要件定義力がAI時代のRAに問われる理由 — 現場のすり合わせ力を磨く
- AIが自動化できるのはスカウトや書類選考の実行部分で、要件定義そのものは人の深掘りヒアリングが担っています。
- 僕の体感値では、要件定義が浅い求人は書類通過率が10%台にとどまり、深掘りできた求人は30%台まで伸びます。
- 要件定義力は業務理解・組織理解・言語化力の3軸に分解でき、CA・RAが磨くべき核心スキルです。
「まあ、コミュニケーション能力が高くて、主体性のある人がいいですね」——現場の採用担当者からこの言葉が返ってきたとき、僕は正直、少し身構えます。
結論から言うと、AIがスカウトや書類選考の実行部分をどれだけ自動化しても、求人要件を定義する力そのものは当面、人の仕事として残ると僕は考えています。むしろAIが選考プロセスの入口と出口を効率化すればするほど、その間に立つ「要件定義」の精度が採用成果を左右する比重は増していく、というのが現場で感じている体感値です。今日はこの要件定義力を分解しながら、どう鍛えていけばいいかをお話しします。
0. AIが要件定義まで代替する日は来るのか
生成AIは求人票の文章を読み込み、必要なスキルタグや経験年数を抽出することが得意です。「Salesforce経験3年以上」「TOEIC800点以上」のような定型条件であれば、AIはむしろ人より速く正確に整理してくれます。ここまではもう現場で実装が進んでいる領域だと思います。
ただ、要件定義の本丸はその手前にあります。現場の採用担当者や事業部長が口にする「コミュニケーション能力が高い人」「主体性のある人」という言葉は、実際には組織固有の文脈を背負っています。誰との、どんな場面での、どのレベルのコミュニケーションを指しているのか。ここを言語化しないまま母集団形成に入ると、AIにどれだけ精緻な検索式を書かせても、的外れな候補者ばかりが集まってしまいます。AIは「与えられた条件」の処理は速いのですが、「条件そのものを作る」工程には現状、人の介在が必要だというのが僕の見立てです。
1. 要件定義が甘いとどうなるか — 現場で見てきた失敗
以前、あるポジションで「即戦力のマネジメント経験者」という要件だけを受け取り、そのまま募集を始めてしまったことがあります。応募は集まったものの、書類選考の段階で「マネジメント経験はあるが、求めていたのは1人からの立ち上げ経験ではなく、既存組織を回す経験だった」というズレが次々と発覚しました。ヒアリングをやり直したところ、実際に求められていたのは「未整備の評価制度を自分で設計し、メンバーに説明しながら運用に乗せた経験」という、かなり具体的な行動レベルの要件でした。
もう一つ、別の会社で経験した失敗もお話しします。「ポテンシャルの高い若手」という要件で募集をかけたところ、応募者の年齢層はばらけたものの、書類選考の通過基準が採用担当者の頭の中にしかなく、僕の判断で通した候補者が何人も一次面接で不合格になりました。あとから確認すると、「ポテンシャルが高い」の実態は「未経験の業務でも自分で仮説を立てて試行錯誤した経験があるかどうか」という、これも行動レベルの話でした。この2つの失敗に共通しているのは、要件を受け取った時点で「わかったつもり」になってしまい、聞き返す一手間を惜しんだことだと僕は反省しています。
僕の体感値ですが、こうした要件定義の甘さが起きると、応募数に対する書類通過数の割合(書類通過率)は10%台にとどまりやすく、面接に進んでも「イメージと違った」という理由で選考が途中で失速するケースが目立ちます。逆に、行動レベルまで要件を深掘りできた求人では、同じ母集団規模でも書類通過率が30%台まで伸びることが多いと感じています。この差は母集団の質そのものではなく、要件の解像度によって生まれているというのが僕の実感です。
| ヒアリングの深さ | 書類通過率の目安 | 選考中盤での失速 |
|---|---|---|
| 浅い(属性・キーワードのみ) | 10%台 | 起きやすい |
| 深い(行動・成果レベルまで) | 30%台 | 起きにくい |
