求職者の3人に2人が、生成AIを使っています。しかもその用途は応募書類の作成にとどまらず、「どの会社を受けるか」の絞り込みにまで広がりました。

この変化に対して、採用サイト側で何をすべきか。本記事は、その実務を優先順位つきで整理したガイドです。

構成は次のとおりです。前半で「いま求職者の企業選びに何が起きているか」を調査データで押さえ、中盤で「採用サイトで具体的に何を直すか」を優先順位つきで示します。そして後半では、AI検索対策だけでは採用が決まらない理由——企業ホームページが「使われるのに決まらない」チャネルになっている構造——と、その解き方を扱います。

なお本記事のきっかけは、スタートアップ経営者が集まるイベントでの会話でした。GEO（生成AI最適化：生成AIの回答の中で自社が適切に紹介されるよう最適化する取り組み）への関心を尋ねたところ、「サービス紹介の記事をAIに拾ってもらうより、いま切実なのは採用のほうだ」という声が複数返ってきたのです。求人プラットフォームには膨大な求人が並び、認知のないスタートアップが必要な人材に届く実感を持てない。だからこそ、AIに自社を見つけてもらいたい——その問題意識が正しいのかを、調査データで検証したのが本記事です。

この記事の要点

• •   求職者の67.7%がすでに生成AIで企業を調べ、73.4%が「AIの回答で志望度が変わった」と回答している
  •   そしてAIが示したネガティブな情報を理由に応募を断念した経験のある求職者は71.0%。放置は、誤情報のまま選考から外されるリスクを意味する
  •   ただしAI対策だけでは採用は決まらない。企業ホームページは中途採用で利用率3位（43.6%）にもかかわらず、採用到達率は8位（43.9%）。まず直すべきは、来た候補者を取りこぼす構造

なぜいま「採用でAIに見つけてもらう」ことが課題になったのか？

求職者の67.7%がすでに生成AIを使って就職・転職活動をしており、62.8%が「AI経由でそれまで知らなかった企業を知った」と回答しています（CINC・2026年5月調査／n=1,296）。求人広告の掲載件数は、主要15媒体の週平均で約253万件。認知の少ない企業にとって、AIは媒体に代わる新しい発見の入口になりつつあります。

求職者の生成AI利用は、この2年で急速に広がった

まず、変化の速度を押さえておきます。

 中途層に限っても2年弱で約1.7倍、新卒を含む全体では67.7%に達しています。新卒はさらに変化が急です。マイナビの大学生キャリア意向調査では、2024年卒で39.2%だった就職活動でのAI利用率が、2026年卒で66.6%、2027年卒では84.9%に達しています。HR総研とポートの共同調査（2026年6月／2027年卒346名）にいたっては、就活で生成AIを使っていない学生はわずか3%でした。

「まだ一部の先進的な求職者の話だろう」という感覚は、すでに現実と乖離しています。

用途は「書類作成」から「企業選び」へ広がっている

より重要なのは、使われ方の変化です。

生成AIの用途は当初、エントリーシートや職務経歴書の作成・添削が中心でした。これは企業側にとって直接の脅威ではありません。ところが直近の調査では、企業選びそのものにAIが入り込んでいることが明確になっています。

CINCの調査（n=1,296）では、用途の内訳は次のとおりでした。

• •   応募書類の作成・添削：50.1%
  •   自己分析：44.9%
  •   条件に合う企業の検索：38.8%
  •   企業調査（評判・リスク）：22.0%
  •   業界研究：21.6%
  •   面接対策：18.6%

「条件に合う企業の検索」が4割近い。さらにナイルが就活生419名を対象に行った調査では、約70%が「AIがきっかけで、それまで知らなかった企業を知った」と回答しています。CINCの調査でも同様に62.8%です。

これは企業にとって両義的な事実です。認知のない企業でも発見される可能性が生まれた一方、AIが自社を挙げなければ、その候補者との接点は最初から存在しないことになります。

