AI HR・採用 2026 完全ガイド - Eightfold / Phenom / HireVue / Paradox / Greenhouse / Lever / Workday Recruiting / BambooHR / リクルート 徹底分析

"2026年の採用はもはや人間だけの仕事ではない。AIは候補者を発見し、スクリーニングし、対話し、評価し、オンボーディングまで自動化する。ただし最終的な採用判断は今も人間の責任でなければならない。" — Josh Bersin, "HR Technology 2026 Report"

HR Technologyは過去5年間で最も急成長したSaaSカテゴリの一つです。Sapient Insights 2025-2026 HR Systems Surveyによれば、グローバルHR Tech市場規模は約530億ドル、その中でAIを1級機能として搭載したソリューションの割合は2023年の12%から2026年の63%へ急増しました。ATS、HRIS、ソーシング、評価、学習、パフォーマンス管理、従業員体験まで、ほぼ全レイヤーにLLMと埋め込みベースのマッチングが入っています。

同時にリスクも一緒に大きくなりました。EU AI Act(2024年施行)は採用・解雇・昇進の決定を「高リスク(High-risk)」システムに分類し、ニューヨーク市Local Law 144(2023年7月施行)は自動化された雇用決定ツール(AEDT)に対し年次の偏向監査を義務付けました。2018年Amazonが廃棄した履歴書スクリーニングAIの女性差別事件は、今もすべてのHR Techプレゼン資料に登場します。

本記事では2026年5月時点のAI HR/採用スタック全体を整理します。ATS(Greenhouse, Lever, Workday Recruiting, iCIMS, SmartRecruiters, Ashby, BambooHR)、AIソーシング(Eightfold, Phenom, Beamery, hireEZ, Findem, SeekOut)、AI面接・評価(HireVue, Paradox, HackerRank, CodeSignal, Codility, TestGorilla)、HRISとEOR(Workday, ADP, UKG, Deel, Rippling, Remote.com)、パフォーマンス・学習・従業員体験、そして韓国・日本事例まで一気に扱います。

1. 2026年AI HRスタック地図 - 候補者旅程と従業員旅程に沿った9レイヤー

HR Techスタックは候補者旅程(Candidate Journey)と従業員旅程(Employee Journey)に沿って9つのボックスに分かれます。

最重要の分け方は「ATSとHRISは別物」という点です。ATS(Applicant Tracking System)は入社前段階(ソーシング、面接、オファー)を扱い、HRIS(HR Information System)は入社後段階(従業員マスタ、給与、休暇、評価)を扱います。両者は別製品である場合が多く(例: Greenhouse + BambooHR)、WorkdayやRipplingのように一つの製品で両方処理する統合型も存在します。

2026年最大の変化は AIレイヤーが別カテゴリから全レイヤーに浸透した という点です。以前は「EightfoldがAIソーシング」だったところ、今やGreenhouse・Lever・Workdayも自社AIマッチングを内蔵し、BambooHRもオンボーディングチャットボットを内蔵しています。AIはもはや独立モジュールではなくデフォルト機能です。

2. ATS市場地図 - Greenhouse / Lever / Workday Recruiting / iCIMS / SmartRecruiters / Ashby

ATSは候補者が応募した瞬間から入社決定までのワークフローを管理します。2026年シェア上位6製品は以下のとおりです。

選定基準は会社規模と採用ボリュームです。シリーズA以前、採用担当者1〜2名、年間50名以下 はAshbyやBambooHR Hiringが合理的です。シリーズB〜上場、採用担当者5〜20名、年間200〜1000名 はGreenhouseが圧倒的標準です。上場後、多国籍、社員5000名以上 はWorkday RecruitingかiCIMS、グローバル比率が大きければSmartRecruitersです。

Greenhouseは2012年創業、2024年TPGから約7億5000万ドルの評価額で買収されました。最大の強みは 構造化面接(Structured Interview Kit) です。職務ごとに「どのコンピテンシーを、どの質問で、どう評価するか」を事前定義し、面接官に面接直後1〜5点で点数を付けることを強制します。Googleの採用研究が示した「構造化面接は非構造化面接より2倍以上採用予測力が高い」という結論を製品化したものです。

Leverは2012年創業、2022年Employ Inc.(Jobvite・Talemetry運営会社)に買収されました。GreenhouseがATSファーストなら、Leverは最初から ATS + CRM 統合を標榜してきました。つまり応募していないパッシブ候補者も同一パイプラインで管理できます。

Ashbyは2020年創業の新興で、2024年シリーズC 3000万ドルを追加調達しました。差別化の核心は 分析(Analytics) です。他のATSは採用成果分析が弱く別BIツールが必要なのに対し、Ashbyは最初からデータウェアハウスレベルの分析を内蔵しました。2025年からはAIマッチング、AI面接メモ要約、AI自動返信のような機能を標準搭載し、急速にシェアを伸ばしています。

3. Greenhouse徹底解説 - 構造化面接とインテグレーションエコシステム

Greenhouseワークフローの基本構造は以下のとおりです。

# Greenhouse採用ステージ定義例
job:
  name: "Senior Backend Engineer"
  stages:
    - name: "Application Review"
      type: "manual_review"
      sla_hours: 48
    - name: "Recruiter Screen"
      type: "phone_screen"
      duration_minutes: 30
      interview_kit: "recruiter_screen_eng"
    - name: "Technical Screen"
      type: "interview"
      duration_minutes: 60
      interview_kit: "tech_screen_backend"
      scorecard:
        - attribute: "Coding Fundamentals"
          scale: 1-5
        - attribute: "System Design"
          scale: 1-5
        - attribute: "Communication"
          scale: 1-5
    - name: "Onsite Loop"
      type: "interview_panel"
      interviews:
        - kit: "system_design_senior"
        - kit: "behavioral_leadership"
        - kit: "coding_pair_programming"
        - kit: "hiring_manager_final"
    - name: "Offer"
      type: "offer"
      approval_chain: ["hiring_manager", "recruiter", "vp_eng", "ceo"]

