求職者が生成AIで企業研究をするとき、企業概要を1回聞いて終わるとは限りません。回答を見て「本当にそうか」「他社と比べるとどうか」「悪い評判はないか」と追質問し、公式サイトや口コミなどで確かめたうえで応募判断へ進むことがあります。
本記事で調べるのは、この生成AI内の会話行動です。企業名検索、採用サイト、口コミ、SNS、AI検索を横断した応募前行動全体の順序や離脱地点を調べたい場合は、既存記事「求職者の応募前検索ジャーニーを調査する方法」で扱います。
ここでは範囲を絞り、求職者が「何を質問し」「AIが何と答え」「何を追質問し」「回答をどこまで信用し」「何を外部確認し」「判断がどう変わったか」を取得します。実際の質問ログを質問タイプ×検討段階で分類し、採用サイト・評判情報・AIO（AI検索最適化）の改善へつなげる方法を解説します。
求職者の生成AI調査では「利用率」より質問内容を調べる
求職者の生成AI利用を調査する場合、「ChatGPTを使っていますか」という利用率だけを聞いても、採用広報の改善場所は特定できません。
求職者が口コミ・検索・SNSなど複数の情報源で企業評判を確認する全体像は、採用ブランディングとは何かで整理しています。
ナイル株式会社が2026年3月25日～30日に、就職活動経験のある学生419人を対象として実施した調査では、「よく使う」34.4％、「ときどき使う」41.8％で、7割以上が就職活動の情報収集に生成AIを利用していました。利用場面では「企業研究」が37.9％でした。
転職領域でも、株式会社Iteraが2026年8月に過去1年以内の転職活動者880人を分析した調査で、26.02％がChatGPT・Gemini・Copilotなどの生成AIに質問して企業情報を収集していました。AIで調べた内容では「企業の事業内容・評判」が59.24％、「年収・待遇の相場」が53.82％でした。
さらに株式会社CINCの2026年調査では、生成AIを就職・転職活動で利用した770人に企業探し・企業研究時の実際の指示や質問を自由記述で聞き、「リスク回避」と「個別最適化」という異なる使い方が確認されています。
つまり、企業側が次に把握すべきなのは利用率そのものではなく、自社や候補企業について、求職者が生成AI上でどのような問いを立て、回答を受けて次に何を聞いているかです。
なお、外部調査の割合は調査対象や質問条件が異なります。複数調査の数字を単純比較して自社候補者の利用率とみなすのではなく、自社調査の設計材料として使います。
求職者が生成AIへ聞く質問は7種類に分けて考える
生成AIへの質問は、企業名を入力して概要を聞くものだけではありません。自分の条件から候補企業を探す質問、弱みや評判を確認する質問、複数企業を比較する質問などがあります。
調査では、少なくとも次の7分類を用意すると整理しやすくなります。
| 質問分類 | 求職者が知りたいこと | 質問例 |
|---|---|---|
| 企業理解 | 何をしている会社か | 「○○社の事業内容を簡単に教えて」 |
| 強み・弱み | 他社と何が違うか | 「○○社の強みと弱みは？」 |
| 企業比較 | どちらを選ぶべきか | 「A社とB社を働き方で比較して」 |
| 評判・リスク | 問題のある会社ではないか | 「○○社の評判や注意点は？」 |
| 条件確認 | 給与・休日・制度はどうか | 「○○社の年収や福利厚生は？」 |
| 適合性 | 自分に合うか | 「この経歴なら○○社は合う？」 |
| 推薦・候補探索 | ほかに良い会社はないか | 「若手が成長できる会社を5社教えて」 |
CINCの調査でも、評判や問題点を確かめる質問と、自分の特性・希望条件を渡して候補を絞る質問の両方が確認されています。選択肢だけでなく実際のプロンプトを集めることで、企業側が事前に想定していなかった問いを発見できます。
特に分けて見たいのが、指名質問と推薦型質問です。
指名質問は「○○社の評判は？」のように企業名がすでに候補に入っている質問です。一方、「リモート勤務ができるIT企業」「20代から裁量を持てる会社」のような推薦型質問では、まだ企業名を知らない段階で候補が提示されます。
この2つを混ぜると、「既に認知されている企業の説明不足」と「そもそも候補として推薦されない問題」を区別しにくくなります。
調査はアンケート・インタビュー・利用日記の3つを組み合わせる
3つの調査方法は、一般的なリサーチ手法として詳しく説明する必要はありません。本記事では、生成AI固有の何を取るかだけ役割を分けます。
| 調査方法 | AI固有で取得するもの | 主な用途 |