発見の入口は、すでにAIに組み込まれた

この変化は、求職者の使い方だけの問題ではありません。プラットフォーム側が構造を変えています。

Indeedは2026年2月10日、「Indeed App in ChatGPT」を発表し、同年5月14日には「Indeedアプリ」を日本でも提供開始しました。ChatGPT内で@Indeed と入力するか、Appsメニューから求人検索ができ、Indeedのプロフィールを連携すればパーソナライズされた求人推薦を受けられます。Indeedは3.5億超のプロフィールと、1日1.4億超の希望条件データを保有しています。同社はこの機能を「発見（ディスカバリー）の入口」と位置づけ、応募や企業との接触は自社サイト・アプリで行う設計としています。

OpenAI自身も、2025年9月にAIで求職者と企業をマッチングする「OpenAI Jobs Platform」を発表しました。パートナーにはIndeed、Walmart、John Deere、BCG、Accentureなどが名を連ねています。ただし2026年8月時点で正式なローンチは確認できておらず、同社の2025年12月の発表でも「今後提供予定」と記載されています。

LinkedInは2025年9月、初のAIエージェント「Hiring Assistant」を英語圏でグローバル提供開始しました。こちらは採用担当者側を支援するツールで、早期導入企業では1求人あたり4時間以上の削減、閲覧プロフィール数62%減、InMail承諾率69%改善が報告されています。日本語対応については当該リリースに明記がありません。

つまり求職者の側でも、プラットフォームの側でも、「AIに聞いて仕事を探す」動線の整備が同時に進んでいます。

経営者の実感：媒体依存では「欲しい人材」に届かない

冒頭の経営者の言葉に戻ります。

求人広告の掲載件数は、全国求人情報協会の集計で2,535,229件（2026年6月分・主要15媒体の週平均値）。前年同月比6.4%増です。この母数のなかで、認知のない企業が特定のスキルと志向を持つ人材に届くのは、確かに簡単ではありません。

企業側の実感も同じ方向を示しています。マイナビが2027年卒採用について3,590社に聞いた調査では、採用における課題の上位は母集団不足62.8%、マンパワー不足33.3%、企業知名度不足28.2%でした。また中小企業庁の『2025年版 中小企業白書』では、約7割の中小事業者が「5年前と比べて採用コストが増加した」と回答しています。

母集団が足りず、知名度がなく、コストは上がっている。この状況で「AIがピンポイントで自社を紹介してくれたら」と考えるのは、きわめて自然な発想です。

AIはいま、あなたの会社をどう説明しているか？

生成AIを使って就職・転職活動をした求職者のうち、73.4%が「AIの回答で志望順位が変わった」、71.0%が「AIが示したネガティブな情報を理由に応募を断念した」と回答しています（CINC・2026年5〜6月調査／n=770）。AIの説明は、すでに候補者の意思決定を動かしています。そして企業が何も手を打っていなければ、AIは古い情報のまま自社を紹介している可能性があります。

AIの説明は、どこまで正確なのか

では、AIが語る企業情報はどこまで信頼できるのでしょうか。この点を直接調べた大規模な調査は、現時点では見当たりません。ただし、示唆的なデータはいくつか存在します。

支援会社LANYが、直近1年以内に転職活動でAIを使って企業情報を調べた25〜45歳に聞いた調査では、91.5%が「AIの回答が事実ではない、または正確ではないと感じた経験がある」と回答しました。不正確だと感じた内容として挙げられたのは、すでに変更されている古い情報（58.1%）、存在しない制度・福利厚生の記載（41.9%）、事業内容や企業規模の相違（32.6%）です。同調査では87.4%が、AIで得た情報をきっかけに応募の見送りや選考辞退を経験したとも答えています。

ただし、この調査はサンプル数111名です。数字をそのまま「求職者の9割が誤情報に遭遇している」と読むには母数が小さく、あくまで傾向を示唆するデータとして扱うのが適切でしょう。

同じ方向を示す別の調査もあります。レバレジーズが28卒の学生140名（こちらも小規模です）に聞いた調査では、ハルシネーション（AIの誤情報）の経験率は60.5%。そして「毎回必ずファクトチェックする」と答えた学生は46.0%にとどまりました。

いずれも決定的な数字ではありませんが、誤情報が一定の頻度で発生し、その相当部分が是正されないまま候補者の企業イメージになっているという構図は、複数の調査に共通して現れています。そしてこれは、企業側の実感とも合致するはずです。自社について生成AIに尋ねたとき、完全に正確な説明が返ってきた経験のある方は、そう多くないのではないでしょうか。

