応募承諾→推薦の滞留モニター（見えない滞留を毎日2回可視化）

「応募承諾は出たのに推薦が出ない」。この見えない滞留区間を、毎日全件棚卸しする。

課題（Before）— 「内定・承諾」の一歩手前で候補者が冷える

上のフェーズ図の通り、この仕組みが効くのは応募承諾から書類推薦へ進む、内定・承諾の直前の工程です。ここは放置されやすく、数字で見ると深刻でした。

• 滞留が可視化されていない。滞留の理由は担当者の頭の中にしかなく、実データを棚卸しすると応募承諾のまま推薦されていない案件が104プロセス・32名分も積み上がっていました。候補者の熱量が冷めた頃に発覚する——これが実務の現実です。
• 最多の原因は「書類未回収」。調べてみると最多の原因は「履歴書・職務経歴書が未回収で、そもそも推薦できる状態にない」という単純なものでした。実データでは32名中24名が書類未登録で、なかには気づいた時点で73日間未回収のまま放置されていたケースもありました。
• 失注の重み。推薦に進めなかった1名は、成約に届いていれば手数料150万円規模（※仮定・御社単価で再計算可）の逸失です。承諾まで進んだ候補者を書類未回収というだけで失うのは、最ももったいない取りこぼしです。

仕組みの動き方（After）— 4ステップ

1. 毎朝、滞留を全件スナップショット。ATS上で「応募承諾のまま推薦されていない」全件を洗い出し、候補者×企業ごとに承諾日・滞留日数・キャリア概要を付けて配信。推薦に進めばリストから自然に消えるため、リスト自体が催促として機能する
2. 書類の有無を「実体」で断定。当初はATSの「レジュメ回収状況」という管理項目を見ていましたが、人が入力する項目は形骸化し実態とズレます。そこで添付ファイルの実体をAPIで読み、ファイル名から書類の有無を断定する方式へ切り替えた
3. 未登録・欠けを正確に色分け。この切り替えで、実データの「未回収の可能性24名」という曖昧な判定が「未登録4名／書類OK16名」に正確化。履歴書だけ欠け・職務経歴書だけ欠けといった欠品も特定し、誤って未登録扱いされていた候補者を救済
4. 状態に応じて号令を出し分け。書類が揃った候補者は推薦へ進む号令。未回収の候補者には「回収が先」という号令だけを出す。推薦できない状態のものにAIが推薦文を作ると誤ったシグナルになるため、そこは作らせない

通常運用はATSへの書き込みゼロ（読み取り＋メールのみ）の低リスク設計です。滞留の可視化は、読み取りだけで完結する最も安全な入口です。

効果 — 業務効率とクオリティの2軸

① 業務効率（時間の削減）

月間20件 × 現状15分/件 → AI後2分/件 ＝ 月約4.3時間の削減。「応募承諾のまま推薦前」で止まった候補者が、滞留日数順に毎朝並びます。 ※件数・分数は仮置きです。下の「効果シミュレーション」で御社の数字に差し替えられます。

② クオリティ（歩留まりへの効き方）

直接の歩留まりレバーではありませんが、見えなかった滞留を早期に解消することで、承諾前の離脱・冷え込みを防ぎます。

導入に必要なもの

• フェーズと終了状態で「次のアクションが取られていない案件」を機械的に定義できるATS
• 書類添付の実体をAPIで参照できること（自己申告項目ではなく実データで判定します）
• 「回収が先／推薦へ進める」の号令の出し分けルールの合意

ご相談ください

滞留の可視化は、読み取りだけで完結する最も安全な入口です。最初の1本としてもおすすめしています。

AI無料相談会に申し込む

人がやること：どれから動かすかの判断 — このカタログの全仕組みに共通する原則です。AIは下書きと巡回、人は判断と決裁。