良い候補者を取りこぼさない書類選考のやり方

少しでも目立つ求人には、丁寧に読みきれる以上の履歴書が集まります。100通、300通、ときにはもっとです。書類選考とは、まさにこの瞬間に起きること、つまり誰かがこの山を、話を聞く価値のある人の短いリストに変えなければならない場面を指します。これを行き当たりばったりでやると、判断する人は結局、履歴書が届いた順番や、夕方5時の疲れや、実力とはほとんど関係のない印象で選んでしまいます。

もっとうまくやれますし、難しくもありません。ここから紹介するのは、選考が意味を持つあいだ公平さを保つための手順、見る価値のある評価軸、そして履歴書を読むことが役に立たなくなる地点です。

一言でいうと

うまく絞り込むとは、山を開く前に書いておいた物差しに照らして決めること、履歴書がほのめかすことではなく証明していることを見ること、そして読むことを最終判断ではなく最初の足切りとして使うことです。以下のセクションで、この3つをそれぞれ掘り下げます。

崩れない書類選考の5ステップ

1. 山を開く前に物差しを書く

最初の応募を見る前に、その求人で本当に成果を予測する要素を3つから5つ決め、それぞれに重みをつけます。シニアのバックエンド職なら、流行りのツールではなくその種の問題に取り組んだ経験、何かを最初から最後までやり切った証拠、自律して動いた形跡などです。この物差しがないと、その朝3通目の履歴書は、求人ではなく最初の2通と比べて判断されます。到着順が、誰にも気づかれないまま基準になってしまうのです。

2. 必須と歓迎を分ける

片方の列には、本当に足切りになるものを入れます。就労資格、業務に必須の登録、チームが使う言語などです。もう片方には、あれば理想だが後から学べるものを入れます。特定の技術スタックや、近い業界での経験などです。書類選考で最も多い誤りは、歓迎条件を必須条件に押し込み、早い段階で絞りすぎることです。1週間でそのツールを覚えてしまう人を、静かに切り捨ててしまいます。

3. ルーブリックで項目ごとに評価する

「関連する経験」に0から2で点をつけるほうが、「良さそうな人だと思った」よりも、判断が互いにそろいます。その差は、3週間後に誰かが「なぜあの人は通ってこの人は落ちたのか」と尋ねたときに表れます。ルーブリックがあれば、答えは書き残されています。なければ残るのは記憶だけで、記憶はすでに、採用された人に都合よく話を書き換えています。

4. 初回は氏名・写真・出身校を伏せる

氏名は性別や出身を連想させます。写真と年齢は、十いくつもの思考のショートカットに扉を開きます。出身校の名前は、権威という自動操縦を入れてしまいます。どの項目も実力を測りませんが、実力を測る部分にたどり着く前に、すべてが作動します。最初のひと通しでは、伏せてください。それぞれのバイアスの詳細と根拠は、採用バイアスの代表例11種類で扱っています。

5. 短いリストで読むのをやめる

書類選考はファネルの入口です。履歴書は、本人が選んだ書き方で「やったと言っていること」を語ります。次の段階では、その人が実際に何をできるのかを示さなければなりません。短いリストが実技の確認に早く出会うほど、判断は「履歴書をうまく書ける人」に左右されなくなります。履歴書をうまく書く力は、良いコードを書く力とは別の技能です。

重みを置くもの、無視するもの

履歴書のすべてが同じ価値を持つわけではありません。重みを置くべきは、文脈と結果を伴って本人が出したもの（「ビルド時間を12分から3分に短縮した」）、その種の問題に手を動かして向き合った実際の時間、そしてリポジトリや公開プロジェクト、ポートフォリオのように外から確認できるものです。

重みが小さいのは、盛るのが簡単なものです。冒頭に置かれた大企業の名前、その10年が何だったのかの手がかりが一つもない「業界歴10年」、誰でも末尾に貼れる技術の羅列。書類選考の最大のリスクは、まさにこの2つ目のリストで順位づけしてしまうことです。それが最も目につきやすく、書くのに最も手間がかからないからです。

バイアスに変わる誤り

完全一致のキーワードで絞るのが、最も高くつく誤りです。「React」を必須にするフィルターは、「SPAをゼロから書き直した」と書き、その単語をそのまま綴らなかったフロントエンドのシニアを落とします。誰を失ったかは見えないので、フィルターは機能したと思い込んでしまいます。

