専門サービス / 採用プラットフォーム
LinkedIn：採用候補者の検索と評価の支援
- 企業
- 国
- 米国
- 導入状況
- 運用中
- 資料公開
- 日付の基準
- 資料が公開された時点。導入を開始した日とは異なる場合がある。
- 根拠の確認方法
- 検索ツールの本文抜粋で確認
業務課題
採用担当者の仕事は、判断が必要な部分と大量の型の認識の作業が混ざっている。候補者の発掘と評価が最も手のかかる段階である。LinkedInは、12億を超えるプロフィールから候補者を探して評価しなければならない規模の問題を抱えていた。
使った技術とデータ
Hiring Assistantは、採用担当者ごとに別のagentのインスタンスを作り、非同期のメッセージで動く。中心にはsupervisor agentがあり、要求を解釈して下位のagentに仕事を分ける。ReActではなくPlan-and-Executeの構造を選んだ。plannerが構造化された計画を立て、executorがReActのやり方でtoolを使う。下位のagentは、要件の整理、候補者の発掘、評価、接触、選別、学習、記憶に分かれる。候補者を発掘するagentはLinkedIn Recruiter SearchとRecommended Matchesを使い、Economic GraphとTalent Insightsで人材の供給と移動を見る。評価のagentはプロフィール、履歴書、過去の接触の記録を集め、根拠とともに推薦を出す。評価専用のカスタムLLMを作り、speculative decodingで応答時間を減らした。
成果
LinkedInは成果の数値を公開していない。代わりに、担当者が資格の要件をまず検討し、Responsible AIの方針の点検を経てから評価が始まると述べた。候補者を次の段階へ上げるかどうかは担当者が決める。学習のagentが提案した資格の要件の変更も、担当者の検討と承認のあとにだけ反映される。記憶のデータは当該の担当者の環境の中だけに置き、LLMの学習には使わないとした。
限界と残る課題
原文は、採用にかかる期間の短縮や採用の品質の変化を数値で示していない。特定の顧客企業の成果を立証した資料でもない。
出典
- How we engineered LinkedIn’s Hiring Assistantlinkedin.com, 確認
公開資料をまとめた事例です。ATF Works導入企業の成果ではありません。