AIは常に「比較の文脈」で回答する

もう一つ、押さえておくべき構造があります。

前述のLANY調査（n=111）では、応募見送りや辞退の引き金として最も多く挙げられたのが「競合と比較して見劣りした」（69.1%）でした。次いでネガティブな口コミ・元社員の声（40.2%）、企業イメージへの否定的な記述（27.8%）です。母数は小さいものの、辞退の理由が「自社単体の情報」ではなく「他社との相対評価」に集中している点は注目に値します。

生成AIに「〇〇業界で若手が裁量を持てる会社は？」と尋ねれば、返ってくるのは単独の企業説明ではなく、複数社を並べた比較です。検索エンジンが順位を返すのに対し、AIは要約と評価を返します。自社の情報が薄い、あるいは古いまま放置されていれば、AIは相対的に情報の豊富な競合を、より有利に説明します。

これはSEOの「順位が下がる」とは質の異なる負け方です。順位であれば下位でも存在はしています。AIの回答では、挙がらなかった企業は存在しないのと同じです。

求職者がAIで企業を調べるタイミング

いつ調べられているのかも、対策の設計に影響します。同じLANY調査（n=111）では、AIで企業情報を調べるタイミングの上位は次のとおりでした。

• •   スカウト・オファーを受け取った直後：53.2%
  •   応募を迷っていた段階：40.5%
  •   面接前の下調べ：38.7%
  •   求人を見つけた直後：37.8%

注目したいのは1位です。スカウトを送った直後に、候補者はAIで自社を調べている可能性が高い。もしそうだとすれば、ダイレクトリクルーティングに力を入れている企業ほど影響を強く受けます。個別に口説いたその日に、AIの説明で判断されているかもしれない、ということです。

最も怖いのは「見えないこと」

ここまでの数字が示す最大の問題は、誤情報そのものではありません。この離脱が、企業側からまったく見えないことです。

応募が来なかった候補者は、ATS（採用管理システム）にも解析ツールにも記録が残りません。「今年は応募が少なかった」という結果だけが残り、その原因がAIの説明にあったのかどうかを検証する手段がない。BtoBマーケティングで語られる「ダークファネル」（購買検討が自社の計測外で進む状態）と同じ構造が、採用領域でも起きています。

まずは無料でできる自己診断

対策の前に、現在地の確認をおすすめします。ツールの導入は必要ありません。

1. 自社名を伏せた質問文を10個つくる。「〇〇業界で若手が裁量を持てる企業は？」「東京でリモート勤務ができる〇〇職の求人を出している会社は？」など、候補者が実際に投げそうな非指名の質問です。
2. ChatGPT、Gemini、Perplexity、GoogleのAI Modeなど複数のエンジンに同じ質問を投げる。見るべきは3点。自社が挙がるか、何番目か、出典として自社URLが引かれているか。
3. 自社名を明示した質問も投げる。「〇〇社の残業時間は？」「〇〇社の評判は？」に対する回答が事実と合っているかを確認します。

この2種類の質問（非指名と指名）に対する回答が、採用領域における現在地です。

採用サイトでAI検索対策として何をすべきか？

優先順位は「①一次情報を検証可能な事実として書く → ②求人情報の構造化データ（JobPosting）を正しく運用する → ③第三者メディアでの言及を増やす」です。よく推奨されるllms.txtについては、Googleが「純粋に投機的」との見解を示しており、実測でも設置ドメインの97%が月内に一度もアクセスされていません。優先度は高くありません。

【最優先】抽象語を「検証可能な事実」に置き換える

最も効果が大きく、かつ最も手をつけやすいのがここです。

ファングリーが求職者412名に行った調査では、公式情報について「定型的できれいごとだと感じた」が34.2%、「抽象的な言葉が多い」が29.6%という結果が出ています。同じ調査で、「実態がわからない」ことを理由に応募や内定承諾を見送った人が46.1%、公式情報の不足を補うためにSNSやクチコミサイトで検索した人が72.8%にのぼりました。

「風通しの良い社風」「働きやすい環境」「若手が活躍」——これらの表現には共通の問題があります。AIが引用できる情報が含まれていないのです。AIは要約と比較を行うため、他社と区別できない記述は、回答に採用されにくくなります。そして同じ理由で、求職者にも刺さりません。

