日本のエージェンシーが、主要な成功報酬型データベース(ビズリーチ、リクルートダイレクトスカウト、doda X、AMBIなど、エージェンシー向けスカウトプラットフォームの代表格)を通じて1件成約させると、データベース利用料は¥70万〜¥105万。これは、エージェンシーが受け取る紹介手数料の20〜30%にあたる。同じ金額をHeadhunt.AIのクレジット(エンタープライズ単価¥63.75/マッチ1件)に回せば、400万件超の日本特化データベースから、10,980〜16,470人の候補者が、スコア付き・ランク付きで返ってくる。

これは、ソーシング業務で最もコストの大きい項目に、5桁の開きが生まれるということだ。さらに重要なのは、その13,000人超は、成功報酬型プラットフォーム上で誰にも触れられていないという点だ。アウトリーチは、自社のLinkedInアカウント、CRM、現在使っているアウトリーチ基盤を通じて送る。接触履歴は残らない。新たな条件付きの手数料も発生しない。

¥875,000
→ 13,725人のマッチング候補

計算: ¥875,000 ÷ ¥63.75/マッチ = 13,725人。30%なら16,470人。20%でも10,980人。下限は10,000人超。案件によらず成立する。

すべての案件で、まずHeadhunt.AIを使う。成功報酬型への支払いは、自然と減る。

02エージェンシー手数料は、どこへ流れたか。

日本の主要な人材スカウトデータベースは、ビジョナル株式会社(東証:4194)が運営するビズリーチだ。以下は、同社が2026年3月17日に開示した2026年7月期 第2四半期累計決算からの引用。業の性質ではなく、市場規模の物差しとして読んでほしい。

466億円上半期 連結売上高
+26.2%前年同期比 成長率
82%ビズリーチ事業の比率
992億円通期売上見通し

出所: ビジョナル2026年7月期上半期決算、2026年3月17日付の東証適時開示。ビズリーチ事業セグメントの上半期売上は383億円(前年同期比+19.2%)、本社費用配賦前の調整後営業利益率は42.7%。標準ヘッドハンタープランは半年あたり¥60万円、加えて、成約時の成功報酬。同社の公表資料によれば、採用企業41,800社超、稼働中のヘッドハンターアカウント9,700超。

プラットフォーム側のビジネスは、同じ性質の収益源を糧に、10年以上にわたって複利で成長してきた。プラットフォームが雇用も教育も配属もしていない候補者の成約に対して、エージェンシーや採用企業から徴収される手数料だ。候補者の情報は公開されている。実務を担うのは、エージェンシーだ。これらのプラットフォーム経由の成約は、どれも、別の経路でも実現できたはずである。ただ、ごく最近まで、別の経路を回すコストのほうが、データベース手数料より高くついた。だから多くのエージェンシーが、データベースを主たるチャネルにしてきた。06章で、何が変わったかを示す。

問題は、利益率ではない。御社の損益計算書から削られている部分のほうだ。

03コストは1層ではなく、3層ある。

多くのエージェンシー経営者は、成功報酬型データベースのコストを、2つの項目として捉えている。月額の利用料と、成約時の成功報酬だ。ところが、3つ目の層がある。年間契約のあいだに、何千件ものアウトリーチに対して、静かに積み上がっていく層だ。

  1. 月額利用料(サブスクリプション) ── およそ¥1.2M/年

    主要プラットフォームの標準ヘッドハンタープランは、半年あたり¥60万円。成約件数にかかわらず、前払い・一括。中堅プラットフォームはこれより低く、エンタープライズ層はこれより高い。

  2. 成功報酬(成約時の利用料) ── ¥70万〜¥105万

    紹介手数料の20〜30%。プラットフォーム経由で接触した候補者が成約するたびに、運営会社に支払う。基本年収¥1,000万、紹介手数料35%の案件で、おおむね¥70万〜¥105万になる。

  3. 接触履歴に伴う契約上のリスク ── スカウト送信のたびに発生

    国内の主要な人材データベース契約には、監査・帰属に関する条項が含まれている。プラットフォーム上で接触した候補者が成約すると、最終的にどの経路から応答が返ってきたかに関係なく、運営会社への成功報酬支払い義務が発生し得る。条件は運営会社で異なるが、業界全体で構造は共通している。

