採用チームはかつてないほど多くのデータを保有しています。ATS（採用管理システム）には候補者情報、CRM（顧客関係管理システム）にはクライアント情報、財務システムには採用実績、スプレッドシートにはベンチ（アサイン待ち人材）の空き状況など、データはさまざまな場所に散在しています。問題はデータが足りないことではありません。これらのデータが互いに連携していないことが問題です。統一された情報を得るには、複数のシステムにログインし、ファイルをエクスポートして、手作業で情報をまとめる必要があります。AIエージェントはこのギャップを埋められますが、基盤となるサイロ化されたデータが実際に連携されていなければ意味がありません。

本ガイドでは、「Talent Intelligence Platform」を紹介します。これは、Claude Code を使って構築し、データ接続を CData Connect AI が担う、エージェント型かつ自然言語対応の採用インテリジェンスレイヤーです。

CData Connect AI は管理された接続レイヤーとして機能し、すべてのデータソースにわたる認証・スキーマ変換・ガバナンスを処理します。そのため、開発時間を連携作業ではなくインテリジェンスの構築に充てられます。完全なソースコードは GitHub で公開しています。

Talent Intelligence Platform のホーム画面 — 需要の高いスキル、採用動向、および全接続データソースのベンチ状況を一覧で確認できます。

採用 AI プロジェクトが価値を生む前に停滞してしまう理由

多くの採用組織では、ATS・CRM・HRIS・ERP・スプレッドシートなど、5 つ以上の連携していないシステムを横断して業務を行っています。統一された回答を得るには、各システムにログインしてデータをエクスポートし、手作業で照合しなければなりません。

「今週シカゴで Java 経験あり、年収 14 万ドル未満の候補者は誰か？」答えに必要なデータは存在しています。ただし 3 つのシステムに分散していて、一度に横断検索する手段がありません。その結果、候補者リストの作成に 20〜40 分かかるのが一般的です。

CData の AI の精度に関するホワイトペーパーによると、AI チームの 71% が導入時間の 4 分の 1 以上をデータ連携に費やしています。ほとんどの採用 AI プロジェクトは、価値を生む前にこの段階で止まってしまいます。ネイティブの ATS 検索機能もこの問題に拍車をかけます。キーワード検索のみで、スキルの同義語検索やシステム間の横断検索には対応していないからです。

ボトルネックはモデルではありません。その基盤となるデータレイヤーにあります。

CData Connect AI があらゆるシステムの採用データをつなぐ方法

管理された接続レイヤーがない状態で採用データを横断する AI を構築しようとすると、データソースごとにカスタムコネクタを作成し、システムごとに個別の認証フローを維持し、スキーマの不一致を解消する正規化レイヤーを構築して、その上にガバナンスを適用する必要があります。これらはすべて、AI ロジックを書き始める前に済ませなければなりません。

CData Connect AI は、これらをガバナンス管理された単一の MCP エンドポイントに集約します。Bullhorn・Salesforce・Workday・Snowflake・SharePoint・Google Drive など、接続されたすべてのデータソースに、単一インターフェースへの標準 SQL クエリでアクセスできます。認証・スキーマ変換・アクセスガバナンスは、アプリケーション内部ではなく Connect AI レイヤーで処理されます。

組織の 46% が、単一の AI ユースケースに対して 6 つ以上のデータソースへのリアルタイムアクセスを必要としています。採用業務でも、これが当たり前です。

Connect AI がこのプラットフォームに最適な 3 つの理由：

接続性：SaaS プラットフォーム・データベース・API・ファイルシステムに対応する数百種類の事前構築済みコネクタを提供。スキーマ検出は実行時に行われるため、クエリがアプリケーションに届く前にデータソース間のフィールド名の不一致が自動解決されます。

コンテキスト：クエリの意味を理解するセマンティックインテリジェンスを搭載。プッシュダウン実行により JOIN やフィルタリングをソース側で処理し、トークンのオーバーヘッドを抑えてクエリコストを低く維持します。プラットフォーム全体のセッションあたりのコストは 0.01 ドル未満です。

管理：ID パススルーにより、AI がアクセスできるのは認証済みユーザーが閲覧を許可されたデータのみに限定されます。すべてのクエリはユーザー・タイムスタンプ・データソース・結果とともにログに記録され、接続されたすべてのシステムの完全な監査証跡を確保します。

プラットフォームの機能：採用業務における主なユースケース

このプラットフォームは、接続されたすべての採用データソースに対応する自然言語インターフェースです。質問を入力すると、エージェントパイプラインが関連するすべてのシステムを同時にクエリし、関連性に基づいて結果をランク付けしたうえで、マッチングの根拠を説明します。

「5 年以上の経験を持つ Java 開発者を検索」といったクエリを実行すると、接続されたすべてのデータソースから候補者がランク付けされて表示され、AI インサイトパネルがランキングの根拠を説明してスキルギャップを指摘します。上部のソースフィルタータブには、結果の取得元となったシステムがリアルタイムで表示されます。

候補者の詳細画面では、連絡先情報・スキル・報酬・空き状況に加え、ソーシングからスクリーニング・推薦・面接・オファー・配属まで各ステージを追跡する「Candidate Journey」パイプラインを確認できます。これらはすべて、各データを保持するシステムから自動的に集約されています。

