書類を送って3週間が経った。
メールを開いたら「今回は誠に残念ながら、見送りとさせていただくこととなりました」。
その瞬間、何を思うか。「何が悪かったんだろう」じゃないか。
だってChatGPTで整えた。誤字もない。構成も整っている。職歴の説明も、マネジメント経験の書き方も、自分で書いたときよりずっとすっきりしてる。なのに落ちた。
これは1回じゃない。3社、5社と続いてる。面接まで辿り着かない。会ってもいない。
このままもう1社応募したら変わるだろうか。そう思いながら、また同じプロセスを繰り返してる。
これは、ChatGPTで整えたら落ちた人だけの話じゃない。プロンプトをちゃんと工夫してるのに通らない人も、実績があるのに書類に出し切れてない感覚のある人も、同じ構造の話だ。
この記事は、その「なぜ落ちるのか」を書く。
私は外資系メーカーの管理職として、採用活動が活発な時期に1日10〜30枚程度の職務経歴書を読む立場にある。書類選考を担当する面接官として、毎日のように書類を読んでいる。
2012年に日系大手から外資系メーカーへ転職した。年収は100万円上がった。その転職で自分の言葉を使って面接を突破した経験が、今の採点基準の土台になってる。
面接官の側から見ると、今起きていることがはっきり見える。
「なぜChatGPTで整えた書類が通らないのか」——その理由を、面接官の視点から全部話す。
書類審査の実態: 1通あたり体感で60〜90秒程度
採用活動が活発な時期、1日に10〜30枚程度の職務経歴書が手元に届く。1通1通に時間をかけて読むことは、現実的にできない。
1通あたり体感で60〜90秒程度で「次に進めるか」「見送るか」を判断してる。これは感情論でも雑な話でもない。時間の制約のなかで、構造的にそうなってる。
ではその60〜90秒で、面接官は何を見ているのか。
最初に開いて、最初の3行を読む。
ここがすべての分岐点だ。最初の3行で「この人と会ってみたい」と感じた書類は次に進む。「よくわからない」と感じた書類は、その先を丁寧に読まれない。
「書類の中身を全部読んでもらえれば伝わるはずなのに」と思ってるなら、その前提から変えたほうがいい。最初の3行で引き込めなかった書類は、全部読まれないまま判断される。
全員同じ3行の罠: AIに書かせると何が起きるか
ChatGPTに職務経歴書の書き出しを依頼すると、何が生成されるか。
少し試したことがある人なら、ピンと来るはずだ。
だいたいこうなる。
「チームを牽引し、PDCAを回すことで業務効率化に貢献してきました。プロジェクトリーダーとして複数部門を横断した推進経験を持ち、組織全体の成果創出に注力してまいりました」
これを読んで、何を思うか。
読み慣れた面接官から言わせてもらうと——「また同じだ」と思う。
これは特定の誰かの書き方じゃない。AIが生成した職務経歴書の書き出しが、みんなこうなってる。「チームを牽引し」「PDCAを回し」「成果を創出」。この3つのフレーズがセットで出てくる。
なぜこうなるのか。
ChatGPTはネット上に大量に存在する「良い職務経歴書の書き方」を学習して、その平均値を出力する。平均値だから、当然みんな同じになる。
インフラ系か製造系か医療系か、何年やってきたか、どんな現場でどんな動き方をしてきたか——そういう個別の情報が、汎用的な美文に全部溶けてしまってる。
整えれば整えるほど、誰でもない人の文章になる。
これがAIに書かせた書類が落ちる最初の理由だ。
ここで一つ聞きたい。ChatGPTをちゃんと使いこなしてるのに通らない、という人もいるんじゃないかと思う。プロンプトを工夫して、いくつも試して、それでも落ちてる。そういう人の場合、問題はAIじゃない。AIに渡す素材——つまり自分の経験の引き出し方に問題があるんだよね。AIは優秀な翻訳ツールだが、渡した素材以上のものは作れない。素材が平均的なら、翻訳も平均的になる。
最初の3行で落ちる構造: 面接官は何を見ているか
「チームを牽引し、PDCAを回し、成果を創出しました」という3行を読んだとき、面接官の頭に何が浮かぶか。
正直に言う。何も浮かばない。
