WORKS REVIEW
REPORT

採用担当者向け

2021.05.19

オンラインセミナー「DX時代の採用戦略 ~AIを活用するには~|ZENKIGEN×ワークス・ジャパン」を開催しました。

出演者

株式会社ZENKIGEN 
エンタープライズユニット

宮村 昌則 氏

2014年、新卒で三菱商事株式会社に入社。自動車・モビリティグループにて、海外営業、貿易実務、合弁会社運営に従事。入社4年目にメキシコ派遣を経験。
2020年、ZENKIGENに入社現在はマーケティング、エンタープライズ向け法人営業を担当。

株式会社ZENKIGEN
マーケティング
 

加藤 成悟 氏

2016年に株式会社DMM.comに新卒入社。ゲーム事業マーケティング部にて多数タイトルのプロモーションプランナーとして従事。
その後、Stay JAPAN株式会社に入社。宿泊事業スタートアップの立ち上げ期から参画し、全国50箇所の宿泊施設のマーケティングチームのリーダーとなる。
2020年、ZENKIGENに入社。現在はマーケティングチームの統括を担当。

株式会社ワークス・ジャパン
ITソリューション部 営業課

福澤 大貴

ZENKIGEN社のサービスについて

福澤
ZENKIGEN様についてご紹介下さい。
宮村
主に展開しているサービスは大きく2つあります。1つ目が採用のオンライン化を実現するWeb面接サービスの「harutaka」。
2つ目がオンライン化により蓄積されたデータをAIによる解析を行い、選考を効率化、高度化する採用DXのソリューションです。
続いて、採用DXサービスに関してもご説明します。
今、採用に関する課題は非常に複雑化しており、DXサービスを入れれば、ワンソリューションで全て解決、というのは難しいです。我々の採用DXサービスでは採用課題に応じた3つのAIを用意しました。大量の応募の中から見出だすべき人を見付ける「エントリーファインダー」、リアルタイムのオンライン面接を解析して、候補者体験を可視化し、面接官教育に活かす「ライブレポーター」、選考の結果と面接の中身のデータを組み合わせて分析することで、採用プロセスのどこに課題があるかを検知していく「ハイヤリングインテリジェンス」。Web面接サービスの「harutaka」で撮った動画データを、これら独自のAIが解析するサービスを提供しています。
福澤
ZENKIGEN様が人事系メディアのHRプロの中で、約200名の人事責任者、担当者に取ったアンケートでは、「全社的にDXの推進をしていますか?」という問いに、4割は「推進をしている」、4割は「興味はあるが推進はしていない」、残りの2割が「把握していない」または「推進していない」という回答でした。DXに対する関心は高まってきているものの、踏み出せない企業も多いようでハードルの高さを感じているのではと思われます。

そもそも「DX」と採用の関連性とは?

宮村
様々な分野や領域でDX化が推進されている時代ですが、どの領域でもこの4ステップを辿ると考えています。
勘と経験に頼っていた「アナログ」から、すぐに繋がりかつそのデータが記録できる「オンライン」へ。次に、記録したデータを基に客観的・俯瞰的に見出せる「デジタル」に進み、最後の「トランスフォーメーション」では、自社の目的・ゴールを設定することが非常に大事であると思っています。
採用に関しても、自社のありたい姿、To-Be像が何かをまず設定し、達成する為の手段として技術活用をする、という順番は、認識合わせできればと思っています。「DX」や「AI活用」「IT化」等が目的ではなく、あくまで手段であると考えていただきたいです。
今、採用領域のDXはどのステップにいるのかというと、オンラインとデジタルの間ではないかと思います。コロナウイルス感染拡大の影響で、必要に迫られて一気に選考のオンライン化が普及しました。では、このオンラインで溜めたデータを使ってどう解析し、どう価値化していくかが、今後数年に渡っての大きなテーマの1つになるのではと考えます。
福澤
確かにDXというと、何かツールを使っての手法を考えがちですが、まずは何がやりたいかが重要になるということですね。
こちら、先程ご紹介させていただきました、HRプロの中で取ったアンケートです。この結果をご覧になっていかがですか?
加藤
「採用活動の効率化」が1番ニーズとして挙がっています。ただ、私たちとしては、これがDXの本質的な価値とは少し違うところにあるかなと考えます。DXにはデジタル化したデータ活用によって、変化活動が行われるトランスフォーメーションといったフェーズがあると思っています。効率化は、デジタル化したところで達成される要因が強いかと思いますし、大手企業の人事様はDXで効率化を達成したいのもあるかと思いますが、1番狙っていきたい効果は「アウトプットの最大化」です。採用活動をどう変革していくかに主眼を置いている方は、社員1,000名以上の大手企業がやはり多く、効率化だけではなくしっかり分析した上でアウトプットを最大化するということに行き着いているのかと思います。
弊社としてもDXで実現すべきこと、ありたい姿は、「出会えて良かった採用」にあって、単純に効率性が上がるではなく、本当に良いマッチングを提供していくことと思っています。

