採用・人事
採用・人事でAIへ移しやすい業務
- 業務
- 3件
- 判定
- AIへ移しやすい
- 合うモデル
- 33件
採用・人事の業務のうち、当サイトの判定が「AIへ移しやすい」のものを3件集めました。いまのやり方と、AIに移したあとのやり方を並べ、移す前の確認・最初の指示・測り方・合うモデルまで1ページで進めます。
いまのやり方と、移したあと
| 業務 | いま | 移したあと | 人に残る仕事 |
|---|---|---|---|
| 求人の原稿を書く | 過去の原稿を書き換える | 条件から下書きを出させる | 職場の実際の雰囲気 |
| 採用面接の質問を用意する | 過去の質問を使い回す | 職種から案を出させる | 見たい点の設定 |
| 採用の面接記録を残す | メモを取る | 録音から要約させる | 評価の理由 |
「AIへ移しやすい」の意味
まず1件だけ試して、結果を見てから広げてよい業務です。間違っても取り返しがつき、元に戻す手段も残せます。
| 業務 | 移しやすさ | 任せ方 | 向かない場合 |
|---|---|---|---|
| 求人の原稿を書く | まず1件試せる | 下書きを任せる | 募集が年に1回の場合 |
| 採用面接の質問を用意する | まず1件試せる | 下書きを任せる | 面接がめったに無い場合 |
| 採用の面接記録を残す | まず1件試せる | 下書きを任せる | 面接が少ない場合 |
移す前の確認
全部に印が付くまで、移さないでください。
移す手順
求人の原稿を書くを例にした4段の手順です。ほかの業務も同じ順で進めます。
1. いまのやり方を1回測る
「過去の原稿を書き換える」に何分かかり、何回やり直したかを残します。移したあとと比べる材料になります。
2. 人に残る仕事を切り出す
「職場の実際の雰囲気」はAIに任せません。誰がいつやるかを先に決め、手順に書き込みます。
3. 1件だけ移して比べる
「条件から下書きを出させる」の形で1件だけ通します。「どの会社の求人にも見える文になり、応募が減る」が起きないかを、ここで確かめます。
4. 続けるか戻すかを決める
記録を見て決めます。戻すときは「過去の原稿を残しておけば、いつでも戻れる」。戻せる状態を残したまま広げてください。
移さなくてよい業務を先に外す
当てはまるものは、無理に移さなくて構いません。
業務ごとの移し方
求人の原稿を書く
いま：過去の原稿を書き換える → 移したあと：条件から下書きを出させる
- 人に残る仕事：職場の実際の雰囲気
- よくあるつまずき：どの会社の求人にも見える文になり、応募が減る
- 戻し方：過去の原稿を残しておけば、いつでも戻れる
- 向かない場合：募集が年に1回の場合
採用面接の質問を用意する
いま：過去の質問を使い回す → 移したあと：職種から案を出させる
- 人に残る仕事：見たい点の設定
- よくあるつまずき：質問は増えるが、何を見たいのかが曖昧になる
- 戻し方：過去の質問一覧を残す
- 向かない場合：面接がめったに無い場合
採用の面接記録を残す
いま：メモを取る → 移したあと：録音から要約させる
- 人に残る仕事：評価の理由
- よくあるつまずき：発言は残るが、なぜその評価かが残らない
- 戻し方：録音を残す
- 向かない場合：面接が少ない場合
AIに渡す最初の指示
「移したあと」のやり方で、AIに最初に渡す指示です。人に残る仕事はAIにやらせず、印を付けて返させます。
これから「求人の原稿を書く」を手伝ってもらいます。 いままでは「過去の原稿を書き換える」でしていましたが、「条件から下書きを出させる」に変えます。 【材料】［ここに貼る］ 【出す形】［表／箇条書き／文章。長さ］ 【守ること】 ・「職場の実際の雰囲気」はAIの側で決めず、該当する箇所に［人が確認］と印を付ける ・材料にないことは書かず「材料にない」と書く ・どの会社の求人にも見える文になり、応募が減ることがないよう、迷う箇所は質問を返す
［ ］［ ］を自分の材料に置き換えてください。
