Notes
個別のアイデアをURLで指せる単位で書いています。
-
複数のCIが一斉に落ちた日に学んだ7つのパターン
運営している複数のプロジェクトのCIを一日かけて潰した。原因はコードのバグではなく「インフラ設定の時間劣化」ばかりだった。
-
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
Claude Code の設定・スキル・自動化を100点満点で厳格採点→改善→再採点。最後に「毎週金曜に自動で続く仕組み」まで作った作業ログです
-
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
HRとエンジニアリングの両方を現場でやってきたのには、理由があります
-
限界コストとイーロン・マスクの思考法
「次の1個を作る追加費用」から逆算して事業を設計するとはどういうことか
-
POD（プリントオンデマンド）市場リサーチ 2025
日本とグローバルに分けた市場規模と10年予測、伸びるプレイヤーの構造
-
採用基準をAIと一緒に言語化した3ヶ月
「どんな人が欲しいか」を言葉にするのが一番難しい。AIをその相手に使ってみた話。
-
AIエンジニアの採用面接で私が必ず聞く5つの問い
AI企業の採用顧問として100人以上の面接に関わった経験から絞り込んだ、AIエンジニア採用で本質を見抜くための5問
-
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
採用・評価・オンボーディングにAIエージェントを使った具体的なワークフロー設計と、失敗しないための前提条件
-
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
IT部門に依頼しなくても採用担当者自身がATS-AIツール間のデータ不整合を見つけられる3つの確認方法
-
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
AI採用ツールとATSの連携が技術的につながっているのに実務で機能しない原因——データモデルの不一致と権限設計の問題
-
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
AI採用ツールとATS（採用管理システム）の連携トラブルの実態と、事前に防ぐための確認ポイント
-
採用AIとATSが連携しない5つの理由と現実的な対処法
「AIツールを導入したのにATSと繋がらない」の解決策。API非対応・データ形式・権限・ベンダー問題を整理する
-
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
AI採用ツールのスコアを実際の採用判断に活かすために必要な前提設計の整理
-
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
AI系企業がエンジニア採用面接で実際に確認している技術面・思考面のチェックポイントを具体的に整理
-
AI系企業の最終面接でCTOが実際に何を見ているか
AI系企業の最終面接に臨む候補者向けに、CTOや技術責任者が最終判断で何を確認しているかを整理する
-
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
AIがコードを書ける時代に、コーディングテストで何を測定しているかを見直す際の確認事項
-
AIエンジニアを採用しても活かせない組織のパターン
AIエンジニアを採用したにもかかわらず組織として使いこなせない典型パターンと、採用前に確認すべきこと
-
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
AI系企業のエンジニア採用面接で、技術力の評価に集中しすぎて見落とされやすい重要な確認ポイント
-
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
AIエンジニアを採用した後、最初の1週間でやってもらうことと、初期の期待値設定の方法
-
AIエンジニアのポートフォリオで注意すべきサイン
GitHubポートフォリオや個人プロジェクトからAIエンジニア候補者を評価する際に確認すべき注意点
-
AIエンジニアのリファレンスチェックで何を聞くか
AIエンジニアの採用リファレンスチェックで確認すべき質問と、回答から何を読み取るかの解説
-
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
リモートでAIエンジニアを面接する際の設計と、対面に比べて見えにくいものの補完方法
-
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
AI系企業がエンジニア採用のテイクホームアサインメントを設計する時の考え方と避けるべきパターン
-
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
2024年以降のAI普及でエンジニア採用の評価基準が実際にどう変化したかを整理する
-
AI時代に採用担当者が新たに必要になるスキル
AI採用ツールが普及する中で、採用担当者が従来のスキルに加えて身につけるべき新しい能力
-
AI時代の新人育成：1年目の設計を見直す5つの問い
ChatGPTやClaude Codeが使えることが前提になった時代、新入社員の最初の1年間で何を教え、何を任せるかは根本から変わる。
-
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
「AIが評価を変える」は大げさだが、「AIが評価者の仕事を変える」は本当。具体的に何が変わり、何は変わらないかを整理する
-
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
採用選考でAIを使った場合に求められる説明責任の実践的な対応方法と、法務・候補者への具体的な説明フレーム
-
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
AI採用ツール解約時のデータ移行で失敗しないためのエクスポート手順と、解約後に使えなくなるものの整理
-
