AI は、文章をすばやく整え、構成を変えたり、基本的な誤りを見つけたりできます。ただし、職務経歴書らしい文章になったからといって、より正確で役立つ内容になったとは限りません。
AI の修正を信頼できるか判断するときは、語調だけを見ないでください。どの記述も、実際に自分が行い、説明できる仕事にたどれることが大切です。
AI が役立つこと
事実がすでに明確なら、AI は次のような作業を助けられます。
- 行動と結果を追いやすい順序に文章を並べ替える。
- 重複や曖昧な修飾語を減らす。
- 誤字、句読点、書式を確認する。
- 経験の中で役割、行動、用途が不明確な箇所を見つけ、確認が必要な事実を示す。
いずれも、入力に十分な正しい情報が含まれていることが前提です。
「よくある問い合わせの分類と振り分けルールを整理した」と確認できているなら、簡潔な文章にできます。しかし、入力が「問い合わせ対応フローの改善に参加した」だけなら、どの工程を変えたかを AI が知ることはできません。
AI が代わりに確認できないこと
その経験が実際にあったか
言語モデルは、受け取った情報をもとに文章を生成します。仕事の記録に自動的にアクセスできるわけではなく、一文だけで出来事の有無を判断することもできません。
数字に根拠があるか
「効率を30%改善」には、定義、対象期間、比較の基準が必要です。AI はその数字を自然な文にできますが、文章の流暢さが数字の正しさを証明するわけではありません。
チームの成果のうち、どこが自分の貢献か
プロジェクトの結果はチーム全体のものかもしれません。自分が担当した部分を区別し、結果とどう関わったかを説明する必要があります。
修正後も、実際の経験に合っているか
文法的に正しくても、元の説明にはなかった判断、責任、成果が加わっている場合があります。整った表現になると、そのずれに気づきにくくなることもあります。
4つの問いで修正を確認する
AI の修正を採用する前に、確かめましょう。
- この文に書かれた出来事は、実際にあったか。
- 数字、対象範囲、結果の根拠を説明できるか。
- チームの成果と自分の貢献を分けているか。
- 面接で詳しく聞かれたら、その仕事を説明できるか。
ひとつでも曖昧なら、表現を強める前に、元の経験に戻って事実を補いましょう。
具体例
以下は方法を説明するための例であり、お客様の成果ではありません。
元の情報
リリース手順の改善に参加した。
AI に「成果を数値化し、リーダーシップを強調して」と指示すると、こう出力されるかもしれません。
根拠のない拡張
リリース手順の全面的な変革を主導し、デプロイ効率を40%改善した。
「主導」「全面的」「40%」が加わっています。どれも、元の情報では裏づけられません。
次に必要なのは、別の書き直しではなく事実の確認です。どの工程が変わり、自分は何を担当し、どうなったのでしょうか。設定確認を追加し、ロールバックの手順を文書化したことが確認できたなら、こう書けます。
確認できた事実に基づく修正
リリース手順に設定確認を追加し、ロールバック手順を文書化。チームが設定の問題を発見し、必要に応じて変更を元に戻せるようにした。
リーダーの役割や未確認の効率改善率を加えず、仕事とその目的を説明しています。
求職活動における AI
中国青年報の2026年5月12日の報道によると、中国の2026年卒業予定者2,040人を対象とした調査で、86%超が春の採用シーズンに生成 AI を使っていました。
これは求職活動におけるさまざまな用途を含む数字です。応募書類の修正に使った人の割合を示すものではなく、すべての求職者を代表するものでもありません。広く使われていても、提案内容を確認する必要はなくなりません。
ResumeMeow の考え方
ResumeMeow は、不明確な箇所を見つけ、変更を提案する前に不足する事実を聞くように設計しています。明確な内容はそのまま残し、修正は利用者が確認した情報に基づくようにします。
ResumeMeow の提案にも、同じ確認が必要です。AI が説明を誤解する場合もあります。採用する前に事実を確かめ、違うところは訂正し、必要なら元の文章を残してください。
経験の説明については、職務経験を職務経歴書に書くにはと、数字がない実績を伝えるにはもご覧ください。