書類選考AIの設定ガイド
評価モデルの構築から求人ごとの評価項目設定、AIスコアの読み方、 フィードバックによる精度向上まで。 書類選考AIを最大限活用するための設定手順を解説します。
前提：アカウント作成済み。まだの方ははじめてのTasonalをご確認ください。
4ステップで設定完了
評価モデルの構築から精度改善まで、シンプルな流れで進みます
評価モデルを構築する
書類選考AIの精度は評価モデルの質で決まります。 求人要件を入力するだけでAIが評価項目のたたき台を自動提案するので、ゼロから設計する必要はありません。
以下の3ステップで、貴社専用の評価モデルが構築されます。
求人要件を入力
職種名、必須スキル、歓迎スキル、求める人物像を入力します。既存の求人票があればそのまま貼り付けも可能です。
評価項目を確認・編集
AIが提案した評価項目を大項目・小項目で構造化。自社の選考基準に合わせて追加・削除・修正できます。
過去データをアップロード（任意）
過去の合格/不合格のレジュメサンプルをアップロードすると、AIが貴社の評価傾向を学習し、より高精度なモデルを構築します。
過去データの目安：サンプル数が多いほどモデルの精度は向上しますが、 合格/不合格それぞれ20件程度で十分実用的なモデルが構築できます。データがなくても運用しながらフィードバックで改善できます。
評価シートを設計する
Tasonalの評価項目は「大項目／小項目」の階層構造＋重み付けで管理します。 評価シートのように評価観点を整理し、職種ごとに最適な選考基準を構築できます。
評価の大きな軸を定義します。それぞれにパーセンテージで重み付けを設定し、合計100%にします
設定例
- 技術スキル40%
- カルチャーフィット30%
- 志向性・成長意欲30%
Tip：大項目は3〜5個が目安。多すぎると評価が散漫になります
大項目の中に具体的な評価基準を設定します。ポイントで重み付けし、大項目内での優先度を制御します
設定例
- Go / TypeScript実務経験50点
- マイクロサービス設計30点
- インフラ（AWS/GCP/k8s）20点
Tip：小項目は求人票の要件をそのまま分解すると設計しやすいです
該当する候補者を自動的に減点またはフィルタリングします。大項目・小項目とは独立して設定します
設定例
- 勤務地の制約に合わない除外
- 直近で短期離職を繰り返している減点
- 必須資格が未取得除外
Tip：明確な除外条件のみ設定。曖昧な条件は小項目の低スコアで対応する方が柔軟です
設計のコツ：最初は最小限の項目で始めましょう。職種ごとに評価項目テンプレートを持てるので、 テスト選考で結果を確認しながら運用の中で追加・調整するのが最も効果的です。
AIスコアの読み方
AIは各候補者に対して複数の出力を生成します。 スコアはあくまで判断材料であり、最終判断は人が行います。
AIが出力する5つの情報を理解しましょう。
求人要件とのマッチ度を総合的に数値化。Must条件の充足度を重視したスコアリングです
評価項目ごとの適合度を確認。どの項目が高い/低いかで候補者の強み・弱みが一目で分かります
候補者のレジュメからAIが特に評価が高いポイントを自動抽出。面接で深掘りすべき経験がわかります
要件との乖離や経歴の不明点をAIが指摘。面接で確認すべきポイントが明確になります
候補者の経歴と懸念点に基づいた質問リストを自動生成。面接官の準備時間を削減します
スコア活用のベストプラクティス
フィードバックで精度を向上させる
実際の選考結果をフィードバックすることで、AIモデルが継続的に改善されます。 使い込むほど貴社の選考基準に最適化されていきます。
選考結果（合格/不合格）をシステムに反映します。AIの評価と人の判断が異なった場合は、その理由も記録します。
ダッシュボードでモデルの精度を確認。AIの推薦と実際の結果の一致率、項目ごとの予測精度を可視化します。
精度データに基づいて評価項目や重み付けを再調整。AIも蓄積データから自動学習を行います。
改善サイクルを回し続ける
このフィードバックループは継続的に回すものです。 特に導入初期の2週間は、AIの判断結果を1件ずつ確認してフィードバックを返すことで、 モデルの精度が大幅に向上します。安定期に入れば、週次でダッシュボードを確認する程度で十分です。
書類選考AIを使いこなすための4つのコツ
最初は最小限の項目で始める
評価項目は最初から完璧に設計する必要はありません。3〜5個のMust項目と数個のWant項目からスタートし、運用しながら追加・調整するのが最も効果的です。
最初の2週間は集中フィードバック
導入初期の2週間で積極的にフィードバックを返すことで、AIモデルの精度が大幅に向上します。この期間はAIの判断結果を1件ずつ確認し、評価を返しましょう。
求人ごとにモデルを分ける
エンジニア職と営業職では評価基準が大きく異なります。求人ごとに評価モデルを分けて設定することで、職種特性に合った精度の高い選考が実現します。
週次でKPIをレビューする
AI推薦の一致率、面接通過率、書類選考のリードタイムなどを週次で確認。数値の変化から改善ポイントを特定し、評価モデルに反映させます。
書類選考AIに関するよくある質問
過去データがなくてもモデルは構築できますか？
はい、過去データなしでもモデル構築は可能です。求人要件を入力するだけでAIが評価項目を自動提案します。過去データは精度向上のためのオプションであり、運用しながらフィードバックでモデルを改善していく方法もあります。
評価モデルの構築にどのくらい時間がかかりますか？
求人要件の入力から評価項目の確認まで、約10分で完了します。過去データのアップロードを含めても30分以内で最初のモデルが構築できます。
AIスコアが低い候補者は自動で不合格になりますか？
いいえ、自動で不合格にはなりません。Tasonalのコンセプトは「判断材料を揃える」こと。AIはスコアと根拠を提示し、最終判断は常に人が行います。
途中で評価項目を変更できますか？
はい、いつでも変更可能です。評価項目の追加・削除・重み付けの変更は管理画面からすぐに反映されます。変更後の新しい基準で以降の候補者が評価されます。