+++
title = "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"
date = 2026-06-08
description = "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"
[taxonomies]
tags = ["HR×AI", "Claude Code", "AI業務活用", "失敗事例", "HR実務"]
[extra]
public = true
belief_version = 1
ai_written = true
one_true_sentence = "AIに渡していいのは「言語化」で、渡してはいけないのは「判断」だ。HRで失敗する人は、この一線を逆にしている。"

[[extra.faqs]]
question = "HR業務でClaude Codeを使う際の最大の失敗パターンは何ですか？"
answer = "AIが出した評価コメントをそのまま使うことです。「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」という一般的なコメントが出てきます。面接に立ち会った人間しか知らない具体的な情報を先にメモし、それをClaudeに渡すことで、具体的なアウトプットが得られます。"

[[extra.faqs]]
question = "AI採用基準の作成をClaude Codeに任せてはいけない理由は何ですか？"
answer = "「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」はAIには判断できないからです。AIに依頼すると「コミュニケーション能力・問題解決力・チームワーク」という一般的な基準が出てきます。チームの課題と期待アウトプットを人間がリストアップしてから、言語化だけをAIに依頼してください。"

[[extra.faqs]]
question = "候補者へのフィードバックメールをAIで作成する正しい方法は何ですか？"
answer = "根拠を先に自分で書いてから、メールの文体に整えることをAIに依頼してください。「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」という判断を自分で書いた上で、AIに文章として整えさせます。根拠なしに「丁寧なお断りメール」を依頼すると、候補者から理由を求める返信が来ます。"

[[extra.faqs]]
question = "HRでAIを使いこなすために必要な「AIに渡す前の準備」とは何ですか？"
answer = "「AIに渡す前に、自分が何を判断したか」を整理する工程です。具体性のない依頼文では具体性のない一般論が返ってきます。面接後の評価なら「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」を先に箇条書きにします。この工程を省くとAIは「それらしい文章」は生成しますが「この状況の判断」は反映されません。"

+++

採用会議でこう言われた。「この評価コメント、誰の面接を見てもほぼ同じに見えるけど、この人は結局どこが良かったの？」——Claude Codeが出したコメントを、そのまま評価シートに貼った日のことだった。

便利なツールを手にした最初の数週間は、効果を感じる前にこういう失敗を踏む。顧問先のHR現場で自分が実際に踏んだ3つを、対処込みで残しておく。

---

## 失敗1：AIが出した評価コメントをそのまま使った

冒頭の場面がこれだ。面接後の評価コメントをClaude Codeに生成させ、そのまま貼った。返ってきたのは「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」——誰の面接でも成立してしまう、角の取れたコメントだった。

**問題の本質**: AIは「良い評価コメントとはどういう文章か」を知っている。しかし「この候補者の何が良かったか」は、その場に座っていた人間しか持っていない情報だ。手元に判断がないままAIに振ると、平均値が返ってくる。

**対処方法**: 「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、雑でいいので先に箇条書きにしてから渡す。渡す情報が具体的なら、返ってくるコメントも具体的になる。順番が逆なだけで結果が変わる。

---

## 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」と丸ごと依頼した。

返ってきたのは「コミュニケーション能力」「問題解決力」「チームワーク」。教科書通りで、反論しようがない。だが、この基準で通した人が入った後に「能力は高いのに、このチームが今求めているスピードでは動けない」という、基準には一行も書いていなかった問題が出た。

**問題の本質**: 「このチームが今いちばん欠いているもの」「最初の3ヶ月で何を達成してほしいか」は、チームの内側にいる人間にしか見えない。AIは世間の正解は知っていても、あなたのチームの今は知らない。

**対処方法**: 何を満たしてほしいかは人間が決める。「今のチームに足りないもの」「最初に期待するアウトプット」を先に並べ、その言語化だけをClaudeに渡す。判断は自分、清書は相棒、という分担にする。

---

## 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

不合格通知へのフィードバックメールをClaude Codeに任せた。

「今回は残念ながら採用に至りませんでした」「ご応募の御礼」「今後のご活躍を願う」。文面としては完璧だった。だが候補者から「不合格の理由を教えてほしい」という返信が来た。丁寧な定型文は、丁寧であるがゆえに中身がないことが相手に伝わる。

**問題の本質**: フィードバックには「なぜこの判断になったか」が要る。AIは丁寧なお断り文は書けても、「この人がこのポジションにアンマッチだった理由」は持っていない。理由は自分の頭の中にしかない。

**対処方法**: 「この評価軸でこのレベルを求めていたが、面接ではここが確認できなかった」を一文でいいから自分で書く。その根拠を渡して、角の立たない文体に整えてもらう。理由は自分、言葉づかいは相棒。

---

## 3つの失敗に共通すること

3つとも、根っこは同じだ。判断を空っぽのままAIに渡し、出てきた一般論を自分で確認する側に回っていた。AIは判断を肩代わりする道具ではない。自分が下した判断を、最速で形にしてくれる相棒だ。だから渡すのは「判断」ではなく「言語化」——主役は最後まで自分で、AIはすぐ横で書き起こす。

## 月曜から使える：AIに渡す前の3行メモ

評価でも基準でもメールでも、Claudeを開く前にこの3行を自分で埋める。埋まらないなら、それはまだAIに渡す段階じゃない。

```
1. 求めていた基準とレベル（何を、どこまで）
2. 実際に確認できた／できなかった事実（その場で見たこと）
3. 他と比べたときの違い（この人/このチームだけの固有点）
```

この3行があれば、AIは「それらしい文章」ではなく「この状況のこの判断」を言葉にしてくれる。3行を飛ばすと、平均値が返ってくる。準備に5分、それで出戻りが消える。

---

## 関連記事

- [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/) — HR業務でClaude Codeを活用する具体的な実装例
- [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](/n/ai-hiring-culture-fit-limits/) — 失敗を避けるために身につけるべきスキルセット
- [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に任せていい判断と人間が担うべき判断の区別方法