AIマッチング診断とは
AIマッチング診断とは、ポジションとメンバーのマッチ度をAIが診断する機能です。
社員の自律的なキャリア形成を後押し、社内公募を活性化させるきっかけ作りを支援します。
- 「AIマッチング診断 ベータ版」セクションは、AI機能の権限が付与されているユーザーのみ表示されます。表示されない場合は、管理者（Adm）にお問い合わせください。
設定についての詳細はAIによるマッチ度計算の設定をするをご確認ください。
診断に使う情報
① 社員のプロファイルブック
AIが社員のプロファイルブックの文章を参照し、保有しているスキル、これまでのキャリアなどの情報を以下の5つの軸で分析します。
- スキル：保有しているスキル、取得している資格などの情報を参考にします（例：TypeScript 5年）
- 役割：職種や役割の情報を参照します（例：プロダクトマネージャー）
- キャリア：これまでの実務経験を参照します（例：PdMとして複数プロジェクトのマネジメント経験）
- 実績：数値や成果として示せるものを参照します（例：営業成績120%達成、コスト30%削減、など）
- マインド：仕事に対する価値観、キャリア志向を参照します（例：組織を横断した課題解決をしたい）
- 参照したプロファイルブックの情報はAIマッチング診断の分析に使われるのみで、他の社員に公開されることはありません。
② ポジションの職務要件
ポジションの職務要件の文章を参照し、求められているスキル、役割などを分析します。
職務要件の各項目は、書き方によって「スキル」「役割」「キャリア」「実績」「マインド」のいずれの分類にも該当する可能性があります。
一般的な職務要件を例に説明します。
| 項目名 | 内容（例） | AIがどう使うか |
|---|---|---|
| 業務内容 |
中途採用業務のリーダー候補を募集します。 現チームはダイレクトリクルーティングやエージェント連携を中心に、エンジニアおよびビジネス職の採用活動を担っています。 今回の募集は、既存の採用手法を「そのまま継続する」ためではなく、採用ブランディングの強化やリファラル採用の推進など、チームがまだ十分にカバーできていない新たな視点を持ち込み、採用力全体を一段底上げすることを目的としています。 |
役割 「中途採用担当」「リーダー」 の人とマッチしやすくなる スキル 「ダイレクトリクルーティング」「採用ブランディング」「リファラル採用」 を持つ人とマッチしやすくなる マインド 「新しいことに挑戦したい」人とマッチしやすくなる |
| 必須スキル |
- 事業会社での中途採用の実務経験3年以上（対象職種を問わない） - ダイレクトリクルーティングツール（カオナビ採用）を用いた採用経験 |
キャリア 「中途採用担当」「人事」 を持つ人とマッチしやすくなる スキル 「カオナビ採用」を持つ人とマッチしやすくなる |
| 歓迎スキル |
- ITエンジニア採用の実務経験（技術トレンドの基礎知識） - 採用広報（オウンドメディア運営、イベント企画等）の経験 - 採用フローを実際に改善して採用単価（CPA）を削減した経験 |
スキル 「エンジニア採用」「採用広報」 を持つ人とマッチしやすくなる 実績 「採用単価削減」「採用フロー改善」 がある人とマッチしやすくなる |
| 求める人物像 |
- 各事業部の責任者と連携しながら採用要件を整理し、解決策を提案・実行できるコミュニケーション力 - 採用チームの施策をリードし、推進したい方 |
マインド 「リーダーシップ」「部門間連携（巻き込み力）」 がある人とマッチしやすくなる |
このように項目内の文章から情報を抜き出して「スキル」「役割」「キャリア」「実績」「マインド」の5項目にマッチするかを判断しています。
AIマッチ度の計算方法
社員のプロファイルブックとポジションの職務要件の情報を基に、AIが社員とポジションのマッチ度を診断します。「スキル」「役割」「キャリア」「実績」「マインド」という軸でマッチ度が5段階評価されます。
この5つの項目を「役割 > スキル > キャリア > 実績 > マインド」の重みで加重平均したものが合計のマッチ度として表示されます。
マッチ度計算の重みをカスタマイズしたい場合
