人材紹介の推薦文をAIで効率化する——『固定事実＋企業別訴求』に分解して、質を落とさず速くする

2026年8月13日 ｜松本和也

人材紹介の推薦文をAIで効率化するなら、推薦文を「固定事実」と「企業別訴求」の二層に分解し、事実部はAIに下書きさせ、企業への提出の直前に人の承認を置く——これが質と信頼を落とさずに速くする入口です。テンプレ集やAIの初稿止まりでは、かえって「刺さらない推薦文」を量産してしまいます。

この記事では、推薦文を「どこまでAIに任せ、どこで人が判断するか」という分担の設計から、効率化のやり方を整理します。人材紹介業務全体のAI活用は、人材紹介会社のAI活用——推薦文・スカウト・求人票を「AI下書き→人が判断」で回す設計で扱っています。本記事はそのうち推薦文を一段深く掘り下げるスポークです。

推薦文の効率化でつまずくのは「量産すると質と信頼が落ちる」

推薦文を速く書きたいCAがまずやるのは、テンプレ化とAIへの丸投げです。ところがここに落とし穴があります。テンプレやAIの初稿をそのまま使うと、企業ごとの訴求が均質化し、どこにでも出せる当たり障りのない推薦文になるからです。

推薦文は、候補者をこの企業に推すという紹介会社の「約束」です。均質な文面を量産すれば速さは手に入りますが、企業ごとに響くはずの一文が消え、推薦文の価値そのものが薄まる。速くしたいのに、質と信頼を落とす——ここが効率化の本当の難所です。

問いを立て直しましょう。「推薦文をAIに書かせるか」ではなく、「推薦文のどの部分をAIに任せ、どこを人が確定するか」。効率化の可否ではなく、分担の設計です。

推薦文は「固定事実」と「企業別訴求」の二層に分解できる

ここが本記事の核です。推薦文は、毎回変わらない「固定事実」と、企業ごとに変える「企業別訴求」の二層に分解できます。この分け方で、事実部はAIの下書きに寄せ、訴求と確定は人に寄せられます。

推薦文が「刺さらない」のは、この二層が混ざったまま量産されるからです。逆に二層をはっきり切り分ければ、AIに任せてよい工程（固定事実）と、人が握るべき工程（企業別訴求と提出）が自然に見えてきます。CA業務のこうした分解は、私たちがNitte（ドッグフーディング中のプロダクト）で人材紹介の現場を見てきた実感でもあります。推薦文・スカウト・求人票はいずれも「AI下書き→人が判断」の型にきれいにはまりますが、推薦文はこの二層分解がとりわけきれいに効きます。

固定事実パート：標準テンプレ化してAIに下書きさせる

固定事実は、AIに寄せる工程です。現年収・希望条件・実績・強みといった項目をあらかじめ固定し、候補者情報からの初稿生成をAIに任せます。

ポイントは、毎回同じ項目を同じ順で埋める標準テンプレにしておくこと。項目が固定されていれば、AIは面談メモや職務経歴書から該当箇所を抜き出して下書きするだけで済みます。ここはやり直しが効く工程なので、AIの出力が確率的で毎回少し違っても問題になりません。気に入らなければ作り直せばよいだけだからです。

なぜ「やり直せる工程だからAIに任せてよい」と言えるのか——AIの出力が確率的であることと業務の分担設計の関係は、AIの出力は確率的——ミスの許されない業務でAIを使うための「分担」の考え方で詳しく書いています。

企業別訴求パート：差分の下書きまではAI、判断は人

企業別訴求は、人が握る工程です。ただし人がゼロから書くわけではありません。AIは「この企業向けにはこう訴求する」という複数案の提示までを担い、どの訴求で企業に約束するかは人が確定します。

企業の求人要件や過去の通過傾向をAIに渡せば、「即戦力を強調する案」「カルチャーフィットを強調する案」といった差分の下書きは複数出せます。CAはそれを土台に、この企業に本当に響く一文を選び、必要なら手を入れて確定する。ゼロから書くのに比べ、人が判断に使う時間の密度が上がります。

ここで人が握るのは、企業への「約束」に関わる部分だからです。訴求の温度感や強調の置き所は、外したときに紹介会社の信用に直結する。だからAIは案の提示まで、確定は人——この線を崩しません。

「提出」は取り消せない——関所を置く場所

分担の切れ目は、機械的に見つけられます。取り消せない操作を探し、その直前に人の承認という関所を置くのです。推薦文でいえば、取り消せない操作は「企業への提出」です。一度出した推薦文は、印象も含めて後から戻せません。

だから関所は提出の直前に置きます。それより上流の固定事実の下書き・企業別訴求の案出しは、やり直しが効くのでAIに任せてよい。関所では二層のチェックを重ねると安全です。

この「取り消せない操作の直前に関所」という原則の具体的な形——事前承認・対話推敲・差し戻しなど——は、AIエージェントの承認設計パターン集にまとめています。人の判断を「例外処理」ではなく最初から「設計された関所」として組み込む考え方は、ヒューマンインザループとはを参照してください。

AIに単独で任せてはいけないこと

推薦文の効率化で、はっきり人の側に置くべき判断があります。

これらはE-E-A-T（経験・専門性・権威性・信頼）の観点でも、人材紹介という仕事の信用の核です。推薦文を「速いけれど雑」にしないための最後の防波堤が、この線引きです。

小さく始める：まず1テンプレ×1社分から

いきなり全案件に入れる必要はありません。まずは1つの標準テンプレを作り、1社分の推薦文で回してみるのが始めやすい。固定事実の下書きをAIに、企業別訴求の案出しもAIに、確定と提出は人が握る——この形を一度通してみると、二層分解のどこが効いてどこを直すべきかが見えてきます。

このとき焦らないことが大事です。「速くなったから確認を外す」のは、精度と停止可能性を混同しています。無修正で通過した割合が十分に溜まってから、任せる範囲を少しずつ広げる。関与の記録が、AIに任せてよい範囲を判断する材料になります。

まとめ

このブログは、AIと人の共創による業務自動化基盤 mawaru.ai（開発中）のチームが、開発の過程で考えていることを書いています。