  4. 中規模デスクのカテゴリ年間支出 ── ¥800万〜¥2,200万+

    月額利用料に、年間10〜20件の成約に対する成功報酬。さらに、帰属が曖昧な成約に対する残存リスク。

最初の2層は、予測できる。3層目、つまりプラットフォーム上で記録の残ったアウトリーチに紐づく成約への、後から発生しうる請求は、予測できない。その3層目は、Headhunt.AIには存在しない。

ソーシングのコストは、一度払うか。候補者が動くたびに払い続けるか。

04契約条項を読み違えた、そのコスト。

2023年1月20日、株式会社フォースタートアップス(東証:7089)が、ある修正再表示を開示した。国内の上場人材紹介エージェンシーである同社は、2018年3月期まで遡って決算を修正。複数の人材データベース運営会社への未払い分として、売上原価に¥4.02億円を追加計上したのである。うち¥1.18億円が未払元本。¥2.83億円は契約上の違約金、元本に対して2.4倍の割増だ。

原因は、同社自身の言葉によれば、「規約の誤認」である。一人の転職希望者が複数のデータベースに同時に登録されているときの、手数料の帰属に関する条項を、読み違えていた。複数の運営会社の契約条項では、最終的に成約したのがどのデータベース経由だったかに関係なく、その候補者が接触したすべての運営会社に対して、手数料が発生する可能性があった。同社はその後、複数の運営会社との協議を経て、これを解決した。

¥4.02億売上原価への遡及計上総額
¥1.18億未払元本(規約の誤認による)
2.4×元本に対する違約金倍率

出所: 株式会社フォースタートアップス適時開示(TDnet)、2023年1月20日。2023年3月期 第3四半期決算説明会。同社は契約相手方を「各求人データベースの企業」(複数の運営会社を指す表現)と記述し、「各社と相談した結果」(各運営会社との協議による解決)として説明している。

これは、エージェンシーが成功報酬型データベースに対して負っている契約上のリスクが、運営会社の監査と権利行使によって実際に表面化した、公的記録に残る唯一の事例である。同業他社の多くも、似たリスク構造を抱えている。ただ、証券開示の圧力下に置かれていないため、表に出てきていないだけだ。

単一の運営会社の話ではない。業界共通の教訓である。

構造的な仕組み(候補者が複数のデータベースに同時に登録されているときに、各運営会社が成約手数料を主張できる、という帰属条項)は、業界全体の契約に共通している。フォースタートアップス自身、契約相手方を複数形で記述している。御社のデスクで問われるべきは、その事例に登場した運営会社が誰かではない。いま御社が使っているすべてのデータベースをまたいで成立している帰属計算が、同じ監査に耐えるかどうかだ。

変わったのは、アクセスではない。処理速度だ。

成功報酬型データベースが、2010年代を通じて国内エージェンシーの主要なソーシングチャネルのひとつになったのには、もっともな理由がある。LinkedIn上の公開プロフィールは、いつの時代も最大の母集団だった。だが、現場で必要とされる処理速度でその母集団を扱おうとすると、リクルーターの労働コストのほうが、データベース手数料より高くついた。条件に合う候補者1人あたりの獲得コストで計算すると、多くのエージェンシーにとって、データベースを主たるチャネルにすることが合理的だった。

ところが、過去24〜36ヶ月で、その計算が変わった。フルプロフィールに対するAIスコアリングが、実用に耐える規模で動くようになった。前ページの事例は、もはや特定の運営会社についての教訓ではない。AIファーストの代替手段がこの処理速度を持っていなかった時期に、ひとつのソーシングチャネルに過度に依存していたことの教訓だ。その時期は、終わった。

契約上のリスクは、チャネル集中のコストだ。解決策は、チャネルの分散化にある。

051件あたり、+¥60.8万円の利益。

プラットフォームのことは、いったん忘れよう。基本年収¥1,000万の案件を、2通りで比較する。顧客は同じ。顧客から受け取る手数料も同じ。違うのは、候補者を浮かび上がらせたソーシング層だけだ。成功報酬型プラットフォームの代表格としてビズリーチ(典型的な25%レンジ)を例に取り、Headhunt.AIファーストの経路と比べてみる。

