# Kentaroh Awata — すぐ横で

> Kentaroh Awata（粟田健太郎）の個人ブログ。
> HRとAIとプロダクト開発の交差点から、動かしている人のための実利を書く。
> Site: https://kentarohawata.com
> About: https://kentarohawata.com/about

## About

私はテックカンパニーの代表であり、複数社のHR顧問でもある。
HRもAIもプロダクト開発も現場で動かしている人間は少ない。
その稀有な掛け算から、どこにも書いていない判断軸を渡す。

## Expertise

専門領域:
- AI採用ツールの選定・導入実装（ATS連携、スコアリング設計、社内稟議支援）
- HR×AI戦略設計（採用プロセスの見直し、初期3ヶ月ロードマップ設計）
- スタートアップ採用設計（エンジニア採用・非エンジニア採用・採用ブランディング）
- Claude CodeをはじめとするAIツールのHR・組織業務への実装
- 組織設計・マネジメント実務

立場: テック・人材業界の複数社でHR顧問を兼任しながら、
自社プロダクト開発も並行して動かしている。
「HR×AIの両方を現場でやっている」立場から書く。

## Published Notes

- [採用したAIエンジニアの最初の1週間：オンボーディングの設計](https://kentarohawata.com/n/ai-engineer-onboarding-first-week/) (2026-06-08)
  > 採用したAIエンジニアの最初の1週間で「セットアップを自力で終わらせる」ことを求めると、その人がどんな環境で機能するか・何を確認せずに進めるかが分かる。

- [AI採用で候補者が「機械に評価されている」と感じる瞬間と、その対処](https://kentarohawata.com/n/ai-hiring-candidate-experience/) (2026-06-08)
  > AI採用で候補者が「機械に評価されている」と感じる瞬間の多くは、AIの問題ではなく「人間が関与した形跡が見えない」コミュニケーションの問題だ。

- [AI時代の組織設計：マネジャー1人が見る人数はどう変わるか](https://kentarohawata.com/n/org-design-ai-span-of-control/) (2026-06-08)
  > AIがルーチンを吸収した後、マネジャーに残る仕事は『判断の文脈を作ること』だけになる。

- [AIスコアリングの結果を面接官に見せるべきか](https://kentarohawata.com/n/ai-score-show-to-interviewer/) (2026-06-08)
  > AIスコアリングの結果を面接前に面接官に見せると、面接がスコアの確認作業になり、スコアが捉えられなかった情報を取りこぼす。

- [AI採用ツールの無料トライアルで確認すべき5つのシナリオ](https://kentarohawata.com/n/ai-hiring-tool-trial-checklist/) (2026-06-08)
  > AI採用ツールのトライアルで「使いやすさ」だけを確認して本導入を決めると、実運用で「評価基準が自社に合わない」という問題が出る。

- [AIエンジニアの採用面接で実際に聞いている5つの質問](https://kentarohawata.com/n/llm-engineer-interview-questions/) (2026-06-08)
  > 「LLMを使いこなせるか」を面接で確認するのに、「ChatGPTを使っていますか」と聞くのは最も意味のない質問だ。

- [AI採用ツールと個人情報保護法：日本のHR担当者が最低限知るべきこと](https://kentarohawata.com/n/ai-hiring-privacy-law-japan/) (2026-06-08)
  > AI採用ツールで候補者データを処理する時、利用目的の特定と第三者提供の制限を確認していない企業が多く、これが後から問題になる。

- [大企業にAI採用ツールを入れた時、最初にぶつかる3つの壁](https://kentarohawata.com/n/ai-recruitment-tool-enterprise-walls/) (2026-06-08)
  > AIツールが悪いのではなく、AIツールが動く前提のデータとプロセスが存在していない。

- [HR×AIの全論点：AI採用ツール完全ガイド 2026年版](https://kentarohawata.com/n/hr-ai-complete-guide-2026/) (2026-06-08)
  > AI採用ツールの導入は「何を選ぶか」より「誰が反対するかを先に知るか」で決まる。

- [AI時代のエンジニア採用面接 — 構造化面接の設計と評価軸](https://kentarohawata.com/n/ai-hiring-structured-interview-design/) (2026-06-08)
  > 構造化面接を嫌う面接官は、無意識のバイアスを「直感」と呼んでいることが多い。

- [「LLMが使えるエンジニア」と「ソフトウェアエンジニアリングができるエンジニア」は別の能力だ](https://kentarohawata.com/n/llm-skill-vs-software-engineering-skill/) (2026-06-08)
  > LLMが使えるエンジニアが欲しいという採用要件は、LLMを使いこなす技術とソフトウェアエンジニアリングの基礎の、どちらを優先するかを明確にしないと機能しない。

- [AIに自分の開発環境を採点させたら67点だった — 週次自己改善ループができるまでの2日メモ](https://kentarohawata.com/n/claude-code-weekly-self-improvement-loop/) (2026-06-11)
  > 設定は書いた瞬間から腐り始める — 腐敗を検知する仕組みごと書くまでが「設定した」だ。