置き換えの例を挙げます。

ここで重要なのは、この置き換えがAI対策とCX（顧客体験。採用文脈では候補者体験）改善の両方に同時に効くことです。数値で書かれた情報はAIに引用されやすく、同時に求職者の意思決定材料になります。片方のために片方を犠牲にする必要がありません。

JobPosting構造化データを正しく運用する

求人情報の構造化データ（schema.orgのJobPosting）は、AI検索の時代においても有効な打ち手です。

Googleの求人情報に関するドキュメントは2025年12月18日に更新されており、求人検索エクスペリエンスの提供国リストには日本も明記されています。「Google for Jobsは終わったのでは」という誤解が一部にありますが、終了したのは有料のGoogle Job Ads（2024年）であり、オーガニックの求人検索体験は継続しています。

必須プロパティはtitle、description、hiringOrganization、jobLocation、datePosted、そして募集期限がある場合はvalidThroughです。

なお、給与に関する「Estimated Salary」のリッチリザルトは2025年6月に廃止されています。古い記事がこれを推奨している場合があるため、実装前に最新のガイドラインを確認してください。

運用上の注意点として、期限切れの求人を掲載したまま放置すると手動対策（manual action）の対象になり得るとGoogleが明記しています。求人を閉じたら構造化データも更新する運用を、必ずセットで設計してください。

なお、構造化データがLLM（大規模言語モデル）に対してどこまで効くのかについては、Google側も慎重な言い方をしています。Search RelationsチームはAI検索時代においても構造化データの使用を推奨する一方、John Mueller氏は2026年1月に「効くかどうかはyes, no, and it depends」「ランキング上昇を期待するのは希望的観測」と個人見解を述べています。やっておくべきだが、これ単体で劇的な効果を期待するものではない、という位置づけが妥当です。

候補者の「問い」に答えるページを持つ

AIが引用しやすいのは、問いと答えが対になった構造です。候補者が実際にAIへ投げる質問——「残業はどれくらいか」「未経験でも応募できるか」「選考は何回あるか」「入社後の研修は」——に、採用サイト上で明確に答えているページがあるかどうかを確認してください。

ここで一点、混同されやすい論点があります。FAQの構造化データによるGoogleのリッチリザルト表示は、2026年5月7日に停止されました。レポートやリッチリザルトテストの対応も2026年6月に終了しています。「FAQスキーマを入れれば検索結果で目立つ」という従来のメリットは、すでに存在しません。

ただしGoogleは「FAQPageマークアップを残しても害はない」「schema.orgのタイプとしては有効」としており、AIに情報を提供するという別レイヤーの価値は残ります。検索結果での見た目のためではなく、AIに読ませるために置く——目的が変わったと理解するのが正確です。

求人媒体との「二段構え」で設計する

自社サイト単独でAIの回答枠を取りにいくのは、現実的ではありません。

支援会社ipeが自社で行った調査では、AI回答における求人領域の引用はdodaやIndeedといった大手求人媒体が支配的だと報告されています。母数の規模と更新頻度で、一般の事業会社が正面から競うのは困難です。

現実的な設計は二段構えです。媒体を入口として使いつつ、そこから自社の採用サイトで深掘りしてもらう。媒体上の情報も、自社サイトの情報も、同じ「検証可能な事実」で統一しておくことが前提になります。記述が食い違っていれば、AIはどちらかを誤って引用します。

【優先度は低い】llms.txt の現在地

GEO関連の記事ではllms.txtの設置がよく推奨されますが、2026年8月時点でこれを優先する根拠は乏しいのが実情です。

GoogleのJohn Mueller氏は2026年6月、llms.txtについて「現時点では純粋に投機的」「このファイルは何年も存在しているが、どのAIシステムも使っていない」と述べました。

実測データも同じ方向を示しています。Ahrefsがトラフィックのある137,210ドメインのサーバーログを分析した調査（2026年5月計測／同年6月公表）では、次の結果が出ています。

• •   対象ドメインの28%がllms.txtを設置していた
  •   そのうち97%が、その月に一度もリクエストされなかった
  •   リクエストの96%はボットによるもので、AI関連ボット由来は全リクエストの19.5%にとどまった。残りの多くは監査・クローリング系の非AIツールだった

