2026年4月23日に公開した記事を再公開しています。

こんにちは！ 人事広報部の石井です。

https://akspot.april-knights.com/colleagues/17409/

突然ですが、みなさんの日々の業務の中に 毎回同じような手順を繰り返してる作業ってありませんか？

僕の場合、メールで届いた情報を社内ツールに転記する。書類を1枚ずつ確認して所定のフォーマットに入力する。みたいな定常業務がありまして。
これ、なんとかならないかなと思いつつ、目の前の業務に追われてそのまま続けてしまっていました。

今回は、 プログラミング経験ゼロ人事シリーズ（？）の第3弾として、採用業務の中でも特に時間を要していた書類選考を自動化した話をお届けします！

今回は第3弾ということで、過去にやった企画は以下の通りです！

【kintone×Claude Code】非エンジニアの人事が”書類選考の自動化システム”を自力で設計・構築した話

2026年4月23日に公開した記事を再公開しています。 こんにちは！ 人事広報部の石井です。 https://…

【React】非エンジニアの人事がAIとペアプログラミングをしてカーライフ管理アプリを作ってる話

2026年4月23日に公開した記事を再公開しています。 こんにちは！ 人事広報部の石井です。 https://…

1本目はPythonでSlack APIを叩いてアイコン画像を取得、2本目はReactでカーライフ管理アプリを開発中な話。
どっちもプログラミング経験が1ミリもない状態からAIに助けてもらって形にした記録です。

そして今回が第3弾！

ただ、過去2本とはちょっと毛色が違います。
これまでは「面白そうだからやってみた」「自分の欲しいものを作ってみた」という趣味・チャレンジ寄りの話でしたが、今回は業務課題を解決するために作ったシステムの話になります。

業務の幅が広がったが時間は増えない。を解決したい

2026年3月、僕の担当業務に変化がありました。もともと担当していたインナーコミュニケーションの推進や広報に加えて、 採用業務を新たに担当することに。

新しいことに携われるのは嬉しい。ただ、現実問題としてやるべきことの量が倍々FIGHT!並みに増えたのも事実でして..。

そんな採用業務の中でも得に時間がかかっていたのが書類選考でした。

書類選考の何がそんなに大変なのか

まず、エイプリルナイツでは現在、人材紹介エージェント経由で求職者の方をご紹介いただくことが多いです。
エージェントからは 職務経歴書（PDF） と一緒に、 希望年収や転職理由、勤務条件といった情報も共有されます。

書類選考の一連の流れを書きますと、

1. 職務経歴書のPDFを開いて中身を読む
2. 経歴・スキル・年収・勤務条件などを確認
3. 弊社の採用ペルソナ（求める人物像）と照らし合わせて評価する
4. 評価結果や基本情報をkintone（社内の管理ツール）に入力する
5. 合否を判定して、不合格ならエージェントへのフィードバック文を書く

1件あたり、だいたい15〜20分。月ベースだと約70件ほどの書類が来ています。
毎日コンスタントに来るわけじゃなくて、まとまって届くこともあります。ある日突然10件！みたいな日もあるわけですね。

単純計算で月に約17〜23時間 。これを他の業務と並行してやらなきゃいけない。（もともとインナーコミュニケーションの業務を担当していたのでこちらも疎かにできないし…）

「……これ、なんとかしないとまずい」
と思ったのが、はじまりでした。

kintoneのMCPサーバーってあるらしい

どうにか効率化できないかとモヤモヤしていたとき、社内でAI活用を推進しているエンジニアの三沢さんから

「kintoneってMCPサーバーがあるからそれ使えば？」

と言われました。

……MCP？　なにそれ？？？マックポークの略か何かか？？？

ということで早速調べてみました。

MCPサーバーとは

どうやらMCP（Model Context Protocol）とは、AIが外部のツールやサービスと直接やり取りするための仕組みらしい。

普通にAIとチャットしてるだけだと、AIはkintoneの中身は見えませんが、MCPサーバーで繋げるとAIが kintoneのデータを取ってきたり、書き換えたりできるようになるとのこと。

マックポークではなかった。

Claude Codeとの組み合わせ

僕が普段使っているAIツールはClaude。
Claudeには 「スキル」 というカスタムコマンド機能があります。

これはあらかじめ手順や判断基準を書いておくと、AIがそのとおりに自動で作業を進めてくれるいわば、AIに対する業務マニュアルみたいなものです。

石井：この2つを組み合わせれば書類選考の一連の流れを自動化できるんじゃないか….？

と閃きました！

ちなみに、三沢に教えてもらったのは 「MCPサーバーがある」という存在だけ（もっと詳しく教えてくれ？）です。
そこから先の設計・構築は 全部自分でチャレンジしてみることに。

