Andrew Johnson、Yardstik CEO – インタビューシリーズ

Andrew JohnsonはYardstikのCEOで、ハイグロースソフトウェア企業のスケール、Go-to-Market組織の構築、エンタープライズ収益の推進の経験を持つテクノロジーエグゼクティブです。2022年にChief Operating OfficerとしてYardstikに入社し、2024年10月にCEOに昇格しました。以前はBranchでChief Revenue Officerを務め、同社のワークフォースペイメント事業の急成長を導き、Dialpadでは5年以上勤務し、Enterprise Sales部門の責任者として米国とカナダの営業組織の構築に貢献しました。キャリア初期にはCompellent Technologiesでビジネスおよびパートナー開発の役割を担い、同社は2011年にDellに約 $960 millionで買収されました。

Yardstikは2020年に設立されたミネアポリス拠点のワークフォース・トラストテクノロジー企業で、Human Trust Platformを通じて詐欺防止、身元確認、バックグラウンドスクリーニング、資格検証、継続的なワークフォースモニタリングを提供します。同社はAPIファーストのアーキテクチャを基盤としており、応募者追跡システム、ヒューマンキャピタルマネジメントプラットフォーム、ギグマーケットプレイス、その他のワークフォースアプリケーションに直接統合できます。YardstikはModel Context Protocol（MCP）もサポートしており、AIエージェントが同社の信頼インフラと接続し、AI駆動の採用・オンボーディングシステム内でバックグラウンドチェック、身元確認、資格スクリーニング、再スクリーニング、判定といったワークフローを自動化できます。

Yardstikに入社する前、Branchで5年以上勤務し、盗まれた社会保障番号を使って他人の身元で仕事を得る詐欺組織を直接目撃しました。その経験はバックグラウンドスクリーニングに対する考え方をどのように変えましたか、また、身元確認が採用時の一回限りのチェックを超えて必要だと気付いたのはいつですか？

私がBranchにいたとき、最大手顧客の一つがベネズエラ発の詐欺組織に被害を受けました。これはギグプラットフォーム全体でよくあるケースです。彼らは米国人の社会保障番号を盗み、米国内で働く資格のない人々に販売していました。盗まれた身元で応募し、配達を開始すると、税シーズンまで問題なく見えましたが、実際のSSN保持者が自分が行っていない仕事に対して1099の請求書を受け取ります。これが、採用決定の後側で詐欺が表面化するのを初めて目にした瞬間でした。

その瞬間が私にとって考え方を根本的に変えました。バックグラウンドチェックに合格した人が実際に仕事に就く人物でないケースがどれほど頻繁に起きるかに気付いたのです。例えば、クリーンな記録を持つ人物がスクリーニングを通過しても、合格できなかった家族が実際のシフトを担当することがあります。バックグラウンドチェックは書面上の応募者を一度だけ、最初にしか見ないため、これを捕らえる手段がありません。Yardstikに入社した時点で、Branchでの経験から得た知見を持ち込み、チームと共に顧客向けの継続的モニタリングアプローチを構築しました。

生成AIは偽の身元、偽造された資格、合成プロファイル、さらには説得力のあるディープフェイクの作成ハードルを劇的に下げました。現在最も急速に進化しているAI活用詐欺手法は何ですか、また、雇用主が最も準備できていないと考える手法はどれだと思いますか？

現在最も急速に拡大している詐欺は、派手なディープフェイク動画ではありません。合成アイデンティティです。実在する社会保障番号に偽名と捏造された職歴を組み合わせ、誰が最初にチェックしてもクリーンに見えるものに仕上げています。

雇用主が最も準備できていないのは、リモートで直接会ったことのない採用です。ギグプラットフォーム、リモートIT職、バーチャルコールセンターが該当します。会社内でその人物に会うことがなければ、詐欺師を捕まえるためのシグナル（緊張した面接、対面で少し違和感のあるIDなど）がすべて失われます。まさにリモート採用詐欺組織が活動している領域であり、多くの企業は自分たちに起きるまで他人事として扱っています。

Yardstikは従来のバックグラウンドスクリーニングから、AI詐欺防止、身元確認、資格検証、継続的モニタリングを組み合わせた包括的プラットフォームへと移行しました。AIはこれらのシグナルを結びつける上でどのような役割を果たし、従来のバックグラウンドチェックでは検出できないものをシステムは何を検出できるのでしょうか？

