Talent Sourcing は手作業でやり続けるべきか？
採用ツールの問題は「検索が悪い」ことではない。検索そのものが、採用担当者がやるべき仕事ではないということだ。
多くの採用ツールが誤解していることがある。彼らは「検索をより良くしよう」とする。より賢いフィルター、よりスマートなキーワード、AI で強化された Boolean 文字列。
しかし問題は検索の品質ではなかった。採用担当者本人が検索していることが問題なのだ。
直近のタフな求人を思い出してほしい。Series B 企業の VP of Engineering で、Hiring Manager が「見ればわかる」と言っていた求人かもしれない。午後まるまる使って Boolean を組み立て、200 件の LinkedIn プロフィールをスクロールし、40 タブを開き、ようやく 6 人の連絡候補を抽出した。そのうち 3 人は、今月すでに他社から連絡を受けていた。
その午後まるまるは、採用ではなかった。Sourcing の皮をかぶったデータ取得だった。
本当の採用——「チームをスケールできる人材」という Hiring Manager の言葉の真意を解読すること、候補者のキャリアの動きの行間を読むこと、書類上は完璧に見えるあの人が実はもう 3 ヶ月前から静かに転職活動をしていると知ること——そのどれも、検索結果をスクロールしている間には起きていない。
検索は採用担当者の仕事ではない
あらゆる世代の採用ツールは、同じワークフローを最適化し続けてきた。
LinkedIn Recruiter は Boolean 検索を速くした。AI Sourcing ツールはそれを「賢く」した。しかし本質的なモデルは変わっていない。あなたがオペレーターで、ツールが検索エンジンだ。
これは、CEO に必要なのが CFO であるのに、より速いスプレッドシートを渡すようなものだ。ボトルネックはツールではない——人間の判断を必要としない仕事を人間がやっていることがボトルネックなのだ。
毎日 2〜3 時間の Sourcing で実際に何が起きているか分解すると、こうなる。
- JD を検索用語に翻訳する——機械的な作業だ。「規制業界でアントレプレナー的なマインドセット」を Boolean 論理に変換している。毎回情報が欠落する。
- 基本的な適合度を確認するためにプロフィールをスキャンする——**機械的な作業だ。**役職、経験年数、会社の格。1 件あたり数秒で判断できるが、それが 200 件になる。
- キャリアの軌跡を評価するために経歴を読む——**一部は判断、大部分はパターンマッチングだ。**この人は上向きの弧を描いているか？会社の移り変わりは筋が通っているか？これが得意な人でも、Sourcing 段階の「評価」の 80% は、深い判断ではなく、何百回も見てきたパターンの認識だ。
- Shortlist をまとめる——**機械的な作業だ。**コピー、貼り付け、フォーマット、注釈。管理作業にすぎない。
ステップ 1、2、4 は純粋な実行だ。ステップ 3 は少し面白くなる——しかし経験豊富な採用担当者でさえ、Sourcing 段階の「評価」の大部分はパターン認識であって、深い判断ではないと認めるだろう。深い判断は後の対話の中でこそ起きる。
採用担当者が検索しなくてよくなったら？
別のモデルを考えてみる。
採用担当者の役割はオペレーターから意思決定者へ移る。本当に必要とされる仕事に時間が戻る。
- Hiring Manager から本当のブリーフを引き出す——JD の背後にある話。前任者が「コーポレートすぎた」から、ゼロから何かを作り上げてきた人材が必要だという話。
- カルチャー Fit と動機を評価する。書類上は強く見えるが 2 年で 3 回転職している候補者——これはレッドフラグか、それとも正当な理由があるのか？それは検索結果ではなく、対話が必要だ。
- 候補者 Pipeline を動かす。今は満足しているが、正しいストーリーなら動くかもしれないパッシブな候補者。半年前に似た役職を断ったが、状況が変わった候補者。
- 市場の実像を Hiring Manager に伝える。その求人が 60 日間オープンのままなのは、給与レンジが市場より 20% 低いからかもしれない。その会話ができるのはあなただけだ。
