完璧な書類に、あなたはいない——AI時代の採用に生まれる「評価のボトルネック」

こんにちは、チカちゃんです。

ちょっと、想像してみてください。

あなたは就活の真ん中にいます。履歴書も職務経歴書も、AIと一緒に書きました。文面は、自分史上いちばんよく書けていると思います。募集要項に合わせて、何十通も出しました。

それなのに、返信は、ほとんど来ない。

これ、あなたの能力の問題でしょうか？　チカちゃんは、そうとは思いません。いま起きているのは、たぶん個人の頑張りではなく、採用市場という「情報の配り方」そのものの組み替えです。しかも、書く側の努力が報われにくくなるという、ちょっと皮肉な方向への組み替えなんです。

2026年9月24日、この違和感をど真ん中から考えた研究が公開されました。タイトルは「AI時代に、採用市場は機能できるのか？——採用における『評価のボトルネック』」。スタンフォード大学のイタイ・アシュラーギさん、ラメシュ・ジョハリさん、アンシュカ・マーシーさんと、コーネル大学のジョン・クラインバーグさんの4人による、まだコメント募集中の暫定版の論文です。

最初に大事なことを言っておくと、これはデータで測った研究ではありません。「こういう条件が揃うと、市場はこう詰まりうる」ということを、数理モデルで丁寧に示した研究です。その代わり、仕組みの解像度がものすごく高い。今日はこれを、ゆっくり分解してみます。

応募が安くなると、なにが高くなるのか

モデルの舞台はシンプルです。求人に、いろいろな応募者が集まってくる。企業は書類を読んで、「ちゃんと評価する価値がある人」を選び、選んだ人だけに手間をかけて確かめる。そういう市場です。

ここに「AIが浸透する度合い」（論文ではAI飽和）という目盛りを入れます。この目盛りが上がると、三つのことが同時に起きます。

1. 応募のコストが下がる（誰でも、たくさん、簡単に出せる）
2. 書類から得られる「その人固有の情報」が減る（みんな上手に書けるので、差が見えなくなる）
3. 企業が「本気で見極める」ためのコストは、むしろ上がる（玉石混交が増えるから）

ふむふむ。ここまでは、なんとなく想像がつきますよね。面白いのはこの次です。

企業は合理的に考えるほど、「経験があるかどうか」という、書類の文章力とは関係のない、粗い手がかりに頼るようになります。書類の一文一文が「その人」を語ってくれないなら、頼れるのは経歴という既成事実だけ。これは手抜きではなく、情報が足りない中での合理的な行動なんです。

研究ではこれを「経験を軸にした統計的差別」の一種と位置づけています。統計的差別という言葉は、少し冷たく聞こえるかもしれませんが、ここでは「個人の情報が薄まると、集団の平均で人を見てしまう」という、情報の話です。

いちばん損をするのは、だれか

ここが、この研究のいちばん切ないところです。

応募者は、経験の有無と向き不向きの組み合わせで4タイプに分けられます。AI飽和が進むと、いちばん損失が大きいのは——「経験はないけれど、仕事には合っている人」です。

理由は二重です。第一に、経験という粗い手がかりでは、そもそも不利な側に置かれている。第二に、書類からにじみ出ていた「あなた」の情報こそ、経験の差をひっくり返せる武器だったのに、それが薄まっていく。合っているのに、届かない。証明したいのに、証明の材料が溶けていく。

しかも、これが対称じゃないのが、つらいところです。「合っていない人」のほうは、ノイズが増えるほど、弱さが隠れて見えにくくなる。同じ霧が、強い人の姿は薄め、弱い人の姿は覆い隠す。同じ霧なのに、人によって働き方が違うんですね。

さらにモデルは、冷たいことも言います。企業は自分の得だけを計算するので、社会全体で見れば「確かめる価値のある人」なのに、企業が確認すらしない——そういうスクリーニングの失敗が積み上がってしまう。AIの飽和が極端に進むと、この失敗が起きる確率は1に近づく、と数学的に示されています。

「話が安くなる」は、実証でも見えていた

「モデルの話でしょ？」と思いました？　チカちゃんも、そこは一回疑いたいところです。でもこのモデル、いくつかの実証研究の上に建っています。

• カスタマイズされた応募書類は、大規模言語モデル以前は採用結果を予測していたのに、普及後はその予測力を失っていった——「話を安くする」と題された研究。
• AIのカバーレター支援ツールの導入で、コールバック自体は増えたのに、「作り込み」とコールバックの相関は51%下がり、企業は職歴という別の信号に頼るようになった——カバーレターの研究。
• 送り手が生成AIを使えるようになると、選ぶ側の見極め精度は平均的に下がる——学術誌に掲載された実験研究。

つまり、書類が運んでいたのは、能力そのものではなく「能力の証拠」だった。その証拠が、誰でも作れるものになった。モデルは空想ではなく、こうした観察の上で「では市場のどこが詰まるか」を組み立てているんです。

反対の見方と、まだ決まっていないこと

ここで、いつものようにもう一回、疑ってみましょう。

まず第一に、「AIが若者の仕事を奪っている」というストーリー自体、研究者の間でまだ決着していません。たとえば——

• 米国の失業保険の記録をたどると、AIに露出した職種の悪化は、ChatGPTの登場（2022年11月）より前の2022年初頭から始まっていた、という研究（ピッツバーグ大学やスタンフォード大学などの研究者たち）。
• フィンランド経済研究所（ETLA）が人口規模のデータで追試したところ、若年層への系統的な影響は見つからなかった、という結果。
• 英国ウォリック大学の研究グループは、2億4,300万件の新規採用と4億700万件の求人広告を分析して、若手採用の減少をよりよく説明するのは、実はAIではなく「リモートワークの広がり」のほうだ、と報告しています。

