推薦文の下書き

書き出しはAIに任せ、候補者と企業を結びつける一文に時間を使う

近藤さんは、製造業の技術職を中心に担当するキャリアアドバイザーだ。月に40件ほどの推薦を出し、1件ごとに推薦文を書く。求人票を読み直して企業が求める人物像をつかみ、候補者の職務経歴書から合いそうな経験を拾い、面談で聞いた話を思い出しながら文章にまとめる。1件に30分から1時間かかり、推薦が集中する週は夜まで机に向かうことになる。

推薦文の出来は、書く人によって差が出る。チームの先輩は候補者の経験を企業の課題に結びつける書き方がうまく、書類選考の通過も多い。近藤さんは時間に追われると、経歴を要約しただけの推薦文になりがちだった。同じ候補者でも、推薦文の書き方ひとつで企業の受け止め方は変わる。月末には推薦文の書きかけが5件、6件とたまっていくこともあった。

そこで想定するのが、選考管理の画面から推薦文の下書きをつくれるアプリだ。近藤さんが推薦する求人と候補者を選ぶと、求人票、会社の情報、候補者の経歴がそろえられ、AIが推薦文の下書きをつくる。このとき、氏名や電話番号、メールアドレスはAIに渡さず、職務経歴書の本文に紛れ込んでいるものも伏せてから渡す。できあがった下書きにも個人情報が含まれていないかを確かめ、画面に表示する段階で元に戻す。

下書きは、近藤さんがあらかじめ設定した書き方に沿ってつくられる。「冒頭で推薦理由を一文で示す」「技術用語は求人票の表記にそろえる」といった好みを登録しておけば、毎回同じ型の下書きが出てくる。チームで通過の多い推薦文の構成を共有の設定として用意しておくこともできる。近藤さんは下書きを読み、面談で聞いた転職の動機や、本人が一番力を入れた仕事のエピソードを書き足して仕上げる。

AIが受け持つのは、材料をそろえて最初の形にするところまでだ。どの経験を推すか、企業にどんな言葉で届けるかは、候補者と企業の双方を知る近藤さんが決める。下書きをそのまま送ることはない。それでも書き出しの手間がなくなる分、1件ごとに面談の記録を読み返し、候補者らしさが伝わる一文を探す余裕が生まれる。

想定するアプリでは、主に次のようなことができる。

• 推薦文の下書き。求人票・会社情報・候補者の経歴から、求める人物像と経験を結びつけた下書きをつくる
• 担当者ごとの書き方の設定。書き出しや言い回しの好みを登録し、下書きに反映する
• 個人情報の伏せ字。氏名・電話番号・メールアドレスをAIに渡さず、本文中のものも伏せ、生成後にも確かめる
• 選考管理の画面との連携。推薦する求人と候補者を選ぶだけで、必要な情報がそろう

bloomがこのアプリをつくるなら、まず書類選考の通過が多い担当者の推薦文を集め、どんな構成で何を書いているかを一緒に読み解く。その型を下書きの土台にすることで、筆力による差を埋めることをねらう。一方で、面談で聞いた本人の思いや、企業の担当者との関係から来る言葉選びは、AIには書けない。下書きはあくまで書き出しの手間を減らすためのもので、仕上げは担当者に残す。個人情報をAIに渡さない仕組みも、最初に関係者と取り決めたうえで組み込む。

初版は推薦の多い職種から始め、過去の推薦文と見比べて下書きの質を確かめる。そのうえで近藤さんのような担当者に実際の推薦で使ってもらい、下書きのどこを直しているかを聞き取って、書き方の設定や下書きの構成を見直していく。直す箇所が多い職種や企業があれば、その理由を担当者と話し合い、そろえる情報を見直す。