21 歳で起業し、評価額 20 億ドルを達成した Mercor 社は、LLM とインタラクティブフィードバックメカニズム (レスポンスループ) をどのように活用して採用システムを再構築したのでしょうか。

かつて、起業は人脈、資金、そして長期的な計画を必要とする一大イベントでした。しかし今では、アイデアと一杯のコーヒー、そして便利なAIツールがあれば、小規模なプロジェクトを立ち上げたり、事業概要を作成したり、初期の製品アイデアを生み出したりできるかもしれません。こうしたハードルの変化により、起業家精神は「大胆な人が行うもの」から「好奇心旺盛な人でも実践できるもの」へと変化しています。

本日の記事では、21歳の創業者によって設立されたAI採用スタートアップ企業、Mercorをご紹介します。創業からわずか2年足らずで1億ドルの資金調達を行い、評価額は20億ドルに達し、数千社にサービスを提供しています。これは単なる「AI + 人材マッチング」の物語ではなく、技術的な感性、ビジネス思考、そしてユーザーインサイトを融合させた起業家精神の好例でもあります。本日は、創業者の経歴、製品設計、技術的なハイライト、市場戦略と課題という5つの側面から、「なぜMercorはこれほど成功しているのか？」という問いに答えていきます。

1分しかない場合の3つの重要なポイント

経験年数はビジネスを始めるための基準ではありません。市場の問題点を理解することが基準です。 メルコールの創業者3人は21歳で起業しました。彼らは伝統的な人事部門のバックグラウンドを持っていませんでしたが、リモート人材マッチングにおける企業のニーズを的確に捉え、「業界志向」ではなく「ユーザー志向」の視点で、人材マッチングプラットフォームに対する私たちの想像を覆しました。
これは単なる ChatGPT の採用バージョンではなく、採用プロセスの再構築です。 Mercor は LLM を自動化ツールに接続し、履歴書の分析、面接の招待、候補者とのやり取りを自動的に実行可能なモジュールに変換して、採用を労働集約的なプロセスからプログラム可能なシステムに変えます。
AI採用の核となるのは、単に早くて安いということではなく、「信頼性と透明性」です。 メルコールは、意思決定を検証し、プロセスを遡って追跡できるよう、説明可能でデータに基づいた採用ロジックの構築を目指しています。このような考え方は、AIツールを活用するすべての起業家が直面しなければならない新たな課題でもあります。

キャンパスからシリコンバレーへ: メルコールの3人の若き創業者は誰ですか?

メルコールの創業者はスタンフォード大学やブラウン大学といった名門校を卒業しましたが、21歳で中退し、起業を決意しました。ウィル・ブルーイ氏がCEO、ダニエル・フリードマン氏がCOO、ベン・エルバス氏が製品・技術担当です。3人とも採用の経験はありませんが、若い求職者の視点から、従来の採用プロセスに潜むギャップに気づきました。企業からの反応が遅く、マッチングが正確ではなく、人脈や勘に頼って採用が決まる結果、多くの「潜在的人材」が見落とされてしまうのです。

彼らの起点は、新たなLinkedInを作ることではなく、採用プロセス全体を再構築することです。履歴書作成ツールから始まり、次にマッチングサービスへと展開し、最終的にはAIを活用した人材検索、マッチング、コンタクト、面接調整、データフィードバックまでを網羅したフルプロセスプラットフォームを段階的に構築しました。このボトムアップ型の開発手法により、高いユーザー感度とMVP検証の蓄積も実現しています。

採用プラットフォームではなく、自動化されたグローバル人材エンジン

従来の採用プラットフォームは、情報ディスプレイの壁のようなもので、応募者が履歴書を掲載し、企業が職務経歴書を掲載することで、双方が目に留まることを期待しています。しかし、メルコールは、このプラットフォームが「応募者が主体的に行動するのを支援」し、AIを活用して意思決定、行動、フォローアップを行うことを目指しています。メルコールは、企業の「人事ツールボックス」として機能するだけでなく、人事そのものの一部となることを目指しています。

