ENTRY

◀︎ AI NEWS TOPへ

ウニパーの採用エージェント。セロニスの文脈ありだと待ち候補が具体になる

2026.09.14
ウニパーの採用エージェント。セロニスの文脈ありだと待ち候補が具体になる

ドイツのエネルギー大手ウニパー(Uniper)は、採用の現場向けに、マイクロソフト(Microsoft)のコパイロットスタジオ(Copilot Studio)でエージェントを作りました。答えの土台には、セロニス(Celonis)のコンテキストモデル(Context Model。業務の実状をAIが読める形にまとめた層)を載せています。以下は、デジノミカ(Diginomica)が2026年9月9日付で報じた、ウニパー担当への取材と、セロニスの関連プレスに載った説明です。

中心は、採用データの生データだけを渡すのではなく、いまの採用フローの実状を文脈として渡すことです。同じ質問でも、一般論ではなく、滞留や未決定が具体になります。候補者の選定や、候補者本人との会話はエージェントに任せていません。

何が起きたか

ウニパーは発電、エネルギー取引、ガス貯蔵などを手がける欧州のエネルギー会社です。従業員の目安は約7,000〜7,500人です。業務の流れをデータで見える化する仕事(プロセス知能)の責任者ロバート・ダーメン(Robert Daamen)氏は、以前からセロニスでプラント保全などのプロセスを見える化し、中央の専門チーム(センター・オブ・エクセレンス)へ移ってきました。社員にはすでにコパイロットが配られていましたが、メール下書きや要約など文章作業に偏りがちでした。

採用側では、タレント獲得責任者のラウリズ・ランツェンドルファー(Laurids Lanzendörfer)氏が、応募管理システムのデータからダッシュボードを自力で組み立てていました。エクセルをパワービーアイ(Power BI)へ載せる運用が続き、採用フロー全体の滞留は見えにくかった、と本人は言います。二人は採用プロセスの整理から入り、データが整ったあとにエージェントへ進みました。

エージェントはコパイロットスタジオで作り、セロニスのコンテキストモデルを渡します。面接では、同じ質問「採用・採用フローのボトルネックは何か」を、文脈なしと文脈ありで比べました。文脈なしでは「データの断片化」「採用マネージャの過負荷」「タスクが見えない」など一般論でした。文脈ありでは、たとえば「短期リストに14日を超えて残っている候補が、複数の求人をまたいで27人いる」など、担当者ごとに具体でした。

本番では、マイクロソフト・チームズ(Microsoft Teams)上で使います。採用マネージャ向けのブリーフィング(いまの求人と候補の要約)、面接後の未決定リマインド、別求人への類似候補の照会などが用途です。エージェントは候補者と話しません。合否も決めません。事務まわりと、人が忘れる待ちを減らすのが目的です。

本番後、署名までの平均が27日短縮し、選考(スクリーニング)段階が13日短縮した、と取材に出ています。セロニスの2025年5月20日付プレスは、ウニパーとマイクロソフトの協業を伝え、HR採用ではTime-to-Hire(採用までの時間)の短縮と自動通知を成果例に挙げています。

何が変わったか

公表されている説明 こちらで確認できていないこと
文脈なしは一般論、文脈ありは短期リスト滞留など具体(取材上の比較) 比較実験の設問一覧、再現手順、第三者による再測定
署名まで平均27日短縮、選考段階13日短縮(本番後・取材) 測定期間、対象求人数、前後の母数、独立監査
チームズ上でブリーフィング・リマインド・類似候補照会。選定・候補者会話はしない 全社展開の範囲、国別の差分、監査ログの公開。セロニスのプレスは27日・13日の根拠にならない
セロニス×マイクロソフト協業でコパイロットスタジオ等にプロセス知能を載せる(プレス) プレス時点以降の契約条件・料金の詳細
従業員の目安は約7,000〜7,500人 採用チームの正確な人数、エージェント利用者数の監査値

出典の中心はデジノミカの取材記事です。数字と「選定しない」制約は、ウニパー担当の説明です。

誰に関係するか

士業やクリニックの受付では、予約の未返信だけをリマインドし、採否や診断の判断は人に残します。製造や保全の依頼窓口では、チケットの待ち日数だけをプロセス表から返し、一般論の要約に寄せません。自治体の申請窓口では、期限超過だけを先に返し、可否の判断は担当に残します。

まとめ

ウニパーが足したのは、採用エージェントへのセロニス文脈の接続です。同じ質問でも、一般論から短期リストの滞留へ変わります。署名まで27日、選考13日は取材上の説明です。候補者の選定と会話は人のままです。

Tags

タグ一覧へ ▶︎

Kamone
著者 Kamone

30歳で学者志望からITエンジニアに転身。通信・金融業界におけるインフラ領域を中心に、オンプレミスからクラウドまで幅広く経験。AWS学習コミュニティでは公認メンターとして教材制作や講師を務める。現在はリツアンSTCにて事業推進に携わり、AI活用とエンジニア支援の高度化に取り組んでいる。

Kamone
著者 Kamone

株式会社リツアンSTC社員。

1984年 東京都中野区生まれ。

大学中退後、工場や警備員などを経て、何もスキルが身についていないことに危機感を覚える。
2014年 何か手に職をつけなければと思い、電子専門学校からエンジニアになった弟を見て「コイツにできるなら俺もできる」と安易な考えで未経験からIT業界に飛び込む。
そこは「まともな案件に入れなければ営業としてこき使われるか中国に送られるらしい」と恐ろしい噂が飛び交う会社だった。
「とんでもないところに来てしまった…」と戦慄するも、運よく大手新聞社系のインフラチームから声がかかり、エンジニアとしてのスタートを切る。

その後、SESを転々としながら通信・金融業界のオンプレ・クラウド案件を中心にインフラエンジニアとして経験を積む。

2021年 AWS学習サービス「Cloudtech」に参加し、公認メンターとして書籍出版プロジェクトや教材制作・講師などのコミュニティ・サービス運営に関わる。

2023年 ゆとりーマンのYoutube動画で新興SESの闇とリツアンの存在を知り、転職。(当時所属していたSES企業が動画で紹介されていた特徴に当てはまっていて愕然)
その後、CloudTechとリツアンの橋渡し役を担い、合同プロジェクト「テラコヤテック」の運営に関わる。
2025年 リツアンの「エンジニアに一円でも高い報酬を」「会社は社員に使われるためにある」「出入り自由」といったスタンスに共鳴。エンジニアから転向し、リツアンの事業推進に参画。
現在に至る。

他人の文体を真似たり、他人が書いた文章を手直しするのが得意、という若干嫌な気持ちにさせる特技を持つ。
AI活用を鋭意研究中。
(リツアンいいとこ一度はおいで。)