人材紹介会社の求人票とスカウト文を、Claude Codeで量産する実務手順

金曜の夕方、僕の隣の席のキャリアアドバイザーが頭を抱えていました。

担当する求人が今週で12件増えた。1件ずつ求人票を整え、候補者を10人ずつ洗い出し、それぞれにスカウト文を書く。手が回らないので、前に送ったスカウトの本文をコピペして、社名と職種だけ差し替えて送った。翌日、候補者から返信が来ました。「前職の社名が、私のものと違いますが」。

差し替え忘れです。人材紹介会社で働いていれば、一度はやらかすミスだと思います。スカウト文は数で勝負する一方、1通の雑さが信頼を一発で壊す。この「量と質のジレンマ」を、僕はClaude Codeで現実的なところまで詰めてみました。今日はその手順を、コピペできる形でまとめます。

この記事の要点

• 人材紹介会社の求人票・スカウト文づくりは、Claude Codeに「下書きの量産」を任せ、最終判断だけ人が握ると速くなる。
• 丸投げではなく、求人情報と候補者要約を構造化して渡し、トーンと禁止表現をルール化するのが要点。
• 個人情報は氏名・連絡先を伏せ、職種・経験・スキルだけ渡す。生データを学習に使わせない設定が前提。
• スカウト10通の下書きが、僕の手元で約90分から20分強に縮んだ。差し替え忘れの事故は検証スクリプトで止める。
• コピペできるプロンプト雛形と、社名混入を機械チェックするNode.jsスクリプトを載せた。

人材紹介会社の現場で、どこに時間が溶けているか

読者として想定しているのは、両面型または候補者担当のキャリアアドバイザーです。1人で20〜40件の求人を持ち、週に数十通のスカウトを送る。求人企業との打ち合わせもある。机に向かって文章を書く時間は、本当はそんなに取れません。

人材紹介会社の業務フローを、文章づくりの視点で並べるとこうなります。

1. 求人企業からヒアリングし、募集要件を受け取る
2. 募集要件を、媒体や自社DBに載せる求人票に整える
3. 候補者をデータベースから検索し、マッチ度で絞る
4. 候補者ごとにスカウト文（または推薦状）を書く
5. 返信を待ち、面談調整に進む

このうち2と4が、文章の手作業です。求人票は同じ職種でも企業ごとに微妙に違うし、スカウト文は候補者ごとに「なぜあなたなのか」を一言入れないと開封すらされません。ここを手で全部やると、1人あたり1日2〜3時間が消えます。

よくある手戻りと困りごと

僕が現場で聞いた、繰り返し起きる手戻りを表にしました。

困りごと	起きる原因	結果
スカウト文の社名・職種の差し替え忘れ	コピペ運用	信頼を失い返信ゼロ
求人票の言い回しが媒体規約に触れる	年齢・性別の限定表現	掲載差し戻し
候補者ごとの一言がテンプレ化	時間がなく使い回し	開封率が落ちる
表現が古い・冗長	過去文の流用	読まれず離脱

どれも「文章を1から書く労力」と「雑にコピペする誘惑」の間で起きています。Claude Codeは、この中間、つまり「土台は自動で作り、最後の一言と事実確認だけ人がやる」を埋める道具として効きます。

AIに任せる範囲と、人が必ず判断する範囲

ここを最初に線引きしておかないと、事故ります。僕の運用ルールはこうです。

工程	Claude Codeに任せる	人が必ず判断する
求人票の整文	構成・言い回しの下書き	給与・勤務地・必須要件の事実
媒体規約チェック	危ない表現の指摘	最終的な掲載可否の判断
スカウト文の下書き	文章の骨子と一言の案	候補者への約束・誇張の有無
候補者要約	経歴の要点整理	個人情報の取り扱い

原則は1つ。事実と約束は人が握る。AIは「速く、それっぽく」書くのは得意ですが、その求人が本当に年収700万を出すのか、その候補者が本当にそのスキルを持っているのかは知りません。生成AIに任せていいのは表現であって、事実ではない。ここを混同すると、誇張スカウトでクレームになります。

AIやClaude Codeに触るのが初めてなら、先に非エンジニア向けのClaude Code入門に目を通すと、何が任せられて何が任せられないかの感覚がつかめます。

