スキルシートをAIで作る手順｜下書き活用と情報漏えい対策
最終更新日：2026/08/22
スキルシートのAI作成とは、生成AIに自分の職歴や案件情報を渡して下書きを作らせ、それをフリーランス面談用の書式に整える手法です。時短にはなりますが、案件のNDA下の情報や個人情報が学習に使われるリスクがあり、投げる情報の切り分けと出力の手直しが欠かせません。エージェント登録前後で書き直しの時間が取れないフリーランスエンジニア向けに、下書きの作り方と情報漏えいを避ける実務手順を整理します。
先に結論
AIはスキルシートの下書き作成と粒度整理に有効。フォーマット整形と自己PRの言い換えで手作業のみより短時間で仕上がりやすい
客先NDA下の案件詳細（顧客名・システム名・体制図・非公開の売上数値）は原則そのまま入力しない。抽象化してから投げる
ChatGPT・Claude・Geminiなどの生成AIはプランや設定で入力データの取扱いが異なるため、利用前に学習利用・履歴保存・フィードバック送信の設定を確認する
AI出力はそのまま提出しない。定量表現の誇張・他候補との類似・言い回しの浮きが起きるため、必ず自分の言葉で置き換える
更新運用は「一次情報（案件終了メモ）→AI下書き→フォーマット整形→匿名化チェック」の順で回すと事故が減る
この記事でわかること
AIでスキルシートを作るときの手順とプロンプト例
生成AIに投げていい情報／NGな情報の切り分け基準
ChatGPT・Claude・Geminiのデータ取扱ポリシーの違い
AI生成のまま提出すると落ちる代表的な失敗パターン
専業・副業・複数エージェント登録など状況別の運用
目次
AIでスキルシートを整えるメリットと限界
AIで下書きしていい情報／NGな情報の切り分け
サービス別｜生成AIのデータ取扱ポリシーの基礎
AIで下書きするフリーランス向け手順（5ステップ）
そのまま使えるプロンプト例
AI生成をそのまま使うと落ちる｜手直しの型
ケース別｜専業・副業・登録先エージェント複数の使い分け
よくある失敗と対策
公開前チェックリスト
まとめ
よくある質問
AIでスキルシートを整えるメリットと限界
結論として、AIはスキルシート整備の時短ツールとして有効です。書式が固まっている書類ほど効果が出ますが、評価される最終形は自分で仕上げる必要があります。
時短効果が出やすい作業
以下の作業はAIとの相性がよく、手作業のみより短時間で済むケースが多いです。
案件メモから箇条書きへの粒度調整（担当フェーズ・使った技術・チーム規模の3列に整える）
職務要約の文字数調整（冒頭3行に収める・500字に膨らませる）
自己PRの表現バリエーション生成（同じ内容を3案書かせて選ぶ）
職種別テンプレへの穴埋め下書き（バックエンド用・SRE用など）
一方で、次の作業は結局手動で見直す必要があります。
単価アピールの数値（誇張やハルシネーションが混ざる）
特定案件の担当範囲の書き方（実際に何を触ったかは本人しか分からない）
業界特有の言い回し（AIは無難な表現に寄せがち）
AI活用の限界
AIが書いた文章は「無難だが浮く」ケースが目立ちます。特に他候補と差別化する自己PR部分をAI任せにすると、面談で深掘りされたときに答えられない事態が起きます。AIは下書き役、最終確認は自分という切り分けが安全です。
なお、スキルシート全体の書式や記入例は既存記事『フリーランスエンジニアのスキルシートの書き方を徹底解説！記入例や今すぐ使えるフォーマットも紹介！』で整理しています。本記事は「AIをどう使うか」に絞って解説します。
ミニFAQ｜AIで作ったスキルシートは面談で分かる？
Q: エージェント担当者はAI作成と分かりますか？
A: 表現の言い回しだけで断定はされにくいものの、面談で内容の深掘り質問をされたときに答えが浅いと違和感を持たれます。AIで書いた箇所ほど深掘りされる前提で、自分で説明できる粒度まで加筆してください。
