arXiv cs.AI は2026年9月3日(現地時間)、人工知能（AI）を採用プロセスに組み込んだシステムに関する体系的なレビュー論文を提出した。ジイ・ザオ氏とグアンチェン・ウェイ氏が執筆したこの論文は、自動化の対象が従来の候補者と職務の適合性評価から、証拠収集、候補者比較、行動支援、実行を含む多段階ワークフローへと移行している現状を分析している。
このレビュー論文は、二国間検索、行動ランキング、ニューラルな人物と職務のマッチング、大規模言語モデル (LLM) コンポーネント、そしてツール使用型採用エージェントに至るまでのAI採用システムの発展を詳細に追跡している。
論文は、2026年7月23日までの目的志向の検索とコーディングプロトコル、さらに2026年9月2日までの追加更新に基づき、40の代表的な研究、および関連する産業や法務ソースを整理した。本レビューは普及率の推定ではなく、三つの主要な移行を分析している。
一つ目は、類似性から相互の適合性への移行。二つ目は、単一モデルから複合的なワークフローへの移行。三つ目は、オフライン予測から証拠および生産性に基づいた評価への移行である。文書理解、検索、ランキング、評価、面接、ソーシング、そして人間への引き渡しといった各段階において、フィールド、ペア、リスト、ケース、軌道、および結果レベルの証拠が区別されている。
また、レビューでは持続的な課題が浮上している。行動ラベルが曝露、嗜好、および資格を混同している点、プライベートデータや合成データが外部妥当性を制限する点、最終出力スコアがパイプラインの失敗を隠蔽する点などが指摘された。さらに、コーディングされたセット内ではプライバシーが直接評価されておらず、ユーティリティ、公平性、プライバシー、セキュリティが同時に評価されている事例がないことも述べられている。
これらの観察に基づき、論文は評価証拠から最も強力で弁護可能な主張への段階的なマッピングと、相互的で証拠に基づき、時間的に管理され、選択的かつ監査可能なシステムのためのアジェンダを提示している。ワークフローが適切な証拠を抽出し、不確実性を維持し、異議を唱えられる決定をサポートし、明示的なコストとリスク制約の下で結果を改善するかどうかによって、進捗を判断すべきであるとの見方を示している。
参考: arXiv cs.AI (アーカイブ) — 2026年9月7日 13:00 (JST)
原文ハイライト"A Systematized Narrative Review of AI Recruitment Systems, Evaluation, and Governance"