はてなブックマーク

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

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。 推薦チームでは推薦システムの開発だけでなく、モデルの開発・運用で使用するMLOps環境改善にも取り組んでおり、先日社内のMLOpsについての現状に関して投稿しました。 ウォンテッドリーの推薦システムを支えるMLOps -現状の取り組みと課題- | Wantedly Engineer Blog 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... https://www.wantedly.com/companies/wantedly/post_articles/1047307 今回はMLOps環境改善の一環として、Vertex AI Model

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、日々の業務におけるAIとの向き合い方についてお話しします。具体的な技術の話というよりも、読み物としての側面が強い話です。 目次はじめに AI は How に強いが Why と What は教えてくれない ツール活用の先にある「本来の課題」に目を向ける まとめ はじめにこれまで「Claude Codeをリポジトリのオンボーディングで活用する話」や「NotebookLMで登壇資料の作成をする話」などを紹介してきました。私自身、日常的なコーディングからドキュメント作成、技術的な壁打ちなど、AIの恩恵をフルに享受して日々の開発サイクルを高速に回しています。 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 | Wantedly Eng

こんにちは、QA Squad の青柳です。 日々の業務に追われていると、週次の1on1がつい「タスクの進捗を共有して終わるだけの時間」になってはいないでしょうか。私自身も以前は、1on1を受動的な報告の場として捉えていました。しかし、1on1を自分自身の成長のために「使い倒す」という意識に変えたところ、上長との期待値のズレが激減し、迷いなく仕事を進められるようになりました。本記事では、1on1を能動的な成果創出の場へとアップデートするための具体的な実践法を共有します。 目次1on1の再定義 : 上長を「最強の支援者」にする 実践1 : 能力開発と期待値の調整 実践2 : 性格特性を活用したコミュニケーションの最適化 実践3 : 組織視点での「限界」の打破 視点の拡張 : 多角的な気づきを得る「斜めの1on1」 まとめ 1on1の再定義 : 上長を「最強の支援者」にする1on1には、情報の同

本日3/6に、 Go 1.26.1 と Go 1.25.8 がリリースされました。 本バージョンで修正された脆弱性のひとつは私が見つけたものです。 せっかくの人生初のCVEなので、経緯を紹介しようと思います。 脆弱性の内容脆弱性は以下で公開されています。 net/url: reject IPv6 literal not at start of host (CVE-2026-25679) · Issue #77578 · golang/go The Go standard library function net/url.Parse insufficiently validated the host/authority component and accepted some invalid URLs by effectively treating garbage before an IP-l

はじめまして。Wantedlyでプロダクトマネージャーをしている上山です。今回は社内の AI 活用イベント「Hackathon W vol.3」で取り組んだ「AIを活用した業務改善」についてお話しようと思います。 目次はじめに：AIで業務をどう変えるか？ 課題：仮説検証が機能開発の負担になっていた 全工程の自動化は行わず、価値の出やすい工程に絞る 手段 : Cursorの「Agent Skills」を活用した効率化の仕組み 指標の定義：PRDを元に指標定義書を作成する 分析：集計データを元に考察の素案を作ってもらう 振り返り：効率化の手応えと今後の課題 はじめに：AIで業務をどう変えるか？「Hackathon W vol.3」は、社員一人ひとりがAIを使いこなし、日常業務を継続的に改善していくことを目的とした社内イベントです。参加者はそれぞれが直面している課題に対し、AIを活用した解決策を

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

シニアエンジニアが2時間かけて回答していた工数見積もりをAIエージェントDevin（Cognition社）に任せてたった5分で完了できる仕組みを作りました。GitHub IssueのURLを渡すだけでPM/PdMが読めるサマリーとエンジニアが検証できる根拠を自動生成します。 プロンプトの完成までに7回書き直しています。その中で一番大きな教訓はフィードバックを忠実に反映して300行まで膨らませた指示書がかえってAIの出力品質を劣化させてしまった経験でした。プロンプトの肥大化による品質劣化は普段の開発でも起きるオーバーエンジニアリングと同じ構造を持っていました。 本記事では試行錯誤の末にたどり着いた「AIエージェントを自律駆動させるための5つの設計原則」を解説します。プロンプト設計はコード設計と本質的に同じであるという知見はDevinに限らずあらゆるAIエージェント活用できると考えています。

