候補者データの匿名化とは|実名を年代・業種・規模に置き換えること
候補者データの匿名化とは、面談メモや事例に残る実名や在籍企業名を、年代・業種・規模などの属性表現に置き換えることです。消すのではなく、置き換える点が大切です。属性に落としておけば、事例として読めるまま、個人にはたどり着けません。
私たちは、社内ナレッジの取り扱いとして、次の置き換え方を決めています。これを1枚の置換表として持ち、以降の追記も同じ書き方で揃えています。
| 元の記述 | 置き換え方 |
|---|---|
| 候補者の氏名・呼称 | 出現順の通番ラベル(候補者01、候補者02) |
| 年齢 | 年代(30代前半) |
| 在籍企業名(現職・前職) | 業種+規模(HR SaaS企業、大手メディア系企業) |
| 学校名 | 区分 |
| 居住地 | 都道府県 |
| 年収 | 帯 |
| 元ファイル名 | 対象バッチの通番と事例番号 |
一方で、残すものもあります。自社システム側の候補者ID、保存リストの番号、提案先の求人企業名は、候補者の在籍企業とは別物の業務データです。ここまで一律に消すと、後から同じ案件を追えなくなります。
置換表は、どのフォルダの何というファイルが正本かを決めておきます。判断が分かれたときに、迷わず同じ答えに戻れる場所が1つあるかどうかで、運用の精度が変わります。
なぜ実名が残るのか|危ないのは引用と属性の組み合わせ
実名が残るのは、たいてい本文の見出しではありません。会話の引用と、属性の組み合わせです。人の目で上から読むと、この2つは驚くほど見落とします。
- 本文は属性表現に直してあるのに、CAの発話をそのまま引用した部分に候補者名が残っている
- 社名を書いていなくても、転職回数と各社の業種を並べると個人が特定できてしまう
- 元になったファイル名や保存先の名前に、氏名や企業名が入ったまま残っている
- メールアドレスや電話番号が、本文の末尾や署名の形で紛れている
つまり、匿名化の失敗は「うっかり」ではなく、構造の問題です。書き手が注意するほど本文はきれいになり、引用と組み合わせだけが取り残されます。だから、書き換えとは別に、残っていないかを探す工程を分けて置きます。
匿名化はどこまでAIに任せられるか|人が決めるのはルールと最終確認
結論から言うと、置換表に沿った書き換えと、表記の機械的なチェックはAIに任せられます。任せられないのは、扱ってよい情報の範囲を決めることと、外に出す前の確認です。工程ごとに分けると、次のようになります。
| 工程 | AIに任せられること | 人が担うこと |
|---|---|---|
| ルール決め | 置換表の案出しと、抜けている項目の指摘 | 入力してよい情報/入れてはいけない情報、権限、利用ログ、レビュー責任者の決定 |
| 書き換え | 置換表に沿った抽象化の下書き | 抽象化の粒度が業務に足りているかの判断 |
| 検査 | 氏名・フリガナ・連絡先・在籍企業の実名の残存チェック、連絡先の形式チェック | 検査で止まった箇所をどう直すかの判断 |
| 外に出す | 任せない | 候補者や企業に渡す前の事実確認と修正 |
AIの出力は、人が事実確認・修正してから候補者や企業に使います。匿名化でも同じです。機械は「形式が合っているか」までしか見られません。この情報を外に出してよいか、という判断は、責任を持つ人が最後に担います。
候補者データの匿名化ルールをつくる5つの手順
手順は、ルールを決めてから仕組みを作る順番にします。便利さを先に作ると、あとからルールを足せなくなります。
手順1:入力してよい情報と、入れてはいけない情報を先に決める
AIエージェントを作る前に、入力してよい情報、入れてはいけない情報、匿名化ルール、権限、利用ログ、レビュー責任者を決めます。人材紹介は個人情報を扱う事業です。便利さより先に、運用ルールを作ることを前提にします。
手順2:置換表を1枚つくって正本にする
氏名は通番ラベル、年齢は年代、在籍企業は業種+規模、学校は区分、居住地は都道府県、年収は帯。この対応を1つのファイルに書き、残してよい業務データも並べて書きます。今後の追記も同じ書き方にする、と明記しておきます。
手順3:AIに渡す前に、連絡先や生年月日を伏せる
私たちは、書類をAIに渡す前に、電話番号、メールアドレス、住所、生年月日といった個人を特定する情報を伏せています。さらに、実名のデータは社内のローカル環境にだけ置き、外で動く仕組みには匿名化済みのデータしか上げません。構造として、そこに個人情報がない状態を作る考え方です。
手順4:書き換えはAIに任せ、残存チェックは別工程で疑う
匿名化はAIに任せたうえで、その出力を別の仕組みで機械的に疑います。生成された文章に、本人の氏名・フリガナ・連絡先・在籍企業の実名が残っていないかを実データと突き合わせ、メールアドレスや電話番号の形式も見ます。1つでも引っかかればAIに一度だけ修正させ、それでもだめなら止める、という決めにしています。
手順5:人が最終確認し、取り扱いと確認日をファイルに残す
最後に人が読み、どの項目を削除し、何を属性へ置き換えたかを「取り扱い」としてファイルの冒頭に書きます。確認した日付も残します。候補者管理システムに記録するのは必要最小限にとどめ、家族背景、出生地、不要な国籍情報は記録しません。
Claude Codeへの匿名化の指示の出し方|3つの原則
