ビズリーチにおける検索・推薦の取り組み / DEIM2026

2026年2月28日より開催された「DEIM2026」の技術報告資料です。
https://pub.confit.atlas.jp/ja/event/deim2026

▼関連資料
1人1アプリから標準化へ：Vertex AIを活用したMLOps推進
https://speakerdeck.com/visional_engineering_and_design/shibuya-ai-4

ビズリーチの 「企業向けレコメンド」機能について
https://speakerdeck.com/visional_engineering_and_design/shibuya-ai-3

HR領域の「言葉の壁」を越える。HRドメイン特化SPLADEモデル構築パイプラインの全貌
https://engineering.visional.inc/blog/728/hr-sparse-model-training-pipeline/

Two-Tower モデルで実現する 検索リランキング
https://speakerdeck.com/visional_engineering_and_design/shibuya-ai-2

ビズリーチ求職者検索におけるPLMとLLMの活用
https://speakerdeck.com/visional_engineering_and_design/search-engineering-meet-up-2-1

-----
Visionalのエンジニアリングに関する最新情報はX、ブログで発信しています！📣

▼Visional Engineering Blog
https://engineering.visional.inc/blog/

▼VISIONAL ENGINEERING / X
https://twitter.com/VISIONAL_ENG

▼ビズリーチAI 特設サイト
https://www.bizreach.co.jp/ai

Transcript

1. ビズリーチにおける検索・推薦の取り組み 株式会社ビズリーチ　廣田佳祐 株式会社ビズリーチ　加藤遼
2. AIプラットフォームグループ マネージャー 廣田 佳祐（ひろた けいすけ） 自己紹介 職 歴 - 2013/4-2015/3: 無線通信工学の研究@東京工業大 - 2015/4-2018/10: SWE/MLE@富士通株式会社 - 2018/11-2024/7: MLE/MLOps@株式会社ビズリーチ - 2024/8-現在: MGR@株式会社ビズリーチ 役 割 機械学習エンジニア MLOpsエンジニア 最近の 業務 ML基盤の開発 LLM基盤の開発 上記基盤への既存アプリ移行 趣 味 ゲーム（アナログ/デジタルなんでもござれ）
3. 株式会社ビズリーチ / BizReach, Inc. 創業　　：2009年4月 代表者　：株式会社ビズリーチ 代表取締役社長　酒井 哲也 グループ従業員数：2,192名（2024年7月末時点） 拠点　　：東京、大阪、名古屋、福岡、静岡、広島 資本金　：1億3,000万円 事業内容：HR Techのプラットフォーム・SaaS事業 会社概要
4. Visionalグループミッション
5. Visionalグループについて 株式会社ビズリーチはVisionalグループの一員です。Visionalは、グループミッション「新しい可能性を、次々と。」を掲げ、 HR Tech領域を中心に産業のデジタルトランスフォーメーション（ DX）を推進する事業を展開しています。未来に生まれるさ まざまな領域の課題解決に取り組み、日本の生産性向上を支えていきます。
6. ビズリーチのビジョン 「キャリアインフラ」 　になる 自分の可能性を信じ、 自分の意志ではたらき方を選択することができたら、 覚悟をもった主体的な「はたらく」を実現できる。 生産性も向上し、企業にも活力が生まれる。 そのために、自分らしく「はたらく」をあたりまえにする 「キャリアインフラ」になりたい。 一人ひとりが活き活きとはたらくことができる社会のために。
7. ビズリーチのミッション キャリアに、 選択肢と可能性を 時代の変化により、市場の構造が複雑化し、価値観も多様化している。 キャリア形成において重要なのは、 自分の未来に自信を持てる「はたらく」を選択し、 挑戦し続ける企業と繋がり、新たな活力を生み出すこと。 私たちは世の中にたくさんの「選択肢と可能性」を提供し 、 「はたらく」を変革していく。