各ステージにはSLA(Service-Level Agreement)とスコアカード(Scorecard)が紐づき、面接官は面接後24時間以内に点数を入力する必要があります。このデータが蓄積されると「この面接官の点数が実際の入社後成果とどれくらい相関するか」を計算できます - Greenhouse Reportsの「Interviewer Calibration」レポートがそれです。

Greenhouseの2つ目の強みは インテグレーションエコシステム です。公式マーケットプレイスに450以上の統合があり、コーディングテスト(HackerRank, CodeSignal)、動画面接(HireVue, Spark Hire)、バックグラウンドチェック(Checkr, GoodHire)、オファー自動化(DocuSign)、HRIS(BambooHR, Workday, Rippling)など、ほぼすべてのカテゴリが1クリックでつながります。

API使用例:

# Greenhouse Harvest API - 候補者照会
import os
import requests

API_KEY = os.environ["GREENHOUSE_API_KEY"]
BASE = "https://harvest.greenhouse.io/v1"

def list_candidates(job_id: int, status: str = "active"):
    resp = requests.get(
        f"{BASE}/candidates",
        auth=(API_KEY, ""),
        params={"job_id": job_id, "status": status, "per_page": 100},
    )
    resp.raise_for_status()
    return resp.json()

def add_scorecard(application_id: int, scores: dict):
    resp = requests.post(
        f"{BASE}/applications/{application_id}/scorecards",
        auth=(API_KEY, ""),
        json={
            "interview": "Technical Screen",
            "attributes": [
                {"name": "Coding", "rating": scores["coding"]},
                {"name": "System Design", "rating": scores["sd"]},
            ],
            "overall_recommendation": scores["overall"],  # 1=strong_no .. 5=strong_yes
            "interviewer_id": scores["interviewer_id"],
        },
    )
    return resp.json()

APIはHarvest(データ同期)、Onboarding、Job Board、Partner Webhookの4つに分かれ、すべてOAuth 2.0とIP allowlistをサポートします。2025年からGraphQLベータも始まり、複雑な結合クエリが可能になりました。

4. LeverとAshby - モダンATSの差別化

Leverの差別化は Nurture Campaign です。ATSが通常「応募者だけ」を管理するなら、LeverはLinkedInで発見したパッシブ候補者も同一パイプラインに入れ、自動メールシーケンス(Lever Nurture)で6ヶ月〜1年かけてゆっくり温めます。採用サイクルが長いシニアエンジニアリング・役員採用で強みを発揮します。

Ashbyの差別化は データモデル です。他のATSは「候補者 → 応募 → ステージ → 結果」の単純モデルですが、Ashbyは最初から多次元分析を念頭に設計され、「どのチャネル、どのリクルーター、どの面接官、どの職種、どの四半期」のあらゆる組み合わせできれいにスライスできます。

-- Ashby分析例 - チャネル別+ステージ別通過率
-- (Ashby ReportsのSQLビルダーで作成可能)
SELECT
  source_category AS channel,
  stage_name,
  COUNT(*) AS total,
  COUNT(*) FILTER (WHERE outcome = 'advanced') AS advanced,
  ROUND(100.0 * COUNT(*) FILTER (WHERE outcome = 'advanced') / COUNT(*), 1) AS pass_rate
FROM applications a
JOIN stages s ON a.current_stage_id = s.id
WHERE a.created_at >= NOW() - INTERVAL '90 days'
  AND a.department = 'Engineering'
GROUP BY 1, 2
ORDER BY 1, 2;

Ashbyのもう一つの強みは AI機能の標準搭載 です。2025年リリースのAshby AIは(1) 候補者⇔職務マッチングスコア、(2) 面接メモ自動要約、(3) 不採用通知ドラフト自動生成、(4) 次ステップレコメンドを採用担当者にリアルタイムで提供します。Greenhouseが別途マーケットプレイスアプリでAIを付けるのに対し、Ashbyは最初から内蔵なのでUXがより滑らかです。

5. Workday Recruiting / iCIMS / SmartRecruiters - エンタープライズ領域

Workday Recruitingは Workday HCMの上に乗った採用モジュール です。別製品ではなくHCMの一部であるという点が核心です。社員5000名以上のグローバル企業が「ATS + HRIS + 給与 + 勤怠 + 評価 + 学習」を一つのデータモデルで運営しようとするとき、ほぼ唯一の選択肢になります。

メリットは明確です。候補者が入社決定と同時に従業員マスタへ自動登録され、採用コスト・生産性データがすべて一つのBIに集約されます。デメリットも明確です - 実装に6〜18ヶ月、単価が社員1人年50〜150ドル、カスタマイズはWorkday Studioという独自IDEからのみ可能です。

iCIMSは1999年創業の最古参ATSの一つで、Bain Capitalが保有しています。米国Fortune 500の相当数(JPMorgan, AT&T, IBMなど)が使用しています。強みは 20年蓄積のベストプラクティス と コンプライアンス(EEOC, OFCCP報告自動化)ですが、UXはモダンATSに比べ重いです。

SmartRecruitersはグローバル・多言語・多地域に特化しています。Microsoft、Bosch、McDonald'sのように100ヶ国以上で同時採用する企業が主顧客です。EU・アジア労働法コンプライアンス、50以上の言語UI、地域別採用サイト自動生成が核心機能です。

選択の分岐点は 既にどのHCMを使っているか です。Workday HCMならWorkday Recruiting、SAP SuccessFactorsならSuccessFactors Recruiting、Oracle HCMならOracle Recruiting Cloudが自然です。HCMがない、または変更意欲があるならGreenhouse + BambooHR/Ripplingがモダン標準です。

