「うちの会社、ChatGPTに聞いたら”残業が多いブラック企業”と言われた」——そんな声が人事担当者の間で増えています。求職者がAIに「〇〇社の評判は？」「〇〇社エンジニアの年収は？」と聞くのは、もはや当たり前の行動になりました。そしてAIが答えの根拠として使うのが、OpenWork・ライトハウス・転職会議・Glassdoor・Indeedに蓄積された、膨大な従業員レビューデータです。
本記事では、AIエージェントが「この会社は働きやすいか」を判断する仕組みを解説し、自社発信コンテンツとの整合設計・ネガティブレビュー対応・Schema連携まで、採用AEO（Answer Engine Optimization）の全戦略を実践的にまとめます。
目次
- AIエージェントが「会社の評判」を調べる仕組み
- 日本・海外の主要口コミプラットフォームとLLMの関係
- ネガティブレビューが「公式見解を上書き」する現象
- 自社採用サイトに実装すべきSchema設計
- 離職率・残業時間・有給消化率を「数値」として構造化する
- ネガティブレビューへの公式返信テンプレート
- 退職者インタビューの第三者媒体掲載戦略
- 認定バッジ（Great Place to Work・健康経営優良法人）の構造化表示
- 月次AI採用ブランド監査プロトコル
- まとめ：採用AEO対策チェックリスト
1. AIエージェントが「会社の評判」を調べる仕組み
従来、求職者は「〇〇社 評判」でGoogle検索し、口コミサイトを自分でひとつひとつ開いていました。2026年現在、ChatGPT・Perplexity・Geminiといった生成AIが「〇〇社はどんな会社ですか？」という質問に対して、複数ソースを統合した回答を即座に返します。
AIが参照する情報ソースの優先順位
AIが採用ブランドに関する回答を生成する際、以下の順序で情報を参照・統合します。
| 優先度 | 情報ソース | 特徴 |
|---|---|---|
| 高 | OpenWork・ライトハウス・転職会議（日本） | 実名に近い社員口コミ、評点データが豊富でLLM学習データに多く含まれる |
| 高 | Glassdoor・Indeed（グローバル） | 英語圏LLMの学習データとしての重みが高い。グローバル採用に影響大 |
| 中 | ニュース・プレスリリース・LinkedInの公式投稿 | 直近情報として参照されやすい。企業側がコントロールできる |
| 中 | 自社採用サイト・コーポレートサイト | Schema実装次第でAIの理解精度が大きく変わる |
| 低〜中 | SNS（X・Instagram）の従業員投稿 | Perplexityなどリアルタイム検索型AIで重みが増加中 |
重要なのは、AIは「公式サイトの情報」と「口コミサイトの情報」を比較した上で回答を生成する点です。両者に矛盾がある場合、AI は一般的に「より中立的・多数派と判断した情報」を優先する傾向があります。つまり、公式サイトで「残業なし・風通し良好」とアピールしても、口コミに「残業100時間超え」が多数あれば、AIの回答は口コミデータに引っ張られます。
求職者がAIに聞く代表的なクエリ
- 「〇〇社はブラックですか？」
- 「〇〇社のエンジニアの年収を教えてください」
- 「〇〇社の面接は何次まであって、どんな質問が出ますか？」
- 「〇〇社と△△社、どちらが働きやすいですか？」
- 「〇〇社の離職率や有給消化率はどのくらいですか？」
これらのクエリに対してAIが「適切な答えがない」と判断すると、口コミデータだけに基づいた回答が返ります。逆に言えば、自社がこれらの質問に対して構造化された情報を発信していれば、AIの回答をコントロールできる可能性があります。
2. 日本・海外の主要口コミプラットフォームとLLMの関係
日本国内プラットフォームの特性
OpenWork（旧Vorkers）は、日本最大級の社員口コミサービスで、8つの評価軸（待遇面の満足度、社員の士気、風通しの良さ、社員の相互尊重、20代成長環境、人材の長期育成、法令順守意識、人事評価の適正感）のスコアを持ちます。LLMはこの構造化されたスコアを学習データとして扱いやすく、日本語での「〇〇社の評判」回答に強く影響します。
ライトハウスは、OpenWorkと並ぶ国内主要プラットフォームです。「働き方・社風」「給与・待遇」「キャリア・スキルアップ」などのカテゴリ別スコアを持ち、特にスタートアップ・IT企業のレビューが充実しています。
転職会議は、リクルートグループが運営する口コミサービスです。口コミ投稿数が多く、AI学習データとしての量的な重みがあります。
海外プラットフォームとグローバル採用への影響
