チャプター 1
数分で相性を見極める、という無理
就活イベントの多くは、短い持ち時間で相手を切り替えていく形式です。企業は1日に何十人もの学生と話し、学生も同じ数だけ企業と会います。
この条件で相性を正確に判断するのは、そもそも難しい。話し慣れている学生が高く評価され、そうでない学生が埋もれる。企業側も、自社の求める人物像を毎回同じ精度で伝えられるわけではありません。
ミスマッチが起きても、その場では誰も気づきません。気づくのは選考が進んでからで、そこまでに双方が使った時間は戻ってきません。
チャプター 2
印象ではなく、条件で測る
企業が求める要件と、求職者の経験や志向を、それぞれ構造化して持つところから設計しました。会話の巧拙が入り込まない情報だけで、まず相性の土台を出す形です。
AIに任せたのは、その突き合わせと理由づけの部分です。単にスコアを出すのではなく、どの項目が合っていて、どこが離れているのかを一緒に返します。数字だけでは、現場の担当者が納得して使えないためです。
チャプター 3
イベント当日に使えることを最優先にする
現場で使うプロダクトなので、速さと入力の少なさを最優先にしました。イベントの合間に開くものが重ければ、どれだけ精度が高くても使われません。
面談の前後で相性の目安が数値として見える状態になり、限られた時間をどの相手に使うかの判断材料が増えました。最終的に決めるのは人ですが、その判断の前に置く材料が変わっています。
- 課題
- 就活イベントでは、学生も企業も限られた時間の中で多くの相手と接触します。話せる時間は1社あたり数分。その短さで相性を判断するのは難しく、結果として第一印象や話し方の巧拙に引きずられがちでした。
- 打ち手
- 企業側の求める要件と、求職者側の経験や志向をそれぞれ構造化し、AIがマッチ度を算出する仕組みを開発しました。イベントの現場で使うものなので、入力の手間を最小限にし、その場で結果が出る速さを優先しています。
- その後
- 面談の前後で相性の目安が数値として見える状態になり、限られた時間をどの相手に使うかの判断材料が増えました。