※書類通過率は「応募数に対する書類通過数の割合」を指し、いずれも僕が担当してきた求人での体感値であり、公的統計ではありません。
2. 要件定義力を分解する三つの軸
要件定義力を鍛えるには、まず自分の弱点がどこにあるかを知る必要があります。僕は現場で以下の3軸に分けて考えるようにしています。
- 業務理解:そのポジションが日々どんな業務を担い、何を成果として求められているかを具体的にイメージできる力。
- 組織理解:そのポジションが誰と連携し、誰から評価され、社内でどんな力学の中に置かれているかを読み取る力。
- 言語化力:抽象的な要望(「主体性がある人」など)を、面接で確認可能な行動や経験の言葉に落とし込む力。
この3軸のうち、業務理解と組織理解は経験年数とともに自然に伸びていく部分もありますが、言語化力は意識してトレーニングしないと伸びにくいというのが僕の感覚です。特に業界未経験からRAに転じた方は、業務理解が浅いまま言語化だけ器用にこなしてしまい、結果として「それっぽいが実態とズレた要件」を作ってしまうことがあります。逆にベテランの人事担当者は業務理解も組織理解も豊富なのに、言葉にする段階で「まあ良い人だよね」で止めてしまい、部下や後輩に要件がうまく伝わらないというケースもよく見かけます。自分がどの軸で弱いかを診断する簡単な方法として、直近担当した求人の要件定義書を見返し、業務理解・組織理解・言語化力それぞれについて「なぜこの条件なのか」を聞かれたときに即座に具体例で答えられるかどうかを試してみると良いと思います。答えに詰まる軸があれば、そこがまさに鍛えるべきポイントです。
3. すり合わせの具体的な手法 — 僕が現場でやっていること
抽象的な要望を受け取ったとき、僕がよくやるのは「その言葉が指す具体的な場面を教えてください」と一段掘り下げて聞き返すことです。「コミュニケーション能力が高い人」であれば、「例えば、直近のメンバーでその能力が高いと感じた人は、どんな場面でそう感じましたか」と聞くと、多くの場合、社内会議での発言なのか、クライアントとの折衝なのか、他部署との調整なのか、具体的な場面が見えてきます。
もう一つ有効なのは、既存メンバーを引き合いに出す方法です。「今のチームで一番活躍している方を思い浮かべたとき、その方はどんな行動を取っていますか」と聞くと、抽象的な人物像が一気に行動レベルまで解像度が上がることが多いです。逆に「絶対にこの人だけは採らないでほしい、という人物像はありますか」と聞くのも効果的です。人は「求める人物像」よりも「避けたい人物像」の方が具体的に語れることが多く、僕の体感では、この質問1つで要件の輪郭がはっきりすることがよくあります。この2〜3個の質問だけでも、要件定義書の精度はかなり変わってくると僕の経験上は感じています。
4. ケース比較 — 同じ「即戦力」でも要件定義で結果が変わる
ここで、実際に僕が関わった2つのケースを比較してみます。どちらも「営業の即戦力人材」という同じ切り口の求人でしたが、要件定義にかけた時間が違いました。ケースAはヒアリングを15分程度で切り上げ、求人票をすぐに作成したケース、ケースBは45分かけて業務理解・組織理解・言語化力の3軸を掘り下げたケースです。
| 比較項目 | ケースA(ヒアリング15分) | ケースB(ヒアリング45分) |
|---|---|---|
| 応募数 | 52件 | 48件 |
| 書類通過率 | 13% | 31% |
| 一次面接後の辞退 | 4名中3名 | 15名中2名 |
応募数自体はケースAの方が多かったのですが、書類通過率や面接後の辞退率まで含めて見ると、ケースBの方が最終的な採用成果につながる確率が高かったというのが僕の実感です。この数字はあくまで僕が担当した2件の求人を比較した体感値であり、業界全体の統計ではありませんが、ヒアリング時間の差がそのまま選考効率の差になって現れた印象的な事例でした。母集団の「量」を追うか「質」を追うかは求人ごとに戦略が分かれますが、要件定義が甘いまま量を追うと、結局は選考プロセスの後段で工数がかさむというのが僕の見立てです。
