Bet AI Day 2026 AI Agents at Work HR 17:20-17:40 LayerXの採⽤を⽀える組織AIの現在地と、 Agentに任せる未来 宮本 純弥 Junya Miyamoto 

Speaker Information 宮本 純弥 Junya Miyamoto 株式会社マイクロアドへ新卒⼊社し、 インターネット広告事業にてセールスリーダーを経験後、⼈事部へ異動。 2021年に⼤分県のスタートアップへ⼊社し、 地⽅企業向けのHR Tech SaaSの事業責任者に従事。 2023年に株式会社LayerXに⼊社し、 開発組織のHRBPグループのマネージャーを経たのち、 HR Enabling部を⽴ち上げ、AIネイティブな組織づくりをリードしている。 

Agenda Chapter 1 採⽤はAIに任せづらい Chapter 2 ⾯接議事録‧評価ドラフト⽣成エージェントの 取り組み Chapter 3 採⽤オペレーションエージェントの取り組み Chapter 4 HR x AI Agentの未来 

⾯接議事録‧評価ドラフト⽣成エージェント 5 分 ⾯接終了 Slack通知 ⾯接から 5 分で評価ドラフトを⽣成するエージェント 

採⽤オペレーションエージェント 100% 50% 0% 1⽇⽬ 完璧 惜しい 間違えてる ⽇程調整をミスなく完遂できるエージェント 15⽇⽬ 

Chapter 1 採⽤はAIに任せづらい 

LayerXの採⽤の現在地 375 1,000+ 1,500+ 直近1年間正社員⼊社数 ⽉次平均書類選考数 ⽉次平均⽇程調整数 多くの仲間を迎えた裏側に、膨⼤な採⽤プロセスが存在する。 

採⽤はAIに任せづらい業務特性がある 判断 ⼈の⼈⽣と会社の未来に関わる極めて重要な意思決定 体験 候補者とのコミュニケーションにはやり直しが効かない 情報 候補者のプライバシーなど機微情報の取り扱い だからこそ、「任せない」 ではなく、どこまで任せるか？の設計が問われる。 

最初に採⽤活動における活⽤ポリシーによる境界線を引いた ⽣成AIの活⽤模索フェーズのタイミングで、⽣成AIの活⽤ポリシーを策定‧外部公開 境界線を引いたからこそ、線の内側を思い切って任せられる。 

採⽤領域で動く、2つのエージェント ① ⾯接議事録‧評価ドラフト⽣成エージェント ② 採⽤オペレーションエージェント 💻 ⾯接終了（Google Meet） 📥 採⽤管理ツール：メンションでの依頼 🤖 議事録と評価ドラフトを⽣成 🧠 依頼を分類 → カテゴリ別ワークフロー 📂 採⽤管理ツールに下書き保存 📝 採⽤管理ツールの操作‧ドラフト格納 （⽇程調整‧連絡⽂⾯） 性質の異なる2つの業務。 共通する境界線は、1番最後は⼈が判断‧接点を作るということ。 

Chapter 2 ⾯接議事録‧評価ドラフト ⽣成エージェントの取り組み 

⾯接終了後、5分でドラフト⽣成が完了 5 ⾯接終了 分 Slack通知 「⾯接終了から約5分。評価‧議事録は採⽤管理ツールには "下書き" として保存され、Slackに通知が届く。 

アーキテクチャイメージ 採用管理ツール 下書きとして保存 オーケストレーション層（ n8n） Webhook Driveイベント 受信 ワークフローエンジン 分岐・整形・ エラー処理 候補者情報・評価項目 完了・エラー通知 文字起こし本文 評価「下書き」 API Google Workspace ● Slack 面接官へ通知 LLM（OpenAI） ▰ Google Docs API 本文取得 ▣ Google Calendar 面接予定 評価ドラフト生成 議事録生成 ◩ Google Drive 文字起こし Doc Tool ATS URL特定 （カレンダー検索） ◉ Google Meet文字起こし 予定を検索 Doc自動生成 ファイル作成イベント 処理に⼈の介⼊はゼロ。ただしポリシーに則り、 ドラフトの格納は "提出" ではなく "下書き" で⽌める。 