AIで下書きしていい情報／NGな情報の切り分け
結論、「自分が公開しても支障がない情報」は投げてよく、「NDA・契約書の秘密保持条項に触れる情報」は投げてはいけません。判断基準を表にします。
投げていい／NGな情報チェック表
種別 | 投げてよい | NG（投げる前に加工が必要） |
|---|---|---|
会社・組織名 | 自分の所属歴の公開範囲まで | 参画先の非公開クライアント名、上流SIer名の非公表分 |
プロジェクト名 | 公式に公開されているサービス名 | 社内システム名・コードネーム |
技術スタック | 公開されている一般名（React、AWS等） | 社内独自のライブラリ名・内製ツール名 |
チーム体制 | 「5〜10名規模」等の抽象化した表現 | 実際の氏名・組織図・レポートライン |
数値 | 公開IRや自分の職務経歴書に載せる範囲 | 非公開の売上・PV・ユーザー数の実数 |
契約情報 | 契約形態（準委任・請負） | 単価・契約金額の実数 |
個人情報 | 氏名・メールアドレスは入力しない設計にする | 住所・電話番号・生年月日 |
判断に迷ったときのルール
条件付きで判断する場合の目安を挙げます。
契約書に守秘義務条項がある案件の情報は、原則として抽象化してから入力する（顧客名→「大手小売のEC刷新案件」等）
公開されているサービスに関わったことは書いてよいが、その内部仕様（画面遷移・非公開APIエンドポイント等）はNG
判断がつかないときは、エージェント担当者に「この情報はスキルシートに書いていいか」を確認する
補足として、業務委託契約書やNDAの読み方は既存記事『業務委託契約書の確認ポイント｜フリーランスエンジニアが締結前に見る条項とチェックリスト』に整理があります。
ミニFAQ｜どこまで抽象化すればいいか
Q: 「大手金融のシステム開発案件」までは書いてよさそうですが、判断基準は？
A: 業界名＋規模感の抽象度で書けるかを目安にしてください。「大手金融」「中堅小売」「スタートアップ」程度なら、多くのケースで守秘義務範囲を外れます。ただし業界＋顧客規模の掛け合わせで推測可能な特定情報にならないか（例：「都内3行しかない大手信託銀行」など）は注意が必要です。
サービス別｜生成AIのデータ取扱ポリシーの基礎
結論、個人向けプランでは設定次第で入力データがモデル改善等に使われるケースがあるため、公開前に設定を確認します。法人プラン（Team・Business・Enterprise等）は学習利用がオフに設定されているケースが多いですが、こちらも契約時に必ず確認します。
主要サービスのデータ取扱（要公式確認）
各社のデータ取扱いはプラン・設定・地域・契約形態で条件が変わり、更新頻度も高い領域です。以下は執筆時点（2026-08-22確認）の一般的な整理で、詳細は必ず各社の最新公式ヘルプで確認してください。
サービス | 個人向け無料/有料 | 入力データの取扱い（要公式確認） | 確認すべき設定 |
|---|---|---|---|
ChatGPT（OpenAI） | Free / Plus / Pro | 個人向けでは設定によりモデル改善等に利用される場合がある | 設定 → データコントロールの「モデル改善」項目 |
Claude（Anthropic） | Free / Pro | フィードバック送信が学習利用の主な経路として公式に案内 | プライバシー設定のトレーニング利用オプトアウト |
Gemini（Google） | 無料 / Advanced | Google活動履歴の設定に応じて扱いが変わる場合がある | Geminiアプリのアクティビティ設定 |
GitHub Copilot | 個人 / Business / Enterprise | Business・Enterpriseは学習利用オフを公式に案内、個人は設定次第 | 個人設定のスニペット収集・共有オプション |