Use case 1：募集要件メモから、求人票の下書きを作る

求人企業からのヒアリングメモは、たいてい箇条書きの断片です。これを読める求人票に整えるのが最初の自動化ポイント。

任せる前に、渡す情報を構造化します。ばらばらのメモのまま投げると、AIが足りない情報を勝手に埋めて、ありもしない福利厚生を書いたりします。次の項目に分けて渡すのがコツです。

• 職種・ポジション名
• 必須要件と歓迎要件（事実のみ）
• 給与レンジ・勤務地・雇用形態
• 募集背景（増員・欠員補充など）
• 載せてはいけない表現（年齢・性別の限定など）

このとき、求人票のテンプレや禁止表現をプロジェクトのルールとして覚えさせると、毎回指示しなくて済みます。やり方はCLAUDE.mdの書き方が参考になります。

Use case 2：候補者要約から、スカウト文を量産する

ここが本丸です。候補者1人ずつに、開封したくなる一言を入れる。手作業だと一番つらい工程ですが、構造化さえすればAIが得意な領域です。

スカウト文に必ず入れたい要素をチェックリストにしました。下書きが上がったら、これで人が目視します。

• 冒頭で「なぜあなたに送ったか」が具体的か
• 求人の社名・職種が正しいか（差し替え漏れがないか）
• 誇張や事実と違う約束をしていないか
• 候補者の経歴に対し失礼な決めつけがないか
• 文末のアクション（面談打診など）が1つに絞れているか

10人分を1通ずつ手で書くと1時間半。要約を構造化して一括で下書きを出し、上のチェックリストで人が直すと、僕の手元では20分強でした。

Use case 3：媒体規約と表現のセルフチェック

求人票やスカウト文には、職業安定法や媒体規約で避けるべき表現があります。「若手歓迎」「男性が活躍中」のような年齢・性別の限定表現が典型です。これをClaude Codeに一次チェックさせます。

ただし、最終判断は人です。AIの指摘は「見落とし防止のアラート」であって、法的な可否を保証するものではありません。あくまで人の目を補助する位置づけにしてください。

コピペで使えるスカウト文プロンプト雛形

そのまま貼って使えるプロンプトです。候補者情報は氏名・連絡先を抜いた状態で入れてください。

あなたは人材紹介会社のキャリアアドバイザーの文章アシスタントです。
以下の条件でスカウト文の下書きを作ってください。

# 求人情報
- 社名: （正式名称をそのまま）
- 職種: 
- 必須要件: 
- 魅力ポイント: （事実のみ。誇張禁止）

# 候補者要約（氏名・連絡先は含めない）
- 現職の職種と業界: 
- 主な経験・スキル: 
- 想定される志向: 

# 出力ルール
- 200〜300字。冒頭で「なぜこの方に送るか」を具体的に書く。
- 事実にない実績や年収を書かない。約束を盛らない。
- 年齢・性別を限定する表現を使わない。
- 文末のアクションは「カジュアル面談の打診」1つに絞る。
- 社名と職種は与えた文字列をそのまま使い、変えない。

このプロンプトの肝は最後の2行です。アクションを1つに絞らせ、社名・職種を改変させない。これだけで返信率と事故率がだいぶ変わります。プロンプトの精度をさらに上げたいならプロンプト設計の応用も合わせてどうぞ。

差し替え忘れを機械で止める検証スクリプト

冒頭の社名混入事故。あれは人の目だけでは必ず再発します。なので、書き上がったスカウト文に「想定外の社名」が混ざっていないかを機械でチェックします。Node.jsで動く小さなスクリプトです。scout.txt に下書き、allow.json に今回使ってよい社名を入れて実行します。

import { readFile } from "node:fs/promises";

// 許可リスト: { "company": "正しい社名", "ng": ["過去案件の社名など"] }
const allow = JSON.parse(await readFile(new URL("./allow.json", import.meta.url), "utf8"));
const text = await readFile(new URL("./scout.txt", import.meta.url), "utf8");

const problems = [];

// 1. 正しい社名が本文に入っているか
if (!text.includes(allow.company)) {
  problems.push(`正しい社名「${allow.company}」が本文にありません`);
}

// 2. 混ざってはいけない社名が紛れていないか（差し替え忘れ検知）
for (const ng of allow.ng ?? []) {
  if (text.includes(ng)) {
    problems.push(`混入禁止の社名「${ng}」が残っています。差し替え漏れの可能性`);
  }
}

