ATSが優秀な候補者を無視している方法（とその対処法）

従来のATSプラットフォームは履歴書のキーワードを職務記述書と照合することで候補者をふるいにかけます。論理は単純で、履歴書が一致するキーワードが多いほど候補者はより関連性が高いと見なされます。

結果は予測可能です。候補者は実際のスキルや経験を反映しているかどうかに関係なく、職務記述書に合わせたキーワードを履歴書に詰め込むことを覚えました。この手法は広く行われており、LinkedIn Newsでも標準的な求職戦略として取り上げられています。

リクルーターにとっての結果は、応募者層の希薄化です。選考を通過するのは必ずしも最適な候補者ではなく、ATSに精通した者です。別の関連データが問題の規模を示しています：業界の調査によれば、最大で75%の履歴書が人間のリクルーターに届かないとされています。大量で低複雑性の職務ならばこのトレードオフは管理可能かもしれませんが、トップ人材を争う組織にとっては重大で且つほとんど目に見えない問題です。

履歴書は職務上のストーリーを圧縮したものです。従来のATSはそれをデータポイントの羅列として読み取ります。そのギャップは多くの採用チームが思っている以上に重要です。

非線形のキャリアパス、就業の空白、異業種での経験を持つ候補者は、能力がないからではなく、その経歴がキーワードの集合にきれいに対応しないために、ATSのフィルターで落ちてしまうことが常態化しています。採用評論家のAndrew Jenkinsが指摘するように、従来のATSは鈍器のように機能し、経験の微妙な差異を無視してすべての候補者を同じように扱います。

このコンテクストの欠如は候補者体験の悪化も招きます。承認もフィードバックも人間からの接触も受けられない応募者はデータポイントに還元されたように感じます。その印象は広がり、時間とともに雇用主のブランドを取り返しのつかないほど、そして費用をかけても修復が難しい形で蝕んでいきます。

この問題の規模はよく記録されています。2021年のHarvard Business Schoolの研究（2025年までの最新の研究でも一貫して引用されています）によれば、雇用主の88%が、ATSによって有資格な候補者を逃したと考えています。中程度のスキルを要する職種ではその割合は94%に上ります。

フォーマットはしばしば見過ごされる要因です。従来のATSプラットフォームは、図や表、非標準フォントを含む履歴書の解析に苦労します。視覚的に装飾された履歴書や特異なレイアウトの候補者は、人間の採用担当者がその名前を見る前に選考から除外されることがあります。システムが候補者を除外するのは、彼らが不適格だからではなく、文書が機械取り込みに最適化されていなかったためです。

その結果、組織自身が招いた人材ギャップが生まれます。

ATSプラットフォームの客観性は、それらを学習させるデータの客観性に依存します。過去の採用データが既存のバイアスを反映している場合、そのバイアスはスクリーニングロジックに組み込まれます。特定の学歴、キャリア経路、あるいは人口統計的特徴を持つ候補者が、意図せず体系的に有利または不利に扱われることがあります。

影響は重大になり得ます。連邦判事が2024年7月に訴訟継続を認めたMobley v. Workday事件は、米国におけるAI駆動の採用差別に対する最初の大規模な集団訴訟となりました。これは、多くの組織が自社のATS設定で十分に検討していないより広範なリスクを示しています。University of Washingtonによる2025年11月の研究（AAAI/ACM Conference on AI, Ethics, and Societyで発表）では、AIシステムが採用推薦で人種的バイアスを示した場合、人間のレビューアーがそのバイアスを反映してAIの好みに沿った候補者を選ぶ傾向があることが明らかになりました。AIの介入がなければ、同じレビューアーは偏りのない選択をしていました。言い換えれば、問題はアルゴリズムの内側に留まりません。