「役割 > スキル > キャリア > 実績 > マインド」の重みをカスタマイズしたい場合は、「ポジションの編集」から「AIマッチング診断の設定」をすることで重みの順位を変えることができます。
マッチ度の重みづけについてはマッチ度の重みづけを変更するをご確認ください。
AI の精度を高めるプロファイルブックの書き方
プロファイルブックに情報を入力する際、書き方を工夫することでAIによる解析精度が向上し、社員の強みが正しく評価されるようになります。AIが解析しやすいプロファイルブックの書き方を解説します。
スキル
保有しているスキル、取得している資格などの情報を記載いただきます。お持ちのスキルの名称だけではなく、どれくらい経験があるかをセットで書くことで、より精度を高められます。
以下は良い書き方の例です。
良い例①（採用・育成）: 中途採用実務経験 5年、ダイレクトリクルーティング 3年、新入社員研修の企画・運営 2年
良い例②（労務・経理）: 給与計算実務（4年）、社会保険手続き（4年）、第1種衛生管理者（資格取得）
良い例③（エンジニア）: Python 5年、TypeScript 3年、AWS運用保守 2年
良い例④（デザイナー）: Figma（独学で4年）、UI/UXデザイン（5年の実務経験あり）、ユーザーリサーチ・インタビュー（1年）
役割
職種だけではなく、どのような役割でお仕事をされていたかを記載します。
以下は良い書き方の例です。
良い例①（採用）: 新卒採用チームのリーダー（メンバー4名のマネジメントおよび最終面接官を担当）
良い例②（労務）: 労務担当 兼 衛生委員会の進行役（社内環境改善プロジェクトの推進）
良い例③（エンジニア）: バックエンドエンジニア 兼 テックリード（技術意思決定・コードレビュー担当）
良い例④（マネージャー）: チームリーダー（メンバー3名）としてピープルマネジメントをした
キャリア
これまでの実務経験を記載します。会社名や部署名そのものよりも、一般的に認知されている「業界名 ＋ 職種名」を記載することでAIの解析精度を高められます。
以下は良い書き方の例です。
良い例①（採用）: IT系メガベンチャーにて、エンジニア採用担当として5年従事
良い例②（労務）: 製造業（メーカー）にて、労務・福利厚生担当として6年実務経験をした
良い例③（エンジニア）: フィンテック系スタートアップでバックエンドエンジニアとして5年従事
良い例④（法人営業）: ITベンダーにてエンタープライズ企業向けSaaSの法人営業として6年働いた
実績
客観的な事実として認識しやすい数値や成果を記載します。
以下は良い書き方の例です。
良い例①（人事）: 評価制度の刷新とマネージャー研修の実施により、対象部署の離職率を15%から5%に改善
良い例②（労務）: 勤怠管理システムのクラウド化を主導し、給与計算にかかる工数を月間30時間削減達成
良い例③（営業）: 月間営業成績No.1達成（10人中1位）
良い例④（エンジニア）: インフラ刷新によるコスト30%削減を達成
マインド
仕事に対する価値観、キャリア志向を記載します。「今とは違った職種にチャレンジしたい」「よりキャリアアップしたい」など意思がある場合は、明記することで別の職種や役割へのマッチ度を高めることができます。
以下は良い書き方の例です。
良い例①（人事）: ゆくゆくはHRBP（人事ビジネスパートナー）として、事業部の経営課題解決に直接貢献したい
良い例②（採用）: 従業員エンゲージメントの向上を最優先とし、多様な働き方を支援する制度作りに深く関わっていきたい
良い例③（プロジェクトマネージャー）: いずれは1プロジェクトにとどまらず、プロダクトマネージャーとして顧客課題の発見から実装までを直接主導したい
AI の精度を高める職務要件の書き方
AI が不得意な書き方を避ける
AI が不得意な書き方を避けることで、AIマッチ度の精度を高めることができます。
| AI が不得意なこと | 事象 | 対処法 |
|---|---|---|
| 数字の大小でマッチ度に差をつけること |
|
「日常英会話ができること」「シニアエンジニア」など、数字ではない言葉に言い換える |
| 社内用語を理解すること |
|
一般的な用語に置き換える |
注意事項
- AI機能には月間上限回数があります。詳細はこちらをご確認ください。
- 「AIマッチング診断」1回の実行につき、1-2回カウントされます。