候補者面接対策のAI活用 — 想定問答集と模擬面接フィードバックの型

「面接対策、AIに任せちゃっていいんですか？」と入社2年目のCAに聞かれたことがあります。

結論から言うと、任せていい部分と、任せてはいけない部分がはっきり分かれていると僕は考えています。想定問答集の下書きや模擬面接ログの整理はAIが得意な領域です。一方で、候補者の話し方や間の取り方、当意即妙な受け答えまでAIに矯正させようとすると、かえって不自然な受け答えになってしまう。今日はその線引きと、実際にどう運用しているかを、職種による違いも交えてお伝えします。

1. 面接対策にAIを使う理由 — CAの工数と候補者の再現性

CAは同時に数十名の候補者を担当していることが多く、企業ごとの面接官の質問傾向を毎回思い出しながら想定問答集を作るのは正直しんどい作業です。僕自身、以前は1社分の想定問答集を手作業で作ると30〜40分かかっていました。求人票を読み返し、過去の面接官コメントを探し、候補者の職務経歴と照らし合わせる。この作業をAIに下書きさせるようになってから、体感で10分程度に短縮できています（自分が過去に作成した想定問答集20件程度をベースにした体感値です）。浮いた20〜30分を、候補者との事前すり合わせに回せるようになったのが一番の変化だと感じています。

特に効果を感じるのは応募が集中する繁忙期です。1日に複数社の面接が重なると、企業ごとの傾向をその都度思い出す余裕がなくなり、どうしても汎用的な想定問答集を使い回してしまいがちでした。AIに下書きさせる運用にしてからは、繁忙期でも企業固有の傾向を反映した問答集を毎回用意できるようになり、候補者への準備の質が落ちにくくなったと感じています。

実際の流れは、①求人票と過去メモをAIに読み込ませて論点案を出させる（3分程度）、②社内でその論点案を事実確認する（3分程度）、③候補者の職務経歴に合わせて具体的な回答の方向性を足す（3分程度）、④候補者に送って一緒にすり合わせる、という4ステップです。AIは材料を並べる係、CAはその材料を候補者に合わせて調理する係、というイメージを持つとうまくいきます。

2. 想定問答集の作り方 — プロンプト設計と企業別カスタマイズ

想定問答集をAIに作らせるとき、僕は次の情報を必ずセットで渡すようにしています。

• 求人票（求める人物像・必須要件・歓迎要件）
• 過去にその企業を受けた候補者へのフィードバックメモ（合否理由が分かる範囲で）
• 候補者の職務経歴の要約（強み・懸念点を含む）
• 面接形式（一次・最終、集団か個別か、面接官の役職）

この4点が揃っていないと、AIは一般的な質問しか出してきません。逆に揃っていると、「この企業は前職の離職理由を深掘りする傾向がある」「役員面接ではカルチャーフィットの質問が中心になりやすい」といった、その企業固有の傾向を反映した問答集ができます。一次・最終で聞かれることが変わるのも当然で、一次は経験の棚卸し中心、最終は志望動機やカルチャーフィットの深掘りが増える傾向があるので、面接形式ごとにプロンプトの重みづけを変えるようにしています。ここは求人票の一次情報をどこまで正確に読み込ませるかが精度を左右する部分で、求人票そのものの事実確認が甘いと、想定問答集も的外れになってしまいます。歓迎要件をどこまで強く問われるかは企業によって差が大きいので、過去メモに「歓迎要件について深掘りされたか」を一言添えておくだけでも、次回以降の精度が変わってきます。

3. 模擬面接ログの要約とフィードバック運用

模擬面接は候補者の同意を得たうえで録音し、AIで文字起こし・要約しています。AIに抽出させているのは主に、質問に対する回答の一文目が結論になっているか、話の長さが質問の重さに見合っているか、相槌や語尾が曖昧になっていないか、専門用語を使いすぎていないか、という4つの観点です。この運用を始めてから気づいたのは、候補者本人が自分の話し方の癖にまったく気づいていないケースが一定数あるということです。体感ですが、模擬面接を実施した候補者のうち3割程度は、語尾を曖昧にする癖や、質問に対して結論より先に経緯を話し始める癖を、フィードバックで指摘されるまで自覚していませんでした（模擬面接を実施した候補者15名程度をベースにした体感値です）。

以前担当したエンジニア職の候補者で、技術力は申し分ないのに「なぜこの技術を選んだのか」という質問に対して毎回説明が長くなってしまう方がいました。模擬面接のログをAIで要約させたところ、質問に対する一文目の結論が抜け落ちているパターンが繰り返し出ていることが可視化できて、「まず結論を一言、それから理由」という型を一緒に練習しました。本人に自覚してもらうまでの気づきの部分をAIが担い、実際の練習と修正は僕がやる、という役割分担がうまくいった例です。別の営業職の候補者では、逆に結論は先に言えているのに数字の裏付けが抜けがちだという癖がログの要約で見えてきて、練習の内容が全く違うものになりました。同じ「結論が先に来ない」という表面的な現象でも、原因が緊張なのか経験の言語化不足なのかで対処が変わるので、要約だけで判断せず本人と会話して原因を切り分けるようにしています。

