blog

採用面接の質問設計|評価につながる質問の作り方と職種別の質問例

採用面接の質問設計|評価につながる質問の作り方と職種別の質問例

採用面接の質問設計が評価の質を左右する理由

面接の善し悪いは、面接官の「引き出す力」だけで決まるわけではない。より根本的には、どんな質問を・どんな順序で・何のために問うかという設計の段階で、評価の精度はすでに大きく規定されている。

質問設計が甘いと現場で起きることは主に二つある。一つは、候補者が「正解らしい答え」を返しやすい抽象的な質問ばかりが並ぶことだ。「あなたの強みは何ですか」「弊社を志望した理由を教えてください」という問いは、候補者が事前に用意した建前を引き出すのに最も適した質問形式でもある。もう一つは、面接官によって質問内容が変わり、複数候補者の評価比較軸が揃わなくなることだ。同じ候補者でも面接官が違えば評価が逆転する——これは質問設計の問題であると同時に、組織の採用精度を恒常的に下げる構造的な問題でもある。

中小企業基盤整備機構のJ-Net21が公開する採用実務のガイドでも、面接では「あらかじめ質問項目を決めておく」ことの重要性が明記されている(中小企業基盤整備機構 J-Net21)。質問を事前に構造化することは、面接官の「感覚」への過度な依存を減らし、複数の候補者を同じ軸で比較できるようにするための基礎作業である。

採用面接の質問設計を整えることは、評価ブレを抑えるためだけでなく、候補者体験の質を上げ、入社後のミスマッチを減らすことにも直結する。以下では、質問の作り方の原則から深掘りの技法、職種別の具体例まで、現場で即使える粒度で解説する。

採用面接の質問設計フロー:職種要件定義から深掘りまで

STEP 1 職種要件・ 評価軸の定義

STEP 2 質問3分類で 骨格を設計

STEP 3 STAR法で 深掘り設計

STEP 4 禁止質問の 除外確認

採用面接の質問設計フロー(4ステップ) 各STEPで職種・雇用形態に応じた質問テンプレートをカスタマイズする

図:採用面接の質問設計における4ステップのフロー。職種要件の定義から始まり、禁止質問の除外確認まで一連のプロセスとして設計する。

採用面接の質問設計の基本構造:3分類で骨格を作る

質問を設計する際、まず有用な整理軸が「経験・行動・価値観」の3分類だ(参考:採用ミスマッチを防ぐ面接・選考設計チェックリスト|リサス)。

  • 経験質問:「これまで何をやってきたか」を確認する。スキルセットや職歴の事実確認に使う。
  • 行動質問(BEI:行動事実面接):「実際にどう行動したか」を引き出す。過去の具体的行動から将来の行動を予測する。
  • 価値観質問:「何を大切にしているか・何に動機を感じるか」を探る。カルチャーフィットや仕事観の確認に使う。

この3分類が一つの面接の中にバランスよく配置されていることが、偏りのない質問設計の基本形になる。経験確認だけに終始すると履歴書の読み合わせに近づき、価値観質問だけになると候補者の自己申告に頼りすぎる。行動質問を中心に据え、補完的に他の2種類を組み合わせることが、現場での標準的な構成として機能しやすい。

次に、質問の具体性を担保するための設計手法として「STAR法」がある。これは行動質問において候補者の回答を引き出す際のフレームで、Situation(状況)・Task(課題)・Action(行動)・Result(結果)の4要素を回答の中で確認するものだ。面接官が「STAR法のどの要素が足りていないか」を意識しながら深掘りすることで、抽象的な自己PRを具体的な事実として掘り起こせる。

厚生労働省のハローワークが公開する面接対策資料でも、面接で重要視される観点として「具体的なエピソードによる裏付け」が示されており(厚生労働省 山形ハローワーク「面接対策(PDF)」)、STAR形式の深掘りはその要件を満たすうえで有効なアプローチである。

