はてなブックマーク

ウォンテッドリーでバックエンドエンジニアをしている冨永(@kou_tominaga)です。本記事では、Wantedly Visit における技術的な問い合わせ対応の一次調査を AI に委譲する仕組みを構築した事例を紹介します。GitHub Issue と Claude Code GitHub Actions を組み合わせることで、問い合わせの一次調査を自動化し、さらに運用するほど精度が向上する自己改善の仕組みまで実現しました。 目次背景 問い合わせIssue起票時のワークフロー 自己改善のワークフロー 改善の実施 導入にあたっての合意形成 まとめ 背景Wantedly Visit では、技術的な問い合わせ対応をエンジニアが担当しています。この対応には、「差し込みによる通常業務の圧迫」と「キャッチアップコストの高さ」という2つの課題がありました。 問い合わせは予測できないタイミングで発生しま

はじめにこんにちは。ウォンテッドリーのデータサイエンティストの市村（@chimuichimu）です。Wantedly Visit の推薦システムの開発・運用を担うチームのリーダーをしています。 ウォンテッドリーに入社して2年が経ちました。この2年間で、メンバーとして施策を進める立場から、チームリーダーとしてチームの方針を決める立場へと、自分の役割が変わりました。 この記事では、入社からの2年間を3つの時期に分けて振り返ります。前半では、転職後のキャッチアップや感じたギャップ、そしてメンバーからリーダーへの役割の移行について書いています。後半では、リーダーとしてチームの方向性を作るために取り組んだことについて書いています。キャリアチェンジを考えている方や、チームリーダーという役割に向き合っている方にとって、何らか参考になるものがあれば幸いです。 入社~半年：オンボーディング期前職は日系のSI

はじめにウォンテッドリーでデータサイエンティストとして働いている市村です。私たちのチームは Wantedly Visit の推薦システムの開発と運用を担っています。 機械学習をベースとした推薦システムが活用される経路は年々広がっており、プロダクトへの貢献領域も拡大し続けています。こうした成長を支えるうえで、運用コストを抑えながら素早く安定的にサービスを届けるための仕組み、すなわち MLOps の整備は欠かせません。 これまでチームとして様々な取り組みを進めてきましたが、規模の拡大に伴い新たな課題も見えてきています。この記事では、推薦システムの MLOps について「特徴量管理」「モデル学習と評価」「デプロイとサービング」「モニタリングと運用」の4つの観点から、現在の取り組みと今後の課題をお伝えします。私たちがどのように推薦システムの運用と向き合っているのかを感じ取ってもらえると嬉しいです。

こんにちは。ウォンテッドリーでデータサイエンティストをしている角川(@nogawanogawa)です。 以前のブログにて、LightGCNを用いた推薦候補集合生成を試してみました。 LightGCNを用いた推薦候補集合の生成 | Wantedly Engineer Blog こんにちは。ウォンテッドリーでデータサイエンティストをしている角川(@nogawanogawa)です。この記事では、Graph Neural Network（GNN）のアルゴリズムの1つであるL... https://www.wantedly.com/companies/wantedly/post_articles/1029285 LightGCNではuser-itemの二部グラフを前提にしており、user-item間のインタラクションが複数種類ある（マルチビヘイビア）場合を考慮できていません。そこで今回の記事では、L

こんにちは。ウォンテッドリーでバックエンドエンジニアをしている小室 (@nekorush14) です。今回は、Claude Code の Agent Skills を活用してリポジトリのオンボーディングを効率化する取り組みについて紹介します。 先日、日々の業務改善や効率化につながる課題の解決がテーマの社内AIハッカソンが開催されました。私は自分自身が入社した時につまずいた「ドキュメントを読んでも全体像がつかめない」や「環境構築で謎のエラーが出る」などのオンボーディングに関する課題の解決に取り組みました。 その中で、Claude Code のコンテキストとしてリポジトリの「手がかり」と「地図」、そして「手順」を持たせ、リポジトリに慣れていないエンジニアが自走可能な仕組みの構築を目指しました。 目次はじめに Agent Skills を活用する リポジトリの概要をナレッジとして埋め込む サービ

こんにちは。ウォンテッドリーでデータサイエンティストをしている角川(@nogawanogawa)です。 以前のブログにて、LightGCNを用いた推薦候補集合生成を試してみました。 LightGCNを用いた推薦候補集合の生成 | Wantedly Engineer Blog こんにちは。ウォンテッドリーでデータサイエンティストをしている角川(@nogawanogawa)です。この記事では、Graph Neural Network（GNN）のアルゴリズムの1つであるL... https://www.wantedly.com/companies/wantedly/post_articles/1029285 この記事では、今回はLightGCNを拡張してナレッジグラフを組み込んだLightKGを試してみた事例についてご紹介しようと思います。 目次ナレッジグラフと推薦 Knowledge Grap

