はてなブックマーク

はじめにウォンテッドリー 執行役員CTOの安間です。 ウォンテッドリーでは、生成AIを競争力の源泉と位置づけ、全社員のAI有効活用率を100%にすることを目標に掲げています。 この目標に向けて最初に着手したのは、「生成AI活用ガイドライン」を作ることでした。今回は、このガイドライン作成が起点になって、AI推進チームの発足・数字でのモニタリング・勉強会運営へとどう展開していったかを書きます。 少しでも組織の生成AI活用に活かしていただけると幸いです。 なぜ最初にガイドラインを作ったかウォンテッドリーでは、すでに多くの生成AIを利用できる状態にありました。このような状態の中で、全社に広く展開していくと、何をどこまでやっていいか分からないため、 個人契約や無料版での業務利用（シャドーAI対策）顧客企業から預かった個人情報のような、入力してはいけない情報の入力AIの出力をそのまま対外発信してしまう

こんにちは、ウォンテッドリー株式会社 執行役員 VPoE の要（@nory_kaname）です。 いまやどの企業・組織もAI活用を推進する時代となりました。当社においても数年前から ChatGPT や Devin など各種AIツールを開発用途で導入していましたが、この1年の進化は非常に凄まじいものがあります。いまやAIは、エンジニアが開発のためだけに用いるのではなく、全社のあらゆる職種が使う時代です。 そこで今回は、当社の FY26（2025年9月〜2026年8月）における全社AI活用の取り組み について紹介します。全社推進を担う AI Ops Squad ならびに Infra Squad は、執行役員CTOの安間が自ら率いて推進しています。 目次はじめに なぜ全社でAI活用に取り組むのか 推進する組織体制をつくる 全社AI推進の軸となる2つのSquad AI Ops Squadによる「判

こんにちは！Wantedly Visit Culture Squad / Mobile Chapterの朴（パク）です。 現在はWantedlyアプリのAndroidをメインに担当しているモバイルエンジニアです。2020年4月に新卒エンジニアとしてキャリアをスタートし、2025年5月にウォンテッドリーに入社しました。 先日、Mobile勉強会で「iOS/Androidのリリースワークフロー統一」というテーマで発表を行いましたので、その内容を紹介したいと思います。 目次はじめに 序論：リリースワークフロー統一が必要になった背景 本論：リリースワークフロー統一へのアプローチ 1. 手動・自動ステップの洗い出しと自動化レベルの統一 2. パイプラインの段階的な結合 3. 統一が生み出した価値 結論：リリースは「作業」ではなく「仕組み」である 終わりに はじめにさて、皆さんのチームではアプリのリリ

この記事で話すこと優雅なシャットダウンとは終了前にリソースを安全に解放することであり、 HTTP サーバーではリクエストを完了まで持っていくことが目標になることが多い。HTTPサーバーの優雅なシャットダウンを妨げる構造的な問題がいくつもある。ロングポーリングや長い非同期ジョブの対策はアプリケーション側で行う必要がある。Kubernetes の優雅なシャットダウンには Pod の Service からの退役にまつわる構造的な問題がある。HTTP/1.1 の持続的接続の切断には構造的な問題がある。Node.js 組み込みの HTTP Server の close メソッドには構造的な問題がある。優雅なシャットダウンとは優雅なシャットダウン (graceful shutdown) とは、確保した資源を返却してからプロセスを終了する手続きのことです。HTTPサーバーの場合、「確保した資源」とは受け

はじめにこんにちは、QAエンジニアの青柳です。 ウォンテッドリーの開発組織が最も大切にしているのは、「ユーザーの課題解決に向き合い、価値あるプロダクトを作り続けること」です。私たちは作って満足するのではなく、リリース後の効果計測と改善活動のサイクルを何より重視しています。 このように、リリース・計測・改善のサイクルを高速で回し、継続的な価値の最大化を目指すスピード感のある環境だからこそ、デリバリーの速度を落とさずに品質を担保する「全員参加型の品質保証」の仕組みが欠かせません。 そこで本記事では、直近1年で入社したメンバーを中心に、組織全体でこの「品質のWhy」を揃えるために実施した Dev Training (社内研修) の取り組みについてご紹介します。 目次はじめに 講義のゴールと全体像 身近な例から考える、プロダクトへの「信頼」の作り方 プロセス全体で品質を高める「攻めのQA」へ QA

