「ChatGPTを使って業務効率化しました」と職務経歴書に書いても、評価につながらないことがあります。AI活用そのものは今や前提になりつつあり、書類選考や面接で見られているのは「ツール名」ではなく「そのツールを使って何を改善し、どんな成果を出したか」だからです。
この記事では、職務経歴書にAI活用経験を書く際にどう表現すれば評価されやすいか、逆にどんな書き方が「アピールにならない」「むしろ印象を下げる」のかを、職種別の具体例とあわせて整理します。
AI活用経験は「ツール名」ではなく「業務改善の成果」で書く
まず大前提として、職務経歴書の評価者（人事・現場エンジニア・エージェント）は「ChatGPTを使っています」という事実そのものには関心がありません。すでに多くの候補者がAIツールを使っており、ツール名の列挙は差別化要因にならないためです。
評価されるのは、以下の3点がセットで書かれているケースです。
- どんな業務上の課題があったか（Situation / Task）
- AIをどう使って、どんな行動を取ったか（Action）
- 結果として何がどう変わったか（Result）
これはいわゆる「STAR法（Situation・Task・Action・Result）」の考え方に近く、職務経歴書全体の実績欄でも広く使われている書き方です。AI活用経験も例外ではなく、このフレームに当てはめて書くことで、ツール名の有無に関わらず「成果を出せる人」という印象につながります。
書き方の型
「〇〇という課題に対し、AIを活用して△△という対応を行い、結果として□□（数値や状態の変化）を実現した」という順序で書くと、読み手が状況を追いやすくなります。数値化できる場合は工数・時間・件数などの単位で示すのが基本です。
職務経歴書で評価されやすいAI活用経験の例
評価されやすいのは、業務上の課題解決にAIを組み込んだプロセスが具体的に説明されているケースです。以下はあくまで「書き方の型」の例であり、実際の業務内容に応じて自分の言葉で書き換える必要があります。
例1：コードレビュー・実装支援での活用
「定型的な実装やテストコード作成にAIを活用し、レビュー前の修正サイクルを短縮した。結果としてレビュー差し戻し件数が減少し、リリースまでのリードタイム短縮に寄与した」というように、「AI活用 → プロセスの変化 → チームや成果への影響」の順で書くと伝わりやすくなります。
例2：ドキュメント・調査業務での活用
「仕様調査や技術選定の初期リサーチにAIを活用し、調査時間を削減。空いた時間を設計レビューや上流工程の検討に再配分した」のように、削減できた時間を「何に再配分したか」まで書くと、単なる時短ではなく業務全体への貢献として評価されやすくなります。
例3：運用・問い合わせ対応での活用
「過去の問い合わせ内容や障害対応ログをもとに、一次対応のテンプレート整理にAIを活用し、対応品質のばらつきを減らした」など、属人化していた業務をAIで補助し、チーム全体の安定運用に寄与した経験は、社内SEや運用系のポジションで特に評価されやすい傾向があります。
評価されにくいNG表現
一方で、以下のような書き方は評価につながりにくいだけでなく、面接で深掘りされた際に説明できず印象を下げるリスクがあります。
NG例1：ツール名の列挙のみ
「ChatGPT、GitHub Copilot、Claudeを業務で使用」のように、使用ツール名だけを並べる書き方は、何を改善したのかが伝わらず評価材料になりません。ツールは手段であり、目的（課題解決）とセットで書く必要があります。
NG例2：抽象的な「効率化」表現
「AI活用により業務を効率化した」だけで終わる書き方も、具体性がなく印象に残りません。「何の業務が、どの程度、どう変わったか」が抜けていると、誇張または曖昧な自己評価と受け取られる可能性があります。
NG例3：成果を断定しすぎる表現
「AI導入により生産性が劇的に向上した」のように、根拠を示さず効果を強調しすぎる表現も注意が必要です。数値や具体的な変化を示せない場合は、後述する「数値化できない場合の書き方」を使う方が誠実で説得力があります。
