カテゴリ: AI導入戦略
更新日: 2026年2月19日
想定読了時間: 約30分
結論：人事部門こそ、今すぐ生成AIを使うべきです。
- 採用・研修・評価・労務の4領域で、生成AIは「下書き作成」「分析補助」「定型業務の自動化」に即効性がある
- コピペで使えるプロンプト15選を活用すれば、今日から1日30分〜1時間の業務時間を削減できる
- ただし個人情報の取り扱いには厳格なルールが必要。「便利だから」と無防備に使うと重大なインシデントにつながる
対象読者: 人事部門の担当者・マネージャー、総務・労務との兼務者、人事DXを推進する経営層
今日やること: この記事のセクション0「5分即効テクニック3選」のプロンプトを1つコピペして、ChatGPTかClaudeに貼り付けてみてください。それだけで「人事×AIの第一歩」が踏み出せます。
先日、ある IT 企業（従業員200名規模）で人事部門向けの AI 研修を行ったときのことです。
研修の冒頭で「普段の業務で一番時間がかかっていることは何ですか？」と聞いたら、人事課長さんが苦笑いしながらこう答えたんです。「中途採用のスカウトメール、毎回ゼロから書いてます。1通30分かかるので、10通送ると半日つぶれます」と。正直、これを聞いたとき「ああ、まだこんなに手作業なのか」とヒヤッとしました。だって、その30分の大半は「文面の構成を考える時間」であって、候補者ごとの個別情報を調べる時間ではなかったんです。つまり、AIに任せられる部分がかなり大きい。
実際にその場で生成AIにスカウトメールのテンプレートを作らせたら、5分で8パターンできあがりました。課長さん、「え、これ私が3時間かけて作ったやつより良くない……？」って、ちょっとショックを受けてました（笑）。
これは決して珍しい話ではありません。僕はこれまで100社以上の企業で AI 研修・導入支援を行ってきましたが、人事部門は「最もAIの恩恵を受けやすい部門」の一つだと確信しています。なぜなら、人事業務の多くは「文章を書く」「データを整理する」「定型判断をする」という、生成AIが最も得意とする領域で構成されているからです。一方で、AIの使い方を間違えると個人情報の漏洩や評価の偏りなど、取り返しのつかないリスクもある。この記事では、AI導入戦略ガイドの人事特化版として、「すぐ使えるプロンプト」「やってはいけない失敗パターン」「安全な運用ルール」まで、全部お伝えします。
0. まず試したい「5分即効テクニック」3選
「理論はあとでいい。まず1つ、試してみよう。」
研修でいつもお伝えしているのがこれです。人事の方は真面目な方が多いので、「まずガイドラインを作らないと……」と構えがちなんですが、まずは自分の業務で小さく試すのが一番の近道です。以下の3つは、どれも個人情報を使わずに試せるものを選びました。
テクニック1：求人票のたたき台を3分で作る
求人票って、毎回似たような構成なのに、書き出すと意外と時間がかかりますよね。これ、AIに骨格を作らせるだけで圧倒的に楽になります。
あなたは採用マーケティングの専門家です。
以下の条件で求人票のたたき台を作成してください。
【条件】
- 職種: [ここに入力（例：Webマーケティング担当）]
- 雇用形態: [正社員/契約社員/業務委託]
- 必須スキル: [ここに入力]
- 歓迎スキル: [ここに入力]
- 年収レンジ: [ここに入力]
- 会社の強み・特徴: [ここに入力]
- トーン: カジュアルだが信頼感のある文体
【出力形式】
1. キャッチコピー（3案）
2. 仕事内容（箇条書き5〜7項目）
3. 求める人物像（箇条書き3〜5項目）
4. このポジションの魅力（3項目、候補者目線で）
5. 選考フロー
不足している情報があれば、最初に質問してから作業を開始してください。ポイント: 会社名や具体的な内部情報を入れなくても、職種とスキル要件だけでかなり実用的な下書きが出てきます。ここから自社の情報を足していけばOKです。
テクニック2：面接評価シートのフォーマットを一瞬で作る
「面接のたびに評価基準がバラバラ」という悩み、よく聞きます。AIで標準フォーマットを作ってしまいましょう。
あなたは人事制度設計の専門家です。
