株式会社renue
AI導入・DXの悩みをプロに相談してみませんか？
AIやDXに関する悩みがありましたら、お気軽にrenueの無料相談をご利用ください。 renueのAI支援実績、コンサルティングの方針や進め方をご紹介します。
人材紹介の推薦状作成をAIで効率化する方法｜面談記録×職務経歴書からLLMが企業ニーズに合わせた推薦文を自動生成
人材紹介会社のキャリアアドバイザー（CA）にとって、推薦状（推薦文）の作成は求職者の書類通過率を左右する重要業務です。求職者の強み、転職理由、企業とのフィットポイントを、応募先企業の採用ニーズに合わせて説得力ある文章にまとめる——この高度なライティング業務をLLMで効率化するアプローチが2025年の人材業界で広がっています。
業務の詳細フロー（現状の手作業）
ステップ1：面談記録の確認
求職者とのキャリア面談の記録を確認します。転職理由、キャリアの志向性、現職での実績、人柄の印象、面談中のやり取りで感じたポテンシャル等をレビューします。
ステップ2：職務経歴書の分析
求職者の職務経歴書から、アピールすべきスキル・経験・実績を特定します。応募先企業の求める人物像と照合し、「何をどう推薦するか」の骨子を設計します。
ステップ3：企業ニーズとの照合
応募先企業の求人要件（必須スキル、歓迎条件、求める人物像、企業文化）を確認し、推薦状で強調すべきポイントを特定します。「この企業はリーダーシップを重視している」「技術の深さよりも幅を求めている」等の企業ニーズを踏まえます。
ステップ4：推薦状の執筆
推薦理由、求職者の強み、企業との適合性、CAとしての所見をまとめた推薦状を執筆します。1件あたり15〜30分を要し、同時に複数の求職者を担当するCAにとって大きな負荷です。
ステップ5：推薦状の提出
作成した推薦状を、職務経歴書・履歴書とともに企業に提出します。
課題・ペインポイント
- 作成時間の負荷：1件15〜30分の推薦状作成を、月に数十件こなす必要がある
- 文章力の属人化：CAの文章力により推薦状の訴求力にばらつきが生じ、書類通過率に差が出る
- 企業ニーズとのずれ：求職者の強みを一般的に書くだけで、応募先企業の具体的なニーズに合わせたカスタマイズが不十分
- テンプレートの形骸化：同じテンプレートの使い回しで、「どの求職者にも同じような推薦状」になりがち
- 面談での印象の反映不足：面談で感じた求職者の人柄やポテンシャルが推薦状に十分反映されない
AI化のアプローチ（LLMによる実装イメージ）
入力データの設計
- 面談記録：CAが記録した面談メモ（転職理由、志向性、人柄の印象、ポテンシャル）
- 職務経歴書：求職者の経歴データ（企業名、役職、実績、スキル）
- 求人票：応募先企業の求人要件（必須スキル、歓迎条件、求める人物像）
- 過去の高通過率推薦状：書類通過に成功した過去の推薦状（RAGで参照）
- 推薦状テンプレート：自社の推薦状フォーマット、トーン＆マナー
LLMへの指示（プロンプト設計の考え方）
- 役割設定：「あなたは人材紹介会社のベテランキャリアアドバイザーです。以下の面談記録と職務経歴書に基づき、応募先企業の求人要件に合わせた推薦状を作成してください」
- 構成指定：「①推薦理由の要約（なぜこの求職者を推薦するか1〜2文）、②求職者の強み・実績（求人要件に合致するポイントを具体的に）、③転職理由と今後のキャリアビジョン（前向きな表現で）、④人柄・コミュニケーション力（面談での印象に基づく）、⑤CA所見（応募先企業とのフィットについてのコメント）の構成で作成してください」（出典：キャリア求人ナビ "推薦文の効果的な書き方"）
- カスタマイズの指示：「応募先企業の求人要件で最も重視されているポイントに対して、求職者のどの経験が合致するかを具体的に紐付けてください」
- トーン指定：「ビジネスフォーマルかつ誠実なトーンで。過度な誇張は避け、具体的な事実に基づく推薦にしてください」
人間が判断すべきポイント
- 面談での「直感」の反映：「この人は数値では見えないリーダーシップを持っている」等の対面でしか得られない印象をAIドラフトに加筆
- ネガティブ要素の表現：「転職回数が多い」「ブランクがある」等のネガティブ要素をどう表現するか（ポジティブに言い換えるか、触れないか）の判断
- 企業との関係性の考慮：「この企業の人事担当者はこういう表現を好む」等の対人関係を踏まえた調整
- 推薦の最終責任：推薦状の内容はCAの名前で提出されるため、内容の正確性と誠実さの最終確認
他業種の類似事例
- 銀行の融資提案書：顧客の財務データ＋業界動向からLLMが提案書を自動構成（本シリーズ参照）
- 保険会社のポートフォリオ提案書：顧客プロファイルからLLMがパーソナライズされた提案書を生成（本シリーズ参照）
- コンサルティングファームの提案書：クライアント情報＋過去事例からLLMがピッチ資料を生成
導入ステップと注意点
ステップ1：高通過率推薦状の分析（1〜2週間）
過去の推薦状の中から書類通過に成功した推薦状を分析し、「何が効果的だったか」の成功パターンを構造化してRAGデータベースに格納します。推薦状の書き方については、circusAGENT（人材紹介の推薦状の書き方解説）でも、書類選考通過率を上げる観点から例文を交えて解説されています。