職種別の書き方（Webエンジニア／インフラエンジニア／社内SE／PM・PL）
AI活用経験の「見せ方」は職種によって評価ポイントが異なります。それぞれの職種で評価者が重視しやすい観点を踏まえて書き分けることが重要です。
Webエンジニア
実装スピードやコード品質への寄与が見られやすいポジションです。「AIを使ったテストコード生成・コードレビュー補助により、開発サイクルの一部を短縮した」など、開発プロセスへの具体的な組み込み方を書くと伝わりやすくなります。
インフラエンジニア
運用の安定性や障害対応の質が重視されます。「障害ログの傾向整理や運用手順書の整備にAIを活用し、ナレッジの属人化を軽減した」など、再現性・標準化への貢献として書くと評価されやすい傾向があります。
社内SE
現場の業務効率化や問い合わせ対応の質が見られます。「社内からの定型的な問い合わせ対応にAIを活用したテンプレート整備を行い、対応品質を一定に保てる体制を作った」など、組織全体への影響を意識した書き方が向いています。
PM・PL
マネジメント層では、個人の作業効率だけでなくチーム全体への展開力が評価されます。「議事録要約や進行管理の一部にAIを取り入れ、チーム全体の情報共有スピードを改善した」など、チーム運用への寄与として書くと説得力が増します。
数値化できない場合の書き方
すべての成果を数値で示せるわけではありません。数値化が難しい場合は、無理に数字を作るのではなく、変化の「質」を具体的に説明する方法があります。
例えば「以前は属人化していた一次対応が、AIを活用したテンプレート整備によって誰でも一定の品質で対応できるようになった」というように、状態の変化（Before→After）を具体的に描写することで、数値がなくても説得力のある記述になります。
また、関わった人数や対象範囲（「チーム5名の対応品質を統一」など）といった、数値化しやすい周辺情報を補足するのも有効です。ここで注意したいのは、架空の数値を作ってしまわないことです。実態と異なる成果を記載すると、面接での深掘りに対応できず、信頼性を損なうリスクがあります。
面接で聞かれたときの答え方
職務経歴書にAI活用経験を書いた場合、面接では「具体的にどう使ったのか」「なぜその方法を選んだのか」を深掘りされるのが一般的です。事前に以下の3点を整理しておくと答えやすくなります。
- どんな課題があり、なぜAI活用という手段を選んだのか
- 実際の使い方（プロンプトの工夫、確認・検証のプロセスなど）
- 結果としてチームや業務にどう影響したか
特に重視されるのは「AIの出力をそのまま使ったのか、自分で検証・修正したのか」という点です。AIの提案を鵜呑みにせず、自分の判断で精度を確認するプロセスがあったことを説明できると、技術的な判断力のアピールにもつながります。技術面接全体の対策については、エンジニア面接の技術質問対策｜失敗しない完全ガイドでも具体的な準備の仕方を解説しているので、合わせて確認しておくと安心です。
自分のAI活用レベルを整理したい人へ
ここまで紹介してきたように、職務経歴書でAI活用経験を評価につなげるには「ツール名」ではなく「課題解決のプロセスと成果」を言語化する必要があります。ただ、自分の日々の業務の中で、何が職務経歴書に書けるレベルの経験なのか、自分では判断しづらいという人も多いはずです。
普段のAI活用を振り返って、どの程度のレベルにあるのか、どこを伸ばせば職務経歴書でアピールできる経験になるのかを整理したい場合は、AIキャリア診断で自分の現在地を確認してみるのも一つの方法です。漫然と「AIを使っている」状態から、職務経歴書に書ける具体的な経験へ言語化するための整理に役立ちます。
なお、AI活用の学習面でスキルギャップを感じている場合は、ChatGPTでエンジニアのスキルギャップを埋める学習戦略も参考になります。職務経歴書に書ける経験は、日々の学習と実務での活用の積み重ねから生まれるものです。