以下の条件で面接評価シートのテンプレートを作成してください。
【条件】
- 対象ポジション: [ここに入力（例：営業職 中途採用）]
- 面接段階: [一次面接/二次面接/最終面接]
- 評価項目数: 5〜7項目
- 各項目に5段階評価と評価基準の具体例を含める
- 面接官が記入しやすいよう、チェック式＋コメント欄の構成にする
【出力形式】
表形式（評価項目 / 評価基準 / 5段階 / コメント欄）
不足している情報があれば、最初に質問してから作業を開始してください。ポイント: 一度作ったテンプレートをベースに、ポジションごとにカスタマイズしていくのが効率的です。「ゼロから毎回作る」から「AIの下書きを編集する」にワークフローを変えるだけで、かなりの時間短縮になります。
テクニック3：研修アンケートの集計＆示唆出しを自動化する
研修後のアンケート、集計して報告書にまとめるの、地味に大変ですよね。自由記述のコメントをカテゴリ分けするだけでも一苦労。これもAIが得意な領域です。
あなたは研修効果測定の専門家です。
以下の研修アンケート結果を分析してください。
【アンケート結果（自由記述）】
（ここにアンケートのコメントを貼り付け）
【分析してほしいこと】
1. コメントを「満足点」「改善要望」「質問・疑問」の3カテゴリに分類
2. 各カテゴリの上位3つの傾向を抽出
3. 次回研修への改善提案を3つ
4. 経営層への報告用サマリー（5行以内）
※ アンケートに個人名が含まれている場合は、必ずマスク処理してからAIに入力してください。
不足している情報があれば、最初に質問してから作業を開始してください。ポイント: 自由記述の分析は人間がやると主観が入りがちですが、AIを使うと網羅的かつ一貫した基準で分類してくれます。ただし、AIの分析結果は「たたき台」として使い、最終判断は人間が行うのが鉄則です。
1. 人事AI活用「3つの型」フレームワーク
「で、うちの人事部は何から始めればいいの？」
研修先でよく聞かれる質問です。答えは「自社の現在地を把握してから、段階的に進める」なんですが、抽象的すぎますよね。そこで、僕が顧問先で使っている「3つの型」フレームワークをご紹介します。
| レベル | 型の名前 | やること | 具体例 | 必要スキル | 導入難易度 |
|---|---|---|---|---|---|
| Lv.1 | 定型文書の自動化 | 繰り返し作成する文書をAIで下書き | 求人票、スカウトメール、研修案内、就業規則の改定案 | 基本的なプロンプト入力 | 低（今日から可能） |
| Lv.2 | 意思決定支援 | データ分析や比較検討をAIに補助させる | 応募者スクリーニング補助、研修効果分析、離職予測の仮説立て | プロンプト設計＋データ整理 | 中（1〜2週間で立ち上げ） |
| Lv.3 | 戦略人事のAI化 | 人事戦略の立案・シミュレーションにAIを活用 | 人員計画のシナリオ分析、スキルギャップ分析、組織設計の最適化 | プロンプト設計＋分析リテラシー＋業務プロセス設計 | 高（1〜3か月で段階的に） |
まず目指すべきはLv.1です。 ここで「AIって使えるじゃん」という成功体験を積んでから、Lv.2に進む。いきなりLv.3を目指すと、「結局使いこなせなかった」となりがちです。
顧問先のIT企業（従業員150名規模）の人事部長から相談を受けたんですが、「経営層から『AIで離職予測をやれ』と言われたが、そもそもデータが整理されていない」という状況でした。これ、典型的な「Lv.1をスキップしてLv.3に飛ぼうとした」パターンです。まずはLv.1で求人票やスカウトメールの効率化を実現し、その成果を見せてから段階的にレベルを上げていく。この順番が大事なんです。
2. 領域別プロンプト集：採用・研修・評価・労務
ここからが本題です。人事業務の4つの主要領域ごとに、コピペで使えるプロンプトを紹介します。全部で12個ありますので、自分の担当領域から試してみてください。（セクション0の3つと合わせて、この記事全体で15個のプロンプトを掲載しています。）
2-1. 採用領域
プロンプト1：スカウトメールの個別最適化
あなたは採用広報の専門家です。
