応募者情報の転記を生成AIで自動化、書式・精度改善まで伴走支援

役立つ社畜リリース

2026.09.15

背景と課題

総務省「令和8年版情報通信白書」によると、日本企業で何らかの業務に生成AIを利用している割合は86.4％に達しています。しかし、生成AIによる業務変革に向けて「組織的な取組はない」と回答した企業は27.0％にのぼり、生成AIの導入と日常業務への定着の間には隔たりがあることが示されています。

採用業務では、求人サイトに届く応募者情報を管理用のスプレッドシートへ転記し、選考状況を更新する作業が日常的に発生します。応募件数が増えるほど担当者の負担は増大し、入力漏れや転記ミスのリスクも高まります。自動化の効果は大きいものの、日付表記やセルの配置が安定しないと、確認や修正作業が増え、削減したはずの工数が相殺されてしまう可能性があります。自動化は単に「動かす」だけでなく、「安定して使い続けられる状態にする」まで設計することが重要です。

応募者情報の転記自動化と精度改善の支援事例

支援先では、応募者情報を手作業でスプレッドシートへ転記していましたが、株式会社コミクスはClaude Codeを活用してこの工程を自動化し、転記にかかる工数を削減しました。導入後には、以下のような運用上の課題が確認されました。

日付が「2026/09/06」と「2026/9/7」のように混在する
セル内の文字の寄せ方が統一されない
一部の情報が意図しないセルに転記される
応募者の未入力と抽出ミスを区別しにくい
利用量の増加によって作業が停止する場合がある

株式会社コミクスは、出力形式を「YYYY/MM/DD」のように具体的に定義し、セルの配置や文字の寄せ方までプロンプトに記述する方法を助言しました。これにより、後工程での修正作業を減らし、出力時点でばらつきを抑制する設計が実現しました。

転記ズレに関しては、問題が発生した画面を確認し、応募者側の未入力なのか、抽出の指示や処理の問題なのかを切り分けます。抽出ミスであれば、該当箇所を示して修正指示を追加し、実際の運用で発見された事例を基に精度を段階的に高めていきました。

「生成AI活用顧問サービス」による継続支援

導入後の利用量増加に対しては、品質確認を担うモデルと実行を担うモデルの役割を分け、共通ルールに反映する方法が提案されました。高性能なモデルをすべての作業に使うのではなく、処理内容に応じて役割を分担することで、品質と利用コストの両立が図られています。

このサービスでは、以下の3つを柱に、現場業務に接続した生成AI活用を支援しています。

実業務を題材にした自動化の設計と実装支援
禁止事項、確認手順、出力形式を含む利用ルールの整備
月次定例による精度、運用、コストの継続改善

特長と強み

初回稼働で終わらせない: 書式のばらつきや転記ズレを記録し、原因を切り分けながら改善サイクルを回します。
AIに丸投げしない: 転記はAIが担いますが、情報の欠損が応募者の未入力か抽出ミスかの判断は担当者が行います。確認の主体を社内に残すことで、責任の所在を明確にしています。
品質とコストを同時に管理する: 利用量が増える段階を見据え、モデルごとの役割分担と利用ルールを設計します。
自社運用の知見を反映する: 株式会社コミクスは、スキル156個、専用エージェント55の規模でClaude Codeを日常運用しており、実務で得た知見を支援に活用しています。

想定利用者と活用シーン

想定利用者

採用担当者・人事部門：応募者情報の転記や進捗管理に時間を取られている企業
管理部門・DX推進担当者：自動化を試したものの、出力が安定せず定着しなかった企業
経営者・経営層：専任のエンジニアを置かずに、社内で自動化を進めたい企業

活用シーン例

応募者情報の転記：求人サイトの応募情報を管理シートへ反映し、定めた書式に統一します。
面接日程の整理：候補者ごとの日程情報を一定の形式で一覧化します。
採用レポートの作成：媒体別・期間別の応募状況を、定型の報告形式にまとめます。

今後の展望

株式会社コミクスは、生成AI活用をツールの導入だけで終わらせるのではなく、まずは1業務から始め、成果と運用上の課題を確認しながら、対象業務を順に広げるスモールスタートを基本方針としています。今回の事例で得られた、書式のばらつき、転記ズレ、利用量上限への対処といった知見を、導入初期から確認すべき設計項目として整理していく方針です。

自社のどの業務から始めるべきか、現状の作業量と確認負荷を踏まえた無料相談を受け付けています。導入可否の判断から、実装後の運用設計まで支援するとのことです。