結論: Claude Code（CLIエージェント）は、求人票生成・候補者スクリーニング・面接質問設計・オファーレター作成・労務手続き文書・就業規則レビュー・人事評価フィードバック・1on1準備・エンゲージメント分析・研修設計まで、人事の「文章を書く・整える・チェックする」業務をスクリプトとして自動化し、人事担当者の作業時間を週8〜12時間削減できる実践ツールです。
この記事の要点:
- 要点1: Claude Code はターミナルから動かす AI エージェントで、応募者データの一括処理・面接質問の自動生成・労務文書のテンプレ化を Python スクリプトとして組み立てられる（チャット型AIとの違いは「実行力」）
- 要点2: 採用（求人票・スクリーニング・面接・オファー）／労務（就業規則・規程・手続き文書）／評価・教育（人事評価・1on1・エンゲージメント・研修設計）の3カテゴリ別に、コピペで使えるプロンプト30選を完全公開
- 要点3: 2026年の育児介護休業法改正・労基法関連の動きに対応した「コンプライアンスファースト」の自動化アプローチと、Google Workspace MCP・Slack MCP との連携手順を解説
対象読者: 中小企業の人事担当者・採用責任者・労務担当者・経営者（AIツール初挑戦〜中級者）
読了後にできること: 今日すぐに、自社の募集要件メモから求人票ドラフトを生成するプロンプトを試せる
「また求人票の文面に半日かかった……それなのに応募ゼロ」
先日、サービス業のクライアント（従業員60名）の人事担当Aさんからこんな言葉を聞きました（以下は100社以上の研修・コンサル経験から構成した想定シナリオです）。求人媒体3社それぞれにフォーマットが違い、同じ募集なのに3回書き直す。書類選考では1日40通のエントリーシートを目視で読み、面接質問は前任者のExcelをコピペして使い回し、内定が出れば今度はオファーレターと労働条件通知書を手作業で作る。人事1名体制で、採用1ポジションあたり「文章を書く・整える」だけで延べ10時間以上溶けていたそうです。
私がClaude Codeを使った人事業務自動化の研修を提案したのは、そんなタイミングでした。正直、Aさんは最初「エンジニア向けのツールでしょ？人事には関係ない」と懐疑的でした。でも3回のセッションを経て「求人票の初稿づくりが半日→30分になった」「書類選考の一次仕分けが3時間→45分になった」と報告をもらったとき、このアプローチは本物だと確信したんです（数値はクライアントの自己申告ベースの想定値です）。
Claude Codeは、通常のチャット型AI（claude.aiやChatGPT）とは根本的に異なります。ターミナル（コマンドライン）から動かすAIエージェントで、「フォルダの中のファイルを読む→処理する→別のファイルやスプレッドシートに書き出す」という一連の流れをスクリプトとして生成・実行してくれます。つまりプログラミングの知識がなくても、自然言語で指示するだけで「応募者一覧を一括スコアリングするツール」「面接質問を職種別に自動生成するツール」を手に入れられるんです。この記事では、採用・労務・評価教育の3カテゴリに分けて、実際に使えるClaude Codeプロンプト30選を全公開します。Google Workspace MCP・Slack MCP との連携も含めて解説しますので、今日から使い始めてみてください。
なぜ「Claude Code × 人事」なのか — チャット型AIとの決定的な違い
「ChatGPTでも求人票は書けるじゃない？」という疑問をよく受けます。たしかにチャット型AIでも文面の相談はできます。でもClaude Codeとの違いは「実行力」と「再現性」にあります。
チャット型AIは「文章を考えてくれる相談相手」です。「この求人、どう書けばいい？」と聞けば答えてくれますが、応募者100名分のエクセルを開いて一括でスコアリングしたり、Googleスプレッドシートに結果を書き戻したり、Slackの採用チャンネルに通知を流したりはできません。
一方、Claude Codeは「実際に手を動かす人事アシスタント」です。具体的には次のようなことができます。
- 応募者一覧CSV／スプレッドシートを読み込んで、要件マッチ度を一括スコアリング
- 履歴書・職務経歴書PDFから経験年数・スキル・離職理由を構造化抽出
- 職種×レベル別に面接質問セットを自動生成して評価シートまで作る
- 就業規則・各種規程を読み込んで、法改正の観点で「要確認箇所」を洗い出す
- 1on1ログ・サーベイ結果を分析して、マネージャー向けレポートを自動生成し、Slackに投稿
これらをPythonスクリプトとして生成・実行してくれるんです。一度スクリプトを作れば、次の採用シーズンも次の評価期も、コマンド一発で同じ処理が走ります。これが「チャット型AIとの決定的な違い」です。
Claude Codeを含むAIエージェント全般の基礎知識・導入ステップについては、AIエージェント導入完全ガイドで体系的にまとめています。「そもそもAIエージェントとは何か」「人事以外の部門でどう使うか」という疑問はここで解消できます。また、人事に限らず業務全般の自動化パターンを知りたい方はClaude Code自動化プロンプト30選も参照してください。
【2026年版】Claude Code を人事業務で使うための環境セットアップ
Claude Codeは、Anthropicが提供するCLI（コマンドラインインターフェース）ツールです。2026年5月時点のバージョンはv2.1系で、エージェント機能とMCP（Model Context Protocol）連携が大幅に強化されています。
最低限の準備（5ステップ）
- Anthropic アカウント作成（claude.ai）
- Node.js インストール（v18以上）
- Claude Code インストール:
npm install -g @anthropic-ai/claude-code - 認証:
claudeコマンドを実行し、ブラウザでログイン（または APIキーを設定） - 作業フォルダ作成: 人事用フォルダ（例:
~/hr-automation/）を作ってclaudeを起動
セットアップが完了したら、そのフォルダに応募者一覧CSVや就業規則のテキストファイルを置いておくと、Claude Codeが直接ファイルを読み込めます。これだけで準備完了です。
人事業務に使うPythonライブラリを先にインストール
# Claude Codeのターミナルで実行
pip install pandas openpyxl pdfplumber python-docx requests python-dotenv
pdfplumber はPDFから文字を抽出（履歴書・職務経歴書PDFを扱う場合に必須）、python-docx はWordファイル（労働条件通知書・就業規則のテンプレ）の読み書きに使います。
MCP連携でできることが大きく広がる（Google Workspace MCP / Slack MCP）
