候補者のAIスキルを評価する面接の質問30選。

AIそのものとどれだけうまく働けるか。どの職種でも同じです。

✓注目すべき点 ✕注意すべき点

1. 1

   仕事でAIが最後に間違えたのはいつですか。どうやって気づきましたか。

   ✓具体的な場面と、それを見つけた確認方法。

   ✕「たいてい正しいです。」

2. 2

   画面を共有して、今週使ったプロンプトを見せてください。なぜそのように書いたのですか。

   ✓背景、制約、例、完了の条件。

   ✕1行だけ書いて、あとは祈る。

3. 3

   AIを使わないと決めるのはどんなときですか。

   ✓明確な線引き：機密データ、判断が必要なこと、手でやるほうが速いこと。

   ✕「使わないことはありません」または「常に使いません」。

4. 4

   AIで作った仕事を他の人に渡す前に、何を確認しますか。

   ✓具体的な確認：情報源、実行したテスト、数字のスポットチェック。

   ✕「読み直します。」

5. 5

   どの仕事にどのAIツールを、なぜ使いますか。

   ✓チャット、エージェント、他のツール内のAIを、それぞれ理由とともに。

   ✕何にでも1つのツールを、理由なく。

6. 6

   一度に頼まず、AIのためにステップに分けたタスクについて教えてください。

   ✓仕事を分け、次に進む前に各ステップを確認する。

   ✕すべてを1つの巨大なプロンプトに。

7. 7

   AIの回答を信頼するには、どんな条件が必要ですか。

   ✓検証でき、すでに知っていることと一致する。

   ✕自信ありげに聞こえれば信頼する。

8. 8

   再利用のために何を作りましたか。テンプレート、カスタム指示、ワークフロー、エージェントなど。

   ✓毎週時間を節約してくれるもの。

   ✕毎回一から始める。

9. 9

   AIでやろうとしてうまくいかなかったことは何ですか。代わりに何をしましたか。

   ✓限界を正直に語り、やり方を変えた。

   ✕1つも挙げられない。

10. 10

    この1年でAIによって仕事はどう変わりましたか。

    ✓判断に使う時間が増え、最初の下書きに使う時間が減った。

    ✕「速くなっただけです。」

本当の修正と、正しく見えるだけの修正を見分けられるか。

✓注目すべき点 ✕注意すべき点

1. 11

   AIの修正で失敗していたテストが通りました。マージする前に何を確認しますか。

   ✓原因を直したのか、症状を隠しただけなのか。エッジケース。diff全体を読む。

   ✕「テストが通るので直っています。」

2. 12

   AIが書いた400行のpull requestをどうレビューしますか。

   ✓他人のコードのようにレビューし、分割を求め、実行する。

   ✕流し読みして承認する。

3. 13

   エージェントに自律的に実行させるのはいつで、1ステップずつ進めるのはいつですか。

   ✓リスクと元に戻せるかどうかによる。テストをガードレールにする。

   ✕常に任せる、または決して任せない。

4. 14

   エージェントが初めて見るコードベースの背景をどう伝えますか。

   ✓ファイル、規約、例を示す。プロジェクトの指示ファイルを維持する。

   ✕「自分で理解します。」

5. 15

   AIが入れたバグを遅れて見つけたときのことを教えてください。何があれば早く見つけられましたか。

   ✓抜けていた点と、その後に変えたことを挙げる。

   ✕1つも思いつかない。

AIが代わりにはしてくれない判断ができるか。

✓注目すべき点 ✕注意すべき点

1. 16

   ユーザーインタビューが15件あります。AIでテーマを抽出するにはどうしますか。正しいとどうやってわかりますか。

   ✓一部は自分で読み、各テーマを発言までたどり、まれだが重要なシグナルに注意する。

   ✕要約をそのまま使う。

2. 17

   AIがすべての関係者を満足させるロードマップを出しました。何が問題ですか。

   ✓トレードオフがない。誰にも「いいえ」と言わない計画は計画ではない。

   ✕「問題ありません、よく見えます。」

3. 18

   仕様書のどの部分をAIに書かせ、どの部分を自分で書きますか。

   ✓課題と理由は自分で書く。構成とエッジケースはAIに。

   ✕すべてAIに書かせる。

4. 19

   エンジニアリングが何かを作る前に、AIでアイデアをどうテストしますか。

   ✓簡単なプロトタイプやモックアップをユーザーに見せる。

   ✕エンジニアリングを待つ。

5. 20

   関係者が、自分の機能を支持するAI作成の分析を送ってきました。どうしますか。

   ✓結論の前に入力と方法を確認する。

   ✕誰が送ったかで判断する。

どの主張、オーディエンス、チャネルが本物かを知っているか。

✓注目すべき点 ✕注意すべき点

1. 21

   AIが書いたローンチ投稿の下書きに、素晴らしい統計が入っています。公開前に何をしますか。

   ✓情報源を探すか、その数字を削る。

   ✕正しそうなのでそのまま残す。

2. 22

   AIが書いたコピーが他社と同じに聞こえないようにするには。

   ✓顧客の言葉、自社の例、明確な視点。

   ✕そんなことはないと思っている。

3. 23

   競合調査や顧客調査にAIをどう使いますか。どこで誤解させられますか。

   ✓自信ありげな推測で空白を埋めることを知っていて、実際の情報源を確認する。

   ✕事実として扱う。

4. 24

   AIを使ったキャンペーンの計画を説明してください。自分の判断はどこで入りますか。

   ✓オーディエンス、チャネル、予算は自分で選び、プランBを持つ。

   ✕チャネルをAIに選ばせる。

5. 25

   AIが書いた広告案が20件あります。予算を無駄にせずどうテストしますか。

   ✓まず絞り込み、少数をテストし、何を成功とするかを事前に決める。

   ✕20件すべてを同時に出す。

きれいな数字が間違っているときに気づけるか。

✓注目すべき点 ✕注意すべき点

1. 26

   AIが書いたクエリがきれいな数字を返しました。正しいとどうやってわかりますか。

   ✓行数、行を重複させるjoin、既知の合計を確認する。

   ✕「数字は妥当に見えます。」

2. 27

   AIに分析手法を選ばせないのはどんなときですか。

   ✓手法が答えを決めるとき、AIが知り得ないクセがデータにあるとき。

   ✕考えたことがない。

3. 28

   CFOが、AIを使って出した結果について「どうしてわかるのか」と尋ねます。何と答えますか。

   ✓AIに頼らず、方法と確認の内容を説明する。

   ✕「AIが計算しました。」

4. 29

   データモデルと指標の定義の背景をAIにどう伝えますか。

   ✓定義とスキーマ、正しい出力の例を共有する。

   ✕生のテーブルを貼り付けて尋ねる。

5. 30

   正しく見えて間違っていた数字について教えてください。

   ✓具体的な話と、今は必ず行っている確認。

   ✕1つも挙げられない。