AIが候補者と求人案件を自動マッチング。最も響く時にアプローチ

求人マッチングAIは候補者の登録情報と求人案件情報を統合し、AIによって適合度を算出し、マッチ度の高い順に検索・表示する人材採用マッチング支援システムです。

登録者や案件情報、メール・電話・応募履歴、求人への反応データなどをもとに、関心が高まりやすいタイミングで有望な人材にアプローチ。採用コーディネーター、キャリアアドバイザーがアプローチする候補者の優先度が明確になり、採用活動のスピードと成果を同時に高めます。 また、既存の採用管理システムやCRM等のシステムと連携可能です。

人材マッチングAIには大きく2種類あります。求人サイトやアプリの上で候補者・求人をそのままユーザーに見せる直接提示型と、採用担当者や紹介担当者の候補選定を後ろから支える担当者介在型です。求人マッチングAIは後者、いわゆる仲介者支援型にあたります。誰に連絡するかを最後に決めるのは人で、AIは「誰に、いつ、どの案件を」をスコアと理由つきで並べる役割を担います。

採用は労力がかかるだけでなく、マッチングの機会を見逃してしまう

従来の採用活動では、求職者へのアプローチは担当者の経験や勘に依存し、「誰に、いつ、どの求人を案内するか」という判断に時間と手間がかかっていました。

しかし...

• 候補者の数が膨大で、誰から優先的にアプローチすべきかの判断に時間がかかる
• 実際にアプローチしても連絡が通じないケースが多く、話が進まない
• 採用ノウハウが一部の採用担当者に属人化してしまう
• スキルシートや求人表の背景を考慮しマッチングすることが難しい
• メールや電話でのやり取り履歴が、複数のツールや担当者の中に分散している
• アプローチのタイミングが感覚や経験に依存し、機会を逃してしまう
• 反応の見込みが低い候補者への連絡に時間を費やしてしまう

結果として、有望な人材への接触が遅れ、マッチングの機会を逃すことが少なくありません。

ATSやCRMは、次に誰へ連絡すべきかまでは教えてくれない

すでに採用管理システムやCRMをお使いの場合でも、この状況はあまり変わりません。ATSやCRMは進捗の管理と履歴の記録が主目的で、「次に誰へ、いつ接触すべきか」を能動的に出してくれる設計にはなっていないからです。

しかも応募履歴、メールの開封、架電の記録は別々のシステムに分かれて溜まっていることが多く、担当者がそれを一覧で見渡すのは事実上むずかしい。結果としてベテランの勘に頼るしかなくなり、担当者ごとに成果が大きくばらついてしまいます。

決まらなかった理由を数えてみると、半分は当て方、残りは速さの問題

実証の中で、接触できたのに応募に至らなかったおよそ50件について、理由を整理してみました。

※当社で支援をしたある人材派遣における実証実験記録

同じ「決まらなかった」でも、中身はまったく別物です。就業条件が合わないと属性が合わないを足すと4割強で、これは当て方そのものがずれていたということ。一方で他社決定（16.3%）は当て方の問題ではなく、単純に間に合わなかったということです。声をかけたときには、もう他で決まっていた。

この2つは打つ手がまるで違います。前者はリストの絞り方を直す話ですが、後者はどれだけ精度を上げても、動くのが遅ければ意味がない。速さは「あれば嬉しいもの」ではなく、精度の一部だと考えたほうが実態に合います。

有望候補者を瞬時に特定し、最適なタイミングでアプローチ

求人マッチングAIは、候補者データと求人案件情報を統合し、AIによって適合度をスコアリング。 メールや電話での過去のやり取り、求人への反応履歴をもとに、今アプローチすべき候補者を優先度順に表示します。当社の10年間のデータ活用・AI活用のノウハウにより、求人マッチングAI導入を通して少なくとも下記の様なメリットが確認されています。