Mercorプラットフォームの重要な設計ロジックは、あらゆる人材マッチングを測定・追跡可能にすることです。履歴書分類システム、キーワード比較、スタイル分析、自動メール送信、スケジュール管理機能が組み込まれています。企業にとって、これはつまり、ニーズを記述するだけで、システムが自動的に候補者を推薦し、応募者のメール開封、クリック、インタラクション、そして返信の有無を追跡し、これらのデータをシステムにフィードバックしてモデルの最適化を図ることを意味します。

これは、MercorとUpworkやFiverrなどのプラットフォームとの重要な違いでもあります。これらのプラットフォームは広告トラフィックのマッチングを行うのではなく、プロセス全体をサポートします。「人」が現れる前から、システムは誰に連絡するのが最も適切か、そしてどのように連絡を取るべきかを判断するのに役立ちます。

メルコールの技術的コア：LLMとタスク自動化を組み合わせる

Mercorの基盤となるテクノロジーは、単一のモデルやツールではなく、LLM（大規模言語モデル）とRPA（ロボティック・プロセス・オートメーション）を組み合わせたモジュール型システムです。単にテキストを生成するだけでなく、「タスクを理解→自律実行→結果を追跡」する機能も備えています。この点が、チャットボットや自動カスタマーサービスのみを提供する多くのスタートアップ企業との差別化要因となっています。

たとえば、企業がプラットフォーム上に求人情報を掲載すると、Mercor は単に履歴書をいくつか推奨するだけでなく、次のことを行います。

JDキーワードと意味構造を自動的に抽出して検索条件を生成します
データベースから潜在能力の高い人材を特定する
パーソナライズされた招待状や面接手配書を作成します
相手がメールを開いて招待リンクをクリックしたかどうかを追跡する
応答に基づいて、レターの内容やフィルター条件をさらに調整します

まるで24時間体制で働き、論理的に一貫性があり、疲労によるミスを犯さない「デジタル採用スペシャリスト」のようです。さらに重要なのは、すべての行動を記録し、データ化できることです。

この自動化されたプロセスにより、採用効率が正確に定量化可能な指標に変換され、企業は人事スタッフを増員することなく候補者プールを拡大し、グローバルな採用を実施できるようになります。

市場戦略と成長パス：エンジニアリングチームから数千社への信頼の飛躍

Mercorの成長率は驚異的です。2024年末までに、AIスタートアップ企業、エンジニアリング集約型企業、そして中小規模のSaaSベンダーを含む1,000社以上の企業にサービスを提供する予定です。彼らは最初からフォーチュン500企業入りを目指したわけではなく、高い技術受容性、柔軟なプロセス、そして限られた予算を持つエンジニアリングチームからスタートし、実績を通じて最初のユーザーの信頼を獲得しました。

「小規模なチームからコアニーズに応える」というこの戦略は、SlackやNotionが初期に普及した経緯に似ています。ユーザーからの推薦や製品自体の利便性を通じて、Mercorは徐々に大企業の視野に入り、多くの大手プラットフォームやツールとの連携を開始しました。例えば、NotionやAirtableといった社内ツールシステムと連携することで、採用情報をより迅速に共有できるようになりました。

同時に、Mercorはベンチャーキャピタルとの関係構築にも積極的に取り組んでいます。TechCrunchとCNBCによると、Mercorは2025年初頭にa16zが主導するシリーズBの資金調達で1億ドルを調達し、評価額は20億ドルに達しました。また、General CatalystやFounders Fundといった機関投資家からの支援も受けています。これは潤沢なキャッシュフローだけでなく、起業家界全体からの支持も意味しています。

彼らのマーケティング戦略は極めてシンプルです。ウェブサイトのホームページには「AI対応可能な人材をより早く採用」というキャッチフレーズが掲げられています。シンプルで焦点が絞られており、課題を明確にしています。AIの性能やシステムの包括性については触れず、企業が最も必要とするKPI、つまり人材とスピードに焦点を当てています。

AI時代の起業家の課題：信頼、拡大、そして透明なロジック

急速な成長にもかかわらず、メルコールは大きな課題に直面しています。
早速最初の質問に移りましょう。AI採用システムの公平性と説明可能性

経営者はより早く人材を見つけたいと考えていますが、同時にAIモデルに偏りがないか、推薦ロジックは公開されているかといった懸念も抱いています。これは特に米国ではデリケートな問題です。システムが特定のグループを体系的に排除した場合、法的問題に発展する可能性があります。Mercorは、よりオープンなデータフィールドとより詳細な推薦ロジックの注釈によってこの問題への対応を図っていますが、これは依然として業界全体が協力して取り組むべき方向性です。

