+++
title = "採用のAI活用は「ソーシング」と「スクリーニング」で別々に考える"
date = 2026-06-08
description = "AI採用ツールの活用領域を正しく切り分けるための整理——候補者の発掘と選考は別の問題"
[taxonomies]
tags = ["HR×AI", "ソーシング", "スクリーニング", "AI採用ツール", "採用設計"]
[extra]
public = true
belief_version = 1
ai_written = false
one_true_sentence = "「AI採用ツール」という言葉でひとくくりにされているが、ソーシングとスクリーニングはAIの効き方が全く異なる。"

[[extra.faqs]]
question = "AIを使ったソーシングとスクリーニング、どちらを先に導入すべきですか？"
answer = "自社の採用課題によって異なります。「良い候補者が応募してこない」が課題であればソーシングから始めます。「応募は来るが全件を確認しきれない」が課題であればスクリーニングから始めます。両方同時に導入するのは管理コストが高く、効果の測定も難しくなります。月の応募件数と採用担当者のボトルネックを確認して優先順位を決めてください。"

[[extra.faqs]]
question = "AIスカウトの返答率を上げるためのポイントは何ですか？"
answer = "AIがリスト化した候補者へのスカウト文章は、定型文のまま送ると返答率が上がりません。AIがリストを作り、人間が候補者の経歴・最近の活動を見てスカウト文章を個別にカスタマイズする分担が効果的です。「なぜあなたにコンタクトしたか」の具体性が返答率に直結します。LinkedInや公開プロフィールから情報を取得した旨を伝えることも候補者の安心感につながります。"

[[extra.faqs]]
question = "スクリーニングAIが過去の採用バイアスを再現するリスクにどう対処しますか？"
answer = "定期的なバイアス監査が必要です。採用した候補者の性別・年齢・学歴・出身地の分布を半年ごとに確認し、特定属性への偏りがないかを監視します。偏りが見られた場合は学習データの見直しをベンダーに依頼します。また採用基準にない属性（学校名・企業名）がスコアに影響していないかを確認するため、同一スキルで異なる属性のプロフィールでテストします。"

[[extra.faqs]]
question = "「採用の質を上げたい」という課題にAI採用ツールは有効ですか？"
answer = "採用後の活躍率・定着率を上げたい場合、AI採用ツールより先に採用基準の言語化と面接設計の見直しに投資する方が効果的です。AI採用ツールは「現在の採用基準に合う候補者を速く見つける」ことは得意ですが、「採用基準そのものを改善する」ことはできません。AI採用ツール導入を検討する前に「自社の採用基準が言語化されているか」を確認することを推奨します。"

+++

「AI採用ツール」という言葉は、採用プロセスの様々なフェーズをカバーする総称として使われている。

ただ、採用AIの効き方は、採用プロセスのフェーズによって全く異なる。一番の違いは「ソーシング（候補者を発掘する）」と「スクリーニング（候補者を選ぶ）」だ。

---

## ソーシングのAI：「範囲を広げる」

ソーシングとは、まだ自社に応募していない候補者を発掘するプロセスだ。

AIは以下の用途でソーシングを変えている：

**スカウト候補のリストアップ**
LinkedInやGitHubなどのプラットフォームから、求人要件に近い候補者を自動でリストアップする。これまで担当者が手作業でやっていた「候補者を探す」作業が大幅に速くなる。

**パーソナライズされたスカウト文章の生成**
候補者の経歴・スキル・最近の活動を見て、その候補者に刺さるスカウト文章をAIが生成する。定型文のスカウトより反応率が上がる傾向がある。

**採用ターゲット外の候補者への広がり**
「エンジニア採用」と決めていた求人に対して、「このポジションにはデザイナー経験者も向いているかもしれない」という示唆をAIが出すことがある。担当者の視野の外にいる候補者に気づく機会が増える。

---

## スクリーニングのAI：「選択肢を絞る」

スクリーニングとは、応募してきた候補者の中から面接に進む人を選ぶプロセスだ。

AIは以下の用途でスクリーニングを変えている：

**書類選考の自動スコアリング**
職務経歴書・履歴書をAIが読み、求人要件との適合度をスコアで表示する。担当者が全件を同じ時間をかけて読む必要がなくなる。

**AIによる一次面接（チャット・音声）**
AIが候補者と対話し、基本的な質問への回答や応募動機を確認する。担当者の面接コストを削減できる。

**過去採用データとのマッチング**
過去に採用してうまくいった人の特徴と、応募者のプロフィールを照合してスコアを出す。

---

## ソーシングとスクリーニングで注意点が違う

### ソーシングの注意点

**リストアップ精度より対話の質**
AIが候補者リストを作っても、スカウト文章が定型文なら返答率は上がらない。「AIがリストを作り、人間がスカウト文章を磨く」という分担が効果的だ。

**候補者の同意と認知**
スカウトを受け取った候補者は「なぜ自分のことを知っているのか」を気にする場合がある。LinkedInや公開プロフィールから情報を取得したことを説明できるよう準備する。

### スクリーニングの注意点

**バイアスのリスク**
スクリーニングAIは過去の採用データを学習する。過去の採用に偏りがあった場合（特定の学歴・職歴の人が多かった）、AIはその偏りを再現する。定期的にバイアス監査を実施する必要がある。

**スコアの説明責任**
スクリーニングで自動的に落ちた候補者から「なぜ落ちたか」を問われた時、説明できる準備をする。

---

## どちらを先に導入するか

両方を同時に導入するのは難しい。優先順位は採用課題によって変わる。

**「良い候補者が来ない」が課題 → ソーシングから**
応募は来ているが選考で時間がかかる、という課題ではない。良い候補者を探すプロセスがボトルネックだ。

**「応募は来るが全件見切れない」が課題 → スクリーニングから**
月100件以上の応募を受けているが、担当者が全件確認できていない。この場合、スクリーニングAIが効く。

**「採用の質を上げたい」が課題 → どちらでもない可能性**
採用後の活躍率や定着率を上げたいなら、まず採用基準の言語化と面接の設計を見直す方が先だ。

---

## 今日渡せるもの

自社の採用課題が「ソーシングの問題」か「スクリーニングの問題」かを確認する方法：

- 今月の応募件数と書類選考に使った時間を計算する（時間がかかるならスクリーニング課題）
- スカウトの返答率を把握する（低ければソーシング課題）
- 採用した人の「応募経路」を確認する（応募経路が偏っているならソーシング課題）

---

## 関連記事

- [AI採用スクリーニングと人間判断の境界線](/n/ai-screening-human-judgment-line/) — スクリーニングAIをどう設計するかの具体的な指針
- [採用でAIを使う時に必ず出る「なぜそう判断したか」問題](/n/ai-recruitment-explainability-problem/) — スクリーニングAIの説明責任と保存ログの設計
- [AIスタートアップの採用ブランディング最初の一歩](/n/ai-startup-employer-branding-first-step/) — ソーシング効果を高めるための採用ブランド構築