エンジニア採用の面接で、評価のブレをAIで減らす実践法

こんにちは！ワミィの長川です。
今回はエンジニア採用における、面接評価へのAI活用をテーマにお届けします。

「同じ候補者なのに、面接官によって評価が真逆だった」
「ベテラン面接官と新人面接官とで、見ているポイントがそもそも違う」
エンジニア採用の面接では、こうしたブレに悩まされることが少なくありません。

前回は書類選考でのAI活用を取り上げましたが、面接工程で優先したいのは、まず評価のブレを減らすことだと考えています。もちろん準備工数の削減にもつながりますが、今回は「ブレの解消」を軸に、実践的な使い方を整理します。

1. なぜ面接評価は「人によってブレる」のか

エンジニア採用の面接評価がブレやすいのには、いくつか理由があります。

一つ目は、技術評価の主観性です。同じ回答でも、面接官が得意とする技術領域によって印象が変わります。たとえばフロントエンド出身の面接官は候補者のUI/UXへの言及を高く評価しがちですし、インフラ出身の面接官は運用・監視の話に強く反応しがちです。悪いことではありませんが、これが評価のばらつきにつながります。

二つ目は、面接官の経験差です。ベテラン面接官は回答の薄い部分を的確に深掘りできますが、面接経験の少ない面接官は、候補者の回答をそのまま受け取ってしまい、深掘りが浅くなりがちです。

三つ目は、評価基準が言語化されていないことです。「なんとなく良かった」「なんとなく不安」といった感覚的な評価は、面接官の主観に強く依存します。基準が共有されていなければ、同じ回答でもA面接官とB面接官で評価が割れて当然です。

2. AIで評価基準を揃える：質問リスト・評価シートの実践的な作り方

評価のブレを減らす第一歩は、面接前に「何を聞き、何を基準に評価するか」を揃えておくことです。募集要件と書類選考の情報をもとに、AIに質問リストと評価基準表のたたき台を作らせます。

プロンプト例

# 目的

あなたは経験豊富なIT人事・エンジニア採用担当者です。

以下の「募集要件」と「候補者の書類選考情報」をもとに、

面接で使う深掘り質問リストと評価基準表を作成してください。



# 募集要件

[ここに募集要件・必須要件・歓迎要件を貼り付け]



# 候補者の書類選考情報

[ここに職務経歴書の要約や書類選考時のメモを貼り付け]



# 出力フォーマット

1. 深掘り質問リスト（5〜7問）

   各質問について、「何を確認したいか」「良い回答例の特徴」を1行で添える

2. 評価基準表

   募集要件の必須項目ごとに、評価の観点と5段階評価の目安

   （1:大きく不足〜5:十分満たす）を記載

このリストと評価基準表を面接官同士で事前に共有しておくだけで、「誰が見ても同じ観点で評価する」土台ができます。もちろん、候補者の回答に応じてその場で質問を変えるのは自然なことなので、リストはあくまで出発点として使ってください。

3. 面接後の評価コメントをAIで整える

面接の判断そのものだけでなく、その後の「評価コメントの書き方」にもブレは表れます。同じような評価をしていても、面接官によって書く粒度や表現がバラバラだと、後から見返す人事や他の面接官には伝わりにくくなります。走り書きのメモをAIに渡し、評価基準表に沿った形に整えてもらうと、この伝わり方のブレを減らせます。

プロンプト例

# 目的

あなたはIT人事・エンジニア採用担当者です。

以下の面接メモを、評価シートに転記できる形式の評価コメントに整えてください。



# 評価基準表

[ここに評価基準表を貼り付け]



# 面接メモ（走り書き）

[ここに面接中に取ったメモを貼り付け]



# 出力フォーマット

評価基準表の項目ごとに、

・該当する評価（5段階）

・その評価の根拠となる発言・エピソードを1〜2文で

・（あれば）気になった点・確認が必要な点

オンライン面接であれば、Zoom・Google Meetなどの文字起こし機能を使うと、このプロンプトの精度はさらに上がります。走り書きのメモよりも発言がそのまま文字データとして残るため、AIが内容を推測で補う必要が減り、面接官はメモを取ることに気を取られず候補者との対話に集中できます。

走り書きのメモは情報が断片的なため、AIが文脈を補いすぎて、実際には言っていないニュアンスを加えてしまうことがあります。文字起こしデータを使う場合もこのリスクがゼロになるわけではないため、出力された評価コメントは、必ず面接官本人が内容を確認してから使ってください。