AIに正確な判定ができるのか?

福澤
こちらで最も多かったのは、AIの精度について、「正確な判定ができるのか」「人となりや印象までは、計れないのでは」という疑問です。
宮村
質問の回答の前に、「そもそもなぜDX化が必要なのか?」という目線合わせができればと思います。
これは選考の「集める、見極める、口説く」といった3つのプロセスの中で、よくある課題をまとめたものです。母集団の有効活用で言えば、「スクリーニングの方法は適切なのだろうか」と言ったように、面接官による評価のばらつきや候補者の動機形成の効果的な手法など、採用には明確な答えが出しづらい疑問が多々あります。こういった点は、実は人事部の経験値や現場の面接官の勘に頼っている部分が、多分にあるのではと弊社は考えています。そういったやり方が悪いとは言えないですが、属人化してしまうことで、確からしさや再現性の検証が難しい点で、アナログ採用の限界なのではと考えます。
やはり既存の延長線で解決するよりも、可視化とソリューションは必ずセットだと思います。まずはデータを使って、結局何が起きているのか?を可視化し、可視化したものを基にPDCAを回し、ありたい姿に近付いていくことが必要になってくると考えています。
オンライン面接が普及したことで、選考の結果データだけではなく、今までブラックボックス化されていた面接の中身の原因データも蓄積が可能になりました。中身の分析だけでも十分示唆を得られますし、組み合わせて使うことでより深い示唆に富む情報が取りやすくなった。チャンスが拡大してきたのかなと思います。

AIとは?採用に使われているAI

宮村
A Iには強いA I・弱いA Iの2つがあります。
強いAIはフィクションに出てくる自我を持つロボットを想像いただければと思いますが、人間のように、状況や目的に応じて行動を取れるAIです。これは残念ながらまだできていません。従って、今の世にあるAIは全てこの弱いAIに分類されます。弱いAIは、1つの特化したタスクをこなせる特定用途A Iです。
AIの精度が心配だとは多く伺います。「精度はどうだろう?」という点ですが、よく誤解されるのは、やはり「人が付けた合否の再現度」のようなイメージで語られる方が多いです。AIに自社の合否結果を覚え込ませ、合否の推奨結果をアウトプットする。工場でできた製品の検品作業みたいなもので、これは非常に楽ですが、採用で使っていいのかという疑義が大いに残ると思います。
この方法だと、従来の合否結果をインプットし、候補者の情報から合否推奨結果をアウトプットするので、「何でAIが合格って出したのか」「なぜAさんが合格なのか、Bさんが不合格なのか」という理由が見えないため、人事としては、判断に至る要因が分からず、説明責任が果たしづらいというデメリットがあります。
次のスライドでは、今の採用シーンにおいてどんなAIが使われているの?という話をしましょう。
AIのモデルとしては大きく2つあります。左側の個別モデルが、自社の合否結果をAIにインプットして合否推奨度を出すものになります。メリットとしては、同じ規格に対する判断速度がものすごく上がっていくという点。デメリットとしては、「対話性/柔軟性の欠如」であり、同じ規格に対して合格・不合格を出していきますので、金太郎飴人材の採用製造機になりかねない点。そもそも人材をAIがジャッジして落とすのはどうなのか?というモラルの問題や個社ごとに存在する合否水準へのAIの学習コストがかかってくる点も踏まえ、メリット・デメリットの両方があると言えます。
右側のユニバーサルモデルは対象を可視化して定量化するAIです。こちらはもう少し詳しくご紹介します。
弊社が今、展開しているのはこのユニバーサルモデルのアウトプットになります。動画から分かる人の印象の情報の定量化。人によって「凄く落ち着きがない学生」と思う人もいれば、「明るくていいね」と思う人もいる。評価者によって、ぶれてしまう部分すが、それをAIが汎用ラベルを付けていき、「この人の印象情報を定量化するとこの位ですよ」とアウトプットするAIを開発しています。これは、人間とAIの判断のズレを認識することでバイアスの可視化や、基準合わせができるところが、1つの価値ですね。見えなかったものが指標で見える化できます。但しデメリットで言うと、AIがジャッジまでしてくれないので、指標を解釈して分析してどうアクションに繋げていくかは人の力が必要になってくるところです。
では、「じゃあどういう基準でAIを選べば良いのか」という疑問が出ますが、元の話に立ち返って、自社がどうありたいかを問うことが1番大事かなと思います。今までと同じ基準でもいいから、とにかく面接工数を削減したいのであれば、個別モデルの方が十分にはまると思いますし。何を達成したいのかという目的を立てて、ツールとしてのAIはどんなものがはまりそうなのかというものを選んでいくというステップで考えることが1番大事になってくると思います。
福澤
ありがとうございます。ここで視聴者様よりいただいたAIに関する懸念点や疑問にお答えをしていきます。まず1つ目です。