以下の候補者情報をもとに、パーソナライズされたスカウトメールを作成してください。
【候補者情報】
- 現職: [ここに入力（例：SaaS企業のカスタマーサクセス）]
- 経験年数: [ここに入力]
- 注目スキル/実績: [ここに入力]
- 転職意欲の温度感: [積極的/潜在的/不明]
【募集ポジション】
- 職種: [ここに入力]
- このポジションの魅力: [ここに入力]
【メールの条件】
- 文字数: 300〜400字
- トーン: 丁寧だが堅すぎない
- 候補者の経験に対する具体的な言及を含める
- 「一度カジュアルにお話しませんか」で締める
- 3パターン作成（切り口を変えて）
※ 候補者の個人情報は必ずマスク処理してから入力してください。
不足している情報があれば、最初に質問してから作業を開始してください。活用のコツ: スカウトメールは「量」と「質」のバランスが命です。AIでベースを作り、候補者の経歴を見ながら人間が1〜2文だけ手で追加する。このハイブリッド方式が最も返信率が高いです。僕の顧問先では、この方法でスカウトメールの返信率が従来比で約1.4倍（8%→11%）に改善しました（※ 3か月間、対象200通での比較。プロンプト改善と送信タイミングの最適化を同時実施したため、AIプロンプトのみの効果ではありません）。
プロンプト2：面接質問リストの設計
あなたは構造化面接の設計者です。
以下の条件で、面接質問リストを作成してください。
【条件】
- 対象ポジション: [ここに入力]
- 面接段階: [一次/二次/最終]
- 重視するコンピテンシー: [ここに入力（例：問題解決力、チームワーク、主体性）]
- 面接時間: [ここに入力（例：45分）]
【出力形式】
各質問について以下を含めてください：
1. 質問文（STAR形式を促す聞き方で）
2. この質問で見ているポイント
3. 良い回答の例（キーワードレベル）
4. 要注意な回答パターン
5. 深掘り質問（2つ）
全部で8〜10問。時間配分の目安も付けてください。
不足している情報があれば、最初に質問してから作業を開始してください。活用のコツ: 構造化面接は「面接官によるばらつき」を減らす効果がありますが、質問設計が大変で導入が進まないケースが多いです。AIで質問セットを作り、面接官トレーニングの教材としても使う。一石二鳥です。
プロンプト3：不採用通知メールの丁寧な文面作成
あなたは採用コミュニケーションの専門家です。
以下の条件で不採用通知メールを作成してください。
【条件】
- 選考段階: [書類選考/一次面接/最終面接]
- 候補者の印象: [ここに入力（例：スキルは十分だがカルチャーフィットに懸念）]
- 今後の関係性: [タレントプールに残したい/完全クローズ]
- トーン: 誠実で温かみのある文面。候補者の時間と努力に敬意を示す
【出力形式】
- 件名
- 本文（250〜350字）
- タレントプール案内の場合は、その旨を自然に盛り込む
不足している情報があれば、最初に質問してから作業を開始してください。活用のコツ: 不採用通知は「書きたくない業務」の代表格ですが、候補者体験に直結する重要なタッチポイントです。AIで丁寧な文面のベースを作り、候補者ごとに一言だけパーソナライズを加える。これだけで採用ブランドの毀損を防げます。
2-2. 研修・育成領域
プロンプト4：研修カリキュラムの設計
あなたは企業研修の設計者です。
以下の条件で研修カリキュラムを設計してください。
【条件】
- 研修テーマ: [ここに入力（例：新入社員向けビジネスマナー研修）]
- 対象者: [ここに入力（例：2026年4月入社の新卒30名）]
- 研修時間: [ここに入力（例：1日6時間）]
- 目標: [ここに入力（例：電話応対とメール作成の基本ができるようになる）]
- 形式: [対面/オンライン/ハイブリッド]
【出力形式】
1. タイムテーブル（時間・内容・形式・使用教材）
2. 各セッションの学習目標
3. ワークショップ/演習の具体的な内容
4. 事前課題と事後課題の案
5. 効果測定の方法（カークパトリックモデルのLevel 1-2）
不足している情報があれば、最初に質問してから作業を開始してください。プロンプト5：1on1ミーティングのアジェンダ作成支援