なお、評価軸と質問の対応関係は明文化しておく必要がある。「問題解決力を見たい」という評価軸に対して、それを引き出す質問が設計されていないケースは現場でも多い。各質問が「どの評価軸の何を確認するためのものか」を明記した対応表を作成することで、面接後の評価シートへの記入漏れも防ぎやすくなる。

深掘り質問の設計:「なぜ」「具体的には」「あなた自身は」を使い分ける

行動質問で一問目を投げた後、候補者の回答は多くの場合まだ表層にとどまっている。「チームをまとめてプロジェクトを成功させました」という答えが返ってきたとき、その一文には評価できる情報がほとんど含まれていない。評価に足る情報を引き出すのが深掘り質問の役割だ。

深掘りのパターンは大きく三つに分けられる。

深掘り質問の3パターン
パターン 典型的な問いかけ 目的・引き出したい情報
背景を掘る 「そのとき具体的にどんな状況でしたか」 Situation・Taskを明確にし、文脈を固める
行動を掘る 「あなた自身は具体的に何をしましたか」「なぜその方法を選んだのですか」 Actionの主体性・意思決定プロセスを確認する
結果と学びを掘る 「結果はどうなりましたか」「振り返って何を学びましたか」 Resultの具体性・内省力・成長志向を見る

特に注意すべきは「あなた自身は」という言葉の挿入だ。チームの成果を語る候補者が多い中で、個人の行動を分離して確認するこの一言は、評価の精度を大きく左右する。チームとして達成したことと、本人が個人として主体的に行ったことは必ずしも一致しない。この点を曖昧にしたまま評価すると、貢献度を過大評価するリスクが生じる。

また、深掘りの場面では「他には何かありましたか」という問いも有効だ。候補者が最初に出した模範解答の裏にある本音や複雑な状況を引き出すのに使える。候補者が二度目・三度目に語り始めた内容の方が、より実態に近い情報を含んでいることは少なくない。深掘りを繰り返すと答えに詰まる場合と、むしろ具体性が増す場合で、候補者の経験の深さを測る手がかりになる。

一方で、採用面接では質問の内容にも法的・制度的な制約がある。人事院の採用実務に関する公開資料でも、プライバシーや出自に関わる質問は採用選考において禁止されていることが示されており(人事院「国家公務員トーク・当日のご質問への回答」)、質問設計の段階でこれらの禁止領域を除外しておくことも重要な工程だ。「家族構成」「出身地・国籍」「宗教・信条」「婚姻の予定」などは、職務能力の評価と無関係であり設問に含めない。この確認を設計フローの最終ステップとして組み込んでおくことが、現場での運用上の安全弁になる。

職種別の採用面接質問設計:営業・エンジニア・管理職

採用面接の質問設計は職種ごとに「見極めたい能力」が異なるため、汎用テンプレートをそのまま流用することには実務上の限界がある。以下に代表的な3職種の設計方針と質問例を示す。それぞれの質問には、何を見極めるための問いかであるかを明記する。

営業職

営業職では、目標達成への行動力・顧客折衝のスタイル・失敗からの立て直し方を中心に見極めることが多い。抽象的な「コミュニケーション能力」の自己申告は避け、行動事実に根ざした質問を設計する。

  • 「目標に届かなかった月が続いたとき、何を変えましたか。具体的に教えてください」
    → 自己管理力・改善行動の主体性を見る
  • 「顧客から強いクレームを受けたことはありますか。そのときどう対処しましたか」
    → 対人折衝力・問題収束の判断力を見る
  • 「これまでで最も難しかった商談の相手はどんな方でしたか。どうアプローチしましたか」
    → 顧客理解の深さ・アプローチの柔軟性を見る

エンジニア職

エンジニア採用では、技術の深さと同時に「問題解決のプロセス」と「不確実性への対処力」を問う質問が有効だ(参考:エンジニア採用の面接質問100選|TechHire)。また、AIツールが実務に浸透しつつある現在、ツールの使いこなし方と自らの判断軸を確認する質問も実態に即している。