人事業務はGoogleスプレッドシート・Gmail・Googleカレンダー・Slackと密接に絡みます。Claude Code の MCP（Model Context Protocol）連携を設定すると、これらのサービスをClaude Codeから直接操作できるようになります。
# 設定例（.mcp.json などプロジェクト設定ファイルに記述）
# ※ 実際の設定方法は各MCPサーバーのREADMEに従ってください。
{
"mcpServers": {
"google-workspace": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-google-workspace"]
},
"slack": {
"command": "npx",
"args": ["-y", "@modelcontextprotocol/server-slack"]
}
}
}
連携が有効になると、たとえば「応募者管理スプレッドシートを読み込んでスコアリングし、結果を新しいシートに書き込み、採用チャンネルにサマリーを投稿する」という流れを1つのプロンプトで指示できます。
事例区分: 想定シナリオ
以下は100社以上の研修・コンサル経験から構成した典型的な活用例です。数値はクライアント自己申告ベースの想定値です。
採用代行も担う人事マネージャーのBさん（IT業・従業員90名）が「複数媒体の応募が別々のスプレッドシートに散らばっていて、毎朝それを手で集約している」という課題を持っていました。Google Workspace MCP を使い「3つの応募シートを読み込んで1つに統合、重複応募を検出、新規分だけSlackに通知」というスクリプトを作ったところ、毎朝の集約作業が30分→2分（実行時間）になったそうです。
今すぐ試せる「5分即効」プロンプト3選
まず小さく試してほしいプロンプトを3つ。環境構築さえできていれば今日中に動作確認できます。
即効プロンプト #1: 募集要件メモから求人票ドラフトを生成
事例区分: 想定シナリオ
以下は100社以上の研修経験をもとに構成した典型的な活用例です。
人事担当Cさん（卸売業・従業員40名）が「現場が箇条書きで書いた募集メモを、毎回ゼロから求人票の文章に起こしている」という課題を持っていました。このプロンプトを試したところ、初稿づくりが半日→30分（推計）に短縮されたそうです。
同じフォルダにある job_request.md（現場からの募集要件メモ）を読み込んで、求人票ドラフトを作成してください。
【出力する3バージョン】
1. 自社採用ページ用（丁寧・詳細・1,500字程度）
2. 求人媒体A用（見出し50字 / 仕事内容500字 / 応募資格200字 の枠に収める）
3. リファラル（社員紹介）依頼用の社内向け文（800字程度・くだけたトーン）
【共通の必須要素】
- 仕事内容（具体的なタスク3〜5個）
- 求める人物像（必須要件 / 歓迎要件 を分ける）
- 想定年収レンジ・勤務地・雇用形態（メモにあれば反映、なければ「要確認」と明記）
- 募集背景（増員 / 欠員 など、メモから推測。推測した点は「推測」と明記）
差別表現・年齢制限・性別限定など、職業安定法・男女雇用機会均等法に抵触しうる表現が含まれていないかチェックし、該当があれば指摘してください。
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: 「差別表現・年齢制限のチェック」を最初から入れておくこと。求人票は法的にセンシティブな文書なので、自動化と同時にコンプライアンスチェックも回すのが安全です。
即効プロンプト #2: 応募者一覧CSVを要件マッチ度でスコアリング
applicants.csv（応募者一覧。列: 氏名 / 経験職種 / 経験年数 / 保有スキル / 希望年収 / 応募媒体 / 自己PR要約）を読み込んで、以下の評価軸でスコアリングしてください。
【評価軸（各0〜5点）】
- 必須スキル充足度（求人要件: ○○、△△）
- 経験年数の適合（要件: 3年以上）
- 業界・職種の近さ
- 年収レンジの整合（提示レンジ: 400〜550万円）
- 自己PRから読み取れる動機・カルチャーフィット
【出力】
scored_applicants.csv … 上記スコア + 合計点 + 「A:面接推奨 / B:要検討 / C:見送り候補」の三段階判定 + 判定理由を1行で
要検討（B）になった応募者については、面接前に追加で確認すべき点を「確認ポイント」列に記入してください。
注意: これはあくまで一次仕分けの参考であり、最終判断は人事担当者が行う前提です。学歴・性別・年齢・国籍・居住地などの保護属性は評価軸に含めないでください。
即効プロンプト #3: 1ポジションの面接質問セットを自動生成
job_request.md（募集要件）を読み込んで、このポジションの構造化面接で使う質問セットを作成してください。
【構成】
1. 一次面接用（30分・人事）: アイスブレイク2問 + 経験確認3問 + 動機3問 + 逆質問への対応メモ
2. 二次面接用（45分・現場マネージャー）: 行動面接（STAR形式）の質問5問 + 各質問の「良い回答 / 懸念のある回答」の見極めポイント
3. 最終面接用（30分・役員）: 価値観・キャリア観の質問3問 + 入社後の期待値すり合わせ用の話題
【出力形式】
interview_guide.md（面接官に配る資料）と interview_scoresheet.xlsx（質問ごとに5段階評価 + コメント欄。最後に合計と総合判定）
各質問に「この質問で何を見たいか（評価意図）」を1行添えてください。差別的・プライバシー侵害的な質問（家族構成、思想信条、結婚・出産予定など）は絶対に含めないでください。
人事業務でのClaude Code活用は “3つの型” で考える
| 型 | 内容 | 難易度 | 主な対象業務 |
|---|---|---|---|
| ① 生成・ドラフト型 | メモや要件から文書のたたき台を作る | 低 | 求人票・スカウト文・オファーレター・面接質問・規程の改定案 |
| ② 整理・分析型 | 大量データを読み込んで構造化・スコアリング・要約 | 中 | 書類選考の一次仕分け・サーベイ集計・1on1ログ分析・退職理由の傾向分析 |
| ③ ワークフロー型 | MCP連携で複数サービスをまたいだ一連の処理を自動化 | 中〜高 | 応募データ集約→通知、評価リマインド配信、入社書類一式の自動生成 |
はじめは①から。慣れてきたら②、最後に③のMCP連携に挑戦する、という順番が現実的です。以下、カテゴリ別に30選を紹介します（即効プロンプト3つを含めると合計33プロンプトです）。
【採用プロンプト12選】求人票・スクリーニング・面接・オファーまで完全網羅
採用は人事業務の中でも「文章量」と「ピーク負荷」が大きい領域です。求人票3媒体分の書き分け、書類選考の山、面接調整、オファー書類——どれもClaude Codeで大幅に時短できます。
プロンプト #4: 複数媒体向け求人票の一括書き分け
job_master.md（求人のマスター情報）を読み込んで、以下4媒体それぞれの文字数・項目要件に合わせた求人票を一括生成してください。