経路 A · ビズリーチ経由 経路 B · AI ファースト
顧客が紹介手数料を支払う(基本年収の35%) ¥3,500,000 ¥3,500,000
ビズリーチへ支払い(紹介手数料の25%) −¥875,000 ¥0
Headhunt.AIへ支払い(40面談 × 約¥6,667) ¥0 −¥267,000
自社に残る純利益 ¥2,625,000 ¥3,233,000
1件あたりの利益 基準 +¥608,000

25%(20〜30%レンジの中央値)で見れば、差分は1件あたり+¥60.8万円。12人体制のデスクで年間90件成約する場合、年間およそ¥5,500万円の利益回復に相当する。

同じ手数料。違う利益。

06変わったもの。変わらなかったもの。

「条件に合う候補者をどこから探すか」が問いなら、多くの経営者の答えはひとつだ。成功報酬型データベースの登録母集団。だが、条件に合う候補者は、いつの時代も3つの場所に存在してきた。過去24〜36ヶ月で変わったのは、母集団そのものではない。それを処理する速度だ。

公開プロフィールデータは、新しくない。

LinkedInは長年にわたって、日本の現役の専門職人材の最大の母集団だった。シニアリクルーターなら誰でも知っている事実だ。ごく最近まで難しかったのは、そのデータを実際に扱うための処理速度である。ブール検索式、手作業のロングリスト作成、在籍年数や企業ティアの目視評価。多くの案件で、母集団を手作業で扱うリクルーターの労働コストのほうが、成功報酬型データベースの手数料より高くついていた。

これが、2010年代を通じて成功報酬型データベースが国内エージェンシーの主要なソーシングチャネルのひとつになった、正直なところの理由である。候補者がほかの場所にいなかったわけではない。いつの時代も、どこにでもいた。ただ、ほかの場所で扱おうとすると、リクルーターの労働コストのほうが、データベース手数料の現金支出より高くついた、それだけだ。

新しいのは、AIスコアリングだ。

日本市場で、フルプロフィールに対する商用品質のスコアリングが、実用に耐える規模で動くようになった。バイリンガルのシグナル評価も、在籍年数のパターン分析も、企業ティアの連鎖評価も、すべて含めて。これは、過去24〜36ヶ月の話である。かつては条件に合うプロフィールを週に数件しか評価できなかった同じリサーチャーが、いまは数千件を数分で評価する。しかも、案件記述に対して一貫したスコアリングがついた状態でだ。母集団は、ずっとそこにあった。新しくなったのは、処理速度である。この一点が、かつては条件に合う候補者1人あたりのコストで成功報酬型データベースが安かったという計算を、根本から書き換える。

母集団は、ずっとそこにあった。変わったのは、処理速度だ。

3つの層、すべて今は届く。

Headhunt.AIは、3つの層の候補者データを対象に動く。3層すべて、原理的には以前から扱える対象だった。変わったのは、それを扱う経済性だ。

第1層。公開プロフィールデータ。 公開された専門職プロフィールデータ（LinkedInを軸に、候補者が活動している場合にはX（旧Twitter）、GitHub、Facebook、Instagramの公開シグナルも組み合わせて参照）は、現役の専門職について構築された、かつてない規模で、しかも最新の状態に保たれているデータセットだ。Headhunt.AIは、400万件超の日本特化プロフィールを継続的に更新している。競争上の問いは、データが存在するかではない。御社のソーシング手段が、それを実際に浮かび上がらせるかどうかだ。日本のシニア候補者の多くは、ブール検索で拾える形でプロフィールを書いていない。データの中にはいる。だが、ブール検索には絶対に出てこない。

第2層。AI による拡張(エンリッチメント)。 Headhunt.AIは、在籍年数のパターン、企業ティアの連鎖、キャリアの屈折点、バイリンガルのシグナルとその文脈、隣接業界との関連性を、スコアリングする。元のプロフィール文面には現れない情報層だ。AIは、各候補者を案件記述に対して、文の単位で評価する。ブール検索は、文字列単位で評価する。