国が違えば結論も違うし、タイミングの解釈も割れている。現実は、まだ「AIのせいだ」と言い切れるほど片付いていません。この研究が扱っているのは、その上で「もし書類の情報が薄まるなら、市場のどこが詰まるか」という、条件付きの問いなんです。

第二に、これはあくまで理論モデルです。現実にそれが何%起きているかは、何も言っていません。ここは絶対に混ぜちゃいけないところ。

第三に、楽観シナリオも置いておきましょう。「企業がAIで書類の見極めを上手にすれば解決するんじゃない？」。うん、それも一理あります。でも、書類の側が情報を失っているという問題は、読み手の技術だけでは元に戻せません。むしろ「書類を上手に読むAI」も、同じ薄まった書類を読んでいるんですよね。

それでも、モデルの中には希望がある

この研究のチカちゃんが好きなところは、ここからです。著者たちは「規制しよう」「制度を変えよう」とは言いません。代わりに、企業が自分から採りたくなる答えを、モデルの中に見つけます。

それが「多段階採用」です。

薄まった書類だけで決めるのをやめて、本格的な選考の前に、小さくて安い「確かめる場」を挟む。たとえばワークサンプル（実際の仕事を小さく切り出した課題）、実技テスト、構造化された一次面接。広い意味では、インターンシップや試用期間も、この役割を果たします。

ポイントは、これが「優しさ」ではなく「お得」だということ。モデルの上では、中間の評価段階を足すと企業の期待利益がちゃんと上がる。だから誰かに強制されなくても、自然に生まれてくる——数式がそう示してくれるんです。そして同時に、「経験はないけれど合っている人」に、もう一度スクリーニングへ進む道が戻ってくる。

ただ——ここでもう一回、疑っておきます。中間評価のコストは、いったい誰が払うんでしょう？

課題にかける時間、試用期間を生き延びる生活のゆとり、交通費、その他の機会費用。それらを払える人から順に、扉をくぐっていく。せっかく開いた扉が、「余裕のある人」を選ぶ新しいフィルターになってしまったら——それはまた、別の種類の入り口問題です。

モデルが扱っているのは情報の流れだけなので、この問いはモデルの外側に残されます。残される問いには、意味があります。

チカちゃん的には

この研究を読んで、いちばん長く残ったのは「ボトルネックの移動」という考え方でした。

これまでの採用の詰まりは「出すこと」でした。どう書くか、どう目立つか。でもこれからは「確かめてもらうこと」がボトルネックになる。市場の摩擦が、応募の側から、評価の側へ移っていく。

だとしたら、これからの希少資源は、たぶん「信じてもらえる証拠」です。言葉はもう、安い。高いままなのは、行動の記録、実物、続けてきたこと。「言った」ではなく「やった」を、どうやって信頼できる形で運ぶか。ちょうど先日、王陽明の「知行合一」——知っていることと、できることは、ほんとうはひとつ——という話を書いたばかりですが、採用の世界でも、いま「知っている」の証明から「できる」の証明へ、重心が動き始めているのかもしれません。

そして、これは就活生だけの話でもないんです。あなたが誰かを選ぶとき、あなたは何を見ているでしょう？　肩書きや経歴。それとも、実際に何かをしている姿？

評価は、これから「みんなの仕事」になっていく気がします。企業が、学校が、コミュニティが、信じるための材料をどう用意するか。信頼が足りない世界では、強い人が勝つというより、証明のコストを払える人だけが通り抜けていく。そうならないための知恵を、この論文は「企業が自分から選ぶ設計」の中に探そうとしていました。

答えを急がなくても大丈夫です。今回も、問いを持ち帰りましょう。

あなたの「できる」は、いま、どうやって伝わっていますか？ そして、あなたは誰かの「できる」を、どうやって確かめていますか？

評価する側からも、評価される側からも、この問いを眺めてみると——採用市場って、なんだか急に、人間くさい場所に見えてきませんか。

参考URL

Itai Ashlagi, Ramesh Johari, Jon Kleinberg, Anushka Murthy, Can Labor Markets Function in the Age of AI? The Evaluation Bottleneck in Hiring（arXiv:2609.30058） → https://arxiv.org/abs/2609.30058

A. Galdin, J. Silbert, Making Talk Cheap: Generative AI and Labor Market Signaling（arXiv:2511.08785） → https://arxiv.org/abs/2511.08785

J. Cui, G. Dias, J. Ye, Signaling in the Age of AI: Evidence from Cover Letters（arXiv:2509.25054） → https://arxiv.org/abs/2509.25054

M. R. Frank, A. Javadian Sabet, L. Simon, S. H. Bana, R. Yu, AI-exposed jobs deteriorated before ChatGPT（arXiv:2601.02554） → https://arxiv.org/abs/2601.02554

A. Kauhanen, P. Rouvinen, AI Has Not Impacted the Youth Labor Market in Finland, ETLA Working Papers No. 135 → https://pub.etla.fi/ETLA-Working-Papers-135.pdf

P. J. Lambert, Y. Schindler, The Broken Ladder: AI, Remote Work, and Early-Career Hiring, CAGE Working Paper 808（Warwick大学） → https://warwick.ac.uk/fac/soc/economics/research/centres/cage/manage/publications/wp808.2026.pdf