評価ドラフト⽣成の壁 常時 100 件超の求⼈ごとにプロンプトを作り込む運⽤は、スケールしない。 

3段構えの設計 📈 変化：⾯接のたびに増える 🔍 個別最適化層 求⼈ごとの⽂脈 ベクトルDB： 過去1年の⾯接議事録×確定評価 🔍 類似⾯接を検索→確定評価を参 照 ⚙ 汎⽤層 どの求⼈でも通⽤する評価の型 ◔ 変化：⽉次 汎⽤評価⽣成プロンプト (共通1本) 🧭 価値基準層 会社として何を評価するか 羅針盤 ( カルチャー指針‧外部公開 ) 🗓 変化：四半期 ⼈事制度ドキュメント 価値基準＋汎⽤プロンプトで及第点を出し、 過去の確定評価の参照で求⼈ごとの最適化まで⾃動化する。 

evalループの設計 AIドラフトと確定評価の差分をAI⾃⾝が分析し、⼈がレビューして反映する。 改善が回り続ける仕組みへ。 

どのような成果‧効果をもたらしているか 1 議事録‧評価⼊⼒作業が 15~20分 → 3~5分へ短縮。 時間短縮以上に、評価提出着⼿ハードルが 下。 2 事実に基づいたバイアスのないドラフトを参照できる。 3 ⾯接中の議事録‧評価メモ作業がなくなり、 ⾯接での対話に100%集中できるようになった。 効率化のその先で、公平な選考と、 候補者⼀⼈ひとりへのより深い理解の促進につながっている。 

社員の声 Aさん Bさん Cさん Dさん Cさん Dさん Eさん 

Chapter 3 採用オペレーション エージェント 取り組み 

採⽤オペレーションは、暗黙知による無限の組み合わせだった 候補者との接点 を整える 書類回収‧⽇程調整‧合否連絡‧質問対応‧中⻑期フォロー 社内の意思決定 をつなぐ ポジション変更‧⾯接官やリクルーターとの回答⽅針の調整‧ 条件提⽰に向けた関係者連携 例外を拾い、 前に進める ⼿動での⽇程調整‧個別連絡対応‧抜け漏れのフォロー 業務マニュアルをベースにしつつも、250を超えるメールテンプレート、 1400を超える⽇程調整URL、100を超える求⼈ごとの選考フローの組み合わせ。 全ては、より良い候補者体験をお届けするため。 

No content

依頼カテゴリを厳密に分類し、カテゴリごとのワークフローを作り込む お⾒送り依頼 ⽇程調整依頼 📄メンション依頼 @ ⾯接官‧リクルーターが オペレーション宛にメンション 依頼カテゴリを 厳密に分類 分類プロンプトを⽇次で チューニング ⼿調整の⽇程調整依頼 技術課題依頼 オファー依頼 その他連絡依頼 該当なし 依頼を7カテゴリに厳密に分類し、カテゴリ別にワークフローを作り込む。 これがAIが⾃律的かつ安定的にタスクを完遂するために効果的だった。 

例）この依頼のカテゴリは？ カジュアル⾯談のお礼と、 選考希望であれば初回⾯接調整 をお願いします。 

例）この依頼のカテゴリは？ カジュアル⾯談のお礼と、 選考希望であれば初回⾯接調整 をお願いします。 指⽰がない場合、AI は 「⽇程調整」と判断してしまう。 選考希望条件付きのため、「その他連絡依頼」が正しい対応。 

⽇程調整のアーキテクチャイメージ LLM カテゴリ分岐の結果 ⽇程調整 ワークフロー （調整URL型） ① ⾯接官は誰か？ ② 選考フォームはどれか？ ③メールテンプレはどれか？ ④ ⽇程調整URLはどれか？ Tools 選考ガイドラインと ⽇程調整URLリストから 取得 採⽤管理ツール 選考タブをAPIで ⾃動作成 選考フォームリスト から取得 メールテンプレ⼀覧から 取得 ⽇程調整URLリストから、 該当メンバー‧該当時間の URLを取得 Notion メール⽂のAI ドラフトを格納 ⽇程調整を "4つのどれ？" の選択問題に分解し、問題ごとに必要な Tool を提供。 適切なガードレールと AI が判断するための情報を渡すことが重要。 