Mueller氏は代替として「ほとんどのサイトにとって最も基本的な優先事項は、AIエージェントをブロックしないこと」と述べています。llms.txtを設置する前に、まずrobots.txtやWAF（Web Application Firewall）の設定でAIクローラーを遮断していないかを確認するほうが、はるかに費用対効果が高いということです。

「AIに見つけてもらう」だけでは、なぜ採用が決まらないのか？

中途採用において企業ホームページは利用率43.6%で全チャネル中3位ですが、実際の採用到達率は43.9%で8位にとどまります（マイナビ・2025年12月調査／n=1,500）。つまり自社サイトは十分に使われているのに、成果への転換率が低い。流入を増やす前に、来た候補者を取りこぼしている構造を直すほうが先です。

「使われているのに決まらない」チャネル

マイナビ「中途採用状況調査2026年版」の数字を並べてみます。

 ※採用到達率＝そのチャネルを利用した企業のうち、実際に採用に至った企業の割合

企業ホームページは、3番目に多く使われているチャネルです。にもかかわらず、成果への転換率は10チャネル中8位です。利用率43.6%と採用到達率43.9%を掛け合わせると、企業ホームページ経由で実際に採用できた企業は全体の19.1%にとどまります。

この非対称性が意味することは明確です。採用サイトには十分な流入があります。問題は、そこから先で落としていることです。

AI検索対策に投資して流入をさらに増やしたとしても、この構造が残ったままなら、増えた分もまた同じ割合で失われます。順序が逆です。

採用サイトの体験そのものが、志望度を動かしている

では、どこで落ちているのか。ここには示唆的なデータがあります。

キャリタスリサーチが2025年卒の大学生1,030名に行った「採用ホームページに関する調査」では、採用ホームページのデザインや情報の古さが志望度に「影響する」と答えた学生が87.8%（とても影響する26.7%＋やや影響する61.1%）でした。

同じ調査で、企業探しと企業研究で情報源が分かれていることも示されています。

• •   企業を探す段階の情報源1位：就職情報サイト（76.3%）
  •   企業を研究する段階の情報源1位：個別企業のホームページ（63.1%）

そして採用ホームページに「かなり目を通した」学生は67.9%でした。

なお、この調査は2025年卒版（2024年7月発行）が最新で、2026年卒・2027年卒版は本記事執筆時点で未発行です。年次には留意してください。

構造としては、媒体で見つけて、公式サイトで判断しているということです。判断の場が自社サイトである以上、そこでの体験が志望度を左右するのは当然の帰結です。

そしてこの構造は、AI検索が普及しても変わりません。むしろ強まっています。ナイルの調査では、AIで得た情報を企業の公式サイト・採用ページで確認する学生が約89%にのぼりました。AIは判断の材料を集める場であって、判断そのものを下す場ではない。裏取りの舞台は、いまも自社の採用サイトです。

採用サイトは「一度きりのLP」ではない

もう一つ、設計上重要な事実があります。

OTOGIが26卒・27卒の学生429名に行った調査では、応募から選考期間にかけて採用サイトやオウンドメディアに2回以上アクセスした学生が71.8%でした。応募前に情報収集する学生は51.3%です。

採用サイトは、一度見て終わりのランディングページではありません。応募を迷っている段階、面接前、内定を承諾するかどうかの段階と、意思決定の節目ごとに繰り返し訪問される場です。訪問のたびに異なる問いを持って来ているため、そのつど答えを見つけられるかどうかが問われます。

AI経由の候補者は、比較検討を済ませた状態で来る

ここまでの話は、AI検索の普及によってさらに重みを増します。

CINCの調査では、AIの回答によって志望度が変わった経験がある求職者は73.4%、意思決定に影響したと答えた人は66.5%でした。AIで比較検討を済ませた候補者は、来訪時点ですでに一定の期待値を持っています。

これは機会でもあり、リスクでもあります。意欲の高い候補者が来るということは、そこで期待を下回ったときの損失が、従来より大きいということです。「AIではよく書かれていたのに、実際のサイトを見たら情報が古い、応募方法がわかりにくい」——この落差は、そのまま辞退につながります。

