2024年4月、博報堂ＤＹグループのデジタル領域を担うデジタル・アドバタイジング・コンソーシアム株式会社と株式会社アイレップが統合し、株式会社Hakuhodo DY ONEが誕生しました。従業員数は3,290名で、博報堂ＤＹグループのデジタルコアとして、広告・マーケティング領域における統合的なデジタルマーケティングサービスを提供しています。
3,000名を超える組織統合にあたって、採用基準や評価の観点を統一し、拡大する採用規模に対応できる選考プロセスを再構築する必要がありました。
その中で同社が選んだ手段のひとつが、対話データAIプラットフォーム「ailead」の導入でした。書類選考からグループワーク、面接まで、採用プロセスの各フェーズに複数のAIを組み込み、評価の標準化と大幅な工数削減を実現しています。
ただし、AIがすべての判断を下すわけではありません。AIはあくまで判断材料を提供し、最終判断は人が担います。そうした「AIと人のハイブリッド採用」をどのように設計したのか、導入を推進した布山様と宇野様に、その背景と取り組みの舞台裏についてお話を伺いました。
3,000名の組織統合に伴い取り組んだ「採用基準の再構築」
自己紹介をお願いします。
布山さま： 株式会社Hakuhodo DY ONEで、経営管理本部 人材開発局の局長として、採用と人材育成の両領域を統括しています。新卒・キャリア採用から能力開発まで、全社の人材戦略を担っています。
宇野さま： 人材開発局 企画部の部長として、新卒採用・キャリア採用の実務を統括しています。選考プロセスの設計から採用オペレーションの高度化まで、採用目標の達成をミッションとしています。
DAC・アイレップの統合で新会社が誕生
組織統合後の採用環境についてお聞かせください。
布山さま： それなりの規模を持つ会社同士が一緒になったので、制度面を含めて大変なことは多くありました。アイレップが約1,000人、DACが約2,000人規模で、それぞれに人事制度や採用の進め方があり、それらを一つの会社としてどう統合していくかは大きなテーマでした。
まず必要だったのは、新会社としての採用体制をゼロベースで再構築することです。ただ、これは採用チームだけで決められる話ではありません。経営方針や事業戦略を踏まえ、どこにどのような人材が必要なのかを整理したうえで、採用基準をすり合わせていく必要がありました。加えて、人事組織自体も統合の過程にあり、旧組織ごとの進め方や考え方の違いを調整するのにも時間を要しました。その結果、統合後の採用では、採用基準の違いや評価のばらつきが大きな課題として浮かび上がりました。
統合で見えてきた「採用基準の違い」
統合前は、各社でジョブディスクリプションや採用基準など、人材要件の考え方もそれぞれ異なっていたのでしょうか。
布山さま： 新卒採用とキャリア採用では、事情がかなり違いました。正直なところ、新卒採用については、どの会社も大きくは変わらない部分が多いと思います。業界が違っても、「新卒に求める要素」を挙げていくと、基本的には似たような項目になるため、新卒採用に関しては、言葉の定義や表現をすり合わせていく程度で、大きなギャップはありませんでした。
一方で、キャリア採用になると話は変わります。両社それぞれに強みや事業領域があり、片方の会社にはあって、もう片方にはない機能やポジションもあります。そうなると、この求人をどう整理するのか、どんな役割をどの組織で担うのかといったところから考える必要が出てきます。キャリア採用については、そうした違いを踏まえながら、求人や要件を整理していく必要がありました。
新卒採用の選考プロセスの中で、特に工数や負担が大きかったのはどの工程だったのでしょうか。
布山さま： 新卒採用は、日本特有の一括採用という文化があり、どうしても選考の負担が大きくなります。キャリア採用のように応募があった人と個別に向き合う形ではなく、一定期間に大量の応募者を選考していく必要があるからです。当社の場合数多くの応募があり、そのひとつひとつを確認しながら、会ってみたい人を選び、面接を重ねていきます。
そのため、どこで効率化できるのかを常に考えていました。エントリーシートや適性検査の段階なのか、あるいは動画提出や面接のタイミングなのか。選考プロセスの中で、どの工程の工数を減らせるのかが大きな課題でした。
