TopHub 選考レポート
2026年6月〜8月
6月から8月にかけて83名の書類を確認し、4名を企業に推薦しました。
TopHubは、候補者を数多く並べるサービスではありません。書類と面談を通じて、案件で任せられる根拠が確認できた人だけを推薦します。
このレポートに書いてあること
- 01選考で何を見ているか
- 02どのような候補者を推薦したか
- 03どのような理由で推薦に至らなかったか
選考データ
6月〜8月の書類確認
| 書類確認 |
|---|
| 83名 |
6月から8月にかけて、83名のスキルシートを確認しました。
確認するのは、技術スタックや経験年数だけではありません。案件との距離、担ってきた役割、実績の説明の具体性、AIを実務でどう使っているかまで見ています。
6月〜8月の面談・推薦判断
| 面談 | 推薦 | 見送り | 保留 |
|---|---|---|---|
| 16名 | 4名 | 11名 | 1名 |
6月から8月にかけて確認した83名のうち、面談に進んだのは16名(19.3%)、推薦したのは4名(4.8%)です。
面談と推薦の判断は、いずれも8月に実施したものです。
書類確認で見ていること
書類では、まず案件の要件に対して明確な不足がないかを確認します。
ただし、スキルシート上で技術名が並んでいても、それだけで推薦判断はしません。特に確認するのは、次の4点です。
1. 実際に担ってきた役割
「PM経験あり」「AI案件あり」だけでは、任せられる範囲が分かりません。
要件定義、顧客折衝、設計、実装、レビュー、チーム運営など、どこを本人が担ってきたかを確認します。役割が曖昧な場合は、面談で深掘りします。
2. 成果を具体的に説明できるか
経験年数ではなく、何を変えたかを見ます。
プロジェクトで起きていた課題、自分が取った行動、その結果どう改善したか。この流れを具体的に説明できる候補者は、別の案件でも再現性を判断しやすくなります。
3. AI活用が実務に結びついているか
Claude Code、Cursor、生成AI、AIエージェントなどの利用経験は珍しくなくなりました。
TopHubでは、ツールを使っていること自体ではなく、どの業務や開発工程で使い、どこを人が判断し、品質をどう担保しているかを確認します。
4. 案件条件と無理なく合うか
スキルがあっても、必要な稼働、参画開始時の対応、案件の進め方と合わなければ、無理に推薦しません。
候補者と企業の双方にとって、参画後に無理が出ないことを重視しています。
8月の面談で確認したこと
面談では、書類だけでは分からない部分を確認します。
技術的な深さだけでなく、顧客やチームの中で仕事を進められるか、実績を自分の言葉で説明できるか、AIを使った開発でどこまで判断できるかを見ています。
実績を具体的に話せるか
推薦した候補者には、担当した役割や成果を具体的に説明できる共通点がありました。
自分でAIエージェントやサービスを開発した経験、生成AI領域でのPM経験、事業を立ち上げて継続的に関わった経験など、実務の中で何を担ったかが明確でした。
一方で、経験やスキルの話が抽象的なままでは、案件で任せられる範囲を判断できません。面談では「何を使ったか」よりも、「その中で何を判断し、何を変えたか」を確認しています。
顧客・チームとの対話を進められるか
技術経験が豊富でも、質問の意図を捉えられない、説明が長く要点が伝わらない、相手に合わせた会話ができない場合は、推薦を慎重にします。
企業が求めているのは、技術だけを持つ人材ではありません。顧客やチームの状況を理解し、必要なことを整理して伝え、仕事を前に進められる人材です。
8月に推薦した候補者には、説明の分かりやすさ、会話の安定感、相手に合わせる柔軟さが見られました。
AIを使った実務の深さ
AI活用では、大きく差が出ました。
一般的なコーディング支援やレビューでの利用に留まる候補者もいれば、AIエージェントの開発、プロンプトや開発環境の工夫、AI駆動開発における品質担保まで説明できる候補者もいました。