- 媒体A: タイトル30字 / 仕事内容400字 / 応募資格150字 / アピールポイント3個（各40字）
- 媒体B: タイトル40字 / 業務内容800字 / 必須スキル / 歓迎スキル / 1日の流れ（箇条書き）
- 媒体C: キャッチコピー20字 / 仕事の魅力（ストーリー調1,000字）
- 自社採用ページ: 制限なし（詳細版・写真キャプション案も）
各媒体ごとに「この媒体で特に強調すべきポイント」を冒頭に1行メモしてください。出力は media_a.md, media_b.md, media_c.md, owned_site.md の4ファイルに分けてください。
プロンプト #5: スカウト・ダイレクトリクルーティング文の生成
candidate_profiles.csv（スカウト候補者のプロフィール要約。列: 候補者ID / 現職 / 経験要約 / スキル / 想定動機）と job_master.md を読み込んで、候補者ごとにパーソナライズしたスカウト文を生成してください。
【条件】
- 1通あたり400〜500字
- 冒頭2文で「なぜあなたに送ったか」を具体的に（プロフィールの記述を引用して）
- テンプレ感を出さない（候補者ごとに切り口を変える）
- 最後に「カジュアル面談（30分・オンライン）」への誘導
【出力】
scout_messages.csv（候補者ID / 件名 / 本文 / 切り口メモ）
注意: プロフィールに書かれていない情報を勝手に補完しないこと。推測した部分は本文に含めず、メモ欄にだけ「推測: ◯◯」と記載してください。
プロンプト #6: 履歴書・職務経歴書PDFの構造化抽出
resumes/ フォルダにある履歴書・職務経歴書PDFを全て読み込んで、以下の情報をCSVに抽出してください。
【抽出項目】
ファイル名 / 直近の職種 / 直近の業界 / 通算社会人年数 / 在籍社数 / 各社の在籍期間 / 主なスキル（カンマ区切り） / マネジメント経験の有無 / 転職理由の記載（あれば原文要約）
【補足列】
- 在籍期間が1年未満の経歴が複数ある場合は「短期離職フラグ」を立てる（事実の記録であり、評価ではない旨を補足）
- PDFが読み取れなかったファイルは error_log.csv に記録
注意: 学歴・年齢・性別・顔写真の有無などの保護属性は抽出しないでください。スコアリングや判定は行わず、データ化のみ行ってください。
プロンプト #7: 書類選考の一次仕分け（複数評価者の目線を再現）
scored_applicants.csv（プロンプト#2の出力）と job_master.md を読み込んで、書類選考の一次仕分け案を作成してください。
【3つの視点で評価】
1. 人事視点: カルチャーフィット・コミュニケーション・志望度
2. 現場マネージャー視点: 即戦力性・スキルの実務適合
3. 経営視点: 中長期のポテンシャル・希少性
各視点で「通過 / 保留 / 見送り」を出し、3視点が割れた応募者は「要相談リスト」に分けてください。
最終的に next_round.csv（面接へ進める候補 + 理由）、hold.csv（追加情報待ち + 確認事項）、reject_draft.csv（見送り候補 + 丁寧なお見送りメール文案）を出力してください。
保護属性は一切評価に使わないこと。これは選考の最終決定ではなく、人間がレビューするための叩き台です。
プロンプト #8: 面接日程調整メール＆カレンダー登録（MCP連携）
interview_candidates.csv（面接対象者。列: 氏名 / メール / 希望時間帯3つ / 面接官）を読み込んで、面接日程の調整を行ってください。
【手順】
1. Googleカレンダー（MCP連携）で各面接官の空き時間を確認
2. 候補者の希望時間帯と面接官の空きが重なるスロットを抽出
3. 候補者へ送る日程確定メール文案を作成（候補3スロット提示形式）
4. 確定後（人間が確認）にカレンダー登録するためのスクリプトも用意
【出力】
schedule_proposals.csv（候補者 / 提案スロット / 面接官 / メール文案）
注意: メール送信・カレンダー登録は自動実行せず、必ず人間が内容を確認してから実行する前提でドラフトを作ってください。
プロンプト #9: 構造化面接の評価シート集計＆比較表
interviews/ フォルダにある面接評価シート（Excel・面接官ごと）を全て読み込んで、候補者ごとの比較表を作成してください。
【出力】
candidate_comparison.xlsx
- 行: 候補者
- 列: 評価項目（スキル / 経験 / 動機 / カルチャーフィット / コミュニケーション）× 面接官
- 各候補者の「面接官間でスコアが割れた項目」をハイライト
- 候補者ごとの総合所見（全面接官のコメントを要約。賛否両論があればその両方を記載）
- 推奨アクション（即オファー候補 / 追加面接 / 見送り）
注意: 推奨アクションはあくまで参考。スコアの平均だけで機械的に決めず、コメント内容も加味して根拠を示してください。
プロンプト #10: お見送り・選考辞退対応メールの一括生成
selection_results.csv（応募者 / 選考段階 / 結果: 書類見送り / 一次見送り / 最終見送り / 候補者辞退）を読み込んで、結果ごとに丁寧なメール文案を生成してください。
【トーン】
- 不採用通知でも応募者の体験を損なわない（応募への感謝→結果→今後への配慮）
- 段階に応じて文面の手厚さを変える（最終面接まで来た人にはより丁寧に）
- 候補者辞退の場合は、関係を残す前向きな返信
【出力】
rejection_emails.csv（応募者 / 件名 / 本文）
注意: 個別の不採用理由（スキル不足など）は書かない（リスクが高い）。あくまで「総合的に判断した結果」という表現にとどめてください。
プロンプト #11: オファーレター・労働条件通知書のドラフト生成
offer_inputs.csv（内定者 / 役職 / 年収 / 基本給 / 諸手当 / 勤務地 / 始業終業時刻 / 休日 / 試用期間 / 雇用形態）と templates/offer_template.docx, templates/labor_conditions_template.docx を読み込んで、内定者ごとに以下を生成してください。
1. オファーレター（offer_氏名.docx）: 入社へのウェルカムメッセージ + 条件サマリー + 入社までの流れ
2. 労働条件通知書（labor_conditions_氏名.docx）: 労働基準法第15条で明示が義務付けられている事項（契約期間 / 就業場所 / 業務内容 / 始業終業時刻・休憩・休日 / 賃金の決定・計算・支払方法 / 退職に関する事項 など）を漏れなく記載
注意: 法定の明示事項が1つでも欠けている場合は警告してください。金額・日付はすべて入力データから転記し、不明なものは「要確認」と明記。最終的な内容は社労士・労務担当者の確認が必須である旨を文書末尾に添えてください。
