AIで育てる、採用CRMGenHire

転職市場に出る前に、
出会う。

SNS・技術プラットフォームを横断し、まだ動いていない潜在候補者を自社のタレントプールに蓄積。Claudeに指示するだけで、抽出・スコアリング・スカウト草稿までを一気通貫で。

SNSリンクで管理
転職予兆を検知
ストック型採用
Claude × タレントプール × 転職予兆データ
LinkedInXGitHubnoteYOUTRUSTQiita
01採用の課題

こんな採用の課題、ありませんか?

フロー型からストック型へ、構造転換が進まない採用組織が直面している4つの壁。

01

「優秀層は、媒体に登録する前に決まる」

求人媒体に登録してくる顕在層は、すでに各社が取り合うレッドオーシャン。媒体・エージェントへの依存で1人あたりの採用コストが上がり続け、優秀な人材ほど競合と奪い合いになります。

02

メアドのない優秀層を、既存DBに死蔵していませんか?

既存の採用MAツールはメアド必須。SNS接点しかないハイレイヤーはデータ化できず、毎回ゼロから探し直しになっている。

03

ツールが分散し、候補者のキャリアが「点」でしか見えない

HERP / YOUTRUST / pitta / LinkedIn / X / GitHub … 一元管理できず、2〜3年スパンのナーチャリングが続かない。

04

成功報酬の積み上げで、固定費に切り替わらない

エージェント手数料は採用人数に比例して積み上がり、採用予算は会社の成長とともに膨張。1人あたりの採用コストを根本から下げる仕組みが、いまの採用市場にはありません。

02機能紹介

GenHire の主な機能

候補者検索、スコアリング、アサイン、ナーチャリングまで。次世代の採用CRMを、自然言語の対話ひとつで動かせます。

01

Claude(MCP)× タレント検索

自然言語で SNS / GitHub / Qiita / note / YOUTRUST / LinkedIn / X を横断検索。求人要件にマッチする候補者を即時リストアップ。スコア計算ロジックも対話で調整できます。

02

カスタマイズ可能なタレントプール

項目を自由設計。職種別・レイヤー別に管理スキーマを切り分け可能。SNSのプロフィールリンクで識別するため、メアド未取得の潜在候補者段階から登録できます。

03

AI スコアリング・優先度付け

プロフィール内容・活動量・転職予兆シグナルから、自動でスコア計算。担当者は「上から順に」アプローチすればよく、属人性を排除できます。

04

担当者自動アサイン × Slack 通知

求人・属性・地域で社内採用担当に自動振り分け。Slack 通知で「アプローチ依頼」まで自動化し、コミュニケーションコストを削減します。

05

ナーチャリング・オートメーション

2〜3 年スパンのレイヤー別シナリオを自動実行。SNS 上のシグナルに応じて接触タイミングを自動調整し、線で関係を育てます。

06

既存ツールと連携

既存の採用MAツール・ATS と共存可能。蓄積された候補者資産を捨てずに移行・統合できます。

03活用シーン

導入後の世界

「年間数十〜数百名採用」企業が、GenHire でどう採用構造を変えるか。3 つのナラティブで、Before / After を描きます。

事例 01ハイレイヤーを狙い撃ち

媒体に出ない経営幹部・エキスパートを獲得

エージェント紹介待ちで競合と候補者を取り合う日々から脱却。Claude に要件を伝えるだけで、潜在層 50 名のスコア付きリストが揃います。

  • 自然言語で要件を伝えるだけで候補者リストが完成
  • 転職予兆シグナルで優先度を自動判定
  • スカウト文面の草稿まで AI が自動作成
事例 02エージェント比率を削減

年間 100 名超採用の自社チャネル化

自社プールを 6 ヶ月で 1 万名規模に拡張し、エージェント比率を 60% → 20% へ。媒体・エージェントへの依存を構造から下げます。

  • SNS のリンクだけでメアド未取得の段階から蓄積
  • レイヤー別ナーチャリングで継続的に接触
  • 担当者自動アサインで運用負荷を吸収
事例 03採用単価を構造から削減

成功報酬の積み上げから、固定費型へ

年間採用 100 名分のエージェント手数料を、固定費の SaaS に置き換え。採用人数が増えるほど一人あたりコストが下がる、ストック型の経済性を獲得します。

  • 成功報酬比率を経営レポートから消せる
  • 採用人数が増えるほど一人あたりコストが逓減
  • スモールスタートで段階的に切り替え可能
04選ばれる理由

GenHire が選ばれる理由

他の採用データベース型ツールでは届かない、4 つの構造的な差別化。

01

Claude と話すだけで、ターゲットができる

固定 UI のツールを超え、Claude(MCP)と連携。「『SaaS Series A の SRE で AWS と Go の経験者』を 50 名出して」と話しかけるだけで候補者リストが生成されます。スコア計算ロジックも対話で調整できる、次世代の操作性です。

