人事のための Claude Code 入門

コース構成

このコースで学ぶこと

1. 01

   なぜ人事で Claude Code か

   求人票の量産、評価コメントのバイアスチェック、オンボーディング資料の部署別カスタマイズ。応募者対応の量を捌くために。

   人事の業務は『大量の文書を読み・書き・整える』。求人票、面接フィードバック、評価コメント、オンボーディング資料、退職面談まとめ。

   量が多いので、テンプレ化と一括処理の効果が大きい領域です。

   • **JD（求人票）の量産**：職種別に 3 案、ターゲット別にトーン調整
   • **評価コメントのバイアスチェック**：性別・年齢に関する偏った表現を自動指摘
   • **オンボーディング資料**：部署別・役職別のカスタマイズ
   最初のセットアップ（30 分）
2. 02

   最初のセットアップ（30 分）

   ターミナルからインストール → ログイン → 初対話まで 30 分で。慣れなくても大丈夫、最初は読む・聞くだけで OK。

   macOS / Linux なら 1 コマンドでインストールできます。社用 Pro / Max アカウントでログインしたら、`cd` で自分の作業フォルダに移動して `claude` と打つだけ。

   bash

   # macOS / Linux
   curl -fsSL https://claude.ai/install.sh | bash
   
   # Windows (PowerShell)
   irm https://claude.ai/install.ps1 | iex
   
   # 起動
   cd ~/my-work
   claude

   手を動かす

   0 / 4

   • インストール完了
   • 社用アカウントでログイン
   • 「今日は何ができるの？」と聞いてみる
   • Ctrl+C / `/exit` で終了できることを確認

   Lv.1 — 基礎セットアップ
   なぜ人事で Claude Code か機密情報の境界線
3. 03

   機密情報の境界線

   Claude Code はクラウドの AI なので、何でも貼ってよいわけではありません。部署特有の「絶対 NG」を確認。

   人事で特に注意するのは **応募者・社員の個人情報、給与情報、評価の途中経過**。これらは個人情報保護法・労働法の対象。

   履歴書 PDF を Claude に直接アップロードする是非は要相談。匿名化（氏名・住所・電話を伏せる）してから扱うのが安全。

   機密情報の取り扱い（全社員必修）
   最初のセットアップ（30 分）即効性のあるユースケース 3 つ
4. 04

   即効性のあるユースケース 3 つ

   人事業務の文章生成、3 領域。

   • 1. **求人票 JD を職種別に 3 案** — 即戦力向け・育成向け・キャリアチェンジ向け
   • 2. **オンボーディング資料の部署別カスタマイズ** — 共通テンプレ → 差分のみ調整
   • 3. **面接質問リスト** — コンピテンシー基準で構造化

   text

   # プロンプト例：JD 生成
   > 募集職種: バックエンドエンジニア (React/Next.js 中心)
     スキル要件: TypeScript 3 年以上、Postgres、CI/CD 経験
     カルチャー: フラット、議論好き、品質に妥協しない
     
     これを基に、3 通りの JD を起草:
     (A) 即戦力向け (40 代以上想定、専門性訴求)
     (B) ポテンシャル向け (20 代後半、成長機会訴求)
     (C) 業界跨ぎキャリアチェンジ向け (異業界での経験活用訴求)
   
   # プロンプト例：評価コメントのバイアスチェック
   > evaluations/2026-Q1/ 配下のマネージャー評価コメント全部を読み込み、
     以下の観点でバイアスがかかった表現を指摘:
     - 性別に関する固定観念（「女性なのに」「男性らしく」など）
     - 年齢に関する偏見
     - 出身校・出身地に関する不必要な言及
     - 主観的すぎる形容詞（「やる気がある」など客観性のない評価）
   
   # プロンプト例：オンボーディング資料
   > templates/onboarding-base.md を読み込み、
     「エンジニア新卒向け」「マーケ中途向け」「店舗運営マネージャー向け」
     の 3 パターンに変換。共通部分は維持、各部署特有の項目を追加。

   出力イメージJD 生成結果（案 A の抜粋・下書き）

   ## 【経験者歓迎】バックエンドエンジニア
   サンプル株式会社では、品質に妥協しないチームで ○○ を支えるエンジニアを募集します。
   
   ### 求めるスキル
   - TypeScript 3 年以上 / Postgres / CI・CD
   
   ### 私たちの文化
   - フラットで議論好き
   …（案 B / 案 C は以下省略 / ※ バイアスチェック・人事確認前提）

   機密情報の境界線次の一歩：評価コメントの DEI ガイド化
5. 05

   次の一歩：評価コメントの DEI ガイド化

   弊社の DEI（多様性）ガイドを CLAUDE.md に書いておけば、評価期のたびに自動でチェックが走る。

   評価コメントは無意識のバイアスが入りやすい場所です。事前に弊社の DEI ガイドラインを Claude に共有しておけば、執筆中・提出前の両方でチェックが効きます。

   markdown

   # 評価コメント執筆の心得（CLAUDE.md）
   
   ## 避ける表現
   - 性別固定観念（「女性なのに」「男性らしく」「気が利く」）
   - 年齢偏見（「若いのに」「ベテランなのに」）
   - 出身に関する不必要な言及
   - 客観性のない形容詞（「やる気がある」「コミュ力が高い」）
   
   ## 使う表現
   - 行動ベース（「○○の場面で△△した」）
   - 具体的な数値・成果
   - 改善行動の提案
   - 期待する次のレベル

   Lv.3 — メモリと CLAUDE.md

   理解度チェック

   1. Q1.DEI ガイドを CLAUDE.md に書いておく運用上の最大のメリットは？

      AClaude が代わりに評価をしてくれるB評価期のたびに毎回ガイドを貼り直す必要がなく、執筆中・提出前の両方で自動チェックが効くからC評価コメントを Claude が承認できるようになるからD個人情報の暗号化ができるから

   2. Q2.人事で履歴書 PDF や評価コメントを Claude に渡すときに必須の前処理は？

      AそのままアップロードするB氏名・住所・電話など個人特定情報を匿名化（伏字化）してから渡し、社内 IT に取扱の是非を相談するCPDF を JPEG に変換するだけで OKDClaude に個人情報を覚えさせる

   3. Q3.人事業務で Claude Code が量とバラツキ抑制の両方に効く 3 領域は？

      AJD の量産・評価コメントのバイアスチェック・オンボーディング資料の部署別カスタマイズB給与計算・社会保険手続き・労務監査C採用判断の自動化・解雇通知の作成・賞与配分D全社員の評価を AI に委ねる
   即効性のあるユースケース 3 つ