こんにちは、ウォンテッドリーの VIsit Social Squad というチームでソフトウェアエンジニアをしてる川辺（@shintaro_dev）です。先月の 2026/01/26 に Wantedly Visit にダイレクトメッセージ機能がリリースされました。 つながりを深める「ダイレクトメッセージ機能」をリリースしました | Wantedly, Inc. ダイレクトメッセージ機能とは？ダイレクトメッセージ機能の使い方自分から相手にメッセージを送る​相手からのメッセージを確認する場合ご注意事項ダイレクトメッセージ機能とは？「ダイレクトメッセージ機能... https://www.wantedly.com/companies/wantedly/post_articles/1038949 このダイレクトメッセージ機能におけるチャット一覧 UI に私たちが「双方向ページネーション」と呼んで

ウォンテッドリーでMobile Tech Leadを務めている久保出と申します。 本記事では、Wantedly Visitアプリの開発において、Kotlin Multiplatform（KMP）を含む3つのリポジトリを1つのモノレポに統合した事例について、その背景から実装、そして得られた知見までを実体験を交えてお伝えします。 目次はじめに 背景：3リポジトリ構成の課題 従来の構成 直面していた課題 解決策：モノレポ化 新しい構成 得られた改善 移行の実装 移行の本質：200行程度の変更 iOS統合の詳細 Android統合の詳細 リポジトリ統合：merge.shの活用 ハマりポイント gradlewがXcode上でハングする OSS licenses pluginの問題 CI/CD移行 iOS（Bitrise） Android/Shared（CircleCI） 移行後に発生した課題 Xco

こんにちは。ウォンテッドリーでデータサイエンティストをしている角川(@nogawanogawa)です。 この記事では、Graph Neural Network（GNN）のアルゴリズムの1つであるLightGCNを用いた推薦候補集合生成について検証してみた事例についてご紹介しようと思います。 目次LightGCN モデル定義と学習 候補集合生成 実データでの評価 まとめ LightGCNLightGCNはSIGIR 2020で発表されたグラフニューラルネットワークによる推薦の手法です。それまでNeural Graph Collaborative Filtering（NGCF）によってグラフニューラルネットワークが既存の協調フィルタリングと比べて優れた性能を達成すると主張されていましたが、LightGCNではそのNGCFから特徴変換と非線形活性化の処理を取り除いたシンプルな構造ながら性能を向上

こんにちは。ウォンテッドリーでバックエンドエンジニアをしている小室 (@nekorush14) です。今回は先日 市古さん(@sora_ichigo_x) が公開した「Human-in-the-Loop な AI エージェントを作るためのソフトウェア設計」でお話できなかったLLM 出力の検証と安全ガードレール設計について話します。 目次はじめに ガードレールをLLMにする 採用した設計 Self-consistency Exponential backoff + Full Jitter 実装後の運用 まとめ 参考文献 はじめに「AI エージェントモード」は2025年11月にリリースされた「候補者探しの一部を AI で自動化する」ことができるスカウトの新機能です。 AIが候補者リストを作成提案する「AIエージェントモード」提供開始 | Wantedly, Inc. この度、ビジネスSNS「W

こんにちは、QA Squad の青柳です。 これまでのブログでは、チームの土台作りとしての 「プロセス改善」 や、エンジニアと共に品質を作る 「協働QA」 についてお話ししてきました。 今回は、それらの戦略をさらに加速させるための「具体的な戦術（How）」、特に最新の AI エージェントを活用した取り組みについて紹介します。 目次直面していた課題 : 仕様のブラックボックス化 Devin × Gemini による「AI with AI」ワークフロー 1. なぜ Devin だったのか？ 2. 新しいワークスタイル : 「AI with AI」 3. 全プラットフォーム統合とGASによる自動化 「品質の可視化」と組織へのインパクト AIを「チームの一員」に迎える 直面していた課題 : 仕様のブラックボックス化私たちが掲げる「攻めのQA」には、プロダクトの深い理解が不可欠です。しかし、長く運用

こんにちは。ウォンテッドリーでバックエンドエンジニアをしている小室 (@nekorush14) です。今回は Claude Code をコーディング以外の作業でも利用している話をします。Claude Code と聞くと、真っ先にコーディングさせるAIエージェントのイメージがありますが、それ以外の用途でも便利に利用できることについてまとめます。 目次はじめに 活用幅を広げるための施策 Output Styles で出力の方向性を制御する Agent Skills でエージェントを強化する 筆者の設定 具体的な構成 運用フロー まとめ 参考文献 はじめにClaude Code は Anthropic 社が提供する AI コーディングエージェントです。登場した当初、ファイル操作、git 操作、テスト実行などを自律的に行うその能力は、多くのエンジニアに衝撃を与えました。 しかし、Claude Co