このプラットフォームは、すぐに使える 5 つの主要なユースケースを標準搭載しています：

採用担当者の検索を支えるのと同じデータレイヤーが、経営陣向けの分析ダッシュボードも支えています。

分析ダッシュボード — 需要の高いスキル・採用実績の推移・候補者リストを、接続されたすべてのデータソースからリアルタイムで取得して表示します。

構築の内側：Connect AI がアプリアーキテクチャを支える仕組み

Connect AI が接続レイヤーを担うことで、開発ワークフローは根本的に変わります。Talent Intelligence Platform は、Claude Code を AI コーディングアシスタントに、Connect AI をデータレイヤーに据えて構築しました。

この 2 つは互いを直接補完します。Connect AI がシステム間開発における最も難しい部分、つまりコネクタの配管作業・スキーマの調整・認証フローを引き受けることで、Claude Code はアプリケーションロジックに集中できます。通常なら数週間かかる連携作業が、動作の記述に特化したプロンプトへと集約されます。

たとえば、接続されたすべてのデータソースにわたるスキーマ検出には、手動マッピングが一切不要でした。Claude Code へのプロンプト1つ、「起動時に Connect AI エンドポイントから利用可能なテーブルとカラムを検出する」だけで、実行時にカタログ間のフィールド名を解決する階層型キャッシュが生成されました。

エージェントパイプライン・LangGraph ノード・レート制限システムはすべて反復的に構築しました。動作を記述し、出力を確認し、改良する、という流れです。各フェーズは基盤の配管部分を書き直すことなく、前のフェーズの上に積み重ねられました。

アーキテクチャのフロー — 確定的なクエリには REST、自然言語には MCP を採用し、LangGraph が意図の分類・スキーマ解決・クエリ実行・分析をオーケストレーションします。

このアーキテクチャには、開発中に下した 2 つの重要な設計上の判断が反映されています：

確定的なクエリには REST、自然言語には MCP を採用。サイドバーの候補リスト・プロフィールページ・スキーマ検出にはすべて Connect AI の REST API を使用しています。高速で予測可能、かつレート制限の消費も抑えられます。MCP エンドポイントは LLM が生成する自然言語クエリ専用に確保し、この分離によってレート制限の予算を独立させ、ページ読み込みのたびに実行される高頻度操作のレイテンシを低く維持しています。

クライアントサイドでの認証情報の暗号化。認証情報は、デバイスから送信される前にブラウザ内で AES-256-GCM を使って暗号化されます。HTTP ヘッダーとして送信され、サーバーのファイルシステムには一切書き込まれず、LLM にも渡りません。LLM の認証情報はデータ接続への経路を持たず、データ接続の認証情報は LLM への経路を持ちません。

エージェントパイプラインは LangGraph 上で動作します：意図分類 → スキーマ解決 → クエリ構築 → Connect AI 経由の実行 → 分析とランキング。LLM プロバイダーはプラグイン式で、Groq（無料プラン）・Google Gemini・DeepSeek・Mistral・OpenAI がそのまま利用できます。

トークンの使用状況とクエリのコストはログダッシュボードで確認できます。自然言語による候補者検索のフルセッション（224,000 トークン処理）のコストは、Groq の無料プランでは 0.00 ドルです。

Claude Code と Connect AI でこのプラットフォームを構築する方法

Connect AI がシステム間開発における最も難しい部分、つまりコネクタの配管・スキーマの調整・認証フローを引き受けるため、Claude Code はアプリケーションロジックに集中できます。通常なら数週間かかる連携作業が、動作の記述に特化したプロンプトへと集約されます。

既存のリポジトリからプラットフォームを起動する

完全なソースコードは github.com/CDataSoftware/talent-intelligence-platform で公開しています。リポジトリにはセットアップドキュメント・環境変数テンプレート・独自の CData Connect AI データソースを連携させるための接続ガイドが含まれています。

• リポジトリをクローンして npm install を実行

• .env.local.example を .env.local にコピーし、Connect AI の認証情報と LLM API キーを追加

• cloud.cdata.com にログインして、データソースを追加し、接続名を控えておきましょう

• クイックセットアップの対話型スクリプトを実行：start.bat（Windows）または ./start.sh（Mac/Linux）

• または、npm run dev を実行してサーバーを手動で起動し、http://localhost:3000 を開いてください

Claude Code を使って独自バージョンをゼロから構築する

リポジトリには CLAUDE.md ファイルが含まれており、Claude Code が起動時に自動的に読み込みます。アーキテクチャ全体・制約・変更手順に加え、プラットフォームを別のデータソースやドメインに適応させるためのステップごとの再構築ガイドが記載されています。独自のデータでバージョンを構築するには：

• CLAUDE.md の初期設定の質問に回答（データソース・LLM プロバイダー・ドメイン・スキルレベル）

• 以下の構築順序で進めましょう：auth store → crypto → API client → REST client → schema cache → field resolver → agent nodes → UI

• CData Connect AI で独自のデータソースを接続してエンドポイントを指定。スキーマは自動検出されるため、ハードコードされたテーブル名の変更は不要です

• Claude Code を反復的に活用：各レイヤーの動作を記述して確認・改良し、次のレイヤーへ進んでいきましょう

このアプローチは、意思決定が複数のデータシステムにまたがるあらゆるドメインで活用できます。

よくある質問

CData Connect AI で次世代の採用ツールを構築しましょう

CData Connect AI は、AI エージェントやコーディングアシスタントに対し、350 以上のエンタープライズデータソースへのガバナンスされたリアルタイムアクセスを提供します。連携作業ではなく、インテリジェンスの構築に時間を使えます。

無料トライアルを始めるか、 デモツアーで Connect AI の動作をご確認ください。

※本記事は CData US ブログ Build a Talent Intelligence Platform on CData Connect AI の翻訳です。