プロンプト #12: 内定者フォロー（オンボーディング前）コミュニケーション設計
内定承諾から入社日までのフォロープランを設計してください。内定者の入社日は2026年7月1日です。
【設計内容】
- 内定承諾直後 / 1ヶ月前 / 2週間前 / 入社前日 のタッチポイントごとに、送るメッセージ案・共有資料・面談の有無を整理
- 内定辞退リスクの高い時期と、その時期に打つ施策
- 入社初日の受け入れチェックリスト（PC・アカウント・席・メンター・初日スケジュール）
【出力】
onboarding_plan_氏名.md（人事用の進行表）と welcome_messages.md（各タイミングで送る文面の下書き）
くだけすぎず堅すぎず、相手が「歓迎されている」と感じるトーンで。
プロンプト #13: 採用 KPI ダッシュボードの自動集計（MCP連携）
採用管理スプレッドシート（Google Workspace MCP経由・URL: ◯◯）を読み込んで、月次の採用レポートを作成してください。
【集計項目】
- 媒体別の応募数 / 書類通過率 / 面接通過率 / 内定率
- ポジション別の選考進捗（ファネル）
- 平均選考日数（応募→内定までのリードタイム）
- 内定承諾率・辞退理由の内訳
- 前月比と、ボトルネックになっている工程の指摘
【出力】
- recruiting_report_2026_06.md（経営会議用・グラフ用データ込み）
- スプレッドシートの「月次サマリー」シートに数値を書き込む（書き込み前に内容を表示して確認）
数値はすべて元データのどのシート・どの範囲から算出したか根拠を添えてください。
プロンプト #14: 採用ペルソナ・求人キャッチコピーのA/B案生成
past_hires.csv（過去の採用成功者の属性・志望動機・入社後の活躍度）と job_master.md を読み込んで、このポジションの採用ペルソナを2〜3パターン作成してください。
各ペルソナについて:
- 想定キャリア・現状の不満・このポジションで実現できること
- そのペルソナに刺さる求人キャッチコピー案を3本ずつ
- 訴求すべき要素の優先順位（年収 / 裁量 / 成長 / 安定 / カルチャー など）
最後に「最も母集団形成しやすそうなペルソナはどれか、その理由」を述べてください。past_hires.csv に十分なデータがない場合は、その旨を伝えたうえで一般論ベースで作成し、「データ不足のため要検証」と明記してください。
【労務プロンプト10選】就業規則・規程・手続き文書・法改正対応まで
労務は「正確性」と「最新性」が命の領域です。2026年は育児・介護休業法の改正（3歳〜小学校就学前の子を養育する労働者への柔軟な働き方の措置義務化など）が実務に影響しており、就業規則・規程の見直しが必要な企業が多くあります。Claude Codeは規程の「比較」「抜け漏れチェック」「改定案ドラフト」が得意です。
プロンプト #15: 就業規則の法改正観点レビュー
current_work_rules.txt（現行の就業規則）を読み込んで、以下の観点で「要確認・要改定の可能性がある箇所」を一覧化してください。
【チェック観点】
- 育児・介護休業法の改正（3歳〜小学校就学前の子を養育する労働者への柔軟な働き方の措置、子の看護休暇・介護休暇の時間単位取得、対象範囲の拡大 など）に関連する条文の有無・記載内容
- 法定休日の特定が明確になっているか
- 年次有給休暇の時季指定義務（年5日）への対応
- ハラスメント防止措置に関する規定
- 副業・テレワークに関する規定の整備状況
【出力】
work_rules_review.md
- 該当条文番号 / 現行の記載 / 懸念点 / 改定の方向性（あくまで案）/ 確認の優先度（高・中・低）
- 「規定が見当たらない」項目も別途リストアップ
注意: これは法的助言ではなく、専門家（社労士・弁護士）に確認すべき論点を洗い出すためのレビューです。条文の引用は概要にとどめ、最終判断は専門家に委ねる旨を冒頭に明記してください。
プロンプト #16: 各種社内規程の整合性チェック
regulations/ フォルダにある規程ファイル（就業規則 / 賃金規程 / 育児・介護休業規程 / 退職金規程 / 旅費規程 / 在宅勤務規程 など）を全て読み込んで、規程間の矛盾・重複・参照切れをチェックしてください。
【チェック項目】
- 同じ事項について複数の規程で異なる記載がないか（例: 休日の定義、所定労働時間）
- 「別途定める」「○○規程による」と書いてあるのに、参照先の規程が存在しない／該当条文がない
- 用語の不統一（「従業員」「社員」「職員」の混在 など）
【出力】
regulation_consistency_check.md（矛盾箇所 / 該当規程と条文 / 推奨対応）
矛盾の解消方針はあくまで案として提示し、最終的には人事・社労士の判断が必要である旨を添えてください。
プロンプト #17: 規程改定案の新旧対照表（差分）作成
old_regulation.txt（改定前）と new_regulation_draft.txt（改定案）を読み込んで、新旧対照表を作成してください。
【出力形式】
revision_table.xlsx
- 列: 条文番号 / 改定前（原文）/ 改定後（原文）/ 改定理由 / 影響を受ける従業員の範囲
- 変更なしの条文は省略し、追加・削除・修正のあった条文のみ記載
- 「実質的な変更」と「文言の軽微な修正」を区別して色分け
改定理由が改定案テキストから読み取れない場合は「（理由要記入）」とし、勝手に推測しないでください。
プロンプト #18: 36協定・各種労使協定の点検
agreements/ フォルダにある労使協定（36協定 / 一年単位の変形労働時間制 / 専門業務型裁量労働制 など）を読み込んで、形式面・内容面の点検結果を出力してください。
【点検項目】
- 有効期間が切れていないか、更新時期が近づいていないか
- 36協定: 時間外労働の上限（特別条項を含む）が法令の枠内か、対象業務・人数の記載があるか
- 過半数代表者の選出方法に関する記載の有無
- 届出が必要な協定について、届出済みかどうかのチェック欄
【出力】
agreement_check.md（協定名 / 有効期間 / 懸念点 / 対応期限 / 優先度）+ 更新カレンダー（renewal_calendar.csv）
法令の上限値などは「2026年5月時点の一般的な理解」として記載し、最新の確認を促してください。
プロンプト #19: 入社・退社の手続き文書一式の自動生成
employee_changes.csv（対象者 / 区分: 入社 / 退社 / 異動 / 氏名 / 部署 / 役職 / 効力発生日）を読み込んで、区分ごとに必要な手続き文書のチェックリストと文書ドラフトを生成してください。
【入社】雇用契約書 / 労働条件通知書 / 入社誓約書 / 各種社会保険の取得に必要な情報の収集依頼文 / 入社案内メール
【退社】退職届の受理確認 / 退職証明書 / 離職票の交付に関する案内 / 貸与物返却チェックリスト / 引き継ぎ依頼文 / 退職者へのお礼メール