5. AI時代に要件定義力をどう鍛えるか — 今日からできる実務手順
AIがスカウト文面の作成や書類選考の一次スクリーニングを担ってくれる分、RAが要件定義に使える時間は相対的に増えているはずです。この時間を、求人票の作成作業ではなく、採用担当者へのヒアリングそのものに再配分することが今日からできるアクションだと思います。
具体的な手順としては、まずヒアリングの前に5分ほど使って、求人票に書かれている抽象的な言葉を3つほど洗い出しておきます。次に、ヒアリング本体を30〜45分程度確保し、その3つの言葉それぞれについて「具体的な場面」「既存メンバーの実例」「避けたい人物像」の3つの質問を用意して臨みます。ヒアリング後は、その日のうちに15分ほどでメモを要件定義書の形に整理し、可能であれば採用担当者に「この理解で合っていますか」と一度差し戻して確認する時間を設けています。この差し戻しの一手間を惜しんだことで、後から認識のズレが発覚するケースを僕自身、何度も経験してきました。
さらに、実際に応募が集まり始めた段階で、書類選考の結果を採用担当者と一緒に振り返る15分程度のミーティングを設けると、要件定義の精度をさらに補正できます。最初の要件定義が完璧である必要はなく、母集団の反応を見ながら微修正していくという姿勢が現実的だと僕は考えています。
また、AIに要件定義の壁打ち相手になってもらうという使い方も現場で試しています。ヒアリングメモをAIに読み込ませ、「この要件で矛盾している点はないか」「抽象的なまま残っている表現はどこか」を洗い出させると、自分では気づきにくい抜け漏れに気づけることがあります。ただし、最終的にその抜け漏れをどう埋めるかは、やはり人が採用担当者と対話して確定させる必要があります。AIはあくまで「穴を見つける道具」であって、「穴を埋める道具」ではない、という線引きを僕は意識するようにしています。
6. (結論)
AIがスカウトや書類選考の実行部分を代替していく中で、要件定義力はむしろCA・RAの核心スキルとして輪郭がはっきりしてきたと僕は感じています。抽象的な要望を行動レベルまで言語化し、組織の文脈を踏まえてすり合わせる力は、今のところAIが肩代わりできる領域ではありません。特にAIが処理できない「組織の文脈」こそ、皆さんの経験が最も活きる部分だと僕は思います。皆さんいかがでしたでしょうか。今日お話しした3軸と、ヒアリングの具体的な質問を、次の求人票作成から一つずつ意識してみてください。では今日もがんばりましょう。
よくある質問
Q. AIが要件定義まで自動化する日は来ますか?
現時点の僕の見立てでは、AIが定型的な条件(年齢・経験年数・スキルタグなど)の整理を支援することはあっても、現場の暗黙知や組織の力学まで踏み込んだ要件定義を代替するのは難しいと考えています。要件定義の精度は最終的にヒアリングの深さで決まるため、この部分は当面、人の役割として残ると見ています。
Q. 要件定義が甘いとどんな影響が出ますか?
僕の体感値では、要件定義が浅いまま募集を始めた求人は書類通過率が10%台にとどまりやすく、内定承諾後の早期離職リスクも高まる傾向があります。逆に要件を深掘りできた求人は書類通過率が30%台まで伸びることが多く、この差は現場のヒアリング精度に起因すると考えています。
Q. 要件定義力を鍛えるには何から始めればいいですか?
まずは求人票の言葉をそのまま鵜呑みにせず、その言葉が指す具体的な行動や成果を1つずつ確認する習慣から始めるのがおすすめです。業務理解・組織理解・言語化力の3軸で自分の弱点を棚卸しし、弱い軸から意識的にヒアリングの質問を増やしていくと、体感的に精度が上がっていきます。
IT人材業界20年、ギークリー創業を経て現職。個人として通算4,200名のキャリア面談を実施してきた経験に基づき監修しています。本文中の年収・難易度等は独自ガイドの目安値であり、個人の経験・企業により変動します。