※データ保持期間・人手レビューの有無・モデル改善への利用条件はプランと設定で変わります。提出前に必ず各社の最新公式ヘルプを確認してください（表内の記載は2026-08-22時点の概要）。
出典は各社の公式ドキュメントで直接確認してください。生成AI利用時の日本国内での留意点は、個人情報保護委員会の生成AIサービスの利用に関する注意喚起等についてが実務基準として参考になります。各社のポリシーはAnthropic Privacy PolicyやGitHub Copilot Trust Centerなどの公式ページで公開されています。
オプトアウト以外の防御策
学習利用オプトアウトだけで安心せず、次の防御策も併用します。
一時チャット・履歴オフ機能を使う（ChatGPTの一時チャット、Claudeのフィードバックなしなど）
入力前に氏名・メールアドレスをダミーに置き換える
法人契約が使える環境（ChatGPT Team、Claude for Work等）を選ぶ
エージェント側の推奨環境があれば従う
ミニFAQ｜無料プランでも使ってよいか
Q: 無料プランでスキルシートの下書きに使うのはリスクが高いですか？
A: 抽象化・履歴設定・学習利用のオプトアウトを事前に確認する前提であれば、無料プランでも運用可能な範囲に収まります。案件詳細を細かく書かせるほど情報量が増えるため、抽象化のルールを先に決めてから使うのが安全です。
AIで下書きするフリーランス向け手順（5ステップ）
結論として、「素材の抽象化 → 下書き生成 → フォーマット整形 → 自分の言葉に置換 → 最終チェック」の5段階で進めると事故が減ります。
ステップ1：素材（一次情報）を集める
AIに投げる前に、自分の手元で以下を整理します。
過去の案件メモ（参画期間・担当フェーズ・技術・チーム規模）
直近の案件で使ったツール・環境
直近の案件終了時の振り返りメモ
このとき、顧客名や社内システム名を抽象化した状態で書き起こします。ここを飛ばしてAIに投げると、下書き段階で機密情報が混入します。
ステップ2：抽象化ルールを適用する
顧客名・システム名・非公開数値を次のように置き換えます。
「A社（大手小売、年商1000億規模）」
「決済基盤刷新プロジェクト」
「8名のバックエンドチーム、他にフロント6名・PdM1名」
抽象化後、元の情報がなくても自分で説明できる粒度になっているかを確認します。
ステップ3：AIに下書きさせる
抽象化した素材とテンプレートをAIに渡し、スキルシートの各項目を下書きさせます。プロンプト例は次章に整理しました。
ステップ4：自分の言葉に置き換える
AIが書いた文章は無難な表現に寄りやすいため、面談で深掘りされて答えられる粒度に置き換えます。
抽象的な形容詞（「幅広く」「柔軟に」）は具体名に置換
定量表現は自分が検算できる数値のみ残す
AI特有の言い回し（「〜において重要な役割を果たしました」等）は削除
ステップ5：匿名化チェック
完成後、次の観点でチェックします。
顧客名・システム名が漏れていないか
非公開の売上・ユーザー数が入っていないか
個人名（自分の氏名を除く）が入っていないか
契約単価が入っていないか
自分でチェックする単価アピールの表現は既存記事『スキルシートで単価を上げる書き方｜評価される定量表現と実績の翻訳』に、案件詳細欄の粒度は『スキルシートの案件詳細の書き方｜担当フェーズ・規模・体制の粒度』に整理があります。
ミニFAQ｜AI下書きにかかる時間は？
Q: 一からAIで作ると何時間ですか？
A: 素材集めが済んでいれば、3〜5案件分の下書きで概ね30〜60分程度が目安です。ただし、自分の言葉への置き換えとチェックで同じくらいの時間を追加で見込んでください。「AIで半分、手作業で半分」の配分が現実的です。
そのまま使えるプロンプト例