この記事は Datadog Advent Calendar 2025 の 19 日目の記事です。 こんにちは、Infra Squad の @fohte です。 ウォンテッドリーでは、システムのオブザーバビリティを支える基盤として Datadog を全面的に活用しています。Datadog の機能の中でも Monitor はとりわけサービスの信頼性を担保する上で重要です。この重要な設定を Terraform で管理したいという思いが生まれるのは自然かもしれませんが、これを実現するにはいくつかの難しさがあり、ウォンテッドリーでは長らく Monitor が手動で管理されていました。 最近になって、レビュープロセスを通したいケースが増えてきたこともあり、徐々に Terraform で管理された Monitor が増えてきています。本記事では、Web UI と Terraform を共存させる現実的な

こんにちは。ウォンテッドリーでデータサイエンティストをしている角川(@nogawanogawa)です。 この記事では、Two-Towerモデルについて技術検証した話についてご紹介したいと思います。 目次Two-Towerモデル 協調フィルタリングとコールドスタート問題 Two-Towerモデルによるコンテンツ特徴量の活用 準備 疑似データセット作成 行列分解によるベースライン 実装 特徴量とモデル定義 対称学習 実験 nDCGでの評価 コールドスタートユーザーに関する評価 まとめ Two-Towerモデル協調フィルタリングとコールドスタート問題推薦の一般的なアルゴリズムには協調フィルタリングが挙げられます。これは既知の(ユーザー, アイテム)のペアの評価値をもとに未知の(ユーザー, アイテム) のペアに関する評価値を予測し、その予測値をもとに推薦をするアルゴリズムです。また、協調フィルタリ

はじめにこんにちは。ウォンテッドリーのバックエンドエンジニアの西野です。本記事では、開発チームの課題であったコードレビューの遅延を解消するために実施した取り組みを紹介します。 10月初旬、チームのバックエンドエンジニア間で「コードレビュー完了までの待ち時間が長い」ことが問題になりました。レビュー依頼から完了（Approve）までに1日以上かかるケースが多く、時には次の作業に着手できずにスケジュールが遅れることもありました。この状況を改善するために、私たちはレビュープロセスの見直しに着手しました。 なぜコードレビュー完了までに時間がかかるのかバックエンドメンバー間で議論した結果、レビューが滞る根本的な原因は「プルリクエストの内容理解にかかる負荷が高く、それがレビュー着手への心理的ハードルにもなっていること」にあると判明しました。具体的には以下の2点が主要な要因です。 ①依頼されたレビューのコ

こんにちは。ウォンテッドリーでデータサイエンティストをしている林 (@python_walker)です。 この記事では、AI エージェント Devin の機能である Playbooks を活用し、データサイエンティストチームが管理するマイクロサービスで使用している Python バージョンの更新作業を効率化し、作業コストの削減を実現した取り組みについて紹介します。 目次チームの抱えていた課題 これまでの Python アップデートの手順 Devin Playbooks を利用した効率化 Playbooks とは何か なぜ Playbooks を選んだか Playbooks の活用法 結果 解決した課題 まだ残っている課題 まとめ チームの抱えていた課題ウォンテッドリーでは、会社訪問アプリ Wantedly をはじめ、さまざまなプロダクトを開発・運用しています。その中には機械学習を活用したサ

はじめに 何を、なぜ作るのか どうやって AI に候補者リストを作成させるか AI が候補者リストを作成する際の問題点 ヒューマン・イン・ザ・ループ（Human-in-the-Loop, HITL） ソーシング計画をどう作るか さいごに ウォンテッドリーでは2024年2月に 「スキル・プロフィール生成機能」 （スキル診断結果からAIがプロフィールを自動生成）をリリースしていますが、あれから1年以上が経ち、生成 AI を取り巻く技術・運用環境は大きく変わりました。今回はその変化を踏まえ、あらためて「どう設計すべきか」をゼロから判断する必要がありました。 本記事ではAIエージェントモードを開発する中で、特に「どのようにして AI に候補者リスト生成を任せ、かつ安全に運用できるように設計したか」をお話しします。 何を、なぜ作るのか今回の開発で掲げた目的とミッションは次の通りです。 "ソーシング工

こんにちは！ウォンテッドリーでインフラエンジニアをしている加藤です。この記事は Wantedly Advent Calendar 2024 の10日目の記事です。昨日は佐藤祐亮さんの「バックエン... 昨年は講演と当日スタッフの両方で関わっていましたが、今年は聴講に専念。業務時間として参加できるよう調整してくれた会社には感謝しています。 会場の雰囲気会場は東京・日本橋にあるAP日本橋でした。 到着してまず感じたのは「去年より人が多い！」ということ。どうやら今年は直近 8 年間で最も多い参加者数だったそうです。 （開始前の写真なので、まだ人はまばらです。） 最近は PostgreSQL を採用する企業が増えていたり、クラウドベンダーから PostgreSQL 互換の製品が次々と登場していたりするので、その流れが確実にコミュニティの活気にもつながっているのだろうと感じました。 印象に残った講演