• 電話・メールアプローチの優先順位が一目でわかる
• 高い反応が見込める候補者を上位に表示される
• 数万件の求人票・数十万人の人材データ、そしてその行動記録を網羅的に解析できる
• 複数のシステムに散らばったデータをまとめて解釈できる
• 新人コーディネーターでも、ベテランコーディネーターと同じ様にマッチする人材を探すことができる
• 適切なタイミングでの連絡により、通話接続率や返信率を改善される
• 架電の直通率が上がり、採用担当者はより求職者とのやりとりに時間をかけることができる
• キーワードの一致では取りこぼしてしまう経歴や、本人が明示していない適性まで拾える
• 直近のログイン・閲覧・応募といった時系列のシグナルを反映し、関心が高まっている人を上位に出せる

主な機能

求人マッチングAIの主な機能は以下のとおりです。

1. 案件適合度スコアリング
   候補者のプロフィール、過去の応募履歴、電話・メールでのやり取り履歴、求人への反応状況をもとにAIがスコア化。
2. 優先度順表示
   高スコアの候補者を一覧上位に表示。アプローチ対象を即座に特定可能。
3. 電話・メールアプローチ支援
   優先度の高い候補者の連絡先や過去やり取り内容をワンクリックで確認。即時アプローチを実現。
4. 検索・フィルタリング
   職種、勤務地、スキルなど条件で絞り込み、複数案件を横断的に確認可能。
5. 既存システムとの連携
   採用管理システム（ATS）や CRM と連携し、既存データを活用して導入コストを最小化。

精度の差は、5種類のデータをどれだけ束ねられるかで決まる

求人票と職務経歴書の条件一致でリストを作る方法は、運用が単純な一方で、上位に並んだ候補者の多くが実際には反応しない、適性が合わないという問題が起きやすい構造です。応募する確率も決まる確率も、条件一致だけでは決まらないからです。直近の活動量、過去の応募の傾向、接触したときの反応の良し悪し、面談記録に残るニュアンス。こうした情報を統合して、はじめて今アプローチすべき相手が見えてきます。

高度なモデルの話に聞こえるかもしれませんが、実際に精度の差を生んでいるのは、どのデータをどう組み合わせるかという地味な部分だったりします。使えるのは属性、案件、行動履歴、接触履歴、結果の5種類です。

どれか単独では精度の上限が見えてしまうのですが、組み合わせると弱点を互いに補い合います。属性だけなら条件外に見える人でも、行動履歴に強い関心が出ていれば上位に上げるべきだと判断できる。実際、あるデータを加えただけで、接触率が10%ほど改善したケースもありました。

人力でリストを作るときに参照できるのは、多くても1〜2種類です。求人マッチングAIは案件情報・応募履歴・接触履歴・職歴・架電記録・会員属性など5種類以上を統合してスコアを出しているので、精度の差はある意味で自然なものかもしれません。過去の成約や辞退の結果もモデルに戻っていくので、運用するほど精度が上がっていきます。

5種類それぞれの強みと弱点、統合したときに何が起きるかは人材マッチングのデータ活用に表で整理しています。

求人票はスキル名ではなく、求められている力に分解して突き合わせる

データの束ね方と並んで効くのが、求人票と経歴書の読み方です。スキル名の文字一致ではなく、求人票を実際に求められている力へ分解して、経歴書のどの経験がそれを満たすかを突き合わせます。意味ベースの検索は候補を絞る入口にすぎず、決め手になるのはこの突合のほうです。

絶対に外せない条件は、AIに判断させない

求人マッチングAIのスコアリングは、AIによる加点と減点で組み立てています。いろいろな要素を見て総合点の高い順に並べる仕組みなので強力なのですが、裏を返すと、他の項目が高得点であれば、ある条件を満たしていなくても上位に来てしまうということでもあります。

年齢や必須資格の有無のような、そもそも満たしていなければ話にならない条件は、この加点減点には混ぜません。総合点で押し流されて絶対条件を見逃しますし、条件を誤ったレコメンドは人材会社様の信頼をそのまま削ってしまいます。加点と減点はAIの仕事、足切りはルールで固定したフィルタ。この切り分けを設計の前提にしています。

声をかけるべきなのは、数年前の休眠者よりも、もうすぐ稼働が終わる人

休眠スタッフというと、数ヶ月から数年動いていない登録者を思い浮かべがちです。ただ現場で取りこぼしやすいのは、今まさに稼働していて、もうすぐ就業が終わる人のほうでした。終わるタイミングを捉えられないと、動ける人を次の案件に当てられないまま手放してしまいます。

