求職で何度も壁にぶつかるのは、AIアルゴリズムの仕業か?

医学の学位を取得中のある学生は、数十通の履歴書を送っても一度も面接の機会を得られなかった後、多くの人のように黙って受け入れることなく、少々変わったことをした——Pythonを起動し、6か月にわたる調査を始めたのだ。彼の目標は明確だった：履歴書の出来が悪いのか、それとも見えないアルゴリズムが密かに自分をふるい落としているのかを突き止めることだった。

「自分の能力が足りないとは思わない」

フルネームを明かしたくないというこの学生（仮に阿力と呼ぶ）は、アメリカのある医学部に在籍しており、成績も優秀でインターンシップの経験も豊富である。しかし、2025年秋に臨床研究のポジションへの応募を開始したところ、届くのは全て不採用通知で、電話面接の機会さえなかった。「最初は競争が激しいのだと思っていましたが、自分よりも明らかに経歴が劣る同級生が面接の機会を得ているのを見て、事はそう単純ではないと気づきました」と阿力は記者に語った。

彼はキャリア開発のセミナーで耳にした「多くの大企業はAIで履歴書を選別している」という情報を思い出し、ある考えが次第に鮮明になった：もしかすると自分の履歴書は人間に一度も見られず、アルゴリズムによって直接ゴミ箱に放り込まれているのではないか。この疑念を抱き、彼は自ら検証することを決意した。

「3週間の週末を費やして、求職プラットフォームのバックエンドAPIの呼び出し方を学び、スクリプトを書いて、いくつかのキーワードとフォーマットだけを変えた異なるバージョンの履歴書を繰り返し提出しました」と阿力は説明する。「結果は驚くべきものでした：『Python』という単語をスキル欄からプロジェクト記述に移動させただけで、面接の招待率が40%上昇したのです。」

アルゴリズムによる選別：効率の裏に潜む見えない差別

阿力のテストは唯一の例ではない。近年、欧米企業におけるAI採用ツールの使用率はすでに70%を超えており、履歴書の解析、キーワードのマッチングから面接動画の分析に至るまで、アルゴリズムは採用の全ての段階に関与している。しかし、これらのシステムには深刻なバイアスの問題が頻繁に存在する。2023年、Amazonが社内の履歴書選別AIで女性候補者に対する体系的な差別が存在すると報じられた。その原因は、過去のデータにおいて男性エンジニアが優位を占めていたため、アルゴリズムが「男性を好む」ことを学習してしまったことにある。

さらに懸念されるのは、大多数の商用AI採用システムが不透明な「ブラックボックス」であることだ。ベンダーは通常「スコア」や「ランキング」のみを提供し、評価の根拠については説明を拒否する。求職者は自分の履歴書がなぜ拒否されたかわからないだけでなく、不服申し立てもできない。阿力は語る：「もし人間の面接官に落とされたなら、少なくともフィードバックを求めることができます。しかしアルゴリズムを相手にすると、誰が相手かさえわかりません。」

6か月のリバースエンジニアリング

問題をより包括的に理解するため、阿力は主要な5つの採用プラットフォームが使用するAIエンジンに対して逆方向のテストを実施した。彼は200以上の仮想候補者プロファイルを作成し、学歴、職歴、スキルのキーワード、レイアウトのフォーマット、さらにはフォントの色まで体系的に調整した。その結果、ほぼ全てのシステムが特定の表現方法（例：「実現する」vs「担当する」）に著しく高い重みを付与しており、こうした規則性は通常、ポジションの実際の要件とは無関係で、むしろある種の「履歴書の美学」テンプレートに近いことが判明した。

さらに皮肉なことに、彼が実際の経営幹部の履歴書を別のシンプルなテンプレートで再構成したところ、AIスコアは92点から74点に下落した。これはアルゴリズムが内容だけでなく、フォーマットの「標準化」も重視していることを示している。求職者は選別を通過するために、これら見えない好みを推測し迎合せざるを得ないのだ。

編集者注：「アルゴリズムの誤判定」の責任は誰が負うべきか?

阿力の話は唯一の例ではなく、AI採用の産業化プロセスにおいて長らく無視されてきた問題——技術的な効率と公平性の間の溝——を映し出している。企業は低コスト・高速の採用を追求しているが、求職者を不服申し立てのできない立場に置いている。さらに考えるべきは、現在採用アルゴリズムに対する強制的な監査規制が欠如していることだ——ベンダーは「営業秘密」を理由にアルゴリズムのロジックの開示を拒否でき、求職者には権利を守る手段がほとんどない。

一部の市民団体は、EUの「人工知能法」のように、採用AIを高リスクシステムとして指定し、公平性評価と透明性レポートを義務付けるべきだと訴えている。しかし立法プロセスは明らかに技術の拡散速度に追いついていない。求職者にとって、最も実用的なアドバイスは阿力のように——自ら少しPythonを学び、少なくとも自分がどこで負けているかを知ることかもしれない。しかしアルゴリズムが人を選別する世界において、こうした自助努力もまた一種の悲哀ではないだろうか?

本記事はWIREDより編訳。