人事・採用管理のAI内製化——SaaSの「AIエージェント化」と何が違うのか

「なぜこの人を採用したか」——選考基準が言語化されていない現場

ある印刷インキ大手メーカー(製造業、5000名超)は、持株会社移行を控えたグローバル人事・タレントマネジメントへのAI活用を検討していました。私たちが初回ヒアリングで論点として提示したのは、小規模な検証から数百万円規模のMVP(実用最小限の製品)へ段階的に進める道筋です。この規模の企業でさえ、人事DXの入口は「まず1つの領域で試す」ところから始まります。

私たちの現場経験では、採用の現場で本当に難しいのは、応募者数の多さそのものではありません。「この人はうちに合う」という判断基準が、ベテラン採用担当者の頭の中にしかないことです。書類選考や面接の合否理由は、面接官のメモや記憶に散らばっており、次の面接官に正確に引き継がれることは多くありません。担当者が異動すれば、見極めの勘所ごと消えてしまいます。

なぜ今、人事・採用のAI内製化が現実的になったのか

Works Human Intelligenceが2025年8月から10月にかけて実施した調査によると、人事業務での生成AI利用状況は「既に利用中」が75.0%、成果実感度は「期待以上・期待通り」が69.6%で、前回調査の50.0%から大きく上昇しました(出典)。全社に生成AI活用を公開している企業も42法人(75.0%)に達し、前回の38.8%から倍増しています。つまり、人事部門でのAI活用は「様子見」の段階を抜け、実際に成果が出始めている段階に入ったということです。

ただし、扱うデータの種類を見ると温度差が見えてきます。同調査で「社内規程・マニュアル」をAIに扱わせている企業は52件(8割超)に上る一方、「個人情報を含む人事データ」を扱わせているのは22件(3割程度)にとどまりました。私たちの現場経験でも、これはよく分かる反応です。会議の議事録作成や案内メールの下書きにAIを使うことへの抵抗は小さくても、応募者や従業員個人の評価情報となると、慎重にならざるを得ません。

同調査は56法人64名という限られた回答数の調査ではありますが、社内ルールを整備している企業が71.4%(前回62.2%から9.2ポイント増)に達している点は、個人情報を扱う場面でのAI活用が今後広がっていく前兆だと私たちは見ています。「人事 採用 生成AI SaaS」を比較検討している担当者からよく相談を受けますが、いきなり全社のSaaSを入れ替えるのではなく、まず1つの職種でデータの扱い方を決めてから広げるほうが、現場の納得感を得やすいというのが私たちの実感です。

採用管理AIが実際に担える範囲

採用業務のうち、AIが具体的に担えるのはどこまでなのでしょうか。私たちの現場経験では、次の3つが現実的な出発点になります。

1つ目は、応募書類の一次スクリーニング補助です。過去の合格・不合格の記録をもとに、応募書類のうち確認すべき項目をAIに拾い出させます。ゼロから読み込むより、担当者の確認作業だけで済むようになります。

2つ目は、面接日程の調整です。候補者と面接官双方の空き時間を突き合わせ、候補日程の案をAIに作らせます。この作業は多くの場合、人がメールとカレンダーを行き来しながら手作業で調整しており、時間のかかる割に付加価値が低い仕事です。

3つ目は、応募者への案内文・不採用連絡文の下書き作成です。テンプレートをそのまま使うのではなく、選考のどの段階で、どんな理由で見送ったかという文脈をAIに渡すことで、より丁寧な文面のたたき台ができます。最終的な文面の確認と送信は、常に人が行います。

これらはいずれも、合否そのものをAIに代行させるものではありません。AIが担うのは、判断の前段階にある情報整理と文面作成の作業です。この線引きを最初にはっきりさせておくと、現場の抵抗感がぐっと下がります。

SaaS型の採用管理システムと、内製は何が違うのか

採用業務の仕組み化を検討すると、多くの場合、最初に候補に挙がるのはATS(Applicant Tracking System: 応募者の情報や選考の進捗を一元管理する採用管理システム)です。主要26サービスを調査した結果では、月額費用の相場は中央値で25,000円、実際の分布は8,500円から85,000円に及びます(出典)。月額25,000円を基準にすると、3年間の総額は90万円に達する計算です。

