はてなブックマーク

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

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4回はARRAYとSTRUCTについて紹介します。 今回扱う型ARRAYSTRUCTARRAY型ARRAY型は決まった要素型をもつ可変長の配列です。たとえば ARRAY<INT64> は整数の配列を意味します。 これだけで済むなら話は簡単なのですが、ARRAY型の意味論を考えるにあたっては以下の制約が重要になります。 ARRAYのネストARRAYとNULLの関係ARRAYのネストARRAYをARRAYの要素型にすることはできません。したがって、 ARRAY<ARRAY<INT64>> は無効です。 ただし、間にSTRUCTを挟んで ARRAY<STRUCT<ARRAY<INT64>>> とすることはできるため、表現力の観点からはARRAYのネストは可能ともみなせます。 ARRAY

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 Sourcing Agent Squad でスカウトの新機能「AIエージェントモード」の開発を担当しています。 目次はじめに 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 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スカウトの新機能で、候補者探しの一部を AI で自動化することができます。 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「Wantedly」において、企業が採用活動を行う際

ウォンテッドリーの Infra Squad に所属している巨畠です。 ある日、社内のURLロギングサービスのDBでレイテンシが急増する事象に遭遇しました。 レイテンシの悪化と聞くと（アプリケーション開発の場合は特に）「重いクエリがあるのかな？」「インデックスが効いていない？」と実装を疑ってしまいますが、今回の問題はそこではありませんでした。 この記事では、どうやって問題となっている状況を理解したのか、そしてなぜ「ハードウェア（インフラ設定）で解決する」判断をしたのかについて共有したいと思います。アプリケーション開発者の方々に向けて、課題の理解・解決のための「インフラ視点」を提供できれば幸いです。 目次link-tracker とは メール配信時に発生したレイテンシ増大 原因の深堀り：レイテンシのパターン レイテンシ増大の真因：Burst Balance の枯渇 Burst Balance

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、自然文で書かれたデータに対してローカルLLMを用いてテキストデータのラベリングを行う事例についてご紹介したいと思います。 目次テキストのラベリング LLMを用いたテキスト分類 LLMを使うメリット ローカルLLMを使うメリット vLLMを用いた推論高速化 Structured Outputを用いたラベル構造の整理 実験 モデル・データセット ローカルLLMを使用してStructured Outputを利用する場合 vLLMを使用してStructured Outputを利用する場合 出力と実行速度 まとめ テキストのラベリング我々の身の回りには数多くのテキストデータで溢れていますが、自然文で書かれたデータは必ずしも扱いやすくはありません。実際、われわれは文章を読む際に無意識の

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 健 (@kkato25)です。 2025年11月21日に開催されたPostgreSQL Conference Japan 2025に参加してきました。昨年も同じカンファレンスに参加してブログにまとめているので、よければそちらもあわせてご覧ください。 PostgreSQL Conference Japan 2024 参加・登壇してみて | Wantedly Engineer Blog 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... https://www.wantedly.com/companies/wantedly/post_articles/941389 昨年は講演と当日

インフラチームの笠井（@takayukikasai）です。 ウォンテッドリーでは複数の Amazon RDS for PostgreSQL と Amazon Aurora PostgreSQL を運用しています。使用していた PostgreSQL のバージョンが EOL を迎えるためアップグレード作業が必要になりました。これまでは深夜にメンテナンスウィンドウを設けてアップグレードしていましたがダウンタイムのタイミングも読みづらく準備工数も大きいという課題がありました。今回 AWS の Blue/Green Deployment 機能を使ってアップグレードを実施したところタイミングをコントロールしやすくダウンタイムも短縮できています。本記事では事前調査から検証、本番実施まで一連の作業で得られた知見を紹介します。 目次背景・課題 なぜ Blue/Green Deployment を採用したのか

こんにちは、QA Squad の青柳です。 前回、「3ヶ月でチームは変わる。Wantedly QAが示した『小さく始めて、確実に機能させる』組織変革の具体例」という記事で、QA依頼ワークフローの導入や「QAご意見箱」の設置を通じた、業務効率化と「建設的なフィードバックを交わせる組織文化」の醸成に向けた取り組みをご紹介しました。 こうした初期の地盤固めを経て、QA Squad は次のステップを目指し、FY26のテーマとして「攻めの品質」を掲げています。本記事では、ウォンテッドリーのQAが目指す「攻めのQA」の具体的な定義と、それを実現するための戦略的なアプローチである「対話から始まる協働QA」のロードマップについて詳述します。 QAの役割再定義と「攻めの品質」の必要性 事業成長を支えるQAのミッション QA Squadがプロダクト開発で果たす戦略的役割 品質を育てる3つのプロセス 協働QAを

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3回は日付・時刻型についてです。 今回扱う型TIMESTAMPDATETIMEDATETIMEINTERVALRANGETIMESTAMP型TIMESTAMP型は、地球上で共有される同時性における特定の瞬間をあらわします。ただし、計算の都合上うるう秒は除外されているため、UTCやTAIとの秒単位での対応関係は曖昧です。 TIMESTAMPが表現できる範囲は、遡及グレゴリオ暦の紀元後1年の頭 (ちょうどを含む) から10000年の頭 (ちょうどを含まない) までの9999年間です。閏日の扱いの差により、ユリウス暦基準では1年1月3日からしか扱えません。 TIMESTAMPの精度はマイクロ秒です。 うるう秒は除外されているため、TIMESTAMP型において1日は正確に86400秒です