タレスカに学ぶ人事テック論──埋もれた人材をAIが見つけ出す

採用面接や営業ロールプレイングの相手を、AIアバターが務める──そんな人事の現場が現実になりつつあります。株式会社Preferred Networksが展開する採用育成支援HRサービス「タレスカ」は、AIアバターとの対話で得られる動画データを分析し、人の能力の可視化やスキル改善につなげるプロダクト群です。

今回は、総務人事経理Week HR EXPOのタレスカブースにて、HRテック事業の責任者を務めるビジネス開発の井上拓哉氏にインタビューを行い、ブランドを構成する2つのプロダクト「タレスカAI面接」と「タレスカAIロープレ」について伺いました。井上氏が語るのは、業務効率化にとどまらず、埋もれていた人材を見つけ出し「採用の質」まで変えるAIの姿です。

このインタビューでは、タレスカAI面接・タレスカAIロープレの具体的な機能と導入企業の成果、自社開発LLM「PLaMo」が支える品質、そして人とAIの役割分担のあり方を探ります。

AIアバターとの対話で、人の能力を可視化する「タレスカ」

面接官にも、お客様役にもなるAIアバター

――本日はよろしくお願いします。まず、「タレスカ」とはどのようなものか教えてください。

井上 拓哉氏：タレスカはブランド名で、特定のサービスを指すものではありません。AIのアバターがいて、人と会話します。その会話したときの動画データを取得・分析して、たとえばその人の能力を可視化する、あるいは評価結果を見てどうしたらスキルがより良くなるか改善につなげる、といった形で、人事領域のさまざまな用途に使っていただく。そういったプロダクト群のブランドがタレスカです。

――その中に「タレスカAI面接」と「タレスカAIロープレ」という2つのプロダクトがあるのですね。

井上氏：はい。「タレスカAI面接」は、AIのアバターが面接官を務めるものです。志望動機のような、面接で聞くことを応募者に質問して面接を行い、終わった後に、自分の会社に合っているか、論理的思考力といったスキルがあるかを評価・分析します。これを採用の場面で行うのがタレスカAI面接です。

　もう1つの「タレスカAIロープレ」は、AIアバターが様々な役割を担い、実践形式のトレーニングを提供します。たとえばAIアバターが「新しく家を買おうとしているお客様役」をやれば、住宅販売の営業ロープレができますよね。証券を買おうとしているお客様役なら金融の営業ができますし、逆にAIアバターが就活生役をやれば、面接官の練習ができるんです。AIがいろいろな役割を担うことで、さまざまなロープレができます。

　面接と少し違うのは、結果の使われ方です。面接では点数を見て、通過かお見送りかを人が判断します。一方ロープレは、受けた本人が自分の結果を見て改善していくためのものなので、良い悪いの評価だけでなく、悪かったものをどうしたら良くなるかというアドバイスまでする機能を持っています。基盤となる技術はかなり共通していて、何を話すか、何を分析して出力するかを用途に合わせて変えることで、2つのアプリケーションを提供しています。

――「タレスカ」という名前には、どのような意味があるのでしょうか。

井上氏：実は2026年6月にリブランディングをして、タレスカという名前になりました。元々は「タレントスカウター」という名前です。タレント（才能）を見つける、分析する、可視化する、といった意味を組み合わせたもので、それを耳馴染みがよいように短く縮めたのが「タレスカ」です。

「AI面接」という言葉が生まれる前の相談から事業に

――タレスカは、どのような経緯で生まれたのでしょうか。

井上氏：Preferred Networksは、プロダクトの事業に加えて、お客様に一点もののシステムを開発してお納めする「ソリューション」の事業も行っています。私はHRテックの領域で、プロダクトとソリューションの両方の責任者をしていて、プロダクトでカバーできることはプロダクトで、そうでないものはソリューション事業として開発してご提供しています。

　ソリューションとプロダクトは両輪で、プロダクトがあるからソリューションの案件が生まれたり、ソリューションで手応えのあったものがプロダクトになったりします。タレスカもソリューションから生まれたプロダクトです。ただ、当時何社からも引き合いがあったわけではなく、ご相談くださったのは、新しい技術をいち早く取り入れるイノベーター的なお客様でした。まだ世の中に「AI面接」という言葉が出ていないくらいのタイミングで、そういうご相談をいただいたんです。

　私自身、生成AIが登場したとき、これまでAI化・デジタル化が進んでこなかったHR領域を解き得る技術がついに出てきた、と見ていました。特に対話のような柔軟性が求められる用途は、プロダクト事業の可能性が十分にあると思っていたなか、ちょうどそのタイミングで機会をいただいたので、通常なら一点ものとしてお納めするところを、最初からプロダクトにするつもりで進め、プロジェクトが成功してそのまま立ち上げた事業です。