観点	SaaS型(採用管理システム)	AI-Path型(内製)
初期投資	月額中央値25,000円、3年で90万円規模になりやすい	1つの職種・1つの採用フローから数十万円規模で検証可能
対象範囲	全職種・全採用フローへの一括導入が前提	採用人数が多い、または選考が複雑な職種からだけ着手できる
データの扱い	ベンダーのクラウド基盤に応募者情報を預ける	自社データを外部に出さない設計も選択可
拡張性	新規候補者登録数や企業規模に応じた段階課金	検証結果を見ながら段階的に職種を広げられる

正直に言えば、大手ATSベンダーのプラットフォームには、応募者管理・選考進捗の可視化といった標準機能を短期間で導入できる利点があります。ですが、私たちが相談を受ける中堅製造業の多くは、まず1つの職種で「本当に選考の精度が上がるか」を確かめたいと考えています。「人事 採用管理 AI 内製化」を検討する中堅企業にとって必要なのは、全社一斉導入の縮小版ではなく、規模に合わせて最初から設計し直したアプローチです。「採用管理 AIエージェント 比較」と検索してこの記事にたどり着いた方の多くが求めているのも、機能の一覧表ではなく、既存の選考フローを壊さずに実現する方法だというのが私たちの実感です。

内製型で始める、3つのステップ

私たちが人事・採用の内製化を支援するときは、次の3段階で進めます。

第1段階は、対象職種・採用フローの選定です。全職種を同時に対象にするのではなく、「採用人数が多い、または選考基準が複雑」な1つの職種を選びます。目安期間は1〜2週間、主担当は現場とAI-Pathの共同です。この段階でつまずく企業の多くは、対象を絞りきれずに「人事部全体」を選んでしまいます。まずは1つの職種で十分です。

第2段階は、既存の応募者対応・選考記録を、そのままの形でデジタル化して蓄積することです。選考のやり方を変える必要はありません。目安期間は2〜4週間で、既存のExcelや面接メモの内容をそのまま流し込む作業が中心になります。整形や標準化を急ぐと現場の負担が増えて協力が得られにくくなるため、私たちはあえて「まずは汚いデータのまま入れる」ことを推奨しています。

第3段階で、蓄積したデータをAIに検索させ、一次選考の補助と応募者対応の文面ドラフト作成の精度を試験的に確認する運用を始めます。目安期間は4〜8週間で、AIが提示した候補を採用担当者にレビューしてもらう運用が中心です。この順序を守る理由は、いきなり全職種共通の評価項目に統一しようとすると、職種ごとの見極めの勘所が失われてしまうためです。

この3段階の進め方は、私たちが勤怠管理・給与計算のAI内製化で提案している「1業務から始める」考え方とも共通しています。人事系の業務は制度対応の正確性が問われる一方で、自社ルールへの最適化と柔軟性が求められる部分ほど、内製化に向いています。

誰から協力してもらうか

内製化の進め方でもう一つ大事なのが、最初の協力者選びです。全部門・全担当者の賛同を最初から取り付ける必要はありません。むしろ、1人のベテラン採用担当者が「自分の選考記録を出してもいい」と協力してくれれば、そこから試験運用を始められます。協力者が見つからないまま全社展開を急ぐと、データの質が揃わず、AIの提示精度もなかなか上がりません。

長年その職種を担当してきたベテランほど、自分の見極めノウハウが可視化されることへの不安を持ちやすいものです。私たちが導入時に現場へ伝えているのは、この仕組みが個人評価のためではなく、見極めノウハウの継承のためのものだという運用方針です。経営層は「全職種で使えるツール」を期待しがちですが、現場が見ているのは「自分の選考が楽になるかどうか」だけです。このズレを放置したまま仕組みを作っても、どんなに優れた設計であっても定着しません。

私たちは最初のヒアリングで、経営層の期待値と現場の温度感をすり合わせるようにしています。この温度差の調整には、技術設計と同じくらいの時間をかける価値があると私たちは考えています。

複数拠点を持つ企業からは「1拠点で作った仕組みは、他拠点にも展開できるか」という質問をよくいただきます。私たちの答えは、できます。ただし条件があります。職種や拠点ごとに、求める人物像や選考の重視点に細かい違いがあるものです。最初から全職種・全拠点共通のルールに統一しようとせず、まず主要な職種でルールを言語化し、「職種ごとの差分」として管理できる設計にしておくと、展開がぐっとスムーズになります。

「合否の最終判断は人間が承認する」という譲れない一線

人事・採用の内製化を提案すると、決まって出てくる質問があります。「合否判定をAIに任せてよいのか」というものです。私たちの答えは明確です。任せません。AIが担うのは書類の一次スクリーニング補助・面接日程調整・応募者への案内文作成・過去の選考記録の検索までです。実際に誰を採用するかの最終判断は、採用担当者と面接官が行います。