あなたはピープルマネジメントの専門家です。
以下の状況に合わせた1on1ミーティングのアジェンダを作成してください。
【状況】
- 部下の役職/経験: [ここに入力]
- 最近の状況: [ここに入力（例：大型プロジェクトが一段落、やや燃え尽き気味）]
- 前回の1on1からの経過: [ここに入力]
- 今回特に確認したいこと: [ここに入力]
【出力形式】
1. アイスブレイク（2分）: 具体的な話題の案
2. 前回のフォローアップ（5分）: 確認すべきポイント
3. 今回のメイントピック（15分）: 質問リスト（オープンクエスチョン）
4. キャリア・成長の話題（5分）: 聞き方の例
5. クロージング（3分）: 次のアクション確認
※ 部下の個人評価情報は入力せず、状況の概要のみで依頼してください。
不足している情報があれば、最初に質問してから作業を開始してください。活用のコツ: 1on1のアジェンダをAIに作らせると、「聞き忘れ」が減ります。特にオープンクエスチョンの設計は、AIが得意な領域。ただし、1on1の内容そのもの（部下の発言内容や評価）をAIに入力するのは避けてください。
プロンプト6：研修効果を高めるフォローアップメール
あなたは研修効果定着の専門家です。
以下の研修の受講者に送るフォローアップメールを作成してください。
【研修情報】
- 研修名: [ここに入力]
- 実施日: [ここに入力]
- 主な学習内容: [ここに入力（3つ程度）]
- 次のステップ: [ここに入力]
【メールの条件】
- 送信タイミング: [研修翌日/1週間後/1か月後]
- 目的: 学んだ内容の実践を促す
- 含めるもの: 研修内容の簡潔な振り返り、具体的な実践アクション1つ、質問窓口の案内
- トーン: 励ましと応援。押しつけがましくない
- 文字数: 300〜400字
不足している情報があれば、最初に質問してから作業を開始してください。2-3. 評価・1on1領域
プロンプト7：人事評価コメントのブラッシュアップ
あなたは人事評価制度の専門家です。
以下の評価コメントの下書きをブラッシュアップしてください。
【元のコメント（下書き）】
（ここに自分が書いた評価コメントの下書きを貼り付け）
【ブラッシュアップの方向性】
- 具体的な行動事実に基づいた記述にする
- 「がんばった」「よくやった」等の抽象表現を、具体的な成果や行動に置き換える
- 改善点はポジティブな表現で（「〜ができなかった」→「〜に取り組むことで更なる成長が期待できる」）
- 次期の期待・目標設定につながる記述を含める
- 文字数: 200〜300字
※ 重要: 被評価者の氏名・社員番号等の個人情報は必ずマスク処理してから入力してください。「Aさん」等の仮名を使ってください。
不足している情報があれば、最初に質問してから作業を開始してください。活用のコツ: 評価コメントのブラッシュアップは、人事AI活用の中で最も即効性が高いテクニックの一つです。先日の人事向けAI研修で、参加者の方から「評価コメント書くのに毎回2時間かかるんですが、AIで時短できますか？」と質問されたんです。実際にやってもらったら、下書き＋AI校正で30分に短縮できた。ただし、評価の判断そのものをAIに任せるのは絶対NGです。AIはあくまで「文章表現の改善」に使い、評価の内容は人間が責任を持つ。この線引きが重要です。
プロンプト8：目標設定（OKR/MBO）のドラフト作成
あなたは目標管理制度の専門家です。
以下の情報をもとに、今期の目標設定のドラフトを作成してください。
【情報】
- 部門: [ここに入力]
- 役職/等級: [ここに入力]
- 会社の今期重点テーマ: [ここに入力]
- 前期の主な成果と課題: [ここに入力]
- 目標管理制度: [OKR/MBO/その他]
【出力形式】
目標を3つ設定し、それぞれについて以下を記述：
1. 目標文（SMARTの原則に沿って）
2. 達成基準（定量的に測定可能な指標）
3. 主要なアクション（3〜5つ）
4. 想定されるリスクと対策
5. 中間チェックポイント
不足している情報があれば、最初に質問してから作業を開始してください。2-4. 労務管理領域