|---|---|---|
| アンケート | 実プロンプト、追質問有無、信用度、外部確認、判断変化 | 質問パターンの量的把握 |
| インタビュー | 回答のどこが気になり、なぜ追質問・確認したか | 会話が続いた理由の把握 |
| 利用日記 | 質問→回答→追質問→外部確認→判断の時系列 | 実際の会話チェーンの把握 |
アンケートだけでは回答後の会話を再現しにくく、インタビューだけでは頻度を把握しにくくなります。利用日記を組み合わせることで、「最初に何を聞いたか」だけでなく、その回答が次の質問や確認行動をどう生んだかまで残せます。
生成AIを使ったキャリア情報探索について、Wangらが2025年に中国の大学生502人を対象として行った研究でも、利用行動は単一要因ではなく、知識・経験、技術への準備度、自己効力感、出力品質、有用性など複数の条件から形成されると報告されています。そのため、自社調査でも利用有無だけでなく、回答をどの程度役立つ・信用できると感じたかを取得します。
STEP1｜アンケートで実プロンプトと回答後の行動を取る
アンケートでは、一般的な「どの媒体を使ったか」を広く聞くのではなく、生成AIを使った人について直近の実際の会話を起点にします。
最低限、次の項目を含めます。
| 調査項目 | 質問内容 |
|---|---|
| 利用場面 | 企業探索、企業研究、比較、評判確認、応募判断など、どの段階で使ったか |
| 利用サービス・日時 | ChatGPT、Gemini、Copilot、Perplexityなど／利用したおおよその時期 |
| 最初の実プロンプト | 実際に入力した質問を可能な範囲で記入 |
| AI回答の要点 | 回答のうち、判断に関係した内容は何だったか |
| 追質問 | 続けて何と質問したか |
| 追質問の理由 | 情報不足、矛盾、比較、個別条件、信用確認など、なぜ続けて聞いたか |
| 信用判断 | その回答をどの程度信用したか／何が不安だったか |
| 外部確認 | 公式サイト、採用ページ、口コミ等で事実確認したか |
| 確認結果 | AI回答と一致、一部一致、不一致、確認できずのどれだったか |
| 判断変化 | 企業への印象・志望度・応募判断がどう変わったか |
自由記述の実プロンプトを必須または準必須にすることが重要です。
「福利厚生」「社風」など企業側が用意した選択肢だけでは、「子育てしながら働けるか」「体育会系ではないか」「この経歴で活躍できるか」といった、求職者本人の言葉を取りこぼします。
一方、会話全文の提出を必須にする必要はありません。調査目的に必要なのは、応募前検索ジャーニー全体ではなく、生成AI上で起きた質問と回答後の反応です。まずは最初の質問、判断に関係した回答要点、追質問、外部確認結果を取得します。
STEP2｜インタビューで「最後に使った1回」の会話チェーンを再現する
インタビューでは「普段どう使いますか」と抽象的に聞くより、最後に企業研究・評判確認で生成AIを使った1回を再現してもらいます。
確認する順番は次のように固定します。
- その時点で何を知りたかったか
- 最初に実際に何と質問したか
- AIは何と答えたか
- 回答のどの部分が参考になった・気になったか
- 何が不足・不明・不自然だと感じたか
- その結果、何を追質問したか
- 追質問後の回答をどこまで信用したか
- 事実確認が必要だと感じた内容は何か
- 外部で確認した結果、AI回答と一致したか
- 最後に企業への印象・応募判断がどう変わったか
この順序なら、質問→回答→追質問→外部確認→判断を1本の会話チェーンとして取得できます。
ここで重要なのは、外部サイトを何番目に見たかという全チャネルの順番を再構成することではありません。それは応募前検索ジャーニー記事の範囲です。本記事では、AI回答のどの内容が外部確認を発生させたかだけを紐づけます。
例えば「○○社の悪い評判を教えて」というプロンプトに対して、AIが残業や離職に触れたとします。調査では「口コミを見た」で終わらせず、どの回答記述が気になり、何を確かめ、確認結果が一致・不一致のどちらだったかまで聞きます。
同じ最初のプロンプトでも、追質問が「部署別ではどうか」「最近は改善したか」「同業他社より悪いか」では、必要な採用情報やAIO上の改善対象が変わります。
STEP3｜利用日記でAI会話の変化を時系列で記録する
記憶に頼るアンケートやインタビューだけでは、細かな追質問を忘れることがあります。そこで、企業研究で生成AIを使った直後に短く記録する利用日記を組み合わせます。
期間は7～14日程度を一つの目安とし、生成AIを使うたびに次の情報を残してもらいます。
