ITエンジニアの採用において、特定の言語やフレームワークといった「ハードスキル」の重要性は言うまでもありません。しかし、実際の開発現場で事業に貢献し、チームに馴染んで活躍できるかどうかは、「自走力」や「課題解決力」といった「ソフトスキル」の有無に大きく左右されます。
しかし、職務経歴書や短時間の面談等だけで、こうしたソフトスキルを見極めるのは非常に困難です。
この記事では、エンジニアに求められるソフトスキルにはどのようなものがあるかを整理したうえで、実際に採用に成功している企業の取り組みを参考に、候補者の真価を正しく理解するためのポイントを解説します。
単にコードを書くスキルだけでなく、ビジネスへの貢献意欲、チームを率いるマネジメント力やリード力といった「作る以外」の役割を果たせるエンジニアの需要が、かつてないほど高まっています。
自社の事業成長を牽引する「AI時代に求められるエンジニア」を見つけたい。そんなお悩みを、LAPRASで解決しませんか?
エンジニア採用におけるソフトスキルとは?
「特定の言語での開発経験」や「任意のフレームワークの知識」といったエンジニアリングの専門知識・技術スタックはハードスキルと呼ばれます。これらに加えてエンジニア採用の現場で重視されるのが「ソフトスキル」です。
一般的なビジネス職などの場合、ソフトスキル=コミュニケーション能力と捉えられることもあります。「候補者が実務のなかでどう考え、どう動くか」という行動や思考の傾向を指します。
本記事では、エンジニア採用で特に見極めが難しいとされる、以下4つのソフトスキルを例として取り上げます。
- 自走力:自ら課題を発見・設定し、試行錯誤しながら主体的に開発を推進する能力。
- 課題解決力:顧客や自社のビジネスへの深い理解を持ち、技術をその解決や価値創出につなげる能力。
- 知的好奇心:新しい技術領域への探究心や、未知の知見を自律的に深掘りし続ける姿勢。
- 技術への向き合い方:日々の自己研鑽やアウトプットに表れる、技術に対するスタンスや志向性。

職務経歴書や面談だけではソフトスキルの見極めが難しい理由
こうしたソフトスキルの有無は、なぜ判断が難しいのでしょうか。それは、採用の初期段階に得られる情報の性質や、対話の機会が限られていることに原因があります。
職務経歴書で見えるのは「結果」であり「過程」が見えない
職務経歴書に記載されるのは、候補者が過去に関わったプロジェクトの中で使用した技術スタック、担当業務、成果といった「結果」の情報が中心になります。「なぜその技術を選んだのか」「どのように壁を乗り越えたのか」といった思考のプロセスや行動の軌跡は、フォーマットの性質上、記載されにくい傾向があります。結果として、職務経歴書だけを情報源にしていると、自走力や課題解決力といったポテンシャルを測るための判断材料がどうしても不足してしまいます。
短時間のカジュアル面談だけでは、日常の動き方まで届かない
無事にスカウトメールや返信のやり取りを経てカジュアル面談に至ったとしても、対話の時間は限られています。「自社の魅力を伝える」「候補者の疑問点に答える」といった時間も確保しなければならないため、ソフトスキルだけを深堀りして見極めるための時間が十分に確保できない可能性もあります。また、カジュアル面談の時点での見極めではタイミングとして遅く、もしアンマッチだった場合には企業と候補者双方の時間を無駄にしてしまう可能性もあります。
そのため、ソフトスキルを見極めるには、「職務経歴書や面談での対話以外の情報源から、できるだけ対話の早い段階で判断に必要な情報を得る」アプローチが有効です。
ここからは、実際にこうした課題に向き合い、日常のアウトプットからソフトスキルの見極めを行って採用に成功している3社の事例を紹介します。
株式会社ビープラウド:個人開発のプロセスから自走力を見極める
Webシステムの受託開発や「connpass」などの自社プロダクト開発を手がけるビープラウド社が着目しているのは、候補者が取り組んだ個人開発です。