これは慎重さの問題であると同時に、公平性の問題でもあります。AIによる書類選考の自動化は、学習データに含まれる過去の採用傾向をそのまま踏襲してしまうリスクがあります。誤解のないように言えば、AIが差別的な判断をすると決まっているわけではありません。ですが、「なぜこの基準で絞り込んだか」を人が説明できない状態でAIの判定をそのまま使うことには、私たちは慎重な立場を取っています。AIは壁打ち相手として活用すべきであり、提案されたものをそのまま出すのではなく、人間が判断し、削る作業が重要だと考えています。

属人化した「見極めの目」をどう継承するか

採用の現場で本当に難しいのは、応募書類の形式的なチェックよりも、「この人はうちの現場に合うか」という属人的な見極めです。この難しさは、実は人事評価の場面にも共通しています。

あるインキ・化学メーカーの取締役は、人事評価へのAI活用について「従来の5段階評価ではCとBで99%を占め差がつかない。目標設定の仕方に問題がある。そこにAIを入れられないかと口酸っぱく言ってきたが、まだ人事評価のプロセスには使えていない」と語っていました。評価基準そのものが曖昧なままAIを入れても、精度は上がりません。これは採用の選考基準にもそのまま当てはまります。

私たちの現場経験では、この見極めの目をゼロから言語化しようとすると挫折します。まずは過去の選考記録・面接メモをそのままの形でAIに読み込ませ、「なぜ合格にしたか、なぜ不合格にしたか」を後から面接官本人に聞きながら少しずつ言語化していくほうが、現実的に前進します。

「候補者の個人情報が外部に漏れるのではないか」という懸念

もう一つ、人事・採用領域ならではの懸念があります。応募者の経歴・給与希望・面接での発言内容は、機密性の高い個人情報です。先述のWorks Human Intelligenceの調査で、個人情報を含む人事データをAIに扱わせている企業がまだ3割程度にとどまっていたのは、この懸念の表れだと私たちは見ています。

SaaS型の採用管理システムは多くの場合、ベンダーのクラウド基盤にこれらのデータを預ける形になります。私たちが提案する内製型のアプローチでは、自社のサーバーや閉域環境にデータを置いたまま分析する設計も選べます。これは、AI-Pathが掲げる「データ主権を前提にした企業AI基盤」という考え方を、人事・採用の領域で実装したものです。硬いデータ(基幹システムの選考履歴)と柔らかいデータ(AIが活用する面接メモや評価コメント)を分けて整理し、基幹システムの横にデータ空間を設けてバッチでコピーする設計にすれば、AIはインフラを選ばず、オンプレでもクラウドでも、閉域環境でも動かせます。誰が・どの範囲の個人情報を見られるかを最初に決めておくことが、この領域ではとりわけ欠かせません。

私たちも自社で、人事のAI活用に取り組んでいる

正直に言えば、この難しさは私たちAI-Path自身も直面している課題です。2026年、人事責任者(CHRO)が就任し、組織マネジメントを本格化させました。評価は「Mission Grade制度」ベースで再設計を進めつつ、求める人材像の基準(タレントスタンダード)を明文化する段階に入っています。この明文化の作業そのものが、まさに属人化した見極めの目を言語化する作業です。

私たちの経験では、この言語化には時間がかかります。だからこそ、いきなり全社のタレントマネジメントをAI化しようとせず、まず1つの職種、1つの評価軸から着手することを勧めています。私たち自身、この教訓を自社の組織づくりの中で学びました。

費用感——内製ならではのコスト構造

既存の選考記録をAIで整理・検索できる最小構成であれば、初期費用数十万円程度、月額数万円からという水準で始められます。先に触れたATSの月額費用(中央値25,000円、3年で90万円規模)と比べると、対象範囲と拡張性の考え方がそもそも違います。全職種を横断的に管理する仕組みと、1つの職種から選考記録を検索できるようにする仕組みでは、解決しようとしている課題の規模が異なるからです。

ただし、違いは初期費用の大小だけではありません。SaaS型は候補者登録数や企業規模に応じて段階的に費用が上がる設計になっていることが多く、採用人数が増えるほど費用も比例して積み上がります。一方、内製で仕組みを作っておくと、1職種で固めた選考補助ロジックを、2職種目・3職種目に展開する際の追加コストを抑えられます。正直に言えば、この差が効いてくるのは2職種目以降であり、1職種だけで比べれば大手ATSの機能のほうが充実している場面もあります。そこは率直にお伝えしておきたい点です。

