Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Sign up for free
Menu
Search
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Features
All features
Private URLs
Password Protection
Custom URLS
Scheduled publishing
Remove Branding
Restrict embedding
Deck Collections
Notes
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Explore
Featured decks
Featured speakers
Programming
Technology
Storyboards
Pricing
Search
Sign in
Sign up for free
キャリアアシスタントにおけるLLMの不確実性を制御するアプローチ
Search
Sponsored
·
Your Podcast. Everywhere. Effortlessly.
Share. Educate. Inspire. Entertain. You do you. We'll handle the rest.
→
Recruit
PRO
February 27, 2026
Technology
360
1
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
キャリアアシスタントにおけるLLMの不確実性を制御するアプローチ
2026/2/27に、RECRUIT TECH CONFERENCE 2026で発表した池上の資料になります。
Recruit
PRO
February 27, 2026
Transcript
16 slides
RECRUIT TECH CONFERENCE 2026 現場の未来を拓くLLM活用、事業実装の全貌 キャリアアシスタントにおける LLMの不確実性を制御するアプローチ インディードリクルートテクノロジーズ 池上 顕真
池上 顕真 魚 経歴 / Career 2017年にリクルートに新卒入社。 不動産領域(SUUMO)のデータサイエンティスト・機械学習 エンジニアとして、リコメンドシステムや一覧おすすめ順のロ ジック・システム開発などを実施
2024年よりHR領域に希望して移動。直近では、LLMを用いた 社内向け、社外向けのアプリケーション開発を担当 趣味 / Hobbies (株)インディードリクルートテクノロジーズ HRプロダクト データ データソリューションユニット データサイエンス部 オンラインプラットフォームデータサイエンスグ ループ
本日お話すること キャリアアシスタントにおけるLLMの不確実性を制御するアプローチ システム面でのアプローチ Router方式による安定化 シンプルなAgent構成(Router方式)を採用。 各Agentの役割を限定することで、 LLM特有の出力の不安定性を抑制。 Promptの共通資産化 Promptの再利用性を高める構成を設計。 将来のモデル変更に伴う修正箇所を極小化し、
保守性を担保。 プロセス面でのアプローチ 体験ベースの機能選定 プロトタイピングとユーザーヒアリングの反復。 自由度が高いゆえの見通しの悪さを、 「実際に触れる体験」を通じて早期に解消。 定性データの定量解析 曖昧なユーザーの会話をLLMで構造化し、 定量データへと変換。 定性データゆえの意思決定のしづらさを排除。
Agenda 1. キャリアアシスタントの紹介 2. アーキテクチャ 3. プロダクト開発プロセス
働き方を変えたいときも、立ち止まりたいときも。 あなたの選択を支えるキャリア相談サービス「キャリアアシスタント」。 迷ったら、いつでもAIに相談を。
「あなただけのキャリアの伴走者」をアプリで実現 現状と価値観の深掘り 対話形式の質問を通じて、ユーザーの 経歴や価値観を深掘りし、認識合わせ 働き方の方向性の提案 深掘りした価値観を元に働き方を提案 転職中の悩みを相談 選考対策や面接練習など、転職活動で 生じるあらゆる悩みを相談 1
2 3
Agenda 1. キャリアアシスタントの紹介 2. アーキテクチャ 3. プロダクト開発プロセス
AIエンジニアリングの特徴 「他の誰かが作成したモデルを利用する」という不確実性を、 設計でいかに吸収し、制御するかが重要 ※ ここでいうAIエンジニアリングとは「既存プラットフォーム、またはそれをファインチューニングさせた大規模言語モデルをサービングするプロダク トを開発すること」という定義としている。 Advantage Challenge 圧倒的な開発スピード 複雑・多様な出力形式
モデルへの高い依存性 出力の不安定性 高い精度を持つ生成モデルを、 API経由で即座に利用できる 自然言語、コード、画像など、 従来困難だった出力が可能 外部モデルの仕様変更や挙動変化 にプロダクトが影響されやすい 多様な形式を許容するがゆえに、 出力が安定しない
チャット画面のAgent設計 チャット画面では、キャリアに関する悩みをチャット形式で相談することができる 求人検索 希望やスキルに基づき、 対話を通じて求人を表示 会社分析 募集要項だけではわから ない社風や評判を提示 キャリア相談 将来の理想から逆算し、
今選ぶべき道を議論 自由対話 面接対策から退職交渉ま で、転職の不安を相談
チャット画面のAgent設計 Router: 対話の意図を理解し、最適な専門家へ 求人検索 Agent 会社情報 Agent キャリア相談 Agent 自由対話
Agent 「年収600万以上の求人を教えて」 「キャリアパスの相談をしたい」 「今の会社の評判はどう?」 Router Intent Analysis & Routing ユーザーの意図を解釈し、 最適なAgentをアサイン Agent個別定義による出力の安定化 Agentごとに内部処理や出力形式を定義することで、 LLM特有の出力の不安定性に対応 INPUT ORCHESTRATION EXPERT AGENTS POOL
Expert Agent設計(求人検索の例) 会社情報 Agent キャリア相談 Agent 自由対話 Agent 処理を分割しワークフロー化 処理を分割することで、テストがしやすく、
さらに安定性を増すことができる
再利用性を高めるためのPromptのモジュール設計 COMPONENT S IMPLEMENTATIO N DIRECTORY Modules 共通で使い回すパーツを3つの概念で整理 Prompt Template
