AIスカウトの返信率が伸び悩むとき、多くの担当者はまず文面を直そうとします。しかし文面だけを作り込んでも、返信率は頭打ちになりやすいのが実情です。返信率が低いまま放置される企業に共通しているのは、文面の質ではなく「送信後の改善アクションが途切れている」という運用側の問題です。送信タイミングの見直し、AI生成文面の人による確認、未返信者へのフォロー、結果データに基づく対象の見直し——この4つを途切れさせずに回し続けることが、遠回りに見えて最短の改善策になります。

AIスカウトとは、候補者の検索・選定や文面の作成、送信までをAIが支援する採用手法です。本記事を運営するフェアパスは、bgrass株式会社が提供する「採用オペレーションAI」で、チャットから日程調整・連絡・更新を自律実行する共通基盤を軸に、採用現場の運用設計を重ねる中でこの記事の考え方を整理してきました。

AIスカウトの返信率は今どのくらいが目安なのか

AIスカウトの返信率は、利用する媒体や対象職種によって幅が大きく、全体としては低下傾向にあるとされています。自社の返信率が高いのか低いのかを把握することが、改善策を考える前の出発点になります。

媒体・調査対象 返信率の目安
リクルートダイレクトスカウト 約9割の企業が1〜3%と回答
BIZREACH 半数以上の企業が4〜6%以上と回答(調査対象4媒体中で最高)
Wantedly(転職潜在層向け) 平均20%
forkwell(転職顕在層向け) 平均10%(10%を超えると「高い」とされる)
国内スカウト全体の推移(2018年) 16.2%
国内スカウト全体の推移(2025年) 6.7%
職種別:エンジニア職(2025年) 8.1%
職種別:コンサルティング職(2025年) 6.2%

リクルートダイレクトスカウトとBIZREACHの数値は、circus株式会社が実施した独自アンケート調査によるもので、企業の自己申告ベースの数値です。Wantedlyとforkwellの数値は媒体の傾向を紹介する解説コラムによるもので、調査時期や母数の明記はありません。2018年から2025年の推移は集計方法が明示されていない第三者サイトの数値であり、参考値として見るのが妥当です。職種別の数値は、野村総合研究所の調査結果を紹介する記事からの孫引きです。出典や母数の性質が異なるため、「相場」というより「幅のある目安」として読んでください。

返信率が伸び悩む本当の原因は、文面の良し悪しだけではない

返信率が伸び悩む原因は2つに分けて考える必要があります。1つは「AIらしい定型文面に対する候補者の不快感」、もう1つは「スカウト送信後の改善アクションが継続的に回っていないこと」です。文面を整えるだけでは、このうち片方にしか対処できません。

株式会社フォワードが2026年6月に転職経験者337人へ行った調査では、定型的なAI生成スカウト文面に38.2%が不快感を示しました。好印象を持ったのは18.1%にとどまっています。注目すべきは、候補者ごとに個人化したAI生成文面でも23.4%が不快感を示しており、好印象の26.7%とそれほど差がついていない点です。「個別化すれば不快感は解消される」とは言い切れないため、文面だけで返信率を押し上げようとするアプローチには限界があります。

もう一つの原因は、送信した後の運用側にあります。フェアパスが難易度の高いポジション採用向けに整理した内容によれば、こうした採用で積み上がりやすい「やった方がいいのに、できていないこと」は次の6つです。

  • エージェントへのフィードバック
  • 推薦の催促
  • 求人要件の見直し
  • スカウト対象の見直し
  • 面接後のフォロー
  • 辞退理由の分析

母集団形成の課題は、送信量の不足よりも、こうした改善アクションが継続的に回っていないことの方が本質的な場合が多いとされています。返信率が低いまま放置されている企業の多くは、文面を直す前に、この見直しサイクル自体が止まっていないかを確認する必要があります。

手順1：送信タイミングを見直し、結果を記録する

送信する曜日・時間帯を見直すことは、文面を変えるよりも早く着手できる改善策です。火曜〜水曜の午前9〜12時・昼休みの12〜13時・夕方18〜19時の送信は、開封率・返信率が高くなる傾向があるとされています。ただしこれは検証データに基づく統計ではなく、実務上の経験則として紹介されている内容です。

  1. 現在のスカウト送信を曜日・時間帯・対象セグメント(職種・経験年数など)別に一覧化する
  2. 「送信数・開封数・返信数」を項目ごとに分けて記録する。返信率だけをまとめると、どこで候補者が離脱しているか(開封されていないのか、開封後に反応がないのか)が見えなくなる
  3. 火曜〜水曜の午前・昼休み・夕方の時間帯に、試験的に送信を寄せてみる
  4. 1通目で反応がない候補者には、2〜3週間後に別の角度で内容を変えたフォローアップを送る

