プロンプトエンジニアリングのスキルを職務経歴書で確認するには「LLMを使いました」より「どんな問題をどう解いたか」の記述があるかを見る。

プロンプトエンジニアリングの候補者を職務経歴書でどうスクリーニングするか

思考版1 AI執筆

プロンプトエンジニアリングができる人材を採用したいが、職務経歴書でどう判断するかが分からない。

書類スクリーニングの段階で確認できるポイントを整理する。

「使いました」と「どう使ったか」の違い

職務経歴書でよく見る記載：「ChatGPT・Claude等の生成AIを活用」

これは情報として少なすぎる。「LLMを使った経験がある」と「プロンプトエンジニアリングができる」は別だ。

スクリーニングで探すのは：

  • 「どんな問題に対してLLMを使ったか」
  • 「そのプロンプトをどう改善したか」
  • 「精度や品質をどう評価したか」

これらが書かれている候補者は、LLMとの対話を設計する能力がある可能性が高い。

職務経歴書で確認できるシグナル

ポジティブなシグナル

問題設定が書いてある：「従来の方法ではXXができなかった。LLMを使ってYYのアプローチを取ったことでZZができるようになった」のような記述。LLMをどの問題に当てはめるかの判断力が見える。

反復の跡がある：「最初のプロンプトでは精度が低く、Xという観点を追加することで改善した」という記述。プロンプトを改善するPDCAを回せるかが見える。

限界を書いている：「このアプローチではAとBには対応できたが、Cには対応できなかった」という記述。自分の取り組みを客観視できる能力が見える。

ネガティブなシグナル（確認が必要）

「生成AI活用推進」という管理職的な記述のみ：自分でプロンプトを設計した経験と、チームの活用を推進した経験は別。何を担当したかを面接で確認する。

「最新のAIツールを積極的にキャッチアップ」という記述のみ：ツールを試した経験と、業務課題に適用した経験は別。

職務経歴書だけで判断が難しいケース

プロンプトエンジニアリングはまだ新しいスキルで、職務経歴書への書き方が定まっていない。

以下のケースは職務経歴書の記述が薄くても、面接で確認する価値がある：

社内ツール開発の経歴がある人：社内向けの業務自動化ツールを作った経験は、LLMを業務課題に適用する思考回路と共通点が多い。

技術ブログや登壇経歴がある人：LLM関連の発信をしている候補者は、実装の経験を言語化できる能力がある。GitHubリポジトリやブログのURLが記載されていれば確認する。

APIを使った開発経験がある人：OpenAI APIやAnthropic APIを使った開発は直接的なスキルの証拠。これが書かれていれば面接での確認を優先する。

スクリーニング後の面接への引き継ぎ

書類スクリーニングで「面接対象」と判断した候補者については、以下を面接担当者に伝える：

  1. 職務経歴書のどの記述を評価したか
  2. 書類で確認できなかった点（プロンプト設計の具体的な経験など）
  3. 書類スクリーニング担当者が持った疑問

「このLLM活用経験の詳細を確認してほしい」という引き継ぎが、面接の質を上げる。

関連記事