なぜAIスカウトは見抜かれるのか…生成AI導入率57.7%でも返信率は6.7%止まり

　さらに興味深いのは、同じ調査で候補者自身の49.6%が転職活動に生成AIを「すでに使用している、または使いたい」と回答している点だ。求職者もまたAIリテラシーを備えつつある以上、企業側の粗いAI活用は今後さらに見抜かれやすくなる。送る側と受け取る側の双方でAI活用が当たり前になった今、差がつくのは「AIを使ったかどうか」ではなく「AIをどう使ったか」でしかない。

「個人化」を設計する

　ここで有効なのが、AIの役割を「文章を書くこと」から「刺さる文脈を抽出すること」へ引き戻す発想だ。AIに任せるべきは、職務経歴書の構造化、強みの言語化、自社課題との接点（ブリッジ）の抽出であり、抽出された接点のファクトチェックと、最終的な熱量の調整は人が担う。この役割分担こそが「超個人化（ハイパー・パーソナライゼーション）」の核心といえる。

「スカウト文面の完成度を上げようとして、AIにいきなり”いい文章”を求める企業ほどつまずきます。AIに求めるべきは筆力ではなく、大量の経歴データから共通項を見つけ出す分析力です」と、複数社のダイレクトリクルーティング支援に携わってきた人事・労務コンサルタントの松本祐樹氏は指摘する。

　具体的には、求職者の志向性を「キャリアステップ志向」「技術・専門性追求志向」「課題解決志向」の三つに大別し、それぞれでAIに抽出させる切り口――いわば口説き文句の”角度”（アトラクト・アングル）――を変える設計が有効だという。キャリアステップ志向の候補者には裁量権やポジションの成長性を、技術追求志向の候補者には解こうとしている技術的難易度や開発環境を、課題解決志向の候補者には事業が社会や顧客に与えるインパクトを、それぞれ前面に出す。同じ職務経歴書を読ませても、どの角度から接点を抽出させるかで、生成される文面の説得力は大きく変わる。媒体によって返信率に差が出やすいのも、これに近い理由からだ。特定の技術領域に特化した媒体では平均を大きく上回る返信率が観測される例もあり、母集団の解像度が最初から高いことが背景にあるとみられる。

内製化のためのワークフロー

　現場で明日から使える手順は、大きく三段階に分けられる。

　第一段階は、自社アセットのデータ化だ。求人票をそのままAIに読み込ませるだけでは不十分で、「事業部が直面している泥臭い課題」や「求める人物が乗り越えてきたであろう壁」といった、通常は言語化されない情報をテキスト化し、AIに事前情報として与える。

　第二段階は分析プロンプトの設計である。例えば「以下の候補者データから、自社が抱える〇〇という課題の解決につながる”隠れた強み”を3つ抽出してください。単なる職歴のなぞりではなく、この人物が過去に乗り越えたと推測される困難と、当社の事業フェーズとの共通点を分析してください」といった指示を与え、履歴書の再構成ではなく仮説の抽出を促す。

　第三段階は「Why You」の言語化だ。分析結果をもとに、「なぜこの候補者なのか」を150字程度で論理的につなぐ一文を生成させ、最終的に担当者が事実確認と表現の微調整を行ってから送信する。この最後の一手間を省かないことが、AI任せの文面との決定的な差になる。

　重要なのは、この三段階を毎回ゼロから設計し直すのではなく、システムプロンプトとして固定化し、候補者データを差し替えるだけで運用できる状態に仕上げることだ。プロンプトを都度書き直す運用は属人化しやすく、担当者の異動や退職とともに再現性が失われる。ナレッジベースとプロンプト構造をセットで文書化しておくことが、内製化を「一時的な工夫」から「組織の資産」に変える分かれ目になる。