面接内容をAIで整理し、面接官ごとの評価のばらつきを可視化した採用改善

効いたのは、AIに任せる範囲を情報の整理と標準化に限り、採用可否の判断は人の側に残した役割の切り分けです。IVRyは、迎え入れたい理由や入社後に期待する活躍を人が責任を持って言語化できなければ採用判断として不十分だという考え方を明確に置いています。この線引きがあるからこそ、現場はAIの出力を「決められた答え」ではなく「議論のための材料」として受け取れます。AIが判断まで踏み込む設計では、出力の妥当性を検証する負荷が新たに生まれかねません。

次に、面接内容を一定の粒度で構造化し、次の面接官へ渡せる形に整えた運用設計が挙げられます。AIが各面談の前後にフェーズごとの確認事項と申し送りをまとめ、そこに面接官自身が「次回はこの点を深掘りしてほしい」といった観点を追記する流れになっています。AIの出力を最終成果物にせず、人が上書きする余白を残した点が、選考という一回性の高い業務に合っていたのではないでしょうか。

三つ目は、個人の癖として片づけられがちだった面接の差を、組織の設計課題として扱えるようにした点です。面接官イネーブルメント機能でジャッジが強いのかアトラクトが強いのかを可視化したところ、標準的にできていると感じていたアトラクトが、実際には面接官個人の魅力に支えられている部分があると分かりました。あるポジションで一次面接後の辞退が増えた際も、45分の面接のうち会社説明に20〜25分を使っているケースが見つかり、感覚論ではなく事実に基づく仮説から検証を始められています。この気づきは各面接ステップの役割の整理や、評価フォーマットと面接トリガーの見直しへとつながりました。