導入企業で見えてきた成果──効率化と「採用の質」の向上

一次選考の工数が4分の1に

――実際に導入した企業では、どのような成果が出ていますか。

井上氏：はい、例えばこれまで一次選考に4名が携わっていたのが、タレスカAI面接に置き換えたことで1人が結果をチェックすればよくなり、その選考ステップの工数が単純に4分の1ほどになりました。選考全体ではないものの、最も件数の多い一次面接でこれだけの削減ができているので、効果としては相当のものだと思います。

お見送りした候補者の中に、内定者の5分の1がいた

――効率化以外の成果もあるのでしょうか。

井上氏：採用の精度が上がるという、付加価値的なお話もいただいています。ある企業では、書類選考を通過した方はそのまま通過させ、お見送りになった方々についてはタレスカAI面接のスコアを見て、優秀な方はあらためて面接にご案内する──「敗者復活」のような運用をされたんですね。その結果、この敗者復活組から、内定者の5分の1ほどが出たんです。

　つまり、今までお見送りしていた方々の中に、内定者の5分の1にあたる「採るべき人」がいたということです。本来採らなければいけなかった方々を明確に拾えた、適切な母集団を形成できたということで、選考の品質を確実に上げられた事例です。こうした結果を受けて、タレスカAI面接があることを前提に採用フロー自体を変えよう、選考基準を変えよう、というお話にもなってきています。

――AIというと業務効率化の文脈で語られることが多いですが、価値創造につながっているのですね。

井上氏：価値創造のところも非常に重要だと思っています。価値の作り方は本当にさまざまで、たとえば人が面接すると、次々にこなさなければならず一件一件丁寧に見られないことがありますが、AIにはそこのリソースの制限がないので、同じことを見るにしても丁寧に見られます。

　また、人にはどうしてもノイズが乗ります。直前に面接した方が非常に優秀だと、次の方への基準が厳しくなってしまいます。面接官をされる方の中には日頃は面接以外の業務を行っている、面接のプロではない方もいらっしゃるので、選考期間の序盤より後半の方が聞き出し方がうまくなって、後半の内定率が高くなってしまう、そういった不適切なバイアスが乗ることがあるんです。機械化することで、こうしたノイズは乗りにくくなります。

スコアの理由から「申し送り」まで示すタレスカAI面接

AIアバターが回答に応じて深掘りする

――タレスカAI面接は、実際にはどのように受けるのでしょうか。

井上氏：応募者には受検案内が配信され、専用のページから面接に入ります。たとえば「ご応募の理由」「困難を乗り越えた経験」といったお題が設定されていて、一通り答え終わったら終了、という流れです。

　面接が始まると、Web会議のように画面に自分の顔が映り、AIアバターが「困難を乗り越えた経験について、まずは1分程度でお答えください」といった形で質問します。回答すると、AIはその内容を受けて「その状況でどのように考え、行動を起こしたのか」「計画通りにいかない状況でも、どうやり遂げる力を維持したのか」と深掘りしていき、時間が近づくと最後に補足したいことを確認して、面接を終えます。

――かなり長い回答の文脈も踏まえて、会話が進むのですね。

井上氏：もう本当に、人と人が面接するような形で会話ができるようになっています。受け終わると動画がアップロードされてそのお題が終了となり、すべてのお題が終われば選考完了のご案内が出ます。

評価の理由までレポートで提示する

――受け終わった後は、どのような評価結果が見られるのでしょうか。

井上氏：まず受検者の一覧画面があり、受け終わった方は「完了」、まだの方は「受検中」と表示されます。選考期間中に受けていない方へフォローの連絡をする、といったことがまずこの画面から行えます。受け終わった方には点数が出るので、「A以上は、採用担当者が結果を確認後に通過」という採用基準にしていれば、基準に満たない方だけお見送りにして、他の方を次の選考にご案内する、という使い方ができます。

――個別の受検者について、より詳しい情報も見られるのですか。

井上氏：個別の中身を見ると、指標ごとの点数という定量的な情報に加えて、面接内容からこの人にはどういう強み・懸念点があるか、また強み・懸念点とは違うけれど「こんな経験があると言っていた」という事実の共有も含めて、人物像として定性的な情報をまとめて提供しています。

