Skip to content
Affectosphere Group Kansai University, Keito Inoshita Laboratory
EN

Column

採用AIを導入すると、担当者は書類をちゃんと読まなくなる

バイアスのあるAI推薦が採用担当者の意思決定をどう変えるかを実験で検証した研究。AI推薦がないと担当者は最大55.6%長く書類を精査し、選考通過率も高まることがわかった。

5 分で読める English version →
採用担当者がAIの推薦スコアと履歴書を並べてスクリーニングしているフラットイラスト

こんにちは。Affectosphere Group の井下です。

「AIを導入したら採用の公平性が上がる」——そう信じていませんか。

実は、AI推薦があることで担当者が書類をしっかり読まなくなるという現象が、実験的に確認されています。2026年6月にarXivで公開されたプレプリント（arXiv:2606.22213）は、採用AIのバイアスが人間の判断にどう伝播するかを丁寧に検証しています。

著者はKyra Wilson、Mattea Sim、Anna-Maria Gueorguieva、Soham Chatterjee、Aylin Caliskanの5名。採用スクリーニングにおけるAIと人間の意思決定の相互作用を、実験参加者の行動ログと暗黙的連想テストを組み合わせて分析した研究です。

今日の 3 点

  1. AI推薦がないと、担当者は最大55.6%長く履歴書を読む。
  2. AI推薦があると、そのバイアスがそのまま選考結果に乗り移りやすい。
  3. 公平意識の高い担当者でも、AI推薦の監視役として高リスク場面では不十分になりうる。

① AI推薦があると、人は書類を読まなくなる

この研究でまず驚いたのは、閲覧時間の差です。

AI推薦がない条件では、参加者は履歴書をAI推薦がある条件より最大55.6%長く精査しました。これは単なる効率化の話ではありません。読む時間が減るということは、見落としが増えるということです。

さらに、選考通過率にも3〜4%の差が出ました。AI推薦なしの条件のほうが、より多くの候補者が次のステージへ進んでいます。つまり、AI推薦は担当者を「速く動かす」一方で、候補者を「より厳しく落とす」方向に機能していたわけです。

これはAIがミスを補正しているのではなく、AIが担当者の判断を置き換えてしまっている状態に近い。

② バイアスはAIから人間へ静かに伝播する

この研究では、意図的にバイアスのあるAI推薦（特定の人種名を持つ候補者への評価が低い）を使った条件と、そうでない条件を比較しています。

結果は明確でした。バイアスのあるAI推薦が提示されると、担当者はそのバイアスをそのまま引き継ぎやすくなりました。自分で深く考えずにAIの判断を追認してしまう、いわゆる「自動化バイアス（automation bias）」が働いています。

ここで問題なのは、担当者が悪意を持っているわけではないことです。むしろ、効率化のためにAIに頼ることで、知らず知らずのうちにバイアスを増幅させてしまっている。採用プロセスの公平性を担保したいなら、AIの推薦精度だけを上げても不十分、ということになります。

③ 公平意識が高い人ほど、なぜ差が出るのか

この研究では、参加者に暗黙的連想テスト（IAT：Implicit Association Test）を実施しています。人種に関する潜在的な偏見の強さを測るものです。

面白い発見がありました。IATで「公平意識が高い（人種間のバイアスが少ない）」と測定された参加者は、AI推薦がない条件で、人種をまたいで閲覧時間を均等に配分する傾向がありました。つまり、自分で判断するときは公平に動こうとしている。

ところが、AI推薦がある条件では、その傾向が弱まりました。AIの推薦スコアに目が向くあまり、自分の公平性へのコミットメントが希薄になってしまうわけです。

「AI推薦を人間がチェックすれば大丈夫」という前提は、少なくとも高リスクな場面では成立しない可能性があります。

④ HR部門がいま設計すべきこと

ここが今日のメインです。

この研究が示唆しているのは、「AI推薦を導入するかどうか」ではなく、「AI推薦をどう運用するか」の設計が採用公平性を決めるということです。

現場で試せるユースケース：採用AIの公平性監査プロセス設計

対象部署は人事・HR部門、DEIおよびコンプライアンス担当。

やることは3つです。

まず、閲覧時間の格差をモニタリングする。採用管理システムに「1書類あたりの閲覧時間」を記録する機能を組み込み、人種・性別・年齢などの属性ごとに閲覧時間の分布を定期的に集計します。このKPIで「AI推薦スコアが高い書類ほど短時間で判断されていないか」を確認します。

次に、AI推薦スコアを「最初に見せない」設計を試す。書類を一定時間閲覧した後にスコアが表示されるUIに変えることで、担当者が自分の目で確認する時間を確保できます。

そして、バイアス増幅の定期監査。「AI推薦スコア上位層の人口統計的構成比」と「最終通過者の構成比」を比較することで、どの段階でバイアスが乗ってしまっているかを見える化します。これは法的エクスポージャーの事前検知にもなります。

KPIとして意識するとよいのは、属性間の平均閲覧時間格差（目標：10%以内）と、AI推薦スコア分布と最終選考結果の人口統計的乖離率です。

採用AIは「公平化ツール」ではなく「バイアス増幅器」になりうる

採用AIを導入することで、人事担当者は速く動けるようになります。でも、それは「より深く考える」ことと引き換えになっているかもしれません。

この研究が示した数字——55.6%の閲覧時間減少、3〜4%の選考通過率の変化——は小さく見えて、大量採用の現場では大きな差になります。

採用AIは入れたら終わりではなく、人間の判断とどう組み合わせるかが問われます。その設計がないまま「効率化できた」と言うのは、リスクを積み上げているに等しい。

では！

参考論文

  1. Kyra Wilson, Mattea Sim, Anna-Maria Gueorguieva, Soham Chatterjee, Aylin Caliskan (2026). Resume Screening, Fast and Slow: (Biased) AI Recommendations’ Influence on Human Decision Making. arXiv preprint.

※ 本記事は一部 AI により執筆されており、間違った情報が含まれる恐れがあります。