Findyの評判は？スキル偏差値とスカウトの実態を年収データ・他社比較で検証【2026年8月版】

2026年8月3日 · 著者: 福朗（フリーランスAIエンジニア）

「Findy 評判」で検索すると、サジェストには「やばい」「年収」「スキル偏差値」が並ぶ。GitHubの活動履歴を解析して技術力を数値化し、そのスコアを見た企業から直接スカウトが届く——という設計自体はほかのエージェントにはない特徴だが、裏を返せば「GitHubをあまり触っていない人にはどう映るのか」という疑問も生む。

この記事では、口コミサイトの評価傾向と公式情報を突き合わせてFindyの評判の実態を検証する。対象は、実力重視のスカウト型サービスを検討している中堅エンジニア（実務経験3年以上）だ。未経験者向けの一般論や、単純な「使い方」の解説は他の解説記事に譲り、ここではスキル偏差値の仕組みと上げ方、想定年収帯、成功報酬モデルの裏側、他のスカウトサービス・従来型エージェントとの違いまで踏み込む。

01Findyとはどんなサービスか

Findyは、ファインディ株式会社が運営するエンジニア特化型のダイレクトリクルーティングサービスだ。プログラミング経験者を対象に、GitHubの活動履歴を独自のMLモデルで解析して「スキル偏差値」として可視化し、そのプロフィールを見た企業が直接スカウトを送る仕組みになっている。求人サイトのように自分から大量に応募する形式ではなく、受け身でオファーを待つ「攻めない転職活動」に向いた設計だ。

ポイントは、スキル偏差値が「職務経歴書の自己申告」ではなく「公開されたコードから機械的に算出される」ことだ。これにより、経歴や自己PRの巧拙に左右されにくい評価軸ができる一方、GitHub上に活動履歴が乏しい人（業務が非公開リポジトリ中心、あるいはそもそもGitHubをあまり使っていない人）は正しく評価されにくいという裏返しの構造も生まれる。

02評判・口コミの実態 — ポジティブとネガティブの分かれ方

複数の口コミ・比較サイトの内容を横断すると、Findyの評価は特定の1点に集中しているわけではなく、「誰にとっての評判か」で結論が変わるという傾向がはっきり出ている。

まとめると、「GitHubで実績を示せる人には公平で使いやすい」「実績を示しづらい人には敷居が高い」という、対象者によって評価が真逆になるタイプのサービスだ。これは欠陥というより、スキルの可視化を軸にしたサービス設計の必然的な帰結と見るべきだろう。

03「Findy やばい」説の検証 — 中身は4つの不満

検索サジェストに出てくる「やばい」を分解すると、実態は次の4つに集約される。

① GitHub活動が薄いとスカウトが来ない

これが最も多い不満だ。ただし、これはFindyの評価軸がそもそも「GitHubの公開活動」であることの当然の帰結でもある。業務で非公開リポジトリしか触っていない、あるいは個人開発をしていないエンジニアにとっては、実力があってもスコアに反映されない構造的な限界がある。

② スカウト=内定ではない

スカウトが複数届くと期待値が上がりがちだが、選考プロセスに入れば通常の面接・コーディング試験を経て合否が決まる。スカウトはあくまで「話を聞いてみませんか」という入口であり、選考通過を保証するものではない。ここを勘違いして「思ったより落ちる」という不満につながっているケースが目立つ。

③ 地方求人の少なさ

掲載企業は東京圏のIT企業・スタートアップが中心になりやすく、地方在住のエンジニアはスカウトの母数自体が少なくなる。フルリモート可の求人であれば影響は緩和されるが、勤務地条件を絞るほど選択肢は狭まる。

④ 返信率・スカウトの熱量にばらつきがある

転職潜在層（今すぐの転職意思が薄い層）を含めた登録者基盤のため、スカウトを送っても返信が来ない・温度感が合わないケースが一定数生まれる。これはFindyに限らずスカウト型サービス全般に共通する傾向でもある。

04スキル偏差値の仕組みと上げ方

スキル偏差値は、GitHubと連携することで自動算出される、Findy独自のアルゴリズムによるスコアだ。評価対象になるのは主にコミット数、コードの複雑性、使用言語、コントリビューション、リポジトリのスター数などで、2024年12月には言語ごとに個別のMLモデルを組む形へ大幅に刷新されている（公式ブログ「スキル偏差値アップデートプロジェクト」より）。刷新後のモデルは、対象6言語いずれも人間の判断を8割以上の精度で再現できることを目標に開発されたと説明されている。

※公表されている評価観点をもとにした相対的なウェイト感の整理であり、公式が数値配分を開示しているわけではない点に注意。

上げ方として実務的に有効なのは次の3つだ。

• 公開リポジトリで継続的にコミットする。単発の大きなコミットより、継続的な活動履歴の方が評価されやすい
• OSSへのコントリビューションを増やす。自分のリポジトリだけでなく、既存プロジェクトへのプルリクエストも対象になる
• 使用言語を絞って深さを見せる。浅く広くより、得意言語での複雑なコードの方がスコアに寄与しやすい

ただし、率直に言えばここには構造的な限界がある。スキル偏差値が測っているのは「公開されたアウトプットの量と質」であって、実務そのものの実力ではない。日々の業務が非公開リポジトリ中心の環境では、実力に対してスコアが低く出やすい。これはFindyの設計上避けられないトレードオフとして理解しておく必要がある。

05年収・求人の実態 — 成功報酬モデルから逆算する

Findyは求職者側の利用は無料だが、企業側には課金モデルがある。この構造を理解しておくと、どんな年収帯・どんな企業からスカウトが来やすいかの見立てが立てやすくなる。

