AI 面接の仕組みと作り方｜質問を読み上げるアバターと回答の受け取り

AI 面接とは、面接官の代わりにシステムが質問を投げかけ、応募者の回答を受け取る仕組みです。作るときは「質問を伝える」「回答を受け取る」「記録して評価する」の 3 つに分けて考えます。

AIアバターを使うと、質問を文字ではなく、顔と声で伝えられます。この記事では、avacast を面接官役に使う構成を説明します。avacast が担うのは質問を話す部分で、回答の録音・文字起こし・評価は別の仕組みで用意します。

全体の構成

質問の順番が決まっている一次面接なら、質問の一覧を順に読み上げるだけで作れます。回答の内容に合わせて深掘りの質問をしたい場合は、LLM に次の質問を考えさせます。

面接の流れを作る

1. サーバーで面接のセッションを作り、client_token と webrtc をブラウザへ渡す
2. ブラウザで映像が届いたら (session.ready)、最初の質問を話させる
3. アバターが話し終えたら (queue.drained)、回答の録音を始める
4. 応募者が回答を終えたら録音を止め、文字起こしと保存を行う
5. 次の質問を話させ、最後の質問まで繰り返す
6. 終わったら DELETE /v1/sessions/:id でセッションを閉じる

import { AvacastSession } from 'avacast';

const questions = [
  'はじめに、自己紹介をお願いします。',
  'これまでの仕事で、工夫したことを教えてください。',
  '当社を志望した理由をお聞かせください。',
];
let index = 0;

const session = new AvacastSession(client_token, {
  signalingUrl: webrtc.signaling_url,
  iceServers: webrtc.ice_servers,
});
session.attach(document.getElementById('interviewer'));

session.on('session.ready', () => session.speak(questions[index]));
// 質問を話し終えたら、回答の受け付けを始める
session.on('queue.drained', () => startAnswer());

async function onAnswerFinished() {
  index += 1;
  if (index < questions.length) await session.speak(questions[index]);
  else finishInterview();
}

await session.start();

startAnswer と finishInterview は、録音や画面の切り替えを行う自社の処理です。アバターが話している間は session.isSpeaking が true になるため、録音を始める合図に使えます。

1 セッションの長さとプラン

1 セッションの最大長はプランで決まり、延長できません。面接の長さに合わせてプランを選びます。

• Free: 1 セッション最長 5 分
• Starter: 最長 15 分
• Standard: 最長 30 分
• Business: 最長 60 分

20〜30 分の面接なら Standard 以上が必要です。より短い質問だけの一次選考であれば、Starter でも収まります。応募者の回答を待っている時間も接続時間に含まれるため、無発話で閉じる秒数 (idle_timeout_seconds、既定 180 秒) は、回答にかかる時間より長めに設定してください。

応募者への配慮

• 面接官が AI であることを、最初の説明で伝えます。
• 回答の録音や文字起こしを行う場合は、その目的と保存期間を応募者に示します。
• 合否の判断は人が行い、AI の出力はその材料の一つにとどめます。

応募者の個人情報の扱いはAI 面接で応募者の個人情報をどう扱うかで、面接練習のアプリを作る場合は面接練習アプリを AIアバターで作るで説明しています。

よくある質問

avacast だけで AI 面接を作れますか。

質問を話す部分は avacast で作れます。回答の録音・文字起こし・評価は含まれていないため、音声認識や自社のシステムと組み合わせてください。

応募者の回答の内容は avacast に残りますか。

avacast が受け取るのは、アバターに話させる質問の文章だけです。発話のテキストは保存しません。応募者の回答は、自社で用意する録音や音声認識の仕組みで扱います。

面接の途中で通信が切れたらどうなりますか。

映像が届かなくなっても、セッションは無発話の秒数かプランの最大長で自動的に閉じます。再開するときは新しいセッションを作り、続きの質問から話させます。