似た経歴の過去の選考結果からの企業選び

似た経歴の人がどこで通ったかを、チームの実績から確かめて推薦先を選ぶ

村上さんはキャリアアドバイザーになって1年半、IT業界の候補者を担当している。面談を終えると、候補者の希望と経歴に合いそうな求人を探し、5〜10社ほどに推薦する。ただ、求人票を読んで合いそうに見えた企業でも、書類で見送られることが少なくない。先輩に相談すると「あそこは同業からの転職者を好む」「その経験年数なら別の会社が通りやすい」と教えてもらえるが、そうした知識は先輩の頭の中にしかない。

チームの選考管理には、これまでに推薦した候補者がどこで通り、どこで見送られたかの記録が何年分も残っている。それでも、条件の似た候補者を探して結果を見比べるのは手間がかかり、実際には誰も使っていなかった。推薦先選びには1人あたり1時間ほどかかり、その多くは求人票を読み比べる時間だった。経験の浅い担当者ほど推薦先が広がりすぎ、書類の通過率が下がりがちだった。

そこで想定するのが、似た経歴の過去の選考結果をもとに推薦先を考えられるアプリだ。村上さんが候補者を選ぶと、職種、経験年数、業界、スキルなどが似た過去の候補者が集められ、企業ごとに書類通過や内定、見送りの結果が集計される。AIはその結果をもとに、「勧めやすい企業」と「注意が必要な企業」を理由とあわせて整理する。たとえば「似た経歴の6人中5人が書類を通過」「似た経歴の4人中3人が書類で見送り。理由はマネジメント経験の不足」といった具合だ。

推薦先の候補が絞れたら、個人を特定できない匿名のレジュメをつくる。氏名や現職の社名を伏せ、経歴の要点を整理したもので、求人ごとのマッチ度も採点される。村上さんはマッチ度と採点の理由を見ながら推薦するかどうかを決め、そのままPDFで出力して企業への打診に使う。

集計とAIの整理は、推薦先を考えるための根拠にとどまる。過去の結果がない企業や、求人の中身が変わった企業もあるため、最終的にどこへ推薦するかは、候補者の希望を聞いている村上さんが決める。候補者に推薦先を説明するときも、似た経歴の人の結果を示しながら話せる。

想定するアプリでは、主に次のようなことができる。

• 似た経歴の選考結果の集計。職種や経験年数などが似た過去の候補者の結果を、企業ごとにまとめる
• 推薦先の整理。勧めやすい企業と注意が必要な企業を、通過や見送りの理由とあわせて示す
• 匿名のレジュメ。個人を特定できる情報を伏せ、経歴の要点を整理してPDFで出力する
• マッチ度の採点。求人ごとに、候補者との合い方を点数と理由で示す

bloomがこのアプリをつくるなら、まず選考管理に残っている過去の記録が、どこまで使える状態にあるかを担当者と確かめる。見送りの理由が書かれているか、職種の呼び方がそろっているかによって、集計から言えることは変わるからだ。そのうえで、AIに任せるのは過去の結果の集計と整理までとし、推薦先の決定は担当者に残す。過去の結果は傾向を示すだけで、目の前の候補者の希望や人柄までは映さない。数字だけで推薦先を決めれば、候補者の可能性を狭めることにもなりかねない。

初版は推薦の多い職種に絞り、ベテランの担当者に「この整理は自分の感覚と合っているか」を確かめてもらう。そのうえで村上さんのような経験の浅い担当者に使ってもらい、推薦先選びにかかる時間と書類の通過の変化を見ながら、整理の示し方を直していく。チームの中で使われ方に差が出ていれば、担当者向けの勉強会で使いどころを共有する。