- 利用日時
- 検討段階
- 使用した生成AI
- 対象企業・業界
- 最初の実プロンプト
- AI回答のうち判断に関係した要点
- 追質問
- 追質問した理由
- 回答を信用できた点・できなかった点
- 外部確認した内容
- 確認結果
- 企業への印象・判断の変化
日記の目的は、求人媒体→検索→口コミ→SNS→AIといった全チャネルの行動順を作ることではありません。生成AIを使った1回ごとに、会話がどのように深まり、どこで回答の検証が必要になったかを残すことです。
自由記述プロンプトは匿名化してから分析する
実プロンプトには、氏名、学校名、現職・前職、年収、家族事情、転職理由など、分析に不要な個人情報が含まれる場合があります。会話全文を無条件で収集せず、本人の同意を得たうえで必要な範囲だけを取得します。
実務では、次のようなルールを先に決めておくと分類しやすくなります。
| 項目 | 取扱い例 |
|---|---|
| 回答者本人を特定する情報 | 氏名・メール・電話番号は収集しない、または回答者IDへ置換 |
| 分析に不要な固有情報 | 学校名、現職名、家族情報などは「[学校]」「[現職]」のように置換 |
| 分析に必要な企業名 | 指名質問・企業比較の分析に必要なら保持。不要なら企業A・企業Bへ置換 |
| 年収・年齢など | 必要な場合はレンジ化し、自由記述の細かな数値は削除 |
| 元の会話全文 | 原則として提出必須にせず、必要部分だけ転記・匿名化 |
匿名化後のプロンプトを分析用データとし、元データを保管する場合は閲覧者と保管期間を限定します。
STEP4｜質問ログを「質問タイプ×検討段階」で分類する
収集したプロンプトを単純な一覧にするだけでは、採用改善には使いにくくなります。
まず各プロンプトへ、前述の7質問タイプから主分類を1つ付けます。必要な場合だけ副分類を1つ追加し、分類者によって無制限にタグが増えないようにします。
次に、求職者がその質問をした検討段階を付けます。
| 検討段階 | 主な質問 | 企業側で必要な情報 |
|---|---|---|
| 候補探索 | 条件に合う企業を教えて | 強み、対象職種、働き方、特徴 |
| 初期理解 | 何をしている会社か | 事業内容、顧客、サービス |
| 比較 | A社とB社の違い | 競合との差、キャリア、制度 |
| リスク確認 | 評判・弱み・問題点 | 口コミ、労働環境、改善状況への説明 |
| 条件確認 | 給与・休日・福利厚生 | 数値を伴う採用条件 |
| 適合確認 | 自分に向いているか | 求める人物像、活躍社員、仕事内容 |
| 最終判断 | 応募すべきか | 一次情報、選考情報、社員の実態 |
さらにAI固有の分析として、各会話へ次の4項目を追加します。
| 追加分類 | 分類例 |
|---|---|
| 追質問トリガー | 情報不足／矛盾／比較／個別条件／信用確認 |
| 信用状態 | 信用／一部不安／信用できない／判断不能 |
| 外部確認結果 | 一致／一部一致／不一致／確認できず |
| 判断変化 | 志望度上昇／変化なし／低下／保留 |
これにより、「評判・リスク質問が多い」だけでなく、どの質問でAI回答への不安が生まれ、何が追質問や外部確認を発生させたかまで集計できます。
STEP5｜採用情報とAI回答のギャップを確認する
質問分類の次は、頻度や判断影響が大きい質問について、求職者が必要とする答えを企業側が公開できているか確認します。
各質問について、次の4点を並べます。
- 求職者の実プロンプト
- 生成AIが回答した要点
- 採用サイト・企業サイトに一次情報があるか
- 求職者が外部確認した結果、AI回答と一致したか
評価は、例えば次の3段階で十分です。
| 評価 | 状態 |
|---|---|
| 2 | 明確な一次情報があり、AI回答とも概ね一致 |
| 1 | 情報はあるが断片的・古い・条件が分かりにくい |
| 0 | 求職者の質問に答える一次情報がほぼない |
例えば「若手でも裁量を持てるか」という実プロンプトが繰り返し現れ、AI回答では「若手が活躍」と要約されている一方、採用サイトにも同じ抽象表現しかない場合、求職者が判断できる一次情報は不足しています。
担当業務、入社年次、任されたプロジェクト、意思決定できる範囲などを具体化すれば、求職者の確認材料になり、AIが参照できる情報も増えます。
逆に、公式情報は正しいのにAIが古い制度を回答している場合は、採用ページの情報不足とは別に、AI回答や参照元の確認が必要です。「公式情報不足」と「AI側の不整合」を分けて記録することが重要です。
