Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
【ブログ用サンプル】Claudeを活用したエージェント分析レポート自動生成例
Search
Sponsored
·
Ship Features Fearlessly
Turn features on and off without deploys. Used by thousands of Ruby developers.
→
新美彩加
July 08, 2026
Business
480
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
【ブログ用サンプル】Claudeを活用したエージェント分析レポート自動生成例
Claude (Cowork)を用いてエージェント分析レポートを自動生成する機能を作成しました。
その出力例として用意したスライドです。
新美彩加
July 08, 2026
Other Decks in Business
See All in Business
LTV, 실무에서는 이렇게 씁니다
datarian
0
680
株式会社WePush 採用候補者様向け会社説明資料
wepush
0
930
Railsガイド協賛プランの概要
yasslab
PRO
2
14k
セーフィー株式会社(Safie Inc.) 会社紹介資料
safie_recruit
7
460k
【アルー株式会社】27年度・28年度新卒採用_会社説明資料
recruitalue
0
370
どちらも「ユーザーのため」だった —価値の対立を仮説検証に変えて #Scrumfest Osaka 2026
mamedai55
0
380
成功を追わない起業と経営 〜環境や立場を活かす戦略(Homing 2026)
kuranuki
2
1.4k
SalesforceとTableauコミュニティを横断して感じたこと(Osaka Dreamin)
leafyoh
0
140
結果、生き残った_きのこカンファレンス2026
yurufuwahealer
0
240
GOドライブ会社紹介資料
go_drive_corp
0
4.5k
enechain company deck
enechain
PRO
10
190k
会社紹介 2026
xgene
0
230
Featured
See All Featured
Digital Ethics as a Driver of Design Innovation
axbom
PRO
1
360
技術選定の審美眼(2025年版) / Understanding the Spiral of Technologies 2025 edition
twada
PRO
119
120k
A brief & incomplete history of UX Design for the World Wide Web: 1989–2019
jct
2
450
The State of eCommerce SEO: How to Win in Today's Products SERPs - #SEOweek
aleyda
2
11k
Redefining SEO in the New Era of Traffic Generation
szymonslowik
1
380
A Tale of Four Properties
chriscoyier
163
24k
Impact Scores and Hybrid Strategies: The future of link building
tamaranovitovic
0
380
We Analyzed 250 Million AI Search Results: Here's What I Found
joshbly
1
1.7k
Embracing the Ebb and Flow
colly
88
5.1k
Building Better People: How to give real-time feedback that sticks.
wjessup
370
20k
Performance Is Good for Brains [We Love Speed 2024]
tammyeverts
12
1.8k
Jess Joyce - The Pitfalls of Following Frameworks
techseoconnect
PRO
1
330
Transcript
エージェント経由 採用選考レポート 対象期間 2026年5月1日 〜 2026年5月31日(応募日ベース) 対象データ ATS出力データ(応募経路=エージェント、重複応募を除く) 作成日 2026年7月8日
サマリー エージェント経由 採用選考レポート(2026年5月度) 2 200 件 総推薦数 4 社 推薦のあったエージェント数
11 件 エージェント経由の内定数 5.0 % 推薦→内定承諾 総歩留まり率 推薦→内定承諾 総歩留まり率は、期間内の全推薦(200件)のうち内定承諾に至った候補者(10件)の割合。入社は集計期間経過後になるケースがあるため、本サマリーでは主要 指標として使用しない。