これから「採用面接の質問を用意する」を手伝ってもらいます。 いままでは「過去の質問を使い回す」でしていましたが、「職種から案を出させる」に変えます。 【材料】［ここに貼る］ 【出す形】［表／箇条書き／文章。長さ］ 【守ること】 ・「見たい点の設定」はAIの側で決めず、該当する箇所に［人が確認］と印を付ける ・材料にないことは書かず「材料にない」と書く ・質問は増えるが、何を見たいのかが曖昧になることがないよう、迷う箇所は質問を返す
［ ］［ ］を自分の材料に置き換えてください。
これから「採用の面接記録を残す」を手伝ってもらいます。 いままでは「メモを取る」でしていましたが、「録音から要約させる」に変えます。 【材料】［ここに貼る］ 【出す形】［表／箇条書き／文章。長さ］ 【守ること】 ・「評価の理由」はAIの側で決めず、該当する箇所に［人が確認］と印を付ける ・材料にないことは書かず「材料にない」と書く ・発言は残るが、なぜその評価かが残らないことがないよう、迷う箇所は質問を返す
［ ］［ ］を自分の材料に置き換えてください。
効果を測る
移す前と後で、同じ1件を比べます。
【業務】［ ］
【いま】かかった時間［ ］分／やり直し［ ］回
【移したあと】かかった時間［ ］分／やり直し［ ］回
【人に残った仕事】［ ］分
【出てきたもの】そのまま使えた／直した（直した箇所［ ］）
【起きたつまずき】［ ］
【判断】続ける／やめる／もう1件
【やめるときの戻し方】［ ］人に残る仕事の担当を決める
AIに移しても、人に残る仕事は消えません。担当を書いて共有しておくと、抜け落ちを防げます。
【部署】［ ］ 【見直す日】［ ］ ・求人の原稿を書く：職場の実際の雰囲気 → 担当［ ］／いつ［ ］ ・採用面接の質問を用意する：見たい点の設定 → 担当［ ］／いつ［ ］ ・採用の面接記録を残す：評価の理由 → 担当［ ］／いつ［ ］ 【困ったときの相談先】［ ］
社内に説明する
【試した業務】求人の原稿を書く・採用面接の質問を用意する・採用の面接記録を残す 【判定】AIへ移しやすい（当サイトの判定を参考） 【試した結果】時間［ ］分→［ ］分／やり直し［ ］回→［ ］回 【人に残す仕事と担当】［ ］ 【続けるかどうか】［ ］ 【費用】［使ったモデルと月の目安］
採用・人事の業務に要る機能と、合うモデル
採用・人事の業務で効くのは応募書類のファイルを読めることです。履歴書や職務経歴書をファイルのまま渡せると、扱いの手順が単純になります。掲載76件のうち、この条件に合うのは33件でした。
| 候補 | なぜ候補か | 一度に読める量 | 入力100万 |
|---|---|---|---|
| GPT-6 Luna Pro | 単価がいちばん安い | 1,050,000 | $0.1 |
| Grok 4.20 Multi-Agent | 一度に読める量がいちばん多い | 2,000,000 | $1.25 |
| Mistral Medium 3.5 | 別の提供元で、単価が中くらい | 262,144 | $1.5 |
GPT-6 Luna Pro（単価がいちばん安い）
OpenAIのモデルです。入力100万トークン$0.1（目安15円）。件数が多い作業ほど差が出ます。渡せる入力はファイル・画像・文字。
Grok 4.20 Multi-Agent（一度に読める量がいちばん多い）
xAIのモデルです。2,000,000トークン（原稿用紙でおよそ3,571枚）。資料を分けずに渡せます。渡せる入力は文字・画像・ファイル。
Mistral Medium 3.5（別の提供元で、単価が中くらい）
Mistral AIのモデルです。Mistral AIのモデルで、入力100万トークン$1.5。1社に寄せないための比べ先になります。渡せる入力は文字・画像・ファイル。
並べているのは公表されている仕様と単価だけで、出来の良し悪しの順位ではありません。同じ材料で1回ずつ試して、自分の作業で比べてください。
費用の目安を計算する
APIの料金は、読ませた量と書かせた量の両方にかかります。単価から3つの使い方の費用を出しました（入力・出力の量は当サイトの目安、1ドル150円）。
| モデル | メールの下書き1,000通 | 会議の要約100本 | 問い合わせの一次返信5,000件 |
