「求人を出しても、なかなか合う人が来てくれない」「登録してくれた求職者の方に、いい求人をもっと届けたい」
求人サイトや人材紹介サービスを運営していると、こうしたお悩みは尽きないのではないでしょうか。
求人と求職者をうまくつなぐ仕組みは、もともと検索とキーワードのマッチングで作られていることが多いのですが、ここ数年でAIに任せられる範囲がぐっと広がってきました。「うちの求人サービスにもAI、どこかに入れたほうがいい？」というご相談も増えています。
この記事では、求人プラットフォームや人材紹介サービスを運営している事業責任者・サービス企画の方を想定して、人材サービスへのAI組込でできる5つのことを、発注を考えるときの目線でやさしく整理します。
ざっくり言うと：マッチングAIを人材紹介所にたとえるなら、何万件もの求人票と何万人ぶんの職務経歴書をすべて頭に入れているコンシェルジュが、24時間365日カウンターの裏に控えているようなイメージです。最終的に紹介や応募の判断をするのは人間ですが、その手前の「探す・整える・下書きする」をAIが肩代わりしてくれる、というのが今回のポイントです。
AIで何ができるのか
1. 求人と求職者を「似ているもの」で結びつける
従来の求人検索は、勤務地・職種・年収のような条件で絞り込む形が中心でした。便利ではあるのですが、求職者が条件をきっちり入れていないと結果が薄くなり、「実は合っているのに表に出てこない求人」が埋もれがちです。
AIを使うと、求人票と職務経歴書を文章まるごと比べて、「内容が近いもの」を順番に並べることができます。技術用語ではベクトル検索（内容の似ているものを探す技術）と呼ばれます。「フロントエンドの実装が中心、リーダー経験あり」のような曖昧な表現でも、似た雰囲気の求人を引き当ててくれます。
2. 履歴書・職務経歴書を読みやすくまとめる
登録時にアップロードされた履歴書や職務経歴書のPDFを、AIに読ませて要約させる使い方です。「経験職種」「使った技術」「強み」「希望条件」を箇条書きで先に出しておけば、エージェントが本文を読む前にざっくり把握できます。間違いがないかは最後に人間が見る前提で、下読みをAIに任せるイメージです。
3. スカウト文の下書きを一人ひとりに合わせて作る
スカウト型の求人サービスでは、企業の採用担当者が候補者一人ひとりにメッセージを送りますが、全員に同じ定型文を送ると開封率も返信率も伸びません。かといってオリジナル文を毎回書くのは大変です。
ここにAIを入れると、候補者の経歴と求人の内容を読み取って、その人の経験に触れた書き出しと、求人とのつながりを示す本文を下書きしてくれます。採用担当者は内容を確認して、必要なところだけ直して送る、という流れになります。
4. 求人原稿の書き方をその場で改善する
求人企業が原稿を作る画面で、書きかけのテキストをAIが読み取って、「この求人で伝わりにくいポイント」「もう少し具体に書くと魅力が伝わる箇所」を提案する使い方です。
例えば「成長できる環境です」とだけ書かれている部分に対して、「どんな成長機会があるかを1〜2行加えると伝わりやすくなります」のように助言する、といったイメージです。原稿の質が上がれば応募の質も上がりやすくなります。最終判断は採用担当の方にしてもらうのがポイントです。
5. 求職者向けの相談チャットでミスマッチを早めに防ぐ
登録直後の求職者に向けて、「どんな仕事を探していますか？」「いまの会社で何が気になっていますか？」といった対話をAIチャットで行い、求める仕事像を少しずつ言語化していく使い方です。応募の前にミスマッチに気づきやすくなり、企業側にとっても良い影響があります。
応募後のサポートにも応用できます。「面接の前に確認しておきたいこと」「内定承諾を迷っている時に整理したい観点」のような、エージェントを呼ぶほどではないけれど少し相談したい場面で、AIが話し相手になります。詳しい仕組みは カスタマーサポート × AI × 自動応答 も参考にしてみてください。
実装のイメージ
人材サービスのマッチングAIは、大きく4つの部品の組み合わせで作ります。