第3層。御社のATS。 Headhunt.AIを御社のATSに連携させると、これまでに登録されてきたすべての候補者に対して、同じスコアリングが走る。御社が過去10年にわたって成功報酬型データベースに支払って獲得してきた候補者は、いまもシステム内に残っている。再評価されないまま、だ。Headhunt.AIが、それを新しい案件に対して再スコアリングする。御社が過去に料金を払って獲得した候補者を、新しい案件で、もう一度成約候補にできる。新たなデータベース接触なし。新たな条件付きの手数料なし。

候補者は、消えていない。御社のATSの中に座っている。一度料金を払ったきり、再評価されていないだけだ。

07契約上のリスクを、成約前に可視化する。

成功報酬型データベースの多くには、オーナーシップ期間が設けられている。期間の長さは、運営会社や契約条件によって異なる(御社のリクルーターがプラットフォーム上で接触した候補者に対して、最終的な成約経路にかかわらず、成功報酬の支払い義務が発生し得る期間のことだ)。03章で示した3つ目のコスト層が、予想外の請求書になって戻ってくるのは、誰がいまどの運営会社のオーナーシップ期間内にいるかを、候補者単位で社内で把握できないからだ。

ATS連携・ショートリストごとに、可視化。

Headhunt.AIが御社のATSと連携すると、システム内のすべての候補者が、新しい案件に対して再スコアリングされる。さらにその連携は、御社のリクルーターが、過去に成功報酬型データベース経由で接触している記録があるかどうかを表示する。どのプラットフォームで、いつ、運営会社の典型的なオーナーシップ期間内にあるかどうかまで含めて、だ。出力は、ショートリストの1列。クリーン、1社にリスク有、複数社にリスク有、の3区分。04章のフォースタートアップスのケースが、成約前に可視化される。

ショートリストを、意図して構築する。

リスク列が見える状態で、御社のリクルーターは、すべての情報を持ったうえでショートリストを組む。1社にリスクが残っている候補者を、フィットが条件付きコストを正当化する場合に、あえて入れる。多社にリスクが残っている候補者を、リスクを許容できない案件で、フィルタで一括除外する。どちらの判断も、意図的なものになる。3層目のコストは、御社のチームが可視性を持った瞬間に、積み上がるのを止める。3ヶ月後の請求書ではない。

監査への備え、最初から。

いずれデータベース運営会社のアカウントチームから、過去24ヶ月分の手数料調整通知が届く日が来る。カテゴリの規模を考えれば、これは時間の問題だ。そのとき、御社の経理部門には、1件ごとの帰属データがある。すべての過去接触、すべてのプラットフォーム、すべての日時。04章のフォースタートアップスのケースは、可視性を持って運用しているエージェンシーには起きない。可視性を持たずに運用しているエージェンシーに起きる。

フォースタートアップスの¥4.02億円が、いまはショートリストの1列として表示される。

08AI ソーシングを先に。成功報酬型は、補完に。

ここでの主張は、明日にでも成功報酬型データベースの契約を解除しろ、というものではない。ほとんどのデスクにとって、それは早計だ。これらのプラットフォームには、いまも使い道がある。アクティブな求職者の流入を捕まえる場面。AIスコアリングが本当に苦戦するセグメント。本書で言っているのは、順序の話だ。

  1. すべての案件で、まずHeadhunt.AIを走らせる。

    JDを貼り付ける。ランク付きのリストが返ってくる。成功報酬型データベース上のブール検索では絶対に出てこない候補者が、浮かび上がる。アウトリーチは、自社のLinkedInアカウント、CRM、現在使っているアウトリーチ基盤を通じて、コールドで送る。成功報酬型プラットフォーム上では、誰もこの候補者群に触れていない。

  2. トップ層の候補者に、誰よりも先に到達する。

    AIが浮かび上がらせる候補者は、定義上、ほかのエージェンシーが成功報酬型データベース上で同じブール検索を叩いて、まだ接触していない層だ。返信率は、構造的に高くなる。

  3. 残った案件で、成功報酬型データベースに戻る。

    AIが返したリストに条件に合う候補者が足りない場合(ニッチな検索や、狭い技術領域では起こりうる)、既存のプラットフォーム契約はそのまま残っている。使う回数が、減るだけだ。

