導入事例

A社(Webサービス系 ※社名非公開)

適性診断×AI(機械学習)で入社後評価の6割を予測可能に

Webサービス 101~1,000人 活躍人材の予測 活躍人材の定量化

・会社名:A社(※社名非公開)
・従業員数:101~1,000名
・業種:Webサービス
・導入目的:活躍人材の定量化、活躍人材の予測

導入のポイント

・課題は「自社における活躍人材の定量化」
・「適性検査」を使っていたが、分析できていなかった
・TRANS.HRにより、入社後評価の6割を予測可能に

 

課題は「自社における活躍人材の定量化」

TRANS.HRに興味をもたれたきっかけは何ですか?

弊社はWebサービスを開発・提供する会社で、事業は順調に成長してきました。一方、人材採用については30名まではうまくいっていたのですが、30名を超えて100名の組織をつくる中で、パフォーマンスが上がらない人が出てしまったり、早期退職者の割合が増えてきてしまいました。

さらなる事業成長・組織拡大を目指す中で、改めて採用戦略・採用基準を見直すことになり、「自社においてどのような人が活躍しているのか?」という議論になり、定量的に活躍人材を分析しようと考えていたところ、たまたまTRANS.HRを紹介されたことがきっかけです。

「適性検査」を使っていたが、分析できていなかった

これまでは、どのような「採用基準」を使われていましたか?

「ミッション」と「バリュー」を判断軸に、面接官が応募者の方の見極めを行っていました。ただ、面接官の人数が増えるにつれ、「ミッション」「バリュー」の評価にばらつきが出てしまう状況でした。

構造化面接*の手法を知り、評価軸と質問項目を決めて面接を実施することもトライしてみたのですが、運用負荷が高いわりに、結局最後の意思決定にうまく生かすことができず、適切な実施ができていませんでした。

*構造化面接:同じ職務に応募している応募者に同じ面接手法を使って評価すること(Google re:Work

「適性検査」は使われていましたか?

はい、前職で採用に使っていた役員がいたため、最大手の適性検査を導入しました。ただ、検査結果の読み解きに高いスキルが必要なため、一部の役員しか詳細な結果を分析できず、残りの役員は「ストレス耐性の項目だけを見る」という使い方になってしまっていました。

また、それなりに費用がかかるため、最終面接前の人のみに受験してもらっており、限定的な使い方になってしまっていたと感じます。

TRANS.HRにより、入社後評価の6割を予測可能に

TRANS.HRを導入されて良かった点は何ですか?

最も良かったと感じることは、「入社後の評価」と「採用時の評価」をつなぎ合わせて分析することができたことです。今回はすでに取得できていた「適性検査」の結果をメインで分析しましたが、実際に自社で活躍している人が、どのようなタイプの人なのかを定量的に把握することができたことは大きなメリットでした。

改めて定量的に分析したところ、今まで想定していた高評価者のタイプでは、該当者のうち56%が高評価者だったのですが、TRANS.HRで抽出した新しい判断軸だと84%が高評価になりました。

低評価者(早期退職者)の予測も含めると、全体で35%しか入社後活躍を予測できていなかったところ、59%の精度で予測ができるようになりました。

※入社後評価を「高/中/低」の3段階にわけ、入社時点で入社後評価を予測した場合の正解率。

予測精度6割の結果についてどう思われますか?

最初はあまり高くなのかな?と思いましたが、実際の面接による予測精度(35%)と比較すると、それなりに高い結果だと感じています。実際の面接精度があまり高くないことを認識できたこともよかったと思います。

今後どのように運用されていきますか?

AI(機械学習)が出した結論でそのまま意思決定するのではなく、採用意思決定の補助に使っていくことを考えています。 TRANS.HRでは、応募者とタイプの近い既存の従業員を基に「高評価確率」が表示されます。採用したいと考えている人が「高評価確率」が高ければそのまま採用とし、逆に低ければ、過去の従業員の事例を基に「高いパフォーマンスを発揮してもらうことは可能か?」を議論して、課題が解決できるようであれば、採用としたいと考えています。

 

データ×AIの未来予測を、今すぐ体験する

30日間無料でご利用いただけます。

β版を無料で試してみる