8. 「人的資本データプラットフォーム」の構築 「キャリアインフラ」の実現に向け、「人的資本データプラットフォーム」を構築します。私たちは「ビズリーチ」で社外の労働 市場を可視化してきました。その知見と独自の AI技術（ビズリーチAI）を発展させ、「社内版ビズリーチ by HRMOS」で社内 人材を可視化。社内外のデータを繋ぎ、分析することで、人材流出の防止や戦略的な人材活用を可能にし、最適な人的資 本経営の実現を目指します。
9. ビズリーチAI ビズリーチAIは、これまで蓄積してきた膨大な転職市場データを 学習し、人と組織の可能性の最大化を支える独自の AIです。 特許保有件数国内No.1※の技術力を背景に、採用・配置・育成 といった人的資本経営のあらゆる意思決定を支援。 社内外の 人材データをつなぎ、組織と個人が最適に活躍できる未来を実 現します。 ※「株式会社知財図鑑」による、 2025年7月31日までに登録さ れ、2025年8月31日時点で登録中の生成 AI関連特許に関する 調査をもとに、ビジョナル株式会社が算出
10. 即戦力人材と企業をつなぐ転職サイト「ビズリーチ」 企業、求職者、ヘッドハンターの三者を最適かつ効率的にマッチングする即戦力人材に特化した会員制転職サイトです。 企業は主体的な採用活動によって多くの優秀な人材と出会うことができ、求職者は選択肢が広がるだけでなくスカウトを 通して自分の市場価値を把握することが可能になります。 サービス 構造
11. LLMの取り組み
12. 課題　：マッチング効率を向上させるためには利用者一人一人に合わせたコミュニケーションが 　　　　重要だが、人手での作業は限界がある。 解決策：レジュメ※ や求人票などの非構造化データをLLMが解釈し、最適なアウトプットを生成。 　　　　質を維持したまま効率化を可能に。 ビズリーチにおけるLLM活用事例 キャリア相談AI スカウトメッセージ AIカスタマイズ ※ 「レジュメ」とはビズリーチ上の「職務経歴書」を指します。
13. LLMOpsの取り組み LLM-APIのイメージ共通化とconfigへの設定分離によって、プロダクト開発チームでAPI開発が実行できるように 半年で複数のアプリケーション（スカウト文面自動生成/キャリア相談AIβなど）をリリース実施 プロダクト 開発者 LLM基盤 ユースケース設計 （プロンプト開発含） キャパシティ設計 configの設定 インフラ設計・開発
14. 推薦の取り組み
15. ビズリーチでは、企業に対して求職者を推薦したり、求職者に対して求人を推薦する。 言語化の難しい要件や想像外の提案など、検索で表現しづらい暗黙的なマッチングの実現を後押し。 ビズリーチにおける推薦 データベース 求人推薦 求職者推薦 ビズリーチにおける推薦 お互いへの推薦が起点となってマッチングが始まる 求職者 企業
16. - 直近の行動ログのWeightを大きくする工夫などを重ね、精度 の高いモデルを提供 レコメンド活用事例 【課題】 利用企業・求職者の増加とともに、マッチング難易度や労力が高くなってきた 【解決策】 協調フィルタなどの行動ログベースのレコメンドモデルを構築し、企業と求職者の両方 に毎日新しい候補者・求人を推薦する機能を開発した
17. レコメンド活用事例 求職者 データ 求人票 データ 求職者 タワー 求人票 タワー Top-K Candidates Selection Final Ranked List Detailed Features & Context Reranking Model 【課題】 行動ログベースのアルゴリズムで性能の高いモデルを提供できていたものの、ビ ズリーチが保有する大量のレジュメ（職務経歴書）・求人票のテキストデータを活用 できていなかった 【解決策】 1. ビズリーチの求人文書で fine tuningしたBERTモデルの構築 原 龍昊, 他. 人材領域特化のLLM教師付き長文BERT埋め込みモデルの構築 . 言語処理学会第32回 年次大会発表論文集 , （掲載予定）,2026. でも発表 2. 1と行動ログ等を使用した Two-TowerモデルやMulti-Stageモデルを構築
18. MLOpsの取り組み モノリスなDockerコンテナからMLパイプラインへの移行し、質的モニタリングの組み込みを実施 ビズリーチ向け予測モデル・推薦モデルの改善サイクルを改善 モデル学習 モデル推論 後処理 データ取得 品質テスト 特徴量変換 Feature Store Data Processing Training Prediction Model Registry Data Validation Model Training Model Evaluation Model Validation Prediction
19. 検索の取り組み
