← ステッカーウォール AGENT · DETAIL

MavenスマートHR：履歴書選考から面接日程調整まで全自動、年間収入1,000万級

ワークフロー：毎日、ATSと企業メールボックスから新規応募履歴書を自動取得し、大規模モデルで解析して求人JDとマッチングさせ、候補者プロファイルとスコアを生成する。上位10%の候補者には自動で面接招待を送り、面接官のカレンダーを調整して日程表を作成する。

AGENT

主要項目

FIELD STAMPS

業界教育・知識課金

地域米国

規模中小企業

チャネルオンライン

🔧 ワークフロー

毎日、ATSと企業メールボックスから新規応募履歴書を自動取得し、大規模モデルで解析して求人JDとマッチングさせ、候補者プロファイルとスコアを生成する。上位10%の候補者には自動で面接招待を送り、面接官のカレンダーを調整して日程表を作成する。従業員の日常的な問い合わせ（休暇、ポリシーなど）はagentが企業ナレッジベースに基づいて自動応答し、複雑な問題は有人対応に回す。同時に毎日、採用ファネルレポートを生成してHRマネージャーに送信し、各段階の転換率と異常に滞留している履歴書を明示する。面接終了後は面接官のフィードバックを自動収集し、候補者スコアを更新して次の選考へ進めるかアーカイブする。

🛠 構築のハードル

HR SaaSアカウントの接続と、職務JDライブラリおよび過去の採用結果データを用意し、スコアリングモデルのコールドスタート・キャリブレーションを行う必要がある。技術担当者はAPIオーケストレーションとPromptチューニングを習得する必要があり、非技術系HRはMaven内蔵テンプレートで職務ルールを設定できる。デモから本番稼働まで約2～4週間。企業がすでにLeverやGreenhouseなどのATSを導入していれば、カレンダー権限とメールドメイン認証を追加するだけで全プロセスを稼働させられる。

🧰 ツールチェーン

🔧 Maven
🔧 OpenAIまたはClaudeのAPI
🔧 ATS連携インターフェース（LeverやGreenhouseなど）
🔧 企業内カレンダーシステム
🔧 企業メールサーバー（Outlook/Gmail）

💰 収入

シート単位のサブスクリプション制で、HRシートあたりの月額は約150～200ドル。中堅企業100社、各社平均30のHRアカウントをカバーすると、月間経常収益は45万～60万ドル、年換算で約500万～700万ドルに達する。成功候補者に基づく付加価値コミッション（例：入社1人につき500ドル）を重ねれば、年換算でさらに120万～180万ドルを追加できる。規模拡大後の粗利率は85%近くになり、サブスクリプション継続率が90%以上を維持できれば、年間収入は安定して1,000万ドル級を突破できる。

💸 コスト

主なコストは大規模モデルAPIの呼び出し費用とATS統合の保守コストで、毎月約8,000～15,000ドル、採用量に応じて変動する。チーム人件費（エンジニア2～3名＋HRコンサルタント1名）は毎月約4万ドルで、全体の月間固定費は5万ドル以内に抑えられる。

⏱ 時間投入

中核的な保守には週約10時間が必要で、AI選考の不採用理由の確認、JDナレッジベースの更新、面接日程の異常対応に充てる。初期導入時は2週間連続で毎日2時間の調整・キャリブレーションが必要だが、その後は週次の定例チェックで対応できる。営業とカスタマーサクセスは別途、創業者または兼務のビジネス担当が担い、週約8時間。

🚀 初心者ガイド

ステップ1：Maven公式サイトでエンタープライズ版に登録し、採用量が最大の部門をパイロットとして選び、その部門の過去の採用データを導入してルールをキャリブレーションする。ステップ2：3～5つの標準職務についてJD解析とスクリーニング閾値を設定し、AIを1週間稼働させて人による一次選考結果と比較し、偏差を見つける。ステップ3：1四半期分を完全に運用した後、成功事例と削減工数データを販売資料にまとめ、同種の中堅企業へ再販売するかホワイトラベル代理店を行う。

🔑 成功のカギ

✅ 企業専用の人材マッチングデータを蓄積し、運用するほど『この会社が本当に求める人材は誰か』を理解できるようになる。これがAI採用ツールの核心的な堀（moat）である
✅ HRの役割は選考者から監督者へ変わり、AIの不採用理由の審査と候補者体験の下支えに重点を置く
✅ ATSとカレンダーシステムを深く統合し、切り替えコストを削減する
✅ 成果報酬または付加価値コミッションモデルにより、顧客に明確なROIを示し、サブスクリプション導入の抵抗を下げる

⚠️ 风险

⚠️ AIが合格候補者を誤って排除し、審査メカニズムが追いつかない場合、人材流出を招き、雇用主ブランドに悪影響を与える
⚠️ 候補者のプライバシーとGDPRコンプライアンスのリスク。履歴書データがシステム間を移動するにはユーザーの同意と監査ログが必要
⚠️ 面接日程調整でタイムゾーンやカレンダーの競合が発生すると、agentが重複予約する可能性があり、人による下支えまたはルール検証レイヤーが必要
⚠️ 大規模モデルのハルシネーションによりJD解析が偏る可能性があり、極端な職務（専門用語が多い職務など）では人による事前審査が必要

📌 実例

📌 マイクロソフトは2026年からAI Agentマトリクスを深く統合し、採用の一次選考と初回アプローチの自動化率を90%以上に引き上げた。ある越境ECクライアントが同種のAI採用agentを導入したところ、採用の人的工数を60%削減した。
📌 北森は2026年6月24日にワンストップAI HR専門家プラットフォームMavensをリリースし、会社は全面的にAIアプリケーション企業へ転換した。以前から7大AI Agent製品で顧客の支払い意欲を検証しており、2026年6月の正式発表後は株価と市場の注目度が著しく上昇した。
📌 实在Agentは2026年7月に90.2%の成功率でOSWorld世界ランキング首位に立った。その採用シナリオでは、採用プラットフォームへの自動ログイン、条件によるスクリーニング、トークスクリプト生成によるコミュニケーション、スコア付き履歴書の送信を実現でき、越境ECの事例では採用の人的工数が60%削減された。

出典