この順序を運用するデスクは、プラットフォーム経由とされる成約が、2〜3四半期で目に見えて減ってくることを期待できる。月額利用料は、より小さく、合理的に説明できるコスト項目に縮む。3層目の契約上のリスクは、積み上がるのを止める。

道具は、コストに見合う働きをするか、しないか、どちらかだ。見合うときだけ使え。

09取り戻した利益の、使い道。

成功報酬型データベースの支出から外れた金額は、消えるわけではない。再配分できる資本に変わる。向かう先が3つある。そして、向かわせてはいけない場所がひとつある。

向かわせるべき先。

  1. シニアリクルーターの報酬。

    3つの中で、最もインパクトの大きい配分先だ。国内エージェンシーの標準的な報酬構成(35〜45%)で、シニアビラーは追加成約の相当割合を持っていく。残りは、会社の利益になる。取り戻した支出をシニアの報酬に再投資すれば、定着率とアウトプットの両面で、短期的な改善が出る。

  2. リサーチャー、アソシエイトの増員。

    AI層は、かつてリサーチャーの時間のおよそ50%を占めていた候補者特定の作業を吸収する。同じ人数のリサーチャーで、ビリング規模を2〜3倍まで支えられる。リサーチャーを置き換えるのではなく、増員する。これが、生産性向上を複利で積み上げる最も確実な方法だ。

  3. 自社の候補者データベース。

    Headhunt.AIで行う検索のすべてが、自社が管理するワークスペースに、スコアリング済み・構造化済みの候補者データとして蓄積されていく。6〜12ヶ月で、そのワークスペースは、AIスコアリング済みの構造化資産になる。成功報酬型データベースが、絶対に御社には渡さない種類の資産だ。このデータは、自社のものである。

向かわせてはいけない先。

見えなくなってはいけない。追跡項目なしに一般運営費へ吸収された回復支出は、四半期のノイズに消える。最初の12ヶ月は独立した予算カテゴリとして扱い、毎月、対比しながら報告する。そうしないと、削減効果は会社全体の数字には積み上がっても、個々のスコアカードには現れない。

自社の利益を流し込むなら、最悪の場所だ。明確に引き上げているのを示すなら、最良の場所でもある。

10同業から実際に、受けた反論。

過去12ヶ月で、同業エージェンシーの経営者から実際に聞いた7つの問い。それぞれに、はぐらかしではなく、率直に答える。

「うちの成約の半分は、成功報酬型データベース経由だ。その流れを止めるリスクは取れない。」

止める必要はない。提案しているのは、置き換えではなく順序だ。すべての案件で、まずHeadhunt.AIを前段に置く。プラットフォーム契約は、残った案件のために残しておく。多くのデスクは2四半期以内に、その量が契約縮小を交渉できる規模まで小さくなることに気づく。だが、その判断は、自社の現場で証拠が出てからでよい。

「うちのリクルーターは、ワークフローを変えない。今のやり方が好きなんだ。」

リクルーターが抵抗するのは、仕事を増やすツールに対してだ。Headhunt.AIは、仕事を減らす。ロングリスト作成、ブール検索の試行錯誤、ノイズの選別。ワークフローの変化は、検索構文を書く代わりにJDを貼り付ける、それだけだ。最初の1週間が過ぎると、抵抗の向きは逆転する。試したリクルーターが、すべての案件で使いたいと言い始める。

「なぜLinkedInを直接使わないのか。同じデータだろう。」

もっともな指摘だ。データの重なりは確かにある。Headhunt.AIの基盤層は、LinkedInを軸とした公開プロフィールデータだ。候補者が活動している場合には、X（旧Twitter）、GitHub、Facebook、Instagramの公開シグナルも組み合わせて参照する。違うのは処理速度である。LinkedInを直接ブール検索で扱う場合、労働コストはリサーチャー側に発生する。さらに、見えるのはLinkedIn内の情報だけだ。Headhunt.AIは、同じ400万件超の母集団をJDに対して数分でスコアリングし、ランク付きの候補者を数百〜数千人浮かび上がらせる。候補者がLinkedIn外で活動している領域については、クロスソースの文脈も合わせて参照する。コアのデータは同じ。だが、条件に合う候補者1人あたりのコストは、まったく違う。そこに、別ソースのシグナルがある場合はそれも上乗せされる。