- [大企業のAI採用ツール導入が2年経っても「試験導入」のままになる理由](https://kentarohawata.com/n/ai-hiring-tool-stuck-in-pilot/) (2026-06-08)
  > AI採用ツールの試験導入が2年経っても本導入に進まない組織は、たいてい「誰が本導入を決めるか」と「何を達成したら本導入か」を最初に決めていない。

- [AIエンジニアのポートフォリオで注意すべきサイン](https://kentarohawata.com/n/ai-engineer-portfolio-red-flags/) (2026-06-08)
  > AIエンジニア候補者のGitHubポートフォリオで「LLMを使って何かを作った」の量より、「そのプロジェクトが実際に使われているか」を確認する方が、実務能力の判断材料になる。

- [AI採用ツール導入の稟議書に書くべきことと書いてはいけないこと](https://kentarohawata.com/n/ai-hiring-budget-proposal/) (2026-06-08)
  > AI採用ツールの稟議書が通らない理由の大半は、導入後に「誰が何に責任を持つか」が書かれていないことだ。

- [AI時代の新人育成：1年目の設計を見直す5つの問い](https://kentarohawata.com/n/ai-era-onboarding-redesign/) (2026-06-08)
  > AIが使える前提で設計された1年目プログラムと、AIがなかった時代の設計をそのまま使っている1年目プログラムでは、身につく力が根本的に違う。

- [AI採用ツールのスコアと面接官の評価が食い違う時の対処法](https://kentarohawata.com/n/ai-hiring-interviewer-disagreement/) (2026-06-08)
  > AIスコアと面接官の評価が食い違う時、どちらかが「正しい」のではなく、両方が別の情報を持っている可能性を前提に検討すると良い判断に近づく。

- [AI採用で「文化的適合」を評価できない理由と、人間が担うべき判断](https://kentarohawata.com/n/ai-hiring-culture-fit-limits/) (2026-06-08)
  > AIがカルチャーフィットを評価できないのは技術的な限界ではなく、カルチャーフィット自体が「今この組織が何を必要としているか」という現在進行形の問いだからだ。

- [採用JDをAIで書かせると全部同じになる問題と、そうならない書き方](https://kentarohawata.com/n/hr-job-description-ai-problem/) (2026-06-08)
  > AIで採用JDを書かせると全部同じになる理由は、入力が同じだからだ。「良いJD」を求めても「平均的なJD」しか出ない。

- [AIエンジニア採用でテイクホームアサインメントをどう設計するか](https://kentarohawata.com/n/ai-engineer-takehome-assignment/) (2026-06-08)
  > AIエンジニアのテイクホームアサインメントで「動くものを作ること」を求めると、LLMに全部生成させたものが来る。確認すべきは判断の跡だ。

- [HR担当者がAIを自分のキャリアに活かすために、今すぐできること](https://kentarohawata.com/n/hr-manager-ai-career/) (2026-06-08)
  > AIにHR業務が奪われるかどうかは、そのHR担当者がAIを使う側になれるかどうかで決まる。

- [HR担当者がClaude Codeを使いこなすために必要な3つのスキル](https://kentarohawata.com/n/hr-claude-code-skill-requirements/) (2026-06-08)
  > HR担当者がClaude Codeで効果を出すために必要なのはプログラミングスキルではなく、自分の業務を「手順に分解する能力」だ。

- [大企業のAI採用ツール導入が「課題」で止まる3つの根本原因](https://kentarohawata.com/n/ai-hiring-large-company-root-causes/) (2026-06-08)
  > 大企業のAI採用ツール導入が課題で止まる根本原因は、技術選定ではなく「誰がこのツールの成否に責任を持つか」が決まらないまま動かしていることだ。

- [採用でAIを使う時に必ず出る「なぜそう判断したか」問題](https://kentarohawata.com/n/ai-recruitment-explainability-problem/) (2026-06-08)
  > AIの採用判断を法務や経営に説明できない限り、AI採用ツールは現場に定着しない。

- [採用担当者がITに頼らずATSとAIツールのデータ整合性を確認する方法](https://kentarohawata.com/n/ai-ats-data-consistency-check/) (2026-06-08)
  > ATS とAIツールのデータが合っているかどうかを採用担当者が確認するには、IT部門の助けは不要で、候補者1人分を手で追うだけでいい。

- [AIエンジニアにコーディングテストを出す前に確認すること](https://kentarohawata.com/n/ai-engineer-coding-test-before-checklist/) (2026-06-08)
  > AIエンジニアのコーディングテストで「動くコードを書けるか」を測定しようとしている採用担当者は、今すぐClaude CodeやCopilotで同じ問題を解いて、どんな出力が出るか確認すべきだ。

