここまでを踏まえると、AI活用が定着する会社と、試して終わる会社の差は明確です。AIを「使うもの」として意識しているうちは、忙しくなると使われなくなります。日々の業務の動線の中にAIが埋まっていて、意識せずに恩恵を受けている状態が、段階3が目指す姿です。

その意味で、AI機能を単体のツールとして増やしていく戦略は、少人数の会社にはあまり向きません。ツールが増えるほど求職者データが分断され、AIに読ませる材料が散らばるからです。前章で触れた「元データの状態が精度を決める」という制約は、そのままシステム構成の判断に返ってきます。

本メディアを運営するEmproは、人材紹介会社専用のワンストップCRM/MAとして、この統合の側に立っています。AI関連では、経歴・スキル・住所からのAIマッチング（マッチング精度35%向上）、求人票や面談録画からOCR＋AIで項目を抽出して入力するAIワークフロー（データ入力時間を平均80%削減）、求職者への求人レコメンドの自動配信を備えています（*β版機能含む・当社調べ）。加えて、休眠求職者への掘り起こし配信の自動実行、KPIをリアルタイムに可視化するダッシュボード、選考の進行から着地を読む売上予測が同じ基盤に載っています。AIによるタレントプール形成は今後の実装予定です。

ポイントは個々の機能の有無ではなく、求職者データが1箇所に集まっているからAIが効くという順序です。図2の段階3が意味するのはこの構造で、逆に言えば、データが分断されたままAI機能だけを足しても効果は限定的になります。機能の全体像は機能一覧にまとめています。

最後に、AI導入の効果測定について一言だけ。「AIを入れたから効率化した」は検証できない言い方です。面談数、推薦数、決定数、1決定あたりの所要時間——どの数字を動かしにいくのかを先に決めておくと、続けるかやめるかの判断ができます。指標の設計は人材紹介のKPI管理 完全ガイドを参照してください。なお、AIが動かせるのは主に工数と決定数であって、1件あたりの単価ではありません。単価を上げる打ち手は決定単価とはで別立てに整理しています。

よくある質問