おっと!フォームの送信中に問題が発生しました。
Saiに履歴書の束と募集職種を渡してください。単なるキーワード検索ではなく、実際の要件と照らし合わせて各履歴書を読み込み、理由を添えて候補者をスコアリングし、順位付けされたリストを作成します。
AIを活用した候補者ソーシングに関する議論の多くは、より多くの候補者を、より速く、より多くの場所から見つけるという、ファネルの上部に集中しています。その部分は確かに改善されました。しかし、その結果としてボトルネックが移動しました。かつて40人の応募があった職種に400人が集まるようになり、ソーシングで節約できたはずの時間が、今度は履歴書の確認に費やされています。
ここでAIスクリーニングの出番となりますが、同時に最も失敗しやすい部分でもあります。キーワードフィルタリングが最初の試みでしたが、その結末は誰もが知るところです。「Kubernetesへの移行を主導」と書いた候補者が、職務記述書に「コンテナオーケストレーション」と書かれていたという理由で不採用になる一方で、スキル欄に流行のキーワードを羅列しただけの候補者が通過してしまうのです。文字列によるフィルタリングは、自分の仕事を自然な言葉で表現している候補者を不当に評価してしまいます。
エージェントとの違いは、単なるマッチングではなく「評価」を行う点にあります。Saiは各履歴書を一つの文書として読み込み、その職種に真に必要な要件と照らし合わせて評価します。そのため、異なる言葉で適切な経験を説明している候補者は正しく認識され、根拠なくキーワードを並べただけの候補者は見抜かれます。
各候補者について、氏名、連絡先、現在の役職と企業名、経験年数、学歴、要件に合致するスキルといった事実関係を抽出した上で、人間が最も時間を要する「判断を下し、その理由を説明する」というプロセスを実行します。すべてのスコアには1行の理由が添えられます。この理由こそが出力を実用的なものにします。根拠のない順位リストでは結局手作業で再確認することになり、本末転倒だからです。
スコアは候補者を単なる数字に圧縮してしまいますが、最も有益な情報の一部はその圧縮過程で失われてしまいます。そのため、Saiはスコアに加えて、注意深い読み手なら気づくであろうポイントを指摘します。
これらは、自動化されたフィルタリングが最も弱点とするケースであり、まさにフィルタリングから守るべき価値ある候補者たちです。
このようなスクリーニング方法の過小評価されている利点は、スピードとは無関係です。人間は200人目の履歴書を読む際、3人目と同じ基準を適用できていません。集中力は低下し、評価のハードルも変動します。一方、エージェントは最初から最後まで同じ基準を適用するため、順位付けは「応募順」ではなく「候補者そのものの質」を反映したものになります。
また、基準が明文化されていることも意味します。なぜその候補者が選考から外れたのかと問われた際、その答えはスコアの横に添えられた一文としてシートに記録されています。
出力されるのは順位付けされたリストであり、決定そのものではありません。Saiは選考と説明を行い、誰と面談するかを決めるのはあなたです。この違いを意識することは重要です。人に関する判断は人が下すべきであるという理由に加え、選考結果に対して異論を唱えられる状態こそが最も有益だからです。もし上位3名に違和感がある場合、その理由が明示されているため、別のツールを探すよりも、要件に一行加えるだけで解決することがほとんどです。
特定のツール経験、特定の領域における深い専門知識、あるいは特定のフェーズの企業での経験など、重視する要件を指定すれば、それらが他の項目と同列ではなく、スコアを左右する主要な要素となります。構造化された評価基準がある場合は、それを貼り付けることで、Saiは一般的な適合度ではなく、あなたの基準に基づいてスコアを算出します。あえて意外性のある候補者を探したい場合はその旨を指示すれば、関連性の高い経歴を持つ人材が低く評価されることなく、適切に抽出されます。