AI面接の事例は、国内ではIT系企業を中心に書類選考・一次面接の置き換えで工数を削減した例が、海外では大量採用を行う企業が応募導線や一次絞り込みにAIを使う例が目立つ。規模や業種は異なっても、共通するのは「AIが実行工程を担い、合否や属性に関わる最終判断は人が担う」という線引きである。本記事はこの線引きを軸に事例を読み解く。あわせて、各事例の数値がどこまで裏付けのあるものかも、事例ごとに明記した。

事例を見るときの軸：AIが担った工程と人が担った工程

本記事は、料金やサービス名を横並びにするのではなく、各事例で「AIが担った工程」と「人が最終判断した工程」がどこで分かれているかという1つの軸で読む。導入効果の大きさだけを見ても、自社にそのまま当てはまるかどうかは判断できないためである。

bgrassが観察した国内の導入事例では、書類選考の自動判定(通過・保留・見送りの3段階判定とメール文面の自動生成)を実装しても、AIがどこまで自律的に動いてよいかという範囲が設計されていないと、担当者は見落としへの不安から結局は全件を自分で確認するようになり、工数も信頼も改善しないという失敗が起きていた。一方で、性別・年齢・国籍といった属性を見送り判断の材料としてAIに委ねることには明確なリスクがあり、属性に基づく判断は常に人が行うべき領域として切り分けるべきだという立場もある。この2点を踏まえ、以降の事例は「AIに何を任せ、人に何を残したか」という観点で見ていく。

自律範囲の設計がオペレーション全体に与える影響については、オペレーション担当を完全にAIエージェントに置き換えられる時代へでも扱っているので、あわせて参照してほしい。

国内事例を読むときの注意:出典のない「数値つき社名」が流通している

国内のAI面接事例としてよく引用されるものの中には、出典をたどれない数値が混ざっている。たとえば「プログラミングスクールを運営するSAMURAI ENGINEERがAI面接の導入で採用基準を標準化し、入社後の離職率を4%まで改善した」という記述は複数のまとめ記事で見かけるが、引用元の記事内に出典・参照先の記載がなく、同社の公式発表やプレスリリースでも裏付けを確認できなかった[出典:ailead.app「AI面接の導入企業・事例まとめ」の内容確認、2026年10月11日時点]。

本記事ではこうした記述は扱わない。社名と数値が並んでいると説得力があるように見えるが、算出の前提(母数・期間・比較対象)がたどれない数値を自社の判断材料にすると、導入後に「思ったほど効果が出ない」という形で跳ね返る。以降で扱う事例は、算出の前提がどこまで公開されているかを各事例の中に明記している。

【国内】JetB:書類選考を廃止して「全員面接」に移行、面接工数を88%削減

AI面接ツール「Our AI面接」を開発するJetBは、同ツールを自社の一次面接に導入し、書類選考を廃止して「全員面接」に移行した。11か月間の運用で、面接工数を247時間から29.6時間へと88.03%削減し、約217万円の人件費を削減したとしている[出典:Our AI面接(ai-mensetsu.jp)導入事例]。

ここでAIが担った工程は一次面接の実施そのものであり、人が残った工程は一次面接を通過した候補者へのその後の選考対応に絞り込まれている。注目したいのは削減率よりも、「書類選考をやめて全員と面接する」という置き換え方である。書類選考は本来、面接の母数を絞るために存在する工程だった。一次面接のコストが下がれば、絞るという工程自体が不要になりうる——という発想は、工程の自動化ではなく工程の削除にあたる。

ただし前提は2つ明記しておきたい。1つは、これがツール開発元による自社導入の事例であり、第三者企業の導入実績ではないこと。もう1つは、88.03%という削減率には247時間→29.6時間という実測値の裏付けがある一方、約217万円という金額の算出根拠(時間単価など)は示されていないことである。11か月の開始日・終了日も明示されていない。

【国内】SES企業：自律範囲を設計しないままAI判定を導入し、工数が減らなかった例

書類選考の自動判定(通過・保留・見送りの3段階)とメール文面の自動生成を実装したあるSES企業では、AIの自律範囲が設計されていなかったために、担当者が結局は全件を自分で確認するようになり、工数も信頼も改善しなかった。

AIが担った工程は3段階判定とメール生成だったが、「どこまでAIの判断を信用してよいか」という設計が抜けていたため、実質的な最終確認はすべて人に残る結果となった。これは成功事例ではなく、役割分担の線引きを誤った場合に何が起きるかを示す例として位置づけるべきである。bgrassが観察した匿名の1社の事例であり、この結果をSES業界全体に一般化できるものではない。