Glassdoorは英語圏LLM（特にGPT-4系）の学習データに深く組み込まれています。グローバル採用を行う企業や、外国人エンジニアを採用したい企業では、Glassdoorのスコア管理が不可欠です。CEO承認率・推薦率・インタビュープロセス評価など、求職者の意思決定に直結するデータを多く持ちます。
Indeedは、求人情報と口コミが一体化したプラットフォームです。JobPosting Schemaとの連携が強く、AIが「求人→企業評判→年収」を一気に調べる際の統合ソースになっています。
プラットフォーム別・LLM引用の重み（2026年現在の傾向）
| プラットフォーム | 日本語LLM（GPT-4o・Gemini） | 英語LLM（Claude・Perplexity） | 注目度の変化 |
|---|---|---|---|
| OpenWork | ◎ 非常に高い | △ 低い | → 横ばい |
| ライトハウス | ○ 高い | △ 低い | ↑ 増加傾向 |
| 転職会議 | ○ 高い | △ 低い | → 横ばい |
| Glassdoor | △ 中程度 | ◎ 非常に高い | ↑ 増加傾向 |
| Indeed | ○ 高い | ◎ 非常に高い | ↑ 増加傾向 |
| LinkedIn（投稿） | △ 中程度 | ○ 高い | ↑↑ 急増 |
3. ネガティブレビューが「公式見解を上書き」する現象
最も注意すべきAEO上の問題が、この「上書き現象」です。LLMは回答生成時に、情報の「量」と「一貫性」を重視します。公式サイトに1つの好意的な説明があっても、口コミに50件の否定的なレビューがあれば、AI は口コミの情報を「より信頼性が高い」と判断します。
上書き現象が起きやすいトピック
- 残業・長時間労働：「月平均残業〇時間」という公式データがない場合、口コミの「残業が多い」が採用される
- 給与・年収：公式の給与レンジ非公開企業では、OpenWork等の口コミ年収データがほぼそのまま引用される
- パワハラ・ハラスメント：口コミに複数件あると「ハラスメントが多い」という評価が生成される可能性が高い
- 離職率：公式非開示の場合、「人がすぐ辞める」という口コミが引用されやすい
上書き現象を防ぐ基本戦略
シンプルな原則は「AIが参照できる公式データを、口コミより先に・より構造化された形で用意する」ことです。具体的には後述するSchema実装とコンテンツ設計が鍵になります。
4. 自社採用サイトに実装すべきSchema設計
採用AEOの技術的な核心は、Schema.orgの構造化データです。AIはHTMLのテキストよりもJSON-LDで記述された構造化データを優先的に読み取ります。
EmployerAggregateRating Schema
自社の採用サイト・コーポレートサイトに、雇用主としての評価を構造化データで記述します。Googleがサポートしており、リッチリザルト（検索結果での星表示）にも対応しています。
{
"@context": "https://schema.org/",
"@type": "EmployerAggregateRating",
"itemReviewed": {
"@type": "Organization",
"name": "株式会社〇〇",
"sameAs": "https://www.example.co.jp"
},
"ratingValue": "4.1",
"bestRating": "5",
"worstRating": "1",
"ratingCount": "312",
"description": "従業員312名によるOpenWork・ライトハウス等の第三者口コミプラットフォームの集計評価"
}ratingCountは実際の口コミ件数の合計を使用します。ratingValueは主要プラットフォームの平均値を用いるのが一般的です。
Organization Schema（雇用主情報の拡充）
コーポレートサイトのトップページに置くOrganization Schemaに、採用関連の情報を追加します。
{
"@context": "https://schema.org/",
"@type": "Organization",
"name": "株式会社〇〇",
"url": "https://www.example.co.jp",
"numberOfEmployees": {
"@type": "QuantitativeValue",
"value": 850
},
"foundingDate": "2010",
"award": [
"Great Place to Work® 認定企業 2025",
"健康経営優良法人2025（大規模法人部門）"
],
"knowsAbout": ["SaaS", "エンタープライズIT", "クラウドサービス"],