Yardstikはバックグラウンドスクリーニング企業としてスタートし、ほとんどの顧客にとってそれは依然として基盤的な要素です。しかし、バックグラウンドチェックは単一の取引です：実行し、結果を得て、データを破棄します。詐欺防止、身元確認、資格チェック、モニタリングを一つに結びつけるのは、私たちがデータを破棄しないことです。候補者のプロファイルを時間とともに保持し、各新しいチェックがゼロから始めるのではなく、既存のプロファイルに加算されます。

これにより、一度きりのチェックでは決して捕らえられない事象を検出できます。例えば、ある顧客では詐欺師が顧客の税データにアクセスできるエージェントアカウントに何度も侵入しようとしていました。同じデバイスややや変更された同一の身元が複数回にわたって現れることが分かるため、スクリーニング決定になる前に阻止できました。一度きりのチェックではそれぞれの応募を個別に見てすべて通過させてしまったでしょう。

Yardstik は、個人の身元データ、支払活動、デバイスや位置情報などのシグナルを用いて、潜在的な身元詐欺を検出します。AI モデルがますます複雑なパターンの評価を担うようになる中で、実際に疑わしい行動と、異常だが正当な行動をどのように区別していますか？

疑わしいと異常な間に明確な線引きをしようとはしません。なぜなら、ほとんどの場合、私たちがそれを目にした瞬間には線引きができないからです。私たちが行うのは、変化点を表面化させることです。たとえば、ある応募者がある学校を記載し、1 年後に同一人物で別の学校を記載した新たな応募があれば、再確認の価値があります。常に iPhone から応募していた人物が Android 端末で新しい IP アドレスから現れた場合も同様です。どちらも単独では詐欺を意味しませんが、複数のシグナルが組み合わさることでリスクプロファイルが上昇します。私たちは、最後にその人物を確認した時点から何が変わったかをフラグ付けし、雇用主が情報に基づいた判断を下せるように追加データを提供する層です。

Yardstik によると、応募者の約 30 人に 1 人が政府発行の身分証明書の検証に失敗し、フラグが付いたり重複した社会保障番号は日々ブロックされています。このデータから、労働力詐欺はどのように進化していると学んでいますか？また、遭遇する詐欺のうち、どの程度が機会主義的ではなく組織的なものですか？

このデータは、採用における身元詐欺がもはや周辺的な問題ではなくなったことを示しています。実際の規模で事業を行う上での基礎的コストとなっており、支払いにおけるチャージバックが基礎的コストであるのと同様です。そのうちかなりの割合が機会主義的というより組織的です。機会主義的詐欺は一回限りのケースが多く、履歴書に虚偽を記載したり卒業年月日を捏造したりします。組織的詐欺はパターンが見られ、同一デバイスやほぼ同一の身元情報で、異なる雇用主に対して同種の職種を狙う応募が繰り返され、時には一つずつ情報を変えて通過率を試します。これは数年前に盗まれた社会保障番号が転売されていた時期に見た形で、現在でも同様です。ただし、現在は自動化されており、生成系ツールにより偽の身元情報を作成するコストが下がったため、はるかに大規模に行われています。

身元検証は、政府発行の ID、バイオメトリクス、ライブネスチェック、デバイスシグナル、その他のリスク指標をますます取り入れています。生成系モデルがリアルな文書、顔、音声を作成できるようになる中で、攻撃者が偽造しにくいシグナルはどれだと考えますか？

単一のアーティファクト、たとえば写真、文書、短い動画などを生成できるようになると、ますます本物そっくりに偽造できるようになります。偽造が難しいのは、時間を通じて一貫性を保ち、誰もが共同で管理できない場所での整合性です。合成身元は、十分に高度なディープフェイクであれば単一のライブネスチェックを通過できるかもしれません。しかし、同じ身元がデバイス履歴や位置パターン、雇用履歴といった、実在の人物が雇用主や年を跨いで持つような一貫性を同時に持つことははるかに難しいです。これが、単発の検証ではなく継続的モニタリングを採用する根拠です。従来のチェックは一枚の写真、すなわち一度だけ撮影されたフレームを提供しますが、私たちのシステムはフレームが互いに合致しなくなる瞬間を検知できるように設計された、いわばライブフィードのように機能します。

