メンタープログラムがAIメンターマッチングソフトウェアでメンターとメンティーをマッチングする方法

By Kair Mourtazov, SmartMatchApp プロダクトスペシャリスト 

読了時間：約5分

 

---

 

要点

メンターマッチングソフトウェアは、コーディネーターの記憶やスプレッドシートに頼るのではなく、構造化されたデータ（目標、関心、空き時間、分野、経験など）を用いてメンターとメンティーをマッチングします。その違いは数値で測れます。これまでで最も厳密なメンタープログラムのメタ分析では、参加者の関心をマッチングに活用したプログラムは、そうでないプログラムと比べて、参加者の成果への効果がおよそ2倍に達しました。ピッツバーグの非営利団体である PRISM は、留学生や研究者を地元のメンターと結びつける組織で、メールのやり取りとスプレッドシートをマッチングプラットフォームに置き換え、現在は1つの受付から3つの異なるつながりプログラムを運営しています。

 

---

 

メンターマッチングソフトウェアとは？

メンターマッチングソフトウェアとは、構造化されたプロフィールデータ（目標、関心、空き時間、所在地、分野、経験など）に基づいてメンターとメンティーをマッチングし、その後の紹介・追跡・フィードバックまで一貫して管理するプラットフォームです。メンターディレクトリとの違いは、ほかのすべてを左右する一点にあります。ディレクトリは検索可能なリストにすぎず、参加者自身が相手を探さなければなりません。一方、マッチングソフトウェアは候補となる組み合わせを相性で採点し、短く順位付けされた候補リストをコーディネーターや参加者に提示します。

 

マッチングの質は本当に成果を高めるのか？

ほとんどのメンタープログラムは、「どんなメンターでも、いないよりはまし」という一見もっともな前提で運営されています。しかし、証拠はその前提を裏づけません。

Psychological Science in the Public Interest に掲載された DuBois、Portillo、Rhodes、Silverthorn、Valentine による2011年の73件のメンタープログラム評価のメタ分析では、参加者の関心情報をマッチングに活用したプログラムは参加者の成果に対して推定効果量 .41 を示し、そうした実践が見られなかったプログラムの .20 を上回りました。この差は統計的に有意であり、関心に基づくマッチングは、メンター研修など他の実践を調整した後でも予測因子として残りました。

ここで、率直に2つの但し書きを添えておきます。多くのベンダーのコンテンツは、そのどちらにも触れていません。

このメタ分析が対象としたのはユースメンタリング、すなわち18歳未満を成人ボランティアと組み合わせるプログラムです。この知見が成人のメンタリングにそのまま当てはまるかどうかは、もっともな疑問です。現時点で最良の答えは、Journal of Vocational Behavior に掲載された Eby、Allen、Evans、Ng、DuBois による2008年の学際的メタ分析から得られます。この研究はユース、学術、職場のメンタリングを直接比較し、学術・職場のメンタリングの方がユースメンタリングよりも大きな効果量を示しました。むしろ、ユースプログラムから得られた証拠は、成人プログラムで問われているものを過小評価している可能性があります。

そして、マッチングそのものに関する証拠は、見出しの数字が示唆するほど厚くはありません。米国の Office of Juvenile Justice and Delinquency Prevention のためにメンタリングの実践を検証している National Mentoring Resource Center は、この実践を全体として研究が不十分と評価しています。関心に基づくマッチングを用いたのは82のサンプルのうちわずか8件にすぎず、単一の特性（人種の共通性、障害の有無の共通性）を切り出した2件の対照研究では、成果に意味のある差は見られませんでした。

導き出せる妥当な結論は「関心でマッチングせよ」よりも狭く、そしてより有用です。表面的な単一の特性だけでマッチングしても確実には機能せず、何の基準もなくマッチングすれば確実に成果が下がる。

 

良いメンターマッチングを実際に予測するもの

文献の中で最も実践的な枠組みは、National Mentoring Resource Center が実務家向けに示した指針から得られます。そこではマッチングの入力を3つのカテゴリーに分類しています。どれか1つに頼りすぎるプログラムは、うまくいかないマッチングを生みます。

1. ロジスティクス ― この2人は実際に会えるのか？ 日程や距離は、事務的な細部として片づけられがちです。その検証で引用されている連邦政府出資の Role of Risk 研究では、66%のメンターが自身のスケジュールを大きな課題に挙げ、48%が面談を調整するロジスティクス上の難しさを挙げました。いずれも、関心や性格の不一致を挙げた28%をはるかに上回っています。共通点だらけでも1時間を確保できない2人は、やはり失敗したマッチングです。
2. 特性 ― 関心、目標、分野、経歴、人生経験。 ほとんどのプログラムが「マッチング」という言葉で意味しているものです。これは単一の変数としてではなく、組み合わせとして機能します。
3.  期待 ― それぞれが何に申し込んだと思っているか。 失敗したマッチングの研究で繰り返し現れるテーマは、体験が期待とずれたために参加者が離脱することです。

