広く引用されている「75%の履歴書が人間に届かない」という統計は、2012年のセールスピッチから由来するもので、その会社は現在存在しません。この数字には公開された方法論はありません。しかし、数字が試みていた根本的な問題は実在します。多くの履歴書は人間が読む前にフィルタリングされ、そのフィルタリングは機械的すぎて、適切な候補者が誤った理由で除外されます。採用プロセスを構築する創設者は、メカニズムを理解する必要があり、ただパーセンテージについて議論するのではなくてです。
履歴書がATSにヒットしたときに実際に何が起こるのか
アプリケーショントラッキングシステムを通じて提出された履歴書は、人間が見る前に3つのステージを通過します。パース、適合性、ランキングです。各ステージは、候補者の実際の適合性とは関係のない方法で失敗する可能性があります。ハーバードビジネスレビューのアルゴリズムベースの採用分析によると、キーワードドリブンのシステムでは、人間のレビュー前にフィルタリングされる履歴書の割合は約72%です。より最近の独立した研究は、人気の「75%拒否」という主張に異議を唱えています。2025年の25人のリクルーターを対象とした調査では、自動コンテンツ拒否を有効にしているのは8%だけで、残りはノックアウトとオプションスコアに基づく人間のレビューに頼っていることがわかりました。誠実な読み取り: 多くの履歴書はサイレントアルゴリズムによって自動的に拒否されるのではなく、パースの失敗、弱いキーワードマッチ、ランキングシステムによって適切な候補者が除外されます。候補者にとっての結果は同じです。沈黙です。メカニズムは重要です。各ステージで修正が異なるからです。
ステージ1: パース — フォーマットが優れた候補者を殺すところ
パースは、システムが検索してランク付けできる構造化データに履歴書ドキュメントを変換する行為です。パーサーは、連絡先情報、仕事の経験、教育、スキル、セクション構造を抽出します。パーサーは、予測可能な方法で失敗します。
- マルチカラムレイアウト。 パーサーは上から下、左から右に読み取ります。サイドバーのヘッダーを持つ2カラムの履歴書は、ナンセンスにシリアル化されます。
- 画像内のテキスト。 パーサーはデフォルトでOCRを実行しません。グラフィックとして保存された名前またはスキルセクションは、不可視です。
- 埋め込みテキストボックスとテーブル。 標準のWord/Pagesテンプレートは、視覚的なレイアウトのためにこれらを使用します。抽出を破壊します。
- ヘッダー、フッター、サイドバー。 ヘッダーに配置された連絡先情報は、パーサーによって頻繁に無視されます。つまり、候補者のメールアドレスはシステムに到達しません。
- 特殊文字と不常なフォント。 カスタムシンボルと装飾フォントは、混乱します。
EDLIGOによる1,000件の拒否された履歴書の独立分析では、43%の拒否は、資格ギャップではなく、フォーマット、パース、または任意のフィルターフェイルであったことがわかりました。那は、無理のないエラーレートです。候補者が応募する前にフォーマットを修正すると、資格を変更せずに勝算を向上させることができます。
ステージ2: 適合性 — 語彙の違いが除外になる場所
パーサーが構造化データを取得した後、システムはそれを求人描述に比較します。大多数のレガシーシステムは、組み合わせの一部を使用します。
ハードキーワードマッチング — 正確なトークン。JDが「Kubernetes」を必要とする場合、「K8s」を含む履歴書は拒否されます。古いシステムはこれを行います。新しいシステムは、同義語辞書を追加しますが、カバレッジは不均一です。
セマンティックマッチング — 類似の概念を近くのベクトル空間にマッピングする埋め込み。ハードマッチングよりも優れていますが、ジョブタイトルやツール名が急速に変化するドメインでの語彙の変化に依然として脆弱です。
加重スコアリング — 必須スキルは、好ましいスキルよりも重み付けが高い。ここで、ほとんどのランキングが発生します。1つの「必須」キーワードが不足している候補者は、キーワードを持っているが、根本的なスキルが不足している候補者よりもランクが低くなります。
キーワードギャップの問題は、隣接する分野の境界で最も深刻です。「イベントドリブンのアーキテクチャを持つバックエンドサービスを構築した」という記述は、同等性を理解しないシステムでは、「REST API開発」と一致しない可能性があります。「5人の製品チームを率いた」という記述は、候補者の肩書が「創設PM」だった場合、「製品マネージャー」と一致しない可能性があります。語彙の変化は、非伝統的なキャリアパスと相関関係があります。これは、キーワードマッチングが線形ではないキャリアを持つ候補者を不当に除外することを意味します。小規模なスタートアップがよく求める候補者です。
ステージ3: ランキング — 質が生きるか死ぬか
適合性の後、候補者はランク付けされます。リクルーターは通常、ランク付けされたリストの上位10〜20%のみを読みます。パイプライン全体で最も重要な決定は、上位10〜20%に入るのは誰かというメカニズムです。これは、創設者がほとんど監査しないATSの部分です。
