5万人超の講師データから、「条件だけでは見つからない適任者」を探す。

候補者は多い。しかし、最適な人を探すのに時間がかかる。

5万人を超える登録者を保有する一方、求人ごとに教員免許、校種、科目、勤務条件、経験などを確認する作業の多くが人手に依存していました。

単純に条件で絞るだけでは、経験や希望まで含めた「より適した候補」を見つけにくく、ベテラン担当者の判断に頼る部分が大きくなっていました。

情報は蓄積されていたが、候補者の比較に使いにくかった。

実際の登録データには、欠損、古い情報、表記ゆれ、自由記述が多く含まれていました。現在の希望条件と過去の経歴が混在し、データが存在していてもそのまま比較に使えないケースもありました。

長期間運用されてきた業務システムをすべて作り直すのではなく、既存データを活かしながら判断に使える状態へ整えることが必要でした。

必須条件を守りながら、経験や希望まで評価する。

Technica AIは、自由記述や不統一な情報から必要な項目を抽出・整理し、講師と求人を比較できる状態へ変換しました。

教員免許、校種、科目などの必須条件を満たす候補を確認したうえで、経験や希望との適合度を比較できるようにしました。担当者が必要な情報を一件ずつ探す負担を抑え、共通の評価軸で候補を検討できる仕組みを構築しました。

テストケースの約90%で期待どおりの評価結果。

候補を比較する業務では、担当者が納得して使える一貫した評価が必要でした。そのため、情報の抽出と採点を分け、業務ルールに基づく評価結果をテストしました。

AIで整理した判断材料を共通のルールで採点する構成により、テストケースの約90%で期待どおりの評価結果を得ました。この数値はテスト上の採点結果であり、採用や配属の成功率ではありません。

「検索」から「推薦」へ。

• 候補者選定を効率化

  数万人の登録者から条件を満たす候補を絞り込み、適合度順に提示します。

• 判断を標準化

  経験や希望のような曖昧な情報も共通の評価軸へ取り込みます。

• 既存データを活用

  大規模なシステム刷新を前提にせず、不完全なデータをAIで利用可能な状態へ変えます。

• 業務変更へ対応

  条件や評価軸が変わっても、ルールを更新しやすい構造にします。

蓄積した人材情報を、
担当者が選べる判断材料へ。

Technica AIは、既存の人材情報を活かし、候補者を共通の基準で比較できる仕組みを構築しました。システムの全面刷新を前提とせず、担当者による選定を支える業務基盤を整えました。