「待ち」の採用から脱却──自律型AIソーシングエージェントの最新潮流

応募は増加しているのにもかかわらず、適した人材が見つからない。米国の採用現場では、現在このような構造的な行き詰まりが顕在化している。

Glassdoor Economic Researchが実施した2025年の調査によれば、求職者向けAI応募ツールの普及により応募のハードルが低下し、求人1件当たりの応募数は2017年比で3倍に急増した。
一方、AIによって量産された応募書類の精査がリクルーターの大きな負担となっており、有望な候補者を見極めるスクリーニング業務の負荷は極限まで高まっている。
こうした環境変化を背景に、米国企業は候補者へ直接アプローチを行う「ソーシング（ダイレクトリクルーティング）」への注力を強めている。同調査によると、面接に至った候補者のうち、最初の接点がリクルーターからの直接の働きかけであった割合は、2023年は8.6％であったが、2025年には14.8％へと拡大した（※1）。
応募を待つだけの「受動的な採用」では優秀層の確保が難しく、能動的な候補者発掘（ダイレクトリクルーティングなど）が不可欠な戦略となっている。

また、これまでソーシング業務を専門に担ってきた「ソーサー」という職種はいま、転換点を迎えている。リクルートワークス研究所の「Solution Stack調査 2025」によれば、近年採用部門のスリム化が進み、人手に依存したソーシング体制を縮小、あるいは廃止する傾向が見られる。
こうした「人手による運用の限界」を打開するソリューションとして登場したのが、自律型AIソーシングエージェントである。本稿では、その代表的例であるJuiceboxを取り上げ、AIがいかにソーシング実務を変えつつあるのかを考察する。

Juicebox：探索からスカウトまでを完結させる自律型AI

Juiceboxは、LinkedInやGitHub、Stack Overflow、さらには個人のウェブサイトなど、インターネット上に公開されている情報を横断的に解析し、約8億人規模の人材データベースから最適な候補者を特定するAIソーシングプラットフォームである。その特徴は、リクルーターが求める要件を入力するだけで、AIエージェントが候補者の発掘から選定、さらには一人ひとりに最適化されたスカウト送信までを一気通貫で担う点にある。

AIエージェントによる業務プロセスの変革

1. 人間による初期設定とキャリブレーション

リクルーターはまず、職種、勤務地、求める経験やスキルといった基本要件を入力する。（例：「カリフォルニア州で品質領域の経験を持つエンジニア」）。これに対し、AIエージェントは即時に3名の候補者例を提示する。リクルーターがこれらのプロフィールを承認または拒否し、その判断理由をフィードバックすることで、AIは「自社が求める人物像」を学習し、探索精度を高めていく。

2. 自律モードの選択

採用方針や職種の重要度に応じて、AIに任せるダイレクトリクルーティング業務の範囲を選択できる。

• 候補者特定モード
  AIが候補者の抽出までを担い、最終確認とスカウトの送信はリクルーターが行う。
• 自動スカウトモード
  候補者選定から、一人ひとりに最適化されたスカウトの送信、さらに未返信者へのフォローアップまでをAIが自律的に完結させる。

3. 24時間体制のセマンティック探索

AIエージェントは単純なキーワード検索ではなく、ジョブディスクリプションの文脈を解釈する「セマンティック検索」を用いて、24時間体制で候補者探索を行う。たとえば「変化の速い環境での経験」という抽象的な要件を、「スタートアップでの実務経験」や「急成長企業での在籍履歴」といった具体的な条件に置き換え、探索を継続する。

なお、複数のオンラインソースから候補者データを収集する手法については、プライバシー保護の観点から米国議会でも議論が進んでいる。実際、上院ではHRテック企業をデータブローカーとして調査し、個人が自身のデータ削除や販売停止を行使できない設計が問題視された例も報告されている。こうした状況を踏まえ、Juiceboxは、個人がデータアクセスや削除を申請できるプライバシーセンター（窓口）を設置するなど、法規制への対応を進めている。

4. 文脈を読み解くスカウトとフォローアップ

AIエージェントは、候補者の職歴やプロジェクト実績に基づき、一人ひとりに合わせたスカウトメールを生成する。さらに、開封率や返信率を継続的に追跡し、反応がない場合には最適なタイミングで再アプローチを行う。候補者から返信があった時点でリクルーターに通知が届き、そこから先は「人間同士の対話」へと引き継がれるしくみとなっている。

出所：筆者作成

導入効果：1人で5人分の採用力を実現

現在、Ramp、Quora、Perplexityといった急成長中のテック企業から、フォーチュン100に名を連ねる大手企業まで、約5000社が同サービスを導入している。
たとえばStarbridgeは、短期間で組織規模を3倍に拡大させるため、ダイレクトリクルーティング業務の約9割をAIエージェントに任せる運用へと移行した。その結果、リクルーター1人当たりの生産性は約5倍に向上し、本来6〜7人のフルタイムのリクルーターが必要となる規模の採用を、実質1.5名分の体制で実施することに成功している。

日本におけるダイレクトリクルーティングの現状と課題

日本国内においても、ダイレクトリクルーティングはもはや一部企業の先進的な手法ではなく、主要な採用手段の一つとして定着したといえる。日本のダイレクトリクルーティングサービスは、大きく次の3つの類型に整理できる。

1. 登録型（スキルマッチ）：求人サイトなどに登録された候補者データベースへアプローチするモデル。
2. オープンデータ型（プロフィール横断）：仕事系SNSなどの公開プロフィール情報をAIが横断的に検索・抽出するモデル。
3. インテント型（兆し検知）：求人閲覧やイベント参加、SNS上での発信といった行動データから「転職の兆し」を捉えてアプローチするモデル。

なかでも近年、日本市場で注目を集めているのが「インテント型」である。総務省の労働力調査（2025年）によれば、転職を希望する人が1023万人と過去最多水準に達している一方、実際の転職者数は330万人にとどまっている（※2）。
この数字が示すとおり、転職意向を持ちながら行動に至っていない「潜在層」が極めて多いことが日本市場の大きな特徴である。
こうした背景から、転職意向が顕在化して競争が激化する前段階で、AIが行動ログなどを手がかりに関心の兆しを検知し、先回りして接点を持つ手法が、中小企業を含む有効な採用戦略として広がりつつある。

日本企業への示唆：属人化から再現可能なオペレーションへ

米国と日本では背景が異なるものの、「母集団が形成されるのを待つだけの採用では、真に必要な人材に出会えない」という本質的な課題は共通している。
ダイレクトリクルーティングは有効な手段である一方、候補者探索から個別スカウトの作成・送信、さらにはフォローアップまでを人手で回し続ける運用は、すでに現実的なコスト水準を超えつつある。

今後求められるのは、単に人を増やして業務量を吸収する発想ではない。候補者の探索やルーティン業務をAIエージェントに任せ、人間は「最終的な見極め」や「候補者との深い関係構築」といった、人にしか担えない中心的業務に集中できる体制を構築することである。Juiceboxに代表される自律型AIの台頭は、採用活動を「リクルーターのスキルと努力」に依存するものから、テクノロジーによって「再現性と生産性を担保するオペレーション」へと進化させる、新たなパラダイムシフトの到来を示唆している。

TEXT＝杉田真樹