採用サイトのAI検索対策｜候補者がAIに聞く時代の見せ方

結論から言うと、採用サイトのAI検索対策は「AIに気に入られるテクニック」を探すことではありません。候補者がChatGPTやGoogleのAIによる概要（AI Overviews）、Perplexityに「〇〇社 評判 働き方」「〇〇社 残業 実態」と聞いたとき、AIが参照しうる情報源、つまり採用サイト、コーポレートサイト、求人票、社員インタビュー、OpenWorkやエン カイシャの評判のようなクチコミサイトの内容を、矛盾が少なく判断材料として使える状態に整えることです。

候補者の企業研究は、検索結果を1ページずつ読む形から、AIに質問して要約をもらう形へ広がりつつあります。このときAIは採用サイトだけを読むとは限りません。公式情報が薄い、または古いと、AIの回答はクチコミサイトや第三者記事の記述に寄っていきます。企業側でコントロールできるのは「AIに何を言わせるか」ではなく、「AIと候補者が参照する一次情報を、正確で引用しやすい形で公開しておくこと」です。

この記事では、採用サイトを管理する人事・採用広報・Web担当者向けに、候補者のAI検索行動の整理、採用サイトの構造化、社員インタビューの引用されやすい書き方、クチコミサイトとの整合の取り方、実装チェックリスト、失敗例をまとめます。LLMO対策の全体像はLLMO対策とは？AI検索時代に企業サイトが確認すべきことで扱っており、本記事は採用領域に絞った各論です。

採用サイトのAI検索対策の定義

採用サイトのAI検索対策とは、候補者がChatGPT、Gemini、Perplexity、GoogleのAIによる概要・AIモードなどに企業名や働き方について質問したとき、AIが参照する採用サイト・コーポレートサイト・求人票・社員インタビュー・クチコミサイトの情報を、正確・最新・相互に矛盾のない状態に整える取り組みです。AIの回答内容や引用を保証する施策ではなく、候補者とAIの双方が「この会社は何をしていて、どんな条件で、どんな働き方なのか」を誤解しにくくする情報設計を指します。

この定義で重要な点は2つあります。第一に、対象が採用サイト単体ではないことです。AIは企業について回答するとき、複数の情報源を突き合わせる可能性があります。採用サイトだけ磨いても、クチコミサイトやコーポレートサイトと食い違っていれば、回答の信頼性は企業側の意図から離れます。第二に、成果を保証できない領域だということです。AIの回答生成は各プラットフォームの仕様に依存し、企業側が確約できるのは「参照されうる情報の質」までです。

候補者はAIに何を聞くのか

採用サイトのAI検索対策を考える出発点は、候補者の質問パターンです。従来の指名検索と違い、AIへの質問は文章で、比較や評価を含みます。

ここで注目すべきは、どの質問パターンでも「公式情報だけで回答が完結しない」ことです。特に評判系の質問では、AIはクチコミサイトの内容を要約に含める可能性があります。採用サイトのAI検索対策は、公式サイトの整備とクチコミサイトとの整合を同時に扱う必要があります。

自社がいまAIにどう説明されているかを確認する手順は、AI検索でブランド名を調べた時に確認すべき回答パターンで解説しています。採用文脈では、企業名だけでなく「企業名 + 働き方」「企業名 + 評判」「企業名 + 職種名」の組み合わせで確認してください。

AI検索が採用情報を取得する仕組み

対策の前に、確認できている事実を押さえます。

Googleは公式ドキュメントで、AIによる概要やAIモードに表示されるための追加要件はなく、Google検索にインデックスされスニペット表示の対象であることが土台だと説明しています。また、AIモードなどでは関連する複数の検索を並行して行う「クエリファンアウト」という手法で、より広い情報源を参照する場合があるとしています。つまり「〇〇社 働き方」という1つの質問の裏で、制度、給与、評判などのサブトピックが個別に検索されうるということです。

OpenAIは、ChatGPTの検索機能でWebサイトを表示するためのクローラーとして OAI-SearchBot を公開しており、これをブロックすると検索回答に表示されにくくなると説明しています。Perplexityも検索用の PerplexityBot と、ユーザーの質問起点でページを取得する Perplexity-User を公開しています。採用サイトが独自ドメインやサブドメインで運用されている場合、これらのクローラーがrobots.txtで一括ブロックされていないかは最初に確認すべき項目です。設定方法はrobots.txtのAIクローラー設定を参照してください。

ただし、クロールを許可しても、構造化データを実装しても、AIの回答に採用サイトが使われることは保証されません。公式に確認できるのは「発見・取得・表示の対象になりうる状態」までです。本記事の施策はすべてこの前提で読んでください。

採用サイトの構造化：AIと候補者が判断できるページ設計

採用サイトはビジュアルとメッセージ重視で作られることが多く、「情報として読める」構造になっていないケースが目立ちます。画像に埋め込まれた文字、スクロール演出だけのページ、抽象的なスローガンの羅列は、候補者の印象には残っても、AIが引用できる事実がありません。

