AIスクリーニングが求職を妨げた？医学生が6ヶ月かけて真相を追及

医学生が感じた違和感

2026年の秋、米国ニューハンプシャー州ハノーバー。医学生のChad Markeyは、臨床研修の合間の貴重な休息時間を、自室のキッチンテーブルや腕の良い肘掛け椅子でPythonのコーディングに費やしていた。彼の目的は、自身が経験した不可解な求職拒否の原因を突き止めることだった。

アイビーリーグの医学部で優秀な成績を収め、権威ある医学誌への共著経験、感動的な個人声明書、そして推薦状にも恵まれていたMarkeyは、医療レジデンシー（専門医研修）の応募で面接の招待を一つも受けられなかった。一方、同じDiscordグループでは多くの学生が面接招待を報告していた。この不一致は、単なる偶然とは思えなかった。

AIスクリーニングツールへの疑念

Markeyの疑いは、一部の病院が採用しているという無料のAIスクリーニングツールに向けられた。このツールは応募書類を自動処理する際に、学生の成績を誤って表示するという噂が学生コミュニティで広まっていたのである。

彼は自身の申請書類を入念に見直したが、致命的な欠点は見つからなかった。しかし、医学部が作成した「Medical Student Performance Evaluation（MSPE）」の記述に目を留めた。そこには、Markeyが「自主的に」合計約22ヶ月の休学を3回にわたり取得し、3年次の課程を「個人的な理由」で2年間にわたって延長したと記されていた。

実際には、2021年にMarkeyは強直性脊椎炎と診断され、症状が悪化すると立つことさえ困難になる状態だった。臨床研修で求められる激しい身体的負担に耐えるために、やむを得ない休学であった。しかし、この「自主的休学」という表現が、AIスクリーニングツールのアルゴリズムにとってマイナスのシグナルとして解釈された可能性を、Markeyは疑った。

6ヶ月にわたる調査の始まり

MarkeyはPythonを武器に、この疑惑の解明に乗り出した。彼は6ヶ月間を費やし、AIスクリーニングツールがどのように機能し、なぜ彼のようなケースで不正確な判断を下す可能性があるのかを調査した。その過程で、アルゴリズムの設計やトレーニングデータに潜むバイアス、そして求職者に不利益をもたらす可能性のあるパターンを明らかにしようとした。

この調査は、単に一人の学生の不満を超えた意義を持つ。AI技術が求人プロセスに急速に浸透する中で、その透明性、公平性、そして説明責任が問われているからだ。応募者の経歴を数値化し、短時間で大量の書類を処理できるAIスクリーニングは、採用担当者の負担を軽減する一方で、人間の目では見逃さないような文脈やニュアンスを無視する危険性をはらんでいる。

浮かび上がる課題と影響

Markeyの事例は、AIスクリーニングが持つ潜在的な問題を象徴している。アルゴリズムは、学歴や成績といった定量的なデータだけでなく、休学期間や個人声明書の表現といった定性的な情報も判断材料にする。しかし、その判断基準が不透明であれば、応募者は自らが不公平に扱われていることにすら気づかない可能性がある。

特に医療分野のように、専門性が高く、個人の経歴や状況が多様な業界では、画一的なAI判断は誤りを生みやすい。Markeyの調査は、AI導入企業に対し、アルゴリズムの説明可能性を高め、定期的な監査を行う重要性を突きつけている。

また、求職者側にも、AIスクリーニングを意識した書類作成の必要性が浮上した。AIが読みやすいフォーマットやキーワードの使用、そして自身の経歴がAIによってどう解釈されるかを考慮する戦略が求められるようになるかもしれない。

結論：テクノロジーと人間のバランスを問う

Chad Markeyの6ヶ月にわたる調査は、AIが社会に浸透する中で生じる摩擦の一端を明らかにした。テクノロジーがもたらす効率性の追求は、時に公平性や個人の機会を損なう可能性がある。この事例は、AIスクリーニングツールの開発者、導入企業、そして規制当局に対し、人間中心の設計と透明性確保を求める声を強めるだろう。

求職プロセスにおけるAIの役割は今後も拡大すると予想される。しかし、その導入にあたっては、技術的能力だけでなく、倫理的な配慮と継続的な改善が不可欠であることを、この医学生の探究は静かに、しかし力強く示している。