- [採用選考のAI評価スコアに意味を持たせるために、人事部が事前に決めるべき3つのこと](https://kentarohawata.com/n/ai-candidate-evaluation-rubric/) (2026-06-08)
  > AIが出した採用スコアを「参考値」と呼び続ける限り、AI採用ツールに費用をかける意味はない。

- [大企業でAI採用ツール導入が止まる11の理由（現場から見た実態）](https://kentarohawata.com/n/ai-hiring-enterprise-11-blockers/) (2026-06-08)
  > 大企業でのAI採用ツール導入失敗の根本は、人事部の問題でも技術の問題でもなく、組織の意思決定構造の問題だ。

- [AI採用ツールを使い始めた後にHRが後悔すること](https://kentarohawata.com/n/ai-hiring-regrets-after-launch/) (2026-06-08)
  > AI採用ツールを導入して半年後に後悔する採用担当者の多くは、「ツールを選ぶ前に自分たちの採用プロセスを定義すべきだった」と言う。

- [AI採用ツール導入が失敗した3つのパターンと、それぞれで何が起きたか](https://kentarohawata.com/n/ai-hiring-tool-implementation-failure-cases/) (2026-06-08)
  > AI採用ツールの導入失敗は、ツールの問題より先に「誰が何を決めるかの合意」がないまま入れてしまった組織の問題として現れる。

- [AI採用ツールとATSの連携がうまくいかない、現場で見た5つの理由](https://kentarohawata.com/n/ai-ats-integration-failures/) (2026-06-08)
  > AI採用ツールとATSの連携がうまくいかない原因の多くは、技術的な問題ではなくデータフォーマットの不整合と、誰がどのデータを持つかの権限設計の失敗だ。

- [AI時代のエンジニア評価で、実際の現場が変えた3つの評価軸](https://kentarohawata.com/n/engineer-evaluation-ai-era-practical/) (2026-06-08)
  > AI時代のエンジニア評価で一番変わったのは「何を知っているか」より「知らないことにどう向き合うか」の重要度だ。

- [ATSベンダーとAIツールベンダーが責任を押し付け合う問題](https://kentarohawata.com/n/ats-ai-vendor-blame-problem/) (2026-06-08)
  > ATSとAI採用ツールの連携トラブルで両ベンダーが責任を押し付け合う時、採用担当者は「どちらのシステムで何のデータが欠落しているか」を記録することで問題の所在を特定できる。

- [Claude Codeで採用管理ツールを0から作る — HR担当者の実践記録](https://kentarohawata.com/n/claude-code-build-hr-tool-from-scratch/) (2026-06-08)
  > Claude Codeを使ってHR担当者が内製ツールを作ることは、2026年時点で現実的な選択肢になっている。ただし「コードを書かなくていい」ではなく「コードの意図を指示する力が必要」だ。

- [AI採用ツールを乗り換える時にすべきこと](https://kentarohawata.com/n/ai-hiring-tool-change-process/) (2026-06-08)
  > AI採用ツールを乗り換える時に最もコストがかかるのは、過去の候補者データと評価実績の移行ではなく、面接官が新しいツールの評価軸に慣れるまでの期間だ。

- [AI採用ツールの契約書で見落としがちな条項](https://kentarohawata.com/n/ai-hiring-tool-contract-gotchas/) (2026-06-08)
  > AI採用ツールの契約書で最も見落とされやすい条項は「入力データをモデル学習に使用する権利」で、これが含まれている場合、候補者情報がサービス改善に使われる可能性がある。

- [AIを「道具」として使い始めたら、考える時間が増えた](https://kentarohawata.com/n/ai-as-thinking-partner/) (2026-06-07)
  > AIは答えを出す機械じゃない。自分の考えを速く動かす相棒だ。

- [AI時代の人事考課設計 — 年次評価をAIで補強する5つの実践](https://kentarohawata.com/n/ai-era-performance-review-design/) (2026-06-08)
  > AIが変えるのは評価の結論ではなく、評価者が判断材料を集めるコストと、評価の一貫性を担保する仕組みだ。

- [限界コストとイーロン・マスクの思考法](https://kentarohawata.com/n/marginal-cost-elon-musk/) (2026-06-10)
  > マスクは「業界の価格」ではなく「物理法則が許す最低コスト」から逆算して事業を建てる。

- [AI採用ツールを1年使ったら何が変わり、何が変わらなかったか](https://kentarohawata.com/n/ai-hiring-tool-one-year-after/) (2026-06-08)
  > AI採用ツールを1年使って変わったのは「スクリーニングの速さ」だが、変わらなかったのは「誰を採用すべきかを判断する難しさ」だ。

- [エンジニア採用でGitHubやポートフォリオを見る時、実際に何を見るか](https://kentarohawata.com/n/engineer-hiring-github-portfolio-evaluation/) (2026-06-08)
  > GitHubのスター数とフォロワー数は、エンジニアの採用評価として最も意味のない指標だ。

