生成AIの進化に伴い、エンジニアの役割は変化しています。「定められた仕様に沿って開発する」だけでなく、自らビジネスや顧客の課題を見つけ、技術で解決できるエンジニアのニーズが急速に高まっています。

この記事では、職務経歴書だけでは判断が難しい「課題解決に関心が強いエンジニア」を見極め、採用につなげるためのポイントを解説します。

より重要性が高まる、エンジニアの「課題解決力」とは？

今回取り上げるエンジニアの「課題解決力」とは、「自社や顧客のビジネス課題を自ら発見し、技術を用いて解決へと導くスキル」を指します。

しかし、こうしたスキルの有無を、職務経歴書に記載された情報だけで見極めるのは容易ではありません。職務経歴書は使用言語や経験年数といった技術スタックの記載が中心になりがちで、「なぜその技術を選んだのか」という思考プロセスや、「困難な状況にどう向き合ったのか」といった内面的な要素まで読み取るのが難しいからです。

その結果、課題解決力以外の要件で有力な候補者が見つかったとしても、

「技術力は高そうだが、自社のビジネス課題にどう向き合ってくれるかが見えない」
「指示待ちにならず、自走してくれる人材なのか判断がつかない」

というふうに、多くの採用担当者が判断に悩まされることになります。

課題解決に関心が強いエンジニアを見極める3つのポイント

職務経歴書だけでは見えにくい課題解決力ですが、以下の3つの視点を持つことで、その有無をある程度見極めることができます。

1. 課題への向き合い方
2. 思考プロセス
3. 活躍しやすい環境

それぞれについて詳しく解説していきます。

（1）課題への向き合い方

まず確認すべきは、ビジネスや顧客の課題に対してどのようなスタンス（志向性・価値観）を持っているかです。 技術スキルの不足は入社後にキャッチアップすることも可能ですが、根本的な価値観はその人の経験から形成されるため、採用段階での見極めが不可欠です。

具体的には、以下の点に注目してみましょう。

• 顧客のビジネス課題を理解しようとする姿勢があるか？

技術そのものに対する興味関心だけでなく、「誰の、どんな課題を解決するための技術か」に関心を持っているか。

• 自ら課題を見つけられるか？

与えられたタスクをこなすだけでなく、潜在的な現状課題を自分から発見し、解決策を提案できるか。

• 解決する過程を楽しめるか？

困難な課題に対しても、前向きに取り組み、解決する過程を楽しめる姿勢があるか。

（2）思考プロセス

最終的なアウトプットだけでなく、そこに至るまでの「なぜその技術を選んだのか」「どう問題を解決したか」という、その人の「思考の過程」を確認することも重要です。

• 技術的アウトプットから、その人の考え方を読み解く

技術ブログやGitHubなどの日常的なアウトプットには、それを作ったエンジニアの思考が色濃く反映されます。「なぜこの技術を選定したのか」「どのような試行錯誤があったのか」といった記述から、技術に対する姿勢や深さを読み取ることができます。

• 対面で「背景にある思考」を探る

面接などで「課題解決にどのように取り組んだか」を深掘りし、表面的なスキルだけでなく、その背景にある思考プロセスをヒアリングします。

（3）活躍しやすい環境

たとえ課題解決力が備わっていたとしても、自社でその能力が発揮できなければ意味がありません。候補者がどのような環境やカルチャーの中でパフォーマンスを最大化できるかも重要です。

• 現場メンバーによる適性チェック

現場のエンジニアが選考に参加し、技術的な視点だけでなく「自社の開発チームで力を発揮できそうか」を見極めます。現場視点が入ることで、より精度の高いマッチングが可能になります。

• 働き方への適性

例えば、働くのがフルリモート環境であれば、「セルフマネジメント力」や「テキストコミュニケーションの円滑さ」も、課題解決力を発揮する上で重要な要素となります。

課題解決力の見極めに役立つLAPRASの機能

前述した3つのポイントを、候補者ひとり一人に対して順番に確認していくのはなかなか大変です。そこで、課題解決力の見極めに役立つLAPRASの機能をご紹介します。LAPRASには、課題解決力のように見えにくいスキルや経験を可視化し、効率的な見極めをサポートする機能が複数備わっています。

隠れた経験、姿勢を明らかにする「AIスキルハイライト」

候補者の職歴や職務要約などのテキスト情報をAIが読み込み、「エンジニアリード」「PM/PL」「ピープルマネジメント」といった経験の有無を自動で判別し表示する機能です。

こうした、純粋な開発・実装力だけではない、ソフトスキルが求められる役割については、職務経歴書上でははっきりとわかる形で明示されていないことも珍しくありません。しかし、AIスキルハイライトがあれば、仮に明確な役職として経験が記載されていない場合でも、AIが文章の文脈から「課題解決を推進した経験」や「組織をリードした経験」を可視化してくれるため、候補者がどのようなスタンスで課題に向き合ってきたかを効率的に把握できます。

詳しくはこちら：

社外へのアウトプットが集約されたポートフォリオ

LAPRASでは、GitHub、Qiita、Zennなどで発信された技術的アウトプットが自動で収集・解析され、ポートフォリオとして一元化されます。

これによって、目ぼしい候補者がいた場合でも、複数のサービスを個別に検索して調べる手間が省けます。さらに、候補者が作成した実際のコードや技術ブログの記事内容を確認することで、職務経歴書には表れにくい「なぜその技術を選定したか」「技術的にどうアプローチして解決したか」といった思考プロセスや、技術へのこだわりを深く読み解くことができます。

自主性やカルチャーフィット確認に役立つ「LAPRAS Social Search」

LAPRAS Social Searchは、X（旧Twitter）やconnpass上での活動をLAPRASのプロフィールと紐づけて確認できるChrome拡張機能です。

例えば、connpassで「課題解決」や「特定の技術領域」をテーマにした勉強会を検索し、その参加者リストからLAPRASプロフィールを確認できます。

業務外の時間を使ってでも学び、課題解決のヒントを得ようとする姿勢は、「課題への向き合い方」における自律性や意欲の高さを示す重要なシグナルとなります。

また、自社のXアカウントの発信に「いいね」や「リポスト」をしている人をチェックすることも可能です。

そうした人は、自社のカルチャーや取り組みに共感している可能性が高いため、「活躍しやすい環境」の観点でもマッチ度が高いと言えます。また、SNS上での発言や振る舞いを確認することで、チームに馴染めそうかといったソフトスキルの側面も推測しやすくなります。

イベント参加者とSNS、いずれから候補者を探す場合であっても、通常の採用媒体上での候補者探しとは異なる切り口になるので、それまで気づくことができなかった有力な候補者を発見できるきっかけにもなりえます。

詳しくはこちら：

見えにくい「課題解決力」を可視化し、事業を牽引する人材採用へ

課題解決に関心が強いエンジニアを採用するには、スキルだけでなく候補者の内面や、自社環境との相性を深く見極める必要があります。

• 課題への向き合い方：ビジネス課題へのスタンスを確認する
• 思考プロセス：技術選定の理由や背景にある思考を読み解く
• 活躍しやすい環境：自社のカルチャーや働き方で力を発揮できるか確認する

これらのポイントを押さえることで、単に技術力が高いだけでなく、自社のビジネスに深く貢献してくれるエンジニアとの出会いが増えるはずです。LAPRASの機能も役立つので、ぜひ積極的に活用して、候補者のアウトプットや日々の活動から、その思考や志向性を読み解いてみてください。