求職者のAI活用が変えるリクルーティング―AI時代の採用プロセス再設計

2025年11月4日〜5日にかけ、米国カリフォルニア州サンディエゴにおいて、ERE Media主催の「ERE Recruiting Innovation Summit Fall 2025」が開催された。本カンファレンスは、ソーサー、リクルーター、HR担当者を対象とし、対面とオンラインのハイブリッド形式で実施された。

前編では、AIの普及が採用実務にもたらす法的課題や規制環境について概説した。本コラム（後編）では、AI時代の採用現場が直面する具体的な課題とその解決策を提示し、AI活用を組織に定着させるための要件を詳らかにする。

「真実性」と大量応募の危機

多層的な防御策の導入

Cedarでは、この信頼性の危機に対処するため、以下の「多層的な防御策」を講じている。

• 本人確認の厳格化：ライブコーディング環境やカメラによる監視に加え、タイピング速度やコミュニケーションの自然さといった行動パターンを解析し、本人性を確認する。
• 面接形式の抜本的見直し：事前準備が容易な質問を排し、その場で思考プロセスを説明させるシナリオベースの質問を導入する。
• データ分析による異常検知：履歴書の再利用や、LinkedIn上の職歴と位置情報の不一致をツールで検出し、疑わしい応募にフラグを立てるしくみを構築する。

Pritchett氏は「技術の進化は不可避だが、採用プロセスも進化させる必要がある」と述べ、テクノロジーと人間の判断を高度に融合させることが、選考の精度を高める唯一の道であることを強調した。

スクリーニングの効率化

Cedarのような準大手であっても、シニアエンジニアの求人には、24時間で約4000件、最大で1万5000件もの応募が殺到する。同社では、この膨大な母集団から面接に進む4%の候補者を絞り込むため、ATS（Greenhouse）とタレントエンゲージメントツール（Gem）を連携させ、AIによる予備質問の回答分析を行っている。初期段階で要件を満たさない候補者を自動的に選別することで、リクルーターが精査すべき対象を数%にまで圧縮し、リソースの最適化を図っている。

初期選考を自動化するATS「Pinpoint」

1. 求人掲載の自動停止とステータス通知
   • 応募過多と広告費浪費の自動防止：応募数が上限に達した時点で、自社サイトの掲載と外部媒体への広告配信を停止する。管理不能な応募の蓄積を防ぎつつ、無駄なコスト発生を回避する。
   • 応募者への自動フォロー: 応募者には「現在選考が混み合っており、○日以内に連絡する」旨のメールを自動送信し、放置による不安を解消する。
   • 関係者へのリマインド送信: リクルーターやハイアリングマネジャーに、求人停止の通知と、既存候補者の選考を進めるようリマインドを自動送信し、選考の停滞や優秀な候補者の見落としを防ぐ。
2. 分岐ロジックによる要件未充足者の選別
   • 要件未充足者の自動スクリーニング：応募フォームに必須スキルや就労資格の有無などの質問を組み込み、要件未充足者を自動的に不採用ステージへ振り分ける。
   • 不採用通知の配信設定：自動拒否に一定の待機時間を設けるなど、AIによる即時判定が応募者に与える心理的悪影響を最小化する。
   • 納得感を高めるフィードバックの提供：具体的な不採用理由を明記したメールを自動送信し、不採用であっても納得感の高い候補者体験を提供する。
3. 優秀層の優先選考（ファストトラック）
   • ハイポテンシャル層の自動識別：リファラル候補者や「マネジメント経験4年以上」などの特定条件を満たす優秀層をシステムが自動識別する。
   • 応募経路や経験年数などに応じた選考ルートの最適化：リファラル候補者や「マネジメント経験4年以上」は書類選考をスキップして一次面接へ、「経験1〜3年」はハイアリングマネジャーによる審査へなど、候補者の応募経路や経験年数に応じた最適な選考ルートを自動構築する。
   • 面接予約の自動化によるリードタイム短縮：面接対象者には日程調整のURLを即座に自動送付し、競合他社に先んじて優秀層を確保する。
4. 選考ステージに応じた不採用者フォロー
   • 脱落ステージに合わせた通知内容の最適化：採用決定後、書類選考か面接後かなど、各応募者がどの段階で選考を終了したかに応じて、フィードバック内容を自動で送り分ける。
5. タレントプールの自動育成（ナーチャリング）
   • ハイポテンシャル層の自動プーリング：選考中に「ハイポテンシャル」と評価（タグづけ）された応募者が不採用となった場合、タレントプールへ自動招待し、将来的な採用機会の損失を防ぐ。
   • 興味・関心に基づいた継続的な接点維持 ：希望職種や関心分野を示すタグに応じて、エンジニア志望者には技術ブログの最新投稿、営業志望者には部門長のLinkedInプロフィールの案内などを、関心に応じたコンテンツを自動送信し、再応募の意欲を醸成する。 

AI活用を加速させる７つの原動力

1. AIリテラシー：AIにできること・できないことに加え、学習にどのようなデータが使われるのかを組織全体で理解しているか。
2. 戦略的姿勢：抽象的な宣言ではなく、採用の質向上といった具体的課題の解決にAIを結びつけているか。
3. リスクの許容：実験を容認し、失敗から学ぶ組織文化があるか。
4. 部門横断的な連携：人事・採用部門だけで完結させず、ITや法務、AI専門部署などと強力な連携体制を築けているか。
5. 人事領域のAIガバナンス：人事領域に特化した公式な運用枠組みがあるか。
6. 既存システムやプロセスとの統合：AIを独立したツールとせず、既存のATSや業務プロセスに深く組み込めているか。
7. AIへの投資：継続的な予算確保ができているか。

特に興味深いのはリスクへの向き合い方である。リスクを完全回避しようとする企業の64%が「ラガード」にとどまる一方、積極的に実験を行う企業の45%が「リーダー」に分類されている。
また、ガバナンスの枠組みが先行する欧州でもAI活用が進展している事実は、明確な「ガードレール」があることで、企業がより安心してAI運用を加速できる可能性を示唆している。

総括：戦略的業務への解放

本カンファレンスを通じて浮き彫りになったのは、「AIは人間の代替ではなく、人間の役割を際立たせる存在である」という事実である。
事務的な反復作業や膨大なデータ分析をAIに委ねることで、HR担当者は候補者の潜在能力や価値観、組織文化との適合性を見極めるという、極めて高度で戦略的な業務にリソースを集中させることが可能となる。
AIを単なる効率化ツールとしてではなく、採用の質を根本から高めるための基盤と捉え、技術的限界を理解した上で「人間ならではの判断力」と融合させる。これこそが、AI時代の採用プロセス再設計における本質的な解と言える。

TEXT＝杉田真樹