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。 機械学習関係の開発をしていると比較的大きなテーブルデータを扱うこともあり、こうしたテーブルデータの保存が必要になることもあるかと思います。一方で保存コストなどを考えるとファイルサイズは小さいに越したことはありません。 今回はParquetフォーマットを利用してどれだけファイルサイズを小さくできるか試してみた事例についてご紹介したいと思います。 目次Parquet エンコーディング 圧縮 Polarsを用いて実験する 実装 結果 まとめ ParquetApache Parquetは、大量のデータを効率よく保存・分析するために作られたオープンソースのファイル形式です。 Parquet Apache Parquet Documentation Releases Apache Parquet i

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。ウォンテッドリーへ転職して一年が経過し、AIをプロダクトに組み込む開発に多く携わってきました。今回はこの一年で深めた3つの視点をお話しします。 目次はじめに この一年でやったこと 一年で深めた3つの視点 プロダクト価値まで踏み込んで設計する 個人の工夫を組織の知見に変える AI を前提に仕事を組み立てる まとめ はじめにウォンテッドリーへ転職する前、私はシステムエンジニアとして設計・開発・保守に携わっていました。なりたいエンジニア像から逆算したときにより Web の領域へ近づく必要があると考え、ウォンテッドリーへ入社しました。 【入社エントリー】なぜSIer出身者がウォンテッドリーへ転職したのか | Wantedly Engineer Blog こんにちは。ウォンテッドリーのEnablin

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ます、平岡です。 今回は、GitHub上で情報を構造化し、「実行計画」から「開発」までを一気通貫で行うためのAIを活用したドキュメンテーション技術の実践について紹介します。 目次 このテーマに取り組んだ背景 前提：「実行計画」とは 前提：情報の構造化の方針 基本編：具体的な進め方とAIの活用法 1. どのようにしてAIを活用してGitHubのドキュメントを読み書きするのか？ 2. アイデアの検討段階からドラフトを作成する 3. ユーザーストーリーにタスクを紐づけ、設計を行う 応用編：ユーザーストーリーを分解する ステークホルダーにとっての「価値」の単位で分解する 実践してみて感じた効果 実践してみて感じた課題 おわりに このテーマに取り組んだ背景プロジェクトを進めていく上で企画段階から開発に入っても仕様変更やスコープの変更は発生し

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。少人数のチームで AI を日々の開発に組み込む中で、各自が見つけた便利な使い方をどうチームの動き方に変えるかが課題になりました。今回は、個人の使い方を配るのではなく、人が方針を立て AI が自律的に回る開発ループをどう設計し、チーム開発に組み込むかをお話しします。 目次はじめに 人が方針を立て AI が自律的に回る開発ループを設計する AI-DLC で計画から実装までを回す 開発ループの重さを変更の規模に合わせる 検証した判断を前提として共有しチーム開発に組み込む 指摘を再現可能なルールにして共有コンテキストにする 技術選定の判断を AI フレンドリーの観点で ADR に残す まとめ はじめに少人数のチームで各自が AI を使い始めると、便利な指示やプロンプトはその人の手元にとどまりがちで

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。 半年前、「生成AIを駆使して『戦略』を練り上げる、PdMプロセス」という記事を書きました。ChatGPT で壁打ちし、Perplexity でリサーチし、Cursor で構造化する、個人の思考を加速させるワークフローの紹介でした。 生成AIを駆使して「戦略」を練り上げる、PdMプロセス | Wantedly Engineer Blog 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。... https://www.wantedly.com/companies/wantedly/post_articles/1038853 あれから半年、ワークフローはかなり変わりました。ツ

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。 AIの活用が進み、開発プロセスが効率化されたことで、エンジニアの働き方が大きく変わりつつあります。私が所属するチームでも働き方が変わり、エンジニアやデザイナーも施策の企画段階から参加する機会が増えました。時には施策の企画から効果検証までを牽引する施策リーダーを担当することもあります。しかし、実際にその役割を担当するようになると、例えばリリース可否を判断するような場面で、何を基準に意思決定すべきかに難しさを感じるようになりました。 プロダクト開発における意思決定には、具体的にどのような考え方が必要になるのか。エンジニアである私が、pmconf（プロダクトマネージャーカンファレンス）の講演動画を見て考え方の枠組みを学んだ話をご紹介します。 リリース続行か延期か、何をもって判断するのか私が施策リーダーを担当していた時の話です。リリ