2つ目の問題はグローバル展開とローカリゼーションのバランス。

AI採用によって企業は世界中から優秀な人材を採用できるようになりますが、言語、タイムゾーン、文化、契約規制は地域によって異なります。Mercorは、さまざまな地域の採用ニーズに対応するために、より柔軟な契約テンプレートと給与モデルを設計する必要があり、さらに、より強力な顧客サービスと法的基盤も必要です。

3つ目の課題は才能とテクノロジーの内部反復。

サービス自体が「優秀なエンジニアを見つける」ことである場合、社内の技術チームの質も大きく問われることになります。メルコールは、安定性を維持しながら、製品イノベーションのスピードを維持し続けなければなりません。急成長中のスタートアップチームにとって、これは「エンジンを回しながら修理する」試練です。

しかし、まさにこうした課題こそが、メルコール社をより注目に値する企業にしているのです。彼らは注目を集めるためのアイデアではなく、採用ロジックの変革を真に推進しています。AIは単に時間を節約するためだけでなく、人材を理解し、潜在能力を見極め、関係を構築する方法を変えるために活用されています。

次に、起業とテクノロジーツールの応用に興味があるなら、Mercor が注目する価値のある例を示しています。

テクノロジーからモデルへ: AI採用のための製品設計の教科書

Mercorの核となるハイライトの一つは、インタラクティブなフィードバックメカニズム（レスポンスループ）の概念をテクノロジーと製品プロセスに導入したことです。これは単にLLMを履歴書の推薦に適用するだけでなく、「リアルタイムで繰り返し学習し、調整する」ことができるスマートな採用プロセスを設計するものです。例えば、システムは候補者に招待状を送信するだけでなく、候補者の開封率、クリック率、返信内容を追跡し、どの言葉が最も効果的で、どの候補者と再度やり取りする価値があるかを評価します。この継続的な最適化ロジックにより、モデルはより「人間を意識した」、より戦略的なものになります。

起業家にとって、これは学ぶ価値のあるフレームワークを提供します。それは、AIモデルをデモ段階にとどまらず、実用的な製品プロセスにパッケージ化する方法を学ぶことです。Mercorはモデルのトレーニングだけでなく、インタラクティブなプロセス全体を設計することで、システムが真の採用アシスタントのように機能し、市場の反応に合わせてスクリプト、戦略、行動リズムを常に調整できるようにします。

メルコールの成功は、単なる技術革命ではなく、採用コンセプトのアップデートでもあります。メルコールの現在のモデルは変化する可能性があり、新規参入者に取って代わられる可能性もありますが、彼らが残した問題定義と問題解決手法は、仕事の未来に関心を持つすべての人にとって、注意深く観察し、参考にする価値があります。

技術実務家にとって、Mercorのアーキテクチャは、大規模言語モデル（LLM）を採用分野のデータ構造（履歴書のフィールド、職務記述書、履歴書のマッチングスコアなど）と体系的に統合する方法を示すリファレンスパラダイムも提供します。これには、迅速なエンジニアリングだけでなく、AIを「動的な意思決定システム」へと変革する方法を真に理解する能力も必要です。

起業家精神の次の段階：自動化から意思決定のコラボレーションへ

Mercorのストーリーは、AI応用の具体的な道筋を示しています。それは、ツールが人を支援するインストルメンテーションから、ツールと人が共に意思決定を行うコラボレーションへと繋がる道です。これは、未来の起業家や技術設計者は、「機能が実現可能かどうか」だけでなく、「システムが実際の使用シナリオに適応し、対応し、さらには予測できるかどうか」についても深く考えなければならないことを意味します。AIが進化するにつれ、もはや「AIがそれを実現できるかどうか」という問いではなく、「私たちが設計した問題が十分に良いものかどうか」という問いが問われるようになります。Mercorが私たちに与えてくれた最大のインスピレーションは、彼らが正しい方向を選んだことだけでなく、迅速に実験を行い、迅速に修正を加え、最終的に技術的なビジョンを実際の製品と真の価値へと変換する方法を知っていることです。