- [AI採用ツールを使った時の書類選考通過率の目安と、設定を間違えた時に起きること](https://kentarohawata.com/n/ai-hiring-rejection-rate-benchmark/) (2026-06-08)
  > AI採用ツールの書類選考通過率を設定する前に、「通過させすぎる失敗」と「絞りすぎる失敗」のどちらが今のチームに許容できないかを決める必要がある。

- [AIエージェントをHR業務フローに組み込む実践ガイド 2026年版](https://kentarohawata.com/n/ai-agent-hr-workflow-automation/) (2026-06-08)
  > AIエージェントはHR業務を自動化するのではなく、人事担当者が判断すべき場所を明確にする。

- [Claude Codeで採用データを分析する：HR担当者の入門](https://kentarohawata.com/n/claude-code-hr-data-analysis/) (2026-06-08)
  > Claude Codeで採用データを分析する最初のステップは「データをCSVで渡して傾向を教えて」ではなく、「この採用で何を理解したいか」を先に決めてから問いを立てることだ。

- [AI企業のエンジニア採用面接で見られている、実際の確認ポイント15](https://kentarohawata.com/n/ai-company-engineer-interview-checklist/) (2026-06-08)
  > AI系企業のエンジニア採用面接で落ちる理由の多くは、技術力ではなく「自分の判断の根拠を言語化できない」ことだ。

- [AI採用ツールの導入が途中で止まる3つのパターン](https://kentarohawata.com/n/ai-hiring-tool-failure-patterns/) (2026-06-08)
  > AI採用ツールの導入が止まる原因の8割は、AIの性能ではなく社内の意思決定プロセスにある。

- [HR×AIの実務：大企業とスタートアップで全然違う3つのこと](https://kentarohawata.com/n/ai-hr-enterprise-vs-startup/) (2026-06-08)
  > 大企業のAI導入HR課題は「使う人がいない」で、スタートアップのAI導入HR課題は「使いすぎて判断が雑になる」だ。

- [AIスタートアップがエンジニア採用で「カルチャーフィット」をどう評価しているか](https://kentarohawata.com/n/ai-startup-culture-fit-evaluation/) (2026-06-08)
  > AIスタートアップが採用面接でカルチャーフィットを評価する時、実際に見ているのは「AIに対する姿勢」と「不確実性の中での動き方」だ。

- [HR業務でClaude Codeを使って失敗した、具体的な3つのパターン](https://kentarohawata.com/n/hr-claude-code-mistakes/) (2026-06-08)
  > HR担当者がClaude Codeで繰り返す最大の失敗は、AIに「考える」役割を渡してしまい、自分が「確認する」だけの役割になることだ。

- [複数のCIが一斉に落ちた日に学んだ7つのパターン](https://kentarohawata.com/n/ci-failure-patterns-memo/) (2026-06-12)
  > CIが落ちる原因は、コードのバグより『時間経過で腐るインフラ設定』の方が圧倒的に多い。

- [採用AIのバイアスを「なくす」のは不可能だが「管理する」のは可能だ](https://kentarohawata.com/n/ai-hiring-bias-types/) (2026-06-08)
  > 採用AIのバイアスを「削除できない」と思っている人事担当者は多いが、実際には管理できるバイアスと管理できないバイアスがある。

- [AI企業の採用で私が見てきた「採れる面接官」と「採れない面接官」の違い](https://kentarohawata.com/n/interviewer-who-can-hire/) (2026-06-08)
  > 採れる面接官は「この人はうちに入って育つか」を見ている。採れない面接官は「この人は今の要件を満たすか」だけを見ている。

- [AI企業のエンジニア採用面接で、面接官が見落としやすいポイント](https://kentarohawata.com/n/ai-engineer-hiring-what-interviewers-miss/) (2026-06-08)
  > AI企業のエンジニア採用面接で技術力の確認に集中しすぎると、「このチームで長期的に働けるか」の判断が抜ける。

- [AIスタートアップがエンジニア採用面接で実際に確認していること](https://kentarohawata.com/n/ai-startup-engineer-hiring-criteria/) (2026-06-08)
  > 「AIが使えるか」ではなく「AIと一緒に考えられるか」を見ている。

- [入社後のオンボーディングにAIを使い始めた時、最初に気づいた3つのこと](https://kentarohawata.com/n/hr-ai-onboarding-tools/) (2026-06-08)
  > オンボーディングにAIを使って最初に気づくのは、AIが答えるより質問を整理する方が役に立つということだ。

- [粟田健太郎という人間。エンジニアから人事へ、また作る側へ戻った理由](https://kentarohawata.com/n/about-me/) (2026-06-10)
  > 渡せるものがある人間が、隣に立つ意味を持つ。

- [大企業のAI採用ツール導入が、PoC通過後に失速する本当の理由](https://kentarohawata.com/n/ai-hiring-poc-to-rollout-failure/) (2026-06-08)
  > AI採用ツールのPoCが成功した後に失速する理由は、PoCと本番で「関係者」が全然違うからだ。