ここでのポイントは、効果があったかどうかを感覚ではなくデータで振り返れる状態にしておくことです。送信数・開封数・返信数を分けて記録していなければ、後の見直し作業そのものが成立しません。

手順2：AI生成文面は「人が確認してから送る」運用にする

スカウト文面の作成はAIに任せつつ、送信前の最終確認は必ず人が行う運用が向いています。フェアパスが定義する「AIの動き方」のフレームワークでは、AIが判断しそのまま実行する「オートモード」と、AIが案を作り人が確認してから実行する「承認モード」の2種類があります。日程調整やリマインドのように定型的でやり直しがきく業務はオートモードが向き、対外発信や採用方針に関わる影響の大きい判断は承認モードが向くとされています。候補者に直接届くスカウト文面は対外発信にあたるため、作成自体はAIに任せても送信前の確認は人に残す運用が適しています。

送信前に確認する観点は、漠然と「見る」のではなく、次の3点をチェックリストとして固定しておくと実務に落としやすくなります。これらはAIスカウトの一般的なデメリットとして指摘されている内容です。

  • 事実関係の確認：候補歴・スキル・経験年数などの記載に、事実誤認(ハルシネーション)が混入していないか
  • 表現の自然さの確認：不自然な言い回しや、テンプレートの痕跡が残っていないか
  • 定性情報の反映確認：熱意・志望動機・価値観といった定性的な要素を汲み取れているか。AIはこの汲み取りが不得意とされているため、人が補う前提で読む

前のセクションで触れたとおり、個人化した文面でも一定割合の候補者が不快感を示すという調査結果があります。「個別化すれば安心」と考えず、この3点を省略しない運用にしておくことが重要です。この観点をさらに広げたAIスカウト全体の注意点は、AIスカウトのデメリットと導入前の注意点で整理しています。

手順3：未返信者へのフォローはオートモードで回す

返信後の次アクション提示や、未返信者への再送タイミング管理は、確認を挟まず自動実行する「オートモード」に向いている業務です。返信後24時間以内に次のアクションを提示できるかどうかで候補者の熱量は変わりやすく、1通目で返信がなくても2〜3週間後のフォローアップで返信率が向上するケースもあるとされています。「いつ・誰に・何を送るか」という定型的なタイミング管理は、方針判断を伴わないため、人が逐一操作しなくてもAIに任せやすい領域です。

一方で、未返信者への再送文面を変える際に「どう言い換えるか」「どこまで踏み込んだ内容にするか」は方針判断に近づくため、承認モードに戻すべき場面もあります。フォロー対応の中でも、定型的な時間管理はオート、内容の調整は承認、と役割を分けて考えることが、途切れないフォロー運用につながります。オペレーション業務のどこまでをAIに任せられるかは、採用アシスタントに任せていた仕事は、イレギュラー対応や配慮までAIに任せられるのかでも扱っています。

手順4：フェーズ別の通過傾向から、スカウト対象の基準を見直す

返信率そのものが改善しても、その後の書類通過・一次面接通過が伸びなければ、対象の絞り込み自体を見直す必要があります。フェアパスが人材紹介エージェントとの連携に向けて整理したフレームワークでは、書類・一次・二次・最終・内定・見送りのフェーズ別に通過者の傾向を積み上げることが重要だとされています。内定者だけで判断しようとすると母数が少なすぎるためです。この考え方は、人材紹介会社への情報共有だけでなく、スカウト対象の基準を見直す際にも応用できます。

  1. スカウトを送った候補者を、書類通過・一次通過・二次通過・見送りのフェーズ別に分類する
  2. 通過者に共通する経歴・経験と、見送りが増えている傾向を洗い出す
  3. 求人票には書かれていない実質的な通過基準が見えてきたら、スカウトの検索条件(経験年数・業種・スキルタグなど)に反映する
  4. 反映後の送信結果を再び手順1の記録に戻し、変化を追う

返信率を上げること自体は入り口にすぎません。通過データに基づいて対象の基準を見直すところまで行って初めて、送信した工数が選考の成果につながります。

手順5：結果データの置き場所を決め、PDCAを止めない

返信率の改善は、1回の施策で終わらせず「送信結果を見る→課題を検知する→対象や文面を見直す→また結果を見る」というPDCAを止めずに回し続けることが核になります。フェアパスが整理する採用PDCAは、次の6ステップで構成されています。

  1. 求人・候補者・選考データを見る
  2. 課題を検知する(推薦が来ない・反応が悪い・辞退が続く等)
  3. 次に必要なアクションを判断する
  4. 実行する(エージェントへの要件共有・フィードバック・推薦催促・スカウト対象の見直し等)
  5. 結果をデータとして蓄積する
  6. 次の改善を行い、1に戻る