履歴書の空白期間を悪い兆候として使うのも、もう一つの誤りです。育児休業、家族の看病に充てた1年、長期の休職などが、いま本人が出せる成果とは何の関係もないのに、減点に変わってしまいます。

そして「カルチャーフィット」があります。これはときに、見栄えを良くしただけの「ソーシャルフィット」にすぎません。「うちに馴染みそう」は、たいてい「自分たちに似ている」という意味です。擁護できるカルチャーフィットとは、会社が文章にした価値観を共有していることです。それ以外は、基準のふりをした親近感です。

手作業か、ATSか、評価か

山を小さくする方法は3つあり、それぞれ解く問題が違います。

手作業での読み込みは、20通なら機能し、300通になると破綻します。ルーブリックがあって初めて一貫し、しかもシニアの時間を大きく食います。キーワードで絞る採用管理システム（ATS）は量をさばけますが、最適化された履歴書のバイアスを引き継ぎ、フィルターの機嫌をとるのが上手い人を優遇します。応募を整理するためのもので、誰が優れているかを測るためのものではありません。テストによる評価は、本人が言うことを読む代わりに、本人がすることを測ります。3つのうち、候補者が単に書き換えられない信号を生み出せるのはこれだけです。

AI履歴書スクリーニングは、後ろの2つのあいだに位置します。ATSのようにスケールしますが、依然として履歴書を読んでいるので、構造化された部分は当て、潜在能力の部分は外します。

Nortはどう解決するか

Nortでは、山は書類ではなく実力で絞り込まれた状態で届きます。プールの一人ひとりが、技術・語学・行動特性の評価を一度受けており、ビッグファイブやCEFRのような開かれたフレームワークを使っています。企業は履歴書を一枚ずつ読む代わりに、すでに評価された人のランキングを検索し、測定された内容で絞り込みます。うまく書けた履歴書のバイアスは、そもそも計算に入りません。山を読むのに費やしていた時間は、すでに実力を示した人と話す時間に変わります。

履歴書を読むことが無駄なわけではありません。ただ、必要としている問いより弱い問いにしか答えないのです。判断が求めているのは「本人が何を出せるか」なのに、履歴書が示すのは「本人が自分についてどう書いたか」です。

よくある質問

書類の「絞り込み」と「振り分け」は違うものですか

実務上は同じ工程です。「絞り込み」は要件を満たさない人を切る側に、「振り分け」は適合度で並べる側に少し寄っているだけです。まともなプロセスは、どちらも同じルーブリックで行います。

1日にきちんと選考できる履歴書は何通ですか

ルーブリックと構造化された読み方があれば、疲れがあなたに代わって決め始める前に、数十通というところです。それを超えると、時刻と順番のほうが候補者より重くなり、読む作業の一部を客観的なフィルターに置き換える価値が出てきます。

AIで履歴書を選考するのは公平ですか

AIが何を読むかによります。キーワードと書式で点をつけるなら、履歴書を最適化する人のバイアスを引き継ぎます。検証された指標で実力を測るなら、疲れた人間の目より公平になりがちです。ツールそれ自体が公平さを保証するわけではありません。

ブラジルの個人情報保護法（LGPD）は自動化された選考を制限しますか

ブラジルの個人情報保護法（LGPD）は、決定が機械だけで下されるとき、候補者に人間による再審査を求める権利を与えています。並べ替えて採用担当者が判断するための選考なら問題ありません。注意が必要なのは、誰も関与しないまま機械が単独で不合格を出す自動化です。

初回の読みで何を隠すべきですか

氏名、写真、年齢、住所、そして出身校の名前です。どれも、実力を分析する前に、性別・出身・学歴のバイアスを入れてしまう項目です。

まとめ

• 山を開く前に物差しと重みを書く。さもないと到着順があなたに代わって決めてしまう
• 必須と歓迎を分け、加点条件で良い人を落とさない
• ルーブリックで評価し、初回は氏名・写真・出身校を伏せる
• 履歴書が証明することに重みを置き、盛りやすいものは疑う
• 履歴書はファネルの入口。短いリストは次の読み物ではなく実技課題へ送る
• Nortは書類ではなく、評価済みプールで測定された実力で絞り込む

履歴書の山を読む前に、実力での絞り込みから始めたいですか。Nortの無料アカウントを作成して、次の採用で事前評価済みのプールを試してみてください。