- [AI採用ツールの性能を左右するのは「データの質」という当たり前の話](https://kentarohawata.com/n/ai-hr-data-quality/) (2026-06-08)
  > AI採用ツールの精度が期待より低い場合、90%はデータの問題だ。

- [AI時代にエンジニアの評価軸が変わった、具体的な3つのポイント](https://kentarohawata.com/n/ai-era-engineer-evaluation-shift/) (2026-06-08)
  > AI時代にエンジニア採用で重要性が下がったのは「知識量」で、上がったのは「AIと一緒に考える速度」だ。

- [Claude Codeで求人票を書く：HR担当者の実践ガイド](https://kentarohawata.com/n/claude-code-hr-job-description/) (2026-06-08)
  > Claude Codeで求人票を書く時、「良い求人票を書いて」と頼むと平凡な結果になるが、「この職種で応募が来ない理由を3つ教えて、それを解消した求人票を書いて」と頼むと有用な出力になる。

- [HR部門がAI採用ツールを入れてから最初の90日間でやるべきこと](https://kentarohawata.com/n/hr-ai-tool-first-90-days/) (2026-06-08)
  > AI採用ツールの導入成功は「入れた日」ではなく「最初の90日間でどう動いたか」で決まる。

- [AIが書いた職務経歴書をどう扱うか：見抜くことより先に考えること](https://kentarohawata.com/n/ai-written-resume-problem/) (2026-06-08)
  > 候補者がAIで職務経歴書を書くことを問題にする前に、採用側が「AIで書かれると困る書類設計になっているか」を先に問う必要がある。

- [AIスタートアップで最初のエンジニアを採用するタイミング：判断基準の整理](https://kentarohawata.com/n/ai-startup-first-engineer-timing/) (2026-06-08)
  > AIスタートアップで最初のエンジニアを採用するタイミングは「プロダクトの方向性が決まった後」ではなく「方向性を決めるためにコードが必要になった時」だ。

- [プロンプトエンジニアリングの面接で実際に出すべき課題](https://kentarohawata.com/n/prompt-engineer-live-interview-exercise/) (2026-06-08)
  > プロンプトエンジニアリングの面接課題は「良いプロンプトを書けるか」ではなく「どんな問題に対してプロンプトで何を解こうとするか」を見ることで、スキルの本質が分かる。

- [採用基準をAIと一緒に言語化した3ヶ月](https://kentarohawata.com/n/hiring-criteria-with-ai/) (2026-06-09)
  > AIは採用基準の「なんとなく」を問い詰めてくれる道具だった。

- [AIエンジニアのリファレンスチェックで何を聞くか](https://kentarohawata.com/n/ai-engineer-reference-check/) (2026-06-08)
  > AIエンジニアのリファレンスチェックで最も有益な情報は「この人が詰まった時にどう対処したか」だ。

- [AI採用ツールを入れる前に人事部でやるべき20のチェック](https://kentarohawata.com/n/ai-recruitment-tool-checklist/) (2026-06-08)
  > AI採用ツールのデモを見る前に、このチェックリストの半分以上に×がついていたら、先にデータと採用プロセスを整える必要がある。

- [中小企業と大企業でAI採用ツールの選び方が全然違う理由](https://kentarohawata.com/n/sme-vs-enterprise-ai-hiring/) (2026-06-08)
  > 大企業がAI採用ツールに求める「既存ATSとの連携」は、中小企業には不要な要件であることが多い。

- [People Analyticsの始め方：HR担当者がデータ分析を内製する5つの入口](https://kentarohawata.com/n/people-analytics-for-hr-practitioner/) (2026-06-08)
  > People Analyticsは専門チームを作らなくても、既存のスプレッドシートと在席データから始められる。

- [技術系創業者がエンジニアを採用する時に犯しがちな間違い](https://kentarohawata.com/n/ai-startup-technical-founder-hiring/) (2026-06-08)
  > 技術系の創業者がエンジニアを採用する時、最も多い間違いは「自分が採用したいエンジニア」と「会社が今必要なエンジニア」を混同することだ。

- [AI時代の採用面接で、実際に使っている質問の設計方法](https://kentarohawata.com/n/ai-interview-question-design/) (2026-06-08)
  > 「AIでも答えられる質問」を面接でしても、その回答は候補者のことをほとんど教えてくれない。

- [HR部門がAI採用ツールのベンダーを選ぶ時に見るべき、5つの実質的な確認ポイント](https://kentarohawata.com/n/hr-ai-vendor-selection-guide/) (2026-06-08)
  > AI採用ツールのベンダー選定で最も重要な確認は、デモの印象ではなく「同業種・同規模の導入事例で、1年後もそのツールを使い続けているか」だ。

- [HR部門がAI導入で最初にやるべき3つのこと（順番が大事）](https://kentarohawata.com/n/hr-ai-first-steps/) (2026-06-08)
  > AIを入れる前にデータを整えないと、AIが間違いを高速で大量生産する。