|---|---|---|---|
| GPT-6 Luna Pro | $0.7（105円） | $0.25（38円） | $1.75（263円） |
| GPT-6 Luna | $0.7（105円） | $0.25（38円） | $1.75（263円） |
| GPT-5.6 Luna Pro | $1.6（240円） | $0.54（81円） | $4（600円） |
| GPT-5.6 Luna | $1.6（240円） | $0.54（81円） | $4（600円） |
| Gemini 3.1 Flash Lite | $2（300円） | $0.675（101円） | $5（750円） |
| Gemini 3.5 Flash Lite | $3.1（465円） | $0.95（143円） | $7.75（1,163円） |
| Nova 2 Lite | $3.1（465円） | $0.95（143円） | $7.75（1,163円） |
| Devstral 2 2512 | $2.8（420円） | $1（150円） | $7（1,050円） |
| Gemini 3.8 Flash | $5.25（788円） | $1.875（281円） | $13.125（1,969円） |
| Gemini 3.7 Flash | $5.25（788円） | $1.875（281円） | $13.125（1,969円） |
件数と1件の長さを入れると、月の費用の目安が出ます。
【1件の入力】［ ］トークン（日本語は1字およそ1〜1.5トークン） 【1件の出力】［ ］トークン 【月の件数】［ ］件 入力の費用 ＝ 1件の入力 × 月の件数 ÷ 1,000,000 × 入力の単価 出力の費用 ＝ 1件の出力 × 月の件数 ÷ 1,000,000 × 出力の単価 月の費用 ＝ 入力の費用 ＋ 出力の費用（ドル）× 為替
応募書類のファイルを読めるモデル33件
| モデル（提供元） | 一度に読める量 | 100万トークン 入力／出力 |
|---|---|---|
| GPT-6 Luna Pro（OpenAI） | 1,050,000 | $0.1／$0.5 |
| GPT-6 Luna（OpenAI） | 1,050,000 | $0.1／$0.5 |
| GPT-5.6 Luna Pro（OpenAI） | 1,050,000 | $0.2／$1.2 |
| GPT-5.6 Luna（OpenAI） | 1,050,000 | $0.2／$1.2 |
| Gemini 3.1 Flash Lite（Google） | 1,048,576 | $0.25／$1.5 |
| Gemini 3.5 Flash Lite（Google） | 1,048,576 | $0.3／$2.5 |
| Nova 2 Lite（Amazon） | 1,000,000 | $0.3／$2.5 |
| Devstral 2 2512（Mistral AI） | 262,144 | $0.4／$2 |
| Gemini 3.8 Flash（Google） | 1,048,576 | $0.75／$3.75 |
| Gemini 3.7 Flash（Google） | 1,048,576 | $0.75／$3.75 |
| Gemini 3.6 Flash（Google） | 1,048,576 | $0.75／$3.75 |
| Grok Build 0.1（xAI） | 256,000 | $1／$2 |
| Grok 4.20 Multi-Agent（xAI） | 2,000,000 | $1.25／$2.5 |
| Grok 4.3（xAI） | 1,000,000 | $1.25／$2.5 |
| Gemini 3.5 Flash（Google） | 1,048,576 | $1.5／$9 |
| Mistral Medium 3.5（Mistral AI） | 262,144 | $1.5／$7.5 |
| Grok 4.7（xAI） | 500,000 | $1.6／$4.8 |
