人事の報告書をAIで書く手順
この記事の要点
人事担当者が採用進捗・離職率・研修効果などの報告書をAIで効率よく作成する手順を解説。データ整理からプロンプト例・文章化まで実践的に説明する。
結論：データを整理して渡すだけで報告書の骨格が完成する
人事の報告書は数値データが中心になる。採用媒体ごとの応募数・内定数・採用コスト、研修の参加率・満足度スコア、離職率の推移——これらをエクセルから拾い出して文章に変換する作業に、毎月1〜2時間かかっているケースがある。
AIを使うと、数値データをテキストで渡して「報告書にまとめて」と指示するだけで、読みやすい文章の骨格が数分で生成される。考察コメントや改善提案もAIに下書きさせることができる。
使うAIツール
報告書作成では、数値データの解釈と文章化が主な用途だ。
- ChatGPT（GPT-4o）: データを表で貼り付けて文章化させる作業がしやすい。Code Interpreterを使えばデータの集計・グラフ化も可能。
- Claude（Anthropic）: 大量のデータや長い文章を渡しても一貫した文章を生成しやすい。月次報告のような長めの文書に向いている。
- Gemini for Google Workspace: GoogleスプレッドシートのデータをGeminiに渡して文章化する流れが比較的スムーズ。
手順：人事報告書の作成プロセス
ステップ1：報告する期間・対象・提出先を確認する
報告書の内容はこの3点で変わる。プロンプトを書く前に確認しておく。
- 期間: 月次・四半期・年次
- 対象: 採用状況・離職・研修・評価 など報告書の種類
- 提出先: 経営会議・採用部門内・全社 など
ステップ2：数値データをテキストに整理する
AIに渡すデータはテキスト形式が確実だ。エクセルのデータを以下のように整理する。
【採用進捗データ（2026年5月）】
■ 媒体別応募数
- 媒体A：120件
- 媒体B：85件
- 媒体C：42件
- リファラル：18件
合計：265件
■ 選考フローの通過数
- 書類通過：78件（通過率29.4%）
- 一次面接実施：52件
- 二次面接実施：28件
- 内定通知：12件
- 承諾確定：9件
■ 採用コスト
- 媒体費用合計：120万円
- 1採用あたりコスト：133,333円ステップ3：報告書の生成プロンプトを入力する
以下のデータを元に、経営会議向けの月次採用進捗報告書を作成してください。
【報告書の形式】
1. エグゼクティブサマリー（200字以内）
2. 今月の実績サマリー（主要数値を表で整理）
3. 各媒体の評価（効果の高低を分析）
4. 課題と次月のアクション
5. 来月の見通し
【文体】経営層向け。数値ベース・簡潔・事実重視
【注意】確定していない情報は「〜と推察される」「〜を検討中」の表現を使う
【データ】
（上記のデータを貼り付ける）出力例のエグゼクティブサマリー部分：
5月の採用活動は応募数265件に対し、内定承諾は9件（承諾率3.4%）となった。
媒体Aが最多応募だが承諾単価が最も高い傾向にある。
リファラル採用は件数は少ないものの承諾率が最も高く、来月以降の強化が課題として浮上している。ステップ4：考察コメントを追記・修正する
AIの考察コメントは論理的に構成されるが、社内の事情や前月との比較など、文脈を踏まえた部分は人が追記・修正する。
修正指示の例：
「媒体Cの応募数減少」の考察に、「先月から掲載内容を変更したことが影響している可能性がある」という一文を追加してください。ステップ5：フォーマットを整えてファイルに保存する
完成した文章をWordやGoogleドキュメントに貼り付け、必要に応じて表やグラフを追加する。数値データはAIが生成した文章よりも元データを優先し、転記ミスがないか確認する。
人事固有のシナリオ：具体例2つ
シナリオ1：四半期離職率報告書
離職率の報告は、経営層が特に関心を持つテーマの一つだ。数値を並べるだけでなく、「なぜ離職が増えたのか」「何が影響しているのか」の考察が求められる。この考察部分をAIに下書きさせると、抜け漏れなく整理された分析が得られる。
以下のデータを元に、四半期の離職状況報告書を作成してください。
【データ】
- Q2（4〜6月）の離職者数：8名
- 前年同期：5名（前年比+60%）
- 退職理由の分類：