「成功報酬型データベースには、Headhunt.AIにいない候補者がいる。アクティブな求職者だ。」

その通りだ。求人データベースに明示的に登録したアクティブな求職者には、公開プロフィールデータベースとは違う形でアクセスできる。アクティブな求職意思が主なフィルタになる案件(ジュニア〜ミドルのマス向け、一定のボリューム採用)では、その流入には実用的な価値がある。だが、エージェンシー業務で最も利益率の高い成約は、パッシブなシニア候補者から出る。そこでは、アクティブな求職意思によるフィルタは、強みではなく足かせだ。

「これがそんなに優れているなら、なぜ知っている同業がまだ動いていないのか。」

動いている会社はある。先に動いた会社は、それを宣伝していない。理由は単純だ。データベース集中の事実を、どのエージェンシーも自ら大きく開示してこなかった理由と同じ。証券開示の圧力下に置かれるまで、誰も話さなかった。移行は利益面での優位であり、利益面の優位は、プレスリリースで発表する種類のものではない。話を聞くとしたら、ほとんどの場合、いま御社と同じ成熟段階にある同業の経営者からだろう。

「契約には、早期解除を高く付ける条項がある。」

ほぼすべての契約に、ある。私たちは早期解除を勧めているのではない。契約を成長させる側の会社で居続けるのは、やめるべきだ、と言っている。シート数を減らして更新する。成功報酬の料率を交渉して下げる。AIファースト型のソーシング層を使って、その縮小の根拠を、プラットフォーム側のアカウント担当者に合理的に説明できる材料を持つ。彼らも、御社が完全に離れるのを望んでいない。完全離脱を受け入れる前に、小さな契約を受け入れる。レバレッジが最も効くのは、自社の現場で代替案が機能している証拠を持っているときだ。

「前にAIソーシングツールを試した。ノイズばかりだった。」

多くはそうだ。これに対する最もきれいな対処は、議論ではなく11章の検証だ。同じJDを、Headhunt.AIと、御社が手元に持っているほかのものに通す。私たちは主要なグローバルツールに対して定期的にベンチマークを取っている。日本特化の候補者データに関する限り、品質の差は大きい。リストが御社の案件で目に見えて優れていなければ、それで終わりにしてよい。検証コストは¥7.5万円。多くのエージェンシーのコスト構造では、リクルーター1日分にも満たない。

限界について。

AIソーシングは、明日のうちに成功報酬型データベースを陳腐化させるわけではない。登録済み候補者の母集団に対する、アクティブな求職意思のフィルタが、本当に良いリストを生む案件もある。ボリュームの大きいミドル市場の案件は、特にそうだ。そうした場面では、プラットフォームを使えばいい。ここでの主張は、特定のセグメントにおける構造的な優位性であって、普遍的な主張ではない。

まずAIで、先頭を取る。残った案件で、成功報酬型データベースに戻る。

11行き詰まった案件で、試せる検証方法。

本書に書かれていることはすべて、自社の現場で実在の案件にぶつけるまでは、机上の話にすぎない。所要2分。同日中に答えが出る。

検証 · 一行で

行き詰まった案件1つ。スコア付き候補者500人。¥7.5万円。契約なし。

既存の成功報酬型データベースで2ヶ月以上動かしている案件を1つ選ぶ。それをHeadhunt.AIに通す。AIが浮かび上がらせた上位100人を、自社チームがすでに接触している候補者と比較する。

上位100人のうち、たった1人でも自社チームにとって新規の名前があれば、Headhunt.AIは、現在のプロセスが構造的に取り逃している人材を見つけているということだ。最も難しい案件で、契約上のリスクなしに、コンセプトの実証ができる。

  1. ¥7.5万円のクレジットパックを購入する。

    500クレジット = ESAIスコア50以上のマッチング候補、最大500件。月額利用料なし。年間契約なし。クレジットは無期限。

  2. デスクで最も難航している案件を選ぶ。

    フェアな検証になるのは、既存のデータベースで掘り尽くした案件だ。AIスコアリングが効くセグメント(バイリンガル金融、IT、営業、人事、マーケティング、GTM、オペレーション、ほとんどのエンジニアリング)のミドル市場・成功報酬案件は、最も明快な結果が出る。