採用サイトを情報設計として見直すときの基本単位は、次の5種類のページです。

このうち、AI検索の観点で最も投資対効果が高いのは「働き方・制度ページ」と「採用FAQ」です。評判系の質問はAI検索で必ず発生する一方、公式の一次データを公開している企業はまだ多くありません。公式データがなければ、AIの回答はクチコミ側の記述だけで構成されることになります。

FAQは、質問文をそのまま見出しにし、回答を結論から書くのが基本です。書き方の詳細はAI検索に向けたFAQと構造化データの設計で解説しています。

求人票とJobPosting構造化データの扱い

募集要項ページには、Googleが公開しているJobPosting構造化データを実装する選択肢があります。実装すると、Google検索の求人検索体験で求人が扱われる対象になりえます。ただしGoogleは、構造化データを実装しても検索結果への表示を保証しないこと、構造化データの内容はページ上でユーザーに見えるコンテンツと一致していなければならないことを明記しています。

採用サイトのAI検索対策としてのポイントは、構造化データそのものより「構造化データに書ける程度に、本文の情報が具体的か」です。給与を構造化データに入れるなら本文にも給与を書く必要があります。つまりJobPosting対応は、募集要項の情報開示レベルを引き上げる棚卸しとして機能します。マークアップの実装自体は制作会社やプラグインで対応できますが、本文に事実が書かれていなければ意味がありません。

社員インタビューを「引用されやすい」形にする

社員インタビューは採用サイトの定番コンテンツですが、多くは雰囲気重視の読み物で、AIが引用できる事実を含んでいません。「引用されやすい」インタビューには共通の特徴があります。

原則はシンプルです。そのセクションだけを切り出しても、誰が・何について・どんな事実を語っているか分かる状態にすること。AI検索はページ全体ではなく一部を切り出して回答に使う可能性があるため、切り出し単位で意味が通る構成が有利に働きます。これはAI以前に、流し読みする候補者にとっても読みやすい構成です。

注意点として、インタビューに入れる数値（残業時間、昇給実績など）は、働き方データページの数値と一致させてください。ページ間で数字が食い違うと、候補者にもAIにも「どちらが正しいのか」という不整合として扱われます。引用されやすさの一般論はAI検索におけるサイテーション獲得の考え方も参照してください。

クチコミサイトとの整合：無視も対抗もしない

「〇〇社 評判」系の質問に対して、AIの回答がクチコミサイトの内容を含む可能性は常にあります。国内の採用文脈では、OpenWork、エン カイシャの評判（旧ライトハウス）などの社員クチコミプラットフォームが代表的な第三者情報源です。これらのサイトは在籍者・退職者のクチコミと評価スコアを持ち、候補者の企業研究で広く使われています。

採用サイト側の対応方針は、次の3つに集約されます。

重要なのは、クチコミの内容を「消す」発想ではなく「公式情報との突き合わせで判断できる状態にする」発想です。たとえば「残業が多い」というクチコミが数年前の実態を反映している場合、現在の月平均残業時間と集計時点を公式に公開していれば、候補者もAIも新旧の情報を比較できます。公式データがなければ、古いクチコミだけが唯一の情報源になります。

なお、社員への投稿依頼で評価を操作する行為は、各クチコミサイトの規約に抵触しうるだけでなく、発覚時に採用ブランドを毀損します。AI検索対策としても、複数情報源の整合を重視する構図の中で不自然な評価分布はリスクにしかなりません。

AIがすでに自社について事実と異なる説明をしている場合の対処は、AIが会社情報を間違えて説明するときの修正手順で詳しく扱っています。

実装チェックリスト

採用サイトのAI検索対策として、最初に確認・実装すべき項目をまとめます。上から順に対応してください。

土台（クロール・可読性）

• 採用サイト（別ドメイン・サブドメイン含む）がGoogleにインデックスされていることをSearch Consoleで確認した
• robots.txtで OAI-SearchBot、PerplexityBot などAI検索系クローラーを意図せずブロックしていないことを確認した
• 会社概要・募集要項・働き方データの重要情報が、画像やPDFの中ではなく本文テキストとして読める
• JS描画のみのコンテンツ（アコーディオン内FAQなど）がHTMLとしても取得できることを確認した

情報の正本化

• 職種ごとの募集要項に、業務内容・給与レンジ・勤務地・勤務条件が本文で書かれている
• 働き方データ（残業・有給・リモート・育休など）を集計時点つきで公開している
• 採用FAQに評判系・条件系・選考系の質問を含め、質問文と回答文の対で書いている
• 社員インタビューの語り手情報・取材時点が明記され、数値は働き方データと一致している

整合性

• 採用サイト・コーポレートサイト・外部求人媒体で、社名表記・従業員数・勤務条件が一致している
• 主要クチコミサイトの自社ページを確認し、頻出指摘に対応する公式情報を用意した
• 「企業名 + 評判」「企業名 + 働き方」「企業名 + 職種」でChatGPT・Perplexity・GoogleのAIによる概要の回答を確認し、誤りを記録した