以下は抽象化済みの素材を渡す前提のプロンプトです。個人名・顧客名・非公開数値を入れずに使ってください。
プロンプト1：職務要約の下書き
指示文
以下の案件履歴から、フリーランスエンジニア向けスキルシートの職務要約を3案（各150〜200字）作成してください。
前提
対象：バックエンドエンジニア、経験8年
応募先の想定：EC・SaaS系のPHP/Go案件
強調したい：決済基盤の実装経験、リード経験3年
案件履歴（抽象化済み）
大手小売のEC刷新（2022〜2024、8名チームのバックエンドリード）
SaaS企業の請求基盤リプレース（2020〜2022、5名チーム）
スタートアップのAPI開発（2018〜2020、フルスタック2名）
制約
「〜において重要な役割を果たしました」等のAI定型文を使わない
数値は履歴に書いた範囲でのみ言及する
プロンプト2：案件詳細欄の粒度整理
指示文
以下の案件メモを、スキルシートの案件詳細欄向けに整えてください。出力形式は「概要／担当フェーズ／体制／使用技術／成果」の5項目とし、各項目は1〜2行で書いてください。
案件メモ（抽象化済み）
2023年6月〜2024年8月、大手小売のEC決済基盤刷新プロジェクト。バックエンドリードとして参画。8名のバックエンドチーム、他にフロント6名、PdM1名。Go + AWS（ECS、DynamoDB）で新決済基盤を構築。旧システムとの並行稼働と切替を担当。
制約
具体的な顧客名や社内システム名は含めない
成果は事実ベースの表現に留め、定量値は元メモにあるもののみ
プロンプト3：自己PRの言い換え
指示文
以下の自己PRを、フリーランスエンジニア面談用に3案書き直してください。各案は文体を変え、いずれも300字以内で書いてください。
元の自己PR
バックエンド開発を8年経験し、直近3年は5〜10名規模のチームでリード業務を担当しています。決済・請求といったミッションクリティカルな領域を中心に、要件整理から運用まで一貫して関わってきました。フリーランスとしては契約更新率を重視し、稼働開始前の擦り合わせを丁寧に行うことを心がけています。
制約
「幅広く」「柔軟に」等の抽象表現を避ける
「〜と考えられます」等の断定回避表現を使わない
数値は元原稿の範囲でのみ言及する
プロンプト4：AI活用実績自体を書く場合
指示文
以下のAI活用実績を、スキルシートの「使用ツール」欄と「実績」欄に分けて書いてください。
AI活用実績（抽象化済み）
Claude Codeを2025年から日常的に使用。設計レビュー、テスト設計、リファクタリング。
GitHub Copilotを実装補助として並行利用。個人契約とチーム契約の両方経験。
チーム導入では、社内向けにAI利用ガイドラインの整備を主導。
制約
ツール名は正式名称で書く
定量的な効果は元メモに書かれていない範囲で捏造しない
なお、AI活用スキルをどう案件アピールに変換するかは既存記事『エンジニアの生成AI活用術｜ツール使い分けで開発効率化と単価アピールに効く実務』に別の切り口で整理があります。
ミニFAQ｜プロンプトの言語は？
Q: 日本語と英語ではどちらが精度が高いですか？
A: フリーランス面談向けの日本語スキルシートを書かせる用途なら、日本語プロンプトの方が扱いやすいケースが多いです。英語で書くと表現が翻訳調になり、結局手直しの手間が増えます。技術用語だけ英語で残す、程度が実務的です。
AI生成をそのまま使うと落ちる｜手直しの型
結論として、AIが書いた原稿は「無難で浮く」傾向があり、そのまま提出すると書類の印象が弱くなったり、面談で違和感が出たりすることがあります。次のパターンは意識的に手直しします。
パターン1：AI定型フレーズが残る
「〜において重要な役割を果たしました」「〜を通じて幅広い経験を積みました」「〜させていただきました」といった表現は、AI生成の典型パターンです。具体的な動詞に置き換えます。
❌「決済基盤の構築において重要な役割を果たしました」