6. Eightfold AI - Career Intelligence Platformの野望

Eightfold AI(2016年創業、本社Santa Clara)はAI HR分野で最大のベットを受けた会社の一つです。2021年シリーズE 2億2000万ドルでユニコーンとなり、2024年フォローオン投資で約20億ドル+の評価を受けました。CEOのAshutosh Gargは元Google Searchエンジニアで、検索アルゴリズムをHRに適用するというビジョンで創業しました。

中核となる価値提案はシンプルです - 「スキル(Skills)ベースのマッチング」。学歴・経歴のような表面情報ではなく、候補者が実際に持つ能力の埋め込みベクトルを作り、職務埋め込みと比較します。2026年時点でEightfoldの Talent Intelligence Graph は約10億人の公開プロフィール、100万件以上の職務定義、60万件のスキル分類体系を含むと発表されました。

Eightfoldが提供する4つの主要モジュール:

Talent Acquisitionの中核機能は Career Site Personalization です。会社の採用サイトに候補者が履歴書をアップロードすると、即座にその人と最もマッチする公募5〜10件を推薦します。通常採用サイトの応募コンバージョン率は2〜3%ですが、Eightfold適用後8〜15%に上昇するケーススタディが多数あります。

Talent Managementの中核は 社内異動(Internal Mobility) です。現職で1〜2年停滞した社員に「あなたのスキルで行ける社内の他職務3件」を自動推薦します。Vodafone、BNP Paribas、Conduentのような大企業がこれを通じて外部採用コストの半額で人材再配置に成功した事例を公開しています。

# Eightfold API呼び出し例 - 候補者マッチング (概念コード)
import requests

def get_match_score(candidate_id: str, job_id: str) -> dict:
    resp = requests.get(
        "https://api.eightfold.ai/v1/match",
        headers={"Authorization": f"Bearer {API_KEY}"},
        params={"candidate_id": candidate_id, "job_id": job_id},
    )
    # 戻り値: { "score": 0.87, "matched_skills": [...], "gap_skills": [...] }
    return resp.json()

def recommend_internal_roles(employee_id: str, top_k: int = 5) -> list[dict]:
    resp = requests.get(
        "https://api.eightfold.ai/v1/internal-mobility/recommend",
        headers={"Authorization": f"Bearer {API_KEY}"},
        params={"employee_id": employee_id, "top_k": top_k},
    )
    return resp.json()["recommendations"]

Eightfoldの弱みは 価格 と ブラックボックス懸念 です。社員1000名基準で年5万〜15万ドル、5000名以上では数十万ドル台まで上がります。また「なぜこの候補者が推薦されたか」を説明する能力がEU AI Actが求める「Explainability」水準に達していないという批判があります。2025年からEightfoldは「Reason Codes」という説明機能を強化していますが、現在も進行形です。

7. PhenomとBeamery - 候補者体験とCRM

Phenom(2010年創業、本社Ambler PA)は Talent Experience Management(TXM) カテゴリを定義した会社です。Eightfoldがマッチングエンジンに集中するなら、Phenomは候補者が採用サイトに着いた瞬間から入社までの全体験を統合管理することに焦点を当てます。

Phenomプラットフォームの4つのペルソナ別モジュール:

• Phenom for Candidates: 採用サイトパーソナライズ、チャットボット、ビデオ面接自動スケジューリング
• Phenom for Recruiters: 候補者ソーシング、AIマッチング、キャンペーン自動化
• Phenom for Employees: 社内異動・学習・メンタリング推薦
• Phenom for Managers: チーム人材分析・後継者計画

特に Phenom Bot(旧Olivia系チャットボット)は採用サイトに統合され、「この会社にシニアバックエンドのポジションありますか?」「次の面接日程を組みたい」のような候補者の問い合わせを24/7処理します。米国大企業採用サイト(General Motors, Mercedes-Benz, JPMorganなど)の相当数がPhenom Botをバックエンドとして使用しています。

Beamery(2014年創業、本社ロンドン)は Talent CRM カテゴリのリーダーです。ATSが「応募者」を扱うなら、CRMは「応募していない潜在候補者」を扱います。シニアエンジニアリングや役員のように積極的に求職活動をしないプールを6ヶ月〜2年かけて温めるnurturingが核心です。

Beameryの差別化は Talent Graph という独自グラフDBです。候補者、企業、スキル、職務、カンファレンス、出版物をノードに持つ巨大なグラフに候補者関係をマッピングします。例えば「Googleで5年働いたMLエンジニアの中で、Anthropic出身の同僚を持つ人」のような複合クエリが可能です。

CRMカテゴリにはPhenom・Beamery以外にも Gem、Avature、SmashFly(Symphony Talent買収)のような競合があり、Greenhouse・Leverも自社CRMモジュールを持っています。

8. hireEZ / Findem / Fetcher / SeekOut - AIソーシングツール

候補者発見そのものを自動化するツールです。これらはLinkedIn、GitHub、カンファレンス発表資料、論文、特許のような公開データをクロール・インデックス化し、「この職務要件に最もマッチする候補者100名」を即座に返します。

hireEZの得意分野は GitHub統合 です。単にGitHubユーザー名をマッチさせるのではなく、コミット数、使用言語、コントリビュートしたオープンソースプロジェクトのスター数・ダウンロード数、issue応答時間のような活動指標まで分析します。シニアMLエンジニア検索がLinkedInでは「どの会社で働いたか」程度ですが、hireEZでは「PyTorchに5件以上PRがマージされた人」のような形で可能です。

Findemは Attribute Search を標榜します。検索条件が他ツールの「キーワード+会社+職位」レベルを超え、「現職で3年以上+昇進2回以上+ダイバーシティグループ+英語/スペイン語可+ヘルスケアドメイン」のような複合条件が可能です。内部的に80以上のデータソースから候補者プロフィールを合成します。

