面接評価をフェアにする。AIでバイアス検知をプロセスに組み込む

同じ候補者を、複数の面接官が評価すると評価が分かれます。
どの組織でも起きることです。
理由を聞くと「印象が良かった」「うちには合わない気がした」という説明が返ってきて、判断の根拠が言葉になっていません。
これは面接官の資質の問題ではなく、評価の設計がされていないことが原因です。

評価は、なぜ人によって分かれるのでしょうか？
今回は、面接評価でのAIの使い方と、使わない範囲について書いていきます。

人事・採用の業務全体への当てどころは人事・採用のAI活用を型にする。スカウトから候補者評価までにまとめてあります。

人事を含む職種ごとの使いどころは職種別AI活用まとめ。営業・マーケ・人事・経理・法務の使いどころに並べてあり、採用がそのなかのどこにあたるかも確認できます。

評価のばらつきは、観点・基準・記録の3つが未設計だから起きる

なぜばらつくのでしょうか？
理由は3つあります。
評価の観点が決まっていない点、判断の基準が決まっていない点、記録が残っていない点です。

観点が決まっていないと、何を見るかが面接官まかせになり、それぞれ気になった点を見てしまいます。
基準が決まっていないと、観点があっても「どの水準で合格か」が定まりません。

記録が残っていないと、何を根拠に判断したかが後から検証できません。
3つとも設計の問題で、設計すればばらつきは減ります。
ただ、AIが役立つのは記録の部分と、基準をそろえる目線合わせのところで、観点そのものを決めるのは人の仕事です。

そのうえで、どこで判断が歪むかも整理しておきます。
判断が歪みやすいのは5つの場面です。
経歴の類似性は、自分と似た経歴の候補者を高く評価してしまう、最も起きやすいバイアスです。

最初の印象は、冒頭の数分の印象がその後の評価に影響します。
話し方の流暢さは、説明が上手い人を能力が高いと判断してしまう、職種によっては関係のない要素です。
直前の候補者との比較は、前の候補者が良かった後だと評価が厳しくなる現象です。

属性への無意識の反応は、年齢・性別・出身・経歴のブランクといった、判断に使ってはならない要素です。
なかでも経歴の類似性と話し方の流暢さが、最も見落とされます。
属性への反応はすでに意識されているので、比較的注意が向くからです。

AIは事実の整理と根拠不在の検出まで。合否判断はさせない

線引きを明確にしておきます。
使ってよいのは4つです。
面接で語られた事実の整理、つまりどういう経験について何を語ったかを拾う作業です。
評価の観点ごとに該当する発言を並べる作業も含み、「この観点について、候補者が語った内容」を整理させます。

確認できていない観点を挙げる使い方も、実務でよく効きます。
面接が終わってから「あれを聞いていなかった」と気づく事態を防げるからです。
また、評価の記録に根拠が書かれているかの確認にも使えます。
たとえば「印象が良かった」だけの評価に対して、「具体的な発言や事実が根拠として書かれていない」と指摘させます。

この最後の使い方が、バイアス検知に当たる部分です。
バイアスそのものを検出するのではなく、根拠が書かれていない評価を検出する。
つまり、ここが現実的な使い方です。

一方で、明確に禁止する範囲もあります。
合否の判断、候補者の適性の評価（「この人はこの職種に向いている」という判断）、複数の候補者の比較と順位付け、属性からの推測（経歴のブランクの理由、家庭の状況といった判断に使ってはならない要素）の4つです。

禁止する理由は3つあります。
不採用の理由を問われたときに判断の根拠を説明できなくなる点、評価をさせると何を基準にしたかが分からなくなり基準がずれても気づけなくなる点、そして人生の選択に関わる判断を主体の曖昧な形で行うのは候補者に対して不誠実だという点です。

この4つを運用ルールとして明文化するのが必須です。
個人の判断に委ねると、線引きのほうが曖昧になります。

ガイドラインの組み立ては生成AIの社内ルールの作り方。ガイドラインの項目サンプルと守れる環境にまとめてあります。

評価者間の目線は、過去の記録を年1回そろえて合わせる

判断の基準をそろえる対処で、ここがAIの使いどころとして効きます。

やることは、評価の観点ごとに「この水準なら合格」の具体例を作る作業です。
手順としては、過去に採用して活躍している人と、うまくいかなかった人について選考時の記録を並べます。
観点ごとにどういう発言や経験があったかを整理し、「合格の水準」の記述を作ります。
「この観点については、〇〇のような経験を、〇〇の水準で語れること」という形です。

