マキシム・ルガルデ・コカン氏は、採用プロセス全体を実行する世界初のAIレイヤーを構築するMaki PeopleのCEOである。
採用にAIを導入する競争は加速している。特に応募数が増加する中でその傾向は顕著だ。組織は、最も重要な意思決定の全領域に自動化ツールを急いで展開している。しかし、そこには問題がある。壊れたプロセスを自動化しても、それは修正されない。工業化されるだけだ。
AIスクリーニングは完璧には程遠い
今日のAI採用の導入現場を見れば、同じものが見つかるだろう。履歴書の解析を高速化し、キーワードマッチングを賢くし、1時間あたりの処理応募数を増やすために、履歴書スクリーニングの上にAIが配置されている。しかし、これは必ずしも良いことではない。
アマゾンはこれを痛感した。2018年、ロイターはこの大手オンライン小売企業がAI採用ツールを停止したことを明らかにした。このモデルが男性候補者を優遇するよう自己学習したためだ。数十年分の過去の履歴書で訓練されたこのツールは、「女性の」という単語を含む応募書類にペナルティを課し、女子大学の卒業生を低く評価した。根本的なシグナルが壊れていたため、それを増幅しても、より良い採用インテリジェンスは生まれなかった。自信に満ちた、体系的な、高速のエラーが生み出されただけだった。
候補者が応募書類にAI生成コンテンツを使用する場合にも、重大な問題がある。Resume Geniusの「AI Impact on Hiring Report」によると、調査対象の採用担当者の74%が「応募書類でAI生成コンテンツに遭遇した」という。学術研究者はさらに厄介なことを発見した。AIツールがAI作成の履歴書を評価する場合、「評価者と同じ大規模言語モデルを使用する候補者は、同等の資格を持つ応募者よりも約23〜60%高い確率で候補者リストに入る」のだ。つまり、最良の候補者を見つけるのではなく、AIスクリーニングはシステムを巧みに操ることに長けた候補者を見つける可能性がある。
音声AIもそれほど優れていない
履歴書スクリーニングの信頼性が失われるにつれ、多くの組織は候補者に電話をかけ、質問をし、回答に基づいてスコアを生成する会話型音声エージェントに目を向けている。しかし、リスクは自動スクリーニングとほぼ同じだ。大規模言語モデル上に構築された音声AIは、偏った文書を偏った会話に置き換えるだけだ。スコアが特定の観察可能な行動ではなく、候補者の話し方に基づいている場合、その出力は採用インテリジェンスではない。部分的な印象だ。
科学的根拠は明確だ。職務遂行能力を予測するのは構造化された評価であり、そこでは同じ基準、スコアリングロジック、証拠基準がすべての候補者に適用される。その基準がなければ、音声エージェントは、それが置き換えた手動の電話スクリーニングと同様に、偏見の影響を受けやすく、一貫性がなく、法的に弁護できない可能性がある。
信頼できる会話型AI音声エージェントには2つのことが必要だ。説明可能性と大規模な一貫性である。
• 説明可能性：すべてのスコアは、事前定義されたフレームワークに対する特定の観察可能な行動にさかのぼることができなければならない。そうすれば、採用担当者や監査人は、候補者がなぜそのように評価されたのかを常に理解できる。追跡可能な理由なしにスコアを生成するシステムは、誰も検証できない重大な決定を下すブラックボックスだ。
• 大規模な一貫性：人間の採用担当者が数百の会話に同じ基準を適用すると、必然的にばらつきが生じる。疲労、解釈の変化、無意識の再調整などだ。固定された基準を適用するAIシステムは、候補者1と候補者10,000に対して同一の評価を生成する。この一貫性が真の学習の基盤となる。なぜなら、ばらつきが除去されると、シグナルは十分にクリーンになり、システムにフィードバックし、結果と相関させ、将来のすべての決定をより鋭くすることができるからだ。
自動化は効率を向上させ、知性は成果を向上させる
採用プロセスでAI技術を活用する方法は2つある。自動化と知性だ。
自動化は既存の採用プロセスを高速化する。このカテゴリのAIツールは、人間の調整なしに面接をスケジュールし、より大量の応募を処理できる。これらは意味のある成果であり、多くの組織にとって、実際のボトルネックに対処するものだ。しかし、採用の意思決定方法を根本的に変えるものではない。
意思決定の質を向上させるには知性が必要だ。それは、評価を職務に関連する検証済みのシグナルに基づかせること、構造化された標準化された基準を一貫して適用すること、そして出力が追跡可能で監査可能であり、すべてのスコアが観察可能な行動に結びついていることを保証することを意味する。
これらのアプローチ間の最も重大な違いは、採用後に何が起こるかだ。自動化レイヤーが候補者を処理すると、その仕事は終わる。しかし、知性レイヤーは継続する。すべての採用がシステムにフィードバックされ、どのシグナルが高いパフォーマンスを予測したか、どの基準が正確だったか、どのパターンが定着率と相関したかを示す。時間の経過とともに、知性レイヤーは、継承された仮定ではなく実際の結果によって調整された、特定の組織内で何が良いかについての複合的な全体像を構築する。
真の成果：新しい種類の組織
組織が採用プロセスにAIを適用する際に迅速に動くことは間違っていない。問題は、そこで止まってしまうことだ。自動化と知性が検証された自己強化型シグナル上で一緒に機能すると、持続的な組織記憶が出現する。その結果、あなたの文脈で何が成功を予測するかについての知識を蓄積し、すべての決定から学び、サイクルごとにより正確になるシステムが生まれる。
この能力を構築することで、組織は根本的により良い採用の意思決定を行い、その優位性をより強力なチーム、より低い離職率、より迅速な実行に複合化できる。これが、AIが採用において可能にする真の革命だ。人材に関する意思決定を、ビジネスにおいて最も測定しにくい機能の1つから、最も正確な機能の1つに変える、新しいカテゴリの組織知性である。
スピードはAI導入の難しい部分ではない。難しい部分は、何を構築しようとしているのかを知ることだ。