// 3. 年齢・性別の限定表現がないか
const banned = ["若手", "男性のみ", "女性のみ", "20代限定"];
for (const word of banned) {
  if (text.includes(word)) problems.push(`要注意表現「${word}」が含まれます`);
}

if (problems.length === 0) {
  console.log("チェックOK: 送信前の機械確認を通過しました");
} else {
  console.log("送信ストップ。以下を直してください:");
  for (const p of problems) console.log(" - " + p);
  process.exit(1);
}

実行はこれだけです。

node check-scout.mjs

allow.json の例はこうなります。

{
  "company": "株式会社サンプル",
  "ng": ["前回使った会社名", "別案件の会社名"]
}

問題があれば終了コード1で止まるので、送信フローに組み込めば「差し替え忘れたまま送信」が物理的に起きなくなります。冒頭の僕の同僚の事故は、これがあれば防げました。Claude Code自体の導入ははじめてのClaude Codeを見れば10分で動きます。

個人情報とセキュリティの注意点

人材紹介会社はそもそも、人の経歴という最も繊細な個人情報を扱う仕事です。ここを雑にすると、効率化どころか事故になります。僕が守っているルールです。

• 氏名・電話番号・メール・現職の特定可能な部署名は、AIに渡さない。職種・経験年数・スキルだけにする。
• 候補者を特定できる情報は、社内の管理外サービスに貼り付けない。利用するAIの設定で、入力データを学習に使わせない契約・設定にする。
• 出力した下書きを送る前に、必ず人が事実と固有名詞を確認する。
• 求人企業の未公開情報（社名非公開求人など）の扱いは、企業との合意範囲を超えない。

職業安定法の指針など、表現や個人情報の取り扱いの一次情報は、厚生労働省の職業紹介事業のページで確認できます。媒体ごとの規約と合わせて、自社のルールに落とし込んでください。

導入前と後で、何が変わったか（ROIの目安）

数字は僕の手元の概算なので、参考値として見てください。

項目	導入前	導入後
スカウト10通の下書き	約90分	約20分
求人票1件の整文	約30分	約10分
社名差し替え忘れ	たまに発生	検証スクリプトで0件

スカウト10通で約70分浮く計算です。週に30通送るなら、ざっと3時間以上が候補者との対話やヒアリングに回せます。人材紹介会社の価値は文章作成ではなく、人と企業を見極めるところにあるので、削った時間をそこに戻せるのが本当の効果だと感じています。

よくある質問

Q. AIが書いた求人票やスカウト文は、そのまま送って大丈夫ですか。 だめです。下書きとして使い、社名・給与・要件などの事実と固有名詞は必ず人が確認してください。AIは事実を知りません。

Q. 候補者の名前や連絡先を渡さないと、良いスカウト文は書けないのでは。 書けます。スカウト文に必要なのは「なぜこの経歴の人に送るか」で、これは職種・経験・スキルで足ります。氏名や連絡先は文章の質に関係ありません。

Q. 文章が金太郎飴になりませんか。 構造化した候補者要約を1人ずつ渡せば、冒頭の一言は変わります。テンプレ感が出るのは、要約を雑にまとめて投げたときです。

Q. うちはIT部門がないのですが、検証スクリプトは動かせますか。 Node.jsを入れれば数行で動きます。難しければ、社内の業務改善担当に研修・相談で導入を相談する形でも構いません。

実際に試した結果

僕は実在の求人を模した架空データで、求人票3件とスカウト文10通を作って検証しました。確かめたのは3点です。

1つ目、スカウト10通の下書き時間。手書きの体感90分に対し、構造化した要約を渡したら20分強まで落ちました。冒頭の一言も、要約を1人ずつ変えればテンプレ臭は消えました。

2つ目、検証スクリプトの効き目。わざと前案件の社名を残した下書きを4通混ぜたところ、4通すべてで終了コード1が出て止まりました。年齢限定表現も検出できました。人の目だけに頼っていたら、確実に何通か見逃していたはずです。

3つ目、個人情報を渡さなくても質が落ちないか。氏名と連絡先を抜いて職種・経験だけ渡しても、スカウト文の説得力は変わりませんでした。むしろ「経歴のここに惹かれた」という芯が残り、読みやすくなった印象です。

結論として、人材紹介会社のスカウト業務は「全自動」より「下書きはAI、事実と一言は人、最終チェックは機械」の三段構えが一番現実的でした。会社として業務に組み込みたい場合は研修・相談から、自分でまず手を動かしたい場合は教材・無料PDFから始めるのがおすすめです。