| GPT-6 Sol Pro（OpenAI） | 1,050,000 | $2／$10 |
| GPT-6 Sol（OpenAI） | 1,050,000 | $2／$10 |
| GPT-5.6 Terra Pro（OpenAI） | 1,050,000 | $2／$12 |
ほかに13件あります（入力の単価が高い順に省略）。
採用・人事の業務で、合うモデルが一度に読める量
やりたいことに要るおおよその量と、この中のモデルのうち一度に読めるものの数です。足りないモデルでは、資料を分けて渡すことになります。
| やりたいこと | 要るおおよその量 | 一度に読めるモデル |
|---|---|---|
| メール1通を書かせる | 1,000トークン | 33件／33件 |
| A4の資料1枚を読ませる | 2,000トークン | 33件／33件 |
| 1時間の会議の文字起こしを要約 | 15,000トークン | 33件／33件 |
| 契約書1通を読ませる | 20,000トークン | 33件／33件 |
| 本1冊を読ませる | 150,000トークン | 33件／33件 |
| 社内規程一式（本5冊ほど） | 750,000トークン | 27件／33件 |
モデルを使う前に決めること
試す前に、情シスや上長と決めておくことです。
この記事で使っている言葉
コンテキスト（一度に読める量）
1回のやり取りで渡せる文章の長さです。足りないと、前に渡したところを忘れます。大きいほど長い資料を分けずに渡せますが、読ませた分だけ費用もかかります。
トークン
AIが文章を数える単位です。日本語はおおむね1字が1〜1.5トークン。料金も読める量も、このトークンで数えます。
入力の単価・出力の単価
100万トークンあたりの米ドルです。読ませた量に入力の単価、書かせた量に出力の単価がかかります。出力のほうが高いのが普通です。
仕様はhttps://openrouter.ai/api/v1/modelsから2026-09-25に取ったものです。OpenRouter が各提供元から集めて公開している仕様です。単価は100万トークンあたりの米ドル。ベンチマークの点数や順位は含みません。
採用・人事のほかの業務
応募書類を読んで絞る
判定は「判断は人に残す」。いまは全部読んで印をつける、移したあとは条件で機械的に分ける。人に残るのは人物の見極め。応募書類を読んで絞る
研修の資料を作る
判定は「一部だけAI化する」。いまは一から作る、移したあとは構成を出させて中身を作る。人に残るのは自社の実例。研修の資料を作る
勤怠の記録を確かめる
判定は「一部だけAI化する」。いまは一覧を目で追う、移したあとは条件に外れるものを出させる。人に残るのは事情の確認。勤怠の記録を確かめる
社内の教育資料を更新する
判定は「一部だけAI化する」。いまは変更点を探して直す、移したあとは差分を出させて確かめる。人に残るのは現場の実態。社内の教育資料を更新する
社員の目標を整理する
判定は「一部だけAI化する」。いまは面談して書く、移したあとは面談の記録から整理させる。人に残るのは達成の見込み。社員の目標を整理する
採用・人事のほかの判定
- 採用・人事で「一部だけAI化する」業務（4件）
よくある質問
全部まとめて移したほうが早くありませんか？
比べる相手がいなくなるので、効果を説明できなくなります。1件ずつ移して、測ってから広げてください。
どのモデルがいちばん良いですか？
当サイトは点数や順位を持っていません。上の候補を同じ材料で試し、自分の作業で正しさと直す手間を比べて決めてください。
人に残る仕事は、いずれAIに任せられますか？
この3件の「人に残る仕事」は、間違えたときの影響が大きいか、判断の材料がAIに渡らないものです。任せるかどうかは、移したあとの記録を見てから決めます。
次にやること
- 1件選ぶ
上の表から、いちばん手間のかかっている業務を1件選びます。
求人の原稿を書く - いまのやり方を測る
移す前の1回を測っておかないと、効果を説明できません。 - 合うモデルを2つ試す
候補から2つ選び、同じ材料で比べます。