後者は、AIに任せる部分と人が確認する部分を分けて話せます。TopHubでは、その判断ができるかを重要視しています。
推薦に至らなかった主な理由
要件に対する実装経験が不足している
PMやコンサルティングの経験があっても、AIエージェント開発や実装判断が必要な案件では、それだけで十分とは限りません。
上流の整理や顧客対応が得意でも、技術的な判断を伴う役割を任せるには、実装経験や技術理解が不足しているケースがありました。
強みと成果の再現性を確認できない
「AIを使っている」「幅広く経験している」という説明だけでは、推薦の根拠になりません。
本人がどの役割を担ったか、どのような成果を出したか、他の案件でも同じように価値を出せるかまで確認できない場合は、推薦を見送ります。
AI活用が表面的に留まる
ツールの名前や一般的な利用方法を説明できても、実務での使い方や成果に結びついていない場合があります。
AIが出したものをどう評価しているか、設計や品質にどう関わっているかまで説明できなければ、案件での実務適合は判断しにくくなります。
顧客対応に懸念がある
技術力があっても、相手に合わせて説明できない、会話が噛み合わない、要点を整理できない場合は、現場での立ち上がりに懸念が残ります。
TopHubでは、候補者本人の能力だけでなく、企業の現場でその能力を発揮できるかを見ています。
案件条件と合わない
稼働条件や参画開始時の対応が難しいため、候補者側から辞退となるケースもありました。
これは能力の優劣ではありません。条件が合わない候補者を無理に進めないことも、企業・候補者双方にとって重要だと考えています。
推薦した人材に共通した点
8月に推薦した人材には、次の共通点がありました。
- 自分が担った役割と成果を、具体例を交えて説明できる
- 技術、PM、顧客対応のうち、どこまで担えるかが明確
- AI活用をツール名ではなく、開発・検証・品質担保の文脈で話せる
- 会話が一方的にならず、相手に合わせて整理して伝えられる
- 実績や成果物を通じて、案件で任せられる根拠を示せる
推薦は、完璧な候補者を探すことではありません。
案件の要件と現場の状況に対して、本人がどこで価値を出せるかを明確にし、その根拠を持って提案することを重視しています。
高評価につながる傾向
高い評価につながるのは、経験年数だけではありません。
自ら課題を整理し、前に進めた経験がある
指示された作業をこなした経験だけでなく、課題を整理し、関係者と調整し、設計や実装を進めた経験がある人材は評価しやすくなります。
技術を顧客価値につなげて説明できる
技術的な話をするだけでなく、それがコスト、開発速度、品質、運用負荷にどう影響したかまで説明できる人材は、企業側も提案後のイメージを持ちやすくなります。
AIを使いながら、判断を手放していない
AI活用が進むほど、出力をそのまま使わず、レビューし、設計に反映し、品質を担保する力が重要になります。
AIに任せる部分と、人が責任を持つ部分を整理できる人材は、より難度の高い案件でも価値を出しやすいと考えています。
対話が安定している
質問に対して必要な情報を返し、分からないことは曖昧にせず、相手の理解に合わせて説明できること。
この基本的な対話力がある人材は、顧客折衝、PM、技術リードなど、役割を広げやすくなります。
TopHubの選考観点
TopHubでは、主に以下の観点で候補者を確認しています。
- 技術・実装経験
案件で必要な技術を、どこまで実務で扱ってきたか。 - 役割と成果の具体性
本人が担った範囲と、出した成果を説明できるか。 - AI活用の実務性
ツール利用ではなく、開発・検証・改善でどう使っているか。 - 顧客・チームとの対話
現場で相手に合わせて説明し、仕事を進められるか。 - 案件条件との適合
スキルだけでなく、稼働や参画条件まで含めて無理がないか。
企業の方へ
必要な役割、技術要件、チームの状況をお聞かせください。
TopHubでは、候補者を広く並べるのではなく、要件に対して任せられる根拠を確認した人材に絞ってご提案します。