- 会話と要約を担当するAI：いわゆる大規模言語モデル（人と会話できるAI）と呼ばれるもの。OpenAI、Anthropic、Google などが公開している外部サービスを使うのが一般的です
- 「似ているもの」を探す仕組み：求人票と職務経歴書を、内容の特徴を表す数値の列に変換しておき、近いもの同士を引き当てる部分。RAGの解説で触れているのと同じ系統の技術です
- 自社の人材データベース：求職者プロフィール、求人情報、応募履歴などを持っている既存のデータベース。AIに渡す情報の元になります
- サービス本体の画面：求職者向けアプリ、企業向け管理画面、エージェント用の業務画面など、人間が触る部分。AIが下書きしたものを「採用して送る」「直してから送る」と選べるUIがポイントになります
「外部のAIをそのまま自社サービスに見せる」のではなく、真ん中に自社のサーバーを挟んで、自社サーバーがAIに問い合わせる形が一般的です。求職者の経歴や応募履歴といったセンシティブな情報を扱うため、AIに渡す前にどこまでマスクするか、どの情報は渡さないかを細かく設計する必要があります。受託開発の現場では、ここが腕の見せどころになります。
導入時に気をつけたいこと
個人情報の取り扱いと利用目的の明示
履歴書や職務経歴書には、氏名・住所・勤務先・年収など多くの個人情報が含まれます。利用規約とプライバシーポリシーで「AIによる処理を行う旨」「外部のAIサービスに渡す情報の範囲」を明示するのが一般的です。また、外部AIサービス側の設定で「学習に使われない契約形態か」を発注時に開発会社へ確認しておくと安心です。
差別やバイアスへの配慮
人材領域でのAI活用では、年齢・性別・国籍・出身地といった属性をマッチング判断に使ってしまうと、差別的な結果につながるおそれがあります。AIに渡す情報からこれらの属性をあらかじめ除く、結果に偏りがないかを定期的に確認する、最終判断は人間が行うフローを残す、といった設計が必要です。「AIが選んだから採用しなかった」と説明できない判断は、トラブルの種になります。
「ちょうどよくない」マッチングをどう減らすか
マッチングAIは内容の近さを見るのが得意ですが、近すぎると毎回同じような求人ばかり並ぶことが起こります。求職者から見れば「もうこの会社、何回も見た」という体験になり、サービスへの信頼を損ねます。
ある程度の幅を持たせる、過去に表示した求人は順位を下げる、業種をまたいだ提案を時々入れる、といった調整は、AIだけに任せず人間が運用ルールとして決める必要があります。画像認識AIのPoCで失敗する典型パターンでも触れていますが、お試し導入の段階で「何をもって良いマッチングとするか」の基準を作っておくのがおすすめです。
AIの判断ミスをどう人間がカバーするか
AIは自然に文章を扱えますが、たまにそれっぽい嘘を言うこともあります（業界用語ではハルシネーションと呼ばれます。ハルシネーションの解説もあわせてどうぞ）。経歴書の要約で実際にはない経験を書き加えてしまったり、スカウト文で事実と違うことに触れてしまうと、信頼問題に直結します。
そのため、要約や下書きは人間の目を通してから送る運用にしておくのが基本です。「AIの下書きをそのまま送るかどうか」のチェックボックスを画面に置く、送信前にプレビューを挟む、といった画面設計の工夫で、事故をかなり減らせます。
まとめ
人材サービスのAI活用は、すべてを自動化するのではなく、探す・要約する・下書きするをAIが、判断と送信は人間がという分担で考えると、現実的な落としどころが見えてきます。
- 求人と求職者を「似ているもの」で結びつける
- 履歴書・職務経歴書を読みやすくまとめる
- スカウト文の下書きを一人ひとりに合わせて作る
- 求人原稿の書き方をその場で改善する
- 求職者向けの相談チャットでミスマッチを早めに防ぐ
この5つを、自社サービスの中身と照らし合わせて、「どこから始めるか」を決めていくのが第一歩です。個人情報の扱い、判断の偏り、最終チェックの仕組み。この3点をおさえながら、まずはひとつの機能を小さく試すところから始めてみてください。