02

メアドではなく、SNSのリンクで管理

項目を自由にカスタマイズできる柔軟な名寄せ基盤。LinkedIn / X / GitHub / note / YOUTRUST / Qiita などのプロフィールリンクを軸に、メアド取得前から候補者プロファイルを蓄積し、優秀層を死蔵させない。

03

転職意欲は、表面化する前から見えている

SNS 投稿傾向・GitHub 活動・登壇履歴・媒体外シグナルから、転職意向の予兆を検知。媒体登録より早くアプローチでき、ハイレイヤーを「独占」できる。

04

成功報酬の積み上げから、固定費の自社資産へ

一定の固定費で運用でき、採用人数が増えるほど1人あたりの採用コストが下がっていくストック型のROI。エージェント手数料の積み上げから、自社チャネルへの資産投資に経済構造をシフトします。

他の採用データベース型ツールとの違い
項目
GenHire
他の採用DBツール
候補者の識別
SNSのプロフィールリンク(メアド不要)
メアド必須
AI ネイティブ連携
Claude(MCP)対応
固定 UI 中心
潜在層への先行アプローチ
インテント予兆を自動検知
顕在層中心
項目カスタマイズ
自由設計
固定スキーマ
コスト構造
固定費SaaS(採用人数が増えるほどコスト効率↑)
成功報酬 / 年額固定が中心
05ご利用者の声

採用責任者の声

フロー型からストック型へ、構造を変えた現場の声を 3 つご紹介します。

エージェント比率 60% → 25%

Claude に「SREで AWS と Go の経験者を出して」と話すだけで、候補者リストが手元に揃う。エージェント比率は半年で 60% → 25% まで下がりました。

田中 健司 さん
田中 健司
採用統括マネージャー
SaaS スタートアップSeries B / 年間採用 80 名
潜在候補者 1 万件をストック

「メアドがあるかどうか」で候補者を諦める時代じゃないと痛感しました。SNSのプロフィールリンクを軸に 1 万件の潜在候補者を蓄積、2〜3 年スパンのナーチャリングが回り始めています。

佐藤 美咲 さん
佐藤 美咲
HRBP / People Lead
東証プライム上場 / 精密機器年間採用 200 名
ソーシング工数 1/5

検索からスカウト草稿まで、1 候補者あたりの所要時間が 1/5 に。担当者は「上から順に動くだけ」になり、属人性が消えました。

山田 翔太 さん
山田 翔太
タレントアクイジション ヘッド
ヘルステック / グロース企業年間採用 50 名

パイロット導入企業を募集しています。

06導入の流れ

導入の流れ

ヒアリングから運用開始まで。フロー型からストック型への構造転換を、4 ステップで実装します。

01
ヒアリング

構想ヒアリング

採用方針・ターゲット要件・既存運用をヒアリング。年間採用規模に応じた構造転換のロードマップを設計します。

02
セットアップ

MCP連携

既存の ATS や採用ツールに Claude を MCP 経由で接続。今のワークフローを変えずに、AI が候補者情報を扱える状態を整えます。

03
構築

タレントプールの構築

ウェブ上から潜在候補をリストアップしてタレントプールを構築。ソーシング工数を削減しながら接触機会を最大化します。

04
運用

ナーチャリングの自動化

レイヤー別の中長期シナリオを稼働。転職予兆シグナルを捉え、競合より先に接触し、独占的なアプローチが可能です。

07よくある質問

よくある質問

導入検討時にお問い合わせいただくことの多い質問をまとめました。

GenHireは、Claude(MCP)と連携する次世代のAI採用CRM/採用MAです。LinkedIn・X・GitHub・note・YOUTRUST・QiitaなどのSNSを横断し、メールアドレス未取得の潜在候補者からタレントプールに蓄積。自然言語の対話で候補者抽出・スコアリング・スカウト文面の草稿作成までを自動化し、ダイレクトリクルーティングをエージェント依存から構造的に転換します。
お問い合わせはこちらからinfo@jinbay.co.jp

採用の主導権を、
自社に取り戻す。

まずは 30 分、オンラインでお話しましょう。プロダクトのデモと、御社の採用にどう活かせるかのご提案まで、その場でお見せします。