+++
title = "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"
date = 2026-06-08
description = "職務経歴書を見てプロンプトエンジニアリングスキルを持つ候補者を見つけるためのポイントと確認方法"
[taxonomies]
tags = ["HR×AI", "プロンプトエンジニアリング", "スクリーニング", "職務経歴書", "採用評価"]
[extra]
public = true
belief_version = 1
ai_written = true
one_true_sentence = "職務経歴書の「生成AIを活用」という一行は読み飛ばしていい。見るべきは、AIを相棒にどんな問題をどう解いたかの跡だけだ。"

[[extra.faqs]]
question = "プロンプトエンジニアリングスキルを職務経歴書で確認するポジティブなシグナルは何ですか？"
answer = "「問題設定が書いてある」「反復の跡がある」「限界を書いている」の3点です。「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」という記述があれば、問題への当てはめの判断力が見えます。「最初のプロンプトでは精度が低く、Xを追加することで改善した」はPDCAを回せるサインです。"

[[extra.faqs]]
question = "「生成AI活用推進」と書かれた職務経歴書をどう評価すべきですか？"
answer = "管理職的な記述のみの場合、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であることを確認してください。面接で「具体的にどのプロンプトを自分で書きましたか」を聞き、手を動かした経験があるかどうかを確認します。推進経験とプロンプト設計経験のどちらが必要かはポジションによります。"

[[extra.faqs]]
question = "APIを使った開発経験がある候補者はプロンプトエンジニアリングスキルがありますか？"
answer = "OpenAI APIやAnthropic APIを使った開発経験は直接的なスキルの証拠です。GitHubリポジトリやブログのURLが記載されていれば確認してください。ただしAPIの使い方を知っていることとプロンプト設計の質は別で、面接で「どんなプロンプトを設計したか」「精度をどう改善したか」を確認することが必要です。"

[[extra.faqs]]
question = "書類スクリーニング後に面接担当者に何を引き継げばいいですか？"
answer = "「職務経歴書のどの記述を評価したか」「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）」「書類スクリーニング担当者が持った疑問」の3点を引き継いでください。「このLLM活用経験の詳細を確認してほしい」という具体的な引き継ぎが面接の質を上げます。"

+++

顧問先で「生成AIを活用」と書かれた職務経歴書が机に積まれ、面接に呼ぶべき一枚を選び損ねる場面を何度も見てきた。差は派手な実績ではなく、たった一行に出る——「使った」と書くか、「どう使ったか」を書くか。

書類の段階でその一行を拾うための、確認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を触ったことがある」と「AIを相棒に成果を出せる」は別だ。

スクリーニングで探すのは：
- 「どんな問題に対してAI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、AIを相棒として対話を設計し、答えを引き出す能力がある可能性が高い。

**月曜の朝、すぐできること**：手元の「面接対象」候補の職務経歴書を一枚開き、AI関連の記述に「問題・反復・限界」の3色で線を引いてみる。一本も引けなければ、評価を下すのはまだ早い——足りないのは候補者の力量ではなく、こちらの質問だ。

---

## 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は自分で結論を出す場ではなく、面接担当者へバトンを渡す場だ。良いセコンドが選手に一言だけ渡すように、判断材料を絞って手渡す：

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

合否を一人で抱え込まず、「このAI活用経験の詳細を確認してほしい」と疑問ごと渡す。この一手が、面接の質を上げる。

---

## 関連記事

- [LLMのプロンプトエンジニアリングを採用面接で評価する、具体的な3つの方法](/n/ai-engineer-hired-but-underused/) — 書類通過後の面接でプロンプトエンジニアリングを評価する具体的な質問と評価方法
- [プロンプトエンジニアリングの面接で実際に出すべき課題](/n/ai-screening-human-judgment-line/) — 面接当日のライブ課題設計と評価ポイントの詳細
- [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/) — 書類スクリーニングでAIと人間の判断をどう使い分けるか