求職者の71.0%が「AIの否定的な情報」で応募を見送っている

応募が減ったとき、企業は媒体や求人原稿を疑います。しかし2026年に起きているのは、それ以前の段階での離脱です。求職者の71.0%が、生成AIから得た否定的な情報を理由に応募を見送った経験を持つという調査結果が出ました。企業側には応募がなかったという事実しか残りません。

調査の前提

株式会社CINCが実施した2つの調査です。

調査	時期	対象	有効回答
利用実態	2026年5月19〜20日	過去1年以内にキャリア活動した20〜40代	1,296人（学生554人・社会人742人）
行動変化	2026年5月25日〜6月1日	生成AI活用層の20〜49歳	770人（学生358人・社会人412人）

行動変化のほうは「生成AI活用層」に限定した調査です。求職者全体の数字ではないため、「AIを使っている層ではこうなる」という読み方が正確です。ただし後述のとおり利用率自体が7割近いため、限定条件は年々弱まります。

生成AIはすでに就職・転職の情報源になっている

区分	利用率
全体	67.7%（日常的35.6%＋数回32.1%）
新卒層	77.8%（日常的46.0%＋数回31.8%）

新卒層では8割近くが就職活動で生成AIに触れています。**「使っている人もいる」ではなく「使っていない人が少数派」**という段階です。

起きている3つの行動変化

生成AI活用層で確認された変化です。

行動	割合
AIで新たな企業を知った	62.8%
企業の優先順位（志望度）が変わった	73.4%
AIの否定的な情報で応募を断念した	71.0%（複数回36.1%＋一度34.9%）
意思決定に影響があった	66.5%（実際に変更25.5%＋判断材料41.0%）

注目すべきは、認知（62.8%）よりも断念（71.0%）のほうが高いことです。AIは新しい企業との出会いも生んでいますが、それ以上に候補から外す機能を果たしています。

なぜ「サイレント離脱」なのか

従来の離脱には痕跡がありました。

離脱の種類	企業側に見えるもの
求人を見て応募しない	求人の閲覧数と応募数の差
応募後に辞退	辞退の連絡、ステータス変更
面接後に辞退	辞退理由のヒアリング機会
AI経由での見送り	何も残らない

求職者は企業名を検索する前に、あるいは検索と並行して、AIに「この会社はどうか」と尋ねます。そこで否定的な回答を得れば、採用サイトに到達することすらありません。アクセス解析にも、媒体のレポートにも現れません。

企業側から見えるのは「応募が減った」という結果だけです。原稿を変え、媒体を変え、単価を上げても改善しないのは、離脱が起きている場所が違うためです。

従来の口コミ対策との違い

「口コミサイトの評価を上げればよい」という話ではありません。3つの点で性質が異なります。

1. 情報の出どころが見えない AIは複数の情報源を統合して回答します。特定の口コミサイトを改善しても、他の情報源から同じ内容が引かれれば結果は変わりません。

2. 質問の粒度が細かい 口コミサイトは「会社」単位ですが、AIには「この会社の営業職の残業は」「30代で転職して馴染めるか」といった条件付きの質問が投げられます。会社単位の評判ではなく、条件ごとの実態が問われます。

3. 一次情報の不足が推測で埋められる 公式情報が薄い領域は、断片的な情報からの推測で回答が構成されます。情報を出していないことが、そのまま不利に働きます。

打ち手：AIに参照される一次情報を整える

対策の方向は明確です。否定的な情報に反論するのではなく、事実で補完することです。

公式採用ページの優先度が上がっている

別の調査（ネオキャリア、27卒内定者109名）では、最も信頼できる情報源として企業の公式採用ページが33.9%で1位でした（選考経験者のクローズドコミュニティ29.4%、求人サイト29.4%）。

求職者はAIやSNSで情報を集め、最終的に公式情報で確認します。公式ページに答えがなければ、確認は完了しません。

整備すべき情報

AIが参照しやすく、かつ求職者が実際に尋ねる内容から優先します。

領域	具体的に書くこと
職種別の実態	1日の業務の流れ、繁忙期、残業の実績時間
待遇	給与レンジ、昇給の実績額、賞与の支給実績
選考	フローと各段階の所要日数、評価する観点
定着	平均勤続年数、離職率、入社後の育成計画
よくある質問	未経験の可否、配属の決まり方、転勤の有無

曖昧な表現ほどAIに引用されにくく、推測で補われます。 「風通しの良い職場」より「1on1は月1回、議事録は本人と上長で共有」と書くほうが、事実として参照されます。

否定的な情報への向き合い方

離職率が高い、残業が多いといった事実がある場合、隠しても推測で補われます。現状の数値と、それに対して何をしているかをセットで出すほうが、結果的に離脱を減らします。事実を書いて応募を見送る人は、書かなければ入社後に辞める人です。

「採用LLMO」というサービスカテゴリが登場

この領域を専門に扱うサービスも出てきました。Queue株式会社は2026年8月11日、AIに引用されやすい形で採用情報を整備する「採用LLMOコンサルティング」の提供を開始しています（発表は8月13日）。求職者がどんな状況でどんな質問をAIに投げるかを整理し、職種別キャリアパス、社員体験談、採用FAQ、比較情報などを一次情報として整えるという内容です。

同社はAI引用改善率が平均+320%といった実績値を公表していますが、これは事業者が自社サービスについて発表した数値であり、第三者による検証は確認できていません。参考値として扱ってください。

サービスを使うかどうかは別として、「AIに正しく参照される状態を作る」という課題設定そのものは、上記の調査結果と整合しています。

効果をどう測るか

サイレント離脱は痕跡が残らないため、直接は測れません。次の代替指標で見ます。

指名検索数の推移（自社名＋職種などの検索数）— AIで知って公式を確認する動きが増えれば伸びます
採用サイトの直接流入（媒体経由でない流入）
応募単価と応募数の乖離（露出を増やしても応募が伸びない場合、離脱が前段で起きている可能性）
主要な生成AIに自社について尋ねた際の回答内容を定期的に記録する

4つ目は原始的ですが、最も直接的です。四半期に一度、実際に尋ねて回答を保存しておくだけで、変化と改善余地が見えます。

まとめ

就職・転職活動での生成AI利用率は全体67.7%、新卒層では77.8%
生成AI活用層のうち62.8%が「AIで新たな企業を知った」、73.4%が志望度の優先順位を変え、71.0%が否定的な情報で応募を断念
この離脱は応募・辞退のどちらにも記録が残らないため、企業からは「応募減」としか見えない
対策は口コミの改善ではなく、AIが参照する一次情報の整備。公式採用ページは求職者が最も信頼する情報源（33.9%）
曖昧な表現は推測で補われる。数値と具体で書くほうが引用されやすい
効果は指名検索数・直接流入・実際のAI回答の定点記録で見る