採用 · August 4, 2026 · 約10分

採用平均時間：平均値が判断を誤らせる理由

採用平均時間は四半期を台無しにする求人票を隠します。平均値がなぜ判断を誤らせるのか、中央値との差異、そして日数が実際にどこで積み上がるのかを解説します。

← 「採用の5つのピラー：アセスメントが測定するもの」の一部

採用マネージャー、タレントリーダー、あるいは取締役会に採用平均時間を報告しなければならない創業者であれば、このポストはその単一の数値に潜む罠についてのものです。平均値は、本来そうすべきでないときにこそ安心感を与えます。28日と報告し、その場は頷かれますが、残りが順調に完了する一方で3つの求人票がそれぞれ11週間開いたままだったことは誰にも見えません。平均がそれらを見えなくしてしまったのです——算術の誤りではなく、2つ必要なところに1つの数値だけを報告するという報告方法の誤りです。本ガイドは平均と中央値を切り分け、具体的な計算例で2つがどれほど乖離しうるかを示し、平均値が役立つより誤解を招くことが多い理由を説明し、それを膨らませる日数が実際にどこに積み上がるのか——そしてその何日分を専門的な評価が返してくれるのかを具体的に掘り下げます。

簡単な境界を定めておきます。このポストは採用スピードをどう測定するかについてのものであり、求人票レベルでの用語の定義についてではありません。定義と計算式が必要であれば、採用までの時間 vs ポジション充足までの時間がその領域を扱っています。ここでの論点は一段上のものです。一連の採用があるとして、どちらの要約数値を信頼すべきか、そして2つの差が何を教えてくれるのかです。

採用平均時間とは何か、どう計算するか？

採用平均時間とは、候補者がパイプラインに入った日からオファーを承諾した日までの平均日数です。完了した各採用の期間を合計し、採用件数で割ります。プロセス全体が加速または減速したときに素直に動くため、ほとんどのダッシュボードでデフォルトの数値として用いられています。

中央値はもう一つの要約指標であり、微妙に異なる問いに答えます。全採用を所要日数の短い順から長い順に並べたとき、中央値は中間にある値です——半数の採用はそれより速く、半数は遅かった。平均が「合計を全員に均等に割ったら」を問うのに対し、中央値は「典型的な採用は実際どのような感じだったか」を問います。期間のデータセットがきれいで対称なら2つはほぼ同じ場所に落ち着きますが、採用データがきれいで対称であることはほとんどありません。それこそが問題の本質です。

具体的な計算例：5つの求人票、2つの全く異なるストーリー

差を実感する最も明確な方法は、少数の採用で実際に数字を計算することです。以下の数値は例示のためのものです——算術を明らかにするために作成したものであり、調査やデータセットから引用したものではありません。先四半期に5つの求人票をクローズし、それぞれの応募からオファー承諾までの日数を記録したチームを想定してください。

• 求人票A——カスタマーサポート担当者——19日でクローズ。
• 求人票B——オペレーションアナリスト——22日でクローズ。
• 求人票C——データアナリスト——24日でクローズ。
• 求人票D——ニッチな機械学習エンジニア——71日でクローズ。
• 求人票E——退職者の補充として採用する2人目の機械学習エンジニア——74日でクローズ。

2つの要約指標を計算します。中央値は並べたときの中間値です：19、22、24、71、74——中央は24日。これがこのチームの典型的な採用の実感です。平均は合計210日を5で割った42日です。同じ5つの採用から、2つの見出し数値、18日の差が生まれます。24を報告すれば迅速なプロセスのストーリーになり、42を報告すれば遅いプロセスのストーリーになります。どちらも同じデータから正確に計算されていますが、どちらか一方だけでは正直ではありません。

この乖離はノイズではありません。情報です。2つの機械学習エンジニア採用は他のすべてのほぼ3倍の時間がかかっており、それに気づいた唯一の要約指標が平均です。中央値はそれらを飛び越えてしまいました。2つを合わせて読めば、何が起きたかが正確にわかります——採用の大部分は問題なく、2つの特定の求人票が行き詰まっています。どちらか一方だけ読むと、その半分を見落とします。有用な実践は「平均か中央値か」ではなく「平均と中央値」であり、その差そのものが独自の診断ツールになります。

