採用マッチングAI
求人と求職者のマッチングをAIで、人が作業を行うよりも効率的かつ高精度のマッチングを実現
従来のキーワード検索では捉えきれなかった「求人の意図」と「求職者のポテンシャル」を、最先端のAI技術でマッチングさせるソリューションです。採用領域特有の文脈を理解できるよう独自にチューニング。求人票と職務経歴書の「意味的な近さ」を高密度ベクトル空間で計算することで、言語化しにくい「顧客志向」や「カルチャーフィット」などの定性的な要件も含めた、精度の高いマッチングを実現します。
Challenges
こんな課題はありませんか？
- 従来の検索キーワードベースでのマッチングの精度では、求人に対して最適な求職者を絞り切ることが困難である
例：採用担当者が求人サイトや人材データベースで「Go」というキーワードで検索すると、以下のような無関係な結果が大量にヒットしてしまう
- キーワード検索の本質的限界
キーワード検索では、文字列が一致するかどうかで判定してしまうため、同じ意味でも異なる表現が検索表示されてしまう。さらには、キーワードが一致したとしても、スキルレベルの判定まではできない
キーワード検索の本質的限界
キーワード検索では、文字列が一致するかどうかで判定してしまうため、同じ意味でも異なる表現が検索表示されてしまう。さらには、キーワードが一致したとしても、スキルレベルの判定まではできない
ベクトル変換の仕組みを用いたAIマッチング技術
ベクトル変換の仕組みを用いた、「言語→ベクトル→距離計算→マッチング」という流れが、AIマッチング技術の本質であり、これがあらゆる検索に応用できる理由である
AIマッチング技術の汎用性
従来の検索システムは共通の課題を抱えているため、AIマッチング技術は人材や求人のマッチングだけでなく、何か検索条件で絞り込んでいくようなケース全般に当てはまる技術です
“現在のデータの状況や、開発環境、取り組みの推進体制等を把握させていただいた上で、最適なソリューションをご提案いたします。”
BizDev Executive Director - 執行役員
募集中のポジション
詳しくお話しませんか？
専門チームがご提案いたします
主な機能
意味ベースの候補者検索
「SRE」と「AWS保守運用」のように、表現が異なっても意味が近い言葉をAIが自動で理解し、キーワードが一致していなくても要件を満たす候補者を抽出します。
抽象的要件のマッチング
「顧客志向がある」といった、職務経歴書に直接的な記載が少ない定性的な要件も、過去の行動履歴や成果の記述からAIが文脈を読み取り、合致する候補者を推薦します。
ダイレクトソーシングの工数削減
従来、採用担当者が複雑な検索クエリを駆使して行っていた候補者リストアップ作業をAIが代替。求人票を入力するだけで、最適な候補者を瞬時にランキング表示し、スカウト送信までの時間を劇的に短縮します。
学習データの最適化による精度向上
実際のスカウト送信履歴を学習データとして活用。さらに、採用領域に特化したドメイン適応を行うことで、汎用的なAIモデルよりも高い精度を実現しています。
導入効果
マッチング作業工数の減少
新入社員離職率
導入事例
選ばれる理由
最先端の「ニューラル情報検索」技術の実装
従来のスパースなベクトル検索ではなく、高密度ベクトルを用いたDense Retrieval技術を採用。BERTモデルをベースに、Siameseネットワークを用いたFine-tuningを行うことで、実用レベルの高速かつ高精度な検索システムを構築しています 。
採用ドメインへの深い理解と適応
一般的な日本語モデルではなく、実際の求人票や職務経歴書データを用いて追加学習を行っています。これにより、業界特有の専門用語や固有表現、記述の癖などを正確に理解するAIを実現しました。
プロンプトエンジニアリングによる構造化
求人票や経歴書の非構造化データを、[JOB_CATEGORY]や[SALARY]といった特殊トークンを用いて構造的にAIに認識させる技術を確立。これにより、データのノイズを減らし、マッチング精度をさらに高めています。
募集中のポジション
詳しくお話しませんか？
専門チームがご提案いたします
ビジネス変革を始めませんか？
採用マッチングAIがお客様のビジネスにどのような価値をもたらすか、詳しくご説明いたします。