応募者もAIを使い、採用チームもAIを使う

LinkedInの2026年調査では求職者の81%がすでにAIを使った、または就職活動で使う予定と答え、採用担当者の93%はAI利用を増やす予定と答えました。AIは応募側と選考側の両方に入っています。

摩擦が減った結果、応募量は増えても採用判断が簡単になるとは限りません。整った文章やキーワードの価値が下がり、企業が読むべきシグナルの量はむしろ増えます。

問題はAIを使ったことではなく、シグナルの価値が変わること

AIで文章を整えること自体を不正とみなすのは現実的ではありません。入社後の仕事でも文書作成や調査にAIを使うからです。

問題は多くの候補者が同じ水準の文章完成度を簡単に作れることです。履歴書の見た目が良いことと、実務能力が高いことの距離が広がります。

履歴書は消えない。ただし『最終証拠』から『最初のclaim』へ下がる

履歴書は職歴を短時間で把握するために依然として効率的です。ただ、文章だけで能力を確定するのは難しくなります。

そこで履歴書を検証すべき仮説と考え、その後に構造化質問、職務に近いwork sample、実績、follow-up、referenceなどをつなげる方が合理的です。

企業は職務ごとに『何を検証するか』を先に絞る

良い採用は評価項目を無限に増やすことではありません。成果を左右する数個の能力を定義し、それぞれを何の証拠で確認するか決めます。

営業なら新規開拓、複雑な意思決定者管理、交渉、再現性。開発なら問題分解、コード理解、debugging、設計trade-off。学歴や社名を捨てるのではなく、その裏にある実行能力を直接見る考え方です。

AIを禁止するより、AIを使っても実力が出る課題を作る

入社後にAIを使う職務なら、選考でAIを完全禁止するより、使わせた上で結果を検証・修正し、根拠を説明させる方が実務に近い場合があります。

なぜその方法を選んだか、条件が変われば何を直すか、AIの答えのどこを疑ったかを聞けば、ツール利用と判断力を分けて見ることができます。

候補者の戦略も、うまい文章から再現可能な証拠へ移る

『売上を伸ばした』より、どの市場で、どの役割を持ち、何をし、結果をどう測定したかを説明できる方が強い。

ポートフォリオが難しい職種でも、プロジェクト規模、責任範囲、改善前後の指標、失敗と修正を具体化できます。AIで文章を整えても、別角度の質問に答えられなければその経験は自分のものとして確認されません。

ヘッドハンターの価値も『紹介』から『検証可能な文脈』へ

AIが検索と文書整理を速くするほど、サーチファームが履歴書を届けるだけの価値は薄くなります。企業が知りたいのは、なぜこの人がこの役割に合うのか、何が検証済みで何が未確認かです。

特に経営人材や専門職では、実際の責任範囲、組織規模、意思決定権、成果条件、転職動機を文脈として圧縮し、企業が追加確認すべき点を明確にすることが重要になります。

BANSEOG VIEW

採用の希少資源は応募書類ではなく『信頼できるシグナル』になる

AIが応募書類を大量に滑らかにするほど、企業はAI利用者を見つけることより、職務の核心能力を定義し低コストで検証する証拠構造を作る必要があります。

Searchが速くなるほど、人間の判断価値は『誰を見つけたか』から『なぜこの候補を信じられるか』へ移ります。

SOURCES

参照した主な資料

LinkedInとSHRMの数値は主にグローバル・米国調査です。韓国市場へ同じ比率を適用せず、AI利用拡大によって採用シグナルの検証方法が変わる方向を比較しています。