本日の記事はa16zのニュースレターであるFutureより、Tyler Cowenさん、Daniel Grossさんによる、「How to Make Talent Scouts Work for You」の翻訳記事となります。
優秀な人材を獲得するにあたって、スカウトモデルは非常に有効なプロセスであると言えますが、VCにおけるゼネラルパートナーの採用などのプロセスにおいてはその限界が見え始めているのかもしれません。
今回の記事では、スカウトモデルのメリットについて改めて考察した上で、今後の人材採用戦略においては定量的なデータとどのように付き合いながら判断していくべきなのか、筆者のお二人の意見が述べられています。
オリジナル記事はコチラから⏬
https://future.a16z.com/how-to-make-talent-scouts-work-for-you/
この記事はTyler Cowen氏とDaniel Gross氏による『Talent: How to Identify Energizers, Creatives, and Winners Around the World』（St. Martin’s Publishing Group, May 2022）から抜粋したものです。
Cowenさんはジョージ・メイソン大学の経済学教授で、ブログ「Marginal Revolution」の共著者です。GrossさんはスタートアップアクセラレーターPioneerの創設者で、以前はY Combinatorのパートナーであり、Appleが2013年に買収したCueの共同創設者でもあります。
いずれにせよ、私たちは皆、人材の獲得に携わっています。しかし、どのような場合にスカウトに頼るべきなのでしょうか。
従来のベンチャーキャピタルでは、少数の著名な高給取りのゼネラルパートナーによって、かなり集中的な評価手段が運営されてきました。しかし、セコイアは10年以上前からスカウトプログラムを有していますし、新しいベンチャーキャピタルであるVillage GlobalやAngelList Spearheadは、スカウトモデルを利用して人材を発掘しています。
一般的に、スカウトモデルは、人材発掘が、非常に多くの候補者のプールから出発し、より少数のもっともらしい競争相手に絞り込む必要のある場合に有効な傾向があります。さらに、スカウティングは、離れた場所から才能を測る簡単な方法がない場合に最も効果的です。
これらの教訓がより一般的にどのように作用するかを見るために、スカウトとスカウトが特に成功している分野の一つ、ファッションのスーパーモデルについて考えてみましょう。スカウトモデルの特徴のひとつは、スカウトがあらゆる場所に才能を見出すように誘導していることです。
美しい人はどこにでもいますが、ブラジル南部のようなモデルの多い環境では、どのタレント事務所もすべての村を訪れ、すべての人に会うことは不可能です。さらに、学校のシステムは、少なくとも数学、工学、音楽の才能を見つけるのと同じように、ファッションモデルの才能を見つける場所として適切なものではありません。美はカリキュラムに含まれていませんし、テニスや体操ならともかく、学校側がモデルという職業にふさわしい人物を大っぴらに選ぶことは制度的に問題があるのです。
そのため、適切な人材を見つけるために、モデル部門には複数の層のスカウトが存在します。フォトグラファーは、モデル候補にアプローチして撮影を成功させ、才能の発掘者として長期的に良い評判を得ることを期待することができます。しかし、それに加えて、適切な才能を見つけ、モデル事務所や雑誌社につなげようとするフルタイムやフリーランスのスカウトもいます。
このような状況で、なぜスカウトモデルが有効なのかを考えてみる価値はあるでしょう。まず、関連するタレントは世界のさまざまな地域からやってくる可能性があり、スカウトされる人の数も非常に多いのです。中央集権的なプロセスで仕事がうまくいくとは到底思えません。第二に、スカウトマンの多くは、誰が良いモデルになり得るかについて、それなりのセンスを持っていると思われることです。スカウトマンが第一印象で容姿を判断することは、例えば量子力学の分野でスカウトマンが第一印象で才能を判断することよりも、より妥当なことではないでしょうか。第三に、選ばれた候補者のモデリングの才能を判断するための追跡調査は、極端にコストがかかるものではありません。すぐに何百万円も投資しなくても、写真撮影に来てもらって、市場での人気を確認することができるからです。
スタートアップの世界は、そのすべてが当てはまるわけではなく、特に才能の有無は表面的な付き合いだけでは判断しにくい部分があります。しかし、起業の成功事例が世界各地に広がるにつれ、スカウティングモデルが注目されるのは当然のことであるでしょう。スカウトモデルには、より多くの才能を発見し、中央集権的な権威が見落としている才能を発見するための機会を拡大する可能性があるのです。
また、自己啓発の選択肢が増えたことで、スカウトの重要性も増しています。様々な職業に挑戦する人が以前より増えているため、その分、人材発掘の負担も大きくなっています。伝統的な教育を受けていない独学者の業績に対して、私たちはもっとオープンであるべきで、それは、最も重要な創業者の多くが伝統的な教育機関を避けているテック業界の場合、より一層当てはまります。
ゲームの分野では、ほとんどの人が何らかの形で独学で才能を開花させています。つまり、より多くの候補者をサンプルとして評価する必要があるため、人材発掘の負担が大きくなるのです。幸いなことに、候補者は、コンテスト、オンライン投稿、ゲームのパフォーマンス、ソーシャルメディアの表示など、品質を示すさまざまなシグナルを発信できるようになりました。これらのシグナルはスカウトの代用品と考えることができ、そのようなシグナルがタレントにとって発信しにくく、人材サーチャーにとっても解釈しにくい場合は、スカウトに頼らざるを得ないかもしれません。