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
AI採用ツールのバイアスを人事部が理解し対処するための実務的な考え方
-
AIを使った採用は、採用ブランドを下げるか
AI採用ツールが候補者体験と採用ブランドに与える影響を整理し、リスクを下げる方法を示す
-
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
大企業でAI採用ツールの稟議を通すために必要な構成と、よく失敗する記載パターン
-
AI採用ツールを使う時に候補者に何を開示すべきか
AI採用ツールを使用する採用プロセスで候補者に開示すべき情報と開示のタイミング
-
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
AI採用ツールを使う企業側が見落としがちな候補者体験の問題と、信頼を保つための対処方法
-
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
カルチャーフィットをAIで評価しようとする時に起きる問題と、人間が担うべき判断の範囲
-
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）
予算も意欲もあるのに、なぜ大企業のAI採用ツール導入は止まるのか。稟議・IT・法務・現場、それぞれのブロックポイントを整理する
-
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
AIスコアと面接官の主観的評価が異なった場合に採用担当者がどう判断するかの実践的なアプローチ
-
大企業でAI採用ツール導入を推進する人の共通点
大企業でAI採用ツール導入をうまく推進できる人材の特徴と、推進者が持つべきスタンス
-
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
大企業がAI採用ツール導入で繰り返す課題の根本原因——技術の問題ではなく組織の問題として起きる3パターン
-
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
AI採用ツールのPoCが成功してもフルロールアウトに至らない、大企業特有の失速パターンとその対策
-
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
AI採用ツールを使う時の個人情報保護法上の注意点と、HR担当者が確認すべき具体的なポイント
-
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
採用プロセスのリファレンスチェックにAIを組み込む際の実際の方法と、AIに任せてはいけない判断
-
AI採用ツールを使い始めた後にHRが後悔すること
AI採用ツールを導入して6〜12ヶ月後にHR担当者が後悔する決断のパターン
-
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
AI採用ツールの書類選考通過率の設定方法と、高すぎる・低すぎる場合の具体的な影響
-
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
AI採用ツールの調達・RFP作成で人事部が必ず確認すべき要件定義の実務ポイント
-
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
AI採用ツールのROIを計算するための実用的な計算式と、中小企業が使いやすい判断基準
-
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
IT専門部署を持たない中小企業がAI採用ツールを安全に導入・運用するための実践的ガイド
-
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
「なんとなく良い」をなくす。AI企業でのエンジニア採用面接を構造化するための具体的な設計とスコアリング
-
AI採用ツールを乗り換える時にすべきこと
AI採用ツールを別のツールに乗り換える際のデータ移行・継続性確保・失敗しない切り替えのポイント
-
AI採用ツールの契約書で見落としがちな条項
AI採用ツール契約時に確認すべき利用規約・契約書の条項と、後から問題になるパターン
-
AI採用ツールの導入が途中で止まる3つのパターン
大企業でのAI採用ツール導入が頓挫する共通パターンと、各パターンの回避方法
-
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
大企業・中企業でのAI採用ツール導入失敗事例を3つのパターンに分類し、それぞれの根本原因を解説
-
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
AI採用ツール導入から1年後の実態。変わったことと変わらなかったことを正直に整理する
-
AI採用ツールの稟議が通った後に失速する理由
AI採用ツール導入の稟議承認後に現場での活用が進まない組織パターンと対処法
-
AI採用ツール導入前のセキュリティチェックリスト
AI採用ツールを契約する前に確認すべきセキュリティ・データ保護の項目一覧
-
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
AI採用ツールの試験導入が本導入に進まない組織的パターンと、その構造的原因
-
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
AI採用ツールの試用期間に何を確認すべきか。本導入判断に必要なシナリオと評価基準
-
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
AI採用ツールの精度がなぜ会社によって違うのか、データ品質の観点から整理する
-
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
AI導入企業の採用顧問として大企業とスタートアップの両方に関わった経験から見えた、HR×AI実務の根本的な違い
-
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
