Google Antigravity活用事例：HR・採用業務のデータ分析と自動化

導入

エンジニア採用において、候補者のGitHubや技術ブログを読み込み、スキルセットを評価する作業にどれだけの時間を溶かしているでしょうか。本記事を読めば、Google Antigravityの「ブラウザ操作エージェント」を活用し、Web上の非構造化データを自動収集・要約する自律型リサーチの仕組みを構築できるようになります。 手作業でタブを何十個も開き、情報をコピペして整理するアナログなワークフローから抜け出し、AIが自動で候補者リストを生成するプロダクト主導のプロセスへと移行できます。

ボトルネック整理

優秀なエンジニアを探すため、テクニカルリクルーターや人事担当者は日々Webの海を泳いでいます。しかし、GitHubのリポジトリを一つひとつ確認し、READMEを読み解き、自社の要件と照らし合わせる作業は、極めて属人的で膨大な工数を要求します。

「スカウト文面を考える前に、調査だけで1日が終わってしまう」——そんなふうに、現場は悲鳴を上げているはずです。 本来のコア業務である「候補者との対話」に時間を使えず、終わりの見えない検索作業による疲弊から、チームの雰囲気や心理的安全性までもが低下していく。この「調査工数の肥大化」こそが、現在の採用業務における最大のボトルネックではないでしょうか。

改善方針

ここで提案したいのが、Google Antigravityを単なる開発用IDEとしてではなく、「自律的なWeb調査エージェント」としてハックするアプローチです。

海外ではすでに、Antigravityの「Browser Agent」を使ってGitHubのプロフィールを自動巡回させ、AIマネージャー職に適しているかを要約させるというハックが実証されています。 短期的な改善方針としては、このエージェントに「指定したURLの情報を読み込み、Markdown形式で要約レポートを出力させる」タスクを任せること。中期的な方針としては、詳細なコードを書かずに自然言語でツールを作る「Vibe Coding」の概念を取り入れ、自社専用の求人票チェッカーや候補者管理ダッシュボードを内製化していくことだと考えます。

実装ステップ

では、具体的にどのように環境を構築し、調査を自動化するのか。1週間で立ち上げるためのステップを整理します。

1. Antigravityのセットアップとブラウザ有効化 Antigravityをインストールし、Chrome拡張機能を介した「Browser Preview」を有効にします。これにより、AIが直接ブラウザを操作できる状態を作ります。
2. 調査対象のリストアップとプロンプト設計 「HRアナリストとして振る舞え。以下のGitHubプロフィールを閲覧し、Generative AIの観点からコンピテンシーを評価して要約せよ」といった指示（プロンプト）を用意します。
3. エージェントによる自律実行（The Scoutパターンの適用） Playgroundセッションで指示を実行します。エージェントは自動でページネーションをめくり、リポジトリの構造を読み解いていきます。
4. アーティファクト（成果物）の出力 調査結果を walkthrough.md などのMarkdownファイルとして出力させ、NotionやObsidianなどのナレッジベースへ統合します。

ここで一つ、ツールなしでは難しい高度なTipsを紹介します。Antigravityの「Skills」機能（Anthropicの SKILL.md 規格）を使い、優秀なリクルーターの「検索・スクリーニング手順」を型化して読み込ませるのです。これにより、チーム全体でトップパフォーマーの調査ノウハウを容易に再現できるようになります。

運用ルール

強力な自動化ツールを導入する際、絶対に避けて通れないのがリスク管理とコンプライアンスです。実務的には、以下のルールを厳格に守る必要があります（本記事の前提は2026年2月20日時点の仕様に基づきます）。

• 利用規約とRobots.txtの遵守 Webスクレイピングや自動操作は、対象サイトの利用規約や robots.txt で許可された範囲でのみ実行してください。技術的に可能であっても、プラットフォームに負荷をかける行為は法的なリスクを伴います。
• サンドボックス環境での実行 過去には、エージェントが指示を誤認し、ローカルドライブのデータを全消去してしまう事故も報告されています。人事データなどの機密情報を扱うPCでは、Dockerなどの隔離された環境（Dev Containers）を使用し、ファイルシステムへのアクセス権限を最小限に絞ることが必須です。
• Human-in-the-Loop（人間の介在） AIを完全に放置するのではなく、エージェントが作成した「作業計画書」を人間が承認してから実行させるフローを組み込みます。最終的なスカウト送信の判断も、必ず人間が行うという体験こそが価値です。

KPI設計

自動化の恩恵を可視化するためには、適切なKPI設計が欠かせません。現場感としては、以下の指標をトラッキングすると良いと考えます。

• 候補者1人あたりのスクリーニング時間 手作業で30分かかっていたものを、AIの要約確認のみの5分に短縮できているか。
• スカウト候補のリストアップ数 週次でのパイプライン増加量を計測します。
• スカウト返信率 AIによる深い技術スタック分析を元に、パーソナライズされた文面を送ることで返信率が向上しているかを確認します。

これらの数値が改善されれば、リクルーターはより人間中心の価値、つまり「候補者との関係構築」にリソースを集中できるようになります。

自動化の実装例

実際にAntigravityを動かすと、どのようなアウトプットが得られるのでしょうか。 例えば、あるエンジニアのGitHub URLをインプットすると、数分後には以下のような構造化されたデータが生成されます。

• 主要言語とフレームワーク：TypeScript, React, Python
• コードの品質傾向：テストコードの網羅率が高く、CI/CDパイプラインの構築経験が豊富。
• 自社要件とのマッチ度：シニアフロントエンドエンジニアとして即戦力の可能性あり。

このようにして抽出されたリストをもとにスカウトを送り、面接へと進んだ後は、日程調整のフェーズに入ります。ここで再び手作業の往復メールに戻ってしまっては意味がありません。 面接の予約ページを発行し、候補者にカレンダーの空き枠を選んでもらう仕組みを連携させることで、情報収集から面接設定までの生産性を劇的に引き上げることができます。

まとめ

Google Antigravityは、コードを書くエンジニアだけのものではありません。その「ブラウザ操作エージェント」は、非構造化データを読み解き、採用担当者の右腕となる「最強のWeb調査員」として機能します。

まずは、自社の採用要件を整理し、手作業で行っている競合調査やプロフィール確認のプロセスを一つ、AIに任せてみてはいかがでしょうか。 現場の疲弊をなくし、候補者と向き合う「コア業務」を取り戻すための第一歩を、今日から踏み出してみてください。