Agentが行うこと
- 求人要件を読み取る
- 自然言語検索条件へ変換する
- Candidate Matching Agentを呼び出す
- 適合候補者を抽出する
- candidate poolを作成して候補者を投入する
Case概要 / Business Goal
求人要件の読み取りから候補者検索・候補者プール作成までを連続処理し、採用担当者の初期ソーシングを高速化する。AgentとHumanの役割分担
Humanに残すこと / Human boundary
- Agentが候補者プールを準備し、recruiterが選考・採否判断を行う
公開されている実績・効果
公開情報で確認できる具体的な実績・効果は、現在のCaseデータには登録されていません。
公開効果、運用規模、利用状況、導入前の状況を区別して表示しています。公開情報にない効果量やBefore→Afterは推定していません。
実装メカニズム / Agentの動き
- job requisition details
- candidate profiles
- eligibility and matching data
- 求人要件を読み取る
- 自然言語検索条件へ変換する
- Candidate Matching Agentを呼び出す
- 適合候補者を抽出する
- Recruiting Sourcing Candidate Pool Agent
- Recruiting Candidate Matching Agent
- Recruiting Candidate Pool Agent
- requisition read
- query generation
- 対象求人に対応する候補者プールが作成・投入される
HR Agent LabとしてのDesign Insight
HR Agent Labの分析・推論
採用ソーシングを一つの巨大Agentに任せるより、求人要件解釈・候補者マッチング・プール作成を分けて連携させる方が責任境界と検証点を置きやすい。
Limitations
- 候補者品質・採用成果への定量効果は未公表
Sources / 一次情報
根拠・分析を確認する
公開情報から確認した事実
Recruiting Sourcing Candidate Pool Agentは求人要件を自然言語検索へ変換し、Candidate Matching AgentとCandidate Pool Agentを順次呼び出す。
求人申請の早い段階で、要件に合う候補者を含むCandidate PoolをAgentが作成・投入する。
Candidate Rule
採用ソーシングをAgent化する場合、求人要件解釈、候補者matching、候補者pool作成を分け、各stepの入力・出力とHuman確認点を追跡可能にする。
人事AIエージェントの全体像を確認する
この事例を、生成AI・チャットボットとの違い、向いている業務、Humanとの役割分担、設計・実装の考え方とあわせて整理する場合は、人事AIエージェントとは・設計方法を確認できます。