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。
ジョブディスクリプション（JD）とは
ジョブディスクリプション（Job Description / 職務記述書）とは、ポジションの職務内容・責任範囲・必要スキル・成果指標を体系的に記述した文書です。採用、評価、報酬設計の基盤として機能し、「このポジションに何が求められるか」を組織内外に明確に示します。
2026年は学歴よりも能力を重視する流れが広がっているとされ、JDの記載内容もスキル中心に変化しつつあります。また、AI求人票自動生成ツールの普及により、JD作成の生産性は飛躍的に向上しています。
JDに記載すべき項目
| 項目 | 内容 | 記載例 |
|---|---|---|
| 職種名 | 検索されやすく、役割が明確な名称 | FDE（Forward Deployed Engineer） |
| ミッション | なぜこのポジションが必要か | 顧客現場でAIソリューションを実装し、ビジネス課題を直接解決する |
| 業務内容 | 具体的な日常業務と責任範囲 | 要件定義→設計→実装を一気通貫で担当、顧客との直接コミュニケーション |
| 必須スキル | 採用の最低条件（少なめに） | 2年以上のチーム開発経験、顧客折衝経験 |
| 歓迎スキル | あれば望ましい能力 | 生成AI/LLM開発経験、Python/TypeScript |
| 求める人物像 | 行動特性・価値観のフィット | 技術で顧客のビジネスを動かすことに興味がある |
| 報酬・福利厚生 | 年収レンジ・福利厚生の透明開示 | 年俸制 450〜1,600万円、フレックス、家賃補助 |
| 選考プロセス | 選考の流れと期間目安 | カジュアル面談→書類→面接→内定（2〜3週間） |
効果的なJDの書き方：5つの原則
1. スキルベースで記載する
「〇〇大学卒業」「〇年以上の経験」といった属性条件ではなく、「〇〇ができる」「〇〇の経験がある」というスキル・行動ベースで記載します。スキルベース採用を導入した企業は人材プールが3〜5倍に拡大するという報告があります。
2. 必須スキルは3〜5個に絞る
必須条件が多すぎると応募のハードルが上がり、特に女性やマイノリティの応募率が低下します。本当に必須な条件のみに絞り、その他は歓迎スキルに回します。
3. 具体的なプロジェクト事例を含める
「AIシステムの開発」ではなく「製造業向けの需要予測AI」「小売業向けの接客支援AI」のように具体的な事例を記載すると、応募者がイメージしやすくなります。
4. 報酬レンジを明示する
2026年の採用市場では、給与レンジを開示する企業が優位に立っています。透明性が信頼を生み、ミスマッチを減らします。
5. 排他的な表現を避ける
AIによるバイアスチェックツールを活用し、性別・年齢・国籍等に偏った表現がないか確認します。「若手歓迎」「元気な方」等の曖昧な表現は避け、行動特性で記述します。
AI×JD作成：2026年の実践
AI求人票自動生成ツール
2026年には複数のAI JD生成ツールが利用可能です。主要なツールとして、Metaview、Ongig、Textio、WHI Holdingsの生成AI JD作成支援機能などがあります。AIツールは「高速な初稿生成器」であり、最終版ではありません。人間によるレビューで、正確性・法令遵守・ブランドトーン・報酬帯との整合を確認する必要があります。
効果的なAIプロンプトの書き方
AIにJDを生成させる際のポイントは以下の通りです。
- コンテキストを明確に：企業の事業内容、技術スタック、カルチャーを具体的に伝える
- 制約を指定：文字数、フォーマット、トーン（カジュアル/フォーマル）を明示
- 出力構造を指定：セクション構成（ミッション→業務内容→必須スキル→歓迎スキル→報酬）を指示
- バイアスチェックを依頼：「排他的な表現がないか確認して」と追加指示
renueの採用ペルソナ管理：データ駆動のJD設計
renueでは、JDの基盤となる「採用ペルソナ」をデータベースで管理し、ポジションごとの要件をシステム的に定義・更新しています。
採用ペルソナのDB管理
各ポジションの求めるスキル・経験・人物像を構造化データとして管理し、求人媒体（AMBI、Findy、ビズリーチ等）への掲載内容と連動させています。CLIツールでペルソナの作成・更新・参照が可能で、採用チーム全員が最新の要件定義にアクセスできます。
HERP連携による求人管理
採用管理システムHERP Hireとの連携により、求人データをAPIで自動同期しています。JDの変更がHERP上の求人情報に即座に反映され、複数媒体への掲載内容の一貫性を保っています。
AI支援によるJD生成の実践
renueでは実際にAI（Claude Code）を使ってJDを生成する運用を行っています。企業情報・技術スタック・プロジェクト事例をコンテキストとして渡し、ポジションに最適化された求人票を自動生成。生成されたJDは人間がレビューした上で採用媒体に入稿する流れを確立しています。
JDテンプレート（2026年版）
■ 職種名 [具体的で検索されやすい職種名] ■ なぜ募集しているのか [事業の背景と、このポジションの必要性] ■ 業務内容 - [具体的な業務1] - [具体的な業務2] - [具体的な業務3] ■ 必須スキル（3〜5個） - [スキル1] - [スキル2] ■ 歓迎スキル - [スキル1] - [スキル2] ■ 求める人物像 - [行動特性1] - [行動特性2] ■ 報酬・待遇 年収: [レンジ] 勤務地: [場所] 勤務時間: [制度] ■ 選考プロセス [ステップ1] → [ステップ2] → [ステップ3]
よくある質問（FAQ）
Q1: JDは社内用と求人媒体用で分けるべき？
はい。社内用は詳細な職務定義・評価基準を含み、求人媒体用は応募者に訴求する要素（ミッション・やりがい・報酬）を前面に出します。ベースとなるJDを1つ作り、用途に応じて編集するのが効率的です。
Q2: AIで生成したJDをそのまま使って大丈夫？
AIは優秀な初稿生成器ですが、最終版ではありません。正確性・法令遵守・ブランドトーン・報酬帯との整合を人間が必ずレビューしてください。特に法的表現（雇用形態・労働条件の記載）は専門家の確認を推奨します。
Q3: JDの更新頻度は？
最低でも年1回の見直しを推奨します。事業環境・技術トレンド・市場報酬の変化に合わせて要件を更新します。特にAI領域では半年で求められるスキルが変わるため、四半期レビューが理想的です。
