投稿者 global-ai-media 
世界的なHRアナリストであるJosh Bersin氏が、AIによる採用変革の現在地と「エージェント型システム」への進化について言及しました。単なるマッチングから自律的な業務遂行へと進化するグローバルなHR Techの潮流を解説しつつ、ジョブ型雇用への移行過渡期にある日本企業が直面するデータ構造の課題や、実務におけるガバナンスのあり方について考察します。
採用領域におけるAIの役割の変化：効率化から「自律」へ
HR Techの世界的権威であるJosh Bersin氏は、最新のポッドキャストにおいて、AIを活用したリクルーティングが急速に変貌を遂げていると指摘しています。これまで採用領域におけるAI活用といえば、レジュメ（職務経歴書）とJob Description（職務記述書：JD）のキーワードマッチングや、チャットボットによる初期対応が主流でした。
しかし、Workdayなどの主要ベンダーが打ち出している「Agent System of Record」という概念に象徴されるように、AIは「情報の記録・検索」を担うシステムから、採用担当者の代わりに行動する「エージェント（代理人）」へと進化しています。これは、生成AIやLLM（大規模言語モデル）が単にテキストを生成するだけでなく、候補者のスクリーニング、面接日程の調整、さらには候補者への動機付けといった複雑なタスクを、システム内で自律的に完結させようとする動きです。
「ジョブ型」前提のAIと日本企業のデータ構造のギャップ
Bersin氏が語るようなAIによる高度なマッチングやエージェント機能は、職務内容や必要スキルが明確に定義された「ジョブ型雇用」を前提としています。欧米のHR Techツールは、構造化されたJDと候補者のスキルセットを突き合わせることで真価を発揮します。
一方で、日本企業の多くは依然として「メンバーシップ型」の要素を色濃く残しており、JDが曖昧であったり、総合職として採用後に配属が決まったりするケースが少なくありません。この「教師データとなるJDの曖昧さ」は、日本企業がグローバル水準のAI採用ツールを導入する際の最大の障壁となります。AIに「優秀な人材を探して」と指示しても、その定義が言語化・データ化されていなければ、AIは機能しないか、あるいは過去の採用傾向（出身大学や性別などのバイアスを含むデータ）を誤って学習してしまうリスクがあります。
ブラックボックス化する採用基準とガバナンスリスク
採用プロセスへのAI導入において、実務担当者が最も警戒すべきは「説明責任（アカウンタビリティ）」の問題です。AIエージェントが「この候補者は不採用推奨」と判断した際、その根拠をブラックボックスのままにしておくことは、企業のリスク管理上許されません。
欧州のAI規制法（EU AI Act）において採用システムは「ハイリスクAI」に分類されていますが、日本国内においても、就職差別につながるアルゴリズムの使用は厳しく監視される傾向にあります。AIによるスクリーニング結果を鵜呑みにせず、最終的な判断プロセスに必ず人間が介在する「Human-in-the-loop」の体制構築が不可欠です。また、使用するAIモデルがどのようなデータセットで学習されているか、ベンダーに対して透明性を求める姿勢も重要になります。
日本企業のAI活用への示唆
Bersin氏の示唆する「AI主導の採用」は、労働人口の減少が進む日本においてこそ、本来必要な技術です。日本企業がこの潮流を実務に取り入れるためのポイントは以下の通りです。
- 「人選び」の前に「職務定義」のデータ化を：
AIツールを導入する前に、自社の職務定義や求めるスキルセットを構造化データとして整備することが先決です。曖昧なJDのままAIを導入しても、期待する精度は出ません。 - AIを「判断者」ではなく「秘書」として扱う：
現段階では、合否判定そのものをAIに委ねるのではなく、膨大な母集団形成、日程調整、初期的な質問対応といった「プロセスの自動化」に焦点を当てるべきです。これにより、採用担当者は候補者のカルチャーフィットや意欲を見極める対話に時間を割くことができます。 - 候補者体験（Candidate Experience）への配慮：
日本市場では、あまりに機械的な対応は候補者の志望度を下げる要因になり得ます。AIエージェントを活用しつつも、ここぞという場面での「人間による介入」を設計に組み込むことが、採用ブランディングの観点からも重要です。