【異動】辞令文 / 関係部署への連絡文 / アカウント権限変更依頼
【出力】
対象者ごとにフォルダを作り、必要文書を .docx で生成。生成できない（情報不足の）文書は「要記入_文書名.txt」として、不足項目を明記。
注意: 社会保険・雇用保険の手続きそのものは行わず、必要な情報の整理と社内文書のドラフトのみ。法定書類の様式は最新版を確認するよう促してください。
プロンプト #20: 勤怠データの異常検知レポート
attendance_2026_04.csv（勤怠データ。列: 従業員ID / 部署 / 日付 / 出勤時刻 / 退勤時刻 / 休憩時間 / 残業時間 / 有給取得）を読み込んで、労務リスクの観点で異常を検知してください。
【検知項目】
- 月の時間外労働が一定時間（例: 45時間 / 80時間）を超えている、または超えそうな従業員
- 連続勤務日数が長い従業員（例: 12日以上連続勤務）
- 休憩時間が法定（6時間超は45分、8時間超は60分）を下回っている可能性のある日
- 有給取得が年度内で著しく少ない従業員（年5日の時季指定義務との関係）
- 打刻漏れ・矛盾（出勤＞退勤 など）
【出力】
attendance_alert_2026_04.md（従業員ID / 異常内容 / 推奨対応 / 緊急度）+ 部署別サマリー
これは事実の検知であり、評価や処分の判断材料ではありません。プライバシーに配慮し、必要な範囲の担当者のみが見る前提です。
プロンプト #21: 育児・介護関連の社内案内文の作成
2026年の育児・介護休業法改正（3歳〜小学校就学前の子を養育する労働者への柔軟な働き方の措置義務化、子の看護休暇・介護休暇の時間単位取得、仕事と育児・介護の両立に関する個別周知・意向確認の強化 など）を踏まえて、従業員向けの案内文を3パターン作成してください。
1. 全社員向け: 「両立支援制度がこう変わりました」のお知らせ（800字程度・難しい言葉を避ける）
2. 対象になりうる社員向け（小さなお子さんがいる社員 / 介護を担う社員）: 利用できる制度の早見表と相談窓口の案内
3. 管理職向け: 部下から相談を受けたときの対応ポイント・やってはいけない対応（不利益取扱いの禁止 など）
注意: 制度の詳細は「2026年5月時点の一般的な理解」として記載し、自社の規程・最新の法令を確認するよう促す一文を必ず入れてください。
プロンプト #22: 安全衛生・健康管理関連文書の整備チェック
health_safety/ フォルダにある文書（衛生委員会の議事録 / ストレスチェックの実施記録 / 健康診断の実施記録 / 長時間労働者への医師面接指導の記録 など）を読み込んで、安全衛生管理の観点で「揃っているか・抜けがないか」を点検してください。
【点検項目】
- 衛生委員会が月1回開催されているか（議事録の頻度）
- ストレスチェックが年1回実施されているか、結果に基づく措置がとられているか
- 健康診断が法定の頻度で実施されているか、未受診者へのフォローがあるか
- 長時間労働者への医師面接指導の対象者把握・実施状況
【出力】
health_safety_check.md（項目 / 状況: ○ / △ / × / 直近の実施日 / 次回期限 / 懸念点）
これは社内点検の叩き台です。最終的な評価は産業医・社労士・労働基準監督署の指針を確認してください。
プロンプト #23: 問い合わせ対応用「労務FAQ」の自動構築
regulations/ フォルダの就業規則・各種規程と past_hr_questions.csv（過去に社員から寄せられた質問と回答）を読み込んで、社内向けの労務FAQを作成してください。
【出力】
hr_faq.md
- カテゴリ別（休暇 / 給与 / 勤務時間 / 育児・介護 / 退職 / 各種手続き）
- 1問あたり: 質問 / 回答（規程の該当条文を参照）/ 詳細は誰に聞けばよいか
- 規程に明記されておらず運用で対応している事項は「※運用ルール」と注記
注意: 回答は規程・過去の回答に基づくものに限り、規程にない事項を勝手に断定しないこと。微妙な事項は「個別に人事に相談してください」とする。
プロンプト #24: 労務監査（社内セルフチェック）の実施
これまでに作った各種チェック結果（work_rules_review.md / regulation_consistency_check.md / agreement_check.md / attendance_alert_*.md / health_safety_check.md）を全て読み込んで、労務全体のセルフ監査レポートを作成してください。
【構成】
1. エグゼクティブサマリー（経営層向け・1ページ・リスクの大きい順）
2. 領域別の状況（就業規則 / 労使協定 / 勤怠 / 安全衛生 / 育児介護対応）と、それぞれの「対応すべき事項・優先度・想定対応期限」
3. 専門家（社労士・弁護士）に相談すべき論点リスト
4. 次回セルフ監査の推奨時期
このレポートは社内の現状把握のためのものであり、法的なお墨付きではない旨を冒頭に明記してください。
【評価・教育プロンプト8選】人事評価・1on1・エンゲージメント・研修設計
評価・教育は「主観のばらつき」と「準備の重さ」が課題です。Claude Codeは評価コメントの整え（フィードバックの言い換え）、1on1の準備、サーベイ分析、研修カリキュラム設計に効きます。
プロンプト #25: 人事評価フィードバックコメントの整え（建設的な言い換え）
raw_evaluations.csv（評価者が書いた素のコメント。列: 評価対象者ID / 評価項目 / スコア / 素コメント）を読み込んで、フィードバック面談で使える整理されたコメントに整えてください。
【整え方】
- 事実→評価→今後の期待 の順に再構成
- 抽象的な指摘（「もっと頑張って」）を具体化（何を・どう・なぜ）
- ネガティブな指摘は「行動」に焦点を当て、人格批判にならないようにする
- 強みは具体的なエピソードとセットで（評価者の素コメントにあれば）
【出力】
polished_feedback.csv（評価対象者ID / 評価項目 / 整えたコメント / 面談で深掘りする問い）
注意: スコアや評価結論は変更しないこと。素コメントに書かれていない事実を追加しないこと。最終的に評価者本人がレビューする前提です。
プロンプト #26: 評価のばらつき・甘辛分析
all_evaluations.csv（全社の評価データ。列: 評価対象者 / 部署 / 評価者 / 評価項目 / スコア）を読み込んで、評価の偏りを分析してください。
【分析】
- 評価者別の平均スコア（甘い評価者・辛い評価者の傾向）
- 部署別のスコア分布の差
- スコアが特定の値に集中していないか（中心化傾向）
- 同じ等級の中でスコアのばらつきが極端に小さい／大きい評価者
【出力】
evaluation_bias_report.md（分析結果 + グラフ用データ + キャリブレーション会議で議論すべき論点）