同社ではエンジニアの自走力を見極めるため、個人開発を単なる完成した成果物として評価するのではなく、プロジェクトを前に進めた「自走した軌跡」として読み解くことで、実務での自走力の解像度を上げています。
成果物の完成度より「どう改善してきたか」を見る
個人開発の評価において見るポイントは、「何をきっかけに作ったか」「誰のフィードバックを受けたか」「それをどうブラッシュアップしたか」というプロセスです。
成果物の完成度だけではなく、他者を巻き込んだ改善過程に注目し、他者の意見を取り入れながら形にした経験から、自走力の中でも特に「柔軟性」と「改善力」を判断材料としています。
- 「自走力(柔軟性と改善力)」が読み取れる記述の例
- 「知人に使ってもらい、〇〇というフィードバックを受けたためUIを改修した」
- 「ユーザーからのIssue報告をもとに、〇〇の不具合を修正した」
ゼロからの立ち上げ経験から「課題設定の力」を見る
また、規模の大きさに関わらず、自らのアイデアを起点にゼロからプロダクトを立ち上げた経験も重視しています。
ここでの判断材料は、課題設定から実装、そして改善までを「自分で前に進めた形跡があるか」どうかです。自分で考え、試し、改善したプロセスそのものが、実務で自律的に動けるかどうかの判断材料となります。
- 「自走力(自律的に動けるか)」が読み取れる例
- 「自身の業務効率化のために〇〇というツールを技術選定から行い、自作した」
- 「〇〇という不便さを解消するため、APIを活用して自動化スクリプトを作成した」
このように、個人開発の経緯を「思考と行動のプロセス」として捉える視点を持つことが、職務経歴書だけでは見えにくい自走力を見極めるヒントになります。
株式会社世良:コードやリポジトリ構成から課題解決の過程を読む
生成AIとサイバーセキュリティを軸に受託開発事業を展開する世良社では、候補者が日常的に残している技術アウトプットを読み解くことで、課題解決力や知的好奇心がどのように発揮されているかを読み解いています。
GitHubのコードやリポジトリ構成から課題解決力を読み解く
GitHubなどに残された修正の履歴(コミット)や、機能追加・バグ修正時の議論(Issueやプルリクエスト)には、課題解決に向けた「考え方」が残っています。
問題の切り分け方や試行錯誤の痕跡、「なぜその実装を選んだのか」という理由に注目し、課題を理解して解決策を提案するアプローチを判断材料として読み取ります。
- 「課題解決力」が読み取れる記述の例
- 「ユーザーの〇〇という不満を解消するため、△△の技術を用いてレスポンス速度を改善した」
- 「将来的な拡張を見据え、今回はあえて保守性の高い△△のアーキテクチャを採用した」
技術ブログの考察から知的好奇心を読む
また、技術ブログなどの発信では、使っている技術そのものよりも「その技術をどう理解し、どう考察しているか」に注目します。
論点の立て方や深掘りの仕方、継続的な発信から見える関心の移り変わりを見ることで、技術への探究心や知的好奇心を判断材料として読み取っています。
- 「知的好奇心」が読み取れる記述の例
- 「〇〇というライブラリの内部構造をソースコードレベルで追い、挙動の仕組みを検証した」
- 「昨今のトレンドである〇〇について、既存の△△という手法と比較して、どのような思想の違いがあるのかを考察した」
技術アウトプットを「思考の軌跡」として捉える
GitHubのコードと技術ブログを横断して見ることで、候補者の課題解決力と知的好奇心を立体的に判断できるようになります。
ただし、エンジニアリングの専門知識がない人事・採用担当者だけでGitHubや技術ブログの文脈を深く読み解くことは難しいケースも多いため、現場のエンジニアの協力を得ながら見極めを進めることが大切です。
株式会社ロカオプ:本人の言葉と日常的な発信から技術への向き合い方を知る
MEO対策・店舗集客支援のSaaS「ロカオプ」の開発・運営やDX化支援を手がけるロカオプ社では、本人が綴った言葉と日常的な発信内容を読み解くことで、候補者の技術への向き合い方を判断しています。