AIに任せる前に、まず「自社の評価基準」を言語化する
AI導入のきっかけは何だったのでしょうか。
布山さま： 当社では、事業全体を通して「AI活用」を前提に事業を推進していくという方針があります。マーケティング領域では、すでにAIエージェントの開発などを通じて、顧客のマーケティング課題を支援する取り組みを進めています。そうした全社的なAI推進の流れの中で、コーポレート部門も例外ではなく、AI活用を検討していく必要がありました。
ただ、AIを使うこと自体が目的ではありません。あくまで手段として、各部門が抱える課題をどう解決できるかを考える必要があります。その中で、採用はどうしても工数が多くかかる領域です。そこで「採用業務の効率化にAIを活用できるのではないか」という議論が出てきました。
さまざまな案を検討しましたが、最終的には「やってみないと分からない」という判断でした。もし合わなければ元に戻せばいいですし、実際に試してみることで得られる学びもあります。そうした考えのもとで、まずは導入して検証してみようという流れになりました。
また、副次的な意味合いではありますが、会社としてAI活用を推進している中で、コーポレート部門でもAI導入の取り組みが進めば、企業としての発信やブランド価値にもつながるのではないかという期待もありました。
宇野さま： トップを含め、社内ではAIと共存していくというメッセージが常に発信されています。そうした環境の中で、コーポレート部門だけがAIと無関係でいるわけにはいきません。全社としてAI活用を進めていく流れの中で、「採用の領域では何ができるのか」という議論が始まり、今回の取り組みにつながっていきました。
ailead選定の決め手は何でしたか。
布山さま： 採用領域におけるAI活用は、エントリーシートをAIが読み取り、「この候補者は是非か」という評価をある程度判断できる仕組みをつくりたいというのが出発点でした。単なる文字起こしや、「この人はこういうことを言っています」という要約だけであれば、人が読んでいるのとあまり変わりません。私たちが求めていたのは、一定の判断基準に基づいてAIが評価を補助してくれることでした。
相談していく中で「この評価機能を実装できるか」というテーマでPoCを実施していただけることになりました。選考情報を読み込み、当社の基準に基づいて評価を付けられるかどうかを検証できるという提案をいただき、「それならやってみよう」と導入を決めました。
宇野さま： 私たちが重視していたのは、いわば"融通の利く仕組み"であることです。新卒採用は各社似ている部分もありますが、企業ごとに大事にしているポイントは異なります。そうした独自の採用基準をAIに任せたときに、信頼できるアウトプットが出てくるかどうかが重要でした。その意味で、柔軟にカスタマイズできる点は大きなポイントだったと思います。
布山さま： 採用専用サービスの場合、すでにプロダクト側に評価基準が組み込まれているケースもあります。ただ、それが自社の基準と合わなければうまく機能しません。aileadの場合は、私たちの採用基準を伝え、それに基づいて評価を行う仕組みを一緒につくれる柔軟性が、導入を決めた理由の一つでした。
導入に際し、社内から反発はありましたか。
布山さま： 多くの方が想像される通り、「AIが人を見るのか」という懸念はありました。実は、私自身も今でも完全に納得しているわけではありません。AIが人を判断するとなると、個性が見えにくくなるのではないか、カルチャーマッチのような部分は評価できないのではないか、といった不安は当然あります。
実際、私たち人事としても、AIがそこまで人を理解できるとは考えていません。だからこそ、AIにすべてを任せるという設計にはしていませんでした。AIはあくまで最初のスクリーニングを担う役割です。例えばエントリーシートなどの初期段階の評価はAIに任せますが、その結果だけで完全に合否を決めることはありません。AIが不合格と判断した候補者についても、人事が最終的に確認を行っています。
その後の二次面接や最終面接といった重要なフェーズは、すべて人が担当します。手間や時間がかかったとしても、人が直接会って判断するべき部分は削らない。AIはあくまで、人が本当に向き合うべき部分にリソースを集中するための仕組みとして活用しています。