Q1:AIの分析結果を見極める際のポイントはありますか?

宮村
人間の本質として、自分が判断したものにしか責任を取らない傾向があり、AIに全部任せてしまうとAIが暴走しても誰も気に留めない、という事態になりかねないため、弊社はAIが可視化した要素をベースに人が判断することを大前提としています。その前提で、AIが可視化した情報をどう使うかのポイントは、ステップを踏むことだと考えています。先程の「印象」を例で言えば、AIが「この人の熱意は5ですよ」とアウトプットした方と、選考官のAさんの考える熱意とBさんの考える熱意は当然違います。違うのは全然問題なく、結局、選考の評価の結果とAIが出したアウトプットには、どんな相関があるのかを、きちんと効果検証する。必ずこの評価結果とAIの出したアウトプットの効果検証を1回挟み、実際に相関が見られるようであれば、実運用に繋げる。この2ステップで考えることが1番大事かなと思っていまして、「AI入れた。効果出た。わーい!」というのは、幻想と言ってはちょっと過言ですが、きちんとステップを踏んでいく必要があるというのは、ポイントになってくるかなと思います。
福澤
2つ目の質問です。加藤様お願いできますでしょうか。

Q2:既存の評価基準と、ズレは生じるものでしょうか?

加藤
この質問で頂いた既存の評価基準とは、人間による今までの評価だとは思いますが、おそらくAIとの評価と比較してズレが発生します。そういった時に重要なのが、人間の評価が駄目なのか、AIの評価が駄目なのかという発想に至るより、どうしてそこにズレが発生するのかをしっかり考えていくべきだと思います。例えば、評価のズレが生じた面接を録画データ等でしっかり確認してみると、各個人による評価のバイアスが激しく、同じ評価項目でも人によってかなり捉え方が変わるケースもあります。ズレが生じてもその中の認知バイアスを正しく知ることで改善ポイントを発見できると、ご認識いただければと思います。

Q3:AIの導入をしたいが、社内でAI導入に否定的な層との調整はどうすればいいか?

宮村
AIは単年度で費用対効果を爆発的に改善させるようなソリューションではありません。やはり手段と目的をちゃんと明確化することが大事と思っています。あとは、人事の本分に立ち返ること。人事の本分が、人を見極めるとか人の能力を引き出すということだと考えた時に、アナログ業務では解決できない課題ばかりだなと正直、思っております。そうなった時に「AIが自動でやってくれるから楽になった」とか、単なる費用対効果で終わるのではなくて、人事としてやりたいことが実現できるのかを検証する。その目的に対する手段として、人ではどうしても介入できなかったものが可視化されたり、分からなかったことが可視化されて高度化に繋げられるのがAIの強みだと思います。やはりDXの推進は、短期的な対処みたいな打ち手として打つのではなくて、中長期的な観点でサイクルを回して、全く新しい景色を見せるものだという…。かなりパッション寄りの回答になってしまいましたが(笑)。
福澤
その企業様に合わせて、実際にトライをしていく中で、AIからの新しい示唆が得られて、腹落ちしていくというプロセスを踏むところは大事になっていきそうですね。