プロンプト9：就業規則の改定案チェック
あなたは労務管理と就業規則の専門家です。
以下の就業規則の改定案について、チェックポイントを洗い出してください。
【改定案の概要】
（ここに改定予定の条文や概要を貼り付け）
【チェックしてほしい観点】
1. 労働基準法との整合性（明らかな違反がないか）
2. 既存の条文との矛盾・重複
3. 従業員にとってわかりにくい表現
4. 想定されるトラブルケース
5. 労使間で合意が必要なポイント
【注意事項】
- これは法的助言ではなく、チェックの「たたき台」として使います
- 最終的な判断は社労士または弁護士に確認します
- 具体的な社名・個人名は含めないでください
不足している情報があれば、最初に質問してから作業を開始してください。活用のコツ: 就業規則のAIチェックは「見落とし防止」として非常に有効ですが、AIの出力を法的根拠としてそのまま使うのは絶対にNGです。必ず社労士や弁護士のレビューを通してください。AIは「気づきを増やすツール」として使うのが正しい位置づけです。
プロンプト10：従業員向けFAQ（よくある質問）の作成
あなたは社内コミュニケーションの専門家です。
以下のテーマについて、従業員向けFAQを作成してください。
【テーマ】
[ここに入力（例：年末調整の手続き方法/育児休業制度/リモートワーク規程）]
【条件】
- 質問数: 8〜10問
- 回答の長さ: 各100〜150字
- 想定読者: 制度に詳しくない一般社員
- トーン: やさしく、専門用語は避ける
- 問い合わせ先の案内を最後に含める
【出力形式】
Q&A形式。カテゴリ分けして見やすく整理してください。
不足している情報があれば、最初に質問してから作業を開始してください。プロンプト11：残業時間の傾向分析レポート作成
あなたは労務データ分析の専門家です。
以下の残業データを分析し、経営層向けのレポートを作成してください。
【データ概要】
（ここに部門別・月別の残業時間データの概要を記述。個人名は含めないこと）
【分析してほしいこと】
1. 部門別の残業時間の傾向（増加/減少/横ばい）
2. 季節変動のパターン
3. 36協定の上限に近づいている部門の警告
4. 改善が必要な領域の優先順位付け
5. 具体的な改善施策の提案（3つ）
【出力形式】
- エグゼクティブサマリー（5行以内）
- 詳細分析（グラフの説明文を含む）
- アクションプラン
※ 個人が特定される情報は一切入力しないでください。部門単位の集計データのみを使用してください。
不足している情報があれば、最初に質問してから作業を開始してください。プロンプト12：ハラスメント相談対応マニュアルの整備
あなたはハラスメント防止対策の専門家です。
以下の条件で、人事担当者向けのハラスメント相談初期対応マニュアルを作成してください。
【条件】
- 対象: 人事部のハラスメント相談窓口担当者
- カバーする範囲: パワハラ、セクハラ、マタハラの初期対応
- 含めるもの:
1. 相談を受けたときの初動チェックリスト
2. ヒアリング時の注意点（やってはいけない対応を含む）
3. 記録の取り方のテンプレート
4. エスカレーション基準
5. 相談者への説明テンプレート（秘密保持の説明等）
【注意事項】
- 法的助言ではなく、実務フローの整理として使用
- 最終的な対応判断は弁護士・社労士と連携して行う
不足している情報があれば、最初に質問してから作業を開始してください。活用のコツ: ハラスメント対応は「初動が命」と言われますが、いざ相談が来ると焦ってしまう担当者が多いのが現実です。AIで初期対応マニュアルのたたき台を作り、自社の相談フローに合わせてカスタマイズしておくことで、いざというときに冷静に対応できます。
3. 導入企業はどんな成果を出しているのか
「で、実際にどのくらい効果があるの？」と聞かれることが多いので、僕が関わった企業での成果データをいくつか共有します。
注意: 以下のデータは、AIプロンプトの活用だけでなく、業務プロセスの見直しやツール導入など複数の施策を組み合わせた結果です。「AIだけで劇的に改善した」というわけではなく、AI活用を含む業務改善全体の成果として捉えてください。
