本文へ移動
人材紹介向け Claude Code研修produced by Staneer

BLOG

候補者データの匿名化ルールをClaude Codeで整える|人材紹介の個人情報の扱い方

「この面談メモ、そのままAIに渡して大丈夫ですか」。社内でこう聞かれて、すぐに答えられなかった、という話をよく伺います。候補者データの匿名化は、だいたいこの一言から始まります。実際に社内の事例ファイルを開くと、本文は属性表現に直してあるのに、CA(キャリアアドバイザー、候補者担当)の発話を引用した部分に名前が残っていた、ということが起こります。

やりにくいのは、匿名化が「氏名を消す作業」ではないからです。どこまで抽象化すれば業務に使えるのか、逆にどこまで残さないと後から追えないのか、という線引きの話になります。私たちの実感としても、氏名が1か所残っていたら、それだけで信頼を失います。だからこそ、担当者の注意力に預けずに、ルールと検査の形にしておく必要があります。

この記事では、候補者データの匿名化ルールをClaude Codeで整える手順を、人材紹介会社の個人情報の扱い方として整理します。Claude Codeは、日本語の指示でファイルや資料を扱えるAnthropic社のAIツールです。先に結論を言うと、置換表に沿った書き換えと、実名・連絡先が残っていないかの機械的なチェックはAIに任せられます。一方で、扱ってよい情報の範囲を決めることと、外に出す前の最終確認は人の仕事です。

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。

  1. 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。
  2. 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。
  3. 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。

あわせて読む

候補者データの扱い方 →人材紹介向けClaude Code研修の内容・人数・費用条件 →

FREE CONSULTATION

自社のKPIの業務に当てはめて、相談する

オンライン・約60分の無料相談。実務の実演を見ながら、対象業務・受講方法・費用条件をご確認いただけます。人材紹介向けClaude Code研修は、スカウト・推薦文・マッチングなど9つの業務テーマから選べます。

本記事は、人材紹介事業を運営するStaneer株式会社が、自社の業務ナレッジをもとにAI(Claude)を使って作成しています。記事中のAI活用は「AIの出力を人が確認・修正して使う」ことを前提にしています。Claude および Claude Code は Anthropic PBC の商標であり、本研修・本ブログは Anthropic社による提供・後援・承認を受けたものではありません。