注意: これは評価の精度を上げるための材料であり、特定の評価者を非難するものではありません。トーンに配慮してください。
プロンプト #27: 1on1の準備メモ自動生成（MCP連携）
対象メンバーの1on1準備メモを作成してください。以下を統合します。
- one_on_one_logs/メンバー名.md（過去の1on1ログ）
- Slack（MCP連携）の直近2週間のやりとりから、そのメンバーが関わったトピック
- カレンダー（MCP連携）から、そのメンバーの直近の予定（多忙度の把握）
- last_review_メンバー名.md（直近の評価・目標）
【出力】
1on1_prep_メンバー名_2026-05-15.md
- 前回の宿題・約束ごとの進捗確認ポイント
- 最近の状況から見える、聞いておくべきこと（負荷・つまずき・成果）
- 本人のキャリア目標に絡めて話せる話題
- マネージャーが避けるべき話の振り方（詰問にならない問いの例）
注意: Slackの内容は要約のみ使い、個別のメッセージを引用しすぎないこと。プライベートな話題は扱わないこと。
プロンプト #28: 1on1ログの傾向分析（チーム全体）
one_on_one_logs/ フォルダにあるチームメンバー全員の1on1ログを読み込んで、マネージャー向けのチームレポートを作成してください。
【分析】
- メンバー横断で繰り返し出てくるテーマ（業務量 / 役割の曖昧さ / 評価への不満 / 成長機会の不足 など）
- 離職リスクの兆候が見えるメンバー（直接「辞めたい」と言っていなくても、サインがあれば）
- マネージャーが対応を約束したのに進んでいない事項
- チーム全体で打つべき施策の提案（3つまで）
【出力】
team_1on1_insight_2026Q2.md
注意: 「離職リスク」の指摘は慎重に。根拠（どのログのどの発言か）を必ず添え、断定ではなく「サインの可能性」として記述すること。このレポートは限られた担当者のみが見る前提です。
プロンプト #29: エンゲージメントサーベイ自由記述の分析
survey_freetext.csv（エンゲージメントサーベイの自由記述。列: 回答ID / 部署 / 設問 / 自由記述）を読み込んで分析してください。
【分析】
- ポジティブ / ネガティブ / 改善提案 の分類と件数
- 頻出テーマのランキング（部署別の違いも）
- 経営・人事として「すぐ手を打てること」と「中長期で取り組むこと」の仕分け
- 特に深刻度が高そうな声（少数でも見逃せないもの）の抜粋（個人が特定されない形で）
【出力】
survey_analysis_2026.md（分析サマリー + テーマ別の声の要約 + 推奨アクション）+ themes.csv（テーマ / 件数 / 代表的な声 / 部署）
注意: 回答者が特定されうる記述（具体的な個人名・固有のエピソード）はそのまま引用せず、抽象化して扱ってください。
プロンプト #30: 退職者インタビュー（エグジットインタビュー）の傾向分析
exit_interviews.csv（退職者インタビューの記録。列: 退職者ID / 部署 / 在籍年数 / 退職理由カテゴリ / 自由記述 / 次の進路）を直近2年分読み込んで、退職の構造を分析してください。
【分析】
- 退職理由の内訳と、年度・部署・在籍年数別の傾向
- 「本当の退職理由」と思われるもの（建前の理由の裏にある不満。自由記述から推測する場合は「推測」と明記）
- 入社○年目に辞める人が多い、特定の上司の下で辞める人が多い、などのパターン（個人が特定されない範囲で）
- リテンション（定着）施策の優先順位
【出力】
exit_interview_analysis.md（分析結果 + パターンの指摘 + 施策提案）
注意: 個人・特定の上司を名指しで非難する内容にしないこと。パターンとして示し、改善の議論につながる形にしてください。
プロンプト #31: 研修カリキュラム・年間教育計画の設計
skill_gaps.csv（部署×等級ごとに不足しているスキル）と training_history.csv（過去の研修実施履歴と評価）を読み込んで、来年度の年間教育計画を設計してください。
【設計】
- 対象者（新入社員 / 中堅 / 管理職 / 全社共通）ごとの必須研修・推奨研修
- 各研修の目的・到達目標・想定時間・実施形式（集合 / オンライン / e-learning / OJT）・概算予算感
- 年間スケジュール（繁忙期を避ける）
- 効果測定の方法（受講後アンケートだけでなく、行動変容をどう測るか）
【出力】
annual_training_plan_2027.md（経営会議用）+ training_schedule.csv（カレンダー登録用）
予算の数値は「目安」とし、確定値は人事・経理と調整が必要な旨を添えてください。
プロンプト #32: 研修コンテンツ（資料・演習・確認テスト）のドラフト生成
training_brief.md（研修テーマ・対象者・到達目標・時間）を読み込んで、研修コンテンツ一式のドラフトを作成してください。
【出力一式】
1. slides_outline.md（スライド構成案。1枚ごとの見出しと話す内容のメモ・所要時間）
2. exercises.md（理解を深めるための演習・グループワーク2〜3個。進め方と想定アウトプット）
3. quiz.md（理解度確認テスト10問。選択式と記述式を混ぜる。模範解答つき）
4. facilitator_guide.md（講師用の進行台本・想定質問への回答例）
注意: 法律・制度に関わる内容を含む場合は「2026年5月時点の情報。最新を確認すること」と明記。事実と意見を区別して記述してください。
プロンプト #33: スキルマップ・人材ポートフォリオの可視化
employee_skills.csv（従業員ごとのスキル評価。列: 従業員ID / 部署 / 等級 / スキル項目 / レベル1〜5）を読み込んで、組織のスキル状況を可視化してください。
【出力】
skill_portfolio.xlsx
- 部署×スキルのヒートマップ（平均レベル）
- 「一人しかできない（属人化リスク）」スキルのリスト
- 等級に対してスキルが不足している人 / 余剰している人（次のアサインの参考）
- 採用 or 育成で埋めるべきスキルギャップのトップ5
注意: これは配置・育成の検討材料であり、評価そのものではありません。個人を一覧で晒す使い方は避け、必要な範囲の担当者のみが見る前提でレポートを構成してください。
【要注意】よくある失敗パターン4選と回避策
Claude Code × 人事業務で最も多い失敗は「人の判断を代替させてしまうこと」と「個人情報の扱いが甘いこと」です。100社以上の研修・コンサルで見てきたパターンを4つに絞って紹介します。
失敗1: AIのスクリーニング結果を「合否」として確定してしまう
❌ よくある間違い: Claude Code が出したスコアや「A/B/C判定」をそのまま書類選考の合否にする