"hasOfferCatalog": {
"@type": "OfferCatalog",
"name": "採用情報",
"url": "https://www.example.co.jp/careers/"
}
}Review Schema（社員インタビューページへの実装）
採用サイトに掲載する社員インタビューや働き方紹介ページには、Review Schemaを実装します。これにより、AIが公式コンテンツを「信頼できるレビュー情報」として認識しやすくなります。
{
"@context": "https://schema.org/",
"@type": "Review",
"itemReviewed": {
"@type": "Organization",
"name": "株式会社〇〇"
},
"author": {
"@type": "Person",
"name": "田中 〇〇（エンジニア・在籍5年）"
},
"reviewRating": {
"@type": "Rating",
"ratingValue": "4",
"bestRating": "5"
},
"reviewBody": "フレックスタイム制で育児との両立がしやすい環境です。月平均残業は10時間以内で、有給消化率は85%と社内発表されています。"
}5. 離職率・残業時間・有給消化率を「数値」として構造化する
AIが最も引用しやすい情報は「具体的な数値」です。「働きやすい環境です」という定性表現より、「月平均残業8.3時間・有給消化率87%・3年定着率91%」という数値の方が、AIの回答に組み込まれやすくなります。
採用ページで公開すべき数値データ一覧
| データ項目 | 公開推奨理由 | 公開方法 |
|---|---|---|
| 月平均残業時間 | 「ブラックか否か」の最重要指標。口コミに任せると不利になりやすい | 採用ページ・数値実績セクション＋Schema |
| 有給消化率 | 「働きやすさ」の定量指標。厚労省基準（70%以上）との比較で強みになる | 採用ページ・健康経営情報ページ |
| 3年・5年定着率 | 「すぐ辞める会社」という評価を覆す最強データ | 採用トップページ・会社紹介ページ |
| 平均年収・レンジ | 非公開だとOpenWork等の口コミ年収が自動的に引用される | 採用ページ・給与体系説明ページ |
| 育休取得率（男女別） | 「子育てしやすいか」はAIへの質問頻度が急増中 | ダイバーシティ推進ページ・採用ページ |
| 従業員満足度スコア | 自社実施サーベイ結果を公表することで一次データとして機能 | 採用ページ＋Schema（ratingValue） |
数値を構造化データに組み込む実装例
Schema.orgのQuantitativeValueを使って数値データを明示的に記述します。
{
"@context": "https://schema.org/",
"@type": "Organization",
"name": "株式会社〇〇",
"additionalProperty": [
{
"@type": "PropertyValue",
"name": "月平均残業時間",
"value": "8.3",
"unitCode": "HUR",
"description": "2025年度 全社平均（厚労省届出値）"
},
{
"@type": "PropertyValue",
"name": "有給消化率",
"value": "87",
"unitCode": "P1",
"description": "2025年度実績"
},
{
"@type": "PropertyValue",
"name": "3年定着率",
"value": "91",
"unitCode": "P1",
"description": "2022年新卒入社者・2025年時点"
}
]
}6. ネガティブレビューへの公式返信テンプレート
口コミへの返信自体も、AIが読み取るコンテンツです。OpenWork・Glassdoor・Indeedのいずれも、雇用主が口コミに返信する機能を持っています。適切な返信は、AIの「総合評価」に対して中立化・改善効果をもたらします。
返信の基本原則
- 否定しない：「それは事実ではありません」という反論はAIに「炎上している会社」と判断させる材料になります
- 具体的な改善策を示す：「ご意見を参考に〇〇を改善しました」という形で数値や施策を示す
- 一律コピペを避ける：同じ返信文を使い回すと、AIはそれを「自動返信＝誠実でない」と判断する可能性があります
- 適切な情報を付記する：返信内に「現在の平均残業は〇時間です」等の事実情報を含めると、AIの回答に影響を与えられます