指示は、毎回同じ結果に寄せる形にします。言い回しを工夫するより、読む順番と止まり方を決めるほうが効きます。
- 作業の前に置換表を読ませる。「この置換表を読んでから、このファイルの候補者名を通番ラベルに、在籍企業を業種+規模に直して」と、正本の場所を毎回指定します。
- 書き換えと検査を別の依頼に分ける。「直して」とは別に「実名・フリガナ・連絡先・在籍企業名が残っていないか探して、場所を一覧で報告して」と頼みます。作った本人に丸をつけさせません。
- 止まる条件を言葉で渡す。「判断できないところは推測で埋めず、一覧にして止めて」と伝えます。空欄で進むより、止まって報告されるほうが安全です。
つまずきやすい4つの型
型1:仕組みが止まったときに、設定を緩めてしまう
私たちは全メンバーのClaude Codeに、許可フォルダ以外の読み書き、パスワードやAPIキーの読み取り、個人情報を含む指示の送信を禁止する管理者設定を入れています。この設定が、ある自動化を一度止めました。書類の本文を読ませる処理が遮断され、学歴や職歴が空のまま入る日が続いたのです。選んだのは設定を緩めることではなく、AIに渡す前に個人情報を伏せることでした。結果として、仕組みの側が安全になりました。
型2:氏名だけを消して終わりにする
氏名を伏せても、転職回数と各社の業種が並んでいれば特定につながります。社名や事業の具体的な内容は書かず、各社で何を目的にしたかの範囲で残す、という粒度まで決めておきます。
型3:残すべき業務データまで消してしまう
自社システムの候補者IDや提案先求人の企業名は、候補者の在籍企業とは別物です。ここを消すと、過去に同じ企業・同じ軸でどう評価されたかを後から確認できなくなります。消す対象と残す対象を、置換表に並べて書いておきます。
型4:そもそも記録しなくてよい情報を集めている
確認するのは職務に必要な情報だけにします。親や家族の国籍、本籍・出生地、家族構成は確認しません。厚生労働省は、公正な採用選考の基本を、本人の適性・能力以外を採用基準にしないこととしています。入口で集めない情報は、匿名化の手間もリスクも生みません。
企業に共有する前の個人情報の扱い方|推薦文に書かないこと
匿名化のルールは、社内ナレッジだけの話ではありません。推薦文や企業への共有でも、記載は必要最小限にします。企業側で就労可否の確認が必要な場合も、「国内での就労について制限はない旨を本人へ確認済みです」と書き、正式確認は企業の手続に沿って対応する、と添える程度で足ります。
- 家族の国籍、本籍・出生地、出自に関する説明は書かない
- 「日本人同様」などの比較表現は使わない
- 本人の同意がない在留資格名は書かない
- 選考に不要な個人情報は、求められても書き足さない
企業へ共有してよい情報の範囲は、面談の場で本人に確認し、同意済みの範囲として記録しておきます。応募書類で使う氏名も、本人の希望する表記に合わせます。
よくあるご質問
PII(個人を特定できる情報)とは、候補者データのどこまでを指しますか
氏名や連絡先だけではありません。私たちは、氏名・フリガナ・電話番号・メールアドレス・住所・生年月日に加えて、在籍企業の実名、学校名、正確な年齢、居住地の詳細までを置き換える対象にしています。単体では特定できなくても、転職回数と各社の業種のように、組み合わせると特定できてしまう情報があるためです。どこまでを対象にするかは会社ごとに決める話なので、まず自社の置換表として書き出すことをおすすめします。
面談メモをそのままClaude Codeに渡しても大丈夫でしょうか
渡す前に伏せる設計にするのが安全です。私たちは、電話番号、メールアドレス、住所、生年月日といった個人を特定する情報を、AIに渡す前の段階で伏せています。実名のデータは社内のローカル環境にだけ置き、外で動く仕組みには匿名化済みのものだけを上げます。そのうえで、入力内容を学習に使わない設定を全員に適用しています。先にこの3点を決めてから、メモをAIに渡す運用を始めてください。
匿名化のチェックは、AIだけで完結させてよいですか
完結させないほうがよいと考えています。私たちは匿名化そのものはAIに任せますが、その出力を別の仕組みで機械的に疑います。実データと突き合わせて氏名や在籍企業名の残りを探し、連絡先の形式も確認し、1つでも引っかかれば一度だけ修正させて、それでもだめなら止めます。機械が見られるのは形式までなので、外に出す前の最終確認は人が担います。
まとめ
候補者データの匿名化は、氏名を消す作業ではなく、置き換え方を決める仕事です。氏名は通番ラベル、年齢は年代、在籍企業は業種+規模、居住地は都道府県、年収は帯。この対応を1枚にまとめ、残してよい業務データも並べて書いておけば、担当者が変わっても同じ書き方で揃います。
Claude Codeに任せられるのは、置換表に沿った書き換えと、実名や連絡先が残っていないかの機械的なチェックです。扱ってよい情報の範囲を決めること、そして外に出す前の事実確認と修正は、人が担います。仕組みが止まったときに設定を緩めるのではなく、渡す前に伏せる側を直す。この順番を守ると、運用はむしろ安全になります。
まずは、自社の置換表を1枚書くことから始めてみてください。氏名・年齢・在籍企業・学校・居住地・年収の6項目だけでも、判断の迷いは大きく減ります。社内でどこまでAIに渡していいかを整理したい段階であれば、人材紹介向けClaude Code研修の内容も参考にしていただけます。
