Chaos and Order

💡 왼쪽 원문을 읽으면서 오른쪽에 따라 써보세요. Tab 키로 힌트를 받을 수 있습니다.

원문 렌더가 준비되기 전까지 텍스트 가이드로 표시합니다.

はじめに — なぜ今、採用市場の話なのか

最近 Hacker News で「求職者にスパムを送るのをやめてくれ(Please stop sending spam to job seekers)」という投稿が大きな話題になりました。求職者が履歴書を公開した瞬間に押し寄せる自動化されたコールドメール、AIが生成した偽のパーソナライズ求人、返事のないATSのブラックホールへの怒りが、数百のコメントとなって噴出しました。GeekNews でも同様の議論が繰り返されています。核心はひとつです。**採用市場の両側がAIで武装した結果、シグナル対ノイズ比が史上最悪になった**ということです。

2026年上半期の採用市場の風景をまとめるとこうなります。

- 求人1件に数百、数千の応募が殺到します。AIで履歴書を大量生成してばらまく応募者が増えたためです。

- 企業はこの爆増に対応するためAIスクリーニングを標準装備しました。人間が履歴書を初めて見る時点で、すでにAIが候補者を絞り込んだ後です。

- AIコーディングエージェント(Claude Code、Codex、Copilot など)が普及し、「コードが書ける」こと自体は差別化要素ではなくなりました。面接でAIツールの使用を許可する企業も急増しています。

- その結果、逆説的に**人と人との信頼 — ネットワーキングとリファラル — が再び最強のチャネル**になりました。

本記事はこの環境を生き抜くための実践ガイドです。抽象的なアドバイスの代わりに、すぐコピーして使える公式、スクリプト、チェックリストを中心にまとめました。

2026年採用市場の構造を理解する

戦略を立てる前に、市場の構造を見る必要があります。今、応募書類1通が通過すべき関門はおおよそ次のとおりです。

[応募者]

+--------------------------+ 脱落率約70〜90%

| 1. ATSキーワードフィルタ | (フォーマット崩れ、キーワード不一致)

+--------------------------+

+--------------------------+ 脱落率約50%

| 2. AIスクリーニング | (インパクト不明瞭、職務適合スコア低)

+--------------------------+

+--------------------------+ ここで初めて人間が見る

| 3. リクルーターレビュー | (平均滞在時間 7〜30秒)

+--------------------------+

| 4. 採用マネージャー |

+--------------------------+

ここから2つの事実が導かれます。

1. **ステージ1〜2は機械が読みます。** 機械が読みやすい構造とキーワードが必要です。

2. **リファラルはステージ1〜2をスキップします。** だからこそネットワーキングの期待リターンが以前よりはるかに高くなったのです。

Patrick McKenzie(patio11)の古典「Do Not Call Yourself a Programmer」が15年経った今、さらに有効になった理由もここにあります。彼は「エンジニアは企業のコスト削減または収益創出の装置だ」と述べました。AIがコードを書く時代には、「コードを書ける」ではなく「ビジネス課題を解決した」を証明できる人だけが生き残ります。

履歴書の再設計 — インパクト箇条書きの公式

基本公式

すべての職務経歴の箇条書きは、次の公式に従います。

[行動動詞] + [何を] + [どうやって/どの規模で] + [測定可能な結果]

公式: 行動(Action) + 数値(Metric) + 結果(Outcome)

ビフォー / アフターの例

弱い箇条書きと強い箇条書きを比較してみましょう。

[Before] 決済サービスのバックエンド開発を担当

[After] 決済サービスの精算バッチを非同期キュー基盤に再設計し、

処理時間を4時間から12分に短縮、精算遅延の問い合わせを月200件からゼロに削減

[Before] コードレビュー文化の改善に貢献

[After] PRテンプレートと自動Lintゲートを導入し、平均レビュー往復回数を3.2回から1.4回に削減、

デプロイのリードタイムを週1回から1日3回に短縮

[Before] AIツールを活用した生産性向上

[After] Claude Code ベースのマイグレーションエージェントパイプラインを構築し、

レガシーAPI 41本のTypeScript移行を3週間で完了(手作業の見積もり: 4か月)

[Before] 障害対応と監視業務

[After] p99レイテンシのアラート基準を再設計しランブック12件を作成、

月平均の夜間呼び出しを14件から3件に削減、MTTRを38%短縮

[Before] 社内検索機能の開発

[After] 埋め込みベースのセマンティック検索を導入し検索クリック率を22%向上、

検索失敗率(ゼロ件クエリ比率)を18%から6%に削減

数値がないときの補助公式

「うちの会社は何も計測していなかった」という反論はよくあります。その場合は次の順序で代替の数値を探します。

1. **規模**: トラフィック、ユーザー数、データ量、サービス数(「1日500万リクエストを受けるゲートウェイ」)