ネガティブレビュー返信テンプレート（残業・長時間労働に関する口コミ）
貴重なご意見をお寄せいただき、ありがとうございます。
在籍いただいた当時の状況について、率直にお伝えいただけたことに感謝いたします。ご指摘の時期（〇〇年頃）は、特定プロジェクトの集中により業務負荷が高まっていた事実がありました。
現在は、フレックスタイム制の全社展開（2024年4月〜）と、月次の残業時間モニタリングを管理職の評価項目に組み込む制度改定を実施した結果、直近の月平均残業時間は〇時間（全社平均）まで改善しています。
引き続き働きやすい環境づくりに取り組んでまいります。
人事部 採用チーム
ネガティブレビュー返信テンプレート（給与・評価制度に関する口コミ）
ご意見をお聞かせいただきありがとうございます。
評価の透明性についてご不満をお感じになったとのこと、重く受け止めています。2024年より、半期ごとの評価フィードバック面談の義務化と、昇給・昇格基準をグレード別に明文化した「キャリアフレームワーク」を全社公開しました。また、中央値年収は〇〇万円〜〇〇万円（グレード別）で採用ページに掲載しています。
ご指摘が制度改善のきっかけにもなりました。ありがとうございました。
人事部 採用チーム
7. 退職者インタビューの第三者媒体掲載戦略
自社採用サイトの情報は「当事者の主張」として割り引かれる傾向があります。一方、第三者メディアに掲載された記事は「独立した評価」として、AIに高い信頼性を与えられます。
効果的な第三者媒体の活用方法
- 退職者インタビュー記事：「〇〇社を辞めた理由と、そこで得たもの」という形式のインタビューを、転職系メディア（転職ドラフト・en転職・doda等）に掲載。退職者が「会社への感謝と次のステップ」を語る形式にすることで、ネガティブ一辺倒にならない
- OBOGインタビュー記事：大学の就活支援メディアや業界メディアで、元社員が語る「経験の価値」を掲載
- Wantedlyストーリー：IT・スタートアップ求職者がよく参照するWantedlyの記事はLLM引用率が比較的高い。在籍・退職問わずリアルなストーリーを掲載
- note・LinkedIn：社員や退職者の個人発信記事も、実名コンテンツとしてAIに参照される。社内ブログ推奨制度の導入が有効
ポイントは「ネガティブを消す」ではなく「ポジティブな情報量を増やす」ことです。AIは量と一貫性で判断するため、好意的なコンテンツが増えれば自然と全体評価が改善します。
8. 認定バッジの構造化表示
「Great Place to Work® 認定」「健康経営優良法人」「くるみん認定」などの第三者認定は、AIが「この会社は信頼できる雇用主か」を判断する際の強力なシグナルになります。ただし、ロゴ画像を貼るだけでは不十分です。Schema.orgで構造化して記述することで、AIが認定の内容を正しく理解できます。
認定バッジのSchema実装例
{
"@context": "https://schema.org/",
"@type": "Organization",
"name": "株式会社〇〇",
"award": [
"Great Place to Work® 認定企業 2025年版（日本）",
"健康経営優良法人2025 大規模法人部門（ブライト500）",
"くるみん認定（厚生労働省・2024年取得）",
"D&I Award 2024 ベストワークプレイス認定"
],
"memberOf": [
{
"@type": "Organization",
"name": "健康経営優良法人認定制度",
"url": "https://www.meti.go.jp/policy/mono_info_service/healthcare/kenko_keiei.html"
}
]
}主要認定制度とAIへの訴求力
| 認定名 | 主な訴求ポイント | AIへの影響 |
|---|---|---|
| Great Place to Work® 認定 | 従業員エンゲージメント・信頼度 | ◎ 国際的に認知されLLM引用率高い |
| 健康経営優良法人（ブライト500） | 従業員の健康管理・残業削減 | ○ 「ブラックか否か」回答に影響 |
| くるみん・プラチナくるみん | 育児・産休復帰支援 | ○ 「育休取りやすいか」回答に影響 |
| えるぼし認定（女性活躍） | 女性管理職比率・キャリア支援 | △ D&I関連クエリへの影響 |
| D&I Award | 多様性・インクルージョン | △ グローバル採用での訴求力あり |
9. 月次AI採用ブランド監査プロトコル