Mobile Tech Lead の久保出です。今回は、Wantedly VisitアプリのiOSビルド、とくに差分なしビルドを約80%短縮した話を書きます。 以前の状況Visitアプリでは、画像や文字列といったリソースを SwiftGen でコード生成していました。SwiftGenは、Assets.xcassets や Localizable.strings から型安全なシンボルを自動生成してくれるツールです。たとえば画像なら Asset.xxx.image、文字列なら L10n.xxx といった形で、文字列キーのtypoをコンパイル時に検出できます。 このSwiftGenを、Swift Package Manager（SPM）の Build Tool Plugin（外部パッケージの SwiftGenPlugin）として各モジュールに組み込み、ビルドのたびに自動生成する構成をとっていまし

こんにちは。QAエンジニアの青柳です。 ウォンテッドリーでは、プロダクトの成長を止めることなくユーザーへ価値を届けるため、高頻度なデリバリーを重視しています。特に Wantedly Visit のモバイル開発においては、週1回のリリーストレインが走るスピード感のある環境です。 本記事では、この高頻度開発の中でQAチームがどのようにAIを活用し、単なる手作業の置き換えではない「AIネイティブな品質保証」を構築しているのか、その実践事例を紹介します。 目次現状の課題 ： リリーストレインとQAの構造的ペインポイント 実践1 : Claude の「Skills」を活用したテスト設計の形式知化 実践2 : Devinによる「QA観点」の自動抽出と効率化 実践3 : 自律型AIによる自動テストの安定化 (Accessibility ID付与) 実践4 : コード解析による仕様の可視化と自律的なQA

こんにちは、ウォンテッドリーでフロントエンドチームのリーダーをしている原剛士 (@chloe463) です。2026/5/23 (金) 〜 5/24 (土) に開催された TSKaigi 2026 に、ウォンテッドリーはスポンサーとして参加してきました。 開催期間中にブースにお越しいただいた皆様、Techbookを手に取ってくださった皆様、本当にありがとうございました！遅ればせながら、当日の様子と参加報告をまとめました。 TSKaigi とは（イベント概要）TSKaigiは、TypeScript に関するあらゆるテーマを扱う国内最大級のカンファレンスです。今年も素晴らしいセッションの数々が行われ、多くの技術者たちが集結しました。今年ウォンテッドリーはゴールドスポンサーとして協賛させていただきました。 TSKaigi 2026 TSKaigiは日本最大級のTypeScriptをテーマとした技

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として働いている市村です。 ウォンテッドリーは2026年度 人工知能学会全国大会 （第40回）にプラチナスポンサーとして協賛します。2022年から始まり今年で5回目の協賛であり、毎年、推薦システムに関する技術報告や企業ブース出展を行っています。 今年は弊社のデータサイエンティスト5名（坂元、林、右手、角川、市村）が現地に参加します。参加される皆様との交流を楽しみにしています！ 人工知能学会全国大会の概要日程：2026年6月8日(月)～6月12日(金) 会場：G メッセ群馬（群馬県高崎市）＋ オンライン 公式 HP：https://conf.ai-gakkai.or.jp/jsai2026/ インダストリアルセッション今回のインダストリアルセッションにはデータサイエンティストの坂元が登壇致します。Wantedly 上の豊富なテキストデータを

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、推薦モデルの一つであるDCN V2を検証してみた事例についてご紹介しようと思います。 目次推薦モデルをオンラインで動かす DCN V2 交差特徴量（Feature Cross）の学習 計算効率の向上と低ランク近似による軽量化 実装 実データを用いた簡易評価 まとめ 推薦モデルをオンラインで動かす推薦をサービスに組み込む際にはユーザーにとってストレスのない範囲のレスポンスタイムで推薦結果を応答する必要があります。推論結果を事前計算しておくバッチ推論は、オンラインでの処理はユーザーに対応する推薦結果の読み込みだけで応答することができ、高速にレスポンスすることが可能です。 一方で、事前計算しておけるデータ量にも限界があるため、事前計算するパターンが多い場合などバッチ推論自体が採用

