本文へスキップ
始める
採点の仕組み · 2026年10月31日更新

AIスキルの採点方法：方法、レベル、根拠。

候補者は普段使っているAIツールで、実際の業務からのタスクに取り組みます。AIとの会話全体を記録し、そこから6つのスキルを採点して、すべてのスコアを根拠となったメッセージにリンクします。以下では、測定する内容、レベルの付け方、完全な例を説明します。

AIスキルとは

AIスキルとは、AIツールから良い仕事を引き出すために人が行うことです。当社は6つを挙げています。任せる前にタスクを理解する、AIに指示する、出力を確認する、間違いを修正する、そのまま送れる成果物を承認する、繰り返し使える形にする、です。

AIスキルのテスト方法：1つの実際のタスク

実際の業務からタスクを出し、普段使っているAIツールを使ってもらいます。そのうえで、結果だけでなく会話全体を読みます。スキルは、何を尋ね、何を確認し、何を変えたかに現れます。

AIは、これまでで最も速く、最も自信にあふれた新人の同僚です。当社は、それをどれだけうまくマネジメントできるかをテストします。

アセスメントは2つのことを測ります：

1. AIスキルAIとどれだけうまく働けるか。実際の業務からの長めのタスク1つへの取り組みから6つのスキルを読み取ります。弱いから優秀までで採点します。

2. 職務スキル仕事そのものは良いか。同じタスクから職種のスキルを2〜3個読み取ります。基準未満、基準どおり、基準以上で採点します。

1. AIスキルのルーブリック：6つのスキル

職種に合った実際のタスク1つから読み取ります。各スキルについて、答える問い、弱い仕事と優れた仕事の例、セッションで示せる実例を挙げています。

理解する

AIに任せる前に、タスクを理解しているか。

弱い

まず答えを求めます。指示をそのまま受け取ります。

優秀

まず資料を読みます。問題を分解します。指示の誤りに気づきます。

例

答えを求める前にデータを見ました。

指示する

AIに必要なものを渡しているか。

弱い

すべて貼り付けて「これをやって」と言います。

優秀

背景、制約、例、完了の条件を伝えます。判断は自分で行います。

例

ファイル内の数字だけを使うようAIに伝えました。

確認する

AIの間違いに気づけるか。

弱い

完成しているように見えるものをそのまま出します。

優秀

情報源と照らし合わせます。でっち上げの事実や誤った数字を見つけます。

例

合計を財務の数字と照合しました。

修正する

うまくいかないときに立て直せるか。

弱い

「やり直して」「もっと良くして」を繰り返します。

優秀

何がなぜ間違っているのかを伝えます。早めにやり方を変えます。

例

クエリが間違っていたとき、何が問題かを伝えました。

承認する

提出するものは、そのまま送れる状態か。

弱い

冗長で長く、誰も確認していない主張が含まれます。

優秀

読み手に渡せる状態です。確認したこと、していないことを明記します。機密データを含めません。

例

求められたとおりの5行で、前提を明記しました。

再利用する

繰り返し使える形にしているか。

弱い

毎回手作業でやり直します。

優秀

プロンプト、skill、ワークフロー、自動化を保存します。次回はより速く、同じ品質で進みます。

例

次の2四半期も、一からやり直さず同じ方法で処理しました。

一般的なAIスキル用語と6つのスキルの対応

プロンプト作成、反復、ハルシネーションの確認：AIスキルにはさまざまな呼び方があります。一般的な用語はそれぞれ6つのスキルのいずれかに含まれます。自社独自のAIスキル一覧がある場合は、この表で当社のものと対応させてください。

一般的な用語採点項目
AIが役立つことの判断指示する
タスクのステップ分解理解する
プロンプト作成：目的、背景、制約、形式、例、完了の条件指示する
反復修正する
検証、誤り、ハルシネーション、バイアス確認する
セキュリティ、データ保護、機密保持、コンプライアンス承認する
再利用できるプロンプト、ワークフロー、skill、エージェント、自動化再利用する
チームのテンプレートと標準再利用する
ツールとデータの接続再利用する、およびウェブとスプレッドシートのタスク
批判的思考6つすべて。単独で採点するには広すぎるため、現れた箇所で採点します。
AIが長期的に加える価値の測定採点しません。1つの仕事では示せません。

