採用 JD を Claude Code で書く｜中小企業の採用ブランディング実装手順

新規職種の募集が決まり、人事担当者がジョブディスクリプション作成に着手する。会社のミッションを書き、職務内容を整理し、必要スキルを洗い出す。気がつけば 2 時間が経ち、まだ 1 職種分も完成していない経験ありませんか。

採用ジョブディスクリプション（JD）は、中小企業の採用活動で「文体ばらつきが応募率に直結する」業務です。1 職種に 2 時間、年 5〜10 職種で 10〜20 時間が消える計算。それ以上に、JD の文体が会社のトーン&マナーから外れると、ミスマッチ応募者が増えて採用全体の効率が落ちる構造的な課題があります。

年商 50 億規模の事業会社で広報マーケを 1 人で担当している筆者は、Claude Code に JD を書かせる仕組みを作って、1 職種あたり 2 時間 → 20 分に短縮しました。本記事は中小企業の採用ブランディングに直結する実装手順を、実物プロンプト付きで公開します。

本記事はAI 内製スタックの全貌で示した「広報マーケが AI に任せる業務 10 連発」の 9 番目の業務、採用 JD を単独で深掘りした続編に位置します。

採用 JD AI 委任で月 4 時間 → 40 分にする仕組み

広報マーケ 1 人運用の筆者は、Claude Code に採用 JD を書かせて月 2 職種 × 2 時間 = 4 時間を 40 分に削減しました。任せられるのは「役職定義」「必要スキル整理」「チーム紹介」「歓迎条件」の 4 項目。任せない方が良いのは「給与レンジの最終決定」「役員ポジションの JD」「機密プロジェクト関連職種」です。

この章では、採用 JD で AI に任せて成立する範囲と、人間が必ず残すべき役割を整理します。

AI に任せられる JD 4 項目

第 1 に、職種定義（タイトル・主要業務・期待成果）。第 2 に、必要スキルの整理と優先度付け。第 3 に、チーム紹介とカルチャー記述。第 4 に、歓迎条件と求める人物像。これら 4 項目は AI が安定して 80 点を出します。中小企業の採用領域では、AI による求人票の自動作成や広告配信の最適化が普及期に入ったとされています。

人間が残すべき役割

給与レンジの最終決定、福利厚生の正確な記載、役員ポジションの JD、機密プロジェクト関連職種。この 4 つは人間が必ず担当します。給与は AI が「相場」で書くと実際の社内給与テーブルとずれが生じ、応募後のミスマッチを招きます。あなたの会社でも、給与・福利厚生だけは人事が最終確認する手順を入れてください。

Before｜手作業の JD 作成が時間を奪う 3 つの構造

採用 JD 1 職種に 2 時間かかる原因は、書く速度の問題ではありません。3 つの構造的な理由が積み重なっています。皆さんの組織でも、似た時間配分で消耗していないか確認してみてください。

構造 1｜会社ミッションと役職の整合に 30 分

「うちの会社のミッションと、この職種の役割をどう接続するか」を考える作業に 30 分。職種ごとに別の文体になると、会社のブランドトーンが崩れます。複数職種を募集する場合、文体の統一性を保つだけで時間が消えます。

構造 2｜必要スキルの優先度整理に 45 分

「Must スキル / Want スキル / 歓迎スキル」の 3 段階に整理する作業に 45 分。現場マネージャーへのヒアリングと、優先度付けの議論で時間が消えます。優先度を間違えると、応募が殺到するか全く来ないかの極端な結果になります。

構造 3｜文体調整と求人媒体最適化に 45 分

同じ JD でも Wantedly と Green と LinkedIn では、要求される文体・文字数・カルチャー記述の深さが違います。媒体ごとに書き分ける作業に 45 分。3 媒体に出すと 1 職種だけで 2 時間以上かかる構造になります。

3 つの構造を合計すると、1 職種に 30 分（ミッション）+ 45 分（スキル）+ 45 分（媒体）= 2 時間。年 5〜10 職種募集すれば年 10〜20 時間。複数媒体に出せばさらに倍以上の時間が消えます。

After｜ミッション統一 + ブランドトーン + 実物プロンプトの 3 段階

ここから具体的な実装手順に入ります。3 段階の仕組みを組むと、1 職種あたり 20 分で複数媒体分の JD が完成します。あなたの会社の採用フローでも、今日からそのまま組み込める粒度で書きました。

STEP 1｜会社ミッションを CLAUDE.md に登録

採用 JD の品質は、会社ミッションがどれだけ明文化されているかに依存します。CLAUDE.md にミッション・ビジョン・カルチャー・働き方の 4 セクションで記述しておくと、Claude Code はこれを毎回参照して JD を生成します。

