AIで人材と求人をマッチング

求人マッチングAI

求人マッチングAIは、人材派遣や採用業務において、求職者のスキルや経験と、企業の求人要件をAIで解析し、最適な組み合わせを提案するシステムです。求職者データ・案件情報・応募情報や連絡履歴などのデータを統合し、理想のタイミングでアプローチを可能にします。

お問い合わせ資料ダウンロード

アプローチ後の成約: 6倍に改善
接触率: 3倍に改善
リスト作成時間: 数秒に短縮

導入時プライム上場企業様実証実験結果です。成果をお約束するものではありません。

効果実測

同じ170回のアプローチで、成約は1件から6件に

本システムは、人材業界のプライム上場企業様と3年間の支援の元、改善を続けて参りました。実証実験のため、ベテランコーディネーターが作ったリストと、求人マッチングAIの出したリストを同じ件数だけ電話アプローチして比べました。接触回数は17件から71件、エントリー数は2件から22件、採用は1件から6件と劇的な成果を記録しました。

	従来（経験ベース）	求人マッチングAI
電話	170件	170件
接触	17件10%	71件41.8%
応募	2件10%	22件31.0%
採用	1件30%	6件27%

1ヶ月間の実証実験と、その後2ヶ月の効果検証を実施。率は前段階からの通過率。

仕組み

求人や案件に対して、マッチ度の高い候補者のマッチ度を算出し、リストアップ

採用管理システムやCRMの過去の人材採用データを元に、案件・登録者・接触・応募の履歴を活用し、誰に、いつ、どの案件をマッチさせるか、スコアと理由つきで並べます。

入力

新規の募集案件 1件ずつ

職種: 製造ラインのオペレーター
勤務地: 神奈川県厚木市
必須: フォークリフト免許

データ連携

過去の採用データ ATS・CRMから

案件情報非公開の条件、応募枠、進行状況
登録者情報職歴、希望条件、稼働の予定
接触履歴架電がつながった時間帯、メールの反応
応募履歴過去に応募した案件の傾向

出力

アプローチ対象者をレコメンド

1マッチ度85%
アクティブ度
88
興味関心
82
通いやすさ
86
2マッチ度82%
アクティブ度
79
興味関心
85
通いやすさ
81
3マッチ度80%
アクティブ度
84
興味関心
76
通いやすさ
80

必須条件によるフィルターと、歓迎条件によるスコアリングを理由ごとに算出します。

技術

求人票・スキルシートをAIで文章解析、求人と人材の潜在的なマッチングスコア導出に活用

生成AIや基盤モデルを活用し、スキルシートや求人票の文章を解析し、当社独自のノウハウでスコアを算出します。

スキルシート・求人票

自然言語処理

条件抽出

意味解析
文脈理解

関係性探索

ベクトル化

0.0140.2340.7210.017

-0.510.0310.214-0.10

0.6280.8210.2330.351

文章を解析

開発の系譜

金融の取引マッチングから、
8年かけて人材のマッチングへ

求人マッチングAIは、思いつきで作ったものではありません。代表自身が2018年から、業界を変えながらマッチングという同じ課題を追いかけてきた、その積み重ねの上にあります。

2018
金融・取引所
高速で正確な取引マッチングエンジンの開発
ICOで当時世界最大級となる約124億円を調達し、のちに評価額10億ドル超の国内ユニコーン企業となったQuoine社。その技術の中核としてホワイトペーパーでも強調されていたマーケット・マッチング・エンジンの開発に従事しました。膨大な注文を高速かつ正確に付き合わせる、マッチングシステムの原点となる経験です。
2019
英国・研究
マッチングの中核、レコメンド技術の研究
英国の研究所にて、当時Meta社で研究開発が進められていた、マッチングシステムの中核となるレコメンドシステムを研究。あわせて自然言語処理の研究にも取り組みました。
2020
広告
レコメンドシステムを実サービスへ
広告業界でレコメンドシステムの開発を担当。研究してきた技術を、日々大量のデータが流れる現場で動くシステムに落とし込みました。
2022〜
人材
原型となる人材検索システムの研究開発
大手人材会社様とのデータ活用プロジェクトに3年にわたり従事。いまの求人マッチングAIの原型となる人材検索システムを、人材ビジネスの現場のデータと向き合いながら研究開発しました。
現在
求人マッチングAI
8年の積み重ねを、人材業界のマッチングに
取引所のマッチング、レコメンドと自然言語処理の研究、そして人材の現場。この積み重ねすべてが、いまの求人マッチングAIに入っています。