  3. 上位100人を、既存のパイプラインと比較する。

    問いはひとつだけ。このリストの中に、自社チームがまだ接触していない候補者はいるか?100人のうち1人でも該当するなら、答えは出ている。¥7.5万円で、判断の材料が手に入った。

¥7.5万円で、新規の候補者が返ってくる。

127つの診断的な問い。

最初に問うべきは、「データベース契約を解除すべきか」ではない。データベース集中リスクに関する、業務上の診断項目である。目的は、具体的な数字で答えられるものと、抽象論でしか答えられないものを切り分けることだ。後者のリストこそ、取り組むべき場所である。

  1. 前四半期の成約のうち、最初に成功報酬型データベース経由で発見された候補者と、それ以外のチャネルで発見された候補者の比率を、リクルーター単位で計測しているか。会社全体の推定ではなく、計測値として。
  2. 月額利用料と成功報酬を合計した、成功報酬型データベースの年間総コストを、紹介手数料売上に対する%で把握しているか。多くの経営者は10〜15%と答える。月額利用料、成功報酬、契約上のリスクから発生する手数料を合算すると、実際の数字はそれより高いことが多い。
  3. プラットフォーム経由で接触したが、別チャネルで成約した候補者に対する条件付きの手数料負担を、把握しているか。把握していないなら、それが損益計算書に計上されていない3層目だ。
  4. もし明日、データベース運営会社のアカウントチームから過去24ヶ月分の手数料調整通知が届いたら、経理部門は報告された帰属を1件ずつ説明できるか。それとも、示談するしかないか。
  5. 前四半期のショートリストのうち、求人プラットフォームに登録していないパッシブな候補者から構成されている割合は。50%を下回るなら、ソーシングは、同じアクティブな母集団を叩き続けている他社と、競合している状態だ。
  6. 過去12ヶ月のあいだに、実在の求人で構造化されたAIソーシング検証を1度でも実施したか。それとも現在の見解は、ベンダーのデモと同業者との会話に基づいているか。
  7. もし明日、同業エージェンシーが「同じ件数の成約を、成功報酬型データベース支出を15%減らして達成した」と発表したら、具体的な対応策は何か。
スコア解釈

6〜7項目: 集中リスクは見えている。次は11章の検証に進む段階。

4〜5項目: 可視性はあるが、対応の仕組みがない。具体的な答えに最短で行く道は、検証だ。

2〜3項目: 集中リスクは現実にあり、コストを過小に見積もっている可能性が高い。

0〜1項目: 可視化できないまま、運営している。リスクの大きさは、契約条項の言うがままだ。

13率直な見解。

日本の外部の人材データベース(その最大手がビズリーチだ)は、本物の市場を作った。2010年代を通じて、国内のミドル〜ハイエンドの紹介ビジネスが規模を拡大するためのインフラを構築したのは、彼らである。そのインフラの一部は、いまも本当に価値がある。そして一部は、エージェンシーの損益計算書に複利で積み上がる、税である。ごく最近までAIファーストの代替手段がこの処理速度で動かなかった、というだけの理由で。

代替手段は、いま存在する。AIファースト型のソーシングと成功報酬型プラットフォームのあいだの構造的なコスト差は、部分的な移行であっても、意味のある利益回復を生むほどに開いている。契約上のリスクの層、つまり多くのエージェンシーがコストとして計上してこなかったその層は、別の経路で到達できたはずの候補者に対して、プラットフォーム上で追跡可能なアウトリーチを送ることをやめた瞬間に、積み上がるのを止める。

これは、特定の運営会社の善悪を問う議論ではない。運営会社は、ビジネスとして当然やるべきことをやっているだけだ。構造が許す範囲で、利益を取りに行く。問いは、御社が今後もこのカテゴリの売上の1項目であり続けるか、それとも今週、代替手段を試して、自分自身の判断材料を手にするか、それだけである。

REMINDER

これらのシステムは、今日が最も劣る状態だ。AIの進化ペースは、線形ではない。いま投資して競合に先んじるか、置いていかれるか。

読んで居心地の悪い話だ。行動するのは、もっと居心地が悪い。何もしないことも、ひとつの判断である。ただ現状の延長線上にあるから、安全に感じるだけだ。