そしてAIが回答の中で答えを完結させるほど、サイトへの訪問数そのものは減っていきます。GEOは、細くなった入口の中で検討リストに残るための施策です。成果をつくる施策ではありません。 成果は、来訪した1人を逃さない設計からしか生まれません。

AI検索対策とCX改善を、どう一本の線でつなぐか？

必要な打ち手は5つです。AI上での見え方を測り、情報構造を直し、AI経由の流入を成果に紐づけ、採用サイト上の離脱を可視化し、応募完了率をテストで改善する。この一連が揃って初めて、採用領域のAI検索対策は採用実績に変換されます。

順に見ていきます。

①測る — AIが自社をどう説明しているかを可視化する

出発点は計測です。前述の手動チェックは現在地の把握には有効ですが、継続的な運用には向きません。質問文を変えれば回答は変わり、モデルの更新でも変わります。

AthenaHQは、ChatGPT、Gemini、Claude、Perplexity、AI Overviewsなど複数のAIエンジンにおける自社の見え方を計測するプラットフォームです。Google SearchおよびDeepMindの元プロダクトマネージャーらが創業し、ギャプライズが2025年12月から国内で提供しています。

計測できるのは3点です。AIが参照した情報源（ソース）、AIが認識している自社の強み・弱み、そして競合と比較したシェア・オブ・ボイス（SOV：AI回答における露出シェア）。SOVはAIモデルごとに見られるため、「ChatGPTでは挙がるがGeminiでは挙がらない」といった偏りも把握できます。上位プランでは、記述の食い違いを検知する機能（Oracle）も提供されています。

なお課金はクレジット制で、1クレジット＝1つのAIレスポンスです。「プロンプト数×対象エンジン数×計測頻度」で消費される設計のため、追跡する質問文の設計が運用コストに直結します。管理画面は英語ですが、ギャプライズが提供するChrome拡張機能「Gaprise翻訳」を使うことで日本語で操作できます。

②直す — 情報構造をAIが読める形に整える

計測して課題が見えても、修正の実行が滞れば意味がありません。

LightSite AIは、GEO/AEO（Answer Engine Optimization：回答エンジン最適化）対策を自動で実行するAIエージェントです。ギャプライズが2026年6月から提供しています。サイトの既存情報をAIが理解しやすい形に構造化し、AI向けサイトマップ等を通じて重要情報を届け、主要な生成AIへ定期的に問いかけて自社の紹介のされ方を監視します。不足しているコンテンツの作成や外部メディアへの掲載依頼を、ユーザーの承認を経て自動実行する点が特徴です。WordPress、Webflow、Shopifyなど主要なサイト構築ツールに対応しています。

採用サイトの文脈では、求人情報の構造化、募集終了求人の更新、候補者の問いに答えるコンテンツの整備といった作業が対象になります。人事部門にWeb実装のリソースがないケースは多く、ここを自動化できる意味は小さくありません。

③つなぐ — どのプロンプト経由の候補者が応募したか

計測と修正ができても、「それが応募につながったのか」が分からなければ、社内で予算を継続できません。

Limyは、AI検索経由のプロンプトから訪問、コンバージョンまでを接続して計測するプラットフォームです。ギャプライズが2026年3月から国内提供しています。AIプロンプトを起点としたアトリビューション計測、ターゲットが使う検索プロンプトの特定、競合インテリジェンス、リアルタイムのトラフィック監視といったモジュールで構成されています。

「どんな質問をした候補者が、実際に応募まで至ったか」が見えれば、注力すべき質問文の優先順位づけができます。

④見る — 採用サイトのどこで迷い、離脱しているか

そして、本記事で最も強調したい領域がここです。

前述のとおり、企業ホームページは「使われているのに決まらない」チャネルでした。しかし、なぜ決まらないのかは、アクセス解析の数字だけでは分かりません。「求人詳細ページのPVは多いが応募が少ない」という事実は分かっても、候補者がどこで迷い、何を探して見つけられず、どの時点で諦めたのかは見えません。

Contentsquareは、この不可視領域を扱うデジタル体験分析（DXA）プラットフォームです。ヒートマップ、セッションリプレイ（実際の操作を動画のように再現する機能）、ファネル分析によってユーザーの行動を再現し、AIが「迷い」「繰り返し操作」といった摩擦（フリクション）を定量化します。