- キャリアアップ：3名
- 待遇への不満：3名
- 家庭の事情：1名
- 他社からの引き抜き：1名
- 在籍年数の分布：3年未満が5名、3〜5年が2名、5年以上が1名
【報告書の構成】
1. 概要（数値と前年比較）
2. 退職理由の分析
3. 早期退職者（3年未満）の傾向
4. 対応策の方向性（確定ではなく検討中の段階として記述）
【注意】
- 離職の原因を断定せず「傾向として〜が考えられる」表現を使う
- 個人が特定できる情報は含めないシナリオ2：研修効果測定報告書
管理職研修を実施した後、参加者アンケートの結果をまとめて報告する場面だ。アンケートの自由記述コメントが多い場合、AIで要約・分類させると整理が速い。
以下の研修後アンケート結果を分析し、研修効果測定報告書を作成してください。
【研修概要】
- 研修名：マネジメントスキル向上研修
- 実施日：2026年5月20〜21日
- 参加者：管理職22名
【アンケート結果（数値）】
- 総合満足度：4.2/5.0
- 内容の実践度（研修内容が実務で使えると思うか）：3.8/5.0
- 講師評価：4.5/5.0
【自由記述コメントの主な内容（代表例）】
- 「1on1の具体的な進め方を学べたのが良かった」
- 「ケーススタディの時間が短かった」
- 「チームの心理的安全性について、もう少し深く扱ってほしかった」
- 「翌日から使えるフレームワークをもらえたのが有益だった」
【構成】
1. 実施概要
2. 満足度・評価の数値まとめ
3. ポジティブな声のまとめ
4. 改善要望のまとめ
5. 次回研修への反映事項（案）
【注意】コメントは個人が特定されないよう要約して引用するうまくいかない場合のポイント
数値の解釈が的外れになる場合
AIはデータに示された情報しか解釈できない。前月との比較、業界平均との比較、季節要因などの背景情報を追加でプロンプトに入力すると、より適切な解釈が生成される。「前年同期に採用活動を縮小していたため、今期の応募数増加は採用強化の効果と季節要因が混在している」のような補足を入れると精度が上がる。
考察が表面的で深みが出ない場合
「この数値から何が読み取れますか？」と直接AIに聞き、そこから重要な観点を選んで報告書に組み込む方法が有効だ。AIから問題提起させて人が判断する流れにすると、自分一人で考えるよりも視点が広がる。
毎月ほぼ同じ報告書を繰り返す場合
一度完成した報告書のプロンプトをテンプレートとして保存しておき、毎月数値部分だけを更新して使い回す。月次報告書のような繰り返し作業こそ、AIの活用効果が最も大きい領域だ。
関連記事
よくある質問
採用進捗報告書の作成にAIをどう活用できますか？
採用媒体別の応募数・面接数・内定数などのデータをテキストで渡し、「報告書の形式にまとめてください」と指示すると、読みやすい報告書の文章が生成されます。数値の解釈や傾向分析のコメントもAIに生成させることができます。
AIに数値データを渡す際、表のまま貼り付けていいですか？
テキストベースの表（マークダウン形式など）であればそのまま貼り付けても処理されます。ExcelやCSVのファイルはファイルアップロード機能がある場合に限り渡せますが、テキストで転記するほうが確実です。
報告書の結論・考察もAIに書かせていいですか？
AIに下書きは作らせられますが、最終的な判断・考察は担当者が確認・修正することが必要です。AIは与えられたデータから論理的に考察を導くことはできますが、社内の文脈や前後の事情を知らないため、人によるチェックが欠かせません。
報告書の提出先（経営層・現場）で内容の書き方は変えるべきですか？
変えるべきです。経営層向けは結論・意思決定事項・投資対効果を前面に出し、現場向けは具体的な数字・課題・次のアクションを詳しく書きます。プロンプトで提出先を明示すれば適切なトーンで出力されます。
関連記事
人事のお詫び・謝罪文をAIで作る方法
給与計算ミス・選考連絡の遅延・書類の誤送付など、人事業務で発生するお詫び文をAIで作成する手順をプロンプト例とともに解説します。状況別の文例も収録。
人事の業務チェックリストをAIで作る方法
採用・研修・労務管理のチェックリストをAIで作ると、抜け漏れが多い入社手続きや退職手続きの確認リストが30分以内に完成する。人事向けの手順とプロンプト例を解説する。