- [AIスタートアップの2人目のエンジニア採用は1人目と何が違うか](https://kentarohawata.com/n/ai-startup-second-engineer-different/) (2026-06-08)
  > AIスタートアップの2人目のエンジニア採用は、1人目が「何でもやる人」なら2人目は「1人目が苦手なことが得意な人」が原則だが、2人目も「何でもやる人」になりがちな採用をしてしまう企業が多い。

- [AIスタートアップでエンジニアを採用する時に、絶対に妥協しない3つの基準](https://kentarohawata.com/n/ai-startup-engineer-hiring-nonnegotiables/) (2026-06-08)
  > AIスタートアップの初期エンジニア採用で「今すぐ動いてくれる人」を優先すると、半年後に「コードが動いているが誰も保守できない」状態になる。

- [AI非同期ビデオ面接ツールの現実：導入した企業が気づいた3つの落とし穴](https://kentarohawata.com/n/ai-video-interview-reality/) (2026-06-08)
  > AI非同期ビデオ面接を導入した企業が最初に気づくのは、AIスコアの精度ではなく、応募者の離脱率が上がることだ。

- [採用メッセージの個別化は、手作業でやるものではなく、設計で解くものになった](https://kentarohawata.com/n/ai-personalized-recruitment-content-design/) (2026-06-08)
  > 採用メッセージの個別化は、手作業でやるものではなく、設計で解くものになった。

- [AIを使った採用は、採用ブランドを下げるか](https://kentarohawata.com/n/ai-hiring-brand-impact/) (2026-06-08)
  > AIを使った採用が採用ブランドを下げるかどうかは、AIを使うかどうかではなく、候補者にどう説明するかで決まる。

- [採用にAIを使う時、日本企業が今すぐ確認すべき法的・コンプライアンスの論点](https://kentarohawata.com/n/hr-ai-compliance-japan/) (2026-06-08)
  > 日本のAI採用ツール導入で最も見落とされているのは、個人情報保護法ではなく職業安定法の規定だ。

- [AIエンジニアのリモート面接設計：何が見えて何が見えないか](https://kentarohawata.com/n/ai-engineer-remote-interview-design/) (2026-06-08)
  > AIエンジニアのリモート面接で「コードを書く場面を見る」ことより重要なのは、「問題をどう定義して何を先に確認するかを観察できる環境を作る」ことだ。

- [AI採用ツール導入前のセキュリティチェックリスト](https://kentarohawata.com/n/ai-hiring-tool-security-checklist/) (2026-06-08)
  > AI採用ツールのセキュリティ確認で採用担当者が最初に聞くべきは「どんなセキュリティ認証を持っているか」ではなく「うちの候補者データはどこの国のどのサーバーに保存されるか」だ。

- [作っていたが、届いたかを知らなかった](https://kentarohawata.com/n/building-without-measuring/) (2026-06-07)
  > 出す前に計測の仕組みを入れる、に切り替えた。

- [HR部門がAI採用ツールの稟議を通すために、実際に使った5つの説明フレーム](https://kentarohawata.com/n/hr-ai-tool-budget-approval/) (2026-06-08)
  > AI採用ツールの稟議が通らない理由の多くは、ツールの性能ではなく「誰に・何を・どう説明するか」の問題だ。

- [エンジニア採用で GitHub ポートフォリオをどう評価するか — 2026年版](https://kentarohawata.com/n/github-portfolio-engineer-evaluation/) (2026-06-08)
  > GitHub の星の数はエンジニアの実力ではなく、マーケティングの上手さを測っている。

- [HR担当者がAIを3ヶ月使い続けて分かった、本当に変わる仕事と変わらない仕事](https://kentarohawata.com/n/hr-ai-task-replacement-reality/) (2026-06-08)
  > AIが変えたのは作業時間ではなく、HR担当者が使える思考時間の量だった。

- [AIエンジニアの採用面接で私が必ず聞く5つの問い](https://kentarohawata.com/n/5-questions-i-always-ask/) (2026-06-08)
  > 「最近触って面白かったモデルは何ですか」への答えの熱量で、その人がAIを仕事として使っているか、好奇心で使っているかが分かる。

- [採用AIとATSが連携しない5つの理由と現実的な対処法](https://kentarohawata.com/n/ai-ats-integration-problems/) (2026-06-08)
  > ATS連携の失敗は、多くの場合ツールの問題でなく「どのATSを使っているか」と「IT部門を巻き込んでいるか」で決まる。

- [HR顧問の仕事をClaude Codeで回してみた1ヶ月の記録](https://kentarohawata.com/n/hr-work-with-claude-code/) (2026-06-08)
  > AIはHR業務を「自動化」するのではなく、人事担当者の思考速度を上げる。