採用サイトで典型的に見つかるのは、次のような問題です。

• •   求人詳細ページを最後まで読む前に離脱している（情報の順序が候補者の関心順になっていない）
  •   「募集要項」と「社員インタビュー」を何度も行き来している（判断に必要な情報が分散している）
  •   応募フォームの特定の項目で入力が止まり、そのまま離脱している
  •   スマートフォンでは表示されていない情報がある

これらは、AI検索対策の範囲では見つかりません。そして採用担当者の想像でも見つかりません。実際の候補者の行動を見て初めて分かるものです。

⑤検証する — 応募完了率をテストで改善する

見つけた仮説は、思い込みのまま実装しないことが重要です。

VWOおよびAB Tastyは、A/Bテストによって施策の効果を検証するツールです。求人詳細ページの情報の順序、応募フォームの項目数、CTA（応募ボタン）の文言と配置、社員インタビューの見せ方——こうした要素を実際にテストし、応募完了率という最終指標で判断します。

なお2026年、AB TastyとVWOの統合が発表されています。ギャプライズは日本で両ツールのノウハウを蓄積し公式サポートを行っています。

5つを1本の線としてつなぐ

整理すると、次の流れになります。

 ①〜③が「AIに見つけてもらう」、④〜⑤が「見つけてもらった後に逃さない」です。多くの企業が①〜③だけに投資し、④〜⑤が空白のまま止まっています。企業ホームページの採用到達率が8位にとどまっている理由は、おそらくそこにあります。

採用領域のAI検索対策は、何から始めればよいか？

ツール導入の前に、予算をかけずにできる確認があります。①候補者が投げそうな質問を10個つくってAIに投げる、②自社の採用サイトの応募完了率を1つの数字として出す、③その2つを並べて、流入と転換のどちらが弱いかを判断する。この3ステップで、投資すべき方向が決まります。

ステップ1：候補者の質問を10個つくり、AIに投げる

前述の自己診断のとおり、自社名を伏せた非指名の質問と、自社名を明示した質問の両方を用意してください。挙がらない場合は流入側の課題、挙がるが説明が誤っている場合は情報構造の課題です。

ステップ2：採用サイトの応募完了率を1つの数字にする

分母を求人詳細ページのPV、分子を応募完了数として、率を出してみてください。

この数字がすぐに出せない場合、それ自体が最初の課題です。採用サイトの成果が数値で管理されていない状態では、改善の議論を始められません。まずは計測の設計から着手する必要があります。

ステップ3：流入と転換、どちらが弱いかを判断する

2つの結果を並べます。

 順序を間違えないことが、この記事で最も伝えたいことです。

まとめ：AIに選ばれるより先に、来た1人を逃さない設計を

経営者の方が語っていた「AIがピンポイントで自社を紹介してくれたら」という発想は、方向として正しいものです。求職者の67.7%がすでにAIで企業を調べ、62.8%がAI経由で知らなかった企業を知っている。認知のない企業にとって、これは確かに新しい機会です。

同時に、リスクの側面も無視できません。73.4%が「AIの回答で志望順位が変わった」と答え、71.0%が「AIのネガティブな情報を理由に応募を断念した」と回答しています。AIが誤情報を語る頻度については決定的なデータがまだありませんが、複数の調査が同じ方向を示しています。何もしなければ、AIは古い情報のまま自社を説明し続けるかもしれない。しかもその離脱は、企業側から一切見えません。

ただし、AI検索対策だけでは採用は決まりません。企業ホームページは中途採用で利用率3位（43.6%）にもかかわらず、採用到達率は8位（43.9%）にとどまります。流入が足りないのではなく、来た候補者を取りこぼしている。この構造を放置したまま入口を広げても、増えた分は同じ割合で失われます。

最初の一歩に予算は必要ありません。候補者が投げそうな質問を10個つくってAIに投げてみてください。そして自社の採用サイトの応募完了率を出してみてください。この2つの数字が、貴社の現在地を示します。

そこから先——計測の仕組み化、AIに読める情報構造への整備、採用サイトの行動データの可視化、応募完了率の検証まで踏み込む段階で、リソースや知見の壁にぶつかったら、ぜひご相談ください。ギャプライズでは、AI検索での可視性計測（AthenaHQ、LightSite AI、Limy）から行動データの可視化（Contentsquare）、A/Bテストによる検証（VWO、AB Tasty）まで、海外で実績のあるソリューションを国内で提供しています。