AIを使わなかった求職者との差を補助比較する
生成AI利用者だけを見ると、「その不安はAI利用者に特有なのか、それとも求職者全体に共通なのか」が分かりません。そこで、AIを使わなかった求職者を補助比較として置きます。
ただし、AI利用者と非利用者は属性や情報収集習慣が異なる可能性があります。差があっても生成AIが原因とは断定せず、情報不足や不安の切り分けに使います。
比較するときは、新卒・中途、職種、検討段階などを可能な範囲でそろえ、次の項目を見ます。
| 比較項目 | AI利用者 | AI非利用者で確認すること |
|---|---|---|
| 知りたかった情報 | 実プロンプトに現れた問い | 同じ情報を不足と感じたか |
| 比較・適合性 | AIへ他社比較や自分との相性を聞いたか | 自力でも同じ比較軸を使ったか |
| リスク確認 | 評判・弱みをAIへ聞いたか | 別手段でも同じ不安を確認したか |
| 情報の不足 | AI回答後も答えが足りなかった項目 | 公式情報だけでも不足したか |
| 判断変化 | AI回答・追質問後の変化 | AIを使わなくても同じ理由で保留・離脱したか |
例えば「部署ごとの働き方の違い」がAI利用者にも非利用者にも不足しているなら、まず採用情報そのものの不足を疑います。
一方、AI利用者だけで「自分の経歴ならどの職種が合うか」「A社とB社を条件別に比較して」といった問いが多いなら、生成AIによって比較・個別最適化の要求が顕在化している可能性があります。
この比較は主分析ではありません。新規記事の中心はあくまで生成AI利用者の会話行動であり、非利用者はAI利用者特有の課題を見分けるための補助線として扱います。
生成AI調査結果は採用サイト・評判・AIOの3方向へ反映する
調査後は、単純な質問数だけで優先順位を決めません。
質問頻度 × 判断への影響 × 現在の情報不足の3軸で、改善するテーマを絞ります。
採用サイトでは「追質問が発生した問い」への一次情報を増やす
企業概要を聞いた後に「具体的には？」「部署によって違う？」「実例は？」という追質問が多い場合、公式情報が抽象的な可能性があります。
給与、働き方、キャリア、評価制度、仕事内容など、企業が一次情報として答えられるテーマは、数値、適用条件、具体例まで整理します。
重要なのはFAQを機械的に増やすことではなく、実プロンプトと追質問で不足が確認された情報を補うことです。
評判に関する質問は「何を確かめに行ったか」を見る
「離職率は高いか」「残業は多いか」「悪い口コミは何か」といった質問では、求職者がAI回答のどこを疑い、何を外部確認したかを確認します。
ネガティブ情報を消そうとするのではなく、確認可能な事実、現在の制度、改善状況、条件による違いなど、企業側から説明できる材料を増やします。
ナイルの2026年調査では、生成AIで企業を調べた後に公式サイトや採用ページで「必ず確認する」32.3％、「だいたい確認する」56.1％で、合わせて約9割でした。AI回答と公式情報の整合性を確認する工程は、採用広報上も重要です。
AIOでは実プロンプトと追質問をテストクエリにする
AIOの検証では、企業側が想像した質問だけでなく、調査で取得した実プロンプトを優先します。
さらに最初の質問だけではなく、実際に発生した追質問もテストします。
例えば、
- 「○○社の強みは？」
- 「同業他社と比べると？」
- 「弱みは？」
- 「若手にとってはどう？」
- 「その根拠はどこ？」
という会話が実際にあったなら、この一連をテストクエリ群として記録します。
OpenAIが2025年に公開した大規模なChatGPT利用研究では、150万件の会話をプライバシー保護された方法で分析し、メッセージの49％が情報や助言を求める「Asking」に分類されました。生成AIが情報探索・意思決定支援に使われることを踏まえると、AIOでも単発の企業名質問だけでなく、比較や根拠確認を含む会話を確認する必要があります。
調査でよくある失敗は5つ
求職者の生成AI利用調査では、次の失敗を避けます。
1. 「使っていますか」だけで終わる
利用率は分かっても、採用情報の改善箇所を特定できません。実プロンプトを取得します。
2. 用途を選択肢だけで聞く
企業側が想定していない問いを取得できません。匿名化した自由記述も集めます。
3. 最初の質問だけを見る
生成AIは会話型です。回答を受けて何を追質問したかまで確認します。
4. 「信用したか」を聞かない
