この記事でできるようになること

職務経歴書を生成AIで要約し、要件に照らした論点・確認事項を抽出するプロンプトが手に入る
「合否をAIに判定させる」のではなく、人が判断するための材料を揃える「前さばき」の使い方がわかる
個人情報の扱いやバイアスなど、AIに任せてはいけないことを確認できるチェックリストが使える

応募が増えると、一件一件の職務経歴書を読み込むだけで相当な時間がかかります。しかも、長い経歴書を最初から最後まで読んでも、「結局、何を見ればいいのか」が担当者ごとにぶれれば、選考の質は安定しません。

ここで生成AIが効くのは、長い文章を要約し、要件に照らして「見るべき論点」を抽出する作業です。これはあくまで**「前さばき」**——人が判断するための材料を揃える工程であって、合否をAIに決めさせるものではありません。

本記事では、職務経歴書の「前さばき」に使えるプロンプトを、コピペで使える形で紹介します。

「そもそもAIの書類評価はどこまで実用的か」を精度データで知りたい方は、履歴書・職務経歴書のAI評価は実用レベルか？精度データと導入判断の基準をどうぞ。本記事は「今すぐ手を動かす」プロンプト集です。

なぜ「前さばき」に限定するのか——合否をAIに任せない理由

生成AIに職務経歴書を渡して「この人は合格？不合格？」と聞くことは、技術的には可能です。しかし、それをやるべきではありません。理由は3つあります。

理由	内容
根拠が見えない	「不合格」とだけ返されても、なぜそう判断したかが不透明だと、選考の責任を負えない
バイアスのリスク	学歴・年齢・性別など本来見るべきでない属性で、意図せず偏りが出る可能性がある
見落としのリスク	AIが「不合格」とした中に、人が見れば拾えた原石が混ざる

だから、AIに任せるのは**「要約」と「論点の抽出」まで**。「この経歴書は要件に対してここが強み、ここが確認が必要」という判断材料を揃えさせ、最終的な合否は人が根拠を見ながら決める——この分担が原則です。

前さばきプロンプトの原則（ゴール起点）

プロンプトは「あなたは人事です」のような役割設定から始める必要はありません。次の順で組みます。

ゴール —— 例：「要件に照らして、面接で確認すべき論点を漏れなく拾う」
要件（判断軸） —— 求人の必須・歓迎を渡す。これがないとAIは何を見れば良いか分からない
入力（職務経歴書） —— 本文を貼る。長文は上部に置くと精度が上がる
出力フォーマット —— 要約の項目・論点の形式を指定。「根拠となった記述を引用させる」と検証しやすい
（任意）例や役割を一文 —— 望ましい要約の例を渡すと形式が安定する

ポイント：AIに論点を拾わせるときは、**「根拠となった経歴書の記述をそのまま引用させる」**のがコツです。推測や誇張を防ぎ、人が裏付けをしやすくなります（Anthropicのガイドでも長文処理では「まず関連箇所を引用させる」と精度が上がるとされています）。

「前さばき」プロンプト集

プロンプト①：職務経歴書を要点要約する

長い経歴書を、人が短時間で把握できる形にするためのプロンプトです。

# ゴール
職務経歴書を、採用担当が30秒で「どんな人か」を把握できる要約にする。
事実のみを拾い、評価・合否の示唆は含めない。

# 職務経歴書
{ここに貼り付け}

# 出力フォーマット
- 現職・直近の役割（1行）
- 経験の要点（3〜5個の箇条書き、実績は数字があればそのまま）
- 使えるスキル・経験領域（箇条書き）
- 職歴の概要（在籍期間と社数、時系列で簡潔に）
# 条件：推測で補わない。記載がない項目は「記載なし」と明記する

プロンプト②：要件に照らして論点・確認事項を抽出する

このプロンプトが本記事の中核です。要件を渡し、「合っている点」「確認が必要な点」を中立に拾わせます。

# ゴール
要件に照らして、この候補者の「要件を満たしそうな点」と
「書類だけでは判断できず面接で確認すべき点」を、根拠付きで整理する。
合否は判定しない。

# 求人要件
## 必須
- {必須要件}
## 歓迎
- {歓迎要件}

# 職務経歴書
{ここに貼り付け}

# 出力フォーマット
- 要件ごとに以下を表で整理：
  | 要件 | 関連しそうな経歴（経歴書から引用） | 書類だけでは不明な点 |
- 最後に「面接で確認すべき質問」を3〜5個
# 条件：要件に無い評価軸を勝手に足さない。推測は「推測」と明記する

プロンプト③：「気になる点」を中立に洗い出す

経歴の一貫性や空白期間など、「確認した方が良い点」を拾います。ここでも判断はせず、「確認事項」に留めるのが重要です。

# ゴール
面接で確認した方が良い「気になる点」を中立に洗い出す。
マイナス評価ではなく、「質問して確かめるべき点」として提示する。

# 職務経歴書
{ここに貼り付け}

# 観点（例）
- 職務の一貫性・キャリアの連続性
- 短期離職や空白期間（あれば）
- 実績の記述が抽象的で裏付けが必要な箇所
# 出力：「気になる点 / そう思う根拠（引用）/ 面接での確認質問」の表
# 条件：空白期間等にネガティブな解釈を付けない。事実と質問に留める