AI導入というと、「AIがすべてを判断するのではないか」と極端に捉えられることも多いのですが、実際は役割分担の問題です。最終的な判断は人が行う。その前段の工程をAIに任せることで、採用プロセス全体をより良くしていこうという考え方でした。
約1か月・30回のチューニングで、AI評価は実用レベルに近づいた
具体的にどのようなデータをaileadに提供されましたか。
宇野さま： まずAIに学習させたのは、これまで社内で蓄積してきた評価データです。具体的には、最終面接や二次面接の評価情報で、どのような選考基準に対して面接官がどんなコメントを残し、その結果がA・B・Cといった評価になったのかというデータを提供しました。件数としては、約1年分のデータで数千件規模になります。
さらに、「こういう発言や行動が見られた場合は高評価」、「こういう場合は評価が下がる」といった具体的な例も用意し、AIに学習させていきました。その後、何度かチューニングを重ねて、3回目のアップデートあたりで違和感のない評価が出るようになり、実運用に進んでいきました。
このプロセスを通じて、もともと社内にあった採用基準も、AIに理解させるためにより細かく言語化したり、整理したりするようになりました。結果として、採用基準そのものの解像度も高まっていったと感じています。
データを社外（ailead）に渡すことについて、法務や情報システム部門の承認プロセスはどのように進められましたか。
布山さま： 私たち自身が法務やセキュリティの専門家というわけではないので、構想の段階から早いタイミングで法務や情報システム部門に相談するようにしていました。単に「AIを活用したい」という話だけではなく、どのプロセスで、どのプロダクトを使い、どのようなデータを扱うのかという設計を整理したうえで説明することを意識していました。
そのうえで、どういう形であれば問題なく進められるのかを各部署とすり合わせながら進めていった形です。セキュリティや情報管理の観点についても、契約面を含めて確認を重ねながら対応しました。特別なことをしたというよりは、関係部署と丁寧にコミュニケーションを取りながら進めていったというのが実際のところですね。
チューニングはどのくらいの回数を重ねたのでしょうか。また、最初のAI評価と最終版ではどの程度変化がありましたか。
宇野さま： 期間としてはおよそ1か月ほどで、やり取りの回数でいうと30回ほどチューニングを行いました。主に検証していたのは、グループワークでの発言内容をどう評価するかという部分です。
例えば、ある評価軸の評価項目に関して、最初のAI評価では「なるほど」という発言に対して高いスコアが付くケースがありました。ただ、これは単なる相槌であって、必ずしもその評価軸を示す行動とは言えません。そこで「これは評価対象ではないのではないか」とフィードバックを返し、AIの判断基準を調整していきました。
このように、どの発言を評価すべきで、どこまでが単なるリアクションなのかを一つひとつ整理しながらチューニングを進めていきました。そうしたやり取りを重ねることで、最終的には違和感のない評価結果が出るようになったという感覚です。
チューニングを経た現在、AI評価の精度や納得感を100点満点で表すとどのくらいでしょうか。
宇野さま： 最初の段階では、評価のズレも多く厳しいのではないかと感じたこともありましたが、チューニングを重ねていく中で徐々に精度が上がり、数回のやりとりで最終的には80点くらいの感覚まで来ました。もちろん完璧ではありませんが、「選考の精査に使えるレベルにはなった」という実感はあります。実際に人が確認する前段階の評価としては、十分活用できる精度になってきたと思っています。
AIに評価基準を教える過程で、採用基準そのものに対する新たな気づきはありましたか。
布山さま： 結論から言うと、「改めて採用基準を定義し直す必要がある」と気づけたことが大きかったですね。AIを活用する中で、AIが判断すべき能力と、人が判断すべき能力を分ける必要があると感じました。
具体的には、発言内容の一貫性や論理の矛盾などは、AIの方が得意な領域です。面接の場では人がすべてを記録できるわけではありませんし、後から見直して「さっき言っていたことと違う」と気づくケースもあります。そういった部分は、むしろAIが得意だと思います。