# hireEZ検索API呼び出し例 (概念コード)
import requests

def search_engineers(skills: list[str], min_years: int = 3, location: str = "Seoul"):
    payload = {
        "filters": {
            "skills": {"any_of": skills},
            "experience_years": {"min": min_years},
            "location": {"city": location, "radius_km": 50},
            "github": {"min_stars": 100, "languages": skills},
        },
        "size": 50,
    }
    resp = requests.post(
        "https://api.hireez.com/v1/search",
        headers={"Authorization": f"Bearer {TOKEN}"},
        json=payload,
    )
    return resp.json()["candidates"]

これらのツールの倫理的問題は 同意なきデータ収集 です。LinkedInは自社API外のクロールを明示的に禁止しており、2017年hiQ Labs vs LinkedIn訴訟で一度クロールが許容されましたが、2022年9th Circuitが再判断しグレーゾーンとなりました。EU GDPRとEU AI Actは候補者データ処理に「正当な利益」または明示的同意を要求しますが、公開LinkedInプロフィールを自動インデックス化することがどちらに該当するかは現在も論争中です。

9. HireVueとビデオ面接AI - 進化と後退

HireVue(2004年創業、本社South Jordan UT)はビデオ面接AIの代名詞でした。2019年シリーズG 9000万ドル、2020年The Carlyle Groupが買収、2022年競合Modern Hireを買収しカテゴリを統合しました。

もともとHireVueの中核価値は 顔・音声・言語分析による候補者スコアリング でした。コンピュータビジョンで顔の表情・視線・笑顔頻度を測定し、音声トーン・速度・ポーズの長さを分析し、回答内容をNLPで評価して「Employability Score」を算出しました。

しかし2019年EPIC(Electronic Privacy Information Center)がFTCにHireVueを通報し、2021年学術研究が顔分析の人種・年齢偏向を立証したことで、HireVueは2021年1月 顔分析機能全廃 を公式発表しました。現在は音声・回答内容のみ分析し、スコアも面接官ツールとしてのみ提供し、自動合否判定には使用しません。

2026年のHireVueの姿:

• 非同期ビデオ面接: 候補者が時間を合わせて事前録画 → 採用担当者が後で確認
• AI回答要約: 30分の面接を3分要約に圧縮
• コーディング評価統合: HackerRank・CodeSignal自動呼び出し
• オンコールゲーム化評価: Modern HireのSHL Game Based Assessment統合
• 公正性モニタリング: 人種・性別・年齢グループ別通過率自動レポート

競合製品は myInterview(英国発)、Spark Hire(米国SMB中心)、Willo(2020年創業、グローバルに急成長中)です。韓国ではマイダスIT社の inAIR が独自AI面接ソリューションとして大企業採用に使われています。

10. Paradox(Olivia) - 対話型AIのチャンピオン

Paradox(2016年創業、本社Scottsdale AZ)の主力製品 Olivia は採用チャットボットカテゴリで最も知られた製品です。McDonald's、Lowe's、CVS Health、Unileverのようなグローバル大量採用(いわゆる"high-volume hiring")企業が主顧客です。

Oliviaが解決しようとする課題は明確です - 時給制職務の採用ファネルは非常に広く速い という点です。McDonald'sのような所は1店舗に毎週数十〜数百人が応募し、それを店舗マネージャーが一人ずつ応対するのは不可能です。Oliviaは候補者問い合わせ応答、資格事前スクリーニング(18歳以上?運転免許?稼働時間帯?)、面接日程自動調整をSMSとWhatsAppで24/7処理します。

# Paradox Olivia対話シナリオ例 (概念図)
intent: "schedule_interview"
required_slots:
  - candidate_id
  - job_id
  - location_id
flow:
  - bot: "Hi! I'm Olivia from McDonald's. I see you applied for a Crew Member role at our 5th Ave location. Are you still interested?"
  - candidate: "Yes!"
  - bot: "Great! Before we schedule, are you at least 16 years old?"
  - candidate: "Yes, I'm 19."
  - bot: "Perfect. What's the best time to chat with our manager this week? I have open slots Tue 2-4pm, Wed 10am-12pm, or Thu 5-7pm."
  - candidate: "Wed at 10am works"
  - bot: "Confirmed for Wed Mar 18 at 10am at 5th Ave. I'll text you a reminder the morning of. Thank you!"
post_actions:
  - calendar_event_created
  - manager_notified
  - ats_status_updated: "Interview Scheduled"

Paradoxの影響は定量的です。McDonald's事例発表によれば平均採用時間(application → hire)が21日から1日未満に、候補者応答率は30%から80%に上昇しました。大量採用分野でほぼ標準になっています。

競合製品としては Mya Systems(2012年創業、2020年StepStone買収)、AllyO(2015年創業、2020年HireVue買収)、Phenom Bot(前述)があります。韓国ではKakaoの採用AIチャットボットとJobKoreaのチャットボットが類似役割を果たしています。

11. コーディング評価 - HackerRank / CodeSignal / Codility

技術職採用でコーディング評価はほぼ必須になりました。2026年市場3大製品はHackerRank、CodeSignal、Codilityです。

HackerRank(2009年創業、本社Mountain View)の中核価値は インタビュープール(Interview Pool) です。会社が独自問題を作る代わりにHackerRankが検証した4000+問題プールから選んで使え、候補者プール間のスコア正規化(percentile)が自動提供されます。HackerRank Interviewはコードペアプログラミング環境を提供し、ホワイトボード面接をそのままリモートに移すことができます。

CodeSignal(2014年創業)の差別化は GCA(General Coding Assessment) スコアです。GCAは70分で4問を解いて1〜850点スコールで算出され、米国で採用時SATのような標準スコアとして通用します。Capital One、Brex、Robinhoodのような会社が1次スクリーニングで「GCA 600以上」のような基準を使います。

