LAPRAS SCOUTがエンジニア採用の基盤に!Ubieが実践するデータベース的活用術

2020年よりLAPRAS SCOUTを導入しているUbie株式会社。直近で採用したQAエンジニアをはじめ、LAPRAS SCOUTを活用し多くのエンジニアの採用に成功している。その効果的なLAPRAS SCOUTの使い方について、同社のプロダクトオーナーの敷地さん、ソフトウェアエンジニアの小谷さんに話を伺いました。

《プロフィール》
敷地 琢也さん(写真左):
東京大学在学時代から、Webサービスの受託開発や、ビジネスコンテストでの新規アプリ開発などを経験。大学院卒業後、株式会社リクルートホールディングスに入社。BtoC向けの新規アプリのサーバーサイド開発、SaaSアプリのiOS開発リーダーを担当。2017年よりUbie株式会社にジョイン。プロダクトオーナー兼エンジニアとして、同社のエンジニア組織を牽引している。

小谷 優空さん(写真右):
「AI受診相談ユビー」のtoCサービスの開発に携わるソフトウェアエンジニア。筑波大学3年生。2019年5月よりインターン、2020年5月より正社員としてUbie株式会社にジョイン。ソフトウェアエンジニアとしてサービス開発に関わりながら、リファラル以外の媒体を利用した採用活動も兼任している。

Ubie株式会社:
「テクノロジーで人々を適切な医療に案内する」をミッションに掲げ、医師とエンジニアが2017年5月に創業したヘルステックスタートアップ。AIをコア技術とし、医療現場の業務効率化を図る「AI問診ユビー」と、症状から適切な医療へと案内する「AI受診相談ユビー」を開発・提供。

課題となりやすい現場エンジニアの「リソース不足」をLAPRAS SCOUTが解消

― LAPRAS SCOUT導入の経緯を教えていただけますか?

敷地:Ubieではエンジニア採用に、専任の人事をおいていません。エンジニアの採用に関しては、母集団形成から面談、内定まで現場のエンジニアが中心となって進めるスクラム採用を行っています。しかし、候補者をリサーチし、最初の母集団形成のためのエンジニアのリソース確保が以前からの課題でした。

そんな時に採用媒体として候補に挙がったのが、LAPRAS SCOUTです。適切な条件を設定することで、私たちの求めるエンジニアを次々と提案してくれるレコメンド機能は、候補者リサーチにかかる時間を大幅に削減できるサービスだと思い導入を決定しました。

― 現在のLAPRAS SCOUTの運用方法を教えていただけますか?

小谷:現在、私ともう1人のエンジニアでLAPRAS SCOUTを使っての採用活動を担当しています。週に20~30分程度、採用活動を集中的に行う時間をつくり「一緒に働きたい」と思える候補者がいないかレコメンドをチェック、気になる方がいたらタレントプールに追加していきます。候補者のリサーチにはレコメンド機能以外にExtension機能もよく活用していますね。募集職種と親和性の高い技術に関するイベントをconnpassで調べたり、Twitterで検索したりすることでより確度の高い人材のリサーチができています。そこで見つけた候補者をExtension機能を使ってLAPRASで確認、技術・志向などがマッチしそうであればカジュアル面談へのお声がけをしていく流れです。

― カジュアル面談のお声がけはどのように行っていますか?

小谷:スカウト手段の優先順位としては、TwitterDM、メールの順番です。TwitterDMが最も返信率が高いので、できる限りはこちらでスカウトを行うようにしていますDMをオープンにしていない候補者にはLAPRASに登録のあるメールからお送りします。どちらの手段でお送りするとしても、候補者のGitHub、Qiitaなどアウトプットに言及するような、パーソナライズした文面を心がけています。ここに関してはしっかりとリソースを割き、送るのは週に2件程度です。

LAPRAS SCOUTはエンジニア採用に必要不可欠なデータベースになっている

小谷:自社で運用するタレントプールとは別に、LAPRAS SCOUTのタレントプールも活用しているのですが、特にカジュアル面談までのファネルに効果を発揮しています。以前までは、タレントプールに候補者を入れたきりになってしまうことが多く、次のアクションに繋がっていないこともよく見られました。常にタレントプールを管理するコストもかかるので、課題点のひとつだったのです。しかし、LAPRAS SCOUTなら「転職アラート」などで候補者の転職意欲の変化を教えてくれるので、転職への意識が高まったタイミングで効果的にアプローチをかけることができ、無駄のない採用活動に繋げることができています。

― 感じていただけているLAPRAS SCOUTの価値を教えていただけますか?