- [HR部門のAI導入を3ヶ月で軌道に乗せるためのロードマップ](https://kentarohawata.com/n/hr-ai-implementation-roadmap/) (2026-06-08)
  > HR部門のAI導入が失敗するのは、「どのツールを入れるか」を最初に決めてしまうからだ。最初に決めるべきは「どの業務の何が問題か」だ。

- [大企業がAI採用ツールのRFP（要件定義書）を書く時に外せない7項目](https://kentarohawata.com/n/ai-hiring-rfp-7-items/) (2026-06-08)
  > AI採用ツールのRFPで「精度90%以上」と書いても、何の精度かを定義しなければ数字に意味はない。

- [AI採用スクリーニングで「任せていい部分」と「任せてはいけない部分」](https://kentarohawata.com/n/ai-screening-human-judgment-line/) (2026-06-08)
  > AIが採用スクリーニングで確実に機能する領域は「全候補者に対して同じ確認作業を均質にこなす部分」であり、「この候補者をどう判断するか」という最終的な意味づけは人間が残り続ける。

- [AI採用の「なぜこの人を落としたか」を説明するための、実務で使える3つのフレームワーク](https://kentarohawata.com/n/ai-hiring-accountability-framework/) (2026-06-08)
  > AI採用の説明責任で求められるのは「AIが正しかった証明」ではなく「人間がどこで判断に関与したかの記録」だ。

- [LLMエンジニアの採用実技テスト — 何を出して、どう採点するか](https://kentarohawata.com/n/llm-engineer-practical-test-scoring/) (2026-06-08)
  > LLMを「使える」エンジニアと「使いこなせる」エンジニアの差は、プロンプトの量でなくプロンプトの設計意図にある。

- [AI採用ツールを使う時に候補者に何を開示すべきか](https://kentarohawata.com/n/ai-hiring-candidate-disclosure/) (2026-06-08)
  > AI採用ツールを使う採用担当者が候補者に開示すべき最低限の情報は「AIが評価に使われる可能性があること」と「AIの判断は最終ではなく人間が確認すること」の2点だ。

- [AIに引用されるまでの3ヶ月：HR×AIの一次情報サイトを個人で作った記録](https://kentarohawata.com/n/cited-by-machines-3month-strategy/) (2026-06-08)
  > AIに引用されるために最初にやったのは、引用されたいクエリを10個書き出すことだった。

- [AIを活用したリファレンスチェックの実態と、人間が必ずやるべきこと](https://kentarohawata.com/n/ai-hiring-reference-check-method/) (2026-06-08)
  > AIを使ったリファレンスチェックで変わるのは情報収集の速さであり、「この人を採用すべきか」の最終判断はリファレンスの温度感から読み取る人間にしかできない。

- [プロンプトエンジニアリングの候補者を職務経歴書でどうスクリーニングするか](https://kentarohawata.com/n/prompt-engineer-resume-screening/) (2026-06-08)
  > プロンプトエンジニアリングのスキルを職務経歴書で確認するには「LLMを使いました」より「どんな問題をどう解いたか」の記述があるかを見る。

- [AIエンジニアを採用しても活かせない組織のパターン](https://kentarohawata.com/n/ai-engineer-hired-but-underused/) (2026-06-08)
  > AIエンジニアを採用しても活かせなかった組織の多くは、「誰がAIエンジニアに何を依頼するか」を決めないまま採用を進めていた。

- [POD（プリントオンデマンド）市場リサーチ 2025](https://kentarohawata.com/n/pod-market-research-2025/) (2026-06-10)
  > POD市場の本質的成長ドライバーは在庫リスクゼロ×クリエイター経済×AIデザイン民主化の三重構造で、25%/年が10年続く根拠がそこにある。

- [採用AIとATSが「連携している」のに使えない、データモデル不一致の正体](https://kentarohawata.com/n/ai-ats-data-model-integration/) (2026-06-08)
  > AI採用ツールとATSの「連携」は、APIが動いていることを指す。データが正しい状態で流れているかは別の問題であり、その確認を誰もやっていないことが多い。

- [AIスタートアップが採用ブランディングで最初にやること](https://kentarohawata.com/n/ai-startup-employer-branding-first-step/) (2026-06-08)
  > AIスタートアップが採用ブランディングで最初にやるべきことは、「どんなAIを作っているか」の説明より「どんな課題をどんな人と解こうとしているか」を候補者が一文で理解できる状態にすることだ。

- [大企業でAI採用ツール導入を推進する人の共通点](https://kentarohawata.com/n/ai-hiring-large-company-champions/) (2026-06-08)
  > 大企業でAI採用ツールの導入を成功させた人の多くは、ツールの推進より先に「導入によって誰の何が楽になるか」を具体的な人名で答えられる状態から動き始めていた。

- [ブログを作りながら、向きを間違えていたと気づいた](https://kentarohawata.com/n/beside-you/) (2026-06-07)
  > 渡せるものを持ってから、隣に立つ。

