LLMだけでは不十分？「刺さる求人票」に不可欠な人間的深掘りの力

近年、採用活動におけるAI、特に大規模言語モデル（LLM）の活用が注目されています。求人票の作成においても、LLMを使えば手軽に文章を作成できるようになりました。しかし、ただ単にLLMに求人票を作らせるだけでは、本当に「刺さる求人票」にはなりにくいのが現状です。なぜなら、LLMにはまだ得意ではない領域があり、そこには人間の深い洞察力や、思考を構造化する力が不可欠だからです。

このブログでは、「良い求人票」とは何か、そしてLLMの可能性と限界を踏まえ、AIと人間がどのように協働することで、求職者の心に響く、質の高い求人票を作成できるのかについてお話ししていきます。

求人票は「具体的」であるほど響く理由

たくさんの求人情報が溢れる中で、あなたの会社が本当に求める人材に「刺さる」求人票を作るにはどうすれば良いのでしょうか？ その答えの一つは、「具体性」にあります。

抽象的な表現ばかりの求人票は、残念ながら多くの求人の中に埋もれてしまいがちです。例えば、「バックエンド開発」や「PHPを使います」といった情報だけでは、求職者はその仕事内容や企業での働き方を具体的にイメージしにくいでしょう。特に、ある程度経験を積んだエンジニアの方々にとっては、抽象的な情報だけでは「結局自分に関係するのか分からない」と感じてしまうかもしれません。

本当に「分かりやすい」求人票とは、求職者がその仕事や会社に入った後の自分を「イメージしやすい」ものだと考えられます。そのためには、単に業務内容を羅列するだけでなく、「肉付け」をしていくことが非常に重要です。例えば、現在進行中のプロジェクトの背景、そこにある難しさ、やりがい、そして企業が今どのようなフェーズにあり、なぜこのポジションが必要なのかといった戦略的な背景まで具体的に伝えることで、求職者は自分と仕事の関連性をより強く感じられます。

求人票を具体化することは、入社後の「思っていたのと違う」といったミスマッチを防ぐ上でも不可欠です。本当に会社が欲しい人材にピンポイントでアプローチし、その人に深く刺さる求人票を作るためには、現場の担当者がその課題や業務内容を最も理解しているため、人事担当者だけでなく、現場の知見を盛り込むことが望ましいでしょう。

LLMの限界：深掘りと思考フレームワークの構築

LLMは、既存の情報を元に文章を生成する能力に長けています。しかし、提供された情報以上の「深掘り」や、ゼロから「思考のフレームワークを構築する」ことには限界があります。

たとえば、LLMに「バックエンドエンジニアの求人票を作成してください」と指示しても、返ってくるのは一般的に通用する抽象的な求人票になりがちです。それは、LLMが「情報の深掘りでどこまで深ぼったらいいか」という深さの基準を持っていないためです。良い求人を作るための「定義」や、それを達成するための「フレームワーク」は、結局のところ人間が与える必要があるのです。

現在のLLMは、世の中に広く普及している一般的なフレームワークを使ってアウトプットすることは得意です。しかし、採用のように常に変化し、特定の企業やポジションに特化した「良い求人」の定義を、まだ誰も言語化していないような最先端の領域では、LLMが自ら新しいフレームワークを生み出すことは難しいと言えます。

また、現場の担当者が求人票の重要性を理解していても、実際に「良い求人票」を作成するための構造や書き方を知らない、あるいは慣れていないというスキルセットの問題もあります。LLMを使ったとしても、抽象的なアウトプットにしかならず、結局は人事が修正することになり、現場が求人を作成する意味が薄れてしまうケースも起こりえます。

だからこそ、LLMの力を最大限に引き出すためには、人間が「良い求人」の基準となる明確なフレームワークを提供し、LLMはそのフレームワークに沿って情報を肉付けしていくという連携が求められます。

AIと人が協働する「良い求人作成」の未来

では、AIと人間がどのように協働すれば、「本当に刺さる求人票」を作成できるのでしょうか。その鍵となるのが、「人間がフレームワークを提供し、AIが生成した成果物を人間が評価し、さらに深掘りするサイクル」です。

まず、人間が「良い求人」の定義となるフレームワークを与えます。例えば、求人票に記載すべき「企業情報」「業務内容」「魅力ポイント」の3つの要素を挙げ、それぞれにどのような具体性が必要かを定義するのです。

次に、LLMは与えられたフレームワークに基づき、大量の情報を自由に発想し、アウトプットを生成します。LLMは、論理的な思考に縛られず、多くの情報を一度に生成できるため、人間の発想を大きく広げる手助けとなります。

そして、ここからが人間の役割が最も重要になる部分です。LLMが生成した求人票を、人間が設定した「評価のフレームワーク」に沿って採点・評価します。例えば、「企業情報は具体的に書かれているか」「業務内容はイメージしやすいか」「魅力ポイントは採用ペルソナにとって魅力的か」といった基準で客観的に評価するのです。

この評価によって、例えば「企業情報の具体性が足りない」という結果が出れば、LLMはその項目についてさらに具体的な情報を質問してきます。それに対し、人間が詳細な情報を提供することで、求人票の質は段階的に向上していきます。この「AIが生成し、人間が評価・深掘りし、AIがさらに改善する」というサイクルを回すことで、より質の高い求人票が効率的に作成できるようになるのです。

このプロセスにおいて、LLMは情報生成と改善の効率化を担いますが、最終的な判断や、求職者の感情や文脈を深く理解する「多次元的なセンサー」としての機能は、依然として人間に求められます。AIと人間がそれぞれの得意分野を活かし、協力することで、画一的ではない、本当に求職者に響く求人票を生み出すことができるでしょう。

「AI×いい求人票」は、AIの効率性と人間の深い洞察力を組み合わせることで実現されるのです。