キーワードの重複に基づくランキングは、コードで説明可能ですが、実際の信号とバズワードサラダを区別するのが悪いです。求人描述のすべての単語を履歴書に貼り付けた候補者は、実際に仕事を配信した候補者よりもランクが高くなる可能性があります。成果ベースのランキング — これは、Curriculo ATSインパクトスコアリングに組み込まれたものです — これを逆転します。各候補者は、数量的成果、経験の関連性、キャリアトラジェクトリ、スキルの整合性に基づいて評価され、0〜100の合計スコアと書面の理由段落が付与されます。書面の理由は、解錠です。30の理由段落を30分で読む採用マネージャーは、モデルエラーを迅速に検出して、残りを信頼します。200枚のランク付けされていない履歴書を読む採用マネージャーは、ほとんど何も検出できず、信頼しません。
レッスンは、AmazonでDevが構築したランキングシステムから翻訳されます。ブラックボックススコアは信頼を得ることができず、信頼を得ることができないシステムは大規模に使用できません。那は、創設者がATSを支払うにもかかわらず、すべての履歴書を再読することの理由です。ATSは出力を生成しましたが、誰も検証できなかった出力でした。
Amazonでのランキング失敗から学んだこと
Curriculo ATSを創設する前に、創設者のDevは、Amazonの検索とレコメンデーションチームで数年間働きました。ATS設計のために、そこでの仕事から最も汎用可能なレッスンは、ランカーが静かに失敗したとき、ユーザーは在庫を非難するということです。セラーは、優れた製品がランク付けされない場合、Amazonを非難します。採用の場合、リクルーターは、優れた履歴書が浮上しない場合、候補者プールを非難します。両方の場合、実際の失敗は、ランカーの上流にあります。Amazonで機能した修正は、壊れたランカーの上にさらにルールを追加することではなく、ランカーを、入力が直接偽造できない信号で再構築することです。実際の購入データ。実際の返品率。検証されたレビューのパターン。同じ原則が、成果ベースの採用を推進します。候補者が偽造することなく詐欺を犯さなければならない信号（生成された収益、拡大したチーム、出荷されたシステム、解決された問題）に基づいてランク付けするのではなく、候補者が詰めることができるトークンに基づいてランク付けします。2番目のレッスンは、ほぼ文字通りに適用されます。説明可能なランカーがなければ、攻撃者によって逆エンジニアリングされます。Amazonでは、セラーは、キーワードタイトルを数週間でゲーム化しました。採用の場合、候補者は、数年でキーワードフィルタをゲーム化しましたが、ゲーム化は現在広く行われています。構造的な防御策は、実質と理由を読み取るランカーだけです。ATSスクリーニングをランキング問題ではなく、データ入力問題として扱う創設者は、ランキング問題として扱う創設者よりもクリーンなショートリストを終了します。ワークフローソフトウェアにAIが付いている場合です。
創設者として各失敗モードを修正する方法
10〜200人のスタートアップで採用を実行している場合、各ギャップを閉じるための実用的なプレイブックは以下のとおりです。
- パースを監査します。 5つの整形式の候補者履歴書を自分の申し込みフォームを通じて提出します。その後、ATSでそれらを開き、パースされたフィールドを確認します。30%にデータが欠けている、または混乱している場合、パーサーは静かに失敗しています。申し込み者も同様です。
- キーワードマッチングを監査します。 強力な履歴書を選択します。その履歴書は、JDとは異なる語彙を使用します。弱い履歴書を選択します。その履歴書は、JDを逐語的にコピーします。両方を提出します。弱い方がランクが高かった場合、ノイズに基づいてスコアリングしています。大多数のレガシーシステムは、このテストに失敗します。
- 理由を要求します。スコアだけではありません。 ATSが理由のない数字を生成する場合、チームは再びすべてを読み直します。つまり、使用していないスクリーニングに対して支払っていることになります。SHRMの平均コストパーハイヤーは5,475ドルで、そのうちの塊は、その無駄な時間を含みます。
- ステージドロップオフを追跡します。 受け取られた申し込みから最初のリクルーターコンタクトまでの申し込みの割合を測定します。60%未満の場合、トップオブファネルは漏れています。漏れは、通常、パースと低い信頼のランキングの組み合わせです。
- 1週間のシグナルのテストを実行します。 1つのオープンポジションを成果ベースのスクリーナーに移動し、ショートリストを現在のシステムが生成したものと比較します。テストは無料のStarterプランでは無料で、7日以内に、ボトルネックがツールかプロセスかを通知します。
次に何をすべきか
ブラックボックスの問題は解決可能ですが、最初から説明可能なツールで設計された場合のみです。成果ベースのスコアリングと書面の理由が含まれるCurriculo ATSのStarterプランを無料で見ることができます。無制限のアクティブジョブとチームメンバーを扱います。機能または価格を参照してください。採用アルゴリズムと偏見のより広いภาพについては、HBRの分析が適切な開始読み物です。
AmazonとSynopsysの元マシーンラーニングエンジニア。キーワードマッチングをCurriculo ATSに置き換えるために、成果ベースのAI評価を構築しました。ペンシルベニア州立大学の卒業生。採用、AI、ATS経済学、実際の仕事のパフォーマンスを予測するものについて書いています。