候補者・ポジションのマッチングスコア：AI はどう評価するか（そしてどこで間違えるか）

候補者マッチングスコアは、AI ソーシングプラットフォーム上で最も 使用され、最も誤解されている機能です。AI はプロファイルとポジションの適合度を どのように評価するのか？ 何に基づいて判断するのか？ 一貫してどこで間違える のか？ 本稿では、ボンネットを開け、マッチングスコアが実際に何を計測するのかを、 TrueCalling の TrueFit 360 スコアを参照として説明します。

候補者マッチングスコアとは何か？

候補者マッチングスコアは、候補者が特定のポジションに適合する 可能性を表現する評価（多くは 100 点満点）です。スコアは複数のディメンションを 組み合わせます：スキル、経験、企業コンテキスト、地理、流動性。スコアは絶対的な 真実ではありません —— アウトリーチを優先順位付けするための有用なランキングです。

優れた AI が評価する 5 つのディメンション

1. 技術スキル。スタック、言語、フレームワーク。最良の AI は 履歴書で止まらず、直近の GitHub コミットを見ます。
2. 経験の軌跡。シニオリティ、進化、企業規模。3 社のスタート アップを連続して出荷してきた候補者は、大企業に 8 年いた人とは異なります。
3. 企業コンテキスト。業界、ビジネスモデル、ステージ（アーリー、 scale-up、上場）。カルチャー関連性に重要。
4. 推定流動性。現職での在籍年数、弱いシグナル（LinkedIn 更新、 カンファレンス活動、サイドプロジェクト）。
5. 地理と流動性。現在地、リモートへの開放性、タイムゾーンの 互換性。

TrueFit 360 の仕組み

TrueCalling の TrueFit 360 スコアは、ディメンションごとに分解された 100 点満点の 評価を生成し、リクルーターまたは採用マネージャーが推奨の出所を理解できるように します。東京のシニア Data Engineer であれば、次のような表示になるかもしれません：

• 技術スキル：92/100（GitHub 上で Spark、dbt、Airflow を検出）。
• 軌跡：88/100（6 年、scale-up SaaS）。
• コンテキスト：75/100（大企業出身、移行は実現可能）。
• 流動性：80/100（現職で 3 年、開放性のシグナル）。
• 地理：100/100（東京、リモート OK）。
• TrueFit 360 合計：89/100。

この説明可能性がすべてを変えます。採用マネージャーは読めるスコアを信頼します； ブラックボックスのスコアは無視されます。

マッチングスコアが常に間違える領域

1. カルチャーフィット

どんな AI も企業文化を正しく読みません。優れた技術プロファイルが関係性の 悪夢である可能性があります。候補者マッチングスコアは関連性 指標であり、カルチャーフィット指標ではありません。

2. 本物の動機

なぜ候補者は転職するのか？ AI はシグナルを検出できますが、心は読めません。 それが面接の役割です。

3. 非典型的なプロファイル

演劇を学んだ後に Google でバックエンドをやった人は、スコアで低くランクされる でしょう。しかし、それがあなたの最良の採用かもしれません。アウトライアーは 常に手動でレビューしてください。

4. データの鮮度

2 年間更新されていない LinkedIn プロファイルに基づくスコアは間違っています。 優れたプラットフォームはデータを継続的にエンリッチし、鮮度シグナルを浮上 させます。

マッチングスコアとバイアス：継続的な監視

あらゆる候補者マッチングスコアは、トレーニングデータに存在する バイアスを再生する可能性があります。性別、年齢、出身校、ファーストネーム —— すべて、AI が監査されていなければスコアに不当に重み付けされる可能性のある 変数です。ベンダーに問いかけてください：

• スコアは変数ごとに監査可能か？
• 保護属性は除外されているか、または統制されているか？
• スコアリング段階のための「匿名化履歴書」モードはあるか？

マッチングスコアを賢く使う方法

1. ソートするが、除外しない。まずトップ 50 のスコアに取り組み ますが、次の 50 にも目を配ってください。
2. スコアと人間のシグナルをクロスチェック。カバーレター、 サイドプロジェクト、面接で語られたストーリーは、生のスコアよりも価値が あります。
3. 80 を超える候補者が少なすぎる場合は、ブリーフを再考。問題は多くの場合、市場ではなくブリーフです。
4. 採用マネージャーとスコアを共有する。ディメンションごとに 分解されると、議論のツールになります。

マッチングスコアとリクルーター生産性

よく使えば、候補者マッチングスコアはリクルーターの生産性を 変えます。200 件のプロファイルを流し読みする代わりに、リクルーターは 30 件を 深く扱います。リクルーター生産性についてさらに深掘りするには、 日常実践でのリクルーター向け AI コパイロット の記事をお読みください。

購入前にマッチングスコアを評価する方法

ベンダーと契約する前に、このテストを実行してください：最近採用した 20 名の 候補者を取ります。エンジンに彼らをスコアリングさせます。多数が 80 を超えれば、 スコアはよく学習しています。20 名の却下された候補者で逆テストを実行：大半は 60 未満に落ちるはずです。このダブルテストなしには、スコアを盲目的に購入する ことになります。

結論：マッチングスコアはツールであり、神託ではない

よく設計された候補者マッチングスコア —— TrueFit 360 のように —— はトリアージを加速し、ショートリスト品質を改善します。しかし、スコアが リクルーターの判断を置き換えることはありません。鉄則：説明可能性を要求し、 人間のシグナルとクロスチェックし、バイアスを監査し、常にアウトライアーに目を 配る。

ブリーフ上で TrueFit 360 をアクションで見るには、 TrueFit 360 をアクションで見る。