2. **比較**: 以前との対比(「従来方式に比べてビルド時間半減」)

3. **頻度**: 繰り返し作業の回数(「週5回の手動デプロイを自動化」)

4. **範囲**: 影響を受けたチームやシステムの数(「6チームが使う共通ライブラリ」)

5. 本当に何もなければ、**今からでも計測を始めましょう。** 退職前の最後の1か月が履歴書の品質を決めます。

AI時代の差別化要素 — 何を追加で書くべきか

2026年のリクルーターと採用マネージャーが履歴書に求める新しいシグナルがあります。

1. エージェント運用経験(単なる利用ではなく運用)

「Copilot を使っています」レベルは、もはや運転免許のような基本値です。差別化される記述は次のようなものです。

- CLAUDE.md / AGENTS.md の作成経験: エージェントがチームのコードベースで

安全に動作するようコンテキスト文書とガードレールを設計した経験

- マルチエージェントパイプライン: コード生成 -> テスト -> レビューを自動化したループ設計

- エージェント成果物の検証体制: マージ前の自動検証ゲートの構築

最近のキーワードで言えば**ループエンジニアリング、コンテキストエンジニアリング**の経験です。「プロンプトがうまい」ではなく「エージェントが長時間自律作業しても品質が保たれる仕組みを作った」がポイントです。

2. Evals(評価体系)の経験

LLM機能をリリースしたチームなら誰もが直面するのが評価の問題です。履歴書にはこう書きます。

- LLMベースの要約機能の評価データセット300件を構築し、

回帰評価をCIに統合してプロンプト変更時の品質低下をデプロイ前にブロック

3. システム設計能力

コード生成が安価になった分、**何を作るかを決める能力**の価値が上がりました。設計ドキュメントの作成、トレードオフ分析、ADR(Architecture Decision Record)の経験を明示しましょう。

差別化要素の比較テーブル

| --- | --- | --- | --- |

| フレームワーク経験 | 高い | 中程度 | マイグレーションと運用の経験 |

| ドメイン知識 | 中程度 | 高い | ビジネス数値への接続 |

ATSとAIスクリーニングの突破戦略

フォーマットのルール

ATSパーサーは思ったより愚かで、AIスクリーナーは思ったより保守的です。

- **1カラムレイアウト**を使いましょう。2カラム、テキストボックス、表の中に書いた職歴はパースが壊れます。

- **標準的なセクション見出し**: Experience、Education、Skills のような慣用表現を維持します。「My Journey」のような創造的な見出しはパーサーに無視されます。

- **PDFで提出し、かつテキスト抽出が可能なPDF**であることを確認します。画像化されたPDFは即死です。確認方法: PDF内のテキストをドラッグしてコピーできるか試してください。

- ヘッダーやフッターに連絡先を入れないでください。パーサーがヘッダーをスキップする場合があります。

- アイコン、チャート、スキルゲージバーはすべて削除します。

キーワード戦略

1. 求人票(JD)から**名詞句を抽出**します: 技術スタック、方法論、ドメイン用語。

2. 自分の経験と重なるキーワードを**職歴の箇条書きの中に自然に**織り込みます。スキル欄に並べるだけだとAIスクリーナーが「根拠なし」として減点します。

3. 略語と正式名称を**両方**書きます: 「CI/CD (Continuous Integration)」のように一度は併記。

4. 求人ごとに履歴書を微調整します。全面書き直しではなく**冒頭の3行サマリーとキーワード10個**の調整で十分です。

AIスクリーニング特化のコツ

AIスクリーナーはキーワードマッチングを超えて「この人はJDの課題を解決できるか」を推論します。したがって:

- 履歴書の最上部に**3行のプロフェッショナルサマリー**を置き、応募職務の核心課題と自分の経験を直接つなげましょう。

- 各職歴の最初の箇条書きは**その会社で最もインパクトの大きい成果**で始めます。AIも人間も最初の行に重みを置きます。

- 嘘は厳禁です。2026年の面接は履歴書のすべての行を深掘りする方向に進化しました。AIスクリーニングを通過させた誇張は面接で爆発します。

ポートフォリオ戦略 — GitHubとデモ

GitHubの整理法

採用担当者がGitHubを見る時間は平均2〜3分です。その時間内にシグナルを届けなければなりません。

1. **ピン留め6個をキュレーション**しましょう。チュートリアルのクローン、空のリポジトリ、forkだらけのプロフィールはマイナスです。

2. 各ピン留めリポジトリのREADMEには、次の4点が30秒で読めるように:

- 何を解決するプロジェクトか(一文)

- アーキテクチャ図1枚(ASCIIダイアグラムでも可)

- 実行方法(コマンド3つ以内)

- 結果/デモ(スクリーンショットまたは動画リンク)

3. **コミット履歴もポートフォリオ**です。「fix」「update」ばかりの履歴より、意図が読み取れるコミットメッセージが信頼を生みます。

4. AIで生成したコードなら隠さずに、**どう検証したか**をREADMEに書きましょう。2026年には「AI成果物に責任を持って検証する能力」が中核的な評価項目です。

デモ動画

テキストより強いのが90秒のデモ動画です。

デモ動画の構成 (90秒)

0:00-0:10 課題の定義(「デプロイのたびに30分かかっていた作業を...」)

0:10-0:60 コア機能のデモ(実際の動作、待ち時間は編集でカット)

0:60-0:80 技術的ハイライトは1つだけ(全部説明しようとしない)

0:80-0:90 結果の要約 + リポジトリリンク

動画はREADMEの最上部と履歴書のプロジェクト欄にリンクします。

ネットワーキング — 王座に返り咲いたチャネル

なぜ再び重要になったのか

応募が数千件単位で積み上がる市場では、採用側も公開募集の前に決着をつけたいと考えます。実際、良いポジションのかなりの割合が**求人が公開される前に**リファラルや知人の推薦で埋まります。求人はすでに内定者がいる状態の形式的手続きであることも珍しくありません。これが「隠れた求人市場(hidden job market)」です。

ネットワーキングといっても、イベント会場で名刺を配れという話ではありません。実践的には次の3つです。

1. **弱いつながりの再活性化**: 元同僚、勉強会のメンバー、オープンソースで出会った人。強い人脈より弱いつながりの方が機会を多く運んでくるというのは、社会学の古典的な発見です。

2. **公開された成果物**: ブログ、オープンソース貢献、登壇。「向こうから来てもらう」インバウンドチャネルです。

3. **ターゲット企業の中の人とのコーヒーチャット**: 応募前に内部情報を得て、可能ならリファラルに転換します。

リファラル依頼のエチケットとスクリプト

リファラル依頼で最もよくある失敗は、「私を保証してくれ」という重みを相手にそのまま負わせることです。良い依頼は相手が**断りやすい**ようにします。

[リファラル依頼スクリプト — 元同僚へ]

○○さん、お久しぶりです。お元気ですか?

実は今、転職活動をしておりまして、○○さんの会社のバックエンドポジション(リンク)が

私の経験(決済システム3年、大規模バッチ最適化)と合いそうだと思いまして。

ご負担にならない範囲で、2点だけお伺いしてもよいでしょうか?

1. このチームの雰囲気や実際の業務は、求人票の内容と近いですか?

2. 合いそうだと思われたら、リファラルで推薦していただくことは可能でしょうか?

もちろん直接応募もできますので、少しでも迷われたら遠慮なくお断りください。

履歴書は整理して事前にお送りします。お時間いただきありがとうございます!

ポイント:

- **逃げ道を明示的に提供する**(「迷われたら遠慮なくお断りください」)— 逆説的に承諾率が上がります。

- 相手が推薦理由を書きやすいように**自分の経験の要約を一行で**提供します。

- リファラルボーナスがある会社なら相手にもメリットがあることを覚えておき、過度に低姿勢になる必要はありません。

- 結果がどうであれ、**必ず経過報告とお礼**を。ネットワークは使い捨てではありません。

面接準備 — AIツール許可時代の変化

ライブコーディングの変化

2026年の面接で最大の変化は、**AIツールを許可する面接**が増えたことです。アルゴリズム暗記問題はAIが即答するため弁別力を失い、代わりに次の形式が増えました。

| 面接タイプ | 以前 (2022) | 現在 (2026) |

| --- | --- | --- |

| コーディングテスト | ホワイトボードのアルゴリズム | エージェントと共に実務的課題を解決 |

| 評価ポイント | 正解までの速度 | 問題分解、検証、ツール指揮能力 |

| システム設計 | 定型コンポーネントの列挙 | トレードオフの議論、コスト見積もり |

| 行動面接 | 一般的なSTAR質問 | 履歴書の深掘り、真偽検証の強化 |

AI許可面接で評価者が見ているもの:

1. **問題をどう分解するか** — エージェントに丸投げする人 vs 検証可能な単位に分割する人

2. **成果物をどう検証するか** — テストを先に書くか、エッジケースを自分で点検するか

3. **詰まったときの行動** — ツールのせいにするか、仮説を立ててデバッグするか

練習方法: 普段からエージェントと作業する過程を**声に出して説明しながら**やってみましょう。面接とは結局、思考プロセスの実況中継です。

行動面接の準備

履歴書のすべての箇条書きについて、次の3点セットを準備します。

各箇条書きごとに:

1. 背景の30秒バージョン(なぜその仕事が必要だったか)

2. 技術的深掘りの2分バージョン(具体的に何をどうやったか)

3. 失敗/学びバージョン(その過程で間違えた判断を1つ)

3番が重要です。AIで盛った履歴書が氾濫する中、面接官は「失敗談の具体性」を真偽判定のシグナルとして使っています。

年収交渉の基礎

3つの原則

1. **先に数字を言わないこと。** 希望年収を聞かれたら、レンジの調査を根拠に問い返します。

2. **交渉のタイミングはオファーを受けた後です。** オファー前の交渉にはテコがありません。

3. **競合オファーが最強のテコです。** 転職活動は可能な限り並行で進めましょう。

スクリプト

[希望年収を聞かれたとき]

「まずこのポジションの報酬構造全体(基本給、ボーナス、株式)を理解したいです。

このポジションに設定されているレンジを共有していただけますか?

役割と責任が合っていれば、報酬は合理的な範囲で調整可能だと考えています。」

[オファーを受けて増額を依頼するとき]

「オファーをいただきありがとうございます。チームも役割も非常に前向きに考えています。

ただ、現在進行中の他のプロセスと市場データを考慮すると、

基本給ベースでXを期待していました。

この部分が調整されれば、すぐにサインしたいと思っています。ご検討いただけますか?」

[調整が難しいと言われたとき]

「承知しました。それでは基本給以外で、サイニングボーナスや株式の追加付与、

あるいは6か月後の早期レビューといったオプションはご検討可能でしょうか?」

ポイント: 交渉は敵対行為ではなく、**一緒に条件を合わせていく協業**のトーンで。そして「調整されればサインする」というコミットのシグナルが、相手の社内説得を助けます。

転職カンバン — 追跡システムの運用

応募が10件を超えると頭では管理できません。カンバンで運用しましょう。

+----------+----------+--------------+----------+----------+----------+

+----------+----------+--------------+----------+----------+----------+

| 会社A | 会社C | 会社E | 会社F | 会社H | 会社I |

| 会社B | 会社D | | 会社G | | (不採用) |

+----------+----------+--------------+----------+----------+----------+

各カードに記録すること:

- 求人リンク、応募日、使用した履歴書のバージョン

- 担当リクルーターの名前と連絡先

- 次のアクションと期限(例: 6/20までにフォローアップメール)

- 面接後の振り返りメモ(質問、うまくいった点、いかなかった点)

運用ルール:

- **週1回の整理時間**を固定します(例: 金曜午後の30分)。

- 2週間応答のないカードはフォローアップメール1回の後、終了カラムへ移動します。未練はエネルギーを削ります。

- 面接の振り返りメモは次の面接の最良の教材です。必ず当日に書きます。

メンタル管理

転職活動は平均数か月かかるマラソンであり、不採用がデフォルトのゲームです。

- **コントロール可能なものだけを測定しましょう。** 「オファー数」ではなく「今週はカスタマイズ応募5件、コーヒーチャット2件」のような行動指標を目標にします。

- **不採用はデータです。** 同じ段階で繰り返し落ちるなら、その段階だけを集中改善します。書類落ちが多ければ履歴書、一次面接落ちが多ければ技術説明の練習。

- **一日中転職活動だけをしないこと。** 午前3時間は転職活動、午後は学習やサイドプロジェクトと分離すれば、自尊心の源泉が転職の結果から切り離されます。

- 不採用通知すら来ないゴースティングが日常化した市場です。個人への評価ではなく、システムの過負荷だと覚えておいてください。

採用する側のエチケット — スパムコールドメールをやめよ

記事のバランスのために、採用する側の話もしなければなりません。冒頭で触れたHNの話題投稿の要旨はこうです。求職者が履歴書を公開した瞬間、AIが生成した偽のパーソナライズ採用メールが押し寄せます。「あなたの○○のご経験に深く感銘を受けました」と始まりますが、実際には経歴と無関係なポジションで、返信するとボットが応答します。求職者はすでに十分疲弊しています。

リクルーターとソーシングを行うエンジニアのための最低限のエチケット:

1. **読んでいないなら読んだふりをしないこと。** AIが生成した「パーソナライズ」文面は、受け取った側が即座に見抜きます。むしろ正直なテンプレートの方がましです。