――AIによる評価は、理由が分からないと信頼しにくい面もありそうです。

井上氏：そこは重要な点で、指標ごとの点数のそれぞれについて、なぜAIがそういう評価をしたのかという判断理由もレポート上で提示しています。AIが評価した理由がブラックボックス化するのはよくないとされていますから、それを避けるという目的があります。また会社として、採用基準に照らして「どういうところを評価してこの方を採るか」を判断するうえで、理由はとても重要です。そういった観点で参照いただけるものをご提供しています。

次の面接官への「申し送り」もAIが作る

――面接の評価が出た後、その先の選考にも活用できるのでしょうか。

井上氏：人が面接する場合も、一次面接をしたら二次面接の面接官に「この方はこういう人だったんだけど、この辺はちょっと聞けていないから聞いてね」という申し送りがありますよね。その申し送りをAIがしてくれる機能があります。

　タレスカAI面接の結果、懸念点や点数が低かった箇所について「ここが弱くて不安なので、本当に大丈夫そうか聞くような質問をしてください」と提示したり、たまたま会話の流れでその指標を測れる話題が出なかった場合には「これは聞けていないので見てください」と、聞くべき観点を次の面接官に伝えたりします。

――実際の人間の面接でも起こることですよね。

しかも、見てほしい観点だけ言われても何を聞いたらいいのか困ってしまうケースがあります。このサービスでは観点を出すだけでなく、「それを聞くならこういう質問にするといいですよ」という具体的な質問例もセットで提示しています。

　さらに、質問ごと・話題ごとの情報のまとめもあります。普通の面接でも、志望動機、学生時代に力を入れたこと、これからやりたいこと、といくつかの話題を聞いていると思います。話題ごとにどういうことを答えたか、議事録のようなものをAIが書いてくれて、その話題ごとの点数も出ます。

「志望動機は完璧だったけれど、学生時代の話は全然ダメだった」というのは実際の面接でもあることで、そうしたトピックごとの評価を見られます。回答内容は選考の評価に使うだけでなく、二次面接以降で相手に話題を振るきっかけにするための情報として、あるいは定性的な人物理解のためにも使っていただいています。

数行の指示だけで面接を作成できる

――面接の内容は、企業ごとにカスタマイズできるのでしょうか。

井上氏：非常に柔軟にカスタマイズしていただけます。作成画面では、どういう質問をするか、それを受検者にどう見せたいかを設定します。受ける瞬間までお題が分からないようにすることもよくあって、あるお客様では「テーマ1」のような表示名にしていたりします。面接のタイプも、普通の面接、ロープレ、ケース面接などから選べて、アバターの男性・女性も切り替えられます。

　そして「会話内容の指示」という欄があり、ここで「志望動機について聞いてください。圧迫面接形式で」「ケース面接をやってください。相手は新卒の未経験の子なので、ヒントを出しながらやってください」というように、お題も受け答えの仕方も指示できます。「過去のプロジェクト経験を聞いてください。深掘りではチームの中での役割も聞いてください」とトピックを固定することもできれば、「リーダーシップを探るような質問をしてください」というポリシーぐらいの粒度であえて任せることもできます。テーマも聞き方も挙動のさせ方も、かなりの柔軟性を持ってチューニングして使っていただけます。

――LLM（大規模言語モデル）を使いこなす知識がなくても、負担が少なく使える仕様になっているのですね。

井上氏：実はLLMで面接を作ってみても、作りこみができていないと受けてみると簡単に対話が破綻してしまうことが分かると思います。一方で、ユーザーの皆様全員がLLM制御の達人というわけでは当然ないと思います。それに対して我々のサービスでは作りこみをせず、本当に「こういう面接をしてほしい」ということだけ入れていただければ大丈夫です。選んでいただいた面接タイプであれば安定して動くように、裏側で我々が制御しています。

　実際、この記事の前半でご紹介した、「困難を乗り越えた経験」を聞いて回答に応じて深掘りしていく面接も、ユーザーが設定画面に入れているのは「困難を乗り越えた経験について聞いてください」といったほんの数行の文章です。皆さんが普通に選考を設計するときにまとめている程度の文章さえ入れられれば、あのクオリティの面接が1分もかからずに作成できます。

実行はAIに、企画は人に──「タレスカAIロープレ」の価値

管理者はメンバー全員の実施状況を一覧できる

――タレスカAIロープレについても教えてください。タレスカAI面接との違いはどこにあるのでしょうか。

井上氏：基本的な仕組みは同じで、対話の相手が面接官からお客様役や部下など、ロープレのお題に応じたものに変わる、というくらいの違いです。そのうえでロープレの方は、管理者が見るためのダッシュボードが充実しています。ロープレは、たとえば私が実施したら上司が状況を見たいものなので、自分の配下のメンバーがどういう状態にいるかを見るためのダッシュボードがあるんです。

