いま、リクルーターがソフトウェアを作っている

Applied AIエンジニアという役割

その中核にあるのが、Applied AIエンジニアと呼んでいる役割です。1つのビジネスチームに専任で入り込むことを本業とするソフトウェアエンジニアです。要件を受け取って四半期の間姿を消すコンサルタントでもなければ、全社向け、つまり結局は誰のためでもない「AI活用支援」を作るプラットフォームチームでもありません。1人のエンジニアが1つのチーム(今回の場合は当社のPeople Opsチーム)に入り、会議に同席し、その不満を肌で感じるのです。

People組織の中にあるタレントアクイジションチームに、1人が配属されました。エンジニアのミッションはシンプルです。退屈な作業を自動化し、足りないものを作り、時間をかけてチーム自身がより多くをこなせるように教えること。

最後の部分が最も重要です。私たちはこのエンジニアを、本人のアウトプットではなく、本人がいなくてもチームがどれだけリリースできるかで評価します。

本当の仕事は仕様書だった

採用サイトの再構築は、コードではなくドキュメントから始まりました。Greenhouseの部門階層とフィルターがその階層をどうたどるべきかの正確な仕様、応募フォームの項目、旧URLからのリダイレクト、アクセシビリティの基準、さらには旧サイトが犯した「繰り返してはならない過ち」まで、すべてを記述した長いMarkdownの仕様書を書いたのです。このファイルはCLAUDE.mdとしてリポジトリに入り、Claude Codeがそれに沿ってサイトを構築しました。

予想外だったのは、リクルーターたちが仕様書を読めたことです。読めるだけでなく、修正までしてくれました。「リクルーター面談は45分ではなく30分です」「求人は子部門でタグ付けされるから、フィルターが壊れるんです」。通常ならPMと外部業者の間の伝言ゲームで失われてしまうドメイン知識が、そのまま信頼できる唯一の情報源に反映されたのです。

今では、社内ツールごとにこうした仕様書を書いています。JDビルダーの仕様書は約10ページに及び、実際のプロンプト、スコアリングの評価基準、ステークホルダーへの未解決の質問まで含まれています。書き上げるのに数日かかりました。動くツールの完成には、仕様書よりも短い時間しかかかりませんでした。この逆転にはいまだに不思議な感覚がありますが、元に戻るとはもう思っていません。

実際に作ったもの

公開サイトは目に見える部分です。Greenhouse APIと直接やり取りするカスタム応募フォーム、採用マップ、求人アラート、適切なSEOとAEO、応募した瞬間に届くブランド仕様の確認メール。悪くありませんが、これは最低限の水準にすぎません。

チームの1週間の働き方を本当に変えたのは、社内ツールのほうです。

JD Builder。 DoiTの誰もが求人票を生成・書き直しできます。AIが当社らしい文体で執筆し、編集している間も、AIが約1秒ごとにドラフトを5つの側面(インクルージョン、トーン、網羅性、読みやすさ、そして優秀な候補者が実際にスクロールの手を止めるかどうか)で再スコアリングします。Greenhouseから公開中の求人をインポートし、修正して、書き戻す。目標は「JDが必要」と思い立ってから公開まで15分以内、かつインクルージョンスコア85以上に設定しました。採用マネージャーはドラフトをTAに送って書き直してもらうのをやめ、セルフサービスで完結するようになりました。

_{社内の求人票ビルダーシステム}

Candidate Sourcing。 リクルーターが公開中の求人を選ぶと、ツールが求人票を読み込み、AIが検索クエリと検証基準を作成し、それをWebリサーチAPIに渡します。APIは条件に合う約250人の人材を見つけ出し、仕事用のメールアドレスを掘り当てます。この基準には、当社で活躍する人材について学んできたこと、たとえばプラットフォームチームやDevOpsチーム向けに販売する企業の出身者といった知見が組み込まれています。アウトリーチは同じ画面からLinkedInとメール経由で行え、スター付きリード、メモ、コンタクト履歴の管理も可能です。ソーシング担当者は、ブラウザのタブとスプレッドシートを行き来する日々から解放されました。

_{候補者ソーシングのUI}

Candidate Screener。 採用が人間の手に負えなくなるのはボリュームの領域です。だからこそ、このツールが最も重要です。最近のある求人には約2,200件の応募がありました。Greenhouse標準のフィルターで約1,100人のアクティブな候補者まで絞り込めました。スクリーナーは各候補者の履歴書、スクリーニングの回答、プロフィールをGreenhouseから取得し、AIが8つの普遍的な資質と職務固有の要件に照らしてスコアリングしました。すべての候補者、文字どおり全員に対して文章による評価が作成されます。要約、履歴書からの引用を根拠とした強み、面接で掘り下げるべき懸念点、資質スコア、そしてGreenhouseプロフィールへのリンクです。しきい値を96に設定した結果、61人の有力候補者が残りました。これなら採用チームが実際に集まって一緒にレビューできるショートリストですし、その際にはCSVへのエクスポートもできます。このツールを最初に使った求人が何だったかというと、次のApplied AIエンジニアの採用でした。ふさわしい巡り合わせだと感じました。

_{AI分類器による候補者スクリーニング}

Comp Review。 DoerがGreenhouseで社内の求人に応募すると、誰かが依頼する前にWebhookが報酬レビューのドラフトを作成します。Rippling API(当社のHRシステム)から取得した現在の給与、賞与、株式報酬、昇進履歴に加え、同じ職務・同じ地域の同僚から算出した給与レンジも含まれます。その後、リクルーター、マネージャー、スキップレベルの上司、HRBP、部門長にSlackで通知します。かつてはスプレッドシートを掘り返す作業とメールでの催促に1週間かかっていたものが、今ではリマインダー付きの承認フローになっています。

_{報酬レビューシステム}

Slackでの告知。 新しい求人はオープンした瞬間にSlackに投稿され、リクルーターと採用マネージャーがタグ付けされ、社内応募の締め切りも添えられます。Doerは新しい求人をすぐに把握でき、キャリアの志向に合えば社内異動を検討できます。

_{社内向けSlack通知}

これらはどれも、単体ではエンジニアリングのロードマップに載る基準を満たさなかったでしょう。しかし合わさることで、チームの働き方を変えたのです。