# 会社情報

## ミッション
{企業の存在意義を 1 文で}

## ビジョン
{3 年後・10 年後の到達点}

## カルチャー
- {大切にする 3 つの価値観}
- {NG とする 3 つの態度}

## 働き方
- 出社 / リモート比率
- コアタイム
- 評価サイクル
- 給与改定タイミング

STEP 2｜JD ブランドトーンガイドラインの登録

JD 専用のブランドトーンを CLAUDE.md に追加します。求人媒体での印象に直結するため、ここを丁寧に書くと差別化が生まれます。

# 採用 JD ブランドトーン

## 推奨表現
- 結論先行（「○○できる人を募集します」）
- 具体的な期待成果（「半年後に △△ を実現」）
- 数値で語る（「3 ヶ月で 10 名のチームを束ねる」）
- 候補者目線の主語（「あなたが取り組むのは」）

## 禁止表現
- 「やる気のある人」「チャレンジ精神」（中身が無い）
- 「アットホーム」「家族のような」（古い表現）
- 「即戦力」だけ（具体的なスキルが見えない）

## 構成
1. 募集ポジション概要（200 字）
2. 業務内容（500 字）
3. 必須・歓迎スキル（300 字）
4. チーム紹介（300 字）
5. 待遇・働き方（人事が後で追記）

STEP 3｜実物プロンプト

新規職種の JD を作る時は、以下のプロンプトを Claude Code に投げます。

以下の職種の JD を 3 媒体分書いてください。

# 職種情報
- 職種名: {例: マーケティング担当}
- 主要業務: {3 行で}
- 必要スキル Must: {3 つ}
- 必要スキル Want: {3 つ}
- 期待成果（半年後）: {1 文}
- チーム規模: {人数}

# 媒体ごとの要件
- Wantedly: 1500-2000 字、ストーリー重視、共感ベース
- Green: 1000-1500 字、機能ベース、スキル明示
- LinkedIn: 800-1200 字、英文翻訳しやすい論理構成

# 共通制約
- CLAUDE.md の会社情報・JD ブランドトーンを厳守
- 給与は <要人事確認> でマーク
- 候補者目線の主語を多用
- 期待成果は数値で書く

このプロンプトで 3 媒体分の JD が同時に出ます。あとは給与・福利厚生の人事確認に 10 分。合計 20 分で 3 媒体分完成。CLAUDE.md でルールを覚えさせる仕組みを一度組めば、職種ごとに高品質な JD を量産できます。

出典: 船井総合研究所「ChatGPT で 7 つの採用業務を自動化・効率化させる方法」

ハマりポイント 3 つと回避策｜抽象化・盛りすぎ・ターゲットずれ

3 ヶ月運用すると見えてくる定番のハマりどころが 3 つあります。先に知っておけば回避できる落とし穴です。

ハマり 1｜抽象的すぎて応募が来ない

AI は「もっともらしい一般論」を組み立てるのが得意です。「成長意欲のある方」「チャレンジ精神溢れる方」のような抽象表現で埋まった JD は、誰の心にも刺さらず応募が来ません。

回避策は、CLAUDE.md の禁止表現に「抽象的人物像表現」を必ず入れること。さらに、JD 1 本につき「期待する具体行動」を 3 つ入れる運用に切り替えます。「半年後にチーム 5 名を率いて月 100 万 PV のメディアを運営」のような具体行動があれば、ターゲット人材が「自分のことだ」と認識します。

ハマり 2｜要件を盛りすぎて応募ハードルが上がる

AI は「あれもこれも」と要件を膨らませがち。Must スキルが 5 つ以上になると、応募者が「自分は当てはまらない」と離脱します。

回避策は、Must スキルを 3 つまでに絞るルールを CLAUDE.md に明記すること。残りは Want スキル・歓迎条件として配置します。「絶対に必要な 3 つ」と「あると嬉しい 5〜10 個」の構造にすると、応募ハードルが適切に下がります。

ハマり 3｜ターゲット人材像とのずれ

AI は会社情報を学習しても、「今この職種で本当に必要な人物像」までは見えません。「マネージャー候補」と書きながら、実は「プレイヤー寄りの即戦力」を求めているケースで、JD と現実のミスマッチが起きます。

回避策は、JD 作成前に現場マネージャーに「3 人の理想候補者像」を 1 行ずつ書いてもらい、それを Claude Code に渡すこと。「A さんのような実装力 + B さんのような交渉力 + C さんのような巻き込み力」のような具体人物像があれば、AI も外さない JD を生成します。

採用 JD AI 自動化についてよくある質問

応募率は人事担当者が書いた JD と比較してどうですか

初期 3 ヶ月は人事担当者の方が高い場合があります。AI 生成 JD は学習が進むまで「無難」になりがちで、刺さるストーリーが組めない傾向があります。3 ヶ月以降、過去採用成功した JD 5 本を学習データに加えれば、人事同等の応募率に到達します。コスト差を考えると、3 ヶ月の学習期間は許容範囲です。中小企業の採用領域では、AI 活用が普及期に入ったため、早期着手が応募率の差別化に直結します。

外注の採用代行と比較してコストはどうですか

外注は 1 職種 5〜15 万円が相場。年 10 職種なら年 50〜150 万円。AI 内製は Claude Code のサブスク代で年 12 万円程度。コスト差は約 4〜12 倍です。さらに、外注は媒体ごとの最適化を別料金で課金する場合があり、3 媒体出稿で総額がさらに膨らむ構造があります。AI 内製なら 1 度のプロンプトで 3 媒体分が出るため、媒体最適化の追加コストが不要です。

JD の文体が応募者数にどう影響しますか

JD の文体は応募率に直結します。「アットホーム」「やる気重視」のような抽象的 JD は、応募率が低い傾向。具体的な期待成果と数値が明示された JD は、応募率が 2〜3 倍違うという調査もあります。AI で量産しつつ、CLAUDE.md でブランドトーンを統一する運用が、応募率と作成効率の両立を可能にします。

面接時の評価基準も AI に任せられますか

JD 生成と面接評価は別物です。JD は AI で十分ですが、面接評価は法的リスク（差別禁止・雇用機会均等）が絡むため、AI 単独で判断させる運用は推奨しません。面接評価シートのテンプレ化までは AI が支援できますが、最終評価は人間が必ず担当する設計にしてください。AI が下書き、人間が判断、という 2 段階構造を崩さないことが、採用領域での AI 活用の鉄則です。