購入を検討する側への含意は明快です。特性だけを収集するプラットフォームは、問題のうち最も当てにならない3分の1を自動化しているにすぎません。構造化されたマッチングがそのコストに見合うのは、まずロジスティクスで絞り込み、次に特性を重みづけし、受付の段階で期待を把握する、という流れを、1人では把握しきれない規模の名簿全体にわたって一貫して実行できるからです。その仕組みについては、AIマッチメイキングソフトウェアのガイドで解説しています。

 

 

手作業のマッチング vs. メンターマッチングソフトウェア

 

 

事例：PRISMはピッツバーグでどのようにメンターをマッチングしているか

PRISM は、留学生や研究者を支援するピッツバーグの非営利団体です。対象となるのは、研究や修士・博士課程のために訪れる人々で、配偶者や子どもを伴うことも少なくありません。1980年代から地域を支え続けており、スタッフは1つのテーブルを囲める程度の人数。その使命を、ピッツバーグに暮らす13,000人以上の留学生に手を差し伸べることと掲げています。

 

3つのプログラムを、1つの受付で

PRISM のマッチングは、PRISM Connections という単一のプログラムブランドのもとで運営され、学生は3種類の関係性から選べます。

 

つながりの種類	コミットメント	重点
Friendship Partner	継続的	地元での友情、都市生活、文化
English Partner	8セッション	日常英会話の練習
Mentorship	8セッション	人全体に向き合うカリキュラム ― 自己理解、ワークライフバランス、目標設定

 

1つの受付でありながら、期間も基準も異なる、3つの本質的に違うマッチングの課題です。PRISM のメンターシップ枠は、職場での昇進だけでなく人全体に向き合うことを明確に掲げています ― これは企業のメンタリングプログラムとは異なるマッチングの要件であり、固定的なスキーマがここでは通用しない理由をよく示しています。

このプログラムは活動のペースも公表しており、それは見かけ以上に重要です。ボランティアには、パートナーと少なくとも月に一度会い、週に一度連絡を取り合うことが求められます。構造化されたマッチングは2人を出発させますが、2人を続けさせるのは、公表されたリズムです。

この区別は重要です。留学生のネットワークに関する査読付き研究によれば、こうした学生は、国を越えた友情を望んでいる場合でも、地元の学生よりも他の留学生と主に友情を築く傾向があることが分かっています。足りないのは意欲ではありません。そのための仕組みの不在です。

 

 

課題：スプレッドシートと、融通の利かないベンダー

PRISM は、そのためのソフトウェアを持つ前から、何年も人々をマッチングしてきました。2022年の当社とのインタビューで、コミュニティマネージャーの David Lambacher は、従来のプロセスを率直にこう表現しました。「終わりのないメール」、スプレッドシート、そして「うんざりするほどの連絡」。

最初の解決策は失敗に終わりました。PRISM は市場を調査し、別のマッチメイキングプラットフォームと契約して費用を支払い、導入を始めました ― しかし途中で撤回しました。障害となったのは柔軟性の欠如です。カスタマイズができず、組織の実際の運営に合わせて用語やインターフェースを変更する術がありませんでした。1つの受付を3種類の関係性へと振り分ける非営利団体にとって、固定フィールドは見た目だけの不満ではありませんでした。Lambacher は、Salesforce を含む汎用の CRM も検討しました ― これはよくある流れです。セールス向けの CRM は、2人の人間の関係ではなく取引をモデル化するものだからです。

 

解決策：アルゴリズムで候補を絞り、人が判断する

ボランティアと学生・研究者は、基本的に同じプロフィール構造を記入し、それぞれが選んだつながりの種類へとマッチングされます。エンジンが候補を絞り込み、スタッフが判断します。PRISM は今日もこの方式で運営しており、学生は組織自身のサイトから直接、プラットフォームを通じてボランティアとマッチングされます。

Lambacher は、この役割分担こそが最大の変化だと指摘しました ― アルゴリズムは「この学生にとって誰が最良のマッチかを見極めるのにかかる時間を、大幅に削ってくれる」のです。スタッフは順位付けされた候補を確認し、ソフトウェアには分からない文脈を加味します。たとえば95%のマッチでも、すでに他の相手とペアになっているなら、次の候補へ移ります。これこそが実際に機能するワークフロー ― 自動的なペアリングではなく、順位付けされた提案に人の判断を組み合わせる方法です。

 

成果：マッチングが委員会仕事でなくなった

最も明快な成果は、マッチ率ではありませんでした。マッチングが3人がかりの仕事から、1人の仕事になったのです。 仕事の重要性が下がったからではありません。最も多くの時間を費やしていた部分 ― 誰が誰に合うかを照らし合わせる作業 ― が、手作業でなくなったからです。

戦略上の問題をソフトウェアで解決しようとする前に、Lambacher が他のコミュニティマネージャーに向けて語った助言は、耳を傾ける価値があります。まず自分たちの目的とビジョンを明確にすること。なぜなら「それを明確にできればできるほど」、この種のツールはより良く機能するからです。

 

PRISM の概要

 