継続的モニタリングは、1 回だけ身元を確認するから、労働者のライフサイクル全体にわたって信頼性を評価するへと大きくシフトします。過度な監視や誤検知、労働者が理解・異議申し立てしにくい決定を生み出さないように、どのようにシステムを設計していますか？

監視とは、対象が自分が監視されていることを知らない状態で見張ることです。これは当社の仕組みとは異なります。モニタリング対象のすべての労働者は書面で同意しており、何がチェックされているかを正確に把握しています。また、法的に見つかった情報のコピーと、誤りがあった場合に争う手段を提供しなければなりません。これらはすべて任意ではなく、FCRA に基づく義務です。

もう一つのポイントは、最終的な判断を私たちが下さないことです。モニタリング対象者に逮捕歴が出た場合、それは雇用主が調査すべきフラグであり、判決ではありません。適正手続は依然として適用されます。雇用主は候補者に通知し、回答の機会を与えた上で最終的な判断を下さなければなりません。私たちの役割は「何かが変わった」ことを表面化させることまでで、雇用主がそれをどう解釈し、どう対処するかは雇用主の判断です。採用時のチェックと同様のプロセスです。私たちは意図的にこのように設計しました。

採用や労働力管理がますますエージェント的になる中で、AI エージェントが信頼シグナルを収集・評価することと、実際に重要な採用決定を下すことの境界はどこにあるべきでしょうか？

私は、現在法律が私たちに課しているラインに合わせます。私たちの業界では、争いに関わる決定や不利な判断に人間が関与しなければならないという厳格な要件があるため、AI 企業と自称しないよう注意しています。エージェントはシグナルを収集し、スコア付けし、変化点をフラグ付けできますが、単独で「採用しない」や「雇用を継続しない」と決定すべきではありません。その決定は、責任を負い、挑戦された際に説明できる人物に結び付けられる必要があります。

採用プロセスがエンドツーエンドで自動化されるほど、この境界はますます重要になります。エージェントが全体のファネルを走らせることが容易になるほど、最終的な決定をエージェントに委ねたくなる誘惑が強まります。信頼シグナルの収集と評価は、ソフトウェアが速く行うべきことです。しかし、人の生計を左右する決定を完全に委ねることは、私には到底受け入れられません。

新たな $30 million Series B によりYardstikの総資金が $65 million となり、AI と詐欺防止のどの分野が現在最大の投資に値すると考えますか、また継続的な本人確認をはるかに大規模に機能させるためにまだ解決すべき技術的課題は何ですか？

私たちは新たな資本を、あまり華やかではなく、構築が最も高価になる詐欺防止の領域に投入しています。自動車レポートとOIG除外モニタリングです。免許、保険証書、または認証が失効した瞬間に自動アラートを出し、次の更新サイクルを待たずに通知します。

この業界で誰も解決できていない技術的課題はコストです。多くの国や州はレコード取得に独自の手数料を課しており、ニューヨークのような場所では1回の取得で100ドル超えることもあります。この費用はチェック頻度を増やしただけでは下がりません。何千人ものギグワーカーを抱える企業が年に一度ではなく月次で継続的な本人確認を実施できるほど手頃にすることは、機械学習の問題であると同時に、データ取得と価格設定の問題でもあります。現在、私が最も考えている課題です。

興味深い軍拡競争が浮上しています。AIは同時に本人詐欺を容易にし、プラットフォームにそれを検出するためのより優れたツールを提供しています。両者が進化する中で、誰かが主張通りの本人であることを証明することが大幅に難しくなると予想しますか、それとも最終的にAIがデジタルアイデンティティをこれまで以上に信頼できるものにするでしょうか？

両方とも正しく、どちらかが相殺されるとは考えていません。顧客はしばしば、私たちが「火に油を注ぐ」ことを期待していると語ります。彼らは、現代の課題には現代的なソリューションが必要だと理解しています。正直な見解としては、数年にわたりプラットフォーム横断で個人を追跡するシステムにとってはデジタルアイデンティティの信頼性が高まりますが、単一の時点でのチェックに依存するものにとっては信頼性が低下します。つまり、一度だけ本人確認を行う企業はリスクにさらされ続け、長期的視点で構築した企業は、現在は感じていないかもしれませんが、振り返ったときにはるかに賢明に見えるでしょう。

素晴らしいインタビューに感謝します。詳しく知りたい読者は Yardstik をご覧ください。