TL;DR
この仕組みは、応募書類を募集要件と突き合わせて「満たしている項目・いない項目」を並べるところまでをやります。
誰を落とすかは決めません。
「採用書類選考のスクリーニング自動化」と聞くと、AIが合否を判定する仕組みを想像しがちです。 ただ実際にそれをやると、人を不合格にする判断を機械がしている状態になり、 説明を求められたときに答えられなくなります。この画面は、判断を人に残したまま作業だけを軽くする形にしてあります。
合否は出しません。人が見る順番と、その根拠だけを作ります
「採用書類選考のスクリーニング自動化」と聞くと、AIが合否を判定する仕組みを想像しがちです。 ただ実際にそれをやると、人を不合格にする判断を機械がしている状態になり、 説明を求められたときに答えられなくなります。この画面は、判断を人に残したまま作業だけを軽くする形にしてあります。
架空データには「実際に人が下した書類選考の結果」も入っています。そこで検算しました。 必須要件を1つでも満たさない人を機械的に落としていたら、何が起きていたかです。
この要件は設定ファイルに書いてあるだけで、プログラムの中には埋め込まれていません。 要件を変えたい人が、コードを触らずに書き換えられる形にしてあります。
並び順は「必須要件の充足数 → 歓迎要件の充足数 → 経験年数」です。 これは良い人の順番ではなく、確認しやすい順番です。下のほうにいる人を見なくてよい、という意味ではありません。
氏名・住所・経歴が入ります。外部のAIサービスにそのまま送るのではなく、 どこにデータを置いて誰が見られるかを先に決める必要があります。
後から説明を求められることがあります。機械が並べた材料と、人がどう判断したかを セットで記録しておくと、要件の見直しにも使えます。
この画面の一番上でやったように、「機械の整理」と「人の判断」がどれだけ一致しているかを たまに測ると、要件が実態とズレていることに気づけます。
採用の場面では使ってよい情報とそうでない情報があります。 この見本では年齢を「参考として確認する項目」に置き、必須要件から外してあります。