実証の考察でも、2ヶ月前より1ヶ月前までの接触履歴のほうが、その後つながりやすいという傾向が見えています。鮮度が落ちる前に動けるかどうかが再稼働の分かれ目なので、履歴からそろそろ声をかけるべき人が自動で浮かび上がるようにしています。

導入事例

大手人材企業様事例

大手人材企業様では求人マッチング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。求人マッチングAIは実証実験を通して、その操作を数秒にするだけでなく、同じ架電総数170件でのビフォーアフター比較で、接触から成約までのファネル全体が大幅に改善することが検証されました。

マッチング精度を考えるうえでは、こうして段階ごとにビフォーアフターを測るのが有効です。接触率も手配率も途中の通過点でしかなくて、最後にどれだけ決まったか、つまり成約こそがマッチングの精度になります。そしてその成約が6倍に改善しました。

この結果は一度きりではなく、7月の実証で接触率34.1%、翌8月の再実証で41.8%と、月をまたいで再現性を確認しています。

もとになった仕組みは3年間運用されてきたもので、現在は別支部への展開実験も進んでいます。まぐれの一発ではなく、結果データが積み上がるほど精度が上がっていく性質のものだと考えています。

関連事例

当社はデータ・AIを活用したマッチング技術を、人材以外の領域にも展開しています。並べる対象と、当てにいく確率が変わるだけで、構造そのものは人材のときとほとんど同じです。

• 広告のレコメンドシステム: マッチングシステムの技術の基盤は、「レコメンドシステム」にあります。ルールベースで組まれていた広告の出し分けをクリック率の予測モデルに切り替え、クリック率を2%から3.4%へ改善した事例があります。広告枠あたりの収益はクリック率にそのまま比例するので、1ポイントの差が収益に直結します。
• メール配信レコメンド: 誰にどの案件を送るかの選定をAIに置き換え、メルマガの作成と配信運用にかかるコストが3分の1になりました。並び順を変えるだけでなく、業務そのものの省力化にもよく効きます。
• ビジネスマッチングシステム: マッチングは「人×企業」に限らず、「企業×企業」でも応用が可能です。当社はビジネスマッチングプラットフォームを提供する企業と共同で、プラットフォームの開発を進めています。
• 需要予測・仕入れ最適化: レコメンドの、さらに源泉には「需要予測」と「最適化」の数理的な技術があります。当社は来客数予想や商品販売数など、複数の領域で需要予測の精度改善に取り組んでいます。

求人マッチングAIを活かせる領域

求人マッチングAIは下記の様な領域にも活用可能性がございます。

• 人材派遣・人材紹介業
  大量の登録者データから、今すぐ稼働可能な人材を優先抽出
• アルバイト・短期採用管理
  短期間の求人と直近稼働可能な登録者をリアルタイムにマッチング
• 業務委託マッチングプラットフォーム
  フリーランスや専門人材の稼働状況を常時モニタリングし、案件発生時に即提案
• 企業内異動・社内公募制度
  社員のスキル・希望と社内プロジェクトの募集タイミングを自動で結びつけ

今後の展望

求人マッチング AI は、企業が有望な候補者を最適なタイミングで見つけ出し、素早くアプローチできる環境を実現します。これにより、求人発生から接触までの時間は数日から数時間単位へと短縮され、他社に先を越される前に動くことが可能になります。
同時に、求職者側にも「今まさに条件が合う案件」だけが届くようになり、不要な連絡が減り、検討すべき求人に集中できるようになります。

この双方向の最適化は、採用担当者の業務効率を高めるだけでなく、求職者にとってもストレスの少ない転職・就業活動を後押しします。結果として、ミスマッチによる早期退職や辞退が減り、企業には定着率の高い人材、求職者には長く働ける職場という好循環が生まれます。

今後は、応募前からマッチ度や条件が可視化され、「応募してから判断」ではなく応募前に納得できる採用の形が新たな標準となっていくでしょう。