※企業向け料金体系の公表情報を基にした整理。プラン内容・金額は変更される場合があるため最新情報は公式で要確認。

ここで押さえておきたいのは、成功報酬が理論年収の30〜35%という水準は、採用が決まるまでは月額固定費以上の出費が発生しない代わりに、決まった瞬間にまとまった金額を払う設計だということ。この料金体系を許容できるのは、採用予算にある程度の体力がある企業——具体的にはIT企業・スタートアップ・スケールアップフェーズの企業が中心になりやすい。予算の限られた中小の受託開発会社やSIerが同じ土俵で積極的にスカウトを送ってくる可能性は相対的に低いと考えられる。

つまり、Findy経由で届くスカウトの年収帯・企業の質感は、この料金モデルによってある程度絞り込まれている。「経験3年以上」「GitHub活動あり」という利用者属性と合わせて、モダンな技術スタックを採用する企業からのオファーが相対的に多くなる傾向があると見てよいだろう。

06他社スカウトサービス・従来型エージェントとの比較

スカウト型サービスは他にもある。評価軸の違いを整理しておくと、自分に合うサービスを見極めやすい。

いずれも「エンジニア自身が動かなくてもオファーが届く」スカウト型という点では共通しているが、FindyはGitHubという単一の情報源にもっとも強く依存しているのが特徴だ。ブログ執筆やSNS発信の実績まで評価に取り込むLAPRASや、一括送信を制度的に排除するForkwellとは、評価に使われるデータソースの幅が異なる。

もう一つ理解しておきたいのが、スカウト型と従来型エージェントは補完関係にあるということだ。書類添削や面接対策、年収交渉の代行までカバーする伴走型のエージェントとは役割が異なる。例えば明光キャリアパートナーズとTechGoのような従来型エージェントを比較した内容は明光キャリアパートナーズ vs TechGo比較記事で扱っているが、こうした伴走型のサポートを重視するなら、Findyと併用する形が現実的だ。Findyは「市場からの需要を測る」、エージェントは「実際の転職活動を伴走する」と役割を分けて考えるとよい。

07Findy Freelanceとの違い

「Findy」で検索すると「Findy Freelance」がヒットすることも多いが、これは別の姉妹サービスだ。フリーランスエンジニア向けの案件マッチングサービスで、企業との直接契約でマージンが発生しない料金体系を特徴としている。高単価案件も一定数あり、月額100万円を超える案件事例も報告されている。

一方で、実務経験3〜5年程度を求める案件が多く、経験の浅いフリーランスには案件獲得のハードルが高い。また、専門のフリーランスエージェントにあるような福利厚生制度は用意されていない。こうしたサポートを重視するなら、フリーランスボードの評判を検証した記事で扱ったような、専任サポート付きのエージェントと比較検討するのがよい。本記事の主題である正社員向けスカウト（Findy本体）とは仕組みが異なる点は覚えておきたい。

08判定 — 向いている人・向いていない人

総括すると、Findyは「GitHub活動という単一の評価軸に自信がある人」に強く刺さる設計のサービスだ。この軸に乗れない人にとっては「やばい」という評判の通り、スカウトが来ずに終わる可能性が高い。逆に軸に乗れる人には、経歴の見栄えに関係なくフラットに評価してもらえる数少ない選択肢になる。

職務経歴書の作り込みに時間をかけるより、まずGitHubプロフィールを整えて登録してみる方が、このサービスの向き不向きを早く判断できる。プロフィール文章の書き方自体はエンジニア職務経歴書の書き方ガイドで扱った視点も流用できる部分がある。なお、スカウトを受けた後の年収交渉の具体的な進め方は本サービス固有の話ではないため、別記事で扱う予定だ。

09登録から利用開始までの流れ

STEP 1: 会員登録

メールアドレスまたはGitHubアカウントで登録する。GitHubアカウントで登録すると、そのまま連携がスムーズに進む。

STEP 2: GitHub連携でスキル偏差値を算出

公開リポジトリを解析してスキル偏差値が自動算出される。この時点でのスコアを見て、続けるかどうかの判断材料にもできる。

STEP 3: 経歴・希望条件を入力

経験年数、使用技術、希望年収・働き方などのプロフィールを補足する。ここが薄いと、スキル偏差値が高くてもマッチ度の高いスカウトが届きにくくなる。

STEP 4: スカウト受信・カジュアル面談

興味のある企業からスカウトが届いたら、まずはカジュアル面談から始まるケースが多い。ここでの温度感を見てから本選考に進むかを判断できる。

よくある質問

まとめ — 評判の実態は「GitHub活動を軸にした公平さと厳しさの両面」

Findyの評判を検証した結論をまとめる。

• 評価は「GitHub活動を公平に見てもらえる」ポジティブ評価と「活動が薄いと相手にされない」ネガティブ評価に分かれる、対象者依存の構図
• 「やばい」説の実体は運営への告発ではなく、サービス設計上の対象者選別への不満
• スキル偏差値は公開アウトプットの量と質を測る指標であり、非公開開発が中心の人には構造的に不利
• 成功報酬モデルから見て、スカウトの母集団は一定の採用予算を持つIT企業・スタートアップに寄りやすい
• 従来型エージェントとは役割が異なるため、併用して使い分けるのが現実的な戦略

Findyは「使えば誰でも転職が有利になる魔法のサービス」ではなく、GitHub上の活動という特定の評価軸に自分の実績が乗るかどうかで、体験がはっきり分かれるサービスだ。まずは登録してスキル偏差値とスカウトの温度感を実際に確認し、そのうえで従来型エージェントとの併用を検討する——という順序で判断するのが合理的だろう。

福朗

フリーランスAIエンジニア。AIパイプライン開発と技術キャリアについて発信しています。

Zenn