モジュールを組み合わせ、最終的なPromptを構築 • Background : LLMの人格を定義 • Context : 会話履歴、レジュメなどの文脈情報を定義 • Instruction : LLMに対する期待する処理の具体的な指示を定義 background context instruction Prompt (Template)
Agenda 1. キャリアアシスタントの紹介 2. アーキテクチャ 3. プロダクト開発プロセス
「触れる体験」と「試せる環境」の両輪で、価値あるUXを抽出 プロトタイプ作成 ユーザーヒアリング オンラインABテスト データ分析・改善 意思決定 & 機能選定 UXの自由度の高さ 複雑・多様な出力が可能であるこそ、
「できること」が多く、 最適なユーザー体験の探索が困難 Challenge Solution 定量定性のハイブリッド 「ユーザーの生の声」と 「実際の行動データ」の両輪で、 プロダクトの不確実性を極小化
定性データの定量化: LLMによる「会話」の構造化 図: 会話内容の比率分析のイメージ図
まとめ(再掲) キャリアアシスタントにおけるLLMの不確実性を制御するアプローチ システム面でのアプローチ Router方式による安定化 シンプルなAgent構成(Router方式)を採用。 各Agentの役割を限定することで、 LLM特有の出力の不安定性を抑制。 Promptの共通資産化 Promptの再利用性を高める構成を設計。 将来のモデル変更に伴う修正箇所を極小化し、
保守性を担保。 プロセス面でのアプローチ 体験ベースの機能選定 プロトタイピングとユーザーヒアリングの反復。 自由度が高いゆえの見通しの悪さを、 「実際に触れる体験」を通じて早期に解消。 定性データの定量解析 曖昧なユーザーの会話をLLMで構造化し、 定量データへと変換。 定性データゆえの意思決定のしづらさを排除。
More Decks by Recruit
See All by Recruit
OpenSearchで実現する ホットペッパーグルメの検索基盤
recruitengineers
PRO
2
42
局所最適は悪ではない。壊れているのは指標です。量と質を同時に見る先行指標の設計
recruitengineers
PRO
3
1.7k
実体験から学ぶ分析エージェントの開発と運⽤
recruitengineers
PRO
9
3.1k
大規模フロントエンド開発におけるmonorepoという選択肢
recruitengineers
PRO
2
140
自律型 AI をセキュアに実装!Gemini と MIG で作る動的コード実行環境
recruitengineers
PRO
1
370
Google Cloud Next Tokyo 26登壇時のスクリプト
recruitengineers
PRO
0
400
つくって納得、つかって実感! 大規模言語モデルことはじめ ver2.0
recruitengineers
PRO
6
3.2k
ブラウザ研修 2026
recruitengineers
PRO
8
2.3k
事業価値と Engineering 2026年度版
recruitengineers
PRO
60
32k
Other Decks in Technology
See All in Technology
メール到達性を支える、リンク先URLのドメイン評価の扱い方
wind111
0
180
2026-11-11 Tamachi.sre#7 PaCにインフラリソースの命を救われました。 / PaC saves the infra resource life
masasuzu
1
210
人間+AIを「チーム」としてプロセスを再設計する
littlehands
4
3.6k
共通基盤の実装に Kotlin - Quarkus を選定した理由と採用したアーキテクチャ
nealle
1
150
DevOps Agentにあらゆるセキュリティインシデントのトリアージを任せた件
jirtosterone
1
190
Kansai WordPress Meetup@大阪『ブロックテーマを作る上で知っておくべきこと
torounit
0
250
設計手法を「道具」として使いこなすために
a_suenami
7
1.4k
IP重複は"ランディングVPC"で受け止める ― PrivateLink と Transit Gatewayによるマルチテナント接続基盤の設計
hatahata021
3
250
Biohub - Cell Tracking During Development 5th place solution
rist
0
180
MCPでネットワーク障害調査を自動化する前に直すべき3つのこと
yama3133
1
640
攻撃と守りは何が変わり、何が変わらないのか~最近の不正アクセスから考える、リスク評価と標準の使いどころ
oidfj
2
250
[NW-JAWS DAY]「うちのAWS、インターネット出られないんで」― AWS外の自社サービスをPrivateLinkでシュッと公開する方法
ykimi
3
890
Featured
See All Featured
Thoughts on Productivity
jonyablonski
76
5.5k
Become a Pro
speakerdeck
PRO
31
6.4k
How to Build an AI Search Optimization Roadmap - Criteria and Steps to Take #SEOIRL
aleyda
1
2.3k
Claude Code どこまでも/ Claude Code Everywhere
nwiizo
68
61k
コードの90%をAIが書く世界で何が待っているのか / What awaits us in a world where 90% of the code is written by AI
rkaga
63
48k
Game over? The fight for quality and originality in the time of robots
wayneb77
1
340
Visualization
eitanlees
153
17k
How to Grow Your eCommerce with AI & Automation
katarinadahlin
PRO
2
350
Claude Code のすすめ
schroneko
67
230k
GraphQLの誤解/rethinking-graphql
sonatard
75
12k
The Success of Rails: Ensuring Growth for the Next 100 Years
eileencodes
47
8.4k
Agile that works and the tools we love
rasmusluckow
331
22k