採用は常に、他の何よりも1つのシグナルに依存してきた。それは、応募者が面接の場で自らの仕事についてどう語れるか、である。何十年もの間、このシグナルはすでに弱いものだった。AIはただ、その弱さを無視できないほど露わにしただけだ。
今や、需要が高く人気のある職種には、数千人もの応募者が殺到する。私の経験では、1つの求人に対して3000人から1万人にも上る。そして候補者は、週末のわずかな時間だけで「エージェント型ワークフロー(自律的にタスクを処理する仕組み)」といった語彙を使いこなし、面接に対応できる状態になれる。あらゆる規模の企業が、スピード、俊敏性、正確性のために最も必要な能力として「AIフルエンシー(AIを使いこなす能力)」に収れんしているまさにその瞬間に、それを見極めるために使ってきた唯一のツールが、静かに機能しなくなっているのだ。
多くのリーダーは、うまく言葉にできなくとも、何かがおかしいと感じている。これは単なる逸話ではない。私の会社が米国と英国のシニア採用リーダー約2000人を対象に実施した本年の「State of Hiring for AI Fluency」レポートでは、2人に1人が、深いドメイン専門知識を持つ候補者よりもAIフルエンシーの高い候補者を選ぶと回答した。一方で、59%はすでにAI関連の採用で失敗している。つまり、面接は難なく通過したが、実務では成果を出せなかった人材を採用していたのだ。米国と英国のリクルーター1700人を対象にした別の2026年の採用実験では、AIスキルを持つ候補者は面接の案内を受ける可能性が8〜15ポイント高く、年齢や学歴の低さといった従来型の弱いシグナルを相殺していた。
この「不適切な採用」は、意図や候補者の問題ではない。測定の問題である。
問題：面接は「実行力」ではなく「説明力」を評価してしまう
ツールについて自信を持って語れること。適切なバズワードを難なく使いこなせること。履歴書に書かれた相応の経験年数。これらはすべて、AIを使いこなせる能力の証拠のように見える。だがこれらは、よく言っても緩やかな相関関係にすぎない。
その理由は構造的なものだ。面接は、自分の仕事を最も流暢に説明できる人を評価するようにできている。しかし「説明すること」と「実行すること」は別のスキルだ。エージェント型ワークフローについて語れるようになるには数時間もあれば足りる。一方、AIを使ってワークフローを再設計し、その出力を監査し、どのような場合に人間を関与させ続けるべきかを判断できるようになるには、はるかに長い時間がかかるうえ、質問を受ける場ではずっと洗練されていないように見える。
この失敗はAIが登場する前から存在していた。広く引用されているヴァン・イデキンゲらによるメタ分析では、経験年数と実際の職務成果の相関はおよそ0.06で、事実上ゼロであることが示された。それでも経験、自信に満ちた回答、適切な学位は、デフォルトの代替指標として生き残ってきた。収集しやすく、確信を持ちやすいからだ。AIフルエンシーもいま、同じ壊れたファネルを通っている。
採用チームが陥り続ける3つの罠
TestGorillaの調査からは、あらゆる規模や業界の組織で繰り返し見られる3つのパターンが浮かび上がった。
1つ目は「認知の罠」だ。約37%の組織が、AIフルエンシーの最低基準を「ツールの認知」に設定している。つまり、そのツールが存在することを知っているだけで基準をクリアしてしまう。これでは基準とは呼べない。私たちは皆、チェーンソーの存在を知っているが、だからといって実際に手渡されて彫刻ができる人はほとんどいない。マイクロソフトの2026年ワークトレンド調査でも、本人が申告するAIへの自信と、ワークフローの中でAIを効果的に使用する実際の能力との間にギャップがあることが繰り返し示されている。多くの労働者が「AIを使っている」と回答しているが、その実態はチャットボットに定期的にプロンプトを入力しているだけにすぎず、ワークフロー、問題解決、分析、意思決定へのAIの統合には至っていないことが多い。
2つ目は「主観の罠」だ。約19%の組織は、AI能力の評価を完全に個々の採用担当マネージャーの裁量に委ねている。職種を跨いだ共有の評価基準(ルーブリック)がなければ、AI能力の判定は「フィーリングの確認」になってしまう。フィーリングの確認は、最も優れた人材ではなく、最も話のうまい人を優遇することにつながる。この問題はAIに限ったことではない。フランク・L・シュミットとジョン・E・ハンターの先駆的な研究をはじめとする数十年に及ぶ採用研究でも、非構造化面接は標準化された評価よりも一貫してパフォーマンスが劣ることが示されている。なぜなら、実力と同じくらい、自信や流暢さ、好感度が評価されてしまうからだ。
3つ目は「実演の欠如」だ。採用プロセスにおいて、候補者に実際にAIを使用させ、その結果を検証している組織はわずか26%にすぎない。この数字は最低ラインであるべきだが、現状では上限になってしまっている。
リーダーが今週から始められる3つの変革
このギャップを埋めるために、プロセス全体を再構築する必要はない。まずは3つの決定事項を変えることから始めよう。
第一に、質問を変えることだ。候補者がどのAIツールを使っているかを尋ねるのはやめる。代わりに、AIで再設計したワークフローについて説明してもらうのだ。どのようなトレードオフを受け入れたのか、次に何を変えるのか、何を自動化しないと決めたのかを聞く。
違いはすぐに明らかになる。実際、優れた候補者は具体的に語る。プロンプトの反復、コンテキストウィンドウ、ハルシネーション(幻覚)のリスク、検証手順、エッジケースといった具合だ。弱い候補者は形容詞で語る。AIによって「速くなった」「生産性が上がった」と言うが、どのようにそうなったのかを説明することに苦労する。
次に、実演を求めることだ。面接官の目の前で、またはプロンプトと出力を添えて非同期で、候補者にAIを使わせる、職務に関連した短いタスクを用意しよう。試しているのは、きれいな答えを出せるかどうかではない。その答えがなぜ妥当なのか、どこで失敗し得るのか、行動に移す前に何を検証するのかを説明できるかどうかである。
たとえばマーケティング職の候補者であれば、雑然とした顧客インタビューの文字起こしデータから、AIを使って3つのキャンペーンの切り口(アングル)を作成してもらう。ソフトウェアエンジニアであれば、AIを使って欠陥のあるコードスニペットのデバッグをしてもらう。営業職であれば、AIを使って見込み顧客アカウントの開拓戦略を準備してもらう、といった具合だ。
最後に、まずは1つの職種から始めることだ。最上位の職種でも、最も緊急度の高い職種でもない、募集中の職種を1つだけ選ぶ。すべての候補者に同じ評価基準を適用し、体系的かつエビデンスに基づいたプロセスで選考を行い、90日後の結果を従来のプロセスと比較する。1つの職種を試すだけで、この新しいアプローチがより優れた人材の採用につながるかどうかがわかる。
要点
AIを使って責任ある成果を出し、チーム全体を自分の水準にまで引き上げられる人材は、確かに存在する。唯一の問いは、自社の選考プロセスがそうした人材を見つけるように設計されているのか、それともそうした人材について最も上手に説明する人を評価するようにできているのか、である。
多くのリーダーがいま、ドメインの専門知識よりも実践的なAI活用能力を重視するなかで、その違いは、チームの成果を複利的に高める採用と、チームの足を引っ張る採用との分岐点になっている。
