求人過多時代の「埋もれない」戦略
求人票が「埋もれない」ためには、抽象的な表現を避け、具体的で深い情報を提供することが重要です。現場担当者の知見を活かし、AIツールを活用して求人票の質を向上させ、求職者に響く内容を作り上げることが求められます。
.png)
求人過多時代の「埋もれない」戦略
採用活動を「商品売買」に例えることがありますが、両者には決定的な違いがあります。一般的な商品であれば、「売れれば売れるほど良い」とされますが、採用においては**「本当に必要な人だけ採れれば良い」という側面が強いのです。これは、採用が企業にとっての「原材料の調達」に近いとも言えるでしょう。
この違いが意味するのは、採用活動では「広く浅く」ではなく、「深く狭く」対象に刺さるメッセージが求められるということです。抽象的な表現で多くの人に漠然と「良さそう」と思わせるだけでは、情報が溢れる現代ではあなたの求人票はあっという間に埋もれてしまいます。例えば、「バックエンド開発」「PHPを使います」といった一般的な記述だけでは、多くの求人の中に埋もれてしまい、求職者はその仕事内容を具体的にイメージすることができません。
特に経験豊富な求職者にとっては、「結局自分に関連するのか分からない」と感じさせてしまう可能性さえあります。だからこそ、たとえ対象が絞られたとしても、その人に深く「自分事」として響くような、具体的な情報が不可欠なのです。多くの求人票に触れる現代の求職者は、抽象的な情報では「ほんまか?」と疑念を抱く可能性があり、具体的な情報こそが信頼性を高め、彼らの心に響く求人票となるでしょう。現在の求職者は、求人情報に触れる機会が多く、バックエンドエンジニアの求人だけでも圧倒的に増えているため、抽象的な情報では違いが分からず選ぶことができません。そのため、既存の求人票から2〜3歩先まで踏み込んだ具体的な情報を記載することが、埋もれないための重要な戦略となります。
「分かりやすさ」=「イメージのしやすさ」とは
「分かりやすい求人票」とは、単に情報が整理されているだけではありません。最も重要なのは、求職者がその仕事や会社に入った後の自分を「イメージしやすい」ものになっているか、という点です。そのためには、単に業務内容を箇条書きで羅列するだけでなく、詳細な「肉付け」が不可欠です。
この「肉付け」とは、例えば以下のような具体的な情報のことです。
• 現在進行中のプロジェクトの背景や、そこにある難しさ、やりがい
• 企業が今どのようなフェーズにあり、なぜこのポジションが必要なのかといった戦略的な背景
• 具体的な事例や制度(例えば、エンジニアから出たアイデアが実装され、成果が出た事例、具体的な制度の内容など)
このような具体的な情報を提供することで、求職者は「自分でもやれそう」「自分にも関連しそう」「自分の興味が満たせそう」と感じやすくなります。つまり、求職者にとっての「自分との関連度」が高まるのです。抽象的な表現の求人票は「思っていたのと違う」という入社後のミスマッチを生み出す原因にもなりかねません。本当の意味で欲しい人材を採用するためには、最初から具体的な情報を提示し、深く刺さる求人票を作成することが重要です。
そして、この「肉付け」された具体的な情報を最も深く理解し、提供できるのは、他ならぬ「現場の担当者」です。人事が求人票を作成する場合、どうしても一般的な、抽象的な表現になりがちですが、実際にその業務に日々携わっている現場のメンバーこそが、その仕事のリアルな課題や面白さ、社内の具体的な状況を肌で感じています。だからこそ、「伝わる求人」は、現場の知見から生まれると言えるのです。また、魅力的な求人を作成するためには、どのような人物が欲しいのかという「採用ペルソナ」を明確に定めることも非常に重要です。ペルソナによって響く魅力ポイントは異なるため、それぞれに合わせた具体的な記載が求められます。
AIが「肉付け」をサポート!詳細化の効率を上げる
「現場の担当者が最も具体的な情報を持っていることは理解できた。でも、現場のメンバーは求人票の書き方を知らないし、慣れていない」これは多くの企業が直面する課題ではないでしょうか。ゼロから魅力的な求人票を作成するのは、採用のプロにとっても時間と労力がかかる作業です。
最近では、LLM(大規模言語モデル)を使って求人票を作成するケースも増えてきました。しかし、LLMは与えられた情報以上の「深掘り」や、ゼロから「思考のフレームワークを構築する」ことには限界があります。例えば、LLMに「バックエンドエンジニアの求人票を作成してください」と指示しても、返ってくるのは一般的に通用する抽象的な求人票になりがちで、結局人事担当者が大幅に修正することになり、現場が求人を作成する意味が薄れてしまうケースも起こりえます。LLMは、情報生成は得意でも、その情報の「深さ」や「質」を判断したり、求人作成のための「良いフレームワーク」を自ら定義したりすることは苦手なのです。
そこで役立つのが、「HirePlus(ハイヤープラス)」のようなツールです。HirePlusは、まさにこの「現場の知見を最大限に引き出し、質の高い求人票を作成する」ための仕組みを提供しています。HirePlusの最大の強みは、「良い求人を作成するためのフレームワーク」を提供している点にあります。このフレームワークに沿って進めるだけで、現場の担当者が求人作成に慣れていなくても、質の高い求人票を作成することが可能になります。これは、スカウトプラスの運用課題から生まれたもので、良いスカウトには良い評価項目が必要であり、そのためには求める人物像や業務内容を明確にすることが不可欠という考えが背景にあります。
このフレームワークは、例えば以下のような評価軸で求人票の質を測ります
• 企業情報の具体性: 企業のフェーズ、ビジネス内容、このポジションが必要な戦略的背景など、求職者が納得できるような情報が具体的に記載されているか。
• 業務内容のイメージのしやすさ: 単なる業務内容の羅列ではなく、現在のプロジェクトの背景や難しさ、やりがいなどが「肉付け」され、求職者が働くイメージを持てるか。
• 魅力ポイントのペルソナ適合性: 採用ペルソナにとって本当に魅力的に映る具体的な情報(制度や実績など)が記載されているか。
• テキストの情報網羅性と簡潔性: 求人テキストが情報量が多く、かつ簡潔にまとめられているか。
HirePlusでは、このフレームワークに基づいてLLMが求人票を生成します。さらに、生成された求人票を客観的に評価するフレームワークも提供され、例えば「企業情報の具体性が足りない」と判断されれば、システムがその項目についてさらに具体的な情報を質問してきます。それに対し、人間が詳細な情報を提供することで、求人票の質は段階的に向上していくのです。
このように、HirePlusは「AIが生成し、人間が評価・深掘りし、AIがさらに改善する」というサイクルを効率的に回すことを可能にします。LLMは情報生成と改善の効率化を担いますが、最終的な判断や、求職者の感情や文脈を深く理解する「多次元的なセンサー」としての機能は、依然として人間に求められます。AIの効率性と人間の深い洞察力を組み合わせることで、画一的ではない、本当に求職者に響く質の高い求人票を生み出すことができるでしょう。
AIは、現場の知見という「原石」を磨き上げ、求職者に「伝わる」魅力的な求人票へと変貌させる強力なツールとなり得ます。これからの採用活動は、AIと人間が協働することで、より質の高いマッチングを実現していくことになるでしょう。