広く引用される「75%の履歴書は人間に届かない」という統計は、もはや存在しない企業の2012年の営業トークに由来しています。この数字には公開された方法論がありません。しかし、その数字が示そうとしていた根本的な問題は実在します：ほとんどの履歴書は人間が読む前にフィルタリングされ、フィルタリングのメカニズムが十分に機械的であるため、良い候補者が間違った理由で弾かれてしまいます。採用プロセスを構築している創業者は、単にパーセンテージについて議論するのではなく、そのメカニズムを理解する必要があります。
ATSに履歴書が届くと実際に何が起こるのか
応募者追跡システム（ATS）を通じて提出された履歴書は、誰かがそれを見る前に3つの段階を経ます：パース、マッチング、ランキングです。各段階は、候補者の実際の適合に関係ない方法で失敗することがあります。ハーバードビジネスレビューのアルゴリズムによる採用分析では、人間によるレビューの前にフィルタリングされる履歴書の割合はキーワード駆動のシステムで約72%とされています。最近の独立した研究は、「75%が拒否される」という普遍的な主張に挑戦しています。2025年の産業横断的な25人のリクルーターを対象とした研究では、自動コンテンツ拒否を可能にするのはわずか8%であり、残りはノックアウトおよびオプションスコアによって導かれる人間のレビューに依存しています。正直な読み方としては、ほとんどの履歴書は静かなアルゴリズムによって自動的に拒否されるのではなく、ほとんどがパースの失敗、弱いキーワードの一致、および資格のある候補者をノイズの多い候補者の下に埋めるランキングシステムの組み合わせによってフィルタリングされています。候補者にとっての結果は同じに見えます — 沈黙です。このメカニズムは重要です。なぜなら、修正は各段階で異なるからです。
ステージ1：パース — フォーマットが良い候補者を殺す場所
パースは、履歴書の文書をシステムが検索およびランキングできる構造化データに変換する行為です。パーサは連絡先情報、職歴、教育、スキル、およびセクション構造を抽出します。それ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。パーサはデフォルトではOCRを行いません。画像として保存された名前やスキルのセクションは見えません。
- 埋め込みテキストボックスやテーブル。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。抽出が破損します。
- ヘッダー、フッター、サイドバー。ヘッダーに駐在する連絡先情報は、パーサに無視されることが多く、候補者のメールがシステムに届かないことを意味します。
- 特殊文字や珍しいフォント。カスタムシンボルや装飾的なフォントが変形します。
EDLIGOによる1,000の拒否された履歴書の独立した分析では、拒否の43%がフォーマット、パース、または恣意的なフィルタの失敗であり、資格のギャップによるものではありませんでした。これは無理なエラー率です。応募する前にフォーマットを修正した候補者は、自分の資格を変えずにその確率を改善します。
ステージ2：マッチング — 語彙の違いが排除になる場所
パーサが構造化データを持つと、システムはそれを求人票と比較します。ほとんどのレガシーシステムは以下のいくつかの組み合わせを使用します：
ハードキーワードマッチング — 正確なトークン。求人票に「Kubernetes」と要求されると、「K8s」と言っている履歴書は拒否されます。古いシステムはこれを行います。新しいものは同義語辞書を追加していますが、カバレッジは不均一です。
セマンティックマッチング — 類似の概念を近接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良いですが、職務名やツール名が急速に変化するドメインで語彙の漂流に対して脆弱です。
重み付けされたスコアリング — 必要なスキルはnice-to-haveよりも高く重み付けされます。ここがほとんどのランキングが行われる場所です：「必要な」キーワードを欠く候補者は、キーワードは持っているが基礎的なスキルを欠く候補者よりも順位が低くなることが多いです。
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厳しく影響します。「イベント駆動型アーキテクチャを使用してバックエンドサービスを構築しました」という文は、変換に関する理解がないシステムでは「REST API開発」と一致しないかもしれません。「5人の製品チームを指導しました」という文は、候補者のタイトルが「設立PM」であった場合、「製品マネージャー」と一致しないかもしれません。語彙の漂流は非伝統的なキャリアパスと相関しているため、キーワードマッチングはリニアでないキャリアの候補者を不均等にフィルタリングします — まさに小さなスタートアップがしばしば求める候補者です。
ステージ3：ランキング — 質が生きるか死ぬかの場所
マッチングの後、候補者は順位付けされます。リクルーターは通常、ランキングリストの上位10〜20%のみを読みます。その10〜20%に誰が入るのかを決定するメカニズムは、全体のパイプラインで最も重要な決定であり、それはATS創業者があまり監査しない部分です。
