+++ title = "HR担当者がClaude Codeを実務で使う、具体的な3つの使い方" date = 2026-06-08 description = "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" [taxonomies] tags = ["HR×AI", "Claude Code", "AI業務活用", "採用効率化", "HR実務"] [extra] public = true belief_version = 1 ai_written = true one_true_sentence = "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。" [[extra.faqs]] question = "HR担当者がClaude Codeを実務で使える具体的な方法を教えてほしい" answer = "効果的な3つの使い方：①採用JD初稿生成（1〜2時間→30分）、②面接評価コメントの言語化支援（面接直後のメモをClaudeに渡し評価コメントを10分で生成）、③採用基準の文書化と棚卸し（暗黙知を言語化して担当者が変わっても基準が引き継げる文書化）。「書くこと」の速度が上がる。" [[extra.faqs]] question = "Claude CodeをHR業務に使う時に効果がない・向かない場面はあるか" answer = "候補者の書類評価への直接利用（採用結果の根拠説明が難しく社内説明責任の観点から不適切）と、リファレンスチェックの代替（テキスト上の情報では「温度感」が失われ直接インタビューの代替にならない）は効果が薄い。AIは「補助」であり「判断そのもの」ではない。" [[extra.faqs]] question = "Claude Codeを使えるHR担当者と使えないHR担当者の違いは何か" answer = "「何を書くべきか」の判断軸を持っているか否か。Claude Codeが得意なのは「決まった方向性を言語化すること」。HR担当者がやるべきなのは「何を言語化すべきかを決めること」で、AIには判断はできない。採用基準の設定・評価軸の優先順位・最終的な採用判断は人間が行う。" [[extra.faqs]] question = "Claude CodeでHR業務を効率化する時に最も注意すべき点は何か" answer = "出力をそのまま使わないこと。JDも評価コメントも「たたき台を出してもらって、自分で直す」サイクルが正しい使い方。「出てきたものをそのまま使う」はNG。また候補者の書類評価への直接利用は説明責任の観点から使わない方がいい。" +++ Claude Codeは「エンジニアのためのAIツール」という印象があるが、HR業務でも具体的に使える場面がある。 1年間使い続けた中で、効果があった使い方と、使えなかった使い方を正直に整理した。 --- ## 使い方1：採用JDの初稿生成 ### 具体的な操作 採用ポジションについて、以下の情報をClaudeに渡す： - ポジション名と職種 - このポジションで期待するアウトプット（3〜5点） - チームの構成と状況 - NGとする候補者のタイプ（あれば） 「これをベースに採用JDを書いてほしい」と指示すると、800〜1200字の採用JDが出てくる。 ### 実際の効果 ゼロから書くと1〜2時間かかっていたJDが、たたき台を30分で修正できるようになった。 ただし、AIが出すJDは「よくある採用JDの文体」になりやすい。「◯◯を使いこなせる方」「積極的にキャッチアップできる方」という定型文を、実際のポジション要件に合わせて書き直す工程は必ず必要だ。 「たたき台を出してもらって、自分で直す」というサイクルが正しい使い方で、「出てきたものをそのまま使う」はNG。 --- ## 使い方2：面接評価コメントの言語化支援 ### 具体的な操作 面接が終わった直後に、以下を話し言葉でメモする（録音を使う場合もある）： - 候補者の印象 - 気になった点・評価したい点 - 採用基準に照らした判断 このメモをClaudeに渡し、「面接評価シートに記載するコメントを書いてほしい」と指示する。 ### 実際の効果 面接後の評価コメントは、「なんとなく印象がある」状態を「具体的な言葉」にする作業が最も時間がかかる。Claudeへの指示文を書く段階で自分の考えが整理され、出てきたコメントを修正することで評価の言語化時間が短縮された。 面接直後のメモ→Claudeへの指示→コメントの修正というサイクルが10分程度でできるようになった（以前は30〜40分かかっていた）。 --- ## 使い方3：採用基準の文書化と棚卸し ### 具体的な操作 「このポジションで過去に合格した候補者の特徴を言語化したい」という目的で、過去の面接メモや評価コメントをClaudeに渡す。 「この情報から、このポジションで重視されている評価軸を整理してほしい」と指示する。 ### 実際の効果 採用基準は「暗黙知」として担当者の頭の中にあることが多い。Claudeを使ってこれを言語化することで、採用担当者が変わっても同じ基準で評価できる文書を作ることができた。 また、出てきた評価軸を見て「これは重要だったが文書化されていなかった」という気づきが出てくる。採用基準の棚卸しとして機能した。 --- ## 使えなかった場面 ### 候補者の書類評価への直接利用 「この履歴書を見て、この採用基準に照らして評価してほしい」という使い方は試みたが、実際の評価には使わなかった。 理由：AIによる候補者評価は、評価結果の根拠の説明が難しく、社内への説明責任の観点から適切でないと判断した。採用基準に照らした評価は人間が行い、AIはその補助に留める。 ### リファレンスチェックの代替 「リファレンスコメントをAIに読ませて評価させる」は試みたが、テキスト上の情報だけでは「温度感」が失われることが多く、直接のインタビューの代替にはならなかった。 --- ## Claude Codeを使うHR担当者のスキルで変わること Claude Codeを使いこなせると、「書くこと」の速度が上がる。JD、評価コメント、採用基準の文書化など、HR業務の「書く工程」の比重は大きい。 ただし、「何を書くべきか」の判断はAIにはできない。採用基準の設定、評価軸の優先順位、最終的な採用判断は人間がやる。 Claude Codeが得意なのは「決まった方向性を言語化すること」。HR担当者がやるべきなのは「何を言語化すべきかを決めること」だ。 --- ## 関連記事 - [Claude CodeをHRや採用データ分析に使う方法](/n/claude-code-hr-data-analysis/) — Claude Codeを採用データ分析に応用する方法 - [AIエンジニアを採用しても活かせない組織のパターン](/n/ai-engineer-hired-but-underused/) — Claude Codeを使いこなせる組織の条件 - [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に任せる範囲と人間が担う判断の設計