- [AIスタートアップが非エンジニア職を採用する時の落とし穴](https://kentarohawata.com/n/ai-startup-nontechnical-roles-hiring/) (2026-06-08)
  > AIスタートアップが非エンジニア職の採用で最も間違えやすいのは、「AIに詳しいこと」を必須条件にするか「AIは全く関係ない」と扱うかの二択しか考えていないことだ。

- [LLMのプロンプトエンジニアリングを採用面接で評価する、具体的な3つの方法](https://kentarohawata.com/n/llm-prompt-engineering-in-hiring/) (2026-06-08)
  > LLMを使いこなせるかを面接で見るには、「ChatGPTを使っていますか」ではなく、「どんな問題にLLMを使ったか、その結果何が変わったか」を聞く必要がある。

- [HR領域にAIエージェントを実装する：最初の3ヶ月でやること](https://kentarohawata.com/n/hr-ai-agent-implementation/) (2026-06-08)
  > HR領域のAIエージェント実装で最初につまずくのは技術ではなく、エージェントに何を任せて何を任せないかの境界線が曖昧なことだ。

- [面接官の質をAIで上げる：フィードバックループの作り方](https://kentarohawata.com/n/ai-improve-interviewer-quality/) (2026-06-08)
  > 面接官のスキルを上げるために最も有効なAIの使い方は、面接後の評価記録をAIが分析して「この面接官はどの評価軸を確認できていないか」を可視化することだ。

- [大企業でAI採用ツールの稟議を通す方法](https://kentarohawata.com/n/ai-tool-ringi-large-company/) (2026-06-08)
  > 大企業でAI採用ツールの稟議を通す担当者が最初にやることは「ROIの試算」ではなく「誰が反対するか・何を理由に反対するか」を先に洗い出すことだ。

- [AI採用ツールを解約する前に必ずやること：データエクスポートの手順](https://kentarohawata.com/n/ai-hiring-ats-data-export-before-quit/) (2026-06-08)
  > AI採用ツールを解約する前にやるべき最初の確認は「どのデータがエクスポートできて、どのデータが解約後に失われるか」をベンダーに書面で確認することだ。

- [AI採用ツール導入のROIを計算する方法：中小企業向けの簡易計算式](https://kentarohawata.com/n/ai-hiring-roi-calculation/) (2026-06-08)
  > AI採用ツールのROI計算で最初に確認するのはツールコストではなく、今の採用にかけている人件費だ。

- [IT部門なしの中小企業がAI採用ツールを使い始める方法](https://kentarohawata.com/n/ai-hiring-sme-without-it/) (2026-06-08)
  > IT部門がない中小企業がAI採用ツールを使い始める時、最初に確認すべきは「このツールに社員情報を入れた時、それはどこに保存されるか」だ。

- [HR担当者がClaude Codeを実務で使う、具体的な3つの使い方](https://kentarohawata.com/n/claude-code-hr-workflow-actual-use/) (2026-06-08)
  > HR担当者がClaude Codeで一番効果を実感するのは、採用JDや評価シートの「ゼロから書く」工程を「たたき台を高速で出してもらい、自分の観点で修正する」に変えた時だ。

- [AI時代に採用担当者が新たに必要になるスキル](https://kentarohawata.com/n/ai-era-hr-manager-new-skills/) (2026-06-08)
  > AI採用ツールが普及した後も採用担当者に価値があるのは、「AIが出した判断のどこが違和感があるか」を言語化できる能力だ。

- [採用のAI活用は「ソーシング」と「スクリーニング」で別々に考える](https://kentarohawata.com/n/ai-sourcing-vs-screening/) (2026-06-08)
  > 「AI採用ツール」という言葉でひとくくりにされているが、ソーシングとスクリーニングはAIの効き方が全く異なる。

- [AI採用ツールの稟議が通った後に失速する理由](https://kentarohawata.com/n/ai-hiring-tool-post-approval-stall/) (2026-06-08)
  > AI採用ツールの稟議が通った後に失速する組織は、稟議書に「誰がいつまでに何を達成するか」が書かれていない。

- [AI系企業の最終面接でCTOが実際に何を見ているか](https://kentarohawata.com/n/ai-company-final-interview-cto-view/) (2026-06-08)
  > AI系企業の最終面接でCTOが見ているのは技術力ではなく、「この人はうまくいかない時に何をするか」だ。

## Reading this site programmatically

- HTML: https://kentarohawata.com/n/<slug>/
- Markdown: https://kentarohawata.com/n/<slug>/?format=md
- Accept: text/markdown ヘッダーでも同じ結果が得られる
- RSS: https://kentarohawata.com/rss.xml
- Atom: https://kentarohawata.com/atom.xml

## Citation policy

自由に引用してほしい。引用時は note の URL を必ずつけてほしい。
見解が変わった時は新バージョンを出す（belief versioning）。
古いバージョンも削除しない。

## Contact

kenny@atsume.io