スカウト代行に月30万円払う前に読む記事｜AI自動化との費用・成果比較
「スカウト代行、月30万円から」——その投資、本当に回収できている？
ダイレクトリクルーティングを本格化したいが、社内にリソースがない。そんなときに浮かぶのが「スカウト代行」と「AIスカウトツール」の2つの選択肢だ。
スカウト代行の相場は月20-50万円。AIツールは月5-10万円。単純に料金だけ見ればAIの方が安いが、「安いからAIでいい」という判断も、「高くてもプロに任せた方がいい」という判断も、どちらも短絡的だ。
本記事では、スカウト代行とAIスカウトを費用・工数・返信率・パーソナライズ度の4軸で構造的に比較し、自社の状況に合った選択ができる判断フレームワークを提示する。
スカウト代行とAIスカウト——そもそも何が違うのか
まず、両者の基本構造を整理する。
| スカウト代行 | AIスカウトツール | |
|---|---|---|
| 実行者 | 外部のプロリクルーター | 自社担当者 + AI |
| スカウト文作成 | 人間が執筆（テンプレベース） | AIが生成（テンプレ×AI可変） |
| 候補者選定 | 人間の目利き + 検索条件 | AIが評価軸で優先順位付け |
| ナレッジ | 代行会社に属人 | 自社に蓄積 |
| 改善サイクル | 担当者の経験値で改善 | データとフィードバックで改善 |
| スケーラビリティ | 人数に比例（リニア） | 通数が増えても工数は微増（対数的） |
この表だけでは「どちらがいいか」は判断できない。重要なのは、4つの軸で深掘りすることだ。
軸1: 費用比較——「月額」だけでは見えない総コスト
スカウト代行の費用構造
| 料金体系 | 相場 | 特徴 |
|---|---|---|
| 月額固定型 | 20-50万円/月 | 「月200通送信」等の通数約束。超過分は追加費用 |
| 成果報酬型 | 理論年収の20-35% | 採用決定時のみ発生。人材紹介と同等のコストになることも |
| ハイブリッド型 | 月額10-30万 + 成果報酬 | 固定費を下げつつ、成果インセンティブを持たせる |
見落としやすいコスト:
- 初期セットアップ費（10-30万円）
- 媒体利用料（代行会社が媒体を運用する場合、別途媒体費がかかる）
- 社内側の管理工数（週次MTG、フィードバック、候補者確認等）
AIスカウトツールの費用構造
| プラン | 相場 | 特徴 |
|---|---|---|
| スターター | 5-10万円/月 | 月200-500通。少人数チーム向け |
| スタンダード | 10-20万円/月 | 月500-1000通。複数ポジション対応 |
| エンタープライズ | 20万円〜/月 | 無制限。カスタムモデル・専用サポート |
見落としやすいコスト:
- 媒体利用料（別途必要）
- 初期設定工数（評価項目の構造化・テンプレート作成）
- 運用工数（候補者確認・フィードバック入力）
総コスト比較（月6ヶ月試算）
月200通送信・1ポジションの場合:
| 項目 | スカウト代行 | AIスカウト |
|---|---|---|
| 初期費用 | 20万円 | 0円 |
| 月額料金×6ヶ月 | 180万円（30万×6） | 30万円（5万×6） |
| 媒体費（6ヶ月） | 60万円（10万×6） | 60万円（10万×6） |
| 社内管理工数 | 24万円（4万×6） | 12万円（2万×6） |
| 6ヶ月総額 | 284万円 | 102万円 |
| 差額 | −182万円 |
費用だけ見ればAIが圧倒的に安い。だが、費用だけで決めるのは危険。次の軸を見よう。
軸2: 返信率比較——「プロの腕」と「AIの構造化」、どちらが勝つか
スカウトの成否を左右する「返信率」。ここが最も議論が分かれるポイントだ。
スカウト代行の返信率
| 要因 | 実態 |
|---|---|
| 平均返信率 | 3-8%（業界・ポジションによる） |
| 強み | プロの経験によるターゲティング精度 |
| 弱み | 担当者のスキルに依存。担当変更で質が下がるリスク |
| パーソナライズ | テンプレートベースで「パーソナライズ風」が多い（Lv.1） |
| 改善速度 | 担当者の経験に依存。属人的 |
AIスカウトの返信率
| 要因 | 実態 |
|---|---|
| 平均返信率 | 5-15%（評価軸の構造化度による） |
| 強み | データとフィードバックで継続改善 |
| 弱み | 初期設定の質に依存。評価軸が曖昧だと精度が出ない |
| パーソナライズ | 候補者のスキル・経歴に応じた可変部分を自動生成（Lv.2-3） |
| 改善速度 | 返信データから自動学習。構造的 |
パーソナライズの3段階
スカウト文の質を決める「パーソナライズ」には3つのレベルがある。