一方で、「口数は多くないけれど、なんとなく良い」、「うちの会社に合いそうだ」という感覚は、やはり人でないと判断できません。いわゆるカルチャーフィットのような部分は、AIだけでは難しい領域だと思います。
そのため今後は、評価項目の中でもどの段階で何を評価するのかを整理していく必要があると考えています。例をあげると、AIが得意な領域は初期の選考で評価し、素直さやカルチャーフィットのような要素は、面接の後半フェーズで人が見ていくといった形です。
まだ設計の途中ではありますが、AIを活用することで、採用プロセスそのものを見直すきっかけにもなっています。AIを前提に考えることで、「面接の内容を変えた方がいいのではないか」「もっとAIが得意な部分を任せてもいいのではないか」といった、新しい視点も生まれてきています。
ここまではAI、ここからは人。ハイブリッド評価の設計思想
グループワーク選考は、実際にはどのような流れで運用しているのでしょうか。
宇野さま： グループワーク選考は、約200名の学生が参加し、複数名のグループに分かれてブレイクアウトルームでワークを行います。
このグループワークには、aileadのAIエージェントが参加し、学生同士の発言内容や議論の流れを解析します。一方、人事は運営担当として2〜3名が参加し、主にトラブル対応などを行います。以前は6〜7名体制で運営していましたが、現在は少人数でも回せるようになりました。
ワーク終了後に、aileadによる評価結果についてデータを提供いただきます。このデータを社内のATSと連携し、学生情報と紐づいた状態で一元的に管理・確認できる仕組みになっています。これにより、選考データの集約から評価確認までをシームレスに行えるようになりました。
評価に関して、AIで合格判定とならなかった学生については、人事が録画データを確認し、評価の妥当性を精査します。
その結果、AIの評価どおり不合格とする場合もあれば、確認のうえで評価を引き上げるケースもあります。最終的な合否判断は必ず人が担い、AIはあくまで意思決定を支援する役割として活用しています。AIと人の役割を明確に切り分けることで、効率化と納得性を両立した選考プロセスを実現しています。
AIを導入する中で、「AIと人の役割分担」は重要な論点ですが、採用の合否判断において、人はどの部分を担っているのでしょうか。
布山さま： AIの評価については、合格になっている候補者に関しては、ある程度その結果を信頼して任せてもいいと考えています。ただし、不合格の判断については別です。不合格という結果は、候補者にとっても非常に重いものになりますし、そこには企業として責任が伴います。だからこそ、不合格の判断については必ず人が確認し、最終的な責任を持つようにしています。
実際に運用していると、AIが万能ではないと感じる場面もあります。例えばオンラインのグループワークでは、通信環境の影響で発言がうまく拾われないことがあります。本来は発言しているにもかかわらず、AI上では発言が少ないと判定されてしまうケースもありました。録画を見直してみると、「実際にはしっかり発言している」ということもあります。
こうした点も踏まえると、AIの評価をそのまま合否判断に使うのではなく、あくまで判断材料として活用することが重要だと考えています。AIの強みを活かしつつ、最終的な判断や責任は人が持つ。その役割分担を意識して運用しています。
処理能力7倍。採用オペレーションはどう変わったか
グループワーク選考では、どのような変化がありましたか。
宇野さま： 以前は、1グループごとに人事が一人ずつ入り、Zoomのブレイクアウトルームで学生を評価していました。1グループに人事が張り付く必要があるため、一度に対応できる人数は最大でも30名程度が限界でした。
今回、aileadを活用することで、AIがグループワーク中の発言内容を解析し、評価データを生成できるようになりました。人事はその結果を確認し、最終的な精査を行う形です。その結果、同時に対応できる人数は約200名まで拡大し、選考の処理能力は約7倍に向上しました。
また、評価作業を含めた選考工数も、年間約120時間かかっていたものが約20時間程度と84%削減され、約6倍の効率化を実現しています。開催回数も削減でき、運営負荷は大きく低減しました。
今回の取り組みはまだ初年度の運用ですが、今後データが蓄積されることで、AI評価の精度もさらに高まっていくと考えています。また、現在はグループワークを中心に活用していますが、二次面接や最終面接でも導入を進めており、これからさらに活用の幅を広げていく予定です。