　どれぐらいの人が対象ユーザーで、みんな何回ぐらい受けているか。誰がたくさん受けてくれていて、誰が受けていないかという実施回数のランキングも出ます。マネージャー目線では各メンバーの成績も気になるところなので、メンバーごとの平均スコアや、やるべきロープレをどれぐらい行ってくれているかも、一覧で見られるようになっています。

「どうすれば良くなるか」のアドバイスまで提示する

――ロープレを受けた本人には、どのようなフィードバックがあるのでしょうか。

井上氏：本人が見る画面では、どのお題でやったかということと、自分の点数が全体として良い方なのか、といったことが見られます。特徴的なのは、結果画面に表示されるレポートです。ロープレには基本的に「こういうことを達成してほしい」という定性的なゴールがあることが多く、このゴールを設定できます。

たとえば「成約はしなくていいから、お客様のニーズをちゃんと引き出してね」がゴールのロープレであれば、今回それが達成できたか、どういう点ができていて、どういう点で至らなかったかをそれぞれ示します。

　さらに、至らなかった点を言われるだけでは今後のアクションにつながらないので、「こういう接客をすればいいですよ」という今後のアドバイスも同時に提示します。ここは面接にはない、ロープレならではのコンテンツです。

ほかにも、事実としてどういう受け答えをしたかという回答内容のまとめや、評価指標ごとの詳細な点数、評価された理由・減点された理由も見られるので、個別の部分の細部までブラッシュアップに使っていただけます。

――ロープレのシナリオも、面接と同じようにカスタマイズできるのでしょうか。

井上氏：同じようなフォーマットで、ロープレの場合はお客様役の設定などがあるぶん入力する情報は詳しくなりますが、どういう話題で、どんな役割で、どんな場面だと思ってやってください、と設定できます。たとえば「就活生に対する会社説明」のシナリオも、中身のテキストを差し替えるだけで「自社製品についての接客」のロールプレイングに変わります。

全く同じUI・仕組みなのに、書いてあるテキストを変えるだけで、接客のロールプレイングも会社紹介のロールプレイングも両方できるという形です。ユーザーの方には一般に「ユーザープロンプト」と言われる部分、つまりやりたい内容だけを入れていただければ、あとは適切に動くように我々があらかじめ制御する機能を用意しています。

人間同士のロープレより優れている点

――上司や同僚と行う従来のロープレと比べて、優れているのはどんな点でしょうか。

井上氏：まず、上司がロープレに何回も付き合うのは非常に大変で、千本ノックのような反復はできないじゃないですか。AIならすごい回数できるので、やって、改善して、もう一回やって、どんどん良くなっていきます。この「ちゃんと繰り返せる」という点は、そもそも人間には工数的に難しいところです。

　2点目は、フィードバックの属人化の問題です。営業のハイパフォーマーには、ロジカルに説明するのがうまい人、ガッツで売る人、お客様ととにかく仲良くなる人と、いろいろなスタイルの人が全部いて、皆マネージャーになっていきます。

ガツガツいくタイプの上司に「お前はもっとガツガツが足りないよ」と言われても、タイプの違うメンバーはおそらく売れるようにはならないですよね。自分に合った方法が分からない中で属人的なフィードバックをされてしまうのは人間ならではの問題で、AIならそうしたバイアスなくできるので、再現性の向上、標準化という意味で優れています。

　3点目は心理的な問題です。人と人でやると人間関係もあるので、悪いところを直すよう強く言えないことがあります。AIには嫌われるといった感情も当然ないので、全部オープンに話せます。

　もう1つ、客観性の観点で、人間が苦手でAIが明らかに強いことがあります。たとえば評価指標が7個入っているとして、人間は「7個見てください」と言われても、7個を同時並行で見ることはできないんですよね。AIは7個を同時に計測して、それぞれについて「これはこうだ」ときちんと返せます。これはAIならではで、人のロールプレイングではなかなか難しいところを実現できていると思います。

人がやるべきは「考える」こと

――逆に、人がやることに価値が出るのは、どんなところだと思いますか。

井上氏：人だからこそ出せる価値もたくさんあると思っています。このシステムはフェアであることがとても良い点ですが、逆に、どういう人かを考慮する力はAIの方が弱いと思います。営業しているシーン以外のところで性格特性が見えることってたくさんあると思うんです。

