Ridefinire la scoperta di carriera: come Jobright usa Zilliz Cloud per offrire abbinamenti di talenti più rapidi e intelligenti oltre LinkedIn
<50ms
Latenza
Zero tempi di inattività
con rilasci di funzionalità più rapidi
Zero problemi
per l'Amministrazione di Database
Riduzione dei costi
Per utente
Choosing Zilliz Cloud was one of our best early decisions. It enabled us to build the product we envisioned rather than the product our infrastructure limitations would allow. In AI applications, that difference often determines success or failure.
Ethan Zheng
Informazioni su Jobright: ridefinire la ricerca di lavoro nell’era dell’IA
Jobright è una piattaforma di ricerca di lavoro nativa per l’IA che ha rapidamente guadagnato terreno rispetto agli operatori storici del settore come LinkedIn e Indeed. In poco più di due anni, ha raggiunto quasi 100.000 utenti attivi giornalieri e ora guida il settore per durata media delle sessioni utente, secondo SimilarWeb.
Creata dagli ingegneri Eric Cheng ed Ethan Zheng, che hanno lasciato ruoli nelle Big Tech per risolvere quello che consideravano un problema di discovery inefficiente. Jobright offre un abbinamento lavorativo più intelligente e personalizzato tramite ricerca semantica, analisi dei grafi e feedback di sistema in tempo reale. Le funzionalità distintive della piattaforma, come il filtro per la sponsorizzazione H-1B e la scoperta di referral, l’hanno resa particolarmente preziosa per i professionisti internazionali e i talenti tecnici qualificati.
Perché la ricerca tradizionale si è inceppata a 2 milioni di query al giorno
Man mano che Jobright guadagnava trazione, le sue esigenze tecniche aumentavano. Il valore centrale della piattaforma, l’abbinamento lavorativo personalizzato in tempo reale, ha rapidamente messo in evidenza i limiti dei database tradizionali.
Dati in costante cambiamento: gli annunci di lavoro cambiano continuamente. Ogni giorno vengono aggiunti o rimossi oltre 400.000 annunci. La maggior parte dei database non riesce a ingerire ed eliminare dati a quel ritmo senza problemi di prestazioni.
Abbinamento semantico e multidimensionale: Jobright non si limita ad abbinare parole chiave. Effettua ricerche tra descrizioni di lavoro, competenze, traiettorie di carriera e cultura aziendale. Ogni interazione utente comporta più ricerche vettoriali oltre a filtri per località, stato del visto, livello di esperienza e altro ancora.
Risposta in tempo reale su larga scala: gli utenti effettuano in media oltre 40 interazioni al giorno. Questo si traduce in oltre 2 milioni di query al giorno, tutte con l’aspettativa di restituire risultati sotto i 100 ms.
Pattern di carico imprevedibili: ondate di assunzioni o licenziamenti da parte di grandi datori di lavoro causano picchi nell’ingestione dei dati e nelle query. L’infrastruttura doveva assorbire questi picchi senza compromettere le prestazioni.
"Non è come un tipico sistema di raccomandazione in cui puoi elaborare in batch durante la notte," spiega Ethan, cofondatore e CTO di Jobright. "Gli utenti si aspettano risultati immediati che riflettano gli annunci di lavoro più recenti e le loro preferenze in evoluzione. L’infrastruttura deve gestire contemporaneamente sia una scala enorme sia la reattività in tempo reale."
Come Jobright ha valutato il mercato dei database vettoriali
Quando il semplice sistema