採用におけるDXの今後の展開

福澤
今後、どんな展開が見えてきそうかというテーマではいかがでしょうか。
加藤
ここまで、AIにフォーカスして採用DXの紹介をさせて頂きました。DX自体にハードル高そうなイメージはあると思うのですが、実は簡単なことからできたりもします。例えば面接内の候補者体験等を改善を目的として、本選考での面接後に「『この面接官の人と一緒に働きたいですか』を10段階で評価して下さい」、というアンケートを取りました。基本的に候補者の人達は採用面談ということもあり、平均値を高めに付けることが多いのですが、一部、面接官に1~ 2点と低い点を付ける学生が出てきました。でもこれって、凄く採用活動においては大事ですよね。「候補者体験」という点から言うと、面接官は会社の顔になる。その中に1~2点付ける人がいるということは、即内定辞退であったり、選考離脱に繋がることもあるので、アンケートを取るだけでも、ハードルの低いデータ活用の改善(=DX)の一例かなと思います。
オンライン化、デジタル化を通じて録画データが残るようになって、候補者体験はより可視化されてきました。従来の面接活動というと、どうしてもブラックボックス化した側面が多かったものが、見えるようになってきたというのは、DXを始めるには凄く良い時代になってきたなと思っています。
福澤
実際に改めて動画データで面接を検証した時に、「これは良くない面接だったな」ということが露わになった例はありましたか?
宮村
そうですね。動画の録画データで見ると顕著に分かるというか。得点が高い面接官は、頷きとか相槌とか、「共感のアクション」が多い。面接官に話を聞いてもらえているという体験は、かなり学生側の印象としても良くて。逆にダメな面接は、ずっと履歴書を見ていたりとか(笑)、ずっと紙を見ながら喋っていたりとか、今までの面接の話を改めて聞かれたりとか。録画データを見ると、結構分かってくることがあります。
加藤
多角的にどういう人材を入れたかというデータを集めていくと、人材要件の定義や、そこからオンボーディングした人はどういう人物なのかしっかり定めていくこともできると思います。じゃあそういう人を集めるために、どういったメッセージを発信すれば良いのかといったところにも、ブレイクダウンできるといったDXの発展性はあると思います。
福澤
では、この採用DXで提供されているソリューションのお話を加藤様、お願いいたします。
加藤
ここまで色々ディスカッションさせていただいたと思ってはいるのですが、このデータ活用による採用の変革は、色んな領域で展開できると思っていて、弊社としては今、大きく4つにカテゴライズしています。
「選考や評価基準の精度をしっかり上げていきましょう」、「候補者体験を良くしていきましょう」。次に「企業が求める、フィットする人材の要件定義をしていきましょう」。最後に、「それらを母集団形成に繋げていきましょう」。
ポイントになるのが、それぞれの領域だけを別々に改善していくより、全体的に進めることで、それぞれの領域の関係性が見付かる。どういう人を見極めて、どういう人に、どういう体験をさせたらいいのかや、そもそもどういう人を集めたいのか、その人を集めるにはどうしたらいいのか?等、スモールスタートで1つの領域から始めるというのは勿論良いですが、全体でデータ活用を進めることでより採用に大きな流れを、大きな変革をしていけることがポイントになってくると思っております。
我々の考えている、採用DXのサービスに関しても、今言ったような思想の下で作っており、我々もサービスとしてしっかり、応募者から候補者へという流れや、候補者から従業員〜内定というところまで、更には従業員のデータから応募者、いかに母集団を作るかといったところまでカバーするようなサービスを、今後提供していければと思っております。
上記、5つのサービス、「エントリーファインダー」「エントリーポートフォリオ」、「インタビューアセスメント」、「リクルーティング データプラットフォーム」「ハイアリングインテリジェンス」。それぞれの機能がそれぞれの領域に対応しています。応募者から候補者へ絞り込む初期選考のところで「エントリーファインダー」で見極め精度をしっかり上げて、更に「エントリーポートフォリオ」という、プラットフォームで、「エントリーファインダー」のデータと、今までのES、適性検査等のデータをかけ合わせてカテゴライズしていく。「インタビューアセスメント」が、候補者体験に相当していて、どういう面接をしていったら、そのカテゴライズした人達をしっかりアトラクトできるか、面接自体の評価、バイアスの検知等も担当していきます。
そういったデータが溜まったら、「リクルーティングデータプラットフォーム」で、そのオンボーディング情報と紐付けて、しっかり母集団形成まで繋げていくというところで、その全体を統括するのが「ハイアリングインテリジェンス」というサービスかと思っています。このサービスが更にATSと連携できると、より多角的な情報で選考をDX化できると考えています。

