Evalsが切り拓く知識労働の未来：Mercor CEOフーディ氏が語るAI × 採用評価

近年、生成AIの進化とともに、採用プロセスやデータラベリングの現場にも大きな変革の波が押し寄せている。本稿では、AIネイティブな労働市場インフラを手掛けるMercor（旧Meror）の共同創業者兼CEO、ブレンダン・フーディ氏へのインタビューをもとに、同社のミッション、AIによる採用評価の現状と課題、そして「Evals」がもたらす知識労働の再定義やデータラベリング市場の未来像について、具体例や発言引用を交えて解説する。

1. Mercor社のミッションと設立背景

Mercorは、AIモデルの評価と人材評価を一体化するプラットフォームを提供するスタートアップだ。

1-1. 労働市場の断片化と統合のビジョン

「労働市場は、非常に断片化されており、有能な人材が機会を得にくい」──Mercor設立の背景には、こうした問題意識がある。フーディ氏は、遠隔地の候補者が応募できる求人はせいぜい数件に過ぎず、企業側も候補者の源泉を限定的に見てしまう現状を指摘。その解決策として、AIとLMS（大規模言語モデル）を活用し、全世界の候補者と企業を一つのマーケットプレイスに統合するビジョンを掲げている。

1-2. 初期の成功とTeslaオフィス訪問

2023年8月、顧客紹介を機にxAI（OpenAI創業者によるAI研究機関）の共同創業者と接点を持ち、「2日後には、Teslaのオフィスで会見」という夢のような体験を果たしたという逸話は、同社の急成長ぶりを象徴している。まだ大学在学中だったフーディ氏ら創業メンバーは、この経験から市場の変化が思いのほか速いことを痛感し、AIモデル評価分野への本格参入を決意した。

2. AIを用いた採用評価の現状と課題

AI技術が、採用プロセスに組み込まれることで、従来の人間中心の評価手法にはない効率性と客観性がもたらされつつある。

2-1. テキストベース評価の超人的精度

「人間がテキスト上で評価できる領域において、AIモデルは、すでに超人的な精度に近づいている」──面接記録の文字起こし、応募書類の評価、筆記形式のアセスメントなど、LMSによる自動評価は人間の判断を凌駕しつつある。これにより、膨大な候補者を効率的にスクリーニングでき、採用担当者は最終的に「選ぶべき候補」に集中できるようになった。

2-2. モデルの限界と「vibeチェック」

一方で、フーディ氏は、「人間は ‘この人と働きたいかどうか’ という感覚的判断 (‘vibeチェック’) に強いバイアスを持つ」と指摘する。AIモデルは、情熱や誠実さといった定性的要素を捉えるのが苦手であり、最終的な採用判断には人間の視点が依然として不可欠だと論じる。

3. Evalsによる知識労働の再定義

Mercorが提唱する「Evals」は、知識労働の評価手法を根本から変える可能性を秘めている。

3-1. Evalsの自動化プロセス

採用プロセスにおける人間の手作業をモデル評価タスクに置き換えるのがEvalsの本質だ。履歴書のパース、面接質問の生成・評価、過去のパフォーマンスデータとの統合など、従来は、複数人で分担していた作業をLMSとポストトレーニングによって自動化し、最終的な「採用可否予測」を行う。フーディ氏は、「モデルが出す判断理由（reasoning chain）は、時に人間以上に理にかなっている」と語り、その可能性を高く評価している。

3-2. 人間とAIの協業

Evalsは、完全な代替を目指すのではなく、むしろ人間とAIの協業を前提とする。採用担当者は、AIが抽出した候補者像や評価ポイントを踏まえ、より深い質的判断や最終面接に注力できる。「AIは定量的能力を最大化し、人間は ‘売り込み’ や最終的な文化適合性の判断に集中すべきだ」というフーディ氏の言葉が示すように、両者の役割分担が重要となる。

4. データラベリング市場の変貌

生成AIブーム以前は大量のクラウドソーシングで賄われていたデータラベリングも、高品質なタレントを活用する方向へ大きくシフトしている。

4-1. 群衆ソーシングから高品質タレントへのシフト

ChatGPT登場以前、学⽣やアンダーグラウンドのプログラマでさえ混合評価やSFT（教師あり微調整）データを生成できた。しかし、モデル精度の向上に伴い、研究者と協働して「モデルをトリップアップ（意図的に誤答させる）データ」を作成できる高品質な人材が求められるようになった。Mercorは、優秀な専門家を迅速に調達し、それを武器に主要ラボから高い支持を獲得している。

4-2. マルチモーダル評価の未来

音声・映像・コードなど複数モダリティをまたぐ評価は技術的にまだ発展途上だ。フーディ氏は、「ビデオインタビューで候補者の情熱を捉えるRL（強化学習）や検索問題の解決が次のマイルストーン」と展望を語り、よりリッチなコンテキストをAIに学習させる方策を模索している。

5. 今後の展望と必要スキル

AI主導の労働市場が本格化する中で、政策やスキル開発への関心も高まっている。

5-1. 規制と社会的議論

多くの規制当局が安全性や国際競争に注目するいっぽうで、「AIが人々の仕事を ‘超える’ 未来」を見据えた実務への影響をもっと議論すべきというフーディ氏の指摘は重い。企業も政府も、変化する職業構造に対する期待値調整や再教育プログラムの整備を急ぐ必要がある。

5-2. 求められる学習速度とAI活用能力

フーディ氏は、学生や若手に対し、「変化の速さに対応できる学習速度と、AIを ‘使いこなす’ 習熟度を重視せよ」とアドバイスする。日常業務でAIモデルを試行錯誤し、得られたギャップをプロンプト設計や評価タスクに反映させる経験が、今後のキャリアにおいて大きなアドバンテージとなる。

Mercorが示すのは、AIによる精緻な「Evals」が知識労働の在り方を根底から見直し、人間とAIがそれぞれの強みを発揮する協業モデルへと移行する未来像である。労働市場の断片化を解消し、高品質な評価を通じて最適なマッチングを実現する同社の取り組みは、これからの採用・データラベリング領域における重要な一歩となるだろう。

オススメ記事