✅「決済基盤の要件整理から本番切替までを担当しました」
パターン2：定量表現の誇張
AIは「効率が向上」「品質が改善」といった抽象的な効果表現を書きがちです。数値化できない改善は書かないと決めます。
❌「開発効率が大幅に向上」
✅「テスト工数の削減はコードレビューでは検知していないため、体感ベースの記載に留める」
数値を出す場合は、自分が検算できるものだけを残します。定量表現の詳細は『スキルシートで単価を上げる書き方』を参照してください。
パターン3：他候補との類似
AI生成の自己PRはテンプレートに引っ張られ、他の候補者と似た文章になりやすいです。個人的なエピソードを1つ以上入れると差別化できます。
具体的な失敗事例と対応
得意領域を選んだ経緯
直近1年でキャッチアップした技術と、実案件でどう使ったか
パターン4：職種と表現がずれる
AIは職種を跨いで平均化した表現を出しがちです。バックエンド向け・SRE向け・データエンジニア向けで語彙を切り替える必要があります。
バックエンド：スキーマ設計、非機能要件、SLA
SRE：SLO/SLI、インシデント対応、オンコール体制
データ：パイプライン、DWH、データ品質
パターン5：経歴の盛りすぎ
「関わった」「経験あり」を強めに書きすぎると、面談で深掘りされて破綻します。この失敗例は既存記事『経歴・スキルの盛りすぎで落ちるフリーランス面談｜NG例と信頼される自己PR』に整理があります。AI下書きは盛りやすい傾向があるので、この記事のNG例と照合してから提出してください。
ミニFAQ｜AI生成をどこまで残していいか
Q: 全部書き直す必要がありますか？
A: 全文書き直す必要はありません。箇条書きの粒度整理・フォーマット整形はAI原稿で通用します。手直しが必要なのは自己PR・職務要約・案件詳細の「担当範囲」の記述で、ここは面談で深掘りされるため自分の言葉が必須です。
ケース別｜専業・副業・登録先エージェント複数の使い分け
同じスキルシートでも、状況によって整備の仕方が変わります。
ケース1：専業フリーランス、単一エージェント登録
AI下書きを活用しやすい典型パターンです。マスターとなるスキルシート1本をAIで整えた後、案件応募ごとに強調項目を微調整します。
マスターは全職歴を網羅（10ページ超になっても可）
応募用は担当領域に合わせて3〜4ページに圧縮
圧縮作業もAIに任せやすい（「以下から○○案件向けの3ページに絞って」）
ケース2：副業からフリーランス移行前
会社員としての本業がある場合、本業の情報の扱いに特に注意します。
在職中の社内システム名を投げない（退職済みでも同様）
副業の受託経験があれば、そちらを主軸にスキルシートを組む
副業実績が薄い場合は、本業の技術スタックを抽象化して記載
副業と本業の両立で気をつける契約面は、フリコンの案件一覧を参考にしつつ、エージェント担当者と応募前に相談するのが実務的です。
ケース3：複数エージェント登録の使い分け
3〜5社のエージェントに登録するケースでは、AI下書き段階から複数バージョンを作る運用が効率的です。
マスターは1本のみ管理し、更新もマスター側で行う
エージェントごとの提出用は「マスターから○○社向けに書き換え」のプロンプトを使う
更新の際、マスターを直せば全バージョンに反映できる形にしておく
ケース4：AI活用スキル自体を案件アピールに使う
生成AIを実装補助として日常的に使っているエンジニア向け。「AI活用実績」を専用セクションとして立てます。
使用ツール（Claude Code / GitHub Copilot / Cursor 等）と使用歴
活用フェーズ（設計・実装・レビュー・テスト）
チーム導入経験があればガイドライン策定・研修実施の実績
自分の単価水準の目安が知りたい場合は、無料のフリーランスエンジニア単価診断で市場単価の目安を確認できます。
ミニFAQ｜複数バージョンをどう管理するか