「チームを牽引した」は、どのチームを、何人で、どんな状況で、という情報が全部抜けてる。「PDCAを回した」は、どのPDCAを、どの問題に対して、という文脈がない。「成果を創出した」は、どんな成果が、いつ、どういう経緯で出たのかが見えない。
言葉として整っている。でも、その人が浮かばない。
面接官が最初の3行で実際に感じようとしてるのは、「この人は、どんな状況でどう動く人間なのか」という1点だ。
業種を問わず、これが浮かんだ書類は次に進む。浮かばなかった書類は止まる。
月に数通、「会いたい」と感じる書類がある。最初の3行を読んだだけで「ああ、こういう人がいるんだな」という感触があるものだ。こっちが想像するんじゃなく、向こうから伝わってくる感覚。これは文章の技巧じゃなく、書いてある内容の具体性の問題だ。
もう一つ、これは少し驚かれるかもしれないが——書類と面接が全く同じ内容になってる候補者が多い。
書類に書いてあることを面接でそのまま読み上げる。書類の音読になってる。面接官はすでに書類を読んでるから、「書類に書いてあること以上のものがないのかな」という印象になる。
でも、AIに整えさせた書類は、ここも苦手だ。
AIは「網羅的に書く」方向に最適化されやすい。書類に書いたことを面接でも話す前提で書類が作られると、書類と面接の差が消える。「この人は書類でもう全部出し切ってしまってる」という感覚だ。
整った日本語で落ち続ける構造
ここまで読んで、こう感じてるかもしれない。
「ChatGPTで書かせたのがまずかったのか」「AIを使わないほうがいいのか」
そういう話じゃない。
問題は「AIに書かせたこと」じゃなく、「AIに任せきりにしたこと」だ。
ChatGPTが生成した文章はきれいだ。誤字もない、構成も整ってる。だが、その人間ならではの何かが消えてる。外資の管理職採用で書類を審査するとき、面接官が見ようとしてるのはその「その人かどうか伝わるもの」だ。
「このポジションに、この人を呼んだ理由が後で説明できるか」——面接官は書類を見ながら無意識にこれを考えてる。AIが生成した汎用的な文章は、その材料にならない。
整えれば整えるほど、どんなポジションにでも当てはまる書類になる。そしてどんなポジションにでも当てはまる書類は、どこにも選ばれない書類になる。
応募数を増やしても変わらないのはそのためだ。
面接官の頭の中で何が起きているか
書類を読む側として、よく来る書き出しを見たとき、頭の中で何が起きてるかを正確に言語化すると——「確認作業」が始まってる。
「この人は製造マネジャーなのか」「PDCAを回した実績があるのか」「売上120%の実績があるのか」。情報として受け取るが、それ以上のことが起きない。確認で終わる。
「会いたい」という感情は確認からは生まれない。
では何から生まれるか。「この場面で、この人はこう動いたのか」という発見から生まれる。発見は、読む側が予測してなかった具体的な情報がそこにあるときに起きる。
よく見る書き出しは、面接官が予測した通りの情報しか書いてない。「管理職ならチームを牽引するだろう」「改善プロジェクトならPDCAを使うだろう」「実績があるなら数字が出るだろう」——すべて予測の範囲内だ。
予測の範囲内の情報を読んでいても、「この人に会いたい」にはならない。
面接官を動かすのは、「この人でしか書けない何か」が書類のどこかに入ってたときだ。それは必ずしも大きな実績でも珍しい経歴でもない。その人が実際に経験した場面の具体性が、ちゃんと文字になってるかどうか——ただそれだけの話だ。
これは書き方の問題より、何を書くかの問題だ。書き方をいくら磨いても、素材がなければ何も変わらない。素材の引き出し方と、素材を3行に組む構造——その両方が揃ったとき、書類が変わる。では実際に、面接官の目にはどんな書き出しがどう映っているのか。頻出する5つのパターンを、面接官の視点で見ていく。どのパターンがなぜ止まるのか——構造として理解できると、自分の書類のどこを変えるべきかが見えてくる。書類を読む側で毎日感じてることを、そのまま書く。読んでみてくれ。
