生成AIに職務経歴書を書かせると、全員同じ書類になる

仕組み1．生成AIは「もっともらしい平均」を出力する

大規模言語モデルは、大量の文章から学習した「ありそうな表現」を生成する仕組み。つまり出力の初期値は本質的に平均値だ。「営業として顧客との信頼関係を構築し、課題解決に貢献」——誰の経歴にも当てはまる文章は、AIにとって最も生成しやすい文章でもある。

仕組み2．事実が足りないと、一般論で埋める

AIは入力に含まれない事実を知らない。あなたの担当件数も、下した判断も、改善した数字も、入力しなければ存在しないのと同じ。それでも文章の体裁は整えようとするため、空白は「責任感を持って」「効率化を推進し」といった中身のない接着剤で埋められる。

仕組み3．同じ道具を、全員が使っている

生成AIで書類を作る求職者は珍しくなくなった。同じモデルに同じような依頼をすれば、似た構成・似た言い回しが出力される。読み手の側も日々書類を読む中でこのパターンに接している。均質な文章は、それだけで「自分の言葉で書いていない書類」という印象を与えるリスクがある。

手順1．事実を先に固める（AIに書かせる前に）

会社・期間・役割・件数・金額・期間・改善幅・自分が下した判断——文章にする前の事実を箇条書きで揃える。この工程はAIには代行できない。あなたしか知らない情報だからだ。事実の解像度が、最終的な書類の差になる。

手順2．AIには構成と表現を任せる

揃えた事実を渡した上で、構成の整理・冗長な表現の圧縮・読みやすさの調整を任せる。これはAIが得意な仕事で、任せる価値がある。逆に「いい感じに書いて」と丸投げした瞬間、出力は平均に回帰する。役割分担を間違えないこと。

手順3．固有名詞と数字が残っているか、最後に検品する

AIの出力を確認する基準はただ一つ——「この文章は、自分以外の誰かの経歴書でも成立するか？」。成立するなら、その文は具体が足りない。固有の事実（数字・判断・状況）が各段落に残っているかを検品し、消えていたら書き戻す。

「いい感じに書いて」と丸投げした出力 vs 事実を渡した出力

解説：Before に固有の事実は一つもなく、誰の経歴書でも成立する——これが「平均への回帰」の実物。After は件数・自分が始めた運用・採用された事実・整備した本数という固有の事実だけでできている。文章力の差ではない。入力した事実の解像度の差だ。

※ 例文は書き方を示すために作成した架空のサンプルです。