ビジネスSNSの収益構造を解剖する

Dissecting the Revenue Structure of Business Social Networks

現在の採用市場を支配しているビジネスSNSの収益源は、大きく3つに分類できる。

The revenue sources of the business social networks that dominate today's hiring market fall into three broad categories.

「精度を上げると儲からない」という構造的矛盾

The Structural Contradiction: "Higher Precision Means Lower Revenue"

ここに根本的な矛盾がある。マッチング精度が上がるとどうなるか。

Here lies the fundamental contradiction. What happens when matching precision improves?

これは経営判断の問題ではない。ビジネスモデルの設計上の問題だ。プラットフォームが合理的に行動すれば、マッチング精度よりもエンゲージメントと流量を最大化する方向に向かう。それが株主への説明責任を果たすことになるからだ。

This is not a management judgment issue. It's a business model design issue. When a platform acts rationally, it optimizes for engagement and volume over matching precision — because that's what fulfills its obligations to shareholders.

キーワードマッチングの限界——前提データが壊れている

The Limits of Keyword Matching — The Source Data Is Broken

現在の採用プラットフォームが依存するキーワードマッチングには、致命的な前提がある。求人票が正確であること、そして候補者のプロフィールが実態を反映していること。現実はその逆だ。

Keyword matching — the method current hiring platforms depend on — rests on a fatal assumption: that job descriptions are accurate, and that candidate profiles reflect reality. The opposite is true.

• 求人票はHR担当者が書く——現場の技術要件を理解していないことが多い
• Hiring Managerの本当の意図が言語化されていない
• 候補者のプロフィールは自己申告——古く、抽象的で、実務と乖離している
• スキルの羅列は、実際の能力の代理指標に過ぎない
• Job descriptions are written by HR — who often don't understand the technical requirements
• The Hiring Manager's true intent is rarely articulated
• Candidate profiles are self-reported — outdated, abstract, disconnected from real work
• Skill lists are merely a proxy for actual capability

フリーランス化の加速が、この矛盾をさらに拡大する

The Freelance Acceleration Is Making This Contradiction Worse

従来の採用モデルは長期雇用を前提に設計されていた。ミスマッチがあっても、時間をかけて調整できる。しかしフリーランス・プロジェクト型雇用が加速する現在、この前提が崩れつつある。

Traditional hiring was designed around long-term employment. Even with mismatches, there was time to adjust. But as freelance and project-based work accelerates, this assumption is collapsing.

プロジェクトベースの契約では、スタート時点でのマッチング精度がすべてになる。さらに、「デザインもできるエンジニア」「事業開発もできるマーケター」という複合スキルをキーワードで探すことは、構造的に困難だ。

In project-based contracts, matching precision at the start is everything. Moreover, finding someone who is "an engineer who can also design" or "a marketer who can also do business development" is structurally impossible with keyword search.

AI時代が求める、新しいマッチング設計

The New Matching Architecture the AI Era Demands

では何が必要か。求人票を信じないことから始める設計だ。企業が「何を書いているか」ではなく「何を本当に必要としているか」を理解し、候補者が「何を書いているか」ではなく「何を実際にできるか」を理解する。

What's needed is a design that starts by not trusting the job description. Understanding not what companies write, but what they truly need. Not what candidates list, but what they can actually do.

これは人間には難しい。しかしAIには可能だ。AIは過去の採用成功パターンを分析し、組織構造やプロダクトフェーズから本質的な要件を抽出できる。候補者との対話から意味的なスキルプロファイルを生成できる。そして最も重要なのは、KPIを「応募数」から「成功確率」に変えることだ。

This is difficult for humans. But it's achievable for AI. AI can analyze past hiring success patterns, extract genuine requirements from organizational structure and product phase, and generate semantic skill profiles through conversation. And most importantly: shifting the KPI from "application volume" to "success probability."

応募数が増えるほど収益が上がるモデルではなく、マッチングが成立するほど価値が生まれるモデル。このインセンティブ設計の転換こそが、採用市場が本当に必要としているものだ。

Not a model where more applications means more revenue — but one where value is created when matches succeed. This shift in incentive design is what the hiring market truly needs.