+++ 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 = "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。" [[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。" +++ 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 - [Claude CodeをHRや採用データ分析に使う方法](/n/claude-code-hr-data-analysis/) — 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