「やりたいこと」の言葉から技術への志向性を読む
LAPRASのプロフィールにある「やりたいこと」欄などに表れる、技術に対する志向性や関心の方向に注目します。
ポイントは、「自分の言葉で具体的に書かれているか」という点です。何を実現したいのか、どのような仕事を望んでいるのかが固有名詞や具体性を伴って書かれているかを確認し、技術にどう向き合おうとしているかを判断材料として読み取ります。
- 「技術への向き合い方(志向性) 」が読み取れる記述の例
- 「フロントエンドだけでなく、バックエンドも含めたフルスタックな開発に挑戦したい」
- 「AI技術を活用して、〇〇のような業務課題を解決するプロダクトに携わりたい」
SNSなどの多様なアウトプットから自己研鑽の姿勢を読む
また、成果物の大小に関わらず、日々の活動や発信内容にも注目しています。
X(旧Twitter)などのSNSでの日常的なつぶやきや発信内容から、技術に対する関心の方向性や日々の自己研鑽の姿勢、人柄などを総合的に捉え、自社に合いそうかどうかの判断材料として読み取っています。
- 「技術への向き合い方(自己研鑽の姿勢) 」が読み取れる記述の例
- 「最近話題の〇〇という技術、面白そうなので週末にチュートリアルを触ってみた」
- 「〇〇の勉強会に参加して、△△の知見がとても参考になった」
志向性と日々の動きを補完的に読む
プロフィールの「やりたいこと」で大枠の志向性を捉え、SNSなどの「日常的な発信」で実際の自己研鑽の取り組みを追う。この両者を補完的に合わせて見ることで、候補者の技術に対するスタンスや志向性をより立体的に判断できるようになります。
3社に共通する、ソフトスキルの判断材料
ここまで紹介してきた3社は、それぞれ注目するソフトスキルや主な情報源は異なるものの、一つの共通するポイントを持っています。
- ビープラウド社:個人開発のプロセスから自走力を読み解く
- 世良社:GitHubと技術ブログから課題解決力と知的好奇心を読み解く
- ロカオプ社:本人の言葉とSNS発信から技術への向き合い方を読み解く
共通しているのは、職務経歴書に記載された結果だけでなく、候補者が日常的に残しているアウトプットを行動の軌跡として判断材料にしている点です。また、単一の成果物だけを見るのではなく、複数のアウトプットを横断的に見ることで、多角的な視点から候補者の資質を見極めようとしています。

LAPRASなら、ソフトスキルの判断材料をまとめて確認できる
3社の事例で登場したGitHub、技術ブログ、SNSの発信、「やりたいこと」などの情報は、本来であれば複数のプラットフォーム上に散らばっています。これらを人事・採用担当者が一つひとつ探し回るのは、実務上大きな工数がかかります。
LAPRASでは、こうしたWeb上のオープンデータが一つのプロフィールに集約されています。そのため、採用担当者は複数サイトを探し回る工数を削減し、その分の時間を候補者の思考プロセスを深く理解し、質の高い対話を準備するために充てることが可能です。
判断材料を揃えて、ソフトスキル見極めの精度を上げる
エンジニア採用においてソフトスキルの見極めが難しいとされる最大の理由は、職務経歴書や短時間の面談だけでは候補者の「行動の軌跡」が十分に理解できず、判断材料が不足してしまうからです。
採用に成功している企業の事例に共通していたのは、職務経歴書や面談の外側にある「日常的なアウトプット」を、それぞれ重視するソフトスキルの判断材料として丁寧に読み解いていたことでした。
まずは候補者がどこに、どのような技術的アウトプットや活動の軌跡を残しているかを参照すること。 そして、それを手がかりに「思考のプロセス」を読み解く視点を持つこと。LAPRASなどを活用して必要な判断材料を揃え、社内のエンジニアと協力しながら見極めを進めることができれば、ソフトスキルへの理解は深まり、より精度の高いマッチングへと繋げられるはずです。
LAPRASは独自のスコアリングにより、テクノロジー、マネジメント、リード力などのスキルを客観的に可視化。