もう一つのコスト構造は、開発の速さそのものです。私たちは自然言語でAIに指示を出すだけで、従来の10分の1程度のコストでオーダーメイドの仕組みを作る開発手法を用いています。動くプロトタイプをまず1日で作り、それを叩き台に現場と要望をすり合わせていくため、「思っていたのと違う」という手戻りが起きにくいのが特徴です。

導入でつまずくポイントと私たちの対処

人事・採用AIの導入には、技術面以外の壁もあります。私たちが現場で見てきた壁を整理すると、大きく3つに分かれます。

1つ目は、個人情報の漏洩懸念です。先述の通り、応募者の情報は機密性の高い個人情報です。私たちが顧客企業の内製担当に伝えているのは、「最初はデータベースを直接いじらないところに留めた方がいい」という原則です。閲覧や検索の範囲であれば、試行錯誤しても後戻りできなくなる心配はありません。

2つ目は、公平性・説明責任です。AIによる選考補助を導入する際は、「なぜその候補を優先したか」を後から人が説明できる設計にしておく必要があります。私たちの経験では、AIの判定結果をそのまま最終判断に使うのではなく、判断の根拠を担当者が確認できる中間ステップを挟むことで、この懸念はかなり和らぎます。

3つ目は、現場の抵抗感です。長年その職種を担当してきたベテラン採用担当者ほど、「自分の見極めが可視化されることへの不安」を持ちやすいものです。私たちが導入時に現場へ伝えているのは、この仕組みが個人評価のためではなく、見極めノウハウの継承のためのものだという運用方針です。

よくある質問

Q1. 合否判定そのものをAIに任せられますか。 任せません。AIが担うのは書類の一次スクリーニング補助・面接日程調整・過去の選考記録の検索までです。最終的な合否判断は、採用担当者と面接官が行います。

Q2. 既存のATSを使っている場合でも、内製化する意味はありますか。 あります。応募者管理・選考進捗の可視化はATSに残したまま、自社の見極め基準が絡む部分だけを内製で補うという組み合わせも可能です。役割を分けて考えることをお勧めします。

Q3. 応募者にも新しいシステムを使ってもらう必要がありますか。 最初の試験運用では必要ありません。まずは自社内の選考記録をデジタル化し、検索できるようにするところから始めます。応募者とのやり取りの形式は変えなくて構いません。

Q4. 導入にはどのくらいの費用・期間がかかりますか。 1つの職種から始める最小構成であれば、初期費用数十万円程度、1〜2ヶ月の試験運用から着手できます。最新の費用感は、無償の業務プロセス診断でご確認いただくのが確実です。

Q5. 人事部門にAI専門人材がいなくても始められますか。 始められます。重要なのは専門知識よりも、日々の選考記録や評価コメントを丁寧に残す現場の協力体制です。

まず試すなら

1. 採用人数が多い、または選考基準が複雑な職種を1つ選び出す
2. その職種の過去1年分の選考記録・面接メモを、そのままの形で1か所に集めてみる
3. 集めたデータのうち、どの判断が「面接官の記憶」に依存しているかを棚卸しする

AI-Pathでは、無償の業務プロセス診断(BPR)を実施しています。人事・採用のどこから内製化すべきか、まずは棚卸しからご相談ください。

筆者プロフィール

関西大学法学部法律学科卒業。財務コンサルティング会社(エフアンドエム)、外資系生保営業(Prudential)でコンサルティング営業の経験を積んだ後、起業し様々な企業のCTO/CMOを歴任。その後、デロイトトーマツコンサルティング(Big4)、ABEJA(AI研究開発の国内リーディングカンパニー)にて官公庁・製造業・金融業・小売業・不動産業を中心に延べ20社以上のDX推進や業務システム刷新をPM/SMとしてリード。利用者目線での現場の課題解決にフォーカスしたものづくりに拘り、導入ではなく「定着化」を目的とした伴走型のプロジェクト推進・システム導入を得意とする。2025年にAI駆動開発(VibeCoding)と出会い、より多くの人・企業に価値提供するためにAI-Pathを創業。

参考リンク

• 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 (Works Human Intelligence)
• 【料金比較表】採用管理システムの費用相場は月額25,000円 主要26サービス調査
• 採用業務を支援するAIエージェントおすすめ15選【2026年最新版】