もちろん聞けば教えてもらえますが、非エンジニアがAIを使うことでどこまで行けるのか試したかったのもあります。

どうやって作ったのか

それでは具体の内容について解説（？）しようと思います。

セットアップは約3時間

はじめのセットアップは約3時間ほどで終わりました。

まずは、Claudeに「kintone MCPサーバーを使って、書類選考を自動化したい」とだけ伝えて、必要な接続設定やスキルの雛形を一緒に作っていくことになりました。
プログラミングの知識は本当にゼロですけど、 「何をしてほしいか」を言葉で伝えればAIがコードや設定を書いてくれる ので、やることは「指示を出す」と「動作を確認する」の繰り返しで終わりました。

こうして動くものができると、「あ、ここもこうしたいな」「この情報も自動で入れたいな」というアイデアがどんどん湧いてきました。
自分の理想の動きがだんだん形になっていく過程が楽しくて 、それがこのシステムを作り込むうえでの一番のモチベーションになりました。
気づいたら構築作業にめちゃくちゃ没頭してましたｗ

苦労したこと

もちろん、全部スムーズにいったわけじゃなく、一番苦労したのは、 kintoneの特定のフィールドに正しく情報が入らない 問題。

AIに「このフィールドにこの項目を入れて」って指示してるのに、別のフィールドに書き込んじゃったり、想定と違う形式で入力されたり。
「そこじゃないんだが！！」となることが何回かありました。

kintoneの仕様をよく理解していなかった弊害でもあると思いますが、これは、指示の仕方を工夫することで解決できました。
「フィールドコードは○○で、型はドロップダウンで、選択肢は△△です」みたいにより具体的に伝えると、AIの理解精度が上がって正確に入力されるようになりました。

プログラミングで言うところのデバッグに近い作業かもしれませんがコードは一切書いてません。
あくまで日本語で指示を直してるだけ 。非エンジニアでも全然できました。

完成したシステムの全体像

そんなこんなで出来上がったのは、以下の一連の処理をほぼ全自動でやってくれるシステム です。
※元々エージェントから求職者の紹介があったらkintoneに自動登録される仕組みがすでにあったのでそこをアップグレードしていく内容になります。

Step 1: kintoneから情報を取得

まずClaudeが kintone MCPサーバー を通じて、対象の応募者レコードを取得。
応募者の基本情報だけでなく、エージェントがメモ欄に記入してくれてる 希望年収、転職理由、勤務条件 といった共有情報も一緒に読み取ります。

Step 2: 職務経歴書PDFをダウンロード＆テキスト抽出

kintoneに添付されてる職務経歴書のPDFを自動でダウンロードして、Node.jsベースのツール（pdf2json） でテキストデータに変換します。
人間が目で読んでた職務経歴書の内容を、AIが読み取れる形に変換してるイメージです。

Step 3: 基本情報の自動抽出

テキスト化された職務経歴書から、以下の情報を自動で読み取ります。

• フリガナ
• 性別
• 電話番号
• メールアドレス
• 住所（都道府県）
• 年齢

今まで1個1個手でkintoneに入力してた項目が、 全部自動で抽出・記入 されます。地味にこれだけでもかなり助かる……！

Step 4: ペルソナとの適合確認

あらかじめ定義してある 採用ペルソナ（求める人物像） と、応募者の情報を照らし合わせて、次の8つの観点で「面接で確認すべきポイントがあるかどうか」を整理します。

ここで大事なのは、AIが出すのは 合否ではなく論点の一覧ということ。 「ここは問題なさそう」「ここは面接で直接伺いたい」という仕分けをしてくれるイメージです。

また、この8観点は弊社の採用ペルソナと、提案先のクライアント要件との接続性を確認するためのものであって、応募者個人の人間性を評価するためのものではありません。

Step 5: kintoneへ自動書き戻し

評価が終わると、以下が自動でkintoneに記録 されます。

• 8軸判定サマリ
• スキルマトリクス（技術名・経験年数・根拠をまとめた一覧）
• 合否理由
• 評価ランク（S〜D）
• 営業提案の難易度
• ペルソナ要件との照合結果