ステップ2：プロンプト設計・テスト（2〜3週間）
職種別（エンジニア/営業/管理職等）のプロンプトテンプレートを設計し、テスト生成を行います。CAが「この推薦状で提出できるか」を評価します。
ステップ3：パイロット運用（4〜8週間）
AI生成推薦状と手作業推薦状の書類通過率を比較します（出典：岩瀬恭裕 "人材紹介業界の推薦文改善"）。
注意点
- 事実の正確性：LLMが求職者の実績を「もっともらしく」誇張するリスクに注意。職務経歴書の事実に基づく記述を厳守
- 求職者の同意：推薦状の内容について求職者の了承を得ること（推薦状を見せて確認するかどうかは自社の方針に依る）
- 企業ごとのカスタマイズ：同一求職者でも応募先企業ごとに推薦の切り口を変える必要がある。1パターンの使い回しは避けること
renue視点：専用ツールではなく汎用LLMで実現する理由
推薦状作成は「求職者の強みを理解し→企業のニーズに合わせ→説得力ある文章で伝える」という言語処理です。チャプロの推薦状プロンプトのような専用テンプレートも存在しますが、汎用LLMに自社のベスト推薦状＋面談記録＋求人票を入力すれば、企業ごとにカスタマイズされた推薦状ドラフトが生成できます。「うちのトップCAはどのように推薦状を構成しているか」を言語化してプロンプトに落とし込むことが、AI活用の最も重要なステップです。
まとめ
人材紹介の推薦状作成は、面談記録＋職務経歴書＋求人要件を統合しLLMが企業ニーズに合わせたドラフトを自動生成するアプローチで大幅な効率化が可能です。ただし、面談での直感の反映、ネガティブ要素の表現判断、企業との関係性を踏まえた調整、推薦の最終責任はCAの対人力と判断力の領域です。
設計観点の整理：推薦状AI導入で陥りやすい3大落とし穴
推薦状AIは個情法・職業安定法・虚偽記載責任の3軸で設計を誤ると、候補者情報流出・虚偽推薦による企業損害賠償・CA責任追及の致命的リスクが生じる領域です。
落とし穴1：個情法×職業安定法×CA信用責任×労基法×推薦状AIの5層コンプライアンス
国内の推薦状AI化は2022年改正個人情報保護法（候補者の職務経歴・面談記録の利用目的明示、17条目的外利用禁止）、職業安定法（5条の4個人情報適正管理、51条情報漏洩禁止・罰則、求職者情報の業務目的特定必須）、キャリアアドバイザーの信用責任（虚偽推薦による企業への損害賠償）、労働基準法（15条労働条件明示、推薦状記載の待遇・役職の正確性）、不正競争防止法（面談記録中の企業営業秘密の保護）の5層で重なります。AIによる推薦状ドラフト生成は有効ですが、「候補者氏名・現職企業名・面談記録の外部LLM送信禁止（個情法・職安法51条、閉域LLM必須）」「AI生成推薦内容のファクトチェック（学歴・職歴・スキルの正確性、虚偽記載は責任問題）」「AI推薦の最終承認はCA個人（AI単独生成＆自動送信禁止）」「秘匿化プロンプト活用（氏名・連絡先・企業名削除→要約→スキル分析パイプライン）」を設計段階で組み込む必要があります。
落とし穴2：グローバル推薦状AI×GDPR Art.5最小化×GDPR Art.22プロファイリング拒否×retained executive search 25-35%×HeyMilo LLM
海外推薦状AIは2026年、GDPR Art.5最小化原則（採用目的に必要な範囲のみ収集、機密情報は合法例外を除き回避、採用目的のみのデータ保持文書化）遵守必須。Phenom、Aisera、HeyMilo LLM-powered AI Recruiter等がドメイン特化LLMで候補者データをプライベートペリメータに保持、GDPR/CCPA準拠。リテインド・エグゼクティブサーチは2026年フィー25-35%（初年度総報酬比）、C-suite向けは機密性重視でステルス検索対応。UK AI Recruitment GDPR & Data Act 2026準拠ガイドは「有資格リクルーターのAI推薦レビュー＆オーバーライド」「職務関連根拠の文書化」「GDPR Art.22説明責任」を必須化。EU AI Act（2026-08-02本格適用）は雇用AI高リスク分類。日本のAI設計も「データ最小化×説明可能性×人間最終判断」が国際標準化しつつあります。
落とし穴3：中国推薦AI×猟聘「同道汇才」大模型×国家網信弁備案×AI面接30.8%×34.3%AI採用管理採用×PIPL矛盾
中国推薦AIは2026年、猟聘「同道汇才」AI大模型が国家網信弁備案通過、採用側に精准スクリーニング・求職者に全方位サービス提供。34.3%中国企業が採用管理にAI採用、AI面接30.8%。2030年中国AI専門人材ギャップ400万予測。ただし個人情報保護法（PIPL）データ安全合規要求とモデル説明可能性不足の「尖鋭矛盾」が金融リスク管理・信貸審査等コアシーンでAI落地を阻害。AI人材市場では高水準の報酬が提示されており、公開データではAI科学者の月収は137153元とされる。PIPL・改正網絡安全法（2026-01-01施行）・大模型備案・中国就業促進法対応必須。中国市場向け推薦状AIは猟聘同道汇才等国産大模型（網信弁備案済み）＋中国内DC処理が原則、日中跨境HRでは個情法×職安法×PIPL×GDPRの四方整合設計が重要論点です。