2. AIスキルと並べて採点する職務スキル

AIに強くても、仕事が間違っていては意味がありません。完全なアセスメントでは、同じ成果物から職種に応じたスキルを2〜3個読み取ります。それぞれ基準未満、基準どおり、基準以上で評価します。

職種別の職務スキル
  • エンジニアリング根本原因の特定 · テストによる修正の証明 · 他の人が保守できるコード
  • プロダクト根拠に基づく優先順位付け · 文書で断ること · 他の人が理解できる判断
  • デザイン根拠に基づくデザイン · 厳しい制約の中での作業 · 選択の説明
  • マーケティング実際の数字に基づく予算 · 適切なチャネルの選択 · ポジショニング

AIスキルのレベルの付け方

すべてのタスクに、候補者が取り組む前に作成した採点シートがあります。シートには各スキルについて2〜3個のチェックポイントがあります。「合計を別の情報源と照合した」など、良い仕事が行う具体的なことです。Lemonsignalは、候補者がどのチェックポイントをどこで満たしたかをマークします。レベルは以下のルールに従って決まり、どの候補者にも同じです。示せる場面がなければ、レベルは付きません。

  1. 弱い そのスキルが必要な場面で逆のことをして、修正しませんでした。例：AIの数字を確認せずに使い、誤った数字が最終成果物に残りました。
  2. 部分的 チェックポイントの一部を満たす、またはタスクの終盤でようやく満たしました。
  3. 十分 そのスキルのチェックポイントをすべて満たしました。
  4. 優秀 すべてのチェックポイントを満たし、さらに最良の仕事だけが示す追加の1点も満たしました。
  5. 未評価 タスクにそのスキルを示す明確な機会がなかった、または根拠が両方向を指しています。スコアから除外するので、候補者に不利には働きません。
スコア

各スキルの点数：弱い0、部分的1、十分2、優秀3。スコアは獲得点を満点で割ったものです。6項目すべてが十分なら18点中12点で、67%です。未評価のスキルは両方から除外するので、スコアを下げることはありません。

推薦の判定

スコアは全体的な強さを示します。推薦の判定は別の問いに答えます。この人はその職種に必要なものを満たしているか、です。各職種には必須要件があります。たとえばデータアナリストなら「確認する」が十分以上です。1つでも満たさなければ、スコアが高くても結果は基準未満です。必須要件はタスクを送る前に変更できます。これは推薦であり、判断するのはチームです。

根拠の出どころ

どのレベルも4種類の根拠のいずれかに基づいています。Lemonsignalが関連する場面を見つけて引用し、一次評価を行います。チームがそれを確認します。ほとんどの候補者は複数回に分けて作業するため、場面は時刻ではなく会話のターンで示します（「ターン14」は14番目のメッセージです）。

根拠例採点方法
タスクに組み込まれた既知のAIの間違い各タスクには、AIが間違えやすい箇所があります。その間違いが提出物に残っていないか。自動で確認：はいまたはいいえ。
AIとの会話答えを求める前にデータを見ました。Lemonsignalが場面を見つけ、最初のレベルを付けます。チームが確認します。
提出物求められたとおりの5行で、前提を明記しました。Lemonsignalが採点シートに沿って評価します。チームが確認します。
作ったもの保存したプロンプト、skill、スクリプト、ワークフロー。Lemonsignalが採点シートに沿って評価します。チームが確認します。

具体例：1人の候補者のAIスキルを採点する

データアナリストの1つのタスクの実際の採点シートです。候補者へのタスク説明：「ダッシュボードで3月の売上が12%減少しています。理由をCFOに5行で説明してください。次にQ2とQ3も行ってください。」渡されるファイルに、答えの確認に必要なものはすべてあります。シートの各行が1つのスキルです。中央の列のチェックポイントをすべて満たせば十分、右の列も満たせば優秀です。

スキル十分のチェックポイント優秀の追加チェックポイント
理解する答えを求める前にデータを見ました。ダッシュボードの売上の定義を確認しました。説明する前にダッシュボードの数字を疑い、それを論点にしました。
指示するAIにテーブルと定義を渡しました。この数字だけを使うよう伝えました。結論は自分で出し、クエリはAIに任せました。
確認するAIの数字を使う前にクエリを確認しました。合計を別の情報源と照合しました。一時的なものでないことを確かめるため、別の月も確認しました。
修正するクエリが間違っていたとき、何が問題かを伝えました。再発しないようチェックを追加しました。
承認する求められたとおりの5行。情報源のない主張はありません。前提を明記しました。未検証の点を明記しました。
再利用するQ2とQ3を、手作業でやり直さず同じ方法で処理しました。作ったプロンプト、skill、クエリを提出しました。

