候補者を見つける仕事は速くなったのに、信じる仕事は難しくなった

LinkedInは9月29日、AI recruiting agentの次世代版Hiring Assistant 2を発表した。より強いreasoning、memory、personalizationでcandidate discovery、context収集、talent pool管理を支援する。

LinkedInのproduct dataでは、Hiring Assistantを使うrecruiterはqualified candidateを見つけるためにreviewするprofileを83％減らし、interview-quality applicantを33％速く見つける。prescreeningの中央値は6分だという。

しかし同じ発表で、米国Talent Acquisition担当者の39％はcandidateや主張するskillが本物か分からないことを最大のchallengeに挙げた。Searchが速くなるほどVerificationが新しいbottleneckになっている。

採用funnelはScarcity ProblemからVolume Problemへ動いている

LinkedInによるとglobal hiringはpandemic前より約30％低い一方、applicant一人当たりのapplicationsは約30％増えている。qualified talentがscarceでも採用teamが処理するvolumeは増える。

Greenhouseが6000社超、6億4000万件超のapplicationsを分析したbenchmarkでは、recruiter一人当たりの年間applicationsは2022年1610件から2025年4890件へ増えた。203.7％増だ。

候補者が足りない時代の問題がSearchだったなら、volumeが増えた時代の問題は大きなpoolから信頼できるsignalを取り出すことになる。

AIはrecruiterだけでなくcandidate signalも滑らかにする

candidateはAIでresumeを改善し、JDに合わせてexperience descriptionを再構成し、interviewを練習できる。それ自体がdeceptionという意味ではない。

しかしpresentation qualityとactual capabilityの距離は広がり得る。polished narrativeとreal experienceは同じものではない。

採用teamはdocumentの完成度より、その主張の下にどんなevidence chainがあるかを確認する必要が高まる。

Greenhouseでは91％のrecruiterがcandidate deceptionを経験したと回答した

Greenhouseの2026 AI in Hiring Reportは米国のjob seeker 1200人、recruiter 219人、hiring manager 446人を対象にした。

Greenhouseの後続資料では91％のrecruiterが採用processで何らかのcandidate deceptionを経験したと回答した。resume exaggeration 63％、fake reference 48％、AI-assisted interview response 35％などが挙げられた。

これはcandidateの91％が嘘をつくという意味ではない。調査対象recruiterの91％が少なくとも一つのdeceptionを経験したという意味であり、Verification Work自体が独立したcostになっている。

Search → Match → Verify → Judgeは別々の問題だ

Searchはrelevant candidateがどこにいるかを探す。Matchは今のroleとどのprofileが近いかを並べる。

Verifyはidentity、employment、education、project experience、skill claimを支えるevidenceを確認する。Judgeは確認されたfactを使って、この人が特定のcompanyとproblemで成功できるかを決める。

SearchとMatchが安くなってもVerifyとJudgeが自動的に簡単になるわけではない。volumeとpolished signalが増えるほどfunnel後半のattentionはむしろ高まる可能性がある。

Identity VerificationとCapability Verificationも同じではない

本人であること、実際に特定企業に在籍したこと、学歴が本物であることを確認しても採用は終わらない。

その会社で何をしたか、どこまで直接責任を持ったか、team resultへの本人のcontributionは何か、別のenvironmentでも再現できるかが残る。

Identity Verification ≠ Capability Verificationであり、Capability Verification ≠ Hiring Judgmentだ。

良いSearch partnerの価値もDBの大きさからEvidenceとJudgmentへ移り得る

AIが大規模talent poolを検索し、candidateをrankし、outreachとscreeningまで支援すると「多くの候補者を探せる」だけでは差別化しにくくなる。

その代わり、実際に必要なroleを定義し、career claimとperformed workを分離し、adjacent experienceのどこまでをtransferableと見るか判断し、candidateが実際に動ける条件を確認する仕事が重要になる。

Search firmのdeliverableもcandidate 10人のlistから、なぜこの人たちがreal candidateなのか、何がverifiedされ、どこにriskがあり、誰へどんな理由でbetできるかを示すDecision Supportへ上がり得る。

candidateだけを検証してもTrust問題は解決しない

Verificationを強化してすべてのcandidateを疑うprocessにすると、良いcandidate experienceを壊す可能性がある。

Greenhouseの2026 Candidate AI Interview Reportでは、AI evaluationを経験した米国candidateの70％が最近のAI interview前にAIが評価へ使われることを明確に知らされていなかったと回答した。

Trustは双方向だ。企業はcandidate evidenceを確認すると同時に、どのAIがどのstageでどう評価に使われるかをcandidateへ透明に説明する必要がある。

BANSEOG VIEW | Search Costが下がるほどJudgment Valueは上がり得る

LinkedInの83％ fewer profilesと33％ fasterだけを見ると、採用の未来はより速いSearchに見える。しかし同じ発表の39％はcandidateとskillのauthenticityがすでに主要bottleneckになっていることを示す。

BanseogはこれをScarcity Problem → Volume Problem → Trust Problem、そしてSearch → Match → Verify → Judgeと見る。

Candidate Discoveryがcommodityになるほど、Searchのpremium productはcandidate listではなくEvidence、Context、Verification、Mobility、Trade-offを組み合わせて「本当にこの人へ賭けるか」を決めるJudgmentになる可能性がある。

BANSEOG VIEW

Banseog View — Search → Verify → Judge

Candidate Discoveryのcostが下がるほどVerification Workのrelative valueは高まり得る。

Identity Verification、Capability Verification、Hiring Judgmentは別々のstageだ。

Searchの差別化はCandidate ListからEvidence + Context + Trade-off + Decision Supportへ移り得る。

SOURCES

参照した主な資料

LinkedInの83％ fewer profilesと33％ fasterはLinkedIn自社product dataであり、すべてのemployerで再現される独立benchmarkではない。Greenhouseの91％はcandidateの91％が虚偽という意味ではなく、調査recruiterの91％がcandidate deceptionを経験したという意味である。Search → Match → Verify → JudgeとSearch Cost ↓ → Judgment Value ↑は公開資料を接続したBanseog分析frameである。