なぜ平均値はこれほど頻繁に判断を誤らせるのか？

平均値が判断を誤らせるのは、採用期間が本質的に右に偏っているからです。大半の採用は適切な範囲に集まりますが、1件の求人票がどこまでも長引く上限はありません——ソーシングが難しい職種、3週間かけて悩む候補者、休暇中の面接官、なかなか返信しない承認者など。しかし下限はあります——どの採用もマイナスの日数では完了しません。この非対称性が長い右裾を生み出し、平均はその裾に引っ張られますが、中央値はその場にとどまります。

これはサンプルが小さいほど重要になります。四半期に5件を採用するチームは、1回の採用が不運に終わるだけで平均を大きく揺さぶられるため、四半期間の平均比較は危険です——28日から42日への上昇が、プロセスの破綻なのか二度と起きないニッチな求人票の問題なのかを区別できません。中央値はそれに動じません。インセンティブの問題もあります。平均は最も頻繁に上位に報告される数値であるため、最も操作されやすい数値でもあります——簡単な求人票を素早くクローズし、難しいものを放置すれば、見出しの平均値は改善しますが下では何も変わっていません。中央値はへつらうのが難しく、2つの差はほぼ偽ることができません。

だからといって平均を捨てるべきということではありません。平均は中央値が無視するまさにその部分——遅い裾——に反応し、そこにこそ本当のコストと候補者の流出があります。大切なのは、中央値を見出しとして報告しながら平均をその横に置き、両者の間に意味のある差があるときは一つの指示として扱うことです。裾の求人票を開いて確認しましょう。定義を固定しながら自分の日付で両方を計算するには、採用までの時間計算ツールが引き算と要約指標を計算してくれます。

裾の日数は実際にどこに積み上がるのか？

平均が裾を示したら、次の問いはその行き詰まった求人票の中で日数がどこに消えたかです。本能的には面接を責めたくなります——面接は採用の中で目に見えて労力がかかる部分だからです。しかし、面接が犯人であることはほとんどありません。70日かかった求人票を分解すると、面接そのものが占めるのは通常そのうちの数日に過ぎません。残りは待機時間です。

裾を支配するのは2つのステージです。1つ目はスクリーニングキュー——誰かが読む時間を見つけるまで放置される応募書類と、ニッチな職種に十分信頼できる評価を手作業で構築するのに費やされる日数。このキューは応募者プールとともに膨らみます。2つ目はカレンダー調整——2人目の面接官のカレンダーが空くまで11日間待った求人票、承認者の受信トレイで止まったオファー、3人のスケジュールが2週間以内に揃わなかったパネル。どちらも面接ではありません。どちらも空白時間であり、空白時間こそが裾を引き伸ばすものです。

• スクリーニングキュー——人間が読むのを待つCV、そして誰かを評価する前に手作業で構築しなければならない職務関連の評価。
• カレンダー調整——パネルがスケジュールを調整し、面接官が休暇から戻り、承認者が署名に回るまでのステージ間のギャップ。
• 面接そのもの——実際の時間はかかりますが、70日という外れ値を生み出すステージであることはほとんどありません。

この区別は修正すべき点を決めるため、重要です。面接の上流で形成されているキューに対して面接官を増やしても何も変わりません。面接を急かすと、そもそも問題でもなかった1〜2日のためにシグナルを犠牲にします。裾がスクリーニングの遅延と日程調整のギャップで構成されているなら——通常はそうです——攻めるべき場所は2つだけであり、そのうち一方はもう一方よりはるかに対処しやすいのです。

専門的な評価がスクリーニングステージを具体的にどう圧縮するか？

スクリーニングステージは裾の中で最も圧縮可能な部分です。なぜなら、判断ではなく機械的で直列的な作業だからです。CVを1枚ずつ読むことと、ニッチな職種に向けた評価を手作業で構築することは、まさに量に比例してコストが増し、意思決定の品質を損なうことなく自動化の恩恵を受けられる作業です。これが専門的な職務に特化した評価が攻略するステージです。

