Slide 1

Slide 1 text

© 2025 Wantedly, Inc. データ駆動で実現する、人と企業のマッチング 日本学術会議 公開シンポジウム 人工知能で生命を追求する データ駆動による生命の理解 ― 細胞から人の動きまで ― Jan. 9 2025 - 仲暁子、市村千晃(ウォンテッドリー株式会社)

Slide 2

Slide 2 text

© 2025 Wantedly, Inc. はじめに

Slide 3

Slide 3 text

登壇者紹介 © 2025 Wantedly, Inc. 名前:仲 暁子 所属と役割: ● ウォンテッドリー株式会社 ● 代表取締役CEO

Slide 4

Slide 4 text

登壇者紹介 © 2025 Wantedly, Inc. 名前:市村 千晃 所属と役割: ● ウォンテッドリー株式会社 ● データサイエンティスト ● 推薦システムの開発・運用に従事

Slide 5

Slide 5 text

© 2025 Wantedly, Inc. 働くひとのマッチング 本日お話しすること

Slide 6

Slide 6 text

© 2025 Wantedly, Inc. 仲パート

Slide 7

Slide 7 text

© 2024 Wantedly, Inc. Wantedly, Inc. ウォンテッドリー株式会社 東京都港区⽩⾦台5-12-7 MG⽩⾦台ビル4F 代表取締役 仲 暁⼦ 証券コード 3991(東証グロース) 沿革 2010.09 2012.02 2016.1 1 2017.03 2017.09 2021.09 2022.04 フューエル株式会社を設⽴ 会社訪問アプリ「Wantedly」(現 Wantedly Visit) つながり管理アプリ「Wantedly People」 シンガポールで公式にサービス開始 東京証券取引所マザーズ市場に上場 Engagement Suite 「Story」社内報 「Pulse」チームマネジメント 「Perk」 福利厚⽣ 市場区分⾒直しに伴い東京証券取引所グロース市場に移⾏ About Wantedly 会社概要

Slide 8

Slide 8 text

© 2025 Wantedly, Inc. 人材を取り巻く社会情勢

Slide 9

Slide 9 text

© 2025 Wantedly, Inc. 日本における労働者のマッチング 6,000万人 400万社(40万社)

Slide 10

Slide 10 text

© 2025 Wantedly, Inc. 少子高齢化に伴う、構造的な人不足 / 強い売り手市場 出典:https://www.mhlw.go.jp/stf/newpage_42833.html

Slide 11

Slide 11 text

© 2025 Wantedly, Inc. 当社の考え方

Slide 12

Slide 12 text

🩷 働くインセンティブ | 外的動機づけ vs 内的動機づけ

Slide 13

Slide 13 text

© 2024 Wantedly, Inc. AI等の台頭によって単純労働が淘汰された結果、創造的労働だけが残りま す。これは⾦銭によってモチベートすることができない分野です。 報酬とパフォーマンスは必ずしも⽐例しません。 だからこそこれからの時代で、⾦銭的にモチベートできない創造的労働 のインセンティブたりうるもの ー それは、「ビジョンへの共感」である とわたしたちは考えます。 この考えのもとで、わたしたちはモノづくりをしています。 創造的労働は ⾦銭でモチベートできない Business なぜやるのか 報酬とパフォーマンス 注 :インドで⾏われた実験の結果。被験者を1ゲームあたりの最⼤報酬で3グループ    (4ルピー、40ルピー、400ルピー)の3グループに分けて6種類のゲームのグ    ループごとの平均得点を⽐較した調査。 出所:”Large Stakes and Big Mistakes” - Federal Reserve Bank of Boston

Slide 14

Slide 14 text

© 2024 Wantedly, Inc. Tasks Skills 共感マッチ Will スキルマッチ タスクマッチ Competencies 性格・コンピテンシーマッチ 人と組織・職をマッチする上での切り口 © 2024 Wantedly, Inc.

Slide 15

Slide 15 text

© 2024 Wantedly, Inc. Tasks Skills 19世紀の 適材適所 共感マッチ Will スキルマッチ タスクマッチ Competencies 性格・コンピテンシーマッチ これまでは、報酬と能力の等価交換

Slide 16

Slide 16 text

© 2024 Wantedly, Inc. Tasks Skills 19世紀の 適材適所 共感マッチ Will スキルマッチ タスクマッチ 21世紀の 適材適所 Competencies 性格・コンピテンシーマッチ 21世紀は、はたらきがいも

Slide 17

Slide 17 text

© 2025 Wantedly, Inc. Wantedlyで目指しているマッチング 400万人 4万社

Slide 18

Slide 18 text

究極の適材適所により シゴトでココロオドル ひとをふやす TO CONNECT PEOPLE WITH THE RIGHT OPPORTUNITIES, CREATING A WORLD WHERE WORK DRIVES PASSION. ウォンテッドリーは、究極の適材適所を通じて、 あらゆる⼈がシゴトに没頭し成果を上げ、 その結果成⻑を実感できるような 「はたらくすべての⼈のインフラ」を構築しています。 About Wantedly 私たちのミッション

Slide 19

Slide 19 text

© 2025 Wantedly, Inc. Wantedlyが推進するマッチング

Slide 20

Slide 20 text

© 2025 Wantedly, Inc. Wantedlyで実現している、マッチングの2軸 共感を生む コンテンツ データの活用

Slide 21

Slide 21 text

© 2025 Wantedly, Inc. Demo 共感を生むコンテンツ | 顔がみえる

Slide 22

Slide 22 text

© 2025 Wantedly, Inc. 変化に伴う、新しいトレンド 出典:https://prtimes.jp/main/html/rd/p/000001227.000013485.html 有効回答数:376社調 / 期間:2024年4月15日~2024年5月2日 / 調査対象:企業・団体の人事担当 60% が実施