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、ウォンテッドリーでソフトウェアエンジニアをしている市古 (@sora_ichigo_x) です。現在は Visit AI Squad で AI エージェントモードといった LLM を活用した機能の開発をリードしています。 目次はじめに LLMアプリケーションにおける自動テストの課題 LLM パイプラインの複雑性 手動テストの非効率性 単にモックを外しても解決しない 課題解決のアプローチ スナップショットテストの導入 技術選定：なぜ RSpec に乗せたか ディレクトリ設計と CI/CD との棲み分け スナップショット差分レビューのワークフロー LLM as a Judge の導入 LLM as a Judge という考え方 自然言語で期待値をかけるカスタムマッチャー スナップショット記録との組み合わせ 現在の課題と今後の展望 スナップショット数の増加 LLM as a Judg

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バックエンドエンジニアをしている冨永(@kou_tominaga)です。ウォンテッドリーでは、LLM を活用した機能開発において Amazon Bedrock 経由で Claude を利用するケースが増えています。実際に利用してく中で、「ここは想定外だった」「これはハマった」というポイントがいくつもありました。この記事では、そうした LLM 利用時の落とし穴や学びを、具体例を交えながら共有します。 目次前提と課題 結論 適切な max_tokensの設定 レスポンススキーマの規則をシステムプロンプトに書かない オプショナルな入力構造を曖昧にしない 結果 前提と課題本記事では、以下環境で実装・運用する中で気づいた点をまとめています。 AWS Bedrock の Claude 4.5 Sonnet と Claude Haiku 4.5 をプロダクトで利用開発言語は Ruby

Wantedlyでプロダクトマネージャー（PdM）をしている吉野雄大です。 普段、PdMの仕事をしていて、企画書、要件定義、ロードマップ、ステークホルダーへの説明資料など、「資料作成」の連続です。特に最近では、戦略の策定といった上流の仕事が増え、膨大な情報の断片を繋ぎ合わせ、論理的な一貫性を持った「資料」を素早く作る必要があります。ありがたいことに、「資料がわかりやすい」「意思決定がスムーズに進む」と評価をいただく機会が増えています。その裏側には生成AIをプロセスに組み込んだワークフローがあります。 Wantedlyでは、ChatGPTやPerplexity、Figmaなど様々なAIツールを会社として導入しており、こうした環境も大きな後押しになっています。今回は、私が戦略を練り上げる際にどのように生成AIを活用しているのか公開します。 利用しているツール戦略策定は、リサーチに始まり、抽象的

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

はじめにこんにちは。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市村です。 Wantedly Visit ではユーザーへの募集の推薦などにおいて相互推薦システムによる推薦を提供しています。相互推薦システムでは、推薦を受け取るユーザーの嗜好と、推薦される側の嗜好の両方を考慮して推薦を生成します。この2つの嗜好スコアをどのように集約するかは重要な設計ですが、現状ではすべてのユーザーに対して固定の重みを使用しています。 本記事では、この集約機構をユーザーごとにパーソナライズする手法について、先行研究の再現実装と Wantedly Visit のプロダクトデータを用いた検証の結果を報告します。 目次はじめに 相互推薦システムとは 相互推薦における嗜好の集約 関連研究：Kleinerman et al. (2018) 検証 タスクと実装 評価方法 結果 考察 まとめ 参考文献 相互推薦システム

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

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。2025年11月に AI エージェントモード機能をリリースしましたが、リリース後の利用データを分析する中で、LLMが意図しない条件を一定割合で生成されていることが分かりました。本記事では、この問題をどのように発見し、どのように改善し、どのような成果につながったのかを紹介します。 目次AIエージェントモード機能とは 背景 分析のアプローチ 結果 まとめ AIエージェントモード機能とはAIエージェントモード機能とは2025年11月25日にリリースした機能で、AIが採用担当者に代わってスカウト送信対象の候補者を自動で探索するものです。採用担当者が採用要件を入力するだけで、AI がソーシング計画を生成し、候補者を自動リスト化する体験を提供します。 この機能により、これまで採用担当が時間をかけて行っていた「採用

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

BigQueryのSQLについて、ドキュメントを読んだり実験したりしながら挙動を解き明かしていこうと思います。第5回はNULLについて紹介します。ここまでで扱わなかったその他の型についても触れます。 今回扱う型NULLBOOLEANGEOGRAPHYNULL値NULL値はSQLではおなじみの値です。BigQueryでは、全ての型に出現の余地があります。 NULLの保存テーブルではNULLの保存に制約があります。 カラム型が ARRAY の場合は、 REPEATED モードとして扱われるため、 NULL は空配列と同一視されます。それ以外の場合は、カラムは OPTIONAL モードか REQUIRED モードを選ぶことができます。 REQUIRED の場合は NULL の保存が禁止されます。NULLの操作NULLに期待される意味は、それが使われる文脈によってまちまちです。 データが存在しない

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