2つのことが同時に起きます。まず、評価をもはや手作業で構築する必要がなくなります。AI-nativeなスキル評価プラットフォームが求人ごとに職務関連の評価を生成します——そのニッチな機械学習職種向けの専門的な評価が数日ではなく数分で存在するようになります。求人ごとの生成により、セットアップステップがゲートではなく些細な作業になります。次に、パイプライン全体がCVを1枚ずつではなく、その一貫した評価に対して並行して評価されます。スクリーニングの遅延が応募者プールの規模に比例してスケールしなくなり、裾を引き伸ばしていたキューが形成されなくなります。人間の判断は本来の価値を発揮する場所——ショートリスト——にとどまります。どのステージが縮み、どのステージが縮んではいけないかについては、AIで採用スピードを上げる方法がステージごとに詳しく解説しています。平均に特有の論点はより絞られています——圧縮できる日数は、遅い裾を生み出すまさにそのステージに集中しているということです。

汎用の適性クイズではなく専門的な評価がここで重要な理由は、職務に特化した評価が実際の業務でフィルタリングするからです。評価が職務を反映しているとき、それが生み出すショートリストは素早く動ける信頼性を持ちます。これがステージを圧縮することの全目的です。信頼できないフィルターは遅延を面接に移動させるだけです——パネルが評価でできなかったスクリーニングをやり直すことになります。求人ごとの評価が生成されてエンドツーエンドで実行される様子はデモで確認できます。

スクリーニングステージの圧縮で解決しないこと

限界に対する誠実さこそが、これをセールストークにならないものにします。専門的な評価は裾の一つのステージ——機械的なスクリーニング部分——を圧縮し、そこでは本当に強力です。しかし求人票を引き伸ばす他の要因には何もしません。そうでないかのように見せることは、数値が動かないときに間違ったツールを責める事態を招きます。

• 求人票承認の遅延。職種がヘッドカウント承認から公開まで3週間待つ場合、それは評価が触れるあらゆるものの上流にあります——ポジション充足までの時間の問題であり、スクリーニングの問題ではありません。
• 遅い意思決定。すでに評価済みの候補者についてパネルが2週間かけて合意するのはガバナンスの問題です。より良い証拠は議論を助けますが、意思決定者に決断を強いることはできません。
• オファー交渉と通知期間。口頭での合意と署名済みの契約書の間の日数、そして候補者自身の通知期間は、プロセスの完全に外側にあります。
• 残る面接間の日程調整のギャップ。カレンダーを整えるのは調整の規律の問題です——評価は面接前のキューを短縮しますが、面接間の日程摩擦ではありません。

このリストは免責事項ではなく、要点です。遅い求人票をステージに分解して遅延が承認や交渉に潜んでいることがわかったとき、スクリーニングの圧縮量をどれだけ増やしても役に立ちません——上流か意思決定ガバナンスを見るのが正しい行動です。ステージを分離することで、日程調整の問題にスクリーニングの修正を使うことがなくなります。これはいずれも、シグナルを削って平均を下げることへのライセンスではありません。採用ミスのコスト——米国労働省は少なくとも初年度収入の30%と試算し、他の推計では給与の1〜2倍とするものもあります——は、遅い求人票で評価をスキップして節約できる数日を大きく上回ります。機械的なステージを圧縮し、判断は決して圧縮しないでください。

まとめ

中央値を見出しとして報告し、平均をその横に置いてください。なぜなら、2つの差がダッシュボード上で最も有用なものだからです。中央値を大きく上回る平均は、調整すべき誤りではありません——行き詰まった求人票の裾が自ら存在を示しているのです。その求人票を開き、それぞれがどのステージで止まったかを見つければ、面接ではなくスクリーニングキューか日程調整のギャップにほぼ必ず行き着きます。スクリーニング部分こそが圧縮可能な部分です——専門的な求人ごとの評価により評価が数分で存在し、パイプラインが並行して評価されるため、キューが形成されなくなります。裾を修正すれば、本当に問題のあった求人票において平均が誠実に下がります——健全な中央部分や、最終段階でその価値を発揮する判断には触れることなく。

平均は心地よい数値の中に3つの燃え盛る求人票を隠せます。両方を計測し、差を読み、裾に直接向かってください——平均はどの求人票が問題を抱えているかを決して教えてくれません。総体的には部屋が落ち着いていると言えるだけです。