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。新たな開発を始める時、ビジネスロジックの実装やデータが揃う前に動くものをチームで確認しながら仕様を詰めていきたい場面が多くあります。今回は、開発初期でモック実装を作る際に私が意識しているモックデータの設計とチームでの合意形成にどのように繋げているかをお話しします。 目次はじめに モックデータを実運用に即して設計する データの構造と粒度を実運用に合わせる 実運用に即したモックデータが手戻りを減らし意思決定を早める まとめ はじめに新規機能の開発初期では、バックエンドの長時間処理を伴う Job や、他のマイクロサービス側の応答がまだ揃っていない状態で、フロントエンドや UI の動作を先行して確認したい場面がよくあります。サーバ実装の完了を待たずに動くものをチームに示せると、その上で UI や仕

こんにちは、ウォンテッドリーでインフラエンジニアの巨畠です。本稿では PostgreSQL から BigQuery へのデータ反映時間を2〜3時間から数分へと劇的に短縮したリアルタイム転送基盤「pg-exporter」について解説します 。 注意: 本記事で紹介するリアルタイム転送基盤はリリース前の開発中の機能です。 目次背景 リアルタイム転送基盤「pg-exporter」の開発 既製ミドルウェアの比較 pg-exporter の概要 課題: バッファリングによってデータが喪失する懸念 解決方法 まとめ 背景ウォンテッドリーが提供する採用管理システム Wantedly Hire（以下、Hire）には、レポートビルダーと呼ばれる分析機能があります。レポートビルダーは採用活動に関するデータを集計・分析し可視化するための機能です。職種や応募経路など数十種類の項目でのクロス集計、 A is NOT

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、相互推薦のスコア集約をマルチタスク学習で代替する検証の事例についてご紹介しようと思います。 目次相互推薦システムと集約関数 集約関数 MIRROR 簡易実装 実データでの評価 まとめ 相互推薦システムと集約関数相互推薦システム (Reciprocal Recommender System) はジョブマッチングやオンラインデーティングサービスなど、2種類のユーザーが互いを評価・選択する場面で、双方の嗜好やマッチング成立の可能性を同時に考慮する推薦システムです。 相互推薦では、ジョブマッチングにおける求職者と企業、デーティングサービスにおける男性と女性のように、2種類のユーザー双方のマッチングを成立させるために、一方からもう一方に関する嗜好をそれぞれ算出し、それらを集約すること

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。新規プロジェクトの立ち上げや新機能の開発において、仕様の「不確実性」にどう立ち向かうかはよく課題となります。今回は、私が要求から仕様を落とし込み、チームで合意形成する際に実践しているアプローチを紹介します。 目次はじめに 画面遷移とデータフローを可視化し致命的な抜け漏れを防ぐ ユーザー体験をベースに画面とデータの流れを整理する 脳内モンキーテストをする まとめ はじめにプロジェクトの初期段階では、プロダクトの「やりたいこと・要求」はあっても、具体的な「仕様」が十分に言語化されていないことはよくあります。 この段階でいきなり詳細なモデリングや実装に入ってしまうと、後から「このパターンの考慮が漏れていた」という致命的な不整合が見つかり、大きな手戻りが発生してしまいます。それを防ぐために、私は常

こんにちは、ウォンテッドリー株式会社 執行役員 VPoE の要 (@nory_kaname )です。 開発組織のマネジメントが主な役割ですが、現在、注力している BI Squad の業務についてストーリーを書きました。BIといえば「Business Intelligence」で、事業 / プロダクト / ビジネス における重要な指標を取り扱うことになります。この領域は AI / AIエージェントと非常に相性がよく、使い方しだいで強烈にインパクトを出せるはずと期待値を高くもっています。 ということで、開発組織のマネージャーでありBI Squad のリーダーを務めるわたしがどのような思いを持って進めているか紹介します。 目次AI活用は「目的」ではなく、ボトルネックを解消するための「手段」である 経営・開発・歴史を繋ぐ、構造としてのBIの再定義 誰もが「専属のAIアナリスト」を抱えられる時代へ