スカウティングモデルの限界
多くの場合、スカウトが担当するのは、タレント発掘・育成の初期段階のみです。適切なルックスを持つスーパーモデル候補を発見することは、非常に困難なプロセスの一段階に過ぎないのです。
スーパーモデル候補を特定するための他のステップに関して言えば、この部門は、集中的な人材評価に頼るところが多く、スカウトにはあまり頼っていません。中央のタレント・エージェンシーやモデル・エージェンシー、雑誌社などは、候補者のスキルや仕事ぶりを独自に判断していますが、ルックスは方程式の一部に過ぎないからです。スーパーモデル部門は、このように、スカウトの限界と同時に、アップサイドも示しています。スタートアップの場合、ベンチャーキャピタルファンドのゼネラルパートナーは、有望な候補者が実行可能なプロジェクトを持っているかどうかを最終的に判断することになります。
良いスカウティングプログラムの鍵は、インセンティブです。ハイテク業界では、当初、スカウトはベンチャーキャピタリスト自身が行い、パートナーの資金を複利で運用するインセンティブを得て、最高の才能を探し出していました。GoogleからAppleに至るまで、反抗的なアウトサイダーはシステムに組み込まれ、ゲートキーパーは多大な報酬を得ることができたのです。しかし、スカウトが拡大し、より一般的な概念になると、インセンティブは必ずしも金銭的なものである必要は無くなりました。例えば、Y Combinatorの大ヒットであるAirbnbやDropboxは、紹介によって生まれたものです。ダニエル・グロス氏のPioneer社では、最高の紹介者のリーダーボードを維持し、それはPioneer社の最も頻繁に訪問されるページの1つとなっています。このような環境では、ほとんどの紹介者はダメですが、例外的な候補者は紹介者であることが多いのです。
そこで、2つ目のインセンティブとして、「ゲームに参加すること」を挙げることができます。ベンチャー・ファンドは、様々な創業者に無料で資金を提供し、投資させるスカウト・プログラムも行っています。デメリットはなく、すべてがアップサイドです。このようなプログラムでは、多くの場合、業績は芳しくないが、時折、スカウトが優れた企業を発見し、VCはその企業を倍額で投資することもあります。これは、ファンドのパートナーが経済的利益と地位的な利益の両方を持つ、本来のベンチャーの世界とは異なります。また、創業者の本業はCEOであり、ベンチャーキャピタリストではありません。しかし、その分、自由な発想で、他の人が気づかないようなビジネスチャンスを見出すことができるかもしれません。
セコイアの場合、独立したスカウトがたくさんいて、スタートアップの創業者候補に2万5千ドルから5万ドルの小切手を切る権限を持っています。スカウトが最大の役割を果たすのは、シードステージと呼ばれる小額の資金が必要とされる段階であり、ジェネラルパートナーはより高度なプロジェクトに対してより大きな小切手（1000万ドル以上）を切ることもあります。これらのシード案件は、最終的により大規模な投資のためのパイプラインの一部と考えることができ、経済的な上昇の一部は、識別スカウトと共有されます。スカウトは、取引から得た利益の一部や、より広いファンドの一般的なシェアを与えられるか、与えられた資金をどれだけうまく投資したかによって、パフォーマンスベースで報酬を得ることができます。
要するに、精度を犠牲にして多様性を高めるのがスキンレス・スカウト・ゲームなのです。あなたは、他のことに取り組んでいるより広範なアクターを巻き込み、価値と引き換えに彼らのディールフローをあなたに提供することができます。これは、フィルタリングコストが低い場合には有効なアイデアだと言えるでしょう。逆に、取引コストが高い場合は、何らかのリスク要素を考慮した方が良いのかもしれません。金銭的リスク（個人資本と外部資本のミックス）、あるいはステータスリスク（スカウトが本業として個人名でスカウトを行うことを要求）のいずれかを用いて、プロセスにさらなる規制を課すことができるかもしれません。
個人に関するデータが非常に多く、しかも若いうちに、測定が検索を支配するような世界を想像することは十分ありえるでしょう。少なくとも、システム内のデータにアクセスできれば、誰かを「探す」必要はありません。しかし、私たちはまだそのような世界からはかなり遠いところにいます。
しかし、今後、AIスカウトが「数字で」才能を見出すケースは増えていくと思われます。プロ野球界で最も数値化が進んでいるチームのひとつであるヒューストン・アストロズでは、すでに対面での事前スカウトを廃止し、ビデオ撮影と膨大なデータをもとにした最先端のトラッキング技術「Statcast」による計測が主流になっています。
これからの人材発掘は、よりゲームに近い形で、潜在的な候補者を募り、測定していくことになりそうです。超一流のゲーマーについて考えてみると、地元の高校を訪れて子供たちにゲームをやってみないかと説得したり、ショッピングモールで彼らを見つけたり（「あなたの親指は強そうだし、肌は地下室のように青白い」）、IQ、反応速度、ゲームのスタミナを測定したりするスカウトは存在しません。むしろ、何百万人もの人がそもそもゲームをしたがっており、ゲームのプロセス自体がその人の実力を測っているのです。
スカウトは、クリエイティブな貢献者を見つけるための唯一のアプローチでは決してありません。しかし、今後の人材発掘を成功させたいのであれば、その長所と短所を理解することから始めるのがよいでしょう。
本日の記事は以上となります。
筆者のTyler Cowenさん、Daniel Grossの考え方にご興味のある方は是非Twitter等のメディアもフォローしてみてください。
それでは本日の記事は以上となります。
また明日！
Source：https://future.a16z.com/how-to-make-talent-scouts-work-for-you/
コメント