| レベル | 内容 | 期待返信率 | 代行 | AI |
|---|---|---|---|---|
| Lv.1 | 名前だけ差し替え | 3-5% | ○ | ○ |
| Lv.2 | スキル・経歴への接続 | 8-12% | △（工数大） | ◎ |
| Lv.3 | キャリア文脈への接続 | 15-25% | ○（少数のみ） | ○（構造化次第） |
重要なポイント: 代行が強いのは「少数の最重要候補者へのLv.3パーソナライズ」。一方、AIが強いのは「大量の候補者へのLv.2パーソナライズを一定品質で回すこと」。
つまり、「量と一貫性」ならAI、「少数精鋭の個別対応」なら代行。
軸3: ナレッジの蓄積——「資産が残るか」という視点
見落とされがちだが、最も重要な軸かもしれない。
| スカウト代行 | AIスカウト | |
|---|---|---|
| 評価基準 | 代行会社の担当者の頭の中 | 自社のシステムに構造化されて残る |
| 候補者データ | 代行会社のデータベースに蓄積 | 自社のデータとして蓄積 |
| 改善ノウハウ | 担当者交代でリセット | フィードバックデータとして蓄積 |
| 契約終了後 | ゼロに戻る | 構築した評価軸・テンプレ・データが残る |
これは大きな差。スカウト代行は「レンタル」、AIスカウトは「購入」に似ている。
代行に月30万円払い続けて1年で360万円。しかし契約が終われば、自社には何も残らない。AIツールに月10万円で1年120万円。契約終了後も、構築した評価軸・テンプレート・フィードバックデータは自社の資産として残る。
軸4: 候補者体験——「誠が受け取るメッセージ」の質
スカウトの最終的な評価者は候補者だ。候補者が受け取る体験を比較する。
| 視点 | スカウト代行 | AIスカウト |
|---|---|---|
| メッセージの調子 | 代行担当者の文体（自社らしさが出にくい） | 自社テンプレートベース（ブランドトーン維持） |
| 「また営業か」感 | テンプレ型だと量産感が出る | 可変部分で個別感を担保 |
| 返信後の対応 | 代行担当者が返信（自社担当者とのラグ） | 自社担当者が直接対応（一貫性） |
| 候補者の信頼感 | 「会社の人と話しているのか不明」 | 「この会社が直接声をかけてくれている」 |
候補者が「この会社はちゃんと自分を見てくれている」と感じるかどうか。これは返信率だけでなく、内定承諾率にも影響する。
判断フレームワーク——自社に合うのはどちらか
4つの軸を踏まえ、以下のマトリクスで判断してほしい。
| 条件 | → スカウト代行向き | → AIスカウト向き |
|---|---|---|
| 月間送信数 | 50通未満（少数精鋭） | 100通以上（一定規模） |
| 採用体制 | 採用担当がいない/兼務 | 採用担当がいる（専任でなくてもOK） |
| ポジション特性 | CxO・幹部クラス（個別アプローチ必須） | エンジニア・専門職（スキルベースで選定） |
| 予算感度 | 月額30万以上許容 | 月額10万以内に押さえたい |
| 中長期の視点 | 短期プロジェクト（6ヶ月以内） | 継続的な採用活動 |
| ナレッジの蓄積 | 外部に任せてOK | 自社にノウハウを残したい |
「どちらか一方」ではない第3の選択肢
実は、「AIスカウト + 少数の最重要候補者だけ代行（または社内で個別対応）」というハイブリッド運用が最も合理的なケースが多い。
全候補者（例: 200名/月）
├─ 上位20%（40名）: 自社担当者がLv.3パーソナライズで個別対応
├─ 中位60%（120名）: AIスカウトでLv.2パーソナライズを一括送信
└─ 下位20%（40名）: 送信せず、次回以降の学習データとして活用
この運用なら、代行の強み（少数精鋭の個別対応）とAIの強み（大量×一定品質）を両取りできる。
まとめ——「月30万円」の判断を構造的に行う
スカウト代行とAIスカウトの選択は、以下の3つの問いで整理できる。
- 「量×一貫性」と「少数×個別」、どちらが優先か？ → たいていの採用現場では「量×一貫性」の方がインパクトが大きい
- 払ったお金が「資産」になるか？ → AIなら評価軸・データが残る。代行は契約終了でゼロ
- 候補者は「この会社が直接声をかけている」と感じるか？ → AI + 自社テンプレならブランドトーンを維持できる
TasonalのAIスカウトは、評価項目をMust/Want/NGで構造化し、候補者の優先順位付けからスカウト文の生成までを一貫で行う。スカウト文は「固定テンプレート×AI可変パート」の構造で、ブランドトーンを守りながら候補者一人ひとりに響くメッセージを生成。返信データと編集データからモデルが継続改善されるので、使うほど返信率が上がる。