【海外】Compass Group:応募完了を9分超から3分未満に、完了率85%へ

外食・サービス大手のCompass Groupは、世界35か国で55万人以上(米国で約30万人)を雇用し、時給制の大量採用部門では米国内だけで年間約15万人を採用している。これを支える採用担当者は米国で約20人である。同社のShay Johnson氏(Compass Group USA 戦略的HRパートナーシップ担当バイスプレジデント、前採用責任者)は米国の人事専門団体SHRMの取材に対し、2019年に会話型AIを導入する前は、採用サイトへの訪問は多いのに求人検索や応募への転換率が非常に低い状態だったと語っている。原因として挙げられたのは、求人検索と応募体験が分断されていたこと、そして応募時にプロフィール・ユーザー名・パスワードの作成を求められ候補者が混乱していたことだった[出典:SHRM「How Conversational AI Transforms Recruiting: Two Case Studies」]。

導入後の変化として報告されているのは、応募完了までの時間が9分超から3分未満に短縮されたこと(2024年12月時点)、求人検索から面接予約までが最短6分になったこと、応募完了率が85%に上昇したことである[同出典]。

この事例でAIが担った工程は、候補者との初期対応と応募完了までの導線であり、合否判断には関与していない。年間15万人という規模は特殊だが、ボトルネックが「評価」ではなく「応募完了までの手続き」にあったという構造は、規模を問わず参考になる。国内でも、SES・人材紹介・不動産・保険など、月200件(多い企業では300件超)の応募を2〜3名の少人数HRが処理している業界では、1日の業務の大半が実行の繰り返しで埋まるとbgrassは観察している。なお、対象は時給制の大量採用部門であり、正社員・専門職の採用には当てはまらない。数値も同社側の申告であって第三者検証ではない。

【海外】Hilton:100問超の適性検査を単一の動画アセスメントに統合

ホテルチェーンのHiltonは、予約・顧客対応部門(Hilton Reservations and Customer Care)の大量採用において、100問を超え1時間以上を要していた従来型の適性検査を含む複数段階の選考を、HireVueの単一の動画アセスメントに統合した。HireVueが公開する事例では、採用までの期間が42日から5日に短縮し、選考の完了率が倍増、面接から採用に至る率が40%改善したとされる[出典:HireVue公開事例(bestpractice.ai のAI事例データベース経由)]。

AIが担った工程は候補者の回答収集と一次評価であり、人は絞り込まれた候補者への対応に専念している。「選考工程の数自体を減らす」という発想は、適性検査と面接が別々に存在している中小企業の選考フローを見直す際にも応用できる。

留保は2点ある。数値はいずれもベンダー(HireVue)が公開した事例によるもので、算出方法や独立検証は示されていない。また、国内メディアには「2014年から導入」と紹介するものがあるが、導入開始年の裏付けは確認できなかったため、本記事では年を特定していない。対象が予約・顧客対応部門の大量採用であり、ホテル現場職の採用に一般化できない点も押さえておきたい。

【海外】Unilever:新卒採用の一次絞り込みにAI、ただし「多くのツールの一つ」

消費財大手のUnileverは、新卒採用プログラム「Future Leaders」において、約25万件の応募から約800人を採用する選考にHireVueの動画面接を用い、候補者プールの最大80%を絞り込んだとされる。18か月で候補者の面接時間5万時間超、年間100万ポンド超のコスト削減が報告されている[出典:bestpractice.ai のAI事例データベース／HireVueの公開事例]。

AIが担った工程は大量応募の一次絞り込みで、人は残った候補者との面接・最終判断に工数を集中させている。この分離の考え方自体は、規模を問わず参考にできる。

ただし、この事例は引用される過程でかなり単純化されている。Unileverの広報担当者は、これは新卒採用に用いる多くのツールのうちの一つにすぎず、動画面接は任意で、候補者はAIによる評価の可否を自分で選択できたと説明している。つまり「AIが候補者の8割を自動的に切った」という理解は正確ではない。数値の出所もHireVueのマーケティング資料と同社の自己申告であり、第三者による監査はない。削減時間についても、「18か月で5万時間」(HireVue系の資料)と「年間10万時間」(2018年のThe Guardian報道でのUnilever広報の発言)で食い違っている。HireVueが何を解析していたかについても、表情やボディランゲージとする記述と、言語回答のみとする記述が併存している。

応募25万件・採用800人という規模は大企業の、しかも新卒プログラム1本の1サイクルの数値であり、中小企業の目標値としてそのまま使えるものではない。海外の導入事例をより幅広く知りたい場合は、AI面接の導入事例｜国内外の実績と役割分担でも別の切り口から整理している。

【海外】中小企業向けAI活用：LinkedInデータに見る候補者発掘の自動化

LinkedInの調査によれば、採用を行う中小企業の66%が「昨年と比べて適格な人材を見つけるのがより難しくなった」と回答している。AI採用ツール「LinkedIn Hiring Pro」の利用企業では、58%以上が導入後最初の1週間で面接する候補者を発見できたと報告されている[出典: Forbes JAPAN「AI採用ツールで週6時間削減、中小企業が押さえるべきリスクと活用法」2026-02-05]。