AIを使うのは整理の部分で、過去の記録を渡して観点ごとに共通点を抽出させます。

面接官全員で、同じ候補者の記録を読んで評価してみます。
評価が分かれた観点が、目線の合っていない観点になるので、そこを議論します。
この目線合わせを年1回やるだけで、ばらつきは大きく減ります。

記録には根拠を残す。それが説明責任の答えになる

記録を残す対処です。
記録に残すのは4つです。

聞いた質問、候補者の回答の要点、評価の観点ごとの判断、判断の根拠となった具体的な発言や事実になります。
この最後の項目が最も重要です。
「コミュニケーション能力が高い」ではなく、「前職で他部門との調整を担当し、〇〇の場面で〇〇という進め方をしたと語った」という書き方をします。

もちろん、記録はAIで整えられます。
面接の記録を渡してこの4項目の形に整理させると、面接官の負荷が下がり、記録の粒度もそろいます。

説明責任の観点も押さえておきます。
不採用の理由を問われる可能性があるので、記録に根拠が書かれていれば説明できますが、書かれていなければ後から作るしかありません。

記録の保管期間と閲覧範囲も、決めておきます。
採用に関する記録は閲覧範囲が限られるので、ここを曖昧にしないようにします。

扱ってよい情報の線引きは生成AIに入れてはいけない情報とは。社内ルールを3段階で線引きするで扱っています。

「AIが選考に使われていますか」。
今後こう聞かれる場面が増えていくので、答えを用意しておきます。

「面接で確認した内容の整理と、記録の作成に使っています。評価と合否の判断は面接官と人事が行っています」という形です。
実際にそうである必要があり、説明と運用が違うと後から問題になります。
これは採用のブランドに直結するので、誠実に答えられる状態を作っておきます。

観点の見直しは副産物。つまずきやすいのは同じ5つ

補足として、この取り組みの副産物も書いておきます。
目線合わせをやると、評価の観点が実際に機能しているかが分かります。

機能していない観点には3つの特徴があります。
全員が同じ評価をつける（差がつかないので判断に使えていない）、判断材料が取れていない（質問の設計が悪い）、入社後の活躍と相関がない、というものです。

なかでも入社後の活躍と相関がない特徴は、長期の検証になりますが最も重要です。
選考時に高く評価した観点が、入社後の活躍と関係なかったと分かることもあります。
ここを見直すには、選考の記録と入社後の評価を突き合わせる必要があり、記録が残っているのが前提になります。

求人票や面接質問の型づくりは採用文書の質と量を同時に上げる。求人票・スカウト文の標準化、AIが断ってくる場面の扱いはAIが「できません」と返す時。回避策を社内ナレッジにするで扱っています。

つまずきやすいのは5つです。
評価をAIにさせる、バイアスそのものを検出させようとする、評価の観点を決めずに記録の様式だけ作る、判断の根拠を記録に残さない、目線合わせをしない、の5つです。
どれも、評価と判断は人が行い、根拠の不在を検出する形にして、観点を先に決めて具体的な発言を残し、年1回目線を合わせれば避けられます。

面接の記録をAIに見せる流れは、私たちのAI伴走支援でも、AIワークフローの実装として人事の担当者と一緒に手を動かしながら組み立てています。

面接評価は、観点と記録がそろって初めてフェアになる

評価のばらつきは、観点が決まっていない、基準が決まっていない、記録が残っていないという3つが原因です。
面接官の資質の問題ではありません。

バイアスが入りやすいのは、経歴の類似性、最初の印象、話し方の流暢さ、直前の候補者との比較、属性への無意識の反応の5つで、なかでも経歴の類似性と話し方の流暢さが見落とされやすいです。
AIを使ってよいのは、事実の整理、観点ごとに発言を並べる、確認できていない観点を挙げる、根拠が書かれていない評価を検出するの4つです。
最後がバイアス検知に当たる部分で、バイアスそのものではなく根拠の不在を検出するのが現実的な使い方になります。

使ってはいけないのは、合否の判断、適性の評価、候補者の比較と順位付け、属性からの推測です。
この4つを運用ルールとして明文化しておきます。

目線合わせは、過去の採用の記録から観点ごとの合格水準を作り、面接官全員で同じ記録を評価してみます。
評価が分かれた観点を議論する形で、年1回やるだけで効きます。
記録には判断の根拠となった具体的な発言や事実を残し、「AIが選考に使われていますか」への答えを用意して、説明と運用を一致させておきます。

評価の観点を3〜5個決めて過去の記録で目線を合わせるだけで、バイアスは減らせます。