「グーグルを超える精度で採用失敗を防ぐ」

– 120万件採用データ分析ベースのグローバルHR傾向とインサイト提示

-書類・面接・評判照会データ総合分析で企業-支援者間の「一致率」計算

-予測精度93.7%..「データベース採用意思決定」で採用失敗コスト削減目標

HRテックスタートアップ「Specter（代表ユン・ギョンウク）」が採用意思決定過程を革新する新規AIソリューション「TEO（テオ）」を公開した。

Specterは10月28日、ソウル三成洞繊維センタービルのテクスパーホールでHRトレンドセミナー「Decision 2025」を開催し、グローバルHR市場の「採用トレンドとデータ駆動型採用革新方向」を発表した。この日のセミナーには、200人余りの国内主要企業HR担当者と業界関係者が参加した中、ユン・ギョンウクSpecter代表(創業者)、ユ・ヨンヨンCOO(製品総括)、キム・ヒョヌHRアナリティクス総括が連写で参加した。

パート1では、グローバルHR業界の動向と「採用失敗」に伴うコストを自己分析したインサイトを共有し、パート2では採用失敗を防止する解決策としてAI採用意思決定ソリューション「TEO」を披露した。 「TEO」は、書類、面接、評判などの複合的なデータを基に、志願者と組織間の適合度を数値化し、迅速かつ公正な採用意思決定を支援する。

Specterは評判調査プラットフォームや面接録音分析アプリなど採用段階別の問題を解決するソリューションを引き続き発売し、現在まで国内外5,800社以上の企業の採用過程をよりスマートかつ効率的に支援している。 2021年評判調査プラットフォームの創業以来5年間、累積32万人の志願者に対する評判・面接データ120万件を確保したSpecterは、AIとデータ分析能力を組み合わせてHR市場革新を導いている。

◼︎企業成長に足首をつかむ致命的なリスク「採用失敗」

Specterによると、採用失敗*の代表的なタイプは▲低成果者（Low performer）▲早期退社（Early attribution）▲組織文化不適応（Culture misfit）ないが明確な成果もない構成員）など５つに区分される。このうち中性菓子タイプが最大の損失を招くが、構成比率が全入社者のうち２０～３０％と高く、組織内成長の低迷を誘発する波及効果が大きいためだ。

*採用失敗：入社者が職務成果、行動特性、組織文化の観点から期待水準に達せず、生産性の低下、没入度の低下、組織コストの損失を招く場合。

採用失敗は単純人件費損失で終わらず、経営損益にまで大きな影響を及ぼす。キム・ヒョヌSpecter総括は「採用失敗費用データを分析した結果、1人採用失敗時に2億1070万ウォンの費用が発生する。1人の誤った採用が組織全体の成長を止めることができる」と説明した。より大きな問題は、この費用が累積され、引き続き費用負担を高めるという点だ。

採用失敗を減らしてコストを削減することが企業のビジネス成果と直結する理由だ。ユン代表は「採用失敗費用を減らすには、正確で体系的な人材検証システムで採用の質を高めることが重要だ」と強調した。

◼︎採用意思決定支援ソリューション「TEO」…データによる採用失敗防止

これらの採用失敗のコストリスクを減らすために、Specterはデータ駆動型AI採用意思決定ソリューション「TEO」を開発しました。

テオの核心機能は組織と志願者の一致率（適合性）を計算して採用意思決定を支援することである。企業内の高性能者の行動・態度特性を基準に志願者と類似度を分析し、職務能力、価値観、態度など様々な側面で人材の適合性を予測する。この結果に基づいて採用可否を判断すれば、採用失敗確率を減らすことができる。

また、選考段階別に一致率の推移とリスク要因を分析し、次の選考で検証すべき基準を提案する。面接官はこのデータを参考にして、志願者に関する不足した情報を補完し、より公正な判断を下すことができる。

ユン代表は「過去には面接官の感に依存して合金を決めたならば、今はデータに基づいて採用意思決定を下すことができるようになった」とし「採用が正解のない「総合芸術」と呼ばれた時代は劣り、科学的なアプローチに変わった」と説明した。

◼︎面接・評判照会など多層的データ連動で精度向上

「TEO」は履歴書・面接記録・評判調査など多様なデータを統合分析して組織と志願者間の適合性を予測する。今年3月に発売した面接記録アプリと既存評判照会サービスからデータを連動して活用する。書類→面接→評判照会など採用選考を段階的に継続し、志願者に対するデータが累積するほど予測精度も高くなる。

ユ・ヨンヨンCOOは「「TEO」の役割は人事担当者の決定に確信を加えるものだ」と話した。最終意思決定は人が下すが、「TEO」が提供する分析結果が客観的根拠として作用して判断の信頼度を高めるという説明だ。

「TEO」の予測精度を高めるもう一つの核心は、企業別の明確な人材賞データ確保だ。 Specterは約4週間のオンボーディング過程を通じて顧客会社の人材像を再定義し、内部優秀人材のプロファイルを分析して採用公告を具体化する。このように収集されたデータは予測モデルの学習に活用され、人材上の特徴が明確になるほど組織-支援者一致率予測の精度がより高くなる。

ユン代表は「「TEO」ソリューションを使用する期間中、新規採用を継続しながら合格者プロファイルデータも蓄積され続ける。ソリューションの使用を継続するほど精度がさらに洗練される構造」と説明した。

◼︎採用合金予測精度93.7％… 「世界初」イノベーション歩み続ける

Specterは、応募者の能力、評判、組織適合度、業務成果など、数十万件の採用データに基づいて「TEO」のAI予測モデルを開発した。現在5社とのテスト結果予測精度93.7％を達成した。これは、Googleの人材検証アルゴリズムの精度（約70％）より20％p以上高いレベルです。

Specterは今後もパートナーと協力してモデル精度を高めるための研究開発を続ける計画だ。グローバル市場を狙って多言語支援機能も追加される予定だ。ユン代表は「今後も誰も行っていない道を進んでHR市場に山積んだ問題を解決していくだろう」とし、グローバルHR業界革新に先頭に立つという抱負を明らかにした。