  • 「本番環境で予期しないバグが発生したとき、どういう順序で対処しますか。実際の経験をもとに教えてください」
    → 障害対応時の思考順序・冷静さを見る
  • 「仕様が曖昧なまま開発を進めるよう求められたとき、どう対応しましたか」
    → 要件定義への主体的関与・コミュニケーション力を見る
  • 「最近のプロジェクトでAIツールや生成AIをどのように使いましたか。うまくいったこと・限界を感じたことを教えてください」
    → ツール活用の現実的理解・自己評価の正確さを見る

エンジニア採用の面接では、技術的な質問と並行して「なぜそのアーキテクチャを選んだか」「代替案をどう検討したか」という意思決定の根拠を深掘りすることで、個人の技術判断力が見えやすくなる。コードの出来だけでなく、選択の論理を言語化できるかどうかも重要な評価軸になる(参考:エンジニアの採用面接で聞くべき質問26選|レバテック)。

管理職・リーダー候補

管理職候補には、チームマネジメントの経験の深さと、意思決定の質・根拠を確認する質問が中心になる。組織に不利な情報をどう扱ったかを問う質問は、候補者の誠実さや判断軸を見るうえで特に有効だ。

  • 「パフォーマンスが低いメンバーにどのように向き合ってきましたか。具体的なエピソードで教えてください」
    → メンバー育成への具体的関与・フィードバック力を見る
  • 「上司の方針と現場の意見が対立したとき、どう動きましたか」
    → 組織内調整力・自律的な判断軸を見る
  • 「チームとして失敗したプロジェクトを振り返ったとき、自分の判断のどこに問題があったと思いますか」
    → 内省の深さ・責任帰属の正確さを見る

管理職候補の面接では、過去の成功体験だけでなく、失敗や葛藤の場面をどう語るかに多くの情報が含まれる。「うまくいかなかった理由を他者や環境に帰属させるか、自分の行動に帰属させるか」を観察することで、成長志向の有無や自己認識の正確さを補助的に確認できる。

弊社が開発するDeepAIでは、構造化された面接質問に基づく候補者の回答を、音声のPitch(高さ・抑揚)・Energy(大きさ・力強さ)・Duration(テンポ)の三軸でスコア化し、発話の変化から緊張や自信の状態を補助的に可視化する機能を持つ。これは、回答内容に加えて発話の非言語的側面をデータとして記録することで、評価の属人性をさらに低減するための設計思想に基づいている。複数の手がかりを統合して評価精度を高めるこの枠組みは、特許第6260979号(事象評価支援システム)の中核をなす考え方でもある。

採用面接の質問設計でよくある失敗パターンと改善策

質問設計の現場で繰り返されやすい失敗には、共通したパターンがある。以下に代表的なものを整理する。それぞれ、なぜ問題なのか・どう改善するかを実務視点で示す。

失敗1:「あなたはどんな人ですか」型の自己申告質問に依存する

「強みは何ですか」「どんな仕事をしたいですか」という問いは、候補者が事前に用意した理想像を語るだけで終わりやすい。行動事実を伴わないため、評価材料にならない。置き換え例:「これまで強みを発揮できたと感じる具体的な場面を一つ教えてください」。この一文を変えるだけで、候補者が答えを作り込みにくくなり、実態に近い情報が引き出しやすくなる。

失敗2:深掘り質問を設計せず一問で終わらせる

構造化面接の趣旨は「同じ軸で評価する」ことであり、「全員に同一の会話を強制する」ことではない。候補者の回答に応じてSTAR法の不足している要素を深掘りする余地を残した設計が必要だ。一問目と深掘り用の派生質問セットをあらかじめ用意しておくことで、柔軟性と評価の一貫性を両立できる。派生質問は「背景を掘る・行動を掘る・結果と学びを掘る」の3パターンから候補を準備しておくと現場での運用がスムーズになる。

失敗3:新卒と中途で同じ質問セットを使い回す

新卒採用では行動事実の経験量が限られるため、ポテンシャルや思考プロセスを引き出す質問設計が中心になる(参考:新卒採用面接の質問88選|学情)。中途採用では実務経験への深掘りが可能な分、より具体的な行動質問が有効だ(参考:中途採用の面接質問集88選|type)。同一のテンプレートを転用すると、どちらの候補者に対しても最適ではない質問が混入する。特に新卒候補者にはSTAR法の「Action」に相当する経験が学業・課外活動・アルバイトから引き出せるよう、問いの入り口を広く設計することが重要だ。