⭕ 正しいアプローチ: AIの出力はあくまで「一次仕分けの叩き台」。最終判断は必ず人間が行う。プロンプトにも「これは選考の最終決定ではない」と明記し、出力CSVにも「判定理由」列を必ず付けて、人がレビューできる状態にする。
なぜ重要か: 採用選考でAIにバイアスが乗ると、差別的取扱いとして法的・レピュテーション上の重大なリスクになります。学歴・性別・年齢・国籍・居住地などの保護属性は評価軸から外し、なぜその判定になったかを必ず説明可能にしておくこと。海外では採用AIの偏りが訴訟になった例もあり、日本でも対岸の火事ではありません。
失敗2: 履歴書・評価データ・1on1ログをそのままクラウドAIに丸ごと流す
❌ よくある間違い: 応募者の個人情報や社員の評価コメントを、社内ルールを確認せずにAIに渡す
⭕ 正しいアプローチ: まず自社の個人情報の取扱い方針・利用目的の範囲を確認する。応募者には「AIによる選考支援を行う可能性」を募集要項やプライバシーポリシーで適切に伝える。氏名・連絡先などの直接識別子は処理前にマスキングし（プロンプト#6のように「保護属性は抽出しない」と指示）、ローカルで完結できる処理はローカルで行う。
なぜ重要か: 人事データは個人情報の中でも特に機微なものを含みます（評価・健康情報など）。利用目的の範囲外利用や、本人への説明なき自動化された判断は、個人情報保護法・労働法上の問題につながりかねません。
失敗3: 法改正対応の「最終チェック」までAIに任せる
❌ よくある間違い: 就業規則レビューや育児介護休業規程の改定案を、AIの出力だけで確定して施行する
⭕ 正しいアプローチ: Claude Code は「論点の洗い出し」「叩き台づくり」までと割り切る。プロンプトに「これは法的助言ではなく、専門家に確認すべき論点の洗い出し」と必ず書き、最終的には社労士・弁護士のレビューを通す。AIが参照している法令情報が古い・不正確な可能性も常に念頭に置く。
なぜ重要か: 2026年は育児・介護休業法の改正（柔軟な働き方の措置義務化など）が実務に影響しており、規程の不備は労使トラブル・行政指導の原因になります。スピードを優先して専門家チェックを飛ばすと、かえって大きな手戻りになります。
失敗4: APIキー・トークンをスクリプトに直書きする
❌ よくある間違い: SLACK_TOKEN = "xoxb-..." や Google API の認証情報をコードに直接書く
⭕ 正しいアプローチ: 必ず環境変数（.env ファイル）で管理し、スクリプト内では os.environ.get("SLACK_TOKEN") で読み込む。.gitignore に .env を追加してバージョン管理に含めない。MCP連携の権限も必要最小限のスコープに絞る。
なぜ重要か: 採用管理スプレッドシートやSlackの採用チャンネルには、応募者の個人情報・年収情報・評価が含まれます。トークンが漏れると外部からこれらにアクセスされる可能性があります。プロンプトに「APIキーは環境変数で管理し、コードに直書きしないこと」と一言入れておくだけで、Claude Code は安全な書き方をしてくれます。
ガバナンス設計：個人情報・労働法対応とAI自動化の両立
「AIに人事業務を任せると問題にならないか？」という質問をよく受けます。正直、設計次第です。むしろ自動化することで「いつ・どのデータで・どんな処理をしたか」のログが残り、説明責任を果たしやすくなる面もあります。
採用選考でAIを使うときの基本原則
- 最終判断は人間: AIは支援ツール。スコアや判定は参考であり、合否は人が決める
- 保護属性を使わない: 性別・年齢・国籍・居住地・学歴などを評価軸に入れない。プロンプトで明示的に除外する
- 説明可能性: なぜその判定になったかを後から説明できる状態にする（判定理由を必ず出力させる）
- 本人への配慮: AIによる選考支援を行う場合、その旨を募集要項・プライバシーポリシー等で適切に伝える
- 差別表現チェック: 求人票の自動生成と同時に、職業安定法・男女雇用機会均等法に抵触しうる表現のチェックも回す
人事データの取り扱い
履歴書・評価・1on1ログ・サーベイ・健康情報は、個人情報の中でも特に慎重に扱うべきものです。Claude Code で処理する際は、(1) 自社の利用目的の範囲内か確認、(2) 直接識別子はマスキング、(3) ローカル完結できる処理はローカルで、(4) 出力ファイルのアクセス権限を絞る、を徹底してください。プロンプト #6・#27・#33 のように「保護属性は扱わない」「必要な範囲の担当者のみが見る前提」と指示に組み込むのが現実的です。
2026年の法改正への対応
2026年は育児・介護休業法の改正が実務に影響しており（3歳〜小学校就学前の子を養育する労働者への柔軟な働き方の措置義務化、子の看護休暇・介護休暇の時間単位取得、両立に関する個別周知・意向確認の強化など）、就業規則・育児介護休業規程・社内案内の見直しが必要な企業が多くあります。労働基準法本体の改正は2026年5月時点で見送り・継続審議の論点もありますが、「いつ動いてもいいように準備しておく」のが安全です。Claude Code のプロンプト #15〜#24 を使えば、規程の抜け漏れチェックや改定案ドラフト、社内案内文の作成を素早く回せます。ただし最終確認は必ず社労士・弁護士に依頼してください。
Claude Codeの操作ログ保管
Claude Code で実行したスクリプトと入出力データは作業フォルダに保存されます。「どのスクリプトを、いつ、どのデータで実行したか」を operation_log.csv として記録するスクリプトを別途作っておくと、社内監査や説明が必要なときの資料になります。
採用管理システム（ATS）・人事システムとの連携設計
Claude Code は ATS や人事システムを「置き換える」ものではなく「前後の工程を自動化する」ツールです。
ATS（採用管理システム）との連携
多くのATSはCSVエクスポート、ものによってはAPIを備えています。連携イメージは「ATSから応募者データをエクスポート → Claude Code でスコアリング・お見送りメール文案生成・KPI集計 → 結果をATSに戻す or スプレッドシートで管理」という流れです。APIがある場合は MCP やカスタムスクリプトで読み書きを自動化できます。
勤怠・労務システムとの連携
勤怠データのCSVを Claude Code に読ませて、プロンプト #20 のような異常検知レポートを毎月自動生成する使い方が効果的です。労務システムそのものの操作（給与計算など）は任せず、「データを読んでチェックし、人が確認すべき点を洗い出す」役割に絞るのが安全です。
タレントマネジメント・サーベイツールとの連携
エンゲージメントサーベイや1on1管理ツールのエクスポートデータを Claude Code に分析させると、自由記述の分類・傾向抽出・施策提案までを短時間で回せます（プロンプト #28・#29）。人事が「数字を見る時間」より「打ち手を考える時間」に集中できるようになります。
Google Workspace・Slack を「ハブ」にする