手入力ゼロ。すごく楽。

Step 6: 最終判定は人間がやる

ここまでの評価をAIが出力したあと、 最終的な合否を決めるのは僕（人間） です。

AIの評価結果を見て、「y（合格）」か「n（不合格）」を入力するだけ。不合格の場合は、AIが評価結果をもとにエージェントへのフィードバック文も自動で作ってくれます 。

あくまでAIは判断材料を揃えてくれるアシスタント。最終決定は人間がする。 ここの線引きは最初から意識して設計しました。

実際に動かしてみた

せっかくなので、実際にシステムを動かしてるところをお見せします！

※ 以下はデモ用のダミーデータ（架空の人物・企業）です。実在の方ではありません。

対象者: 内津 太郎さん（32歳・男性）

エージェントから共有された情報はこんな感じと仮定します。

• 希望年収：500万〜550万円
• 現年収：450万円
• 転職希望時期：2026年5月〜6月入社希望
• 転職理由：現職の受託開発会社でキャリアの幅が広がりにくいと感じている
• 勤務条件：出社可（週1〜2リモート希望だが必須ではない）
• 備考：Java/Spring中心のバックエンド経験が強み。直近でVue.jsにも従事。

職務経歴書には以下の内容が書かれていたとします。

• Java歴7年（3社経験）
• 直近はSpring Boot + Vue.js/TypeScriptで業務系Web開発
• 要件定義〜結合テストまでひととおり経験
• 基本情報技術者、Oracle Java Silver保有

Claudeに書類選考を依頼する

やることはシンプルです。ClaudeにkintoneのレコードURLと書類選考と言うだけ。あとはシステムが勝手に動き出します。

書類選考に必要な「スキル」をAIがよしなに判断し、その手順に沿って進めてくれてます。
ちゃんと、指定しているペルソナや会社概要資料なども読んでくれてますね！

同時にStep2で解説した応募者の経歴書などの情報がまとまっているデータのダウンロードも開始してくれます。

これらの情報を元にAIが出した評価結果がこちら

ここまで大体1～2分程。

あとは評価結果を確認して、合否をY/Nで入力するだけ。

しかも、 あらかじめ定義したペルソナに沿って均等に判断してくれる から、人間がやりがちな「疲れてるときに甘くなる」「先入観で判断しちゃう」みたいなブレが起きにくいんですよね。

今回は合格（Y）で進めましょう。

すると、kintoneへ自動入力されます。

左が書類選考前。右が書類選考後（合否のY/N回答後）

今回は合格の為、選考ステータスも「1次：調整中」に更新されました。

革命すぎる

逆に不合格とする場合は「N」で返します。
※今回は適当に希望年収が合わないという理由にしましたが、実際はそんなことないです！ｗ。

すると、先ほどまで合格だったデータを上書きしてこのように記載してくれます。

ステータスも見送りになっているので、これにて選考終了となります。
社内やエージェントへの共有用のフィードバック文章も追記されました。

数字で見る変化

月あたりの削減時間、 約15〜20時間 。

この浮いた時間を面接準備や他の採用施策、カルチャー推進関連の業務に回せるようになりました。

とにかく、 一連の作業が効率化された 。もうこれに尽きます。

非エンジニアだからこそ伝えたいこと

ここまで読んで、「いやいや、そんなの技術わかる人だからできたんでしょｗ」って思った方もいると思いますが、プログラミングの知識は一切ありません。

過去記事を読んでもらえればわかるんですが、1本目の記事を書いた時点での僕は「Pythonって何？」「コードを書きますっていうけど、どこにだよ」っていうレベルですｗ

今回のシステムも、やったことを振り返ると

1. 「MCPサーバーがある」という存在だけを教えてもらった
2. 「書類選考を自動化したい」とAIに伝えた
3. 動きを確認しながら、指示を直したり追加したりした
4. 「ここもこうしたい」をどんどん伝えてブラッシュアップした

本当にこれだけ。コードは1行も書いてません。AIから言われた通りのことをやり、分からないことは「分からないから詳しく教えてくれ」と順に解決していっただけです。

ちなみに、今回使用したAIは Claude Opus 4.6です！

自分の業務を一番よく知ってるのは自分自身。だからこそ、「こういう順番で処理してほしい」「この条件に当てはまったらこう判定してほしい」っていう要件を一番正確に伝えられるのも自分自身。
自他ともに語彙力が終わってる（ガチ）僕でもある程度AIは内容や言いたいことを汲み取ってくれますし、そこは本当に助かってますｗ。