実行——検索、スクリーニング、リストまとめ——は自律的に動く Agent が担う。促してステアリングしなければならない AI アシスタントではなく、ブリーフを受け取り、作業をこなし、候補者を持って戻ってくる Agent だ。
なぜ今まで不可能だったのか
3 つのことが変わった。
Agent はマルチステップのタスクをエンドツーエンドで実行できるようになった。 以前の AI ツールは、質問に答えたり Boolean 文字列を生成したりすることはできた。しかし、独立して検索戦略を立案し、複数のデータソースにまたがってそれを実行し、細かい基準に照らして各結果を評価し、構造化された Shortlist を納品することはできなかった。これはオートコンプリートとは根本的に異なる能力だ。
マッチング技術がキーワードを超えた。 同僚に「グロース段階の会社で 0→1 の経験がある人が必要だ」と伝えたとき、相手はその意味を理解する。初期チームをスケールさせた創業者、ゼロから構築したプロダクトリーダー、Series A 前に加わったオペレーター——そういう人材を思い浮かべる。キーワード検索はその言葉を含む結果を返す。推論ベースのマッチングは、同僚がするように、字義通りではなく意図を解釈する。
コストの経済が追いついた。 2 年前、各候補者プロフィールに AI が推論を行うのはコストが見合わなかった。推論コストは年率 50〜70% で下がっている。今日では、手動 Sourcing セッション中のコーヒー代よりも安く、Agent が数千件の候補者プロフィールを評価できる。
採用担当者にとって何が変わるか
Sourcing を Agent が担うようになると、価値の方程式が変わる。
1 日 3 時間 Sourcing に費やす採用担当者は、経済的に言えば「時間」を売っている。Agent が Sourcing を担う採用担当者が売るのは、置き換えがより難しいもの——市場知識、候補者との関係、チームのダイナミクスを読んで誰が実際に成功するかを見抜く能力だ。
時間には上限がある。許される時間以上には Sourcing できない。一方、専門性——どの企業が採用凍結中か、どの候補者が静かに転職を模索しているか、特定市場でどんな報酬パッケージが成約しているか——これこそがシニア採用担当者を不可欠な存在にするものだ。その専門性は検索結果からは生まれない。何年もの対話、クローズした採用、いかなるプロフィールデータベースも捉えられないパターン認識から生まれる。
話を聞いたシニア採用担当者たちは、この変化を恐れていない。一人はこう言った。「ずっと待っていた。私が採用の仕事を始めたのは、クライアントにアドバイスして候補者をクローズするためだ。Boolean 文字列を組み立てるためじゃない。」もう一人はさらにはっきり言った。「検索ツールから新しいことを学んだのは 5 年前が最後だ。毎回の候補者との対話から学んでいる。」
実際どう見えるか
Mira では、Sourcing ワークフローをエンドツーエンドで処理する Agent を構築した。
- 役割を自然言語で記述する——「スタートアップの DNA」「チームをゼロから構築した経験」「規制環境に強いがコーポレートすぎない」といった暗黙の基準も含めて。検索エンジンではなく、信頼できる同僚に与えるブリーフのように。
- Agent が要件を解釈し、複数のデータソースを横断して検索し、推論ベースのマッチングで候補者を評価する。「0→1 の経験」が「スタートアップ勤務」とは異なる意味を持つことを理解している。
- 要約、キャリアコンテキスト、連絡先情報付きの Shortlist が——通常 2 分以内に——返ってくる。
- 対話で絞り込める。「スタートアップ出身者をもっと」「転居可能な候補者も含めて」「実は FAANG 現職者は優先度を下げて」。Agent は検索をやり直すのではなく、更新された基準に照らして再評価する。
内部テストでプラットフォーム上で 6,000 件超の実際の Sourcing タスクが完了しており、採用担当者は候補者リサーチにかかる時間を 80〜90% 削減したと報告している。
毎日何時間も手動 Sourcing に費やしているなら——Hiring Manager への電話、候補者との対話、クロージングに使えたはずのその時間は、取り戻せる。
Mira のウェイトリストに参加 して、Agent 駆動の Sourcing を早期アクセスで試してみてください。