例）⽇程調整依頼とAIによる判断 HR⾯談、⼆次⾯接調整ください。 ■⾯接官 選考ガイドラインを参照し、HR⾯談は依頼者かつ採⽤担当の XX、⾯接官は輪番でカウント数3に対応するYYを選択しました。 ■選考フォーム 依頼はHR⾯談と⼆次⾯接の新規調整であり、既存プロセスには いずれも予定がありません。すでに書類選考‧⼀次⾯接が実施済 みのため「カジュアル⾯談_選考中」を選択しました。 ⼆次⾯接はDev職種であるため「Dev中途_⼆次⾯接」を選択し ました。 ■メールテンプレート 依頼内容がDev中途のHR⾯談と課題を伴わない⼆次⾯接の同時 調整であるため、「220_Dev_HR⾯談＆⼆次⾯接調整(課題な し)」を選択しました。HR⾯談を⼆次⾯接より先に登録する旨も 本⽂へ反映しています。 

完璧な⽇程調整ができるまで 100% 50% 0% 1⽇⽬ 完璧 惜しい 間違えてる Tool を揃える以上に効いたのは、 ⽇程調整すべき依頼を "⽇程調整" と正しく分類すること。 15⽇⽬ 

最後の届け⽅だけは、まだ任せることができない カジュアル⾯談 AIで定型化 書類選考 ⽇程調整 ⾯接 最終⾯接 ⼈の判断ポイント 候補者とのメール履歴 社内のSlackや⼝頭でのやりとり 候補者ごとの温度感 届ける内容は同じでも、届け⽅は候補者ごとに違う。 ラストワンマイルは、(まだ) ⼈が仕上げる。 オファー ⼈が最終調整 

2つのエージェントから⾒えた設計パターン ⾯接評価⽣成エージェント 採⽤Opsエージェント 業務の性質 ⾮定型。⾯接ごとに⽂脈が異なり、判断の質が問 われる ⼿順は定型。ただし⼊⼒（依頼⽂）は曖昧で、解釈と遂⾏ の確実性が問われる 課題 求⼈が100以上あり、求⼈ごとのプロンプト作り込 みはスケールしない 完全⾃律型では動かない。どこで誤ったか特定できず、 改善が回らない アーキテクチャ 三層構造：価値基準層＋汎⽤層＋個別最適化層。 下の層ほど変化が遅く、上の層だけが求⼈ごとに 育つ 分類ファースト。7カテゴリに厳密分類し、カテゴリ別 ワークフローへ。⽇程調整は「4つのどれ？」の選択問題 に分解 改善ループ設計 AIドラフトと確定評価の差分をシートに⾃動転記 →差分率と改善案をAI⾃⾝が出し、⼈がレビュー してプロンプトへ反映 分類結果を毎回書き戻しし、誤分類を毎⽇拾ってプロンプ トを固める ⼈との役割分担 ATS下書き保存まで。⾯接での候補者に向き合う密 度を⾼め、最終評価‧判定は⼈（ポリシーによる 意思） ドラフト格納まで。定型処理はほぼ100%AIが完遂する が、最終⾯接フェーズ以降のラストワンマイル＝「届け ⽅」のカスタマイズは⼈（候補者体験への意思） モデルの性能や設計によって AI に任せられる業務範囲は変わる。 ⼀⽅でHR領域において、⼈と⼈が向き合い意思決定をする営みは普遍。 

Question AIエージェントに、 業務をどのように任せるのか？ 

Chapter 4 HR x AI Agentの未来 

次の挑戦は、マネジメント領域 ⽇々の業務活動データ Slack 1on1 の⽀援 Salesforce GitHub Linear Notion Google Calendar 活動データを統合‧構造化 散らばった事実を、意味のある⽂脈へ 振り返りの ドラフト⽣成 ⼈事評価の 材料を揃える 社内に存在するあらゆる活動ログやコンテキストを集約し、 マネジメント領域で活⽤する取り組みを開始している。 

Answer AIが、すべての仕事や事実を拾い上げる。 だから⼈は、もっと⼈と向き合える。