履歴書にChatGPTを使ったことは採用側にバレるのか？
文責 Aaron Cao · 更新
バレません。履歴書をChatGPTが書いたと確実に証明する方法はありません。AIテキスト検出器が返すのは確率であって証拠ではなく、履歴書が引っかかるのは、その形式がもともと定型的だからです。採用側が確認できるのは、あなたの記述が会話の中で通用するかどうかです。
AI検出器はChatGPTの使用を証明できるのか？
ChatGPTで箇条書きを書き直し、ファイルを送ってしまった今、受け取った側で何かに引っかかったのではないかと気になっているはずです。この節では、履歴書をAIテキスト検出器にかけたとき実際に何が出てくるのかを扱います。結論を先に言えば、出てくるのは確率スコアであって、証拠ではありません。
検出器の仕組みは統計的です。語の選び方がどれだけ予測しやすいか、文のリズムがどれだけ揺れるかを測り、それをモデルが書いた可能性へと変換します。出力は文章についての推測であり、何が入力したかの記録ではありません。ファイルには生成の痕跡が残らないため、採用チームが調べたいと思っても、調べる対象そのものが存在しません。
そして履歴書は、この手法にとってほぼ最悪の入力です。短く、箇条書き中心で、キーワードが密で、ChatGPTより数十年前からある型に沿って書かれます。並列構造、力のある動作動詞、簡潔で数値化された一行。これらは履歴書の書き方として長年勧められてきたものであり、同時に言語モデルが生み出すものそのものです。検出器が人の書いた履歴書を判定するのも、生成された履歴書を判定するのも、理由は同じです。OpenAIは2023年、実運用での精度の低さを理由に自社のAIテキスト分類器を取り下げました。単一のスコアにどれだけの重みを置くべきかを考えるうえで有益な材料です。
検出をめぐる主張が全体としてどこまで通用するかは /answers/topic/detectability にまとめてあります。
採用側が実際に確認しているのは何か？
履歴書がたどる流れは、前半が機械、後半が人です。パーサーがテキストを抽出し、ランキング処理が求人票と突き合わせ、残ったものを採用担当が読みます。そのどの段階も、誰が入力したかを問いません。問われるのは、内容が職務と合っているか、細部に食い違いがないかです。
決済企業のシニア職に応募するバックエンドエンジニアを考えてみます。彼女の履歴書には、決済処理サービスのp99レイテンシを3分の1削減したと書かれています。誰もその一行を検出器にはかけません。採用担当は電話面談でそこを掘り、答えに形があるか、つまりボトルネックがどこで、何を変え、どう測ったのかを語れるかどうかが分かれ目になります。その会話こそ、この過程で確実に機能する唯一の検出器です。
だからこそ、誰が書いたかという問いは主に応募者側の不安であり、実務上の問いは一貫しているかどうかです。合わない日付、二回の応募の間に大きくなった肩書き、誰にも再現できない数値。こうしたものは人が気づきますし、実際に面接の機会を失わせるのはこちらの失敗です。履歴書関連の他の記事は /answers/topic/resume にあります。
AIで書いた履歴書が本当に失敗するのはどこか？
モデルで下書きすることの弊害は確かにありますが、それは検出以外の場所に現れます。大半は次の3つの失敗に集約されます。
- ありふれた言い回し。モデルは学習したもの全体の平均へ向かって書くため、あなたの箇条書きは他の応募者全員の箇条書きと同じように読めてしまいます。これは検出の問題ではなくランキングの問題で、しかも最もよくある問題です。
- 自分で説明できない記述。モデルが担当範囲を膨らませたり、行を埋めるために数値をでっち上げたりしたものをそのまま残せば、電話面談で露呈します。リスクは履歴書そのものではなく、常に次の質問の側にありました。
- 求人票とつながっていない。求人票を読んでいないモデルは、その職種の一般的な姿に向けて書きます。一方でランキング処理は、具体的な一件とあなたを突き合わせています。
この3つの対処法は同じです。声に出して議論することになる内容については、数値も、担当範囲も、言葉づかいも自分のものを使ってください。
AIを使いながら履歴書を自分のものに保つ方法
モデルで下書きすること自体は問題ありません。出力を読まずに送ることが問題です。短い検証を一度通せば足ります。
- 数値はすべて、根拠を指し示せるかどうかで照合します。出所を示せないものは、その仕事の平明な説明に置き換えます。
- 履歴書を声に出して読みます。自分の口調で言えない一文は、自分の口調で書き直します。
- 誰のものでもあり得る箇条書きは書き直します。具体的なシステム、制約、結果こそが、学習データの平均からあなたを切り離すものです。
- 体裁を編集したあと、ファイルがきれいに解析されるか確認します。抽出を壊すのは、たいてい言葉づかいではなくレイアウトの変更です。
SubcueAI創業者のAaron Caoは、この役割分担を前提に履歴書まわりの機能を作りました。無料のビルダーはパーサーが読めるようテキストレイヤー付きのPDFを書き出し、ライブアシスタントはアップロードされた履歴書を読み込んで、面接中に実際の経歴を参照できるようにします。どちらの工程も、文書がどう下書きされたかを覆い隠そうとはしません。そこは労力をかけて防ぐ価値のあるリスクではないからです。ビルダーは /resume-builder にあります。