専用システムを増やさず、Googleスプレッドシート＋Gmail＋カレンダー＋Slack を中心に回している中小企業も多いはずです。その場合は Google Workspace MCP・Slack MCP を有効化し、「スプレッドシートで応募管理 → Claude Code が読み込み・処理・書き戻し → Slack で通知・カレンダーで日程調整」という構成にすると、追加コストほぼゼロで採用ワークフローを自動化できます。人事業務以外のAI活用も含めて全体像を知りたい方はClaude Codeでできること25選｜全機能ガイド【2026】も参照してください。
ROI試算：Claude Code 人事自動化の費用対効果
「導入コストに見合うの？」という疑問に、一般的な中小企業（人事1〜2名体制）での試算で答えます（これは概算であり、実際の効果は業務量・自動化の範囲により異なります）。
コスト（月額）
- Claude Pro プラン: 月額約3,000円（個人）
- Claude for Teams（チーム利用）: 1名あたり月額約4,000円
- API利用料（スクリプト実行用）: 使用量により1,000〜5,000円/月（軽量な人事業務の場合）
削減できる工数（想定値）
- 求人票の作成・媒体別書き分け（1ポジションあたり半日→1〜1.5時間）: 月2〜4時間削減（複数ポジション募集時はさらに大きい）
- 書類選考の一次仕分け（応募が多い時期）: 月3〜5時間削減
- 面接質問設計・評価シート集計: 月2〜3時間削減
- 労務文書・社内案内・FAQの作成: 月2〜3時間削減
- 1on1準備・サーベイ分析・評価コメントの整え: 月3〜5時間削減
- 合計削減工数: 月12〜20時間程度（採用ピーク・評価期はさらに上振れ）
時給2,500円相当の人事担当者であれば、月3万〜5万円の人件費換算効果（概算）。ツール費用（5,000〜10,000円/月）を差し引いても、運用が軌道に乗れば十分にペイする計算です。ただし、スクリプト作成・MCP設定の初期投資として最初の1〜2ヶ月は逆に時間がかかる点を考慮してください。
段階的な導入ロードマップ（3ヶ月プラン）
Month 1: 小さく始める（生成・ドラフト型から）
- Week 1-2: 環境セットアップ + 即効プロンプト3選（求人票ドラフト / 応募者スコアリング / 面接質問生成）を試す
- Week 3-4: 進行中の採用1ポジションで、求人票の媒体別書き分け（プロンプト #4）とお見送りメール生成（プロンプト #10）を本番運用
- 目標: 1つの採用業務でAI活用を定着させ、時短効果を数値で確認する
Month 2: 整理・分析型へ
- Week 5-6: 書類選考の一次仕分け（プロンプト #7）と勤怠異常検知（プロンプト #20）を毎週・毎月の定例処理にする
- Week 7-8: 就業規則の法改正観点レビュー（プロンプト #15）と規程整合性チェック（プロンプト #16）を実施し、結果を社労士に共有
- 目標: 「人がチェックする時間」を半減し、専門家への相談を論点を絞った状態で行えるようにする
Month 3: ワークフロー型（MCP連携）に挑戦
- Week 9-10: Google Workspace MCP・Slack MCP を有効化し、応募データ集約→通知（プロンプト #13）や1on1準備メモ生成（プロンプト #27）を自動化
- Week 11-12: 評価期に向けて、評価コメントの整え（プロンプト #25）と評価ばらつき分析（プロンプト #26）を準備。サーベイがあれば自由記述分析（プロンプト #29）も
- 目標: 採用〜評価〜教育の一連の流れで、Claude Code が「下ごしらえ」を担う体制を作る
人事以外の業務自動化に応用できるパターンはClaude Code自動化プロンプト30選に揃っています。あわせて読むと、部門横断で何ができるかが見えてきます。
まとめ：人事担当者が今日から始める3つのアクション
Claude Code × 人事業務自動化のポイントを振り返ります。
- Claude Codeはチャット型AIと違い、ファイル操作・データ処理・MCP連携・スクリプト実行ができる「実行型」AIエージェント
- 採用（求人票・スクリーニング・面接・オファー）／労務（就業規則・規程・手続き・法改正対応）／評価教育（人事評価・1on1・エンゲージメント・研修設計）の3カテゴリで合計30選のプロンプトを紹介しました
- 採用選考でAIを使うときは「最終判断は人間」「保護属性を使わない」「説明可能性」「本人への配慮」が大原則
- 2026年は育児・介護休業法の改正対応が必要。規程の叩き台はAIで作り、最終確認は社労士・弁護士へ
- Google Workspace MCP・Slack MCP を使えば、追加コストほぼゼロで採用〜人事のワークフローを自動化できる
- 今日やること: Claude Codeをインストールして、即効プロンプト #1（募集要件メモ→求人票ドラフト）を手元の募集メモで試す
- 今週中: 進行中の採用ポジションで、書類選考の一次仕分けスクリプト（プロンプト #7）を作り、人がレビューする運用で回してみる
- 今月中: 最も工数がかかっている人事業務を1つ特定して、スクリプト化・本番導入する（求人票の媒体別書き分け、評価コメントの整え、1on1準備メモあたりが効果を実感しやすい）
あわせて読みたい:
- AIエージェント導入完全ガイド — そもそもAIエージェントとは何か、導入の全体像を体系的に
- Claude Code自動化プロンプト30選 — 部門横断で使える業務自動化パターン集
- Claude Codeでできること25選｜全機能ガイド【2026】 — 人事以外の活用も含めた機能の全体像
参考・出典
- HR部門におけるAI等の活用に関する報告書 — 一般社団法人日本経済団体連合会（2026年4月14日／参照日: 2026-05-12）
- LINEヤフー、人事総務領域での生成AI活用を本格化 2026年春までに新たに10件のAI活用ツールを順次運用開始 — LINEヤフー株式会社（参照日: 2026-05-12）
- 今月のグラフ（2026年4月）生成AIは人手不足の打開策となるか — 三菱UFJリサーチ&コンサルティング（参照日: 2026-05-12）
- 2026年4月施行の人事労務関連の法改正は？実務のポイントを解説 — ワーカーズドクターズ（参照日: 2026-05-12）
- 【2026年】労働基準法改正の変更点は？人事労務担当者向け法令改正を解説 — マネーフォワード クラウド給与（参照日: 2026-05-12）
- AIが迫る人事大転換【2026年 人事の課題／人材需要と採用の課題】 — 日本人材ニュースONLINE（参照日: 2026-05-12）
著者: 佐藤傑（さとう・すぐる）
株式会社Uravation代表取締役。X（@SuguruKun_ai）フォロワー約10万人。
100社以上の企業向けAI研修・導入支援。著書『AIエージェント仕事術』（SBクリエイティブ）。
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。