Slide 23

Slide 23 text

© 2025 Wantedly, Inc. 利用企業社数の推移

Slide 24

Slide 24 text

© 2025 Wantedly, Inc. 市村パート

Slide 25

Slide 25 text

© 2025 Wantedly, Inc. Wantedly Visit と推薦システム

Slide 26

Slide 26 text

© 2024 Wantedly, Inc. Wantedly Visit - プラットフォーム構造 仕事を探すユーザーと人材を探す企業がであい、つながる ツーサイドのプラットフォーム

Slide 27

Slide 27 text

© 2025 Wantedly, Inc. 膨大かつ多様な情報から魅力的なものを見つけるのが困難に ● ユーザーや企業の数が大きく増加 ● 登録ユーザー数 ~ 400万人 ● 登録企業数 ~ 4万社 ● ユーザーや企業の属性や嗜好性が多様化 サービス拡大に伴う課題

Slide 28

Slide 28 text

© 2025 Wantedly, Inc. 推薦システムを活用することで効率的にマッチングを生み出す 魅力的な情報に出会うためのソリューション

Slide 29

Slide 29 text

推薦システムとは? © 2025 Wantedly, inc. 複数の候補から価値のあるものを選び出し、 意思決定を支援するシステム 風間正弘, 飯塚洸二郎, 松村優也 著. 推薦システム実践入門 : 仕事で使える導入ガイド P2 より

Slide 30

Slide 30 text

© 2025 Wantedly, Inc. 相互推薦システムの導入

Slide 31

Slide 31 text

© 2025 Wantedly, Inc. 双方向の嗜好が満たされなければマッチングは成立しない 興味あり 成功 失敗 一般的な推薦 (Item to User) マッチングの推薦 (User to User) 成功 興味あり 興味あり 興味あり 興味なし 一方向の嗜好だけでなく 双方向の嗜好に基づいた推薦 が必 要 マッチングにおける推薦の難しさ

Slide 32

Slide 32 text

© 2025 Wantedly, Inc. 嗜好のすれ違いの発生 ● 前提 ● ユーザーと企業の両方の嗜好を取り入れた単一の機械学習モデル でマッチングの予測をしていた ● 課題 ● 片方の嗜好を重視してしまい、企業の嗜好には合うがユーザの嗜好 に合わない募集が上位に推薦される、といった事象が発生 Wantedly Visit で発生していた課題

Slide 33

Slide 33 text

© 2025 Wantedly, Inc. サービス内のユーザーを互いに推薦し合うシステム ● 一般的な推薦システム(Item to User の推薦) ● ユーザーからアイテムへの嗜好に基づいて推薦 ● 相互推薦システム(User to User の推薦) ● 推薦候補のユーザー / 推薦を見るユーザーの両方の嗜好に基 づいて推薦 相互推薦システム(Reciprocal Recommender Systems)とは?

Slide 34

Slide 34 text

© 2025 Wantedly, Inc. ユーザー 企業 ユーザー → 企業の嗜好予測 企業 → ユーザー の嗜好予測 各モデルの予測値を集約し マッチ度を算出 マッチ度が高いユーザーを 企業に推薦 マッチ度が高い募集を ユーザーに推薦 Wantedly Visit への相互推薦システムの導入 行動、プロフィール、募集などのデータ

Slide 35

Slide 35 text

© 2025 Wantedly, Inc. 応募・スカウトの両方で主要 KPI の改善 ● ユーザーからの応募 ● 応募数・応募起因のマッチング数が大きく改善 ● 企業からのスカウト ● スカウト数・スカウト起因のマッチング数が大きく改善 相互推薦システム導入による成果

Slide 36

Slide 36 text

© 2025 Wantedly, Inc. 解決すべき技術的課題

Slide 37

Slide 37 text

© 2025 Wantedly, Inc. キャパシティと全体最適を考慮した推薦の実現 ● 相互推薦システムの導入により推薦の偏りは部分的に緩和 ● しかし現在の相互推薦ではユーザー・企業のキャパシティや全体最適を考慮 した推薦は達成できていない こんなに応募が来ても対応できない … 全然応募が来ない… 解決すべき技術的課題

Slide 38

Slide 38 text

© 2025 Wantedly, Inc. キャパシティと全体最適を考慮した推薦の実現 どう解決に向かうか? ● マッチング理論に基づくユーザーのキャパシティを考慮した相互推薦の仕組 みの導入 関連研究 ● マッチングプラットフォーム全体の利益(Social Welfare)を最大化する目的 関数を用いたランキングの提案 [Su et al., 2022] 解決すべき技術的課題

Slide 39

Slide 39 text

© 2025 Wantedly, Inc. ユーザーの行動特性に基づいたモデリング ● ユーザーの中には、好意が来るのを待つ受動的なユーザーもいる ● 受動的なユーザーは行動ログが溜まりづらく、嗜好を読み取りづらい ● 適切なユーザーに推薦されない限り、マッチングが達成できない ❌ 魅力的なスカウトが来たら 返事しようかな 自分からは応募したくない 解決すべき技術的課題

Slide 40

Slide 40 text

© 2025 Wantedly, Inc. ユーザーの行動特性に基づいたモデリング どう解決に向かうか? ● 受動的なユーザーが適切な能動的なユーザーに推薦されやすくなるような推 薦アーキテクチャの検討 ● プロフィール等のコンテンツを活用し受動的なユーザーの嗜好を捉える 関連研究 ● ユーザーの Active / Passive な行動のグラフ表現と BERT によるテキスト の埋め込みからマッチングを行う研究 [Yang et al., 2022] 解決すべき技術的課題