プロンプト④：面接で深掘りする質問を生成する

要約と論点を踏まえて、その候補者に合った面接質問を作ります。

# ゴール
この候補者の経歴と要件を踏まえ、面接で「見極めたい点」を
確かめるための質問を作る。

# 求人要件：{必須・歓迎}
# 職務経歴書：{貼り付け}
# 見極めたい点：{例：マネジメント経験の実態、自走性 など}

# 出力
- 質問（見極めたい点ごとに2〜3問）
- 各質問の意図（何を見る質問か）
- 深掘りのフォロー質問（STAR法を意識）

プロンプト⑤：複数の経歴書を同じ観点で揃える

複数候補を比べやすくするため、同じフォーマットで要約を揃えます。「ランク付け」ではなく「揃える」のがポイントです。

# ゴール
複数の職務経歴書を同じ観点で要約し、比較検討しやすい表にする。
順位付け・合否はしない（判断は人が行う）。

# 求人要件：{必須・歓迎}
# 職務経歴書（複数）：{Aさん… / Bさん… をそれぞれ貼り付け}

# 出力
- 行＝候補者、列＝要件や観点の比較表
- 各セルは事実のみ（該当経験の有無・年数など）
- 表の下に「各候補者で面接で確認すべき点」を記載
# 条件：「おすすめ」「最適」など選択を示す表現は使わない

使うときの3つのコツ

コツ1：必ず「要件」を一緒に渡す

要件なしで「要約して」とだけ言うと、AIは一般論で要約します。「この求人の必須・歓迎に照らして」と軸を渡すと、拾う論点の精度が上がります。

コツ2：根拠を「引用」させる

「そう言える根拠を経歴書からそのまま引用して」と加えると、AIの思い込みや誇張（ハルシネーション）を防げ、人が裏付けしやすくなります。

コツ3：合否は人が、根拠を見て決める

AIの出力は「材料」です。要約と論点を見て、最終的に「会うかどうか」を決めるのは人です。

AIに任せてはいけないことチェックリスト

前さばきに生成AIを使う際は、以下を守ります。

判断の線引き

AIに「合否」「順位付け」をさせていないか（拾うのは要約と論点まで）
出力の根拠（引用）を確認し、推測や誇張を除いたか
最終判断は人が、経歴書本体も見て行ったか

バイアス

学歴・年齢・性別・国籍など、要件と無関係な属性での評価をさせていないか
空白期間・離職回数などに、AIがネガティブな解釈を付けていないか

個人情報

候補者の個人情報を外部AIに入力することが、社内の情報セキュリティ・個人情報ポリシー上許容されているか
入力したデータが学習に使われない設定・契約になっているか（業務利用プラン等）
可能なら氏名・連絡先等の直接識別子をマスキングしてから渡しているか

プロンプトだけでは超えられない壁

前さばきプロンプトで、1件あたりの要約・論点抽出は速くなります。しかし、書類選考「全体」を回そうとすると壁が出てきます。

壁1：毎回「要件」を入力し直す

汎用の生成AIは自社の要件を覚えません。候補者ごとに要件を貼り直し、同じ観点を人が毎回指示する手間が残ります。

壁2：評価の軸がチームに蓄積されない

その場では論点を拾えても、「この要件は重視、これは補助」という評価の重み付けや、選考結果に基づく改善がチームの資産として残りません。

壁3：大量応募の処理は手作業のまま

1件ずつコピペしてAIに渡す方式では、応募が数百件になると現実的ではありません。媒体・ATSと連携して自動で読み込む仕組みが必要になります。

これらは「文章を扱う」プロンプトの範囲を超えた、評価基準の運用と連携の問題です。

まとめ

職務経歴書を生成AIで「前さばき」する要点を整理します。

ポイント	内容
前さばきに限定	AIに任せるのは要約と論点抽出まで。合否は人が決める
ゴールと要件を渡す	「要件に照らして論点を拾う」軸を明示する
根拠を引用させる	推測・誇張を防ぎ、人が裏付けできるように
任せてはいけないことを守る	合否判定・バイアス・個人情報の取扱

生成AIは、職務経歴書の要約と論点抽出を速くして、人が判断に集中できる状態を作ります。一方で、「要件を揃えて評価軸を蓄積する」「大量の応募をさばく」のは、プロンプトの外側にある運用・連携の領域です。

要約・論点抽出を、要件に紐づく「評価項目」で回す

Tasonalの書類選考AIは、求人要件を「評価項目」として構造化し（観点別の重み付け・共通NG）、候補者のマッチ度を観点別にスコアリングし、強み・確認すべきポイント・面接質問案を自動で抽出します。本記事の「前さばき」を、毎回プロンプトを入れ直さずに、要件と連動した形で回せるイメージです。さらに、選考結果のフィードバックから評価項目をAIが調整提案する「自己改善ループ」で、使うほど精度が上がります。スコアは参考材料であり、最終的な合否判断は採用担当者が行う設計です。

職務経歴書を生成AIで要約・論点抽出｜書類確認の「前さばき」プロンプト集