具体的なサービス内容ですが、この「エントリーファインダー」は自己PR動画をAIが解析し、候補者の印象を定量化していくサービスです。従来、ESや適性検査で見られなかった、その人の印象を定量的に可視化し、ダッシュボードで確認・活用できる形で提供するものになります。
この「エントリーファインダーはどういう提供価値があるの? 」という質問ですが、今までESや適性検査で能力の軸で判断するのが主流な中で、更にそこに印象という軸を付け加えることによって、より多角的に候補者の判断が可能になってくると思っています。
つまり「エントリーファインダー」の提供価値をまとめると、応募者の総合力を判定できることです。ES&適性検査に、更に「エントリーファインダー」を掛け合わせて、総合力に基づいた初期選考を行えます。それができることで、今まで能力だけで母集団から足切りしていた層の中にも、本来会うべきだったという人は沢山いると思うのですが、印象という軸を付け加えることによって、「今まで会えなかった人に会えるようになる」という点が1つの提供価値かと思っています。
この「エントリーファインダー」ですが、人事の方々が初期選考で見たいものは印象以外に他の要素もあると思っていて、動画で話したエピソード等を自動で解析し、その内容もカテゴライズできるところまで発展させようと取り組んでいます。いかに伝えるかというコミュニケーション能力等プロダクトを、今どんどん良くしていっています。
ZENKIGENは、「エントリーファインダー」を活用して、収集、定量化ししっかり分析してデータ活用まで持っていくまで伴走する体制を整えていて、ツール提供だけではなくDX推進もご協力させていただければと思っています。
ではもう1つ、プロダクトをご紹介します。今年の夏リリース予定の候補者体験の向上に向けたサービスです。

「インタビューアセスメント」は面接の映像をリアルタイムでAI解析を行う新しいソリューションです。チャットのような機能で、「今、候補者が緊張しています」や「もう少し笑顔を増やしてください」など、面接の最中に面接担当者にリアルタイムなフィードバックができるサービスです。現場面接官がその場で改善アクションを行い、候補者により良い候補者体験を提供できるプロダクトになっています。
直近で弊社のAIサービスを通じて、大手企業の採用活動のDX化を推進する取り組みをさせていただいてます。「エントリーファインダー」の導入企業であるキリン様や三菱商事様等、「ZENKIGENがこういう採用を実現できます」だけではなく、一緒にありたい姿を追い求めるという形で伴走させていただいております。
福澤
印象値が加わることで、1軸だったところが4象限で見える、広がりが見えてきそうだなと凄く感じました。
竹井
それでは最後にコメントをいただきたいと思います。
宮村
毎年、過去踏襲のようにやっていた採用活動が、データというファクトをベースに、より良いものにしていけるといったことが、この採用DXを推進することで実現できるという点は、今日お話できなかった具体的な事例を含めて改めてお伝えしたいと思います。少しでも興味があれば、お気軽にお問い合わせいただければと思います。
加藤
今までは「(採用活動では)やらなきゃいけないことがいっぱい!」だったのが、データによって分かることが増えてくると、どこからやるべきなのかが見えてくる。更にその先にいくとやりたいことがどんどん見えてくると思っています。我々としても、様々なサービスを提供していく予定なので、どんどんやりたいことを深めていってありたい姿を一緒に描けていければと思っております。本日はどうもありがとうございました。
福澤
お二人共ありがとうございました。