Q: マスターと応募用の複数バージョンをどう管理していますか？
A: マスターを1ファイルで管理し、応募用はマスターから派生させる運用が管理しやすいです。エージェント数が3〜5社を超えると更新漏れが増えるため、マスターの更新履歴を上部にメモしておくと同期チェックがしやすくなります。
よくある失敗と対策
AI活用で頻出する失敗を対策とセットで整理します。
失敗1：抽象化前の情報をそのまま入力
一番よくある失敗です。案件メモを開いたまま「これをスキルシート用に整えて」と投げると、顧客名や社内システム名がそのまま入力されます。
対策：入力前に検索・置換で抽象化する運用にする。「A社」「決済基盤」等のプレースホルダーに置き換えてから投げる。
失敗2：AI生成の数値を鵜呑みにする
「開発効率30%改善」「バグ発生率50%削減」といった数値をAIが出してきた場合、元の素材に無い数値は捏造です。
対策：元素材に無い定量表現は削除する。数値を残すなら、自分が根拠を説明できるもののみ。
失敗3：オプトアウト設定を忘れる
新しいアカウントで使い始めると学習利用がオンのまま、というケースが目立ちます。
対策：初回セットアップの手順書を自分用に作り、新規環境で使う前にオプトアウト設定を確認する。
失敗4：AI原稿を出したら面談で答えられない
書類選考は通っても、面談で担当範囲を深掘りされて答えられないケース。
対策：AI原稿の各文について「自分が説明できるか」を通読チェックする。答えられない箇所は削るか、答えられる粒度に書き直す。
失敗5：定型AI表現でエージェント側の印象が下がる
「〜において重要な役割を果たしました」等の定型表現が多いスキルシートは、エージェント担当者から「AIで書いたのでは」と見られやすくなります。落ちる7つの原因は既存記事『フリーランスのスキルシートが通らない7つの原因｜書類選考の改善策』にも整理があります。
対策：AI定型フレーズのリストを作り、公開前に一括検索して置換する。
失敗6：客先案件参画中にAIで社内資料を作る
これはスキルシート整備とは別ですが混同されがちなので触れます。客先案件で生成AIを使う場合の契約・機密情報の扱いは既存記事『業務委託で生成AIを使うときの契約・機密情報の注意点｜客先案件の実務』に整理があります。参画中の実務と、応募・登録用スキルシート整備は別の話として切り分けてください。
公開前チェックリスト
エージェント提出前・応募前に、以下を必ずチェックします。
[ ] 顧客名・社内システム名が抽象化されているか
[ ] 非公開の売上・ユーザー数・契約単価が入っていないか
[ ] 個人名（自分の氏名を除く）が入っていないか
[ ] AI定型フレーズ（「重要な役割」「幅広く」「〜させていただき」等）が残っていないか
[ ] 元素材にない定量表現が残っていないか
[ ] 各記述について自分が面談で深掘り対応できるか
[ ] 職種に合った語彙になっているか（バックエンド／SRE／データ等）
[ ] AIサービスの学習利用オプトアウトが設定されているか
[ ] 応募先ごとに強調項目を調整したか
まとめ
スキルシートのAI活用は、下書き作成とフォーマット整形の時短ツールとして有効ですが、投げる情報の切り分けと出力の手直しが必須です。要点を整理します。
投げていい情報は自分の職歴の公開範囲・抽象化した案件情報のみ。顧客名・システム名・非公開数値は加工してから入力する
オプトアウト設定を初回セットアップで確認する。ChatGPT・Claude・Geminiは個人プランで学習利用の可能性が残る
5ステップ運用（素材集め→抽象化→AI下書き→自分の言葉に置換→匿名化チェック）で事故が減る
AI定型フレーズ・元素材にない数値・盛りすぎの3点を公開前に必ず削除する
職種別（バックエンド・SRE・データ等）で語彙を切り替え、他候補と似た文章にならないよう個人的なエピソードを差し込む
