AIがカルチャーフィットを読めないのは技術が未熟だからではない。それが「今この組織に何が要るか」という、まだ誰も答えを出していない現在進行形の問いだからだ。

AI採用でカルチャーフィットを評価できない理由と、人間が担うべき判断

思考版1 AI執筆

AI採用でカルチャーフィットを評価できない理由

AIの精度が足りないからではない。カルチャーフィットは「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で、過去データから学習するAIには原理的に届かないからだ。AIは過去の採用パターンを再現できても、「今期のチームに足りない一人」は定義できない。だからこの評価だけは人間が担う。以下、その線引きを現場の判断で示す。

「カルチャーフィットも、AIに点数を付けさせたいんです」——採用を立て直したい現場で、この相談を何度も受けてきた。

そのたびに、私はいったん手を止めてもらう。うまくいかないからだ。しかも理由は、AIの精度が足りないからではない。

カルチャーフィットとは何か

カルチャーフィットは「過去の採用に似ているか」ではない。「今このチームが必要としているものを、この人は持っているか」という問いだ。

AIが学べるのは過去のパターンだ。だが「今このチームに何が要るか」は、直近で誰が抜けたか、次の半年で何に賭けるか、創業者がいま何に苛立っているか——そういう、まだ言葉になっていない現在地を読まないと答えが出ない。

現場に入って痛感するのは、この現在地が学習データに載っていないことだ。載せようとしても、確定する頃には組織がもう次へ進んでいる。

AIがカルチャーフィットの評価に失敗するパターン

パターン1：「過去の採用に似た人」を高評価する

過去に採用してよかった人のデータを学習すると、「過去に採用した人に似た人」を高評価する。

しかし組織は変化する。1年前に必要だったスキルセットと今年必要なものは違う。「過去の採用に似た人」の評価精度が上がるほど、「今後必要になる人」を取りこぼすリスクが上がる。

パターン2：「同質性」をカルチャーフィットとして評価する

AIが「フィット」と判断する基準に、学歴・経歴・年齢などの属性が混入するリスクがある。

これは意図的ではなく、過去の採用データに含まれる偏りがそのまま再生産される問題だ。「カルチャーフィットが高い」が「既存チームに似た属性」を意味するようになると、採用の多様性が失われる。

人間が担うべき判断

カルチャーフィットの評価は、以下の2つを人間が判断する。

1. 今このチームに何が必要かを定義する

「現在のチームに足りないもの」「次の半年で必要になるスキルや姿勢」を採用担当者と現場リーダーが言語化する。これがAIには提供できない文脈だ。

月曜からやれることは1つ。次の面接の前に、現場リーダーと採用担当が別々に「今のチームに一番足りないものを一文で」書き、突き合わせる。二人の答えがズレていたら、その面接ではまだ何を見るかが決まっていない。AIにスコアを出させる前に、ここを揃える。

2. 候補者の「変化への反応」を見る

面接の場で「これまでとは全く違う方法を試したことがありますか」「想定外のことが起きた時どう対応しましたか」という問いへの反応を見る。

AIは「答えの正しさ」は評価できても、「この人がどのような変化をたどって今の考えに至ったか」を読むことは難しい。

AIを前提に動く組織で聞くと機能する問いが3つある。

  • 「最近、AIを使って予想外だったこと、驚いたことはありますか」——具体的な場面と、そこから「じゃあこう使おう」という次の一手が語られるかを見る。「よく使っています」で終わる回答や、試さないままの懐疑論は懸念材料だ。
  • 「仕様や要件が曖昧な状態で動かないといけなかった経験は」——「誰かが決めるのを待った」か「自分で仮説を立てて動いた」かを確認する。
  • 「今のプロジェクトで一番不確実なことは何か」（前職の話で）——自分のプロジェクトの不確実性を、自分の言葉で言えるかを見る。

採用後に「合わなかった」と気づくパターン

カルチャーフィットのミスマッチは、採用後「カルチャーが合わない」という言葉で語られることが多い。だが実際に起きているのは、カルチャーではなく「仕事の進め方の前提」のズレであることがほとんどだ。

  • 「仕様が固まったら実装します」というスタンス（固まることが少ない組織で摩擦になる）
  • 「自分の専門領域は守る」というスタンス（境界が曖昧な仕事が多い組織で摩擦になる）
  • 「上が決めたことを実装するのが仕事」というスタンス（自分で問いを立てることを求められる組織で摩擦になる）

これは面接で確認できる。「あなたがこれまでで一番充実していた仕事はどんなものでしたか」と聞き、「仕様が明確で、それを実装した」という回答が返ってきたら、このズレを疑うサインだ。

評価の観点も「自分と似ているか」ではなく「チームへの貢献スタイルが補完的か」に変えると効く。既にいるメンバーに近いスタイルの人より、別のアングルを持つ人の方がチームを強くすることが多い。面接官には、評価に対して事後的に「なぜそう評価したか」を記録してもらうと、評価の客観性が上がる。

AIと、どこで組むか

カルチャーフィットの判断そのものは渡せない。だがその手前の下ごしらえは、AIと組んだほうが速くて正確だ。相棒として横に置く。

  • 過去の採用で「チームへの適合が高かった人の共通点」をデータから引き出してもらう
  • 採用基準を言語化するときのたたき台を一緒に作る
  • 面接後の評価記録を整理し、面接官ごとのブレを並べて見せてもらう

判断はこちらが持ち、下ごしらえは相棒に任せる。この線を引けるかどうかが、AI採用ツールを活かせるか振り回されるかの分かれ目だ。

関連記事