さらにLinkedInが公開したAIエージェントは、1求人を埋めるまでに発生する採用担当者の作業時間を平均4時間短縮し、候補者プロファイル作業を62%削減できるという[出典: TechTargetジャパン「1求人当たり平均4時間を削減 LinkedInが10億人データを活用するAIエージェントを公開」]。同種のAIエージェント「Hiring Assistant」は、採用業務の最大8割を自動化し、候補者の発掘や採用担当者への相談対応などを自律的に実行するとされている[出典: リクルートワークス研究所「LinkedInのAIエージェント『Hiring Assistant』、採用業務の最大8割を自動化｜HR Tech Roundup」]。

AIが担った工程は候補者の発掘とプロファイル作成という実行業務であり、人は面接・評価判断に時間を振り向けられるようになった構図である。これらの数値はLinkedIn社自身の発表に基づくもので、効果を誇張している可能性がある点、調査対象が主に米国の中小企業であり日本国内への適用可能性は未検証である点には留意したい。

日本の中小企業が参考にできる点：規模が小さいほど効果が出やすい3つの理由

ここまでの事例は、大企業の数値が中小企業にそのまま当てはまるわけではないという留保を重ねてきた。だが「AIが実行を担い、人が判断に集中する」という役割分担自体は、むしろ採用担当者の少ない中小企業の方が恩恵を受けやすいとbgrassは整理している。理由は次の3点である。

  • 工数削減の効果は採用担当者が少ないほど大きく出る：1人あたりの業務負荷が高い組織ほど、実行業務の自動化が全体の工数に占めるインパクトは相対的に大きくなる
  • 「返信が早い」「選考がスムーズ」という体験の質が、ブランドの差を超えることがある：知名度で大企業に劣る中小企業でも、候補者対応の速さそのものが選考体験の差別化につながりうる
  • 採用AIエージェントなら採用基準と評価結果が自社に蓄積され、担当者が変わっても引き継がれる：属人化しやすい中小企業の採用ノウハウを、仕組みとして残せる

これはbgrass独自の整理であり、大企業の事例に出てくるような規模の数値を目標にするのではなく、自社の採用体制のどこに当てはめられるかを考える材料として位置づけたい。

自社に当てはめるなら、どこから着手するか

ここまで見た国内外の事例はいずれも、「何を自動化し、何を人に残したか」の線引きが明確だった。その線引きを自社で行うための導入順序として、bgrassでは次の3ステップを示している。

  1. 現状の採用フローを棚卸しし、最大のボトルネックを特定する(1〜2週間)：どの工程に時間がかかっているかを先に把握する
  2. 書類選考の通過基準をMUST条件として言語化し、AIに渡す(1〜2週間)：基準が曖昧なままAIに任せると、SES企業の事例のように確認作業が残り続ける
  3. 日程調整・候補者対応など、判断の入らない実行業務から自動化を始める(1週間〜)：合否判断そのものではなく、実行業務から着手する

この期間は2026年6月時点の目安であり、現在の導入プロセスと完全に一致するとは限らない点は留意しておきたい。

まとめ

  • 国内外の事例はいずれも「AIが実行工程、人が判断工程」という線引きで整理できる
  • 自律範囲を設計しないままAIを入れると、担当者の確認作業は減らず信頼も築けない
  • 大企業の事例の規模感はそのまま参考にできないが、役割分担の発想は中小企業にも応用できる
  • 社名と数値が並んでいても出典をたどれない事例があるため、前提（母数・期間・対象部門・数値の出所）を確認してから判断材料にする
  • 中小企業はむしろ採用担当者が少ないほど工数削減効果が大きく出やすい

よくある質問

Q. 紹介されている事例の多くは大企業だが、中小企業でも同じ効果が出るのか

応募約25万件・採用約800人規模のUnileverのような数値を、そのまま自社の目標値にすることはできない。あの数値は新卒プログラム1本の1サイクルのものであり、同社自身も動画面接は「多くのツールの一つ」と説明している。ただし「AIが実行工程を担い、人が判断に集中する」という役割分担の考え方自体は、規模に関係なく成立する。むしろ採用担当者が少ない中小企業の方が、工数削減の効果は大きく出やすいとbgrassは整理している。

Q. 他の記事で見かける事例が、この記事には載っていないのはなぜか

AI面接のまとめ記事で流通している事例の中には、社名と数値が並んでいるのに引用元をたどると出典が示されていないものがある。本記事では、引用元の記事・企業の公式発表のいずれでも裏付けを確認できなかった数値は扱っていない。また掲載した事例についても、数値の出所がベンダーの公開資料なのか企業の自己申告なのか、対象部門や期間がどこまで明示されているかを各セクション内に書いている。自社の判断材料にする際は、まずこの前提の部分を確認してほしい。

Q. AI面接の法的な注意点は、この記事内の事例選びにどう影響しているか

本記事では規制面の詳細には立ち入っていない。海外のバイアス規制や国内の法改正動向については、AI面接の法律リスクと対処法｜国内外の規制動向で解説しているため、導入を検討する際はあわせて確認してほしい。

自社の採用フローのうち、どの工程をAIに任せられるか棚卸ししてみませんか。フェアパスの詳細を見る

著者：フェアパス編集部

この記事は、AIを使って作成し、編集部が内容を確認しています。