敷地:候補者1人ひとりのことを多角的にリサーチしようと思ったときに、自分たちで情報を集めるのはかなりの時間と労力を要するものです。その点、LAPRAS SCOUTなら、GitHub、Twitter、Qiita、note、teratail、connpass…、様々な情報へストレスなくアクセスできる。それらのSNSを通じて、いままで候補者が扱ってきたエンジニアリング技術や現在学んでいるスキルなど、その候補者の興味関心がLAPRASひとつを見ればすべてがわかります。また、候補者のエンジニアリング技術といったハード面だけではなく、今後やっていきたいこと、どういったフェーズの企業での仕事を求めているのかといった、志向性のようなソフト面もまとめて見られる点もとても助かっています。

現在では、エンジニア採用の全媒体における採用プロセスの中で、必ずLAPRAS SCOUTを使ったリサーチをいれています。LAPRAS SCOUTはUbieのエンジニア採用における共通基盤になっているんです。

中長期的に接点を作ることで、難しいとされるQAエンジニア採用にも成功

― Ubie社では難しいとされるQAエンジニアの採用にも成功していると聞いています。

敷地:LAPRAS SCOUTで「QA」タグで探すところからスタートしました。このタグ検索ででてきた候補者は全員、技術レベルまで確認しました。その後はTwitterで検索。プロフィールやTweetで「QA」について言及している人を見つけたら、Extension機能を使ってLAPRASに集まっている情報を確認していく流れでした。

他にも、connpassでQA関連のイベントを調べ、そちらに登壇・参加するQAエンジニアをチェック。同じようにExtensionを使ってLAPRAS情報を確認。他にもネット上に掲載されているQAエンジニアインタビューなどからのリサーチも行っていましたね。あらゆる手を使ってQAエンジニアとコンタクトをとっていきました。

― かなり地道な採用活動があったんですね。

敷地:そうですね。QAエンジニアの方々の多くが転職サイトに登録していないので、候補者探しにはかなり苦労しました。QAエンジニア採用で私たちが送ることができたスカウトは20件程度。その中ではTwitterで見つけた候補者も多く、半数以上はTwitterDMでスカウトをお送りしています。こういった希少な職種の候補者リサーチにも、Extension機能はかなり有効な手段だったと思います。

― 今回の場合、採用まではどういった流れだったのですか?

今回採用できた方は、ファーストタッチはTwitterDMで行いました。まずカジュアル面談としてお話をしましたが、そのときは候補者の転職タイミングと合わず見送りに。しかし、その後も1~2ヶ月ごとに弊社の近況や弊社QAエンジニアが書いたnote記事などをTwitterDMで送り、接点をもち続けました。すると、カジュアル面談から4ヶ月後の10月、候補者側から連絡がきて採用選考へと進むことになったんです。1度目ではタイミングが合わなくとも、将来的にタイミングが合うこともあるというのは、Ubie社内でもあった事例ですので、採用活動を中長期的な視点で捉えることは大切にしていました。

― 今後のエンジニア採用についてはどのように考えていますか?

敷地:今後もUbieではエンジニア採用を強化していきます。年内を目標に10名くらいのソフトウェアエンジニアの採用を目指しています。フロントエンド・バックエンドといったように間口を狭めず、フルスタックに開発に取り組んでいってくださる方と一緒に働きたいですね。LAPRAS登録ユーザーの多くが対外的なアウトプットをされている方が多く、私たちのようなスタートアップととても相性が良いように感じています。Ubieのプロダクト・事業に魅力を感じていただける方とLAPRAS SCOUTを通してお会いできるのを楽しみにしています。

― 本日はありがとうございました。

スカウトメールの返信率を上げるベストプラクティスをebookで公開中

エンジニア採用におけるスカウトメール作成の基本や返信率を高めるポイント、返信率が上がらないときの原因と対策まで、採用成功につなげるためのスカウトメールの全てが分かる内容にまとめました。

<コンテンツ一例>

  • スカウトメールの返信率を上げるポイント
  • スカウトを送る相手について仮説を立てる
  • 返信率が上がらないときの対処法
  • スカウトを受け取った候補者の声を参考にしよう

etc.

この記事をシェアする