次のステップとして、まずは手元のマスタースキルシートをAIで整え直し、更新時のプロンプトを1つテンプレート化しておくのがおすすめです。案件の探し方や単価の目安を並行して確認したい方は、フリーランス案件一覧や単価診断を参考にしてください。
参照リンク
よくある質問
エージェントはAIで作ったスキルシートを嫌いますか？
一律に嫌われるわけではありませんが、AI特有の定型表現が多い書類はエージェント担当者や面談担当者に「本人の言葉に見えにくい」印象を与えることがあります。担当者は日々多数のスキルシートを見ており、無難な言い回しの繰り返しには違和感を持たれやすい傾向があります。下書きはAI、仕上げは自分、という切り分けを推奨します。
無料プランのChatGPTで作っても大丈夫ですか？
抽象化・学習利用のオプトアウト・履歴設定の確認を事前に済ませる前提であれば、無料プランでも実務で使える範囲に収まります。顧客名や非公開数値を入れないルールを守るとリスクを大きく下げられます。心配な場合はChatGPT Team等の法人向けプランや、Claude for Workを検討してください。
AIに投げてしまった機密情報は取り消せますか？
対応可否はサービスや契約形態によって異なります。履歴削除やデータ削除申請で対応できるケースもありますが、完全削除の可否は各社の最新ポリシーとサポート案内を確認する必要があります。事故が起きたら早めに公式のプライバシー窓口に連絡し、契約先（客先／エージェント）にも速やかに報告してください。
スキルシートに「AI活用スキルあり」と書くと単価は上がりますか？
条件次第です。単に「使ったことがある」だけでは差別化にならないケースが多く、具体的な活用フェーズ・成果・チーム導入実績まで書けると評価につながりやすい傾向があります。単価アピールの詳細な書き方は『スキルシートで単価を上げる書き方』を参照してください。
AI下書きしたスキルシートの最終確認は誰に頼めばいいですか？
エージェント担当者、または同業のフリーランス仲間が現実的です。業界外の人にレビューを頼むと表現の適切さが判断できないため、技術面談を通過した経験がある人に見てもらうのが安全です。エージェントの担当者は登録後にレビューを受け付けているケースが多く、公開前チェックの相談窓口として使えます。
AI生成の職務要約はどのくらい書き直せば十分ですか？
割合で決めるより、職務要約・自己PR・担当範囲の説明を自分の言葉で言い直せる状態にすることを優先してください。動詞と定量表現は自分の言葉に、名詞と接続詞は残す、程度の配分で書き直すと自然に馴染みます。AI特有の定型フレーズは全削除するのが最低ラインです。
GitHub CopilotやCursorで書いたコードの経験もスキルシートに書けますか？
書けます。ただし「使ったこと」だけでは弱く、実務でどう使い分けたか、レビュー時にどうチェックしたか、といった運用面まで書くと評価につながりやすいです。使い分けの整理は『エンジニアの生成AI活用術』を参照してください。
副業案件の情報もAIで整理してよいですか？
副業契約にも守秘義務が付いているケースが大半のため、本業と同じ抽象化ルールで扱ってください。副業クライアント名を本業のスキルシートに書く場合も、公表可能な範囲を事前に確認します。
AI活用実績を書くと、AIに仕事を奪われる印象になりませんか？
そうした懸念を持つエージェントは限定的です。AIを補助的に使いこなす姿勢を書く（プロンプト設計・出力レビュー・チーム導入の経験）と、むしろ実装効率と品質担保の両立ができる人材として評価されやすくなります。
更新頻度はどのくらいが目安ですか？
案件の切れ目ごとが目安です。案件終了時に振り返りメモを作り、そのメモをAIで整えてマスターに追記する運用が続けやすいです。1年以上更新していないスキルシートは、直近のトレンドから外れた表現が残りやすくなります。