採用におけるAI検索対策を「やってみた」で終わらせず、採用実績に接続するところまで、一緒に設計させてください。

よくある質問（FAQ）

Q：採用GEO（採用LLMO）とは何ですか？

採用GEOとは、ChatGPTやGeminiといった生成AIが求職者のキャリア相談や企業研究に答える際、自社が適切に紹介・引用されるよう最適化する取り組みです。GEOはGenerative Engine Optimization（生成AI最適化）、LLMOはLarge Language Model Optimizationの略で、ほぼ同義で使われます。採用領域では、求人情報の構造化、検証可能な事実の記載、第三者メディアでの言及が主な打ち手になります。

Q：求職者はどれくらい生成AIを使って企業を調べていますか？

CINCが2026年5月に実施した調査（n=1,296）では、就職・転職活動での生成AI利用率は全体67.7%（新卒77.8%／中途60.2%）でした。用途としては応募書類の作成・添削50.1%、自己分析44.9%に次いで、「条件に合う企業の検索」が38.8%を占めています。またAI経由で知らなかった企業を認知した割合は62.8%、AIの回答で志望度が変わった経験は73.4%でした。

Q：AIが自社について誤った情報を出している場合、どう直せばよいですか？

まず自社の公式情報を、AIが参照できる形で正確・最新に整えることが基本です。具体的には、古い情報の更新、抽象表現の具体的な数値への置き換え、求人情報の構造化データ（JobPosting）の適切な運用、そして候補者の問いに答えるページの整備です。AIは複数の情報源を参照するため、自社サイトだけでなく求人媒体や第三者メディアの記述との整合性も確認してください。継続的に監視する段階では、AthenaHQのような計測ツールの出番になります。

Q：採用サイトに llms.txt を置くべきですか？

2026年8月時点では、優先度は高くありません。GoogleのJohn Mueller氏は2026年6月に「現時点では純粋に投機的」と述べており、Ahrefsが137,210ドメインを分析した調査では、llms.txtを設置したドメインの97%が計測月に一度もリクエストされていませんでした。それよりも、robots.txtやWAFの設定でAIクローラーを意図せず遮断していないかを確認するほうが優先度は高くなります。

Q：JobPosting構造化データはAI検索にも有効ですか？

Googleの求人情報ドキュメントは2025年12月に更新されており、日本も求人検索エクスペリエンスの提供国に含まれています。AI検索時代においてもGoogleのSearch Relationsチームは構造化データの使用を推奨しています。ただしJohn Mueller氏は個人見解として「ランキング上昇を期待するのは希望的観測」とも述べており、これ単体で劇的な効果を期待するものではありません。なお、期限切れの求人を放置すると手動対策の対象になり得るため、運用ルールの設計が必要です。

Q：求人媒体をやめて自社採用サイトに一本化すべきですか？

現時点では推奨できません。AI回答における求人領域の引用は、dodaやIndeedといった大手求人媒体が支配的だと報告されています。母数と更新頻度で一般の事業会社が正面から競うのは困難です。現実的な設計は、媒体を入口として活用しつつ、自社の採用サイトで深掘りしてもらう二段構えです。その際、媒体上の情報と自社サイトの情報を同じ事実で統一しておくことが前提になります。

Q：FAQの構造化データはもう不要ですか？

Google検索のリッチリザルトとしての表示は2026年5月7日に停止され、レポート対応も同年6月に終了しました。「検索結果で目立つ」という従来のメリットはすでにありません。ただしGoogleは「FAQPageマークアップを残しても害はない」「schema.orgのタイプとしては有効」としており、AIに情報を提供するという別の目的では意味が残ります。目的が変わったと理解するのが正確です。

数値の取り扱いについて

本記事で引用したLANY調査（n=111）およびレバレジーズ調査（n=140）はサンプル数が小規模です。統計的な代表性を持つ数字としてではなく、傾向を示唆するデータとしてご覧ください。本文中でも該当箇所にその旨を記載しています。またキャリタスリサーチ「採用ホームページに関する調査」は2025年卒版が最新であり、2026年卒・2027年卒版は本記事執筆時点で未発行です。