同じ回答でも、そのまま受け入れた人と、違和感から外部確認した人では意味が異なります。信用状態と確認結果をセットで取ります。
5. 全チャネルの応募前ジャーニーまで同じ記事で再現する
企業名検索、採用サイト、口コミ、SNSなどを含む接触順序全体は、応募前検索ジャーニー調査の役割です。本記事ではAI回答を起点にした外部確認だけを取得し、生成AI内の会話行動に回答範囲を限定します。
まず確認したいチェックリスト
自社で調査を始める場合は、次の項目を確認してください。
- 生成AIを使った検討段階を把握している
- 実際に入力した最初のプロンプトを取得している
- AI回答のうち判断に関係した要点を取得している
- 最初の質問だけでなく追質問も確認している
- 追質問が発生した理由を分類している
- 指名質問と推薦型質問を分けている
- 回答をどこまで信用したかを確認している
- AI回答後に何を外部確認したかを確認している
- AI回答と外部確認結果の一致・不一致を記録している
- 質問タイプ×検討段階で分類している
- 自由記述プロンプトの匿名化ルールがある
- AI利用者と非利用者を必要に応じて補助比較している
- 質問ごとに採用サイトの情報充足度を評価している
- 実プロンプトと追質問をAIOのテストクエリへ反映している
項目が不足している場合は、利用率調査にとどまっていないか見直します。
まとめ
求職者の生成AI利用を把握するには、「何人が使っているか」だけではなく、質問→回答→追質問→外部確認→判断の会話チェーンを取得することが重要です。
アンケートでは実プロンプトと回答後行動を取り、インタビューでは最後に使った1回を再現し、利用日記では会話の変化を時系列で残します。そのうえで、質問を7タイプ×検討段階に分類し、追質問トリガー、信用状態、外部確認結果、判断変化まで紐づけます。
企業名検索、採用サイト、口コミ、SNSなどを横断する応募前検索ジャーニー全体は既存記事へ委譲し、本記事では生成AI内の質問行動を深掘りします。
最終的な目的は、生成AIの利用実態を知ることではありません。
求職者がAIへ聞いているのに、自社の一次情報では十分に答えられていない問いを特定することです。
実プロンプトと追質問を、採用サイト、評判情報、AIOの共通インプットとして使えば、求職者の実際の疑問に沿った改善へつなげられます。
参考文献・データ元
- ナイル株式会社「就職活動での生成AI活用実態調査」。2026年3月25日～30日調査、就職活動経験のある学生419人。生成AI利用率、企業研究用途、企業情報の確認行動の把握に使用。URL: https://www.seohacks.net/column/30459/
- 株式会社Itera「転職活動者の26%が生成AIで企業情報を収集」。2026年8月調査、全国5,000人をスクリーニングし、過去1年以内の転職活動者880人を分析。情報収集方法・AIで調べる企業情報の把握に使用。URL: https://llmocheki.com/blog/llmo/saiyo-survey-llmo
- 株式会社CINC「生成AIは求職者の企業選びをどう変えているのか？」。2026年5～6月調査。就職・転職活動者1,296人および生成AI利用者770人。実プロンプト、質問内容、企業探索行動の把握に使用。URL: https://prtimes.jp/main/html/rd/p/000000492.000019378.html
- OpenAI「How people are using ChatGPT」。2025年9月15日公開。150万件の会話をプライバシー保護された方法で分析。情報探索・意思決定支援の利用傾向の確認に使用。URL: https://openai.com/index/how-people-are-using-chatgpt/
- Wang, K., Qu, Y.-Y., & Wong, S.-P. “Exploring college students’ utilization of generative AI for career information seeking: an integrated model with PLS-SEM and FsQCA approach.” Education and Information Technologies, 30(14), 20071–20098, 2025. 中国の大学生502人を対象。DOI: 10.1007/s10639-025-13569-7. URL: https://link.springer.com/article/10.1007/s10639-025-13569-7