キーワードの重複に基づくランキングは迅速で、コード内で説明可能ですが、実際の信号をバズワードサラダから分離するのが苦手です。求人票から得たすべての単語を履歴書に貼り付けた候補者は、実際に作業を出荷した候補者よりも高い順位になることがあります。結果に基づくランキング — Curriculo ATS Impact Scoringに組み込まれているものです — はそれを逆転させます。すべての候補者は、定量化された実績、経験の関連性、キャリアの軌跡、およびスキルの整合性に基づいて評価され、その後0〜100の総合スコアが与えられ、理由に関する書面の段落がペアになっています。書面による理由は鍵となります。30分で30の理由に関する段落を読む採用マネージャーは、モデルエラーを迅速に発見し、残りを信頼します。200の未ランキングの履歴書を読む採用マネージャーは、ほとんど何もキャッチできず、それに対して何も信頼しません。
教訓は、DevがAmazonで構築したランキングシステムから翻訳されます：ブラックボックスのスコアでは信頼は得られず、信頼を得られないシステムはスケールで使用できません。それが、創業者たちがATSにお金を払っているにもかかわらず、すべての履歴書を再読することになる理由です。ATSは出力を生成しましたが、誰も検証できる出力ではありませんでした。
Amazonで学んだランキングの失敗について
Curriculo ATSを創設する前に、私たちの創業者DevはAmazonの検索および推薦チームで数年を過ごしました。その作業からATS設計に対して一般化可能な教訓は、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。良い製品がランクされないと、売り手はAmazonを非難します；採用の場合、良い履歴書が浮かび上がらないと、リクルーターは候補者プールを非難します。いずれの場合も、実際の失敗は上流、すなわちランカーにあります。Amazonで効果があった修正は、壊れたランカーの上にさらにルールを追加するのではなく、入力が直接再現できないシグナルを中心に再構築することでした。実際の購入データ。実際の返品率。検証済みのレビューのパターン。同じ原則が結果に基づく採用を推進します：候補者が詐欺を働かずに作り出せないシグナル（生成された収益、スケールしたチーム、発送されたシステム、解決された問題）に基づいてランク付けし、誰でも詰め込むことができるトークンには基づきません。二番目の教訓は、ほぼそのまま適用されます：説明可能性のないランカーは、対抗者によってリバースエンジニアリングされます。Amazonでは、売り手が数週間以内にキーワードタイトルを操作する方法を学びました。採用においては、候補者が数年以内にキーワードフィルターを操作する方法を学びましたが、現在その操作は広範囲に行われています。唯一の構造的な防御は、実質を読み込み、その理由を示すランカーです。ATSのスクリーニングをデータ入力の問題ではなく、ランキングの問題として扱う創業者は、AIが追加されたワークフローソフトウェアを扱う創業者よりもクリーンなショートリストを得ることになります。
創業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運営している場合、各ギャップを埋めるための実践的なプレイブックは次の通りです：
- パースを監査します。自社の応募フォームを通じて5つの整然とした候補者の履歴書を提出します。その後、それらをATSで開き、パースされたフィールドを確認します。30%に欠落または混乱したデータがある場合、あなたのパーサは静かに失敗しています — そして一部の応募者もそうです。
- キーワードマッチングを監査します。求人票とは異なる語彙を使用した強力な履歴書と、求人票をそのままコピーした弱い履歴書を用意します。両方を提出します。弱い方が高い順位になる場合は、ノイズにスコアリングしています。ほとんどのレガシーシステムはこのテストに失敗します。
- スコアだけでなく理由を要求します。ATSが説明なしに数字を生成する場合、チームはすべての人を再度読まざるを得なくなります。これは、実際には利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を意味します。SHRMの平均採用コスト$5,475には、その無駄な時間の一部が含まれています。
- ステージのドロップオフを追跡します。受け取った応募が初めのリクルーター接触に移行する割合を測定します。それが60%未満の場合、あなたのファネルは漏れています。そしてその漏れは通常パースプラス低信頼ランクです。
- 1週間のシグナルテストを実行します。1つのオープンな役職を結果に基づくスクリーナーに移し、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プランで何もコストがかからず、ボトルネックがツールなのかプロセスなのかを7日以内に教えてくれます。
次に何をするか
ブラックボックスの問題は解決可能ですが、説明可能性を念頭に置いて最初から設計されたツールによってのみ解決できます。結果に基づくスコアリングと書かれた理由が自社のインバウンドでどのように見えるかを確認したい場合、無料のCurriculo ATS Starterプランは無制限のアクティブジョブと無制限のチームメンバーを扱うことができます - 機能や価格をご覧ください。採用アルゴリズムとバイアスに関するより広い視点については、アルゴリズムによる採用のHBR分析が良い出発点です。
以前はAmazon（検索と推薦）の機械学習エンジニアであり、Synopsysのエンジニアでもありました。キーワードマッチングを採用における結果に基づくAI評価に置き換えるためにCurriculo ATSを構築しました。ペンシルベニア州立大学の卒業生です。採用AI、ATS経済、および実際に仕事のパフォーマンスを予測することについて書いています。