By Daniel Whitmore, MSc in Industrial and Organizational Psychology
ひとことで言うと
採用において、AI は決定の支えとして働くべきです。課題や評価ルーブリックを下書きし、回答や面接の書き起こしを要約し、基準単位のスコアを提案できます — けれども記名された人がすべてのスコアを承認するか書き換え、どの決定も、それを説明できる人のものです。AI が支援した出力にはどれも来歴（どのモデルの、どの版か）が付くべきで、そうすることで、ある決定において AI が果たした役割は、あとからでも監査できるままに保たれます。
「AI が候補者を選んだ」は、一文の中の二つの失敗です
第一の失敗は責任の所在です。採用の決定は人の暮らしに関わり、誰かがそれを担えなければなりません — 候補者に説明し、関係者に対して弁護し、問われたときに答えられなければなりません。「モデルの点が低かった」は説明ではありません。放棄です。記名された人が誰も見送りの後ろに立たないとき、その組織は決定を自動化したのではありません。決定を孤児にしたのです。
第二の失敗は質で、こちらはあまり語られません。怒った顧客へのサポート候補者の返信を読むモデルは、構成と語り口を手際よく評価できますが、この四半期あなたのチームが返金のエスカレーションに溺れていることも、その職務がいちばん腕の良い鎮め役の欠員を埋めるものだということも、採用責任者は文章は教えられるが判断は教えられないことも、知りません。決定に関わる文脈は人のもとにあります。ひとりで決めるモデルは、場が持っていたより少ない情報で決めています。
ですから、よく使われる枠組み — AI の決定に安全ブレーキとして人による確認を後付けする — は、順序が逆です。人が AI の決定を確認しているのではありません。AI が人の決定を準備しているのです。この反転は実務でも効いてきます。機械の出力に判を押すだけの確認者は、機械の死角のほうへ流されていきます。決着を担う評価者は、機械を、考えるのを減らすためではなく、より多くを見るために使います。
良い AI の支援とは、実際どんな姿か
AI が決める者であることを退けるのは、AI を退けることではありません — それでは、アセスメントがこれまで手にした中でいちばん確認者にやさしい技術を無駄にしてしまいます。ワークサンプルの評価は、まさに AI が本当に得意とする種類の証拠を生みます。長い記述回答、複数の段からなる課題の成果物、何もない状態から読むと本当に時間のかかる、まるごとの受験の記録。助手として使えば、それが仕える判断を追い出すことなく、人の評価を速く、より一貫したものにします。
どの機能にも同じ試金石があります。それは評価者の判断を準備しているのか、それとも先取りしているのか。合格する支援は、人により良い材料を渡し、結論を開いたままにします。不合格の支援は、人の役割を、機械の意見への「はい／いいえ」へと静かに狭めます。カスタマーサポートやインサイドセールスの採用では、合格する支援はこういう姿をしています。
- 要約 — 候補者の問い合わせ待ち行列の演習や、ヒアリングの記録をまるごと、評価者がひと押しで生の成果物と突き合わせて確かめられる短い概要にまとめます。
- 証拠の指し示し — 返信のどこで顧客を受け止めたのか、どこで規程についての決着をつけたのか、どこで反論に本当に答え、どこでかわしたのかを浮かび上がらせます。
- 基準ごとのスコアの下書き — 基準ごとに、評価ルーブリックに留めたスコアを、それを裏づける箇所とともに提案します。出発点であって、判定では決してありません。
- 一貫性の印 — ある評価者のスコアが、その人が引いた評価ルーブリックの記述から大きくずれているときにそれに気づき、目線合わせのために示します。
- 不正防止のシグナル — 受験の異常に印を付け、重要度に見合った人の確認へ回します。自動の不合格へは決して回しません。
| AI が下書きし、浮かび上がらせるもの | 記名された人が決めるもの |
|---|---|
| 課題、設問、評価ルーブリックの下書き | 何が本当にその職務を測るのか |
| 長い回答や書き起こしの要約 | 証拠をどう秤にかけるのか |
| 基準単位のスコアの提案 | 確定したスコア — そして書き換えるかどうか |
| 証拠の指し示しと不正防止の印 | 候補者が先へ進むかどうか |
承認するか書き換えるか — 人が担い続けるための関門
決定の支えと、決定の洗浄とを分ける設計上の要点は、明示された関門です。SkillCort で AI が下書きしたスコアはどれも、記名された評価者が承認するか書き換えるまで保留の状態にあります — そして書き換えるのに必要なのは、その評価者の判断だけです。理由の申告という税はありませんし、機械に異を唱えることを静かに罰する摩擦もありません。書き換えるほうが受け入れるより難しいなら、あなたが作ったのは、手数の多い AI の決定者です。
