採用KPIの自動集計 — 毎週のExcel作業を仕組みに変える

「金曜の午後は、レポート作ってたら終わるんですよ」

採用チームのマネージャーからよく聞く話です。各媒体の管理画面から数字を拾い、ATSから応募者リストを落とし、Excelに貼り、先週のファイルからピボットを引き継ぎ、経営会議用に整形する。毎週3〜4時間。皆さまの会社にも、この「金曜午後の人」がいませんか。もしかして、あなた自身ですか。

今回はこの作業を仕組みに変える話です。先に言い切っておきます。採用KPIの集計は、人がやり続ける仕事ではありません。僕たちは自社の人材紹介業務で、選考パイプラインの集計・滞留検知・日次レポート配信を自動化してきました。その実装経験を、事業会社の採用チームでも再現できる形に翻訳して書きます。

0. 前提 — レポートが重いのは、指標が多すぎるから

この記事は、専任のデータアナリストがいない中小規模の採用チームを想定しています。大企業のように専任担当が高度なBIツールを常時運用できる環境なら話は別ですが、多くの会社では、採用担当がKPI集計と本業の候補者対応を掛け持ちしています。だからこそ、道具は「凝ったもの」より「軽くて壊れないもの」が正解になります。

自動化の話の前に、身も蓋もない事実をひとつ。集計が毎週3時間かかる原因の半分は、見なくていい数字まで集計しているからです。媒体別×職種別×週次のクロス集計、ソース別のCPA、面接官別の通過率……。一度追加した指標は誰も削除を言い出さないので、レポートは年々太ります。そして太ったレポートは、読まれません。僕の体感値では、経営会議で実際に会話になる採用の数字は毎回3〜5個です。

だから最初の仕事は自動化ではなく削減です。残す指標の原則は2系統だけ。①通過率——応募→書類通過→一次面接→最終→内定→承諾の各段階で、何%が次へ進んだか。②滞留日数——各段階で候補者を平均何日待たせているか。この2系統で「どこで落ちているか」「どこで待たせているか」が分かれば、採用の打ち手はほぼ決まります。合計10個以内。それ以上は月次や四半期に回してください。

1. 第1段階 — 型の固定（自動化の前提づくり）

指標を絞ったら、レポートの型を固定します。毎週同じ表、同じ並び、同じ定義。「今週は経営会議があるから切り口を変えよう」をやめる。地味ですが、これが自動化の前提です。毎回形が変わる作業は、原理的に自動化できません。

定義の固定は特に重要です。「応募数」は媒体エントリー基準か、ATS登録基準か。「面接通過率」の分母に辞退者を含むか。この定義が揺れていると、自動化した後に「数字が合わない」騒ぎが必ず起きます。定義書はA4半分で十分なので、文字にして残してください。所要2時間の投資です。

2. 第2段階 — 半自動（ここまでで十分な会社が大半）

次に、データの流れを「手で拾う」から「落として流し込む」に変えます。具体的には、ATSから応募者データをCSVでエクスポートし、型の固定されたスプレッドシートに貼り付け、集計はすべて関数（ピボット・COUNTIFS等）が自動でやる状態です。人の作業は「エクスポートして貼る」だけ。ここまでで、週3〜4時間の集計は30分前後に縮みます。

生成AIが効くのはこの段階の2箇所です。①CSVの整形。媒体ごとに異なる列名や日付形式、「一次面接」「1次面接」のような表記ゆれの統一は、AIに「このCSVをこの形式に変換して」と渡すのが速い。定型化すれば毎週同じプロンプトで回ります。②関数やGASの作成。「この表から段階別通過率を出すピボットの設定を教えて」「毎週月曜にこのシートを自動更新するGoogle Apps Scriptを書いて」。エンジニアがいなくても、AIと往復すれば動くものが作れる時代になりました。ATSにAPIやエクスポート機能があるかどうかがここで効いてきます。ツール選定時に「データの出口」を確認すべき理由はATS選定の記事に書いたとおりです。

2-1. よくある失敗 — いきなり完全自動を狙う

この段階を飛ばして「全自動ダッシュボードを作ろう」とBIツール導入から入る会社がありますが、高確率で頓挫します。理由は単純で、型が固まっていない段階で作ったダッシュボードは、翌月には「見たい数字と違う」ものになるからです。半自動で3ヶ月回して、型が安定してから自動化する。遠回りに見えて、これが最短です。

3. 第3段階 — 自動配信（人が数字を「取りに行かない」状態へ）

型が安定したら、最後の段階です。スクリプト（GASなど）で毎週決まった時刻に集計を実行し、結果をメールやチャットに自動配信する。人が管理画面に数字を取りに行くのではなく、数字が人のところに来る状態です。

僕たちの実装で効果が大きかったのは、週次レポートよりむしろ滞留アラートでした。「書類選考のまま5日以上止まっている候補者」を毎朝自動で検知して通知する。採用のKPIが悪化する最大の要因は、誰かがサボることではなく、誰も気づかないまま候補者が待たされることです。承諾率の高い会社は例外なく選考スピードが速い。滞留アラートは、その速さを根性ではなく仕組みで作ります。

もうひとつ、AIの使いどころとして「コメントの下書き」があります。数字の変化に対して「先週比で書類通過率が下がった要因の仮説を3つ挙げて」とAIに列挙させ、人が現場に確認して1つに絞る。注意点はここでも同じで、断定はさせない。数字の理由は現場にしかなく、AIの断定をそのまま会議に出すと、もっともらしい誤診が独り歩きします。

4. 実装ロードマップ — 3ヶ月モデル

実務パートです。第1ヶ月：削減と固定。指標を10個以内に絞る会議（60分）、定義書の作成（2時間）、レポートテンプレの固定（2時間）。第2ヶ月：半自動化。ATSエクスポート→スプレッドシート流し込みの経路を作る。AIに関数・整形プロンプトを作らせる（合計半日）。金曜午後の作業が30分になったことを確認。第3ヶ月：自動配信。GAS等で週次配信と滞留アラートを設定（AIと往復しながら1日仕事）。うまく動いたら、浮いた時間の使い道をチームで決める——ここが一番大事な会議かもしれません。

（結論）数字を作る人から、数字で動く人へ

まとめます。①指標は通過率と滞留日数の2系統・10個以内に絞る。②型を固定しなければ自動化はできない。③半自動（エクスポート＋関数＋AI整形）で週30分まで縮む。④自動配信と滞留アラートで「数字が人に来る」状態を作り、AIのコメントは仮説列挙までにとどめる。

集計の自動化は、楽をするための話ではありません。採用担当者の仕事を「数字を作る人」から「数字を見て動く人」に変える話です。金曜午後の3時間が、候補者への電話1本、現場との会話1回に変わったとき、採用の数字は本当に動き始めます。

最後にもう一点。自動配信の仕組みができると、レポート作成の時間だけでなく「経営会議の準備時間」も一緒に縮みます。数字がすでに手元にあれば、会議前夜に慌ててスライドを作る必要がなくなるからです。KPI集計の自動化は、目に見える集計時間の削減以上に、採用チームの心理的な余白を作る施策だと僕は考えています。

皆さんいかがでしたでしょうか。チームのAI実装の現在地は、15問の診断でも確かめられます。では今日もがんばりましょう。