何が言いたいのかというと、非エンジニアでも、がんばれば自分の理想の形に起こせる。ということ。

第2弾で紹介したアプリ作ってる話もそうですが、理想をある程度形に起こすことが容易になってきた時代ですので、同じように「繰り返し作業をなんとかしたいけど、自分には技術がないし……」と感じてる方の背中を少しでも押せたらうれしいです！

弊社では、こうしたDX伴走型支援サービスも展開していますので、気になる方は是非コーポレートサイトからお問い合わせください！
※ちゃんとプロエンジニアが作りますのでご安心ください！笑

今後について

今回は書類選考の自動化をメインにお伝えしましたが、このシステムはまだまだ発展途上です。

改善できるところはいくらでもあるし、採用業務全体を見渡せばこれも自動化できそうだなって思うポイントがたくさんありました。

できることからコツコツと。でも、やれることはどんどんやっていく予定です！

株式会社エイプリルナイツは、ゲームが好きという共通の価値観をベースに、楽しく働きやすい企業を作っていこうとしています。
ゲームが好きなエンジニアはぜひ弊社にご注目ください！

2025年8月7日に公開した記事を再公開しています。

こんにちは！経営企画部 兼 ソリューション事業部の三沢です。

ソリューション事業部では、伴走型DXサービスという業務プロセスの分析や改善提案を提供しています。

しかし、お客様へのDXを支援している以上、自社のDXも推進できていないと説得力に欠けます。

といわけで、経営企画部の業務の一環としてバックオフィスのDXを2023年頃から進めており、ノウハウを蓄積しています。

今回は採用業務におけるDX化の一例をご紹介します。

事業内容について

業務課題：採用業務における手作業の課題

採用業務全体を見渡すと、一般的にも「メールでのやりとり」が依然として主流です。
ATS（採用管理システム）を導入している企業も増えていますが、媒体ごとに独自の管理画面やフォーマットが存在し、すべての応募情報を一元管理するのは困難です。
そのため、最終的にはメールでのやりとりやメールボックスでの情報管理から抜け出せない現状があります。

このような状況下で、当社でも従来は採用エージェントや求人媒体からの応募メールを受信した後、kintoneの応募者管理アプリへ手作業で情報を登録していました。
書類選考見送りの場合も含め、最低限の情報入力が必須であり、手作業による入力ミスや作業負担が課題となっていました。

応募者情報の転記や管理に手間がかかることで、ヒューマンエラーや対応遅れのリスクが高まり、採用担当者の負担軽減と迅速・正確な選考プロセスの実現が急務となっています。

赤枠：最低限の入力が必要な項目

n8nとOpenAIによる自動化

この課題を解決するため、ノーコードワークフロー作成ツール「n8n」と、「OpenAIのAPI」を組み合わせて自動化することにしました。
メール受信時に自動で本文から必要情報を抽出し、kintone API経由で応募者情報を登録する仕組みを構築しました。

自動登録フローの全体像

n8nのワークフロー

Slack通知

n8nワークフロー構成（主要ノードと処理フロー）

Gmail Trigger

指定ラベル付きの応募メールを定期監視し、添付ファイルも取得

FileUpload

添付ファイル（履歴書等）をkintoneのファイルAPIを使ってアップロード

 

OpenAIノード

メール本文から氏名・年齢・メモ等を抽出

 

プロンプト全文

メール本文から以下の項目を抽出せよ
- 氏名
- フリガナ
- 年齢
- メモ
- メモ欄には「希望年収（万円）」「現年収（万円）」「経歴」「退職理由」の4項目のみを含め、それ以外の情報は含めないこと。各項目は「\n」で改行し、1つの文字列としてまとめてください。

Example:
{"氏名":"田中 太郎",
"年齢":"28",
"メモ":"\n希望年収(単位：万円）：500\n
現年収（単位：万円）：420\n
経歴：大学卒業後、IT企業でシステム開発やプロジェクト管理に従事。Webアプリやモバイルアプリの開発経験あり。\n
退職理由：新しい技術領域に挑戦し、スキルアップを目指すため。"
}

OpenAIノード

 

kintone登録ノード（NewRecord）

OpenAIで抽出した情報をkintoneの応募者管理アプリに新規登録

 

kintone登録ノード

 

 

Slack

登録完了後、Slackの人事部チャンネルへ応募情報を通知

 

UpdateFile

kintoneレコードにアップロードしたファイル情報やSlack通知のタイムスタンプを追記

導入効果

まとめ