まず最初に
AIスカウトの運用は3つのフェーズで進みます
準備
運用
改善
インタラクティブ簡易デモ
各ステップで「紫のボタン」をクリックすると画面が進みます
※実際のプロダクト画面とは異なる場合があります
Step 0-1簡易デモ
準備 — 評価項目の設計
求人要件からAIが評価項目のたたき台を生成し、カスタマイズして確定します
このデモのシーン
バックエンドエンジニア（シニア）のスカウト運用を開始する
ゴール
求人要件から評価項目を構造化し、候補者選定の基準を確定する
デモでやること
- 1求人要件を入力してAIにたたき台を生成させる
- 2評価項目の大項目・小項目と重み付けを確認
- 3評価項目セットを確定する
Step 1 / 3
0
求人要件を入力 → AIがたたき台を生成
求人要件の入力
求人のポジション名と要件を入力してください。
AIが評価項目のたたき台を自動生成します。
ポジション
バックエンドエンジニア（シニア）
求める要件
・Go / TypeScript でのバックエンド開発経験 3年以上
・マイクロサービスの設計・運用経験
・AWS / GCP でのインフラ構築経験
・チームリーダーまたはテックリード経験あれば尚可
・スタートアップでの勤務経験があると望ましい
クリックして評価項目を生成!
Step 1 / 3
Step 2簡易デモ
運用 — 候補者選定〜スカウト送付
AIがスコアリングした候補者一覧から送付対象を選び、文面を確認して送付します
このデモのシーン
評価項目が確定し、候補者データベースからスカウト対象を選定する
ゴール
評価軸に基づく候補者選定からスカウト送付までを一気通貫で行う
デモでやること
- 1AIスコアリング済みの候補者一覧を確認
- 2送付対象を選択して優先順位を確認
- 3スカウト文面（固定×AI可変）を確認・編集
- 4送付を確認して完了
Step 1 / 4
0
候補者一覧を確認（AIスコアリング済み）
評価項目に基づいてAIがスコアリングしました
マッチ度：最高マッチ(90〜)高マッチ(80〜89)中マッチ(70〜79)低マッチ(〜69)
候補者一覧
候補者名ステータスマッチ度
32歳
A社 800〜1000万円AMBI | 東京 | 3社経験
92/ 100
最高マッチ技術:38カルチャー:28志向性:26
28歳
B社 700〜900万円AMBI | 東京 | 3社経験
87/ 100
高マッチ技術:35カルチャー:26志向性:26
35歳
C社 600〜800万円AMBI | 東京 | 3社経験
78/ 100
中マッチ技術:30カルチャー:24志向性:24
30歳
D社 500〜700万円AMBI | 東京 | 3社経験
61/ 100
低マッチ技術:22カルチャー:20志向性:19
A社 32歳最高マッチ
92/ 100
B社 28歳高マッチ
87/ 100
C社 35歳中マッチ
78/ 100
D社 30歳低マッチ
61/ 100
クリックして対象を選択!
Step 1 / 4
Step 3簡易デモ
改善 — フィードバックと精度向上
面談・面接後の評価をフィードバックし、次回のスカウト精度を向上させます
このデモのシーン
スカウトに返信があった候補者との面談が終わり、評価をフィードバックする
ゴール
フィードバック蓄積により評価モデルを改善し、次回の精度を向上させる
デモでやること
- 1候補者の評価（◎○△×）をフィードバック
- 2フィードバック蓄積による学習状況を確認
- 3次回スカウトの精度向上を確認
Step 1 / 3
0
候補者の評価フィードバックを入力
評価フィードバック
スカウトに返信があった候補者について、面談・面接後の評価をフィードバックしてください。
A社 32歳 800〜1000万円
92/ 100
この候補者の評価
◎非常に良い
○良い
△やや合わない
×合わない
理由（任意）
技術スタックが完全にマッチしており、カルチャー面でも問題なし。次の選考に進める。
クリックして送信!
Step 1 / 3