AI転職マッチングでおすすめ求人が合わないときに見る場所｜マッチ度の読み方

AI 転職マッチングのおすすめ求人が合わないときは、登録内容を確認し、次に求人詳細の評価理由を見ます。そこで直せる項目と、サービスでは指定できない条件を分けます。マッチ度（N% など）は採用される確率ではありません。この記事では、当サイト PREVIO の仕組みを実例に、見る場所をたどります。

PREVIOでは、候補を絞ってから求人ごとに評価する

PREVIO では、条件と除外で候補を絞り、経歴や志向性から求人を探し、残った求人を 1 件ずつ評価して並べます。同じ登録内容を複数の段階で使うこともあります。

段階	主に使う情報	何が起きるか
候補を絞る	希望勤務地・年収・職種、在籍企業、「興味なし」にした求人・会社	条件に合わない求人や除外対象を候補から外す
求人を探す	スキル・経験の文章、希望職種、肯定の形で書かれた志向性	言葉や意味の近い求人を探す
求人ごとに評価する	スキル・経験、英語力、学歴、資格、職歴の役職名・期間・在籍企業、希望職種、志向性	応募要件、職種の近さ、志向性との一致を見る
反応を次回へ生かす	「気になる」「興味なし」と、その理由	「AIの提案」に志向性を足す・外す・まとめる案を出す

画面には「PREVIOは、あなたの3つの軸で求人を選んでいます」と表示され、「スキル・経験」「希望条件」「志向性」を確認できます。職種の近さや除外の効き方など、画面に出ない処理もあります。

「興味なし」は求人単位と会社単位で効き方が異なります。求人だけを外すと、同じ会社の別の求人は候補に入ることがあります。会社を外すと、その会社の求人が候補から外れます。「AIの提案」を「反映」した後は、「AIに求人提案を依頼する」ボタンを押すと次のおすすめに反映されます。

職歴サマリ、自己 PR、職務の説明文は、求人との共通点を説明する文章に使います。求人選定には、表に挙げた情報を使います。登録時には、職務経歴書などの登録情報から、スキル・経験の文章、希望職種、希望勤務地、志向性の下書きが作られます。以後は本人が各欄を直し、スキル・経験だけは「プロフィールから再生成」で作り直せます。

志向性の内容が異なる2人で、表示求人が入れ替わった1事例

同じ経歴と希望条件を持つ架空の SaaS バックエンドエンジニア 2 人について、当サイトの検証用求人データでおすすめを出しました。このデータは、掲載中の求人そのものではありません。

人物	志向性の内容
志向性が詳しい人	自社サービス、リモート中心、受託・SES は避けたい、技術選定の裁量、テックリード・EM、BtoB SaaS、チーム文化
志向性が短い人	自社サービス、リモート中心

上位 15 件のうち、両方に入った求人は 4 件で、残る 11 件ずつが異なりました。検証用求人データで 1 人 1 回ずつ試した 1 事例で、評価した日も異なります。AI の評価は実行ごとに変わりうるうえ、その幅を繰り返し測っていないため、この差をすべて志向性によるものとは言えません。本人との相性や選考での有利さも測っていません。

求人を探す段階で AI の評価対象になった候補を比べると、すでに重ならない求人がありました。志向性は、求人ごとの評価に加え、どの求人を探すかにも使われています。自分の志向性がどう読まれたかは、求人詳細に出る行ごとの理由で確かめられます。

マッチ度には画面に出ない評価も含まれる

PREVIO の求人カードと求人詳細に出る N% は、「希望条件」「スキル・経験」「志向性」と、画面にバーのない職種の近さなどを組み合わせた値です。選考結果は計算に使っていません。

求人詳細では、3 本のバーと項目ごとの理由が表示され、志向性は 1 行ずつ確認できます。3 本のバーだけから N% を再現することはできません。「絶対」「必須」「譲れない」のように強く書かれた志向性は、一致が低いと N% に上限がかかります。否定の形で書かれた志向性は求人を直接除外しません。避けたい条件が求人票に書かれていれば評価が下がり、どちらとも判断できない求人も高い評価にはなりません。強い表現への書き換えを勧めるものではありません。

希望条件のバーは、勤務地・年収・職種で絞り込んだ後の求人を評価するため、高くなりやすい構造です。

N% が高いのに合わないと感じたら、求人詳細で低いバーと、事実とずれた項目別の理由を探します。PREVIO の希望職種では、介護は「介護福祉サービス（保育・介護等）」の 1 区分です。ケアマネジャーと介護職員を希望職種で分けられないため、登録内容が正しくても仕事内容の違う求人が候補に入ることがあります。