はじめにこんにちは。ウォンテッドリーでiOSエンジニアをしている湊です。 2026/01/20に開催されたMobile勉強会にて、Design Docで開発効率を向上させるというテーマで登壇しました。本記事では、実務の中で直面していた開発効率の課題と、それを解決するために導入したDesign Docの運用、そして導入によって得られた知見について紹介します。 本記事が、私と同じように実装後の手戻りが多い、レビューのリードタイムが長くなってしまうといった悩みを抱えるエンジニアの方々にとって、解決の一助となれば幸いです。 目次はじめに 直面していた2つの大きな課題 1. マージまでのリードタイムの長期化 2. 原因特定が不十分なままの実装開始 Design Doc：実装前に勝負を決める 具体的な運用方法と4つのステップ 言語化による不確実性のセルフチェック 導入後の変化と得られた知見 1. レビ

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右手 (@ghibney) です。 今回は、LLM を用いたリランキング手法「DOKE」の検証事例を紹介します。 目次LLM と推薦 DOKE: Knowledge Plugins 基本的なアイデア プロンプトの構成 実装 評価プロトコル MovieLens-1M での検証 実験設定 精度比較 速度・コスト 考察 Wantedly 実データでの検証 データ KG の構築 精度比較 速度・コスト 考察 出力形式の最適化: タイトル出力 vs 番号出力 精度比較 コスト・速度比較 考察 まとめ 主要な知見 今後の展望 LLM と推薦近年、LLM の汎用的な言語理解能力を推薦システムに活用する研究が活発に行われています。LLM は大量のテキストから学習した知識を持っており、アイテムの説明文やユーザーの行動履歴をテキストとして入力するこ

はじめにこんにちは、ウォンテッドリーでエンジニアをしている池田です。この記事では、Google Maps APIを使って地図機能を開発した際に困ったことと、そこから得た学びを紹介します。 背景自分が所属するEngagementチームでは、福利厚生サービス「Perk」のグルメカテゴリに地図検索機能を追加するプロジェクトを進めていました。ユーザーが地図上で飲食店を検索し、ピンをタップして店舗詳細を確認できるような機能です。 これまでに Google Maps Platform は会社の所在地を表示するためなどに利用することはありましたが、Dynamic Maps（動的地図表示）を使ったインタラクティブな地図機能を本格的に扱うのは初めてでした。そのため、通常のWebアプリケーション開発とは異なるアプローチが必要になり、その過程で困ったことや学んだことを紹介していきます。 苦労したポイント1. 技

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佐藤です。 AIを活用して実装速度が上がった結果、私たちのチームではエンジニアが企画を担う範囲が広がりました。課題の特定や解決策の検討にも携わるようになっています。本記事では、なぜその変化が起きたのか、そしてエンジニアの仕事のスコープがどう広がり、何が求められるようになったかについて整理します。 エンジニアが企画段階から携わる施策が増えたAI導入前、私たちのチームではPdMが企画した施策の数とエンジニアが開発で消化する施策の数はおおむね釣り合っていました。企画はPdMが主導し、エンジニアは仕様検討に関わりつつも主な役割は開発でした。 AIを活用することで、設計の叩き台の作成やコードの実装といった個々のタスクが速く片付くようになりました。その結果、開発の消化速度に対して企画の供給が追いつかなくなりました。 企画が不足する状況を解消

ウォンテッドリー CTOの安間です。 AIツールの導入が進む中で、私の仕事の進め方を説明する機会が増えました。 進め方や考え方をまずは模倣してもらうためにもGeminiのGemやClaude Code Pluginを利用して、日常業務に取り組んでもらっています。これによって、仕事の品質が安定し、生産性が向上しています。 AIをただ使うだけでなく、学びの対象として使って欲しいと考えています。今回は、Claude Codeのプラグインを自作し、自分の思考プロセスをそのままAIに渡す仕組みを作りました。 目次Claude Codeのプラグインとは なぜ自作しようと思ったのか 作ったもの：2つのスキル 1. /tech-research:tech-research — 技術調査 2. /tech-research:competitor-research — 競合調査 作ってみてわかったこと 最後に

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。 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す。集中して開発に取り組んでいる最中に調査依頼が入るとコンテキストスイッチが発生し、開発の進行に影響が生じます。また、Vi