継続運用

• 働き方データ・FAQ・インタビューの更新責任者と更新頻度（最低年1回）を決めた
• AI検索での自社の説明され方を確認する定点観測を、採用サイト全体の点検に組み込んだ

サイト全体の点検手順はLLMO診断チェックリストを併用してください。

状況別の優先順位判断

すべてを同時にやる必要はありません。自社の状況に応じて優先順位を判断してください。

よくある失敗例

実際の採用サイトでよく見る、AI検索の観点で機能しないパターンです。

失敗例1：フルビジュアルの「読めない」採用サイト。 メッセージ動画と画像で構成され、テキスト情報がほぼないサイトは、候補者の感情には訴えても、AIが引用できる事実がゼロです。ビジュアルを捨てる必要はありませんが、同じ情報をテキストでも持たせてください。

失敗例2：クチコミサイトへの対抗コンテンツ。 「ネットの評判は事実ではありません」型のページは、根拠が伴わなければ逆効果です。AIは複数情報源を突き合わせるため、否定の主張よりも、検証可能な実データの公開が有効です。

失敗例3：制度カタログ化した働き方ページ。 「フレックス制度あり」「リモート制度あり」の羅列は、実際に使われているかが分かりません。候補者もAIも「制度の有無」ではなく「運用の実態」を知りたがっています。利用率や適用条件まで書いてください。

失敗例4：更新が止まった採用サイト。 数年前の従業員数、終了した募集、退職済み社員のインタビューが残っているサイトは、情報源としての信頼性が下がります。古い情報は誤回答の材料になります。年1回の棚卸しを最低ラインにしてください。

失敗例5：AI向けの誇張コピー。 「日本一働きやすい」のような検証不能な最上級表現は、根拠がなければAIの回答で採用されにくいだけでなく、クチコミとの落差で候補者の不信を生みます。形容詞ではなく事実で書くのが原則です。

FAQ

採用サイトのAI検索対策は、通常のSEOと何が違いますか？

土台は同じです。インデックスされ、内容が明確で、情報が正確であることはSEOでもAI検索でも前提です。違いは、AI検索では回答が複数情報源の突き合わせで作られるため、自社サイト内の最適化だけでなく、クチコミサイトや外部媒体との整合性の比重が大きくなる点です。特に評判系の質問では、公式の一次データを公開しているかどうかが回答の材料構成に影響します。

クチコミサイトの悪い評判は、AI検索対策で消せますか？

消せません。企業側でできるのは、事実と異なる投稿を各サイトの規約に沿って対応することと、頻出する指摘に対して検証可能な公式データを公開し、候補者とAIが新旧・複数の情報を比較できる状態にすることです。評価操作を目的としたクチコミ投稿の依頼は、規約違反リスクと採用ブランド毀損のリスクがあり推奨しません。

JobPosting構造化データを入れれば、AIの回答に採用情報が出ますか？

保証されません。Googleは構造化データを実装しても検索結果への表示を保証しないと明記しています。JobPosting対応の実務的な価値は、構造化データに書ける水準まで募集要項の本文情報を具体化する棚卸し効果と、Googleの求人検索体験の対象になりうることです。本文に給与や条件が書かれていない状態でのマークアップだけの実装は意味がありません。

採用サイトが制作会社管理で、すぐに改修できません。何から始めるべきですか？

改修不要の施策から始めてください。順番は、(1) 「企業名 + 評判 / 働き方 / 職種」でAIの回答を確認して誤りを記録する、(2) クチコミサイトの自社ページを確認して頻出指摘を整理する、(3) 既存CMSで更新できる範囲（FAQ追加、募集要項の条件明記、働き方データの追記）を実施する、の3段階です。サイト構造の改修は次期リニューアル要件に入れれば十分です。

効果はどう測ればよいですか？

保証された指標はありませんが、確認可能なものとして、(1) 主要なAI検索サービスに同じ質問をしたときの回答内容と参照元の変化の定点記録、(2) Search Consoleでの採用関連クエリの表示・クリックの推移、(3) 応募者への「当社をどう調べたか」のアンケート、の3つを組み合わせるのが現実的です。測定設計の考え方はLLMOのKPI設計と効果測定で解説しています。

まとめ：候補者がAIに聞いても崩れない採用情報を作る

採用サイトのAI検索対策は、突き詰めると「候補者がどの経路で調べても同じ事実にたどり着く状態を作ること」です。AIは情報源を横断して回答を作るため、採用サイト単体の演出ではなく、公式一次情報の充実度と、クチコミサイトを含む情報全体の整合性が効いてきます。

まずは、自社の名前に「評判」「働き方」を付けてAIに質問し、いまの回答を確認するところから始めてください。回答の材料が公式情報なのかクチコミなのか、事実に誤りがないかを見るだけで、優先すべき施策は明確になります。

自社がAI検索でどう説明されているかを体系的に確認したい場合は、AI検索診断で採用サイトを含む自社サイト全体の現状を点検できます。社内での確認が難しい項目がある場合の相談先として活用してください。