Codilityは欧州で強く、不正検知(Plagiarism Detection) が最も厳格と評価されています。コード類似度分析、タブ切替回数、貼り付け頻度、カメラフェイス認識などで総合スコアを付けます。ChatGPT/Claude登場以降不正懸念が急増した2024年から、すべてのコーディング評価製品がこの領域を強化しています。

# HackerRank API例 - 候補者評価照会
import os
import requests

API_KEY = os.environ["HACKERRANK_API_KEY"]
BASE = "https://www.hackerrank.com/x/api/v3"

def get_test_result(test_id: int, candidate_email: str):
    resp = requests.get(
        f"{BASE}/tests/{test_id}/candidates",
        headers={"Authorization": f"Bearer {API_KEY}"},
        params={"email": candidate_email},
    )
    candidate = resp.json()["data"][0]
    return {
        "score": candidate["score"],
        "max_score": candidate["max_score"],
        "percentile": candidate["percentile"],
        "plagiarism_score": candidate["plagiarism_score"],
        "questions": [
            {
                "title": q["name"],
                "score": q["score"],
                "language": q["language"],
                "tab_switches": q.get("tab_switch_count", 0),
            }
            for q in candidate["questions"]
        ],
    }

コーディング評価以外のスキル評価は TestGorilla(多種職務適性・性格検査パッケージ)、Korn Ferry Sigma(役員評価)、SHL/Aspiring Minds(認知能力・性格)のような製品が埋めます。

12. HRIS - BambooHR / Workday HCM / Rippling / Gusto / Deel

採用後の従業員マスタデータを管理するシステムがHRISです。2026年主要製品を規模別に分けると以下のとおりです。

BambooHR(2008年創業、本社Lindon UT)はSMB HRISの標準です。UXが最も親切で、社員セルフサービス(休暇申請、情報変更)・オンボーディングワークフロー・簡単なパフォーマンス評価まで一つの製品で処理します。50〜500名の会社が初HRIS導入時に最もよく選択します。

Rippling(2016年創業、本社SF)は最近最速で成長中の製品で、2024年135億ドルの評価を受けました。中核は Identity Graph です - 社員1名を採用するとその身元が自動的にSlack・Google Workspace・GitHub・1Password・ノートパソコン・VPN・給与・福利にまで一貫して適用されます。HR+IT+Financeを一つのデータモデルで統合した初の製品と評価されています。

Workday HCM(2005年創業、2012年IPO)は社員1000名以上グローバル企業の事実上の標準です。2024年売上高73億ドル、時価総額600億ドル+。HCM、Payroll、Recruiting、Learning、Performance、Adaptive Planning(予測)などを一つのプラットフォームで運営します。

13. EOR(Employer of Record) - Deel / Remote.com / Oyster / Multiplier

EORは2020年以降最速で成長したHRカテゴリです。「リモート勤務+グローバル採用」が一般化し、韓国の会社が日本・インド・ブラジルの人材を採用したいが現地法人設立が負担になるとき、EORが現地法人の役割を代行しその社員を韓国の会社に派遣します。

Deel(2019年創業)はEOR + Contractor管理 + Global Payrollをすべて提供し、2024年120億ドル評価、年間売上10億ドル+を突破しました。UIがモダンでAPIが強力で、Toss、Hyperconnectのような韓国テック企業もグローバル採用によく使用します。

# Deel API例 - 新規グローバル社員オンボーディング (概念コード)
import requests

def create_eor_employee(payload: dict):
    resp = requests.post(
        "https://api.letsdeel.com/rest/v2/eor",
        headers={"Authorization": f"Bearer {DEEL_TOKEN}"},
        json={
            "first_name": payload["first_name"],
            "last_name": payload["last_name"],
            "email": payload["email"],
            "country": payload["country"],  # ISO 3166-1 alpha-2
            "job_title": payload["job_title"],
            "start_date": payload["start_date"],
            "annual_gross_salary": payload["salary_usd"],
            "currency": "USD",
            "client_legal_entity": payload["entity_id"],
            "benefits_package": "standard",
            "equity": {
                "type": "RSU",
                "amount": payload.get("equity_units", 0),
            },
        },
    )
    return resp.json()

EORの費用は社員1人月400〜700ドルで、社員が受け取る給与自体とは別です。直接法人設立時初年度3万〜10万ドル+毎年2万〜5万ドルかかるのに比べ、社員10名以下のときはEORが圧倒的に経済的です。

14. AIリスクと規制 - EU AI Act / NYC Local Law 144 / Amazon事例

AI HRの最大の影は 偏向 です。2018年Amazonが5年間開発した履歴書スクリーニングAIが廃棄された事件は、すべてのHR Tech文書に常連で登場します。モデルは過去10年の履歴書で学習されましたが、そのデータセット自体が男性偏向だったため「women」のような単語が含まれる履歴書を自動的に低く点数付けすることを学習しました。Amazonは結局モデルを廃棄しましたが、すでにある程度採用に影響を及ぼした後でした。

その後、規制が本格的に追随しました。

EU AI Act(2024年発効、2026年完全適用)は採用・解雇・昇進を決定するAIシステムを「高リスク(High-risk)」システムに分類しました。高リスクシステムは:

• データガバナンス文書化義務
• 人間監督(Human oversight)メカニズム必須
• 精度・堅牢性・サイバーセキュリティ技術標準充足
• 利用者(雇用主)へのAI使用事実告知義務
• 候補者の説明を受ける権利(Right to explanation)

違反時の罰金はグローバル売上の7%または3500万ユーロのうち大きい方です。これは2026年5月時点で最も強力なAI規制で、すべてのグローバルHR Tech製品がEU AI Act対応を進めています。