人の関わりはサービス紹介や規約で確かめる

厚生労働省の調査は、「職業紹介事業者」と「募集情報等提供事業者」を分けて質問しています。当サイト PREVIO の運営会社である株式会社OurStoryは、「プライバシーポリシー」第 3 条で、有料職業紹介事業の許可を受けた事業者であるとしています（2026 年 9 月 26 日確認）。

厚生労働省委託の「令和４年度職業紹介事業等の今後のあり方についての調査・研究事業調査報告書」では、職業紹介事業者の 97% が、マッチング・提案の方法として担当者の判断を挙げています（2026 年 9 月 26 日確認）。2022 年秋に技術活用が進んだ法人を中心に選んだ複数選択の調査で、97% は回答した事業者の割合です。職業紹介では担当者の判断が中心で、サービスによって人の関わり方が違います。自動表示、運営会社の担当者による提案、求人を出した側からの連絡のどれかを、サービス紹介、ヘルプ、FAQ、利用規約で確かめます。記載がなければ、公開情報では不明です。

PREVIO のおすすめ求人は全自動で選び、人が確認する工程はありません。

サービスの型から選び直したい場合は、転職活動のAIツール、一覧の前に見る3つのことで判断軸を整理できます。

プライバシーポリシーでは、AIとデータ利用の記載を探す

個人情報保護委員会は、行動や関心などを分析する場合、分析処理を行うことも利用目的に含めて特定する必要があると説明しています。詳しくは、FAQ の「個人情報取扱事業者は、個人情報の利用目的を「できる限り特定しなければならない」とされていますが、どの程度まで特定する必要がありますか。」で確認できます（2026 年 9 月 26 日確認）。ポリシーでは、推薦・分析などの利用目的、AI への入力や処理、外部事業者への委託、匿名加工情報の扱いを探します。

会社全体のポリシーとは別に、サービス別の規程が利用規約のページに置かれることもあります。両方を確認し、AI や分析の記載が見つからなければ、「公開文書では不明」とします。記載の有無だけで個々のサービスの適法性を判断するものではありません。

当サイト PREVIO の「プライバシーポリシー」では、探す項目を次の条文で確認できます（2026 年 9 月 26 日確認）。

AI マッチングへの言及：第 4 条。「通信関連情報」を AI マッチングの精度向上などに利用する場合があるとしています。通信関連情報は、会員と、PREVIO に求人を掲載する人材紹介会社とのメッセージの送受信履歴、内容、開封などです
AI への入力・学習・推論等：第 8 条。原文では「入力、学習、推論等」と記されています。「推論」は一般に、AI が入力をもとに回答を作る処理を指します
生成 AI サービス事業者への委託：第 6 条
匿名加工情報の AI モデル学習：第 7 条

確かめた範囲

当サイト PREVIO の仕組みは、2026 年 9 月 26 日時点の実装で確認しました。公開画面に出ない除外、職種の近さ、強く書かれた志向性による上限、全自動の選定を含みます
2 人の比較は検証用求人データを使った 1 回ずつの結果です。評価日は異なり、AI の評価が実行ごとに変わる幅と、評価に使った設定が実際のサービスと同じかは確認していません
ほかの転職サービスの仕組みは確認していません
PREVIO のおすすめの精度や、応募・内定につながる効果は測っていません

合わない求人が出たときにたどる順番

登録内容を見る。 PREVIO なら「PREVIOは、あなたの3つの軸で求人を選んでいます」を開き、「スキル・経験」「希望条件」「志向性」が現在の希望と合っているか確認します。
求人詳細へ進む。 登録内容が正しければ、低いバーと項目ごとの理由から、仕事内容、応募要件、会社や働き方のどこがずれたかを 1 つ選びます。マッチ度がないサービスでは、検索条件と求人票を直接比べます。
直せる項目か、サービス側の限界かを分ける。 登録漏れや誤りは対応する欄を直します。希望職種の区分が粗い、夜勤などの避けたい条件を除外する欄がない場合は、そのサービスでは条件として分けられません。
指定できない条件を求人ごとに確認する。 利用できる検索や絞り込みを使い、残った求人では勤務時間や仕事内容を確認します。公開説明にない効き方は「不明」と残します。

まず、合わない求人を 1 件開き、低いバーか、事実とずれた理由を 1 つ見つけてください。