| 領域 | 施策内容 | 成果 | 測定方法 |
|---|---|---|---|
| 採用 | スカウトメール作成にAI活用＋送信タイミング最適化 | メール作成時間 1通30分→8分（※想定シナリオ。顧問先の複数社での平均的な改善幅を基に算出） | 作業ログの比較（導入前2週間 vs 導入後2週間） |
| 研修 | カリキュラム設計のAI補助＋テンプレート化 | 設計工数 約40%削減（※実案件匿名加工。IT企業A社、6か月間の研修企画業務で計測） | 工数管理ツールでの作業時間比較 |
| 評価 | 評価コメントのAIブラッシュアップ導入 | コメント作成時間 平均2時間→40分（※実案件匿名加工。製造業B社、評価対象50名での比較） | 評価者へのアンケート（n=12） |
| 労務 | 従業員FAQのAI生成＋チャットボット連携 | 人事への問い合わせ件数 月120件→75件（※実案件匿名加工。サービス業C社、導入後3か月の平均） | 問い合わせ管理システムのチケット数比較 |
繰り返しになりますが、これらの数字は「AIだけの効果」ではありません。業務フローの見直し、テンプレートの整備、担当者のスキルアップなど、複合的な要因が絡んでいます。ただ、逆に言えば、AIを「入口」にして業務改善全体が動き出すというのが、僕が見てきた多くの企業に共通するパターンです。
4. 【要注意】人事AI活用でやりがちな失敗パターン
ここからは、少し耳が痛い話をします。研修先で実際に見た（あるいは相談を受けた）失敗パターンです。「自分はやらないだろう」と思うかもしれませんが、意外と多くの人事担当者がやってしまうんです。
失敗パターン1：個人情報をそのままAIに入力してしまう
❌ NG例: 「佐藤太郎さん（35歳、年収600万円、東京都港区在住）の評価コメントをブラッシュアップして」とChatGPTに入力
⚪ OK例: 「Aさん（30代、営業職、中堅レベル）の評価コメントをブラッシュアップして」と匿名化して入力
これ、冗談じゃなく本当に多いんです。研修先で実際にあった事例ですが、ある人事担当者がChatGPTに社員50名分の評価データ（氏名・社員番号・評価点・コメント付き）をExcelからコピペして分析させようとしていました。研修中だったのでその場で止めましたが、ヒヤッとしました。ChatGPTの無料版やTeamプランでは、入力データがモデルのトレーニングに使われる可能性があります（設定で無効化は可能）。人事データは最もセンシティブな個人情報の一つ。「とりあえず匿名化」を徹底するだけで、リスクの9割は防げます。
失敗パターン2：AIの出力をそのまま「最終版」として使う
❌ NG例: AIが作った求人票をそのままWantedlyに掲載。実際の業務内容と微妙にズレた記述があり、入社後のミスマッチに
⚪ OK例: AIの下書きをベースに、現場マネージャーにレビューしてもらい、実態に合わせて修正してから掲載
AIは「それっぽい文章」を作るのが得意ですが、「自社の実態」を知りません。特に求人票や就業規則のような文書は、一字一句が候補者や従業員との「約束」になります。AIの出力は「たたき台」であり、人間のレビューは必須です。
失敗パターン3：評価や選考の「判断」をAIに丸投げする
❌ NG例: 「この5名の候補者の中から最適な人を選んで」とAIに聞き、その回答をそのまま採用判断に使う
⚪ OK例: 「この5名の候補者について、〇〇の観点で比較表を作って」とAIに依頼し、その表を参考に人間が判断する
生成AIには「バイアス」があります。学習データに含まれる社会的偏見が、出力に反映される可能性がある。特に採用や評価という「人の人生に直結する判断」を、AIに委ねるのは倫理的にも法的にもリスクが高い。AIは「情報整理」に使い、「判断」は人間が行う。 この原則は何度強調してもしすぎることはありません。
失敗パターン4：全社展開を急ぎすぎて現場が混乱する
❌ NG例: 経営層の号令で「来月から全部門でAI活用」。ガイドラインもトレーニングもなし
⚪ OK例: まず人事部内の2〜3名で1か月トライアル → 効果検証 → ガイドライン策定 → 段階的に展開