NYC Local Law 144(2023年7月施行)はニューヨーク市で使用される「Automated Employment Decision Tool(AEDT)」に毎年偏向監査を義務付けました。監査は外部独立監査人が実施する必要があり、結果サマリー(特に人種・性別グループ別通過率の差)を公開ウェブサイトに掲載する必要があります。違反時には候補者が直接訴訟可能です。

# NYC Local Law 144偏向監査 - 4/5th Rule計算例
def four_fifths_rule(passing_rates: dict[str, float]) -> dict:
    """
    EEOC Uniform Guidelinesの4/5ルール:
    ある保護グループの通過率が最高グループの80%未満なら'adverse impact'を疑う。
    """
    max_rate = max(passing_rates.values())
    threshold = max_rate * 0.8
    return {
        group: {
            "rate": rate,
            "impact_ratio": rate / max_rate,
            "adverse_impact": rate < threshold,
        }
        for group, rate in passing_rates.items()
    }

# 例示入力 - グループ別通過率
result = four_fifths_rule({
    "white_male": 0.50,
    "white_female": 0.42,
    "black_male": 0.35,  # 0.35/0.50 = 0.70 < 0.80 → adverse impactの疑い
    "black_female": 0.32,
    "asian": 0.48,
    "hispanic": 0.41,
})

NYC Local Law 144以後、イリノイ州AI Video Interview Act、メリーランド州HB 1202、コロラド州SB 21-169 も類似義務を課し、2025年連邦レベルのENFORCE the AI Actも発議されました。

15. パフォーマンス・学習・従業員体験 - Lattice / 15Five / Culture Amp / Cornerstone / Docebo

採用・HRISの次のレイヤーは 社員が入社した後の旅程 です。2026年主要カテゴリは以下のとおりです。

パフォーマンス管理・360フィードバック:

• Lattice(2015年創業、2024年30億ドル評価): OKR + Performance Review + 1:1統合
• 15Five: Weekly check-in + Pulse Survey
• Lattice競合: Leapsome, Engagedly, Culture Amp, Betterworks

従業員体験(EX) / サーベイ:

• Culture Amp: 社員満足度サーベイの標準
• Glint(LinkedIn買収): パルスサーベイ
• Officevibe: SMB強い
• Peakon(Workday買収、2021): 継続サーベイ

学習 / LMS:

• Cornerstone OnDemand: エンタープライズLMS 1位
• Docebo: AI推薦LMS、2024年時価総額10億ドル+
• 360Learning: Collaborative Learning
• Workday Learning: Workdayユーザーの標準オプション
• LinkedIn Learning: コンテンツライブラリ統合

これらカテゴリの2026年共通トレンドは AIコーチ と データ統合 です。Latticeは2025年「Lattice AI」をリリースし、マネージャーが1:1メモを書くと自動的にコーチング提案を受け、Culture AmpはOpenAIベース「Skills Coach」で社員が受けた360フィードバックをどう行動に移すかをステップ別に提案します。

16. 韓国HR市場 - JobKorea / Saramin / Wanted / Rocketpunch / JAVIS / flex

韓国HR Tech市場は米国と異なる独自の進化経路をたどってきました。主要プレイヤー:

JobKorea(1996年創業)は韓国で最古参の総合求人媒体です。2021年Affinity Equity Partnersが約9000億ウォンで買収しました。新卒・中途全職種を扱い、Albamonを子会社に持ちます。

Saramin(2005年創業、KOSDAQ上場)はJobKoreaの最大競合で、2024年売上約1500億ウォン、営業利益率が30%台と高いです。子会社JumpitはAテック採用に特化しています。

Wanted(Wanted Lab)(2015年創業、2021年KOSDAQ上場)は韓国で最もモダンなHR Tech企業と評価されています。中核は レコメンドマッチング です。候補者が履歴書をアップロードすると会社が直接候補者に「応募してください」と提案し、入社が成立すると推薦者(紹介者)に約100〜500万ウォンの推薦ボーナスを支給するモデルです。2026年現在累計マッチングは100万件を突破しています。

flex(2018年創業)は韓国HRISの代表選手です。BambooHRが韓国労働法・年末調整を完全に処理できない点を突き、韓国型HRISとして急成長しました。休暇、勤怠、給与、年末調整、採用まで一つの製品で処理し、2024年シリーズDを受けました。

Jarvis and Villains(2017年創業)は会計+税務+人事を結合したSMB HRISで、KakaoVenturesやKB Investmentなどの投資を受けました。

韓国市場の特異点は 年末調整と4大保険 です。グローバルHRISはこの2つを完全に処理できないため、事実上韓国の会社は韓国型HRISを使うか、グローバルHRIS+韓国ペイロール委託(例: ADP Korea, 労務法人)を併用する必要があります。

17. 日本HR市場 - リクナビ / マイナビ / Doda / HRMOS / TeamSpirit / jinjer

日本HR Tech市場は韓国よりさらに保守的ですが、2020年以降急速にモダン化しています。

リクルート(Recruit Holdings) は日本HR Techの巨人です。リクナビ(新卒)、Indeed(2012年買収、グローバル1位求人媒体)、Glassdoor(2018年買収)をすべて保有しています。2024年売上高は約3.5兆円で、グローバルHR Tech売上1位です。

マイナビ(Mynavi) はリクナビの最大競合です。新卒市場で50/50に二分し、中途、アルバイト、医療、看護などドメイン別に別サイトを運営しています。

ビズリーチ(Bizreach)(2009年創業)は韓国のWantedのような「レコメンドマッチング」モデルを日本に定着させました。子会社HRMOSはATS+HRISを統合したモダン製品で、HRMOS Recruiting は日本ATS市場で最速成長中の製品の一つです。