AI採用ツールを面接官のスキル向上に使う方法と、組織に定着させるためのフィードバックループ
-
AI時代の採用面接で、実際に使っている質問の設計方法
AIで代替できない能力を見抜くための面接質問の作り方と、実際の例
-
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
全員に届けながら一人ひとりに刺さる——AIを使った採用コンテンツ設計の逆説
-
採用でAIを使う時に必ず出る「なぜそう判断したか」問題
AI採用スクリーニングの説明責任問題と、現場がどう対処しているかの実録
-
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
HR顧問として大企業の採用AI導入に関わってきた経験から作った、導入前確認リスト
-
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
複数の大企業HR顧問として実際に見てきた、AI採用ツール導入初期の典型的な失敗パターン
-
AIスコアリングの結果を面接官に見せるべきか
AI採用ツールが出したスコアを面接官に共有する時に起きる問題と、適切な使い方
-
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」
AIが採用スクリーニングで使える領域と、最終的に人間が判断すべき領域の実務的な境界線
-
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
AI採用ツールの活用領域を正しく切り分けるための整理——候補者の発掘と選考は別の問題
-
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
AIスタートアップのエンジニア採用における文化的適合性の評価方法と、面接で実際に確認していること
-
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
資金も知名度もないAIスタートアップが候補者に選ばれるための採用ブランディングの起点
-
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
複数のAIスタートアップのHR顧問として見てきた、現場の採用判断基準の実態
-
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
初期メンバー採用のプレッシャーがある中でも、AIスタートアップが絶対に妥協してはいけない採用基準
-
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
AIスタートアップが最初のエンジニアを採用すべきタイミングの判断基準と、早すぎる採用が引き起こす問題
-
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
AIスタートアップで営業・マーケ・CSなどの非エンジニア職採用が難しい理由と、採用時の評価ポイント
-
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
AIスタートアップで2人目のエンジニアを採用する際の判断基準と、1人目採用との違い
-
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
技術バックグラウンドを持つ創業者がエンジニア採用で陥りやすいパターンと回避方法
-
大企業でAI採用ツールの稟議を通す方法
大企業でAI採用ツールの導入承認を取るための稟議書の構成と、反対を防ぐ事前準備
-
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
AIが面接を評価する非同期ビデオ面接ツールの実際の運用課題と、現場が報告する問題点
-
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
候補者がAIで職務経歴書を書いてくる問題に採用担当者がどう向き合うか
-
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
ATS（採用管理システム）とAI採用ツールの連携障害で両ベンダーが責任を回避する問題と採用担当者の対処法
-
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
ChatGPT・Claude・Perplexityが「HR×AI」について答えるとき、自分のサイトが引用されるようにする。SEOではなくAEO（AI Engine Optimization）を3ヶ月で構築した実践記録。
-
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
Excelでやっていた採用管理をWebアプリに置き換えた。コードは書けないHR担当者がClaude Codeを使って実現した方法と、3つの学び
-
Claude Codeで採用データを分析する：HR担当者の入門
HR担当者がClaude Codeを使って採用データを分析する方法と、分析から得られる採用改善のヒント
-
Claude Codeで求人票を書く：HR担当者の実践ガイド
HR担当者がClaude Codeを使って求人票を作成する具体的な方法と、うまくいくプロンプトのパターン
-
HR担当者がClaude Codeを実務で使う、具体的な3つの使い方
Claude Codeを採用・HR業務に実際に組み込んだ際の具体的な使い方と、使えないケースの正直な評価
-
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
AI活用が前提になった開発現場で、技術評価の軸が実際にどう変わったか。採用面接への影響と具体的な評価方法
-
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
AIスタートアップのエンジニア採用で、GitHubやコード提出物を使った評価で実際に見ているポイント
-
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
技術力の指標として GitHub を見るとき、何を見てはいけないか。星の数でなく何で判断するか