失敗4:質問設計を一度作ったまま見直さない

質問設計は一度作って終わりではなく、面接後の評価データと照らし合わせながら継続的に見直すことが実務上は重要だ。どの質問が候補者の実態に近い情報を引き出せているか、どの質問の回答が入社後のパフォーマンスと結びついているかを定期的に検証する体制を整えることで、質問設計の精度は時間とともに高まる。弊社が開発するDeepAIでは、AI面接でスコアリングされた候補者データと入社後の活躍データを継続的に蓄積し、評価基準の自動チューニングに活用できる設計になっている。


まとめ:採用面接の質問設計で押さえるべき3つの原則

  1. 質問の3分類(経験・行動・価値観)を意識し、行動質問を中心に据える。自己申告型の抽象的な質問に依存しない。各質問が「どの評価軸を確認するためのものか」を明文化した対応表を作成する。
  2. STAR法に基づいた深掘り質問を事前に設計しておく。一問目と派生質問のセットを準備することで、柔軟性と評価の一貫性を両立する。「あなた自身は」という言葉を深掘りの起点として活用する。
  3. 職種・雇用形態別に質問を最適化し、禁止質問の除外確認を設計段階で行う。設計は一度作って終わりにせず、面接後データとの照合を通じて継続的に改善する。

採用面接の質問設計は、面接官の技量を補う制度設計の一部だ。どれほど優れた面接官がいても、設問が曖昧であれば引き出せる情報に限界がある。逆に設問が精緻に設計されていれば、面接官の経験値の差を一定程度吸収することができる。採用の質を組織として底上げするための投資として、質問設計の整備に取り組む価値は高い。

採用面接における非言語情報の評価に関心がある方は、マルチモーダルAIの活用事例を解説したマルチモーダルAIの解説記事が参考になる。また、面接データの定量分析にテキストマイニングを応用する方法についてはテキストマイニングの解説記事を、自動評価の仕組みの背景にある深層学習の基礎についてはディープラーニングの解説記事を参照いただきたい。機械学習の基礎から理解したい場合は機械学習の解説記事も合わせて活用いただきたい。面接評価の全体フローや評価基準の設計については、弊社ブログの採用・AI活用関連記事にて別途解説している。


参考文献

監修

河合 継(クリスタルメソッド株式会社 代表取締役)

AI・ディープラーニングに関する特許16件の発明者。過去、国立がん研究センターとの共同研究や、テレビ番組でのAI解説実績を持つAI研究者として、AIの研究開発を主導している。
運営会社について編集方針

AIブログ購読

 
クリスタルメソッドがお届けする
AIブログの更新通知を受け取る

Study about AI

AIについて学ぶ

  • 音声・音楽AIのイメージ

    SakuraSpeech(サクラスピーチ)|日本語特化のAI音声合成 – ブラウザ・API・完全オフライン対応【2026年版】

    SakuraSpeech(サクラスピーチ)は、入力したテキストを自然で表情ゆたかな日本語音声に変換する、日本語特化のAI音声合成(TTS:Text-to-Spe...

  • GPT-5.5 Claude エージェント ベンチマーク選定——日本企業が問い直すべき評価軸

    GPT-5.5 Claude エージェント ベンチマーク選定——日本企業が問い直すべき評価軸

    GPT-5.5がClaude Fable 5を上回った——「Agents’ Last Exam」とは何か 2026年6月、AIエージェント評価の文脈...

  • 米上院 金融AI 規制 公聴会——日本の銀行・証券への実務的示唆

    米上院 金融AI 規制 公聴会——日本の銀行・証券への実務的示唆

    上院 金融AI 規制 公聴会の要点——何が、なぜ今議題に上ったか 2026年6月11日午前10時(米東部夏時間)、米上院銀行・住宅・都市問題委員会(U.S. S...

View more