導入前には想定していなかった効果はありますか。
宇野さま： 副次的な効果として、グループワークの位置づけを変えることができたことです。もともとグループワークは最終面接前のフェーズで実施していましたが、本来はもっと早い段階で体験してもらいたいと考えていました。
ただ、従来の運用では対応人数の制限があり、前倒しが困難でした。今回AIを活用することで選考規模を拡大できたため、グループワークを選考の初期フェーズに移すことができました。
これにより、学生が会社の雰囲気を早い段階で理解したうえで選考に進めるようになりました。途中辞退せず最後まで選考に参加する学生の割合も、10ポイント以上改善する見込みが出てきています。
AIは目的ではない。採用の質を高めるための手段
現場で対応する面接官の反応はいかがでしたか。
宇野さま： 面接官から大きな戸惑いの声はありませんでした。もともと布山から「AIを導入していく」という方針は共有されていましたし、「なぜAIを使うのか」という前提を疑うというよりも、「どう活用すればいいか」、「人の評価とAIの評価が違ったときにどう判断するか」といった実務面に関心が向いていた印象です。
現場との連携はどのように進めたのでしょうか。
布山さま： AIを使うこと自体を目的にしてしまうと、うまくいかないと考えています。大事なのは、現場の課題をどう解決するかという順番です。これまでも、例えば人手が足りなければ派遣スタッフを増やしたり、外部パートナーに依頼したりと、さまざまな手段を検討してきました。その選択肢の一つとしてAIがある、という考え方です。
現場も日々の採用業務の大変さを感じているので、「この課題をAIで解決できるならやってみよう」という流れに自然となりました。
AI選考への理解を得るため候補者への説明も重視
御社では候補者体験の面も重視されていますが、学生からの反応はいかがでしたか。
布山さま： AIを使うことについては、説明会などでしっかり説明するようにしています。なぜAIを導入しているのか、どこまでAIが関与するのか、そして最終判断は必ず人が行うという点も含めて伝えています。
AIを使うことで、例えば面接のスケジュール調整が柔軟になるというメリットもあります。時間帯に縛られず参加できるなど、候補者にとっての利便性もあります。こうした点を含めて説明することで、納得感を持って参加してもらえるようにしています。
もちろん説明会を実施する分、運営側の工数は多少増えていますが、人事として候補者体験を担保するためには必要な取り組みだと考えています。
AIと人が共存する採用モデルの確立を目指す
今後の展望について教えてください。
布山さま： まずは初年度の取り組みを通じて見えてきた課題を整理していく段階だと考えています。AIと人がそれぞれどこを見るのかという評価基準の再設計など、導入したからこそ見えてきた課題も多くあります。
一方で、早い段階でAI活用に取り組めてよかったとも感じています。実際にやってみなければ気づけなかったことも多いですし、早く始めるほどデータが蓄積され、AIの精度も高まっていきます。まずは新卒採用の領域で、AIを活用した選考プロセスが自社の採用フローとして成立していると言える状態をつくることが目標です。そのうえで、将来的にはキャリア採用にも活用の幅を広げていきたいと考えています。
最後に、同じ課題を持つ企業へのメッセージをお願いします。
布山さま： AIを使うこと自体が目的になってしまうと、本質からずれてしまうと思います。まずは自社の課題が何なのかを明確にして、その課題をAIで補えるのかを考えることが大切です。もしAIが合わないのであれば、無理に使う必要はありません。
ただ、もし取り組むのであれば、早い段階で始めてみることをおすすめします。実際にやってみないと見えてこない課題も多いですし、データを蓄積していくことでAIはどんどん精度が上がっていきます。まずは小さく試してみることが大事だと感じています。
宇野さま： AI活用は「ゼロか100か」で考えるものではないと考えています。採用プロセスを細かく見ていくと、AIに任せられる部分と、人が見るべき部分が必ずあります。その切り分けを考えながら取り入れていくことが、重要ではないでしょうか。