SmartHR(2015年創業)は日本HRIS 1位です。入社・退社・年末調整・産休/育休・マイナンバーのような日本特有の行政作業を完全に自動化し、2024年企業価値約1800億円と評価されました。韓国のflexと同一ポジションです。

TeamSpirit(2011年創業、東証上場)は勤怠・工数管理に特化したSaaSです。日本の36協定・残業規制、変形労働時間制のような複雑な労働法に最適化されています。

jinjer(2016年創業)はジョブカンとともに日本SMB HRISの両雄です。勤怠、人事、給与、採用をモジュールで提供します。

日本市場の特異点は 新卒一括採用 文化です。毎年4月に大卒新入社員を同時に入社させる慣行のため、大学3年生3月に採用サイトが一斉に開き、6ヶ月かけて面接が進行します。リクナビ・マイナビがこのパターンに最適化されており、外資系HR Techが日本新卒市場に参入しにくい構造となっています。

18. 報酬透明性 - Glassdoor / Levels.fyi / Blind / Comparably

採用のもう一つの軸は 報酬情報の透明性 です。2026年5月現在の主要サイト:

• Glassdoor(2008年創業、2018年Recruit Holdings買収): 会社レビュー・面接体験談・給与情報の最大プール
• Levels.fyi(2017年創業): テック企業職位別報酬パッケージ(base + bonus + RSU)専門、FAANG標準
• Blind: 匿名社員コミュニティ、会社別チャンネル、社内イシューが最速で漏れる場所
• Comparably: 文化・ダイバーシティスコアに特化
• JobPlanet(韓国): Glassdoor韓国版
• OpenWork(日本): Glassdoor日本版

これらの影響は両面的です。候補者側面では情報の非対称性が減り交渉力が上がり、会社側面では採用市場で報酬パッケージを公開的に競争する必要が生じました。2024年施行されたカリフォルニア・ニューヨーク・コロラド州のPay Transparency Lawはすべての採用公告に給与範囲公開を義務付け、この流れを加速化しました。

興味深い事実はLevels.fyiデータを自動でクロール・正規化し会社内部報酬ベンチマークに使うトレンドが急速に増えている点です。Carta、Pave、Figuresのような報酬データ会社がその領域を吸収しています。

19. AI面接官への反発 - 候補者が拒否する時代

2024〜2025年LinkedInとRedditでは「AI面接官に対する拒否運動」が小さなトレンドになりました。候補者が「人間が1次面接をしないなら応募しない」と明示するケースが増え、一部の会社(Stripe、Anthropicなど)は明示的に「我々はAIで候補者を自動拒否しない」と採用サイトに表示しています。

候補者の拒否理由:

• 不公正さの懸念: アルゴリズムがなぜ自分を落としたか分からない
• 尊厳: 60分間カメラの前で一人で話す体験への不快感
• 準備の難しさ: AIが何をスコアリングするか分からないので何を準備すべきか分からない
• 技術的問題: 非英語圏発音への差別、カメラ問題によるスコア損失

これに対応し2025年からAI面接ツールは 「Hybrid Mode」 を強調します - AIは事前スクリーニングのみに使い最終決定は人間が下し、候補者が望めばAI採点を拒否し人間面接を選択できるようにします。HireVue、Modern Hire、Paradoxすべてがこのオプションを追加しました。

20. 統合ワークフロー - 8製品で作るモダン採用スタック

シリーズB規模(社員100〜300名、採用担当者3〜5名、年間100〜200名採用)のグローバルSaaSが2026年によく採択するスタック:

データ同期は以下のように流れます。

[Job Board] --> [Greenhouse ATS] --> [DocuSign Offer] --> [Rippling HRIS] --> [Deel Payroll]
                       ^                                          |
                       |                                          v
                  [hireEZ Sourcing]                          [Lattice / Culture Amp]

各ステージ間のインテグレーションは通常以下の3つのうち一つです。

1. 公式マーケットプレイスアプリ: 90%ケース。1クリック接続、OAuth、自動同期。
2. Zapier / Workato / Tray.io: 標準インテグレーションがないとき、または若干のカスタムロジックが必要なとき。
3. 独自統合(API直接呼び出し): セキュリティ要件が高いか大量データ処理時。

スタック構築時の最大の落とし穴は 「一つの領域に二つの製品を同時に使うこと」 です。ATSをGreenhouseとLeverの両方を使うと候補者データが分かれSLA追跡が不可能になります。各カテゴリごとに明確な1次製品を決めその製品のデータモデルを単一の真実の源(SSOT)に据えるのが核心です。

21. 採用データ分析 - 4 Funnel Metric

採用をデータで運営するには4つの中核メトリクスを追跡する必要があります。

特に Source Effectiveness は採用予算配分の基準になります。Greenhouse・Ashbyのようなモダンなまそ ATSはこれを自動でスライスし、「LinkedIn広告で入ってきた候補者100名のうち面接通過5名、入社1名、このチャネルのcost-per-hireは2.5万ドル」のようなデータを即座に表示します。

-- 採用ファネル分析 - チャネル別・四半期別
WITH funnel AS (
  SELECT
    DATE_TRUNC('quarter', a.applied_at) AS quarter,
    a.source_category,
    COUNT(*) AS applied,
    COUNT(*) FILTER (WHERE a.reached_stage >= 'phone_screen') AS screened,
    COUNT(*) FILTER (WHERE a.reached_stage >= 'onsite') AS onsite,
    COUNT(*) FILTER (WHERE a.outcome = 'hired') AS hired
  FROM applications a
  WHERE a.applied_at >= NOW() - INTERVAL '12 months'
  GROUP BY 1, 2
)
SELECT
  quarter,
  source_category,
  applied,
  ROUND(100.0 * screened / NULLIF(applied, 0), 1) AS apply_to_screen_pct,
  ROUND(100.0 * onsite / NULLIF(screened, 0), 1) AS screen_to_onsite_pct,
  ROUND(100.0 * hired / NULLIF(onsite, 0), 1) AS onsite_to_hire_pct,
  hired
FROM funnel
ORDER BY quarter DESC, hired DESC;