これも研修先でよく見るパターンです。経営層が「うちもAIやらないと」と焦って、準備なしに全社展開を指示する。結果、現場は「何に使えばいいかわからない」「ルールがないから怖くて使えない」となり、形骸化する。スモールスタート → 成果の可視化 → 段階展開が鉄板です。
5. 人事データ × AI：セキュリティと運用ルール
人事部門がAIを使ううえで、避けて通れないのがセキュリティの話です。「便利だから使いたい」と「情報漏洩が怖い」の間で悩んでいる人事担当者、本当に多いです。ここでは、僕が顧問先で実際に策定を支援した運用ルールのエッセンスをお伝えします。
5-1. 人事データの分類と取り扱いルール
| データ分類 | 具体例 | AIへの入力 | 対策 |
|---|---|---|---|
| 入力禁止 | 氏名、社員番号、マイナンバー、住所、給与明細、医療情報 | ❌ 絶対NG | 匿名化しても入力不可。社内システムのみで処理 |
| 匿名化必須 | 評価コメント、面接フィードバック、1on1メモ、相談内容 | ⚪ 匿名化すればOK | 「Aさん」「30代営業職」等に置換。部門名も必要に応じてマスク |
| 入力可 | 一般的な制度説明、テンプレート作成、FAQ、研修カリキュラム設計 | ⚪ そのままOK | 個別の社員情報を含まない一般的な業務に限る |
5-2. 推奨する運用ルール（5つの原則）
- 入力前チェックの習慣化: AIに入力する前に「この文章に個人を特定できる情報が含まれていないか」を必ず確認する。チェックリストを作って物理的に確認するのが最も確実
- 法人向けプランの利用: ChatGPT Team/Enterprise、Claude for Business等の法人プランは、入力データがモデルトレーニングに使用されない設定になっている。無料版や個人プランの業務利用は禁止が望ましい
- 出力の社外持ち出し禁止: AIが生成した人事関連の文書は、社内利用に限定。SNSやブログへの転載は禁止
- ログの保管: 重要な業務（採用判断の参考、評価コメントのブラッシュアップ等）でAIを使った場合は、プロンプトと出力を記録として保管する
- 定期的なルール見直し: AIの進化は速い。3〜6か月に一度、運用ルールが実態に合っているか見直しを行う
5-3. 法人向けAIプランの比較
| プラン | 月額（1名） | データ学習への不使用 | 管理者機能 | SSO対応 |
|---|---|---|---|---|
| ChatGPT Team | $25 | ⚪ | ⚪ | ❌ |
| ChatGPT Enterprise | 要問合せ | ⚪ | ⚪ | ⚪ |
| Claude for Business | $30 | ⚪ | ⚪ | ⚪ |
| Microsoft Copilot for M365 | $30 | ⚪ | ⚪ | ⚪ |
※ 2026年2月時点の情報です。最新の料金・機能は各社の公式サイトをご確認ください。
6. 人事部門へのAI導入ステップ（3か月ロードマップ）
「やりたいことはわかった。で、どういう順番で進めればいいの？」
ここでは、僕が顧問先で実際に使っている3か月間の導入ロードマップをお見せします。
Month 1：スモールスタート（個人利用フェーズ）
- 週1: 推進担当者2〜3名を選定。法人向けAIプランのアカウント発行
- 週2: この記事のセクション0「5分即効テクニック」を実践。各自の業務で「AIに任せられそうなタスク」をリストアップ
- 週3-4: 領域別プロンプト集（セクション2）から自分の担当領域のプロンプトを試す。うまくいったもの、いかなかったものを記録
- 月末: 推進メンバーで振り返りミーティング。効果が出た活用法をベスト3としてまとめる
Month 2：ルール整備（チーム展開フェーズ）
- 週1-2: セキュリティガイドライン（セクション5参照）の策定。情シス部門との連携
- 週3: 人事部門全員向けのAI活用研修（2時間程度）を実施
- 週4: 全メンバーが最低1つのプロンプトを日常業務に組み込む
- 月末: 定量的な効果測定（時間削減、品質向上等）の第1回レポート作成
Month 3：定着と拡張（全社展開準備フェーズ）