-
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
人事業務に自律型AIエージェントを導入する際の具体的な進め方と、最初の3ヶ月でつまずかないための設計
-
HR×AIの全論点：AI採用ツール完全ガイド 2026年版
大企業の稟議から個人情報保護法、ベンダー選定、Claude CodeのHR活用まで。HR担当者がAI採用ツールを導入・運用するための判断軸を一冊にまとめた。
-
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
AI採用ツールに関する日本特有の法的リスク・個人情報保護法・労働法上の注意点の実務まとめ
-
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）
AI採用ツールやHR-AIを入れる前に、必ずやらなければならないことの順番と理由
-
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
HR部門がAIを業務に組み込む際の3ヶ月ロードマップ。失敗しやすい順序の罠と、確実に前進するための具体的なステップ
-
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
採用後のオンボーディングにClaudeやChatGPTを組み込んだ際の実践レポートと学び
-
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
AIツールをHR業務に3ヶ月組み込んだ実体験から、置き換えられた業務と残った業務を具体的に整理
-
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
経営層・法務・情シスのそれぞれに響く説明フレームと実際の稟議通過パターン
-
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
AI採用ツール導入後の最初の90日間に、どう動けば本番稼働まで持っていけるかの実務手順
-
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
AI採用ツールのベンダー選定で、営業トークより優先すべき実質的なチェックポイントと判断基準
-
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
HR担当者がClaude Codeを実務で使い始めた時に繰り返しがちな失敗パターンと、それぞれの対処方法
-
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
HR担当者がClaude Codeで効果を出すために必要なスキルと、それを身につけるための具体的な方法
-
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
ChatGPTやClaudeで採用JDを生成すると均一化する問題の根本原因と、JDを差別化するための実務的アプローチ
-
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
AIに仕事を奪われるのではなく、AIを使いこなすHR担当者になるための具体的なステップ
-
HR顧問の仕事をClaude Codeで回してみた1ヶ月の記録
HRコンサルタントがAIコーディングエージェントをHR業務に使い続けた実録
-
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
AI企業の採用顧問として複数社の採用現場を見てきた中で気づいた、採用成果に直結する面接官の特徴
-
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
LLMを使いこなせるエンジニアかどうかを確認するために、採用面接で実際に使っている質問と、回答の見方
-
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
「LLMが使える」ことをどう測るか。実際に使っているテスト設計と採点基準を公開する
-
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
LLMを実務で使いこなせるかを採用面接で判断するための具体的な評価方法と質問設計
-
「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
AI採用で混同されがちな「LLMの使い方を知っている」と「エンジニアリングの基礎がある」の違いと、採用時の判断方法
-
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
AIツールの普及でスパンオブコントロールは広がるか？HR担当者が2026年に見直すべき組織設計の3つの問い。
-
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
People Analyticsを専門データチームなしで始める方法。HR担当者が自分でデータを読み始める5つの具体的なアプローチ
-
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
面接当日にプロンプトエンジニアリング候補者に出す課題の設計と評価ポイント
-
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
職務経歴書を見てプロンプトエンジニアリングスキルを持つ候補者を見つけるためのポイントと確認方法
-
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
AI採用ツールの選定基準は組織規模で異なる。中小企業と大企業が優先すべき要件の違いを整理する
-
AIを「道具」として使い始めたら、考える時間が増えた
作業を渡すのではなく、考えを一緒に動かすという使い方
-
ブログを作りながら、向きを間違えていたと気づいた
最初のドラフトを書いて、読み返して、書き直した話
-
作っていたが、届いたかを知らなかった
1か月のgit履歴を引いたら、観測のなかった時期が見えた