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。

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

思考版1 AI執筆

Claude CodeをHR業務で使い始めた時、効果を感じる前に失敗するパターンがある。

実際に経験した3つの失敗パターンを整理した。

失敗1：AIが出した評価コメントをそのまま使った

面接後の評価コメントをClaude Codeで生成し、そのまま評価シートに貼り付けた。

「コミュニケーション能力が高く、チームワークへの姿勢も評価できる」という一般的なポジティブコメントが出てきた。採用会議で「誰の面接結果を見てもほぼ同じに見えるが、この候補者の特徴は何か」という指摘を受けた。

問題の本質: AIは「良い評価コメントとはどういうものか」を学習している。しかし「この候補者の具体的な何が良かったか」は、面接に立ち会った人間しか知らない。

対処方法: 「この候補者の話で一番印象に残ったエピソード」「他の候補者と比べた時の違い」を箇条書きでメモしてからClaudeに渡す。AIに渡す情報に具体性があれば、出てくるコメントも具体的になる。

失敗2：採用基準の作成をAIに任せた

新規ポジションの採用基準を「このポジションの採用基準を作ってほしい」とClaude Codeに依頼した。

「コミュニケーション能力」「問題解決力」「チームワーク」という一般的な採用基準が出てきた。これで採用を進めたが、採用後に「コミュニケーション能力は高いが、このチームが必要としているスピードで動けない」という問題が出た。

問題の本質: 採用基準に含まれるべき「このチームが今必要としているもの」「このポジションで最初に達成してほしいこと」「今のチームに足りないもの」は、AIには判断できない。

対処方法: 採用基準の設定は人間がやる。「今のチームの課題」「このポジションで最初に期待するアウトプット」をリストアップしてから、Claudeに「これを採用基準の言語に落とし込んでほしい」と依頼する。

失敗3：候補者へのフィードバックメールをAIに作らせた

不合格候補者へのフィードバックメールをClaude Codeで作成した。

「今回は残念ながら採用に至りませんでした」という定型文に、「ご応募いただいた御礼」「今後のご活躍を願う」内容が加わったメールが出てきた。候補者から「不合格の理由を教えてほしい」という返信が来た。

問題の本質: フィードバックメールには「なぜこの判断になったか」の根拠が必要だ。AIは「丁寧なお断りメール」を書けるが、「この候補者がこのポジションにアンマッチな理由」は書けない。

対処方法: 根拠を書く場合は、「この評価軸でこのレベルを求めていたが、面接ではこの部分が確認できなかった」を自分で書いてから、メールの文体に整えることをAIに依頼する。

3つの失敗に共通すること

AIに渡す情報が「具体性のない依頼文」だと、出てくる結果も「具体性のない一般論」になる。

HR業務でAIを使いこなすには、「AIに渡す前に、自分が何を判断したか」を整理する工程が必要だ。この工程を省くと、AIは「それらしい文章」を生成するが、「この状況のこの判断」は反映されない。

関連記事