落ちる書き出し5パターン: 面接官の目にはこう見えている
頻出するパターンを5つ見ていく。それぞれ「なぜ落ちるのか」の構造を面接官の視点で説明する。「なぜ落ちるか」を腑に落とすためのセクションだ。改善の手順と具体例は有料パートで全部出す。
【パターン1】役割の羅列型
「製造部門のマネジャーとして、チームを統括し、品質管理と生産効率の向上に取り組んでまいりました」
何が問題か。どんな状況に置かれてたかが見えない。面接官の頭に「製造マネジャーという役職の人」しか浮かばない。チームが何人で、どんな問題を抱えてた現場で、という情報が全部ない。役職の記述と職歴の記述の区別がついてない。
【パターン2】PDCAセット型
「業務改善プロジェクトのリーダーとして、PDCAサイクルを回しながら複数部門を横断したプロセス改革を推進してまいりました」
外資の面接官が「またPDCA」と感じる文章の典型だ。「複数部門を横断」「プロセス改革」——どちらも何も伝えていない。どの部門が、どんな理由で、どう機能してなかったのかが全部抜けてる。
【パターン3】成果数字先出し型
「売上前年比120%を達成。チームの生産性を30%向上させ、組織の業績改善に貢献しました」
数字が入ってるから良さそうに見える。でも、なぜその数字が出たのかの文脈が全部ない。数字だけ並んでると、「本当に自分でやったのか」という印象になることすらある。文脈なしの数字は信頼性の材料にならない。
【パターン4】スキル列挙型
「英語でのコミュニケーション、クロスファンクショナルチームの運営、リスク管理、ステークホルダーマネジメントの経験があります」
外資が好みそうなキーワードを並べてる。でも面接官から見ると、「主張してる」という情報しか来ない。証明がない。「外資向けのキーワードを並べれば評価される」という思い込みで書かれた書類は、書類を読む側にすぐ分かる。面接官も同じキーワードを毎日見てるから、「言葉を並べてるだけだな」という感触がある。
【パターン5】目標設定型
「これまでの経験を活かし、貴社の事業成長に貢献したいと考えております。新しい環境での挑戦に強い意欲を持っております」
志望動機との混合型。「貢献したい」「意欲がある」は誰でも書ける。最もよく見るパターンで、最も「次を読もう」と思われないパターンだ。「貢献したい」では「何を持ってきてくれる人か」が全く見えない。採用するかどうかは「この人が来たら何が変わるか」で決まる。それが見えない書類は、どれだけ熱意が書いてあっても動かない。
5パターンに共通してるのは、「何かを言ってるようで、その人が見えない」ということだ。
AIに書かせたから落ちてるんじゃない。AIが平均値を出力する仕組みを理解せずに、出てきた文章をそのまま使ってるから落ちてる。整った日本語で落ち続ける構造は、ここにある。
もう一つ確認しておきたい。「じゃあ最初から手書きで書けばいい」という結論は違う。AIを使う前の問題——つまり自分のどの経験を書くべきかを整理する前の段階——が崩れてたら、手書きにしても同じだ。書き方じゃなく、何を書くかの問題。その「何」を自分の経験の中から引き出す方法が要る。
ではこれをどう直すか。プロンプトを使いこなしてる人でも、「添削してくれ」でなく「何が伝わって何が伝わってないか聞く」という使い方をしてる人は少ない。有料パートでそこを全部見せる。実績の数字や経験をどう3行に言葉にするかの手順も、有料にある。面接官が「会いたい」と感じる3行の構造と、自分の経験を引き出す問いかけ型プロンプト——その手順は有料パートで全部出す。今ある書類の最初の3行を、そのプロセスで一回だけ書き直してみてほしい。それだけで、次の結果が変わる可能性がある。書類選考で止まってる人間が、同じ仕事経験を持ちながら面接まで辿り着く——その差は、最初の3行にしかない。書き方ではなく、何を書くか。それを変える手順が、続きにある。自分の経験の中から「その人でしか書けない場面」を引き出す方法と、それを3行に組む構造の具体手順は有料パートに入れてある。5パターンそれぞれをどう書き直すかも、そちらで全部見せる。次のページで確認してくれ。
この記事のライター