4. 精度を上げる蓄積方法 — 過去の合否傾向データの使い方

想定問答集や模擬面接の効果は、1回使って終わりではなく、蓄積していくほど精度が上がっていきます。同じクライアントに複数の候補者を推薦している場合、どの質問で通過し、どの質問でつまずいたかを記録しておくと、次の候補者への準備がより的確になります。蓄積は半年から1年ほど続けてようやく傾向が見えてくる感覚で、応募件数が少ないうちは1〜2件の結果に引っ張られすぎないよう注意しています。記録するのは通過した質問だけでなく、不合格になった候補者がどの質問でつまずいたかも同じ粒度で残すようにしています。合格例だけを集めると「望ましい回答」の情報しか蓄積されず、避けるべき落とし穴が見えてこないためです。

目安としてお伝えすると、ある企業への応募を継続して担当していたケースで、蓄積を始める前の一次面接通過率は体感で5割程度でした。質問傾向のメモを溜めて想定問答集に反映するようになってから、6割前後まで上がった実感があります（同一クライアントへの応募30件程度をベースにした体感値で、求人内容の変化など他の要因も影響している可能性はあります）。

5. 職種別に見る対応の違い — エンジニア職と営業職のケース比較

想定問答集の作り方は、職種によって重心が変わります。エンジニア職の場合、面接官が技術選定の理由や設計判断の背景を深掘りしてくる傾向が強いので、AIに読み込ませる情報も職務経歴書の技術スタックだけでなく、過去のプロジェクトでの意思決定の経緯まで含めるようにしています。逆に営業職の場合は、数字の作り方や再現性、チームでの役割分担についての質問が多く、想定問答集も「なぜその数字が出せたのか」を分解して答えられる構成にしています。管理部門系の職種であれば、業務改善の具体例や社内調整の進め方を問われやすいので、また別の観点で情報を渡す必要があります。

同じ「想定問答集」というフォーマットでも、エンジニア職向けは技術的な深掘りに耐えられる粒度の情報を、営業職向けは数字の背景にあるプロセスを言語化できる情報を用意する必要があります。この違いをAIに任せきりにすると、どの職種でも似たような質問リストが出力されてしまうことがあるので、職種特性をプロンプトの中で明示的に指定するようにしています。体感ですが、職種特性を指定しない場合と比べて、指定した場合の方が候補者から「実際の面接に近い質問だった」というフィードバックをもらえる割合が明らかに高い印象です。

6. 陥りやすい失敗とその対処

AIを面接対策に使い始めた頃、僕もいくつか失敗しました。一番多かったのが、想定問答集の回答例をそのまま候補者に渡してしまい、面接で「暗記してきました」感が出てしまうケースです。対処法として、今はAIの出力は論点整理までに留め、実際にどう話すかは候補者本人の言葉で組み立て直してもらうようにしています。

もう一つは、企業固有の質問内容や社内評価コメントを、外部の生成AIツールにそのまま入力してしまうリスクです。企業名や個人が特定できる情報は必ず匿名化し、社内で利用が承認されているツールに限定する。ここはコンプライアンス上、例外を作らないようにしています。実際、同意取得前の候補者音声を誤ってツールにアップロードしかけたヒヤリ・ハットが社内で共有されたこともあり、それ以降は録音データの保存先とツールの入力口を明確に分けるルールに変えました。

三つ目の失敗は、想定問答集を作り込みすぎて、候補者が想定外の質問に弱くなってしまったケースです。あるとき、用意した問答集にない角度の質問が最終面接で出て、候補者が固まってしまったことがありました。それ以降は、想定問答集の最後に必ず「想定外の質問が来たらどう考えるか」という思考の型だけを一緒に確認するようにしています。答えを暗記させるのではなく、考え方の順番を身につけてもらう方向に切り替えたところ、この種のつまずきは減った実感があります。

最後に、AIへの期待値の置きどころです。想定問答集や事前準備はAIの力を借りられますが、圧迫気味の質問や想定外の逆質問への当意即妙な対応まではAIが肩代わりできません。ここは何度も練習を重ねて、候補者自身に場数を踏んでもらうしかない部分だと感じています。効率化に慣れすぎると、候補者から見て「機械的に処理された」印象を与えてしまうこともあるので、最後の練習は必ず人の声で行うようにしています。

（結論）

面接対策へのAI活用は、想定問答集の下書きと模擬面接ログの整理という「材料づくり」の部分では確実に工数を減らしてくれます。一方で、候補者の言葉で語り直す部分、企業固有の機微情報を扱う部分、当意即妙な対応力を鍛える部分、そして職種ごとの質問の重心を見極める部分は、これまで通りCAが向き合うべき領域だと僕は考えています。

皆さんいかがでしたでしょうか。AIに任せる部分と自分が向き合う部分の線引きを意識しながら、今日もがんばりましょう。