このシートが1人の候補者について出した結果です。各レベルは根拠となったターンにリンクしています。

Anton Lindqvistデータアナリスト · タスク：売上減少の説明 · Claude Code · 1時間50分
Lemonsignalが確認済み
44%基準未満
  • AIの最初のクエリを確認せずに使いました。
  • 確認していない数字をCFOに送りました。
  • スクリプトを作り、Q2とQ3を速く同じ方法で処理しました。
  • 理解する 部分的 ここでの「売上」の意味を尋ねましたが、最初の回答の後でした。 ターン9
  • 指示する 部分的 テーブルは渡しましたが、定義は伝えませんでした。 ターン1
  • 確認する 弱い 最初のクエリをそのまま使い、合計を別の情報源と照合しませんでした。 ターン4
  • 修正する 十分 クエリが失敗したとき、どのjoinが間違っているかを伝えました。 ターン6
  • 承認する 部分的 求められたとおりの5行ですが、確認していない数字に基づいていました。
  • 再利用する 優秀 クエリをスクリプトとして保存し、Q2とQ3を処理しました。
職務に必要なスキル
  • 指標の定義基準未満
  • 分析の厳密さ基準未満
  • 技術者以外への説明基準どおり

受け取れるもの

採点しないもの

公平性を保つために

誰が判断するか

Lemonsignalが各セッションの一次評価を行います。採用マネージャーまたは採用担当者がセッションを見て、一次評価を確認し、コメントを追加できます。判断するのはその人たちです。タスクと採点シートは当社が作成します。

スコアの一貫性

採点シートは誰かがタスクに取り組む前に作成するので、どの候補者にも同じ基準が適用されます。すべてのレベルが根拠となった場面にリンクしているので、どのスコアもご自身で確認できます。

不正

タスクに取り組んでいるのが送付先の本人であることを確認します。提出物はAIとの会話と一致している必要があります。面接の質問は具体的な場面について尋ねるので、自分でしていない仕事については答えにくいものです。

御社と候補者のデータ

AIツールとの会話、提出物、そのために作ったものを記録します。採用チームと候補者が確認できます。すべてEU内に保存し、GDPRに従って取り扱います。

AIスキルの採点についての質問

採点はAIが行うのですか？

Lemonsignalが会話全体を読み、重要な場面にマークを付けて一次評価を行います。各レベルは根拠となった場面にリンクしています。採用チームがセッションを見て、一次評価を確認し、コメントを加えて判断します。

2社の結果を比較できますか？

同じタスクの結果は同じシートで採点するので、比較できます。別のタスクや独自のタスクには、それぞれのシートがあります。

候補者が非対応のツールを使った場合は？

タスク説明で使うツールを伝えてください。別のツールを使うと会話を読めない場合があり、それに依存するスキルは減点ではなく未評価になります。

面接でAIスキルをどうテストしますか？

実際の業務からタスクを出し、候補者自身のAIツールを使ってもらい、後から会話を読みます。そのうえで、その中の1つの場面について尋ねます。なぜその数字を信頼したのか、なぜ指示を変えたのかなどです。AIの使い方を説明してもらっても、わかるのは話のうまさで、実際の腕前ではありません。

持ち帰り課題で候補者にAIの利用を認めるべきですか？

業務でAIを使うなら、はい。禁止すると、実際には使わない働き方をテストすることになります。会話を読まずに許可するのも間違いです。完成した成果物が見えるだけで、誰が考えたのかはわかりません。

非技術職ではどのAIスキルを見るべきですか？

同じ6つです。マーケターはAIがでっち上げた数字を確認し、エンジニアは正しく見えて誤っている修正を確認します。職種によって変わるのはタスクで、スキルではありません。

スコアと推薦の判定が一致しないのはなぜですか？

スコアは6つのスキルの平均です。推薦の判定はその職種の必須要件を見ます。スコアが高くても必須要件が基準未満なら適合ではなく、結果にどのスキルかが示されます。

候補者がAIと​どう⁠働く⁠か⁠を、実際⁠に⁠確か⁠める。

始める

候補者3人まで無料でお試しいただけます。