選考ファネル全体像(歩留まり分析) エージェント経由 採用選考レポート(2026年5月度) 3 備考 値 通過率 推薦200件のうち書類選考合格120件 60.0% 書類選考通過率
書類選考合格120件中、一次面接合格は15件のみ。選考 フロー中最大のボトルネック 12.5% 一次面接合格率 一次面接合格15件中、二次面接合格は12件。母数が少な く評価には注意 80.0% 二次面接合格率 二次面接合格12件中、内定承諾は10件。母数が少なく( 12件)評価には注意 83.3% 内定承諾率 ※ 通過率が100%となるフェーズは本表から除外している。各通過率は当該ステップの合格者数を直前のフェーズの合格者数で割 った値。定義の詳細は歩留まりの定義.docxを参照。 ボトルネック 一次面接合格率 12.5% 書類選考合格120件中、一次面接に合格したのは15件のみ。 選考フロー中で最も歩留まりが低い区間。 推薦→内定承諾 全体歩留まり率 5.0% 200件中10件が内定承諾(サマリーと同数値)
大カテゴリ × エージェント エージェント経由 採用選考レポート(2026年5月度) 4 推薦数(大カテゴリ内訳) 書類選考通過率マトリクス(大カテゴリ×エージェント) D C
B A 大カテゴリ 19件 (57.9%) 29件 (65.5%) 48件 (52.1%) 44件 (68.2%) エンジニア 11件 (45.5%) 11件 (45.5%) 12件 (58.3%) 26件 (69.2%) セールス 書類選考通過率=書類選考の合格者数を推薦数で割った値。推薦のあったエージェントは4社 (6社未満のため「その他」区分なし)。 気づき: 全社ともエンジニア職の推薦が過半数を占める中、エージェントBはエンジニ ア職比率80.0%(48/60件)と4社中最も偏りが大きい。
小カテゴリ × エージェント エージェント経由 採用選考レポート(2026年5月度) 5 合計 D C B
A 小カテゴリ 50件 8件 (50.0%) 14件 (57.1%) 10件 (50.0%) 18件 (66.7%) サーバーサイドエンジニア 40件 4件 (50.0%) 8件 (75.0%) 17件 (47.1%) 11件 (72.7%) インフラエンジニア 40件 6件 (50.0%) 5件 (40.0%) 9件 (66.7%) 20件 (70.0%) フィールドセールス 30件 5件 (80.0%) 6件 (66.7%) 10件 (70.0%) 9件 (55.6%) データ/AIエンジニア 20件 2件 (50.0%) 1件 (100.0%) 11件 (45.5%) 6件 (83.3%) フロントエンドエンジニア 10件 2件 (50.0%) 4件 (25.0%) 1件 (0.0%) 3件 (33.3%) インサイドセールス 10件 3件 (33.3%) 2件 (100.0%) 2件 (50.0%) 3件 (100.0%) カスタマーサクセス 200件 30件 40件 60件 70件 合計 セルは推薦数(件)と書類選考通過率。小カテゴリは推薦数の多い順に表示。推薦のあったエージェントは4社のため「その他」区分は発生しない。 気づき: インフラエンジニアはエージェントBが最多17件を推薦する一方、通過率は47.1%と同カテゴリの4社中最も低い(エージェントCは75.0%)。
エージェント別 推薦ポジション内訳 エージェント経由 採用選考レポート(2026年5月度) 6 各エージェントの推薦上位6小カテゴリ+その他(7小カテゴリ中7番目を集約)。推薦のあったエージェントは4社のため4パネル構成(規定の6パネルは非該当)。
データに基づく考察 エージェント経由 採用選考レポート(2026年5月度) 7 • 全体の「推薦→内定承諾」歩留まり率は5.0%(200件中10件)。書類選考通過率は60.0%(200件中120件)である一方、一次面接合格 率は12.5%(120件中15件)と選考フロー中最大のボトルネックとなっている。 • エージェント別の推薦数はエージェントA 70件、B
60件、C 40件、D 30件の順。Aが全推薦数200件のうち35%を占め、4社中最多。 • 「推薦→内定承諾」率はエージェントA 7.1%(70件中5件)が4社中最も高く、エージェントB 1.7%(60件中1件)が最も低い。Bは推 薦数がAに次いで多いにもかかわらず、内定承諾には結びついていない。 • 大カテゴリ別に見ると、エージェントBは推薦の80.0%(60件中48件)をエンジニア職が占め、4社中最もエンジニア職への偏りが大 きい。 • 小カテゴリ「インフラエンジニア」では、エージェントCの書類選考通過率75.0%(8件中6件)に対しエージェントBは47.1%(17件中 8件)。同カテゴリで最多の推薦数を持つBの通過率が最も低い。なお、フロントエンドエンジニア(C社1件)等サンプル数が少ない カテゴリは通過率の数値評価に注意が必要。