- 週1-2: 成功事例の社内共有。他部門への横展開の準備
- 週3: 運用ルールの見直し。「使ってみたからこそわかった課題」を反映
- 週4: 経営層向けの成果報告。次のフェーズ（Lv.2: 意思決定支援）への投資判断を仰ぐ
大事なのは「小さな成功を積み重ねる」こと。 最初から完璧を目指さず、まず1つのプロンプトが業務に定着すれば、それが次のステップへのモチベーションになります。
7. よくある質問（FAQ）
Q1. 人事の仕事がAIに奪われるのでは？
正直に言うと、「定型作業」は確実にAIに置き換わります。求人票のテンプレ作成、評価コメントの文章校正、FAQ対応などは、今後AIがメインで担うようになるでしょう。でも、「人を見る力」「組織の空気を読む力」「経営と現場をつなぐ力」は、AIには代替できません。むしろ、定型作業をAIに任せることで、人事担当者がこれらの本質的な業務に集中できるようになる。AIは「脅威」ではなく「味方」です。
Q2. 小規模企業（50名以下）でも導入する意味はありますか？
むしろ小規模企業のほうがメリットが大きいです。大企業には専任の採用担当や制度設計担当がいますが、中小企業では1人の人事担当者が採用・研修・評価・労務を全部やっている。その「1人人事」の生産性を上げる手段として、AIは最強のパートナーです。
Q3. どのAIツールを使えばいいですか？
2026年2月時点の推奨は以下の通りです：
- 文書作成全般: ChatGPT（GPT-4o）またはClaude（Opus 4）。どちらも日本語の文章生成品質が高い
- データ分析: ChatGPT（Advanced Data Analysis機能）。ExcelやCSVをアップロードして分析できる
- 社内システム連携: Microsoft Copilot for Microsoft 365。既にM365を使っている企業なら最も導入しやすい
まずは1つのツールに絞って使い倒すのがおすすめです。複数ツールを同時導入すると、現場が混乱します。
Q4. 労働組合や従業員代表への説明はどうすればいいですか？
「AIで人を減らすためではなく、人がより価値の高い仕事に集中するために導入する」というメッセージが基本です。具体的には、① 導入目的の明確化（どの業務に、なぜ使うのか）、② データの取り扱いルールの開示、③ 評価や処遇の判断にはAIを使わないことの明言、この3点をセットで説明するとスムーズです。
まとめ：今日から始める3つのアクション
ここまで読んでくださり、ありがとうございます。情報量が多かったと思うので、最後に「今日やること」を3つに絞ります。
- セクション0のプロンプトを1つ、今すぐ試す: 求人票のたたき台作成がおすすめ。5分でできます。個人情報は入れなくてOK
- 自分の業務で「AIに任せられそうなタスク」を3つ書き出す: 「毎回同じような文章を書いている」「データの集計に時間がかかっている」など、パターン化できる業務を探してみてください
- セクション5のセキュリティルール表を、チーム内で共有する: 「何をAIに入力していいか、何がダメか」の基準を最初に共有しておくだけで、安心して使い始められます
人事部門のAI活用は、まだ始まったばかりです。「完璧に使いこなす」必要はありません。まず1つのプロンプトを試して、「おお、これ使えるじゃん」と感じるところから始めてみてください。
もし「自社の人事部門にAIをどう導入すればいいかわからない」「セキュリティガイドラインの策定を手伝ってほしい」という方は、お気軽にご相談ください。100社以上の導入支援経験をもとに、御社の状況に合った進め方をご提案します。
関連記事
次回予告: 次回は「営業部門 × 生成AI」をテーマに、提案書作成・商談準備・CRMデータ分析のプロンプト集をお届けします。お楽しみに。
著者プロフィール
佐藤傑（さとう・すぐる）
株式会社Uravation代表取締役。X（@SuguruKun_ai）フォロワー10万人超。
100社以上の企業向けAI研修・導入支援。著書累計3万部突破。
SoftBank IT連載7回執筆（NewsPicks最大1,125ピックス）。
ご質問・ご相談は お問い合わせフォーム からお気軽にどうぞ。