たとえば、みんなで飲み会をしているときに自分から積極的に話さない様子を見て「こういうキャラクターかも」と言ってあげるとか、文脈の外にある、関係がありそうなことを拾ってあげる力は、人間の方が強かったりするケースがもちろんあります。あとは向き不向きだけでなく、本人の「こうなりたい」という意思を拾ってあげるのも、人の深いコミュニケーションの方がやりやすいところです。

　そしてもう1つ、ロープレを実行するのはAIになりますが、どういうことをしたらスキルが着実に伸びるかというロープレの設計や、育成自体の企画に人間が集中できることが、AIと人の役割分担として非常に重要な点だと思います。

「考える」と「やる」で言うと、今までは考えるもやるも人がやっていて、そもそも考える時間がなく、ロープレや育成がきちんと整備されていないことが少なくないと思うんです。分離することによって、人間が本来やるべき付加価値的な育成の領域に集中できます。これも活用したときの価値の1つだと思います。

自社開発LLM「PLaMo」が支える品質と差別化

ネガティブケースまで検証する、AI開発の知見

――かなり作り込まれている印象を受けます。AI開発の知見の蓄積が生きているのでしょうか。

井上氏：それはもちろんあると思っています。面接のアプリを作るだけなら、他社も作れていると思います。ただ、精度検証や、怪しい挙動をしていないかのチェックの仕方を丁寧にやれているかどうかは、長くAI開発をやってきた私たちの強みだと思います。

　たとえば、これは非常に大事なことなんですが、ロープレの接客応対を喋りのうまいお客様役で試すと、実は壊れにくいんです。逆に会話が非常に下手なお客様役でやると壊れやすくて、破綻してしまう。そういうネガティブケースも含めて、どういうパターンで検証すると最も適切な試験になるか、という知見が長いAI開発の中でたくさん溜まっています。それをきちんとやったうえで品質チェックや精度検証をして開発しているので、安定した品質を出せているのだと思います。

「AIベンチャー発」のプロダクトと、自社開発LLMという武器

――他社と差別化できているのは、どのような点でしょうか。

井上氏：まず、今申し上げたところと関わるのですが、おそらく我々は、AI面接・AIロープレのプロダクトを作っている唯一のAI開発を専門とする企業です。他社はHR系のサービスなど、人事の業務領域側からスタートしています。そこにAI技術そのものを熟知した我々が、ユーザー企業様の課題やフィードバックを元に開発したのがタレスカで、先ほど申し上げたような品質の差につながっていると思います。

　2つ目は、それにも関わるのですが、制御するときの指示の自由度が相当に広いことです。定型文を入れる形のサービスが多いなかで、聞き方や圧迫面接のようなトーンのチューニングまでできる作りになっているところは特徴だと思います。

　そして3つ目です。特に面接の方で顕著なのですが、私たちPreferred Networksは、外部のLLMを借りてきてアプリを作るのではなく、LLM自体を自社で投資して、ゼロから開発しているんです。

――自社でモデルを持っている会社の方には、初めてお会いしました。

井上氏：日本でも数社しかいないと思います。2024年に経済産業省とNEDOが立ち上げた国内の生成AI開発力強化を目的としたプロジェクト「GENIAC（ジーニアック）」があり、我々はその最初のプログラムから採択されている一社です。

そういった活動を通じて作っているのが、自社開発LLM「PLaMo（プラモ）」です。このPLaMoを使った評価指標が存在していて、これは他社にはあり得ない、我々にしかないものになっています。

　PLaMoは日本語の性能に特に強みがあり、日本語を正しく解釈する能力が非常に高いモデルです。海外のモデルは学習データのうち英語が90%ほどで、日本語は5%程度だと思いますが、我々は日本語のデータの比率を高めて学習させることで、適切に日本語が分かるようになっています。

実際、PLaMoを使ったモデルは「家計は火の車だ」といった表現もきちんと理解できるんです。今は違うかもしれませんが、半年前ごろに海外のモデルで試したら、直訳調に解釈されて意味の通らない結果になったことがありました。日本語の面接で解釈を間違えて誤った評価が出るリスクが低い、と言えます。

　また、自前のモデルなので、モデルがどういう挙動をするかをすべて正確に把握しています。外部のモデルが本当のところどう動くかは、皆さん知らないわけです。挙動の分かったモデルで評価を開発できる立場にいるというのは、もう明らかに模倣性のない、特殊な差別化になっていると思います。

　LLMを作るには、非常に高い技術力が必要です。その技術力でモデルを作れるメンバーが開発している──ユーザーの見た目に分かりやすいかどうかは別として、「作り手がAIのプロである」というところは、やはり特徴だと思います。

――ありがとうございました。