組織	PRISM (Pittsburgh Region International Student Ministries), Pittsburgh PA
支援対象	留学生と研究者。ピッツバーグ地域に13,000人以上
運営開始	1980年代
マッチング作業量	3人がかりの仕事から1人の仕事へ
マッチングするプログラム	1つの受付のもとで3種類のつながり ― Friendship、English、Mentorship
メンターシップの形式	人全体に向き合う8セッションのカリキュラム、1対1
公表された活動ペース	月に一度会い、週に一度連絡
以前のシステム	スプレッドシートとメール。途中で解約したベンダー契約が1件
決め手	カスタマイズ性 ― フィールド、用語、インターフェース

 

メンターシップマッチングソフトウェアを評価するときに見るべきポイント

この分野のプラットフォームは、どれも判で押したように自らを説明します。AIマッチング、スマートペアリング、プログラム分析。違いは次の5つの点に表れます。

プロフィールだけでなく、ロジスティクスでもマッチングできるか？ マッチした2人が実際に会えるかどうかを、日程や距離がいかに強く左右するかを踏まえれば、空き時間や所在地はメモ欄ではなく、マッチングの基準である必要があります。

言葉やフィールドを変更できるか？ 大学の同窓生プログラム、臨床実習、地域の友情プログラムでは、受付の質問も用語も異なります。PRISM の最初の試みが示すように、融通の利かないスキーマは、すでに費用を支払ったプラットフォームをプログラムが手放す最も一般的な理由です。

1つのプラットフォームで複数のプログラムを運営できるか？ メンターシップを運営する組織の多くは、ピアサポート、イベント、オンボーディングのコホート、同窓生ネットワークなど、隣接する取り組みも運営しています。それぞれに別々のツールが必要なら、スプレッドシートの問題をライセンスの問題に置き換えただけです。

提案するのか、それとも決定するのか？ 自動割り当ては効率的に聞こえますが、誰も納得しないマッチングを生みがちです。コーディネーターが確認する順位付けされた提案は、研究が支持する人の判断を守ります。

その後に何が起きたかを把握できるか？ マッチの件数は活動にすぎません。2人が会ったか、どのくらいの頻度で会ったか、そしてそれが役に立ったか ― これらが成果です。マッチング後のフィードバックが今後のマッチングに還流するかどうかを確認しましょう。

 

よくある質問

メンター・メンティーマッチングソフトウェアは、誰を組み合わせるかをどう決めるのですか？ プログラムが定義し重みづけした基準に照らして候補の組み合わせを採点し、順位付けされた候補リストを提示します。うまく運営されているプログラムの多くでは、自動割り当てを受け入れるのではなく、そのリストからコーディネーターが最終判断を下します。

共通の関心でのマッチングは、本当にメンタリングの成果を高めますか？ 証拠はその方向を示していますが、決定的ではありません。DuBois らの2011年のメタ分析では、関心に基づくマッチングを用いたプログラムの効果量がおよそ2倍であることが分かりましたが、National Mentoring Resource Center は全体の証拠基盤を不十分と評価しています。より明確なのは、単一の特性だけを切り出したマッチングには確実な効果が見られない一方、ロジスティクス、特性、期待を併せて考慮することこそが実務家に推奨されている、という点です。

メンターシップソフトウェアとメンターディレクトリの違いは何ですか？ ディレクトリは検索可能なリストであり、相手を探す負担を参加者に負わせます。マッチングソフトウェアは、同じデータの上に載る推薦の層です。参加者は、すでに関連性があると特定された、短く順位付けされた組み合わせを受け取り、コーディネーターはプログラム全体を1か所から管理できます。

非営利団体にとって最良のメンターマッチングソフトウェアは何ですか？ 唯一最良のプラットフォームというものはありません ― 適合性は、フィールドや用語をカスタマイズできるか、1つのデータベースから複数のプログラムを運営できるか、関心だけでなく空き時間でもマッチングできるか、によって決まります。非営利団体や地域団体は通常、エンタープライズ向けのメンタリングツールが許す以上に柔軟なプロフィール構造を必要とし、そうしたツールが課金するほどの人事システム連携は必要としません。

同じプラットフォームでメンターシップと他の地域プログラムを運営できますか？ はい、そして小規模な組織にとっては、それが決め手になることも少なくありません。メンターとメンティーを組み合わせるのと同じマッチングエンジンで、ピアサポートのペアリング、友情やバディのプログラム、イベントでのネットワーキング、同窓生の紹介も運営できます ― プログラムごとに別々のプロフィール構造と基準をサポートしていることが条件です。

 

結論

メンタープログラムが失敗するのは、意欲ある参加者が足りないからではありません。失敗するのは、コーディネーターが記憶を頼りにマッチングし、2人が会う時間を見つけられず、マッチングが途絶えたことに誰もプログラム終了まで気づかないからです。メンターマッチングソフトウェアは、配慮やカリキュラムを提供するものではありません ― 関係づくりこそが本質的な仕事だと、PRISM のコーディネーターは真っ先に言うでしょう。ソフトウェアが提供するのは、その土台となる仕組みです。だからこそ、プログラムは1人の注意力の限界を超えて成長できるのです。

👉 あなたのプログラムでメンターマッチングがどう機能するかを、デモを予約してご覧ください。