採用AEO対策は「設計して終わり」ではなく、継続的なモニタリングが必要です。以下の月次監査プロトコルを実施することで、AIが自社についてどう回答しているかを定期的に把握できます。
月次監査チェックリスト
Step 1：主要AIへの質問実施（毎月第1営業日）
以下のクエリをChatGPT（GPT-4o）・Perplexity・Gemini・Claude の4つに対して実施し、回答内容と引用元URLを記録します。
- 「〇〇株式会社はブラック企業ですか？」
- 「〇〇株式会社で働くのはどうですか？メリット・デメリットを教えてください」
- 「〇〇株式会社のエンジニアの年収・残業時間を教えてください」
- 「〇〇株式会社と△△株式会社、どちらが働きやすいですか？」（競合比較）
- 「〇〇株式会社の面接対策を教えてください」
Step 2：引用元の分析
AIが参照している情報ソースを記録します。特に以下を確認します。
- 口コミサイト（OpenWork・Glassdoor等）が引用されている場合：スコアと主要コメントを確認し、返信対応が必要なものをリストアップ
- 自社公式サイトが引用されている場合：引用されているページとコンテンツを確認し、Schema実装を検討
- ニュース・SNSが引用されている場合：ポジティブ・ネガティブ別に記録
Step 3：スコアリングと改善アクション
| 評価指標 | 計測方法 | 目標値 |
|---|---|---|
| AI回答における自社公式情報の引用率 | 5クエリ中、公式サイトが引用された件数 | 3件以上（60%） |
| AI回答のネガティブ表現含有率 | 「ブラック」「残業多い」等のネガティブ語が含まれた回答数 | 5クエリ中1件以下 |
| 主要口コミスコア | OpenWork・ライトハウスの総合スコア | 3.5以上を目標 |
| Schema実装ページ数 | Rich Results Testで確認できる構造化データ適用ページ数 | 月5ページ増加 |
監査結果に基づく改善アクション例
- 「残業が多い」という回答が複数AIで確認された → 残業時間の公式データを採用ページに追加し、Schema実装。口コミへの返信で改善施策を記載
- 競合比較で不利な回答が出た → 自社の差別化ポイント（給与・制度・認定）をFAQページに追加し、FAQPage Schemaを実装
- 面接情報が不正確 → 採用ページに選考フローを明示し、「採用プロセス」ページのコンテンツを充実
まとめ：採用AEO対策チェックリスト【2026年版】
AIエージェントが「この会社は働きやすいか」を判断する時代において、採用ブランドの管理は口コミ対応だけでは不十分です。AIに正確に読み取られる構造化データの整備と、公式情報の量的・質的な充実が不可欠です。
| # | 対策項目 | 優先度 | 実施ステータス |
|---|---|---|---|
| 1 | 採用サイトにEmployerAggregateRating Schemaを実装 | ★★★ | □ 未実施 |
| 2 | Organization Schemaにaward（認定情報）を追加 | ★★★ | □ 未実施 |
| 3 | 月平均残業時間・有給消化率・定着率を採用ページに数値で公開 | ★★★ | □ 未実施 |
| 4 | 社員インタビューページにReview Schemaを実装 | ★★☆ | □ 未実施 |
| 5 | OpenWork・Glassdoor・Indeedのネガティブ口コミへ返信（改善施策付き） | ★★★ | □ 未実施 |
| 6 | 退職者インタビュー記事を第三者媒体に掲載（年2〜4本） | ★★☆ | □ 未実施 |
| 7 | 認定バッジ（GPTW・健康経営優良法人等）の取得と構造化表示 | ★★☆ | □ 未実施 |
| 8 | 月次AI採用ブランド監査の実施（ChatGPT・Perplexity等5クエリ） | ★★★ | □ 未実施 |
| 9 | 採用FAQ pageにFAQPage Schemaを実装（残業・年収・選考フロー） | ★★☆ | □ 未実施 |
| 10 | 社員のLinkedIn・note投稿を推奨する社内制度の整備 | ★☆☆ | □ 未実施 |
まず優先度★★★の項目から着手し、月1回の監査で効果を確認しながら継続的に改善していきましょう。
関連記事
- AEO×求人情報最適化：JobPosting SchemaとGoogle for Jobs対応ガイド
- AEO×ブランドレピュテーション管理：AIの誤情報対策とナレッジパネル修正
- AEO×サードパーティプラットフォーム最適化ガイド
本記事は2026年4月時点の情報に基づいています。AI各社の回答生成アルゴリズムは継続的に更新されるため、最新情報は各プラットフォームの公式ドキュメントを参照してください。
コメント