2. **ポジション情報を最初からすべて開示すること。** 会社名、給与レンジ、技術スタック、勤務形態。「お電話でご説明します」は相手の時間を人質に取る行為です。

3. **断りの返信に再送しないこと。** 同じ人にシーケンスメール7通を自動送信するのはマーケティングではなくスパムです。

4. **不採用通知は必ず送ること。** 面接まで行った候補者をゴースティングする会社の評判は、開発者コミュニティに永久保存されます。

求職者の立場でもこの力学を知っておくと役立ちます。受け取ったコールドメールの品質で会社を一次フィルタリングでき、本当にパーソナライズされた接触(あなたのブログ記事やオープンソース貢献を具体的に言及するもの)は貴重なシグナルなので、丁寧に返信する価値があります。

落とし穴と批判的視点

バランスのために、よくある反論にも触れます。

- **「キーワード最適化は軍拡競争ではないか?」** そのとおりです。全員が最適化すれば平均が上がるだけです。だから本記事はATS対策を必要条件、ネットワーキングと公開成果物を十分条件として区別しています。差別化は後者から生まれます。

- **「AI時代には履歴書自体が無意味になるのでは?」** 長期的には評価の中心が履歴書から検証可能な成果物や実際の協業シミュレーションへ移る可能性は高いです。ただし2026年現在、ほとんどの企業のプロセスは依然として履歴書から始まります。過渡期には両方必要です。

- **「ネットワーキングは内向的な人に不公平だ」**という指摘も妥当です。だからこそ本記事は、文章やオープンソースのような**非同期ネットワーキング**チャネルを強調しました。イベント会場での社交性がなくても機能します。

- **年収交渉が不可能な市場もあります。** レンジが硬直した大企業や一括採用中心の組織では交渉の余地が小さいです。スクリプトは万能ではなく、テコがあるときの道具です。

最終チェックリスト

履歴書

- [ ] すべての職歴の箇条書きが行動+数値+結果の公式に従っているか

- [ ] 各職歴の最初の箇条書きが最大のインパクトか

- [ ] 1カラムレイアウト、テキスト抽出可能なPDFか

- [ ] 冒頭の3行サマリーが応募職務と直接つながっているか

- [ ] JDのキーワードが根拠とともに箇条書きに織り込まれているか

- [ ] エージェント運用、evals、システム設計の経験が見えるか

- [ ] 嘘や誇張がないか(面接の深掘りに耐えられるか)

ポートフォリオ

- [ ] GitHubのピン留め6個がキュレーションされているか

- [ ] 各READMEが30秒で課題-構造-実行-結果を伝えるか

- [ ] 代表プロジェクトに90秒のデモ動画があるか

プロセス

- [ ] 転職カンバンを運用し週1回整理しているか

- [ ] 週間の行動目標(応募N件、コーヒーチャットN件)があるか

- [ ] 面接の振り返りを当日に記録しているか

- [ ] リファラル依頼の際に断る余地を提供したか

- [ ] オファー前に数字を先に言わなかったか

おわりに

2026年の採用市場は確かにノイズで満ちています。しかしノイズが大きくなるほど、本物のシグナルの価値は上がります。検証可能なインパクト、公開された成果物、人と人との信頼。この3つはAIが大量生産できないものです。履歴書の一行を直すことも、コーヒーチャットを一度依頼することも、すべてそのシグナルを積み上げる過程です。本記事のチェックリストがその過程の地図になることを願っています。

参考資料

- Hacker News 討論: Please stop sending spam to job seekers — https://news.ycombinator.com/item?id=48370330

- Patrick McKenzie, Do Not Call Yourself a Programmer — https://www.kalzumeus.com/2011/10/28/dont-call-yourself-a-programmer/

- Hacker News: Who is hiring? 月間スレッド — https://news.ycombinator.com/submitted?id=whoishiring

- GeekNews(開発者採用・キャリア討論)— https://news.hada.io/

- The Pragmatic Engineer Blog(採用市場分析)— https://blog.pragmaticengineer.com/

- levels.fyi(報酬データ)— https://www.levels.fyi/

- Julia Evans, Questions to ask your interviewer — https://jvns.ca/blog/2013/12/30/questions-im-asking-in-interviews/

- patio11, Salary Negotiation ガイド — https://www.kalzumeus.com/2012/01/23/salary-negotiation/

- GitHub Docs: Pinning items to your profile — https://docs.github.com/en/account-and-profile/setting-up-and-managing-your-github-profile/customizing-your-profile/pinning-items-to-your-profile

- Anthropic: Claude Code 公式ドキュメント — https://docs.anthropic.com/en/docs/claude-code/overview