書き換えは雑音ではなく手がかりでもあります。「規程の内側での判断」という基準で評価者が繰り返し下書きのスコアを書き換えるなら、それは評価ルーブリックの記述が曖昧か、課題を作り直す必要があるという意味です — 黙って判を押す流れなら決して表に出ないはずのフィードバックです。この関門は人を担い手のままに保ち、その副産物として、支援がどこで役に立ちどこで立たないのかについて、支援自身を正直に保ちます。
だからこそ私たちは、どの承認にも名前が付くことにこだわります。「ある評価者が承認しました」は責任の所在です。「システムが処理しました」はそうではありません。採用における意思決定の単位は、理由を持ったひとりの人であり、道具はその人を抽象化して消すのではなく、見えるようにすべきです。なぜ先へ進めなかったのかと候補者が尋ねたとき、答えは誰が決めたのかから始まるべきであり、証拠のファイルはそれを言えるべきです。
来歴 — 支援を受けた出力は、どれも証書を携えます
AI が評価に触れたなら、記録はそう述べなければなりません。候補者の証拠ファイルにある AI 支援の出力はどれも来歴を携えます。どのモデルが生み、どの版で、いつ動き、何をするよう求められ、そして誰が結果を承認したか書き換えたか。法令対応の飾りとしてではなく、支援を受けた決定をそもそも監査できるものにするものとしてです。
来歴は、それがなければ数か月後に答えられなくなる問いに答えます。この要約は、評価ルーブリックが変わる前に生成されたのか、あとなのか。この二人の候補者の下書きのスコアは同じモデルの版から出ていて、出発点は比べられるのか。この提案をスコアに変えたのは、どの人なのか。記録がなければ、「AI 支援」は「AI が決めた、検証はできない」へと劣化します。記録があれば、監査する人も、候補者も、あなた自身のチームも、機械の寄与がどこで終わり、人の判断がどこから始まったのかを、正確に組み直せます。
規制も同じ線に収束しつつあります
これは私たちの哲学であるだけではありません。法の向かっている方向でもあります。EU AI Act は、採用や雇用の決定に使われる AI のシステムを高リスクとして扱い、その義務は人による確認、透明性、記録の保持を正面から指しています — 承認か書き換えかの関門、明示された支援、そして来歴の記録という、同じ三点です。ほかの地域の規制当局も、似た線に沿って自動化された雇用上の決定を精査しています。細かな義務は異なります。方向は異なりません。
いま人が決めるという規律を築いているチームは、法令対応に賭けているのではありません — 規制当局が描いている進め方を、そのまま築いています。それは初めから正しい進め方だったからです。「AI が代わりに順位づけして落とします」と売り込むベンダーは、規制の軌跡が向かってくるまさにその構えを売っています。名前の付いた責任を伴う決定の支えは、慎重な選択肢ではありません。長持ちする選択肢です。
私たちの立場を、率直に
アセスメントにおける AI は、人の判断を速く、より一貫させ、より証拠に裏づけられたものにすべきであり — それに取って代わることは決してあってはなりません。実務では、こういうことです。AI は要約し、証拠を指し示す。AI は、人が書いた評価ルーブリックに照らして基準単位のスコアを下書きする。記名された人がすべてのスコアを承認するか書き換える。支援を受けた出力はどれも、そのモデル、版、確認者を記録する。不正防止のシグナルは人の確認へ行き、自動の不合格へは行かない。そしてどの候補者も、隠れた AI のスコアを雇用主のあいだで持ち回ることはありません。
ワークサンプルを起点にしたアセスメントが求めるのは、これです。候補者に実際の仕事をしてもらう — 怒った顧客に答えてもらう、パイプラインを動かしてもらう — ことの意味はすべて、その職務を理解している人がその成果物を読み、決めることにあります。人を取り除くものは、その意味を取り除きます。スコアから物語へ、機械は余白へ、決定には名前を。それが私たちの築いている基準であり、業界がいずれ行き着くと考えている基準です。
要点
- 「AI が候補者を選んだ」という言い方は、二重に失敗しています。誰もその決定を担っておらず、しかもその決定は、人が持っていたより少ない文脈で下されています。
- 良い AI の支援は具体的です。要約、証拠の指し示し、評価ルーブリックに留めたスコアの下書き、目線合わせのための印 — 選ぶことでも、落とすことでもありません。
- AI が下書きしたスコアはどれも、記名された評価者が承認するか書き換えるまで待ちます。そして書き換えることは、受け入れることと同じくらい簡単でなければなりません。
- 来歴の記録 — モデル、版、時刻、課題、確認者 — こそが、AI が支援した評価を、検証できないものではなく監査できるものにします。
- EU AI Act は採用を高リスクとして扱い、その人による確認・透明性・記録への力点は、人が決めるアセスメントと同じ方向を指しています。