生成AI（または生成系AI）は、従来のAIが決められた行為の自動化が目的であるのに対し、さまざまなコンテンツを生成したり、さまざまなコンテンツを生成するために学習したりすることができることが大きな特徴です。
膨大なデータのパターンや関係を学習し、言語の理解と文章生成において人間と同等またはそれ以上のパフォーマンスが実現できることは周知の事実です。

これらを採用活動に活用することは、私たちにとって今後数年の間の命題になると言えるでしょう。

RDIでは、採用活動における生成AIの活用場面について、以下のように整理をしています。

ではそれらをどのよう具現化していくか、そのアプローチを説明します。
ポイントは以下の３つです。

①ChatGPTなどのAIモデルを基盤として活用
現実的な選択肢としては、ChatGPTなどの既存の汎用的なAIモデルを基盤として活用し、コストと実装スピードを担保すべきだと考えます。
ただし、ChatGPTなどを利用する場合には、「世間一般に流通している知識」を学習データとしているため、そこから生成される出力も世間一般的な内容となります。
そこで、汎用的なAIモデルに対して最適化（チューニング）が必要になります。

②RDIの採用設計の知見を用いてAIモデルを事前に最適化
採用活動は思い込みや印象といった主観にあふれ、まだまだ科学の不足している分野です。汎用的なAIモデルが学習している世間一般的な情報の中に、採用設計の正しさを期待することは難しいと言えます。また、そもそも自社の採用活動の設計が最適な採用設計になっているかどうかを判断することも難しいと言えます。そこでまずは正しい、客観性の高い採用設計の知見を用いてAIモデルを事前に最適化します。

③自社独自の評価基準などを用いてさらに最適化
さらに、自社独自の評価観点や基準などの情報により、AIモデルにチューニングを施します。このチューニングによって「自社独自の文脈に最適化された言語理解と文章生成」を行うことが可能となり、高い精度でアウトプットを得ることが期待できるようになります。
自社情報が充分に蓄積されていない場合には、有益と考えられる情報の収集を早期に開始して蓄積し、質と量の点からチューニングを繰り返していくことが望ましいと言えます。