概要
パフォーマンス予測モデルを活用したオンライン完結型選考
パフォーマンス予測モデルの技術を当社の採用フローに組み込み、全国の優秀な人材に、より効率的にアプローチする仕組みを構築しました。具体的には、採用活動の全てをオンライン上で完結するオンラインリクルーティングを2018年卒の新卒採用より導入しています。 企業側のメリットとしては、距離と時間の壁を越え、より多くの優秀な人材と接点を作ることが可能になります。また同時に、AIに選考プロセスの多くを代替し業務の工数を削減できるため、人（採用担当者）は応募者とのコミュニケーションに注力することが可能になります。また応募者側としても、これまで首都圏で開催される選考会に地方学生が参加する際、交通費や宿泊費などの就活費用が重い負担になっていましたが、当システムでは、自宅にいながら全ての選考フローが完結するので、一切の交通費や宿泊費がかからず、かつリクルートスーツも不要なので、地方学生が抱える制約を解消することができます。
取り組み内容
予測に必要なデータを取得する選考プロセス
「パフォーマンス予測モデル」により、会わずとも応募者の未来のパフォーマンスが予測できるため、AIが分析する際に必要となるデータを、オンライン上で取得できる仕組みを構築したことで、応募者がわざわざ会社に来なくとも選考を進められるようになりました。これにより、従来の採用活動ではアプローチが出来なかった、地方在住の優秀な人材が広く選考に参加することが可能となり、より広範囲の優秀な人材に出会うチャンスが増えました。
また、選考フローの一部をAIに代替することにより、採用担当者が応募者とのコミュニケーションにより多くの時間を割くことができます。内々定提示後に行う会社理解や入社の動機形成など、AIでは対応できない人間同士のコミュニケーションを手厚くすることで、優秀な人材のクロージングフェーズにおいても優位性を発揮できます。
検証結果
選考プロセス全体が90％削減／地方学生の内定者が4倍
オンライン・リクルーティングの導入において選考フローの一部をAIに代替することにより、採用担当者と現場社員の工数を大幅に削減することができました。人的コストの削減効果を定量的に時間で算出した場合、選考1人あたりにかかる時間が従来と比較して90％も削減されました[1]。
また、地方学生の入社決定数が前年の約4倍[2]に増加し、更に地方大学の採用実績校も約5倍[3]に増加しました。パフォーマンス予測モデルとオンラインリクルーティングの活用で、より広範囲の優秀人材を採用することが可能となりました。
1：2017年の応募者1人あたり選考時間は20時間→2018年のオンライン・リクルーティングでは2時間に減少（最終選考参加者の通算選考時間にて比較）
2：2017年新卒採用における地方学生の入社決定数は6名→2018年は23名に増加
3：2017年新卒採用における地方大学の採用実績校は4校→2018年は20校に増加
関連情報
📄 セプテーニグループ デジタルHRガイドライン
「個人情報の取得と利用目的」
📄 Human Capital Report -No.28/2018.7.12
「AI導入が採用活動と人材育成に及ぼす影響の検討」
📄 Human Capital Report -No.30/2019.10.1
「オンラインリクルーティングにおける採用精度の検証」
📄 Human Capital Report -No.29/2018.11.28
「キャリア開発プランの提示による、入社の意思決定への影響の検証」
📄 「採用候補者のパフォーマンス予測」
📄 「定量的なキャリアプランの提示」