4. 面接経験の少ない面接官をAIでどう育てるか

評価基準を揃えても、深掘りの技術そのものは経験がものを言います。ここでAIをトレーニング用途に使うと、面接経験の少ない面接官の底上げにつながります。

活用例1：想定問答集の作成
自分が用意した質問に対して、AIに「良い回答」「注意が必要な回答」の例をそれぞれ作らせ、深掘りの視点を事前に確認しておきます。

活用例2：質問の壁打ち
以下のようなプロンプトで、面接前に質問の質そのものをチェックできます。

# 目的

あなたはエンジニア採用面接のトレーナーです。

以下の質問について、面接官（経験の浅いメンバー）へのアドバイスをしてください。



# 面接官が用意した質問

[ここに質問文を貼り付け]



# 募集要件・確認したいポイント

[ここに記入]



# 出力フォーマット

1. この質問で確認できること／できないこと

2. より深掘りできる追加質問の例（2〜3個）

3. 候補者の回答例を1つ作成し、良い深掘りの仕方を示す

たとえば「これまでどんな開発をしてきましたか？」という質問を、Python/Djangoでのバックエンド開発経験（3年以上）・大規模トラフィックを想定した設計経験を確認したい面接で使う場合、次のようなアドバイスが返ってきます。

1. この質問で確認できること／できないこと
確認できること：候補者のこれまでの経歴の概要、扱ってきた技術領域の幅 確認できないこと：Django固有の設計判断力、大規模トラフィックへの対応経験の深さ（候補者が自分から話さない限り、表面的な経歴紹介で終わりやすい質問です）

2. より深掘りできる追加質問の例
・「Djangoで設計したシステムの中で、最もアクセス数が多かったものはどのくらいの規模でしたか？その際、パフォーマンス面でどんな工夫をしましたか？」
・「その設計を、もし今作り直すとしたら、どこを変えますか？」
・「チームの中でDjangoの設計方針を決める際、あなたはどんな役割を担っていましたか？」

3. 候補者の回答例と深掘りの仕方
回答例：「ECサイトのバックエンドをDjangoで開発していました。APIの設計や、DBのパフォーマンスチューニングもやっていました。」

この回答だけでは「パフォーマンスチューニング」が具体的に何を指すか分かりません。良い深掘りは「パフォーマンスチューニングというと、具体的にはどんな課題があって、どう対処したんですか？」のように、候補者自身の言葉で具体エピソードを引き出す方向に進めることです。
抽象的な単語（設計、チューニング、最適化など）が出たら、そこを深掘りする、という型を覚えると再現しやすくなります。

こうしたやり取りを事前に何度か試しておくだけで、経験の浅い面接官でも「どこを深掘りすべきか」の勘所がつかみやすくなります。

活用例3：面接後の振り返り
面接メモをAIに読ませ、「この質問はもう少し深掘りできた」「評価基準に沿った確認ができていない項目がある」といった振り返りに使うのも有効です。人事評価のように使うのではなく、あくまで面接官自身の練習材料として位置づけるのがポイントです。

5. AIに任せてはいけないこと

面接工程でAIを使う際に、明確に線を引いておきたいことが3つあります。

一つ目は、対話そのものです。AI面接のように対話自体をAIに任せるアプローチもありますが、本記事で紹介しているのは、あくまで人が行う面接をAIで支援する使い方です。候補者との会話の中で信頼関係を築き、本音を引き出すプロセスは、人が担うからこそ得られる価値があると考えています。AIは準備段階の道具として位置づけてください。

二つ目は、最終的な合否判断です。評価基準表はブレを減らすための「揃える」道具であり、機械的なスコアリングだけで合否を決めるものではありません。最終判断は必ず人が行ってください。

三つ目は、候補者体験への配慮です。準備を効率化すること自体は候補者にとってもメリットがありますが、面接の場そのものがマニュアル的・機械的に感じられてしまうと、候補者の入社意欲を下げかねません。あくまで「面接官が自信を持って、候補者と向き合う時間を増やすための準備」としてAIを使ってください。

6. まとめ

面接評価にAIを取り入れる一番の目的は、評価のブレを減らし、面接官によって合否の分かれ目が変わってしまう状況をなくすことです。質問リストや評価シートの準備、評価コメントの整形といった工数を減らせることも、副次的なメリットとして得られます。

特に面接経験の少ないメンバーにとっては、AIを使った事前準備やトレーニングが、自信を持って候補者と向き合うための助けになります。書類選考記事と同じく、AIに任せるのはあくまで準備の部分までとし、候補者との対話そのものは人が担う。この線引きを意識しながら、まずは直近の面接で質問リスト作成から試してみてください。