こうしたファネル分析を1年分蓄積してみると「どのチャネルが実際に入社に転換するか」が明確になります。よくある発見は「LinkedIn広告に最も多く使っているが実際の入社は社員推薦が最も多い」というパターンです。

22. 採用自動化の限界 - 人がやるべきこと

AI HRが自動化できない、または自動化してはいけない領域があります。

1. 最終採用決定: EU AI Actが明示するように、採用・解雇決定は人間が下す必要があります。AIは候補者を整列・フィルタリングするヘルパーであり決定者ではありません。
2. 文化適合性(Culture Fit)評価: 定量化が難しく、また「Culture Fit」がダイバーシティを害する言い訳によく使われます。この領域は意図的に非自動化のまま残すのが安全です。
3. オファー交渉: 候補者の個人事情・給与期待値・比較オファーのような文脈が入り、ラポール(rapport)が中核です。
4. リファレンスチェック: 候補者が提供した推薦人との非公式な対話は自動化不可。
5. オンボーディング初日: 社員初出社日の同僚・マネージャーとの出会いは自動化で代替できません。

採用自動化のゴールデンルールは「AIは候補者を発見し、人間は候補者を選択する(AI discovers, humans decide)」です。この境界が曖昧になるほど偏向と候補者反発のリスクが同時に大きくなります。

23. 未来展望 - 2027年以降のHR Tech

最後に2026年5月時点で可視化された今後の流れを簡略に整理します。

• Skills-based Organization: 職務(Job)単位ではなくスキル(Skill)単位で組織を再設計しようとする動き。Eightfold・Workday Skills Cloudが先頭。
• AI Agent in HRIS: BambooHR・Rippling・WorkdayがすべてAI Assistant内蔵中。社員が「休暇申請して」「私のW-2ダウンロード」のような自然言語で要請。
• Talent Marketplace内製化: 社外採用前に社内候補者を先にマッチングする内部異動市場が標準になる。
• Continuous Performance: 年1回評価から週次チェックイン・リアルタイムフィードバックへの転換。Lattice・15Fiveが標準化。
• HR + Finance統合: Ripplingが見せたIT+HR+Finance統合のさらなる拡散。採用 → オンボーディング → IT自動プロビジョニング → 給与までを一つの流れで。
• Regulation Tightening: EU AI Act本格適用、米国州別AEDT法の拡散、韓国・日本もガイドライン作業中。

最大の絵は「AIはHR Techの別カテゴリではなくすべてのカテゴリのデフォルト機能になる」という点です。2023年には「AI採用ツール」が差別点でしたが、2026年にはAIを使わないATSがなく、2028年にはユーザーがAI使用の有無を意識すらしない程度に内製化されるでしょう。

24. 参考 / References

• Sapient Insights HR Systems Survey 2025-2026 — https://www.sapientinsights.com/hr-systems-survey/
• Josh Bersin HR Technology Report 2026 — https://joshbersin.com/
• Greenhouse Software documentation — https://developers.greenhouse.io/
• Lever Developer Center — https://hire.lever.co/developer
• Ashby API documentation — https://developers.ashbyhq.com/
• Workday Recruiting overview — https://www.workday.com/en-us/products/talent-management/recruiting.html
• iCIMS overview — https://www.icims.com/
• SmartRecruiters documentation — https://developers.smartrecruiters.com/
• BambooHR API — https://documentation.bamboohr.com/
• Eightfold AI — https://eightfold.ai/
• Phenom — https://www.phenom.com/
• Beamery — https://beamery.com/
• hireEZ — https://hireez.com/
• Findem — https://www.findem.ai/
• SeekOut — https://seekout.com/
• HireVue — https://www.hirevue.com/
• Paradox — https://www.paradox.ai/
• HackerRank for Work — https://www.hackerrank.com/work
• CodeSignal — https://codesignal.com/
• Codility — https://www.codility.com/
• TestGorilla — https://www.testgorilla.com/
• Workday HCM — https://www.workday.com/
• ADP Workforce Now — https://www.adp.com/
• UKG (Ultimate Kronos Group) — https://www.ukg.com/
• Rippling — https://www.rippling.com/
• Gusto — https://gusto.com/
• Deel — https://www.deel.com/
• Remote.com — https://remote.com/
• Oyster — https://www.oysterhr.com/
• Lattice — https://lattice.com/
• Culture Amp — https://www.cultureamp.com/
• Cornerstone OnDemand — https://www.cornerstoneondemand.com/
• Docebo — https://www.docebo.com/
• EU AI Act overview — https://artificialintelligenceact.eu/
• NYC Local Law 144 (AEDT) — https://www.nyc.gov/site/dca/about/automated-employment-decision-tools.page
• EEOC AI guidance — https://www.eeoc.gov/ai
• Amazon scrapped recruiting AI (Reuters, 2018) — https://www.reuters.com/article/us-amazon-com-jobs-automation-insight-idUSKCN1MK08G
• JobKorea — https://www.jobkorea.co.kr/
• Saramin — https://www.saramin.co.kr/
• Wanted — https://www.wanted.co.kr/
• flex — https://flex.team/
• MIDAS IT inAIR — https://www.midasitc.com/
• リクルートホールディングス — https://recruit-holdings.com/
• マイナビ — https://www.mynavi.jp/
• Bizreach / HRMOS — https://hrmos.co/
• SmartHR — https://smarthr.jp/
• TeamSpirit — https://www.teamspirit.com/
• Glassdoor — https://www.glassdoor.com/
• Levels.fyi — https://www.levels.fyi/
• Blind — https://www.teamblind.com/