人材紹介会社は、どの業務からAI化すべきですか？

件数と反復性が高く、入力データが揃い、AIの出力を人が確認できる業務から始めます。職務経歴書の要約、推薦文の下書き、次アクションの抽出などが候補になりますが、自社のデータ準備度と例外の多さを確認して1業務に絞ってください。

候補者と求人のマッチングをAIへ任せてもよいですか？

候補提示や確認項目の抽出には使えますが、推薦可否や候補者への説明まで自動化する前に、人が確認する基準と例外条件を決める必要があります。AIの候補提示と、担当者の最終判断を分けて記録できる運用にします。

職務経歴書を生成AIへそのまま入力してよいですか？

氏名や勤務先など個人を特定できる情報が含まれるため、そのまま入力する運用は避けます。利用目的の範囲、提供サービスのデータ取扱い、社内ルールを確認し、必要に応じて固有名詞を外して経験・スキル・希望条件へ分解します。

人材紹介会社向けAI活用はどこから始める？候補者流入から入社後フォローまでの業務設計

人材紹介会社でAI活用を考えると、職務経歴書の要約、推薦文、求人とのマッチング、日程調整など、候補はすぐに出てくる。ところが、ツールを先に入れると、候補者情報はATS、求人媒体、表計算、LINE、メール、カレンダーに残ったままになる。AIで1つの作業が速くなっても、次の担当が分からなければ選考は止まる。

先に見るべきなのは、機能の数ではない。候補者が流入してから入社後のフォローまで、どの状態で情報が止まり、誰が確認し、どの記録をもって完了とするかだ。

人材紹介AIを、8つの工程で捉える

AIの利用場面を部署や製品で分けると、同じ候補者情報が何度も登場する。候補者の状態が変わる順番で並べると、次の8工程になる。

工程	AIを使える場面	人が決めること
候補者流入	応募情報の整形、重複候補の確認補助	利用目的、連絡対象、担当
初回接触	連絡文の下書き、未返信の抽出	送信可否、連絡手段、期限
面談	メモの要約、確認事項の抽出	評価、説明、本人の希望確認
求人提案	条件の照合、候補求人の提示	紹介する求人、候補者への説明
推薦	推薦文の下書き、不足情報の抽出	推薦可否、表現、提出内容
選考	日程候補、次アクション、停滞の抽出	調整、例外対応、結果説明
入社	必要事項のリマインド、記録整理	条件確認、関係者調整
定着	フォロー予定、相談記録の要約	対応要否、相談内容の扱い

Salesforceなどの人材紹介向けAI資料も、集客から入社後フォローまでの工程を扱っている。したがって、全工程を図にするだけでは差にならない。自社で必要なのは、既存のツールとデータを前提に、どこから着手するかを決めることだ。

「AIでできるか」より先に、データが揃うかを見る

厚生労働省が職業紹介事業者151法人を対象に行った令和4年度の調査では、技術活用が進む群ほど、情報入力・管理、情報の検証、情報提供の質やスピードなどで効果を回答する割合が相対的に高かった。一方、これは群別の比較であり、AIを入れれば同じ効果が出るという因果を示したものではない。

同報告書では、外部サービスを活用するときも、自社データを利用できるように整備する場合が想定されている。現場では、次の4つのデータ群を確認する。

候補者データ: 経験、希望、接触履歴、同意・利用目的
求人データ: 必須条件、歓迎条件、勤務地、選考工程
選考データ: 推薦日、面接日、結果、次アクション、期限
フォローデータ: 入社予定日、確認日、相談内容、対応者

たとえば「選考中」という1つの状態だけでは、次の担当も期限も分からない。「一次面接の日程候補待ち・候補者回答期限8月31日・担当A」のように、次の行動へつながる粒度が必要になる。

最初の1業務を選ぶ5つの軸

候補業務を3つまで挙げ、次の5軸を1〜5点で比べる。合計点だけで機械的に決めるのではなく、リスクと人判断が高い業務は対象を狭める。

件数: 毎週または毎日、一定量が発生しているか
反復性: 入力と出力の型があるか
データ準備度: 必要項目が同じ場所に揃っているか
リスク: 誤りが候補者の不利益や説明不足につながらないか
人の判断: 担当者の経験や関係者との調整が中心ではないか

件数・反復性・データ準備度が高く、リスク・人判断が低い業務は試行しやすい。逆に、採否や例外調整のように説明責任が重い業務は、AIへ判断を任せず、確認材料の整理に限定する。

人材紹介業のAI活用 90日ロードマップ

候補業務を比べ、最初の1業務、個人情報・契約・連携の確認、評価・停止条件まで書き込める27ページの資料です。

無料でロードマップを受け取る

AIと人の境界は、3段階で決める

自動化するか、しないかの二択にすると、運用が止まりやすい。AIに任せるもの、人が確認するもの、人が判断するものに分ける。

AIに任せる

下書き、要約、候補提示、未完了の抽出

人が確認する

正確性、入力範囲、候補者への説明

人が判断する

推薦可否、採否、例外対応、条件調整

職務経歴書や面談記録を扱う場合は、この境界に加えて個人データの入力範囲を決める必要がある。詳しい線引きは、職務経歴書をAIへ入力する前の個人情報の整理で確認できる。

90日は、整理・試行・評価の3段階に分ける

1〜4週: 整理

対象業務を1つに固定し、入力項目、個人データの境界、担当、完了条件、例外条件を決める。

5〜8週: 試行

対象者と件数を絞って実行し、AIの出力と人が修正した内容、最初から人が対応した例外を記録する。

9〜12週: 評価

導入前の基準値と比べ、継続、修正、中止を決める。次の業務へ広げる条件もここで決める。

90日は成果を保証する期間ではない。入力データと運用条件が揃い、続けるか止めるかを判断できる状態を作る区切りだ。

測るのは、処理時間だけではない

AIの出力が速くても、確認や例外対応が増えれば全体は速くならない。導入前と同じ定義で、次を記録する。

候補者の初回対応までの時間
期限を超えた次アクションの件数
同じ工程で停滞した候補者の件数
人が最初から対応した例外の件数
AIの出力を大きく修正した件数

たとえば推薦文の下書きを対象にしたなら、作成時間だけでなく、提出前にどの程度書き直したかを残す。修正が多い場合は、担当者を責めるのではなく、入力項目、指示、対象求人の範囲を見直す。

来週やるなら、候補業務を3つ書くところから

最初から製品比較や開発要件へ進まない。経営者・事業責任者と現場責任者で60分取り、候補業務を3つ書き、5軸で比べる。そのうえで1業務だけを選び、開始条件、完了条件、例外条件、止める条件を1枚にする。

中小企業全体のAI導入条件を先に確認したい場合は、中小企業のAI導入完全ガイドもあわせて読める。人材紹介会社では、そこへ候補者・求人・選考・フォローの4データ群を重ねると、自社の着手順を決めやすい。