AIで仕事と人をマッチング、最適なタイミングでアプローチ

AIによる人材マッチングとは？

新卒・中途採用、派遣・フリーランス採用、ビジネスマッチングなどにおいて、「仕事と人の組み合わせをAIによって評価し、適切なタイミングで提示する」取り組みが「AIによる人材マッチング」です。

AIによる人材マッチングは、アプリやWEBサイト上で双方または片方に直接候補を提示する場合と、採用担当者が間に入りマッチングを取り持つ場合で大きく異なります。

前者は本質的にEコマース等で見られるレコメンドシステムに近く、後者の人材マッチングと比べるとやや性質が異なります。

本記事では、主に採用担当者や斡旋担当者が介在する人材マッチング支援を中心に扱います。

採用業務における従来のマッチングの限界と、AIによる人材マッチングの重要性

人材採用業務の難しさは、日々変動する膨大な案件や人材とのやりとりを、一人の担当者が正確に把握し判断することが困難な点です。

まず、案件の特性は求人票で記載される内容よりはるかに多くの背景知識を必要とし、一人ひとりの人材の背景やスキルを理解することは容易ではありません。また、案件は多く存在し、登録人材も増えていく中、それらを適切に考慮することは不可能に近いと言えるでしょう。

また、採用業務は「人と人とのやりとり」や「接触タイミング」も重要です。様々な背景の情報や、採用ノウハウを他の担当者と連携することも難しく、担当者ごとに成果がばらついてしまう性質があります。

採用管理システム(ATS)や業務管理システムを導入し、日々の採用業務情報をシステム上に登録することは、DXの第一歩になります。しかし、面談記録やニュアンス、接触の手応えのような情報は構造化しにくく、必要な情報が採用担当者の中で留まるケースも多いでしょう。また、システムに登録した情報を加味した「AIによるアシスト」が実業務に耐えられる水準で行われるものは稀と言えます。

裏を返せば、人材マッチングビジネスは、AIによって大きな改善余地のある領域と言えるでしょう。実際に多くの企業でこの領域が重点テーマになっており、当社で実施した「人材業界における生成AI活用事例調査」においても、「AIによるマッチングの精度改善」は長期的に取り組みをされている一大テーマです。

AIによる人材マッチングの目指す姿

AIを活用した人材マッチングの目指す姿は、マッチングのビジネス形態によって異なります。例えば案件プラットフォーム上でのマッチングのケースでは、一般的なレコメンドシステムに近く、レコメンドのロジックやUIの改善が一つの軸になります。

一方で、仲介による人材と案件のマッチングの場合、「採用担当者の支援ツール」という方向性が大事になります。一例として、当社では「AIによる人材レコメンドシステム」と「AIによるマーケティングメール自動化」を支援しています。

「AIによる人材レコメンドシステム」は、関心のある案件や条件において、マッチ度の高い会員を採用担当者が閲覧可能にするシステムです。マッチ度の高さは、案件情報と採用条件、人材属性・経歴情報、人材プラットフォーム内の行動履歴や応募履歴情報など多数のデータを横断的に解析し抽出します。これにより、「今アプローチすべきで、かつマッチ度の高い人材」を探したり、「特定の人材に対してマッチ度の高い案件」を提示することができます。

「AIによるマーケティングメール自動化」は、会員の興味関心のタイミングを行動履歴情報から取得し、適切なタイミングで、適切な案件を紹介するようなマーケティングメールの送付を自動化するシステムです。これは締切の迫った案件を優先的に送付する「案件軸」での選定や、人材それぞれの興味関心に沿った「人物軸」での選定が合わさります。マーケティングメール内にトラッキングURL等を付与することで、応募にはいたらない個人の興味関心のシグナルを拾うこともできます。

取り組みの進め方

AIによる人材マッチングは、最初から大規模な仕組みを一括で導入するよりも、既存の採用業務や斡旋業務の中で、効果の出やすい部分から段階的に進めると良いでしょう。たとえば、案件に合う候補者の抽出や、候補者ごとの接触優先順位の提示、案件提案メールの最適化などは、比較的着手しやすい領域です。

その際に重要になるのが、案件情報、人材情報、応募履歴、接触履歴、面談記録などのデータ連携です。特に、採用条件の必須・尚可の整理や、過去にどのような接触が行われ、どのような反応があったかという履歴は、マッチング精度の改善に直結します。例えば、当社の取り組みでは電話での接触履歴を活用することで接触率が10%程度向上した事例もあります。

また、AIは単体で価値を生むのではなく、既存の採用業務フローの中で担当者が使える形に組み込まれて初めて機能します。そのため、会員検索画面でのマッチ度表示、案件画面での候補者推薦、メール配信時の案件選定支援など、現場の動きに合わせた設計が重要です。

さらに、導入後は接触率、返信率、面談化率、成約率といった指標を見ながら、継続的に改善していく必要があります。人材マッチングAIは一度作って終わるものではなく、データの蓄積と運用改善によって精度を高めていく必要があると言えるでしょう。

人材マッチングAIの限界や注意点

レコメンドシステムと人材マッチングシステムの大きな違いの一つは、推薦結果に対して求められる品質と説明責任の重さです。プラットフォーム上でのレコメンドシステムは、たとえ質の低いレコメンドが起こったとしても、選択がされないのみです。

しかし、採用担当者が仲介をする人材マッチングのケースでは、誤ったマッチングの提案は工数や信頼の損失、そして責任問題に発展します。データの整備や整合性確認が重要になり、また昨今では生成AIによるハルシネーションが大きなリスクとなる領域といえ、期待される効果は大きい一方で注意深い取り組みが必要な領域と言えるでしょう。

当社の支援取り組み事例

大手人材企業様事例 大手人材企業様では人材マッチングAIにより、従来の接触リスト作成業務を置き換えました。 従来、接触リスト作成にはベテラン人員が都度1時間ほど時間とノウハウを費やし、見込みのあるリストを作成していました。 採用マッチングAIは、その操作を数秒にするだけでなく、リストからのアプローチで下記のような接触率に大幅な改善があることが検証されました。

接触は電話での登録者へのアプローチ、手配は電話した結果手配につながった数です。従来の比率と比べ飛躍的にリストの精度が改善したことが判明しました。

本事例では、人力でリストを作成する際は、多くでも1-2種類の情報ソースを元に検討する一方、人材マッチングAIは5件以上のデータソースの情報を統合し、リストを選定します。飛躍的な改善はある意味自然なものなのかもしれません。