「判断の根拠」を揃えて、
書類選考をぶらさない。
AIが求人要件に照らしてレジュメを読み解き、スコア・要点・確認事項・面接質問を自動整理。 最終判断は人が行いながら、評価の一貫性とスピード、そして合否の納得感を同時に高めます。
書類選考、こんな“判断の揺れ”が起きていませんか？
評価がブレる
担当者ごとに重視点が異なり、同じレジュメでも判断が割れる。合否理由を共有・説明しづらい
見落としが怖い
短時間で大量に判断する中で、要件に合う強みを拾いきれない不安が残る
次に何を確認すべきか整理できない
レジュメだけでは判断材料が不足し、面接で"何を・どこまで"確認するかが人に依存する
書類選考の時点で確認観点が揃うと、面接官への引き継ぎがスムーズになり、確認漏れや重複質問も減らせます。
の書類選考機能
評価項目を構造化・カスタマイズできる
＝貴社の採用基準に合わせられる
求人要件や人物像を、評価項目として整理し、柔軟にカスタマイズ可能。
採用担当の見立てと現場の見立てを同じ枠組みに揃えることで、
判断ブレを減らします。
- 「評価シート」のように評価観点を大項目／小項目で整理し、重み付け＋共通NG（減点）まで設定
- 職種ごとに評価項目テンプレを持てる（職種に特化したスコアリング）
- Go言語でのマイクロサービス開発経験5年
- 100万DAU規模のサービス運用実績
- マネジメント経験は2年と短め
- リモート環境での勤務経験なし
求人要件に基づく一次評価を、
同じ物差しで。
求人要件に対するマッチ度をAIがスコアリング。技術スキル、経験、志向性などを観点別に整理し、 評価のブレを抑えながら候補者比較をスムーズにします。
- 求人ごとに評価観点を設定（必須/歓迎など、要件に合わせて運用可能）
- カテゴリ別スコアで強み・弱みを可視化し、比較がしやすい
- 選考結果のフィードバックを踏まえ、評価観点の調整・改善ができる
長いレジュメから、
“判断に必要な要点”だけを抜き出す。
レジュメ全体を読み込まなくても、判断材料が揃うように。AIが強みと確認すべきポイントを抽出し、 合否判断に必要な情報をコンパクトにまとめます。
- 求人要件に合致するスキル・経験をハイライト
- 経験の空白・成果の再現性・役割の粒度など、追加で確認したい論点を提示
- サマリーで全体像を短時間で把握し、一次判断を高速化
- Go言語での開発経験が5年以上あり即戦力
- 大規模トラフィックの設計・運用経験あり
- Pythonの経験が浅く、MLチームとの連携に懸念
確認観点を揃える質問リストを、
候補者ごとに自動生成。
レジュメ内容と求人要件をもとに、面接で確認すべき質問を自動生成。 面接官の準備負荷を減らしつつ、確認漏れを防ぐ“型”を用意します。
- 候補者ごとにパーソナライズされた質問（経験の深掘り、成果の再現性など）
- スキル確認／志向性／カルチャー（働き方）など、観点別に整理
- 深掘りすべきポイントをフラグ付けし、面接の時間配分がしやすい
※Tasonalは合否を自動決定するのではなく、判断材料を揃えて選考を支援します。
貴社専用の評価モデルへチューニング
過去の採用判断や要件の傾向を参考に、スコアリングの観点や重み付けを調整し、
“貴社の採用基準に沿った見立て”に近づけます。
少量のデータから開始可能
過去のレジュメや合否結果など、提供可能な範囲の情報から評価観点の当て方を整えます
継続的に見直せる
選考結果のフィードバックをもとに、評価基準のズレを減らす運用が可能です
活躍傾向を参考情報として可視化
活躍している人材に見られやすい経験・スキルの傾向をまとめ、求人要件や評価観点の見直しに活用できます
3ステップで完了
求人・要件を登録
募集要件や評価観点（必須/歓迎など）を入力。求人ごとの"見るポイント"を整えます。
レジュメをアップロード
PDFやWordをドラッグ&ドロップで取り込み。ATS連携にも対応（運用に合わせてご案内）。
結果を確認して判断
AIがスコアリングと要点抽出、確認事項・質問案を提示。あなたは根拠を見ながら合否を判断するだけです。
セキュリティと個人情報への配慮
採用領域のAIだからこそ、データの取り扱いには細心の注意を払っています。
個人情報の保護
候補者データは暗号化して保存。アクセス権限を厳格に管理し、契約終了時には完全削除します。
データの学習利用なし
入力されたレジュメや選考データは、他社のモデル改善には一切使用しません。
最終判断は人が行う
AIは判断材料を整理する役割。合否の最終判断は必ず採用担当者が行います。
公平性への配慮
性別・年齢・国籍などによるバイアスを排除するよう、評価モデルを設計しています。