+++
title = "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"
date = 2026-06-08
description = "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"
[taxonomies]
tags = ["HR×AI", "面接評価", "AI採用ツール", "意思決定", "HR実務"]
[extra]
public = true
belief_version = 1
ai_written = true
one_true_sentence = "AIと面接官が割れた瞬間は、どちらかが間違っている事故ではなく、二つの目が別々のものを見ている証拠だ。"

[[extra.faqs]]
question = "AIスコアが高いのに面接官が「合わない」と感じた場合、どちらを優先すべきですか？"
answer = "優先順位より「なぜ食い違っているか」の確認が先です。面接官に「どの質問に対するどんな回答が気になったか」を言語化させます。言語化できる場合は採用基準との関係を確認します。言語化できない「なんとなく」の場合は直感を否定せず、追加面接で検証する価値があるかを判断します。最終判断は常に人間が行います。"

[[extra.faqs]]
question = "AIスコアと面接官の評価が食い違うケースが多い場合、何を見直すべきですか？"
answer = "食い違いのパターンを記録・分析することが第一歩です。「技術スコアは高いがコミュニケーションで懸念」「経験年数は短いが面接官が高評価」などのパターンが見えてきます。多くの場合、AIが評価している要素と面接官が重視している要素がずれています。採用基準の言語化・データ化を見直すタイミングのサインです。"

[[extra.faqs]]
question = "面接官が「AIのスコアより自分の判断を信じる」と言って、スコアを無視します。どうすれば良いですか？"
answer = "強制することより、面接官がAIスコアを検証できる仕組みを作ることが有効です。「AIが高スコアを出した候補者が入社後に活躍しているか」のデータを蓄積し、面接官に共有します。「AIが正しいか自分が正しいか」ではなく「どちらの情報が採用精度と相関しているか」をデータで確認できると、スコアへの信頼が自然と形成されます。"

[[extra.faqs]]
question = "AIスコアと採用後パフォーマンスを追跡するには、どんなデータを収集すれば良いですか？"
answer = "最低限必要なデータは①入社時のAIスコア（全評価軸別）、②入社後3ヶ月・6ヶ月・1年のパフォーマンス評価、③採用経路と面接官の評価コメントです。これを候補者単位でひもづけて蓄積します。6ヶ月分のデータが溜まると「どの評価軸が入社後の活躍と相関するか」が見え始め、AIスコアの活用方法を改善できます。"

+++

「AIは95点、でもこの人は採らない」——面接官のその一言で、会議室の空気が固まる。スコアと現場の勘が、真っ向から割れた瞬間だ。

ここで「で、結局どっちが正しいの？」と詰めにいくと、たいてい判断を誤る。顧問先で何度もこの場面に立ち会ってきたが、勝ち負けを決めにいった会議から、いい採用が生まれた記憶はほとんどない。AIと面接官は、そもそも別のものを見ているからだ。

---

## なぜ割れるのか — 二人が別のものを見ている

**AIが見ているもの**：書類、構造化された評価データ、過去の採用データとのパターン一致。

**面接官が感じているもの**：非言語のサイン、回答のニュアンス、「このチームと噛み合うか」という勘、面接中に起きた生のやりとり。

割れているのは「どちらかが間違っている」からではなく、「別々の情報が、別々の方向を指している」から。AIは対戦相手ではなく相棒だ。割れた時こそ、一人では見えなかった角度を一つ、横から差し出してくれている。

---

## 割れた時の確認ステップ

### ステップ1：面接官の「なんとなく」を言葉に降ろす

「合わない気がする」を、「どの質問の、どんな答えが引っかかったか」まで具体化させる。

- **言葉にできる** → それが採用基準に関係するか確認する。基準と関係ない部分（しゃべり方のクセなど）で「合わない」なら、バイアスを疑う。
- **言葉にできない「なんとなく」** → 勘を否定しない。追加面接で確かめる価値があるかだけを決める。

### ステップ2：相棒（AI）に根拠を聞く

AIが評価軸別にスコアを出せるなら、合計値ではなく内訳を開く。「技術は高いがコミュニケーションが低い」と出ているなら、面接官の勘はそのコミュニケーションを掴んでいるのかもしれない。総合点で言い争わず、内訳で会話する。

### ステップ3：足りない情報を一つ足せるか

どちらも確証がないなら、追加面接やリファレンスで補える情報があるかを見る。足せるものがなければ、人間が決め切る。

---

## 「AI vs 人間」にしない — そして月曜から記録を始める

割れた場面を、「AIは当てになるのか」を裁く法廷にしない。方針はシンプルでいい。

- 最終判断は人間が握る（AIスコアは相棒の意見であって、判決ではない）
- 割れたら、両方の根拠を開いてから決める
- 割れた事実を、後で見返せる形で必ず残す

肝心なのは最後の一行だ。月曜から、スプレッドシート1枚でいい。1行＝1候補者で、この5列だけ持つ：

| 候補者 | AIの評価軸別スコア | 面接官の一言（言語化した懸念） | 最終判断 | 3ヶ月後の評価 |

新しいツールも会議体もいらない。割れたケースだけでも貯まれば、半年で「どの評価軸が入社後の活躍と本当に相関するか」が見え始める。そこで初めて、相棒の精度を上げる手が打てる。

この記録がないと、「AIが正しいか人間が正しいか」の水掛け論が永遠に続く。勝負を預ける先は、勘でも空気でもなく、自分たちが積んだ過去のデータでいい。

---

## 関連記事

- [AI採用スクリーニングと人間判断の境界線](/n/ai-screening-human-judgment-line/) — AIと人間の判断をどう組み合わせるか
- [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](/n/ai-hiring-structured-interview-design/) — 面接評価を一貫させる構造化面接の設計
- [Claude CodeをHRや採用データ分析に使う方法](/n/claude-code-build-hr-tool-from-scratch/) — 採用データを分析してAIスコアの精度を改善する方法