20. プロダクト本部 データプロダクト部 検索基盤1グループ 加藤 遼（かとう りょう） 自己紹介 2023 - 現在 株式会社ビズリーチ 検索エンジニアとして、企業向けレジュメ 検索機能のAPI化、ランキング改善に取 り組む。 Interleavingを用いたABテストの仕組み やベクトル検索導入などを推進。
21. ビズリーチでは、企業が求職者を検索してスカウトを送り、求職者が求人を検索して応募する。この「検索」 が、企業と求職者が出会うマッチングの起点となっている。 ビズリーチにおける検索 データベース 求人検索 求職者検索 ビズリーチにおける検索 お互いの検索が起点となってマッチングが始まる 求職者 企業
22. 検索基盤の仕事 検索基盤グループは 3つの領域で検索の進化に取り組んでいる。それぞれ代表的な事例を紹介する。 検索改善 検索モデルR&D プラットフォーム ・検索ランキングの改善 ・A/Bテスト設計 ・検索用埋め込みモデル開発 ・リランキングモデル開発 ・データ同期基盤 ・検索API基盤 事例① 双方向性を考慮したランキング構築 事例② HR領域特化SPLADEモデル 事例③ ストリーミングデータ同期基盤
23. 事例①双方向性を考慮したランキング構築｜課題 一般的にECサイトなどは「買い手が商品を探す」一方向の検索。しかしビズリーチの検索には、企業が「スカ ウトしたい」かだけでなく、求職者が「返信したい」かという双方向の意思決定が存在。 ECサイトの意思決定 ビズリーチの意思決定 買い手の購入という一方向の最適化で OK 求職者と企業の双方向の最適化が必要 返信したい 購入したい 買い手 商品 求職者 企業 スカウトしたい
24. 事例①双方向性を考慮したランキング構築｜取り組み 目指すランキングイメージ インターリービングによる ABテスト 企業側・求職者側双方の指標を考慮したランキングを構築し、継続的に改善。カテゴリ値やテキスト、行動ロ グを活用し、双方にとって、より良いマッチング機会の創出を目指している。 求職者X 求職者Y 求職者a 求職者b … 1 2 151 666 … ランキングA ランキングB vs 異なるランキングを交互に表示し ABテストの精度向上と期間短縮 求職者と企業がお互いに 「会いたい」と思えるバランスを上位に
25. 事例②HR特化SPLADEモデル｜課題 例えば「機械学習」と「 ML」のように表現が多様なスキルであったり、採用要件が自然言語で抽象的に表現さ れたりと、キーワード一致だけでは適合度を正確に捉えきれない。 課題の具体例 1. 語彙のミスマッチ 「機械学習エンジニア」で検索 → 「MLエンジニア」「AI開発者」がヒットしない 2. スキル深度の欠落 「Python」は同じキーワードでも、趣味レベルと業務 5年では意味が全く異なる 3. 要件の曖昧性 「RAGの開発運用経験がある人」 → どう検索条件に変換する？
26. 事例②HR特化SPLADEモデル｜SPLADE • 特徴 ◦ BERTを用いることで文脈に基づいた関連す る各トークンの重みを推定する ◦ 最終的にBERTの語彙(Vocab)に対応した疎 (Sparse)なベクトルを生成する ▪ 例. AI: 0.9, 機械学習: 0.5 , DeepLearning:0.8, 開発: 0.4 • できること ◦ 転置indexを活用できる ◦ 単語の完全一致だけでなく、文脈に基づいて 関連する単語も出力される
27. 事例②HR特化SPLADEモデル｜取り組み HR領域に特化したSPLADEモデルを構築し、キーワードを意味的に拡張可能にすることでセマンティック検索 を実現する。 SPLADE による拡張のイメージ
28. 事例②HR特化SPLADEモデル｜OSSとして公開 light-spladeというOSSとして公開。詳細はテックブログや huggingfaceにて。 SPLADE による拡張のイメージ
29. 事例③ストリーミングデータ同期基盤｜課題 サービス成長に伴いデータ量が増加し、データ同期が遅延しやすい状態になっていた。しかし、スケールでき るつくりになっていなかった。 改善前のアーキテクチャと 課題
30. 事例③ストリーミングデータ同期基盤｜取り組み CDC（変更データキャプチャ）をトリガーにした分散ストリーミング処理による ETLを実現し、スケールしやすい データ同期基盤に改善した。 改善後のアーキテクチャ
31. 各ポジション 絶賛募集中！ MLOpsエンジニア 
 機械学習エンジニア 
 データエンジニア 
 DBRE
 エンジニアリングマネージャー 
 さまざまなポジションで募集しています。 まずは気軽にカジュアル面談でお話ししましょう。 … 新卒採用サイト キャリア採用サイト