このサイクルの5番目「結果をデータとして蓄積する」には、どこに何を記録するかという役割分担も関わってきます。フェアパスが公開している整理では、ATSなどのSystem of Record(SoR)は候補者情報や選考履歴を蓄積する場所として残し、日々の操作や実務はAIエージェントが担う、という役割分担になるとされています。スカウトの送信記録・反応データも同様に、記録はATS側に残しつつ、対象の見直しや再送判断といった実務をAIが担う形に整理すると、PDCAの6ステップが途切れにくくなります。

このサイクルを回す上で大切なのは、効率化そのものをゴールにしないことです。スカウトや面接など1つの業務だけをAI化するサービスでは、工程と工程をつなぎ次に何をするかを判断する主体が人に残りやすく、難易度の高いポジションでは工数が多少減ってもPDCAが途切れていれば採用成功率は上がりません。単機能のAI導入が成果につながりにくい理由については、オペレーション担当を完全にAIエージェントに置き換えられる時代へやなぜ部分的なAI導入だけでは成果が出ないのかでも詳しく解説しています。

スカウト運用の自動化は、内製すべきか外部に任せるべきか

ここまでの5手順を自社だけで回しきれるかどうかは、体制によって変わります。フェアパスが整理する「AIエージェントを内製すべきかを判断する3つの問い」は、スカウト運用の自動化を検討する際にも使える基準です。

  • 緊急性：今の返信率の低さが、短期間で解決しなければならない水準か
  • 独自性：自社のスカウト対象基準(手順4で洗い出した実質的な通過基準)は、他社が真似できない固有のものか
  • 保守性：記録・分析・対象見直しのサイクルを、作った後も自社で運用し続けられる体制があるか

内製化の本質は、実行のソフトウェアを自社で書くことではなく、「判断基準を言語化して渡せる状態にすること」だとされています。自社に判断基準を言語化する時間がない場合は、スカウト業務そのものを外部に委託する選択肢もあります。委託する場合の業務範囲や費用感は、スカウト代行とは｜業務範囲と費用相場とAIスカウト導入費用の相場｜ツール型と代行型の違いで確認できます。

よくあるつまずき：データ保護と媒体規約の確認

AIスカウトを運用する前に、候補者データの保存場所・暗号化の有無、入力データがAIの学習に利用されるかどうかを事前に確認しておく必要があります。2026年の個人情報保護法改正への対応も課題として挙げられています。また、一部のスカウト媒体は利用規約でAIツール・RPAツールの利用を禁止・制限している場合があるため、利用している媒体の規約を確認してください(具体的な媒体名や規約内容は一般論としての指摘であり、個別の裏取りが必要です)。

これらは返信率とは別軸の問題ですが、運用そのものを止めてしまうリスクとして見過ごせません。

まとめ

採用オペレーションは、この先何年かは人の確認や承認を残すHuman-in-the-Loopから抜け出せません。ただし、人がすべてを操作し続ける必要はなく、データの収集や次のアクションの実行はAIが担うことができます。返信率は媒体や職種によって相場が異なり、単発の文面改善だけでは頭打ちになりやすいからこそ、送信タイミングの見直し・人による文面確認(承認モード)・フォロー対応の自動化(オートモード)・フェーズ別データに基づく対象の見直しを、一連のPDCAとして止めずに回し続けることが、返信率を継続的に改善する実質的な方法になります。

よくある質問

Q. 返信率が上がっても内定につながらない場合はどうすればいいですか？

返信率という「量」の改善だけで満足せず、その先の推薦の催促・求人要件の見直し・面接後のフォロー・辞退理由の分析といったアクションが継続的に回っているかを確認する必要があります。難易度の高いポジションの採用では、母集団形成の課題は送信量の不足よりも、スカウト対象の見直しを含むこうした改善アクションが途切れていないことの方が本質的な場合が多いとされています。手順4で紹介したフェーズ別の通過傾向の分析と合わせて、求人・候補者・選考データを見る→課題を検知する→アクションを実行する→結果を蓄積するというPDCAの流れ全体が止まっていないか、見直す運用にしておくことが重要です。

Q. スカウト運用の自動化は、自社で内製すべきですか？

「緊急性(短期間で解決が必要か)」「独自性(自社固有の通過基準や判断軸があるか)」「保守性(作った後も運用し続けられる体制があるか)」の3つの問いで判断するのが考え方の基準になります。判断基準を言語化できていない段階で内製を急ぐよりも、まずは手順4のようにフェーズ別の通過データを洗い出し、自社固有の基準が見えてから内製・外部委託を検討する方が、遠回りに見えて確実です。

スカウト運用のどこをAIに任せ、どこを人の判断に残すべきか、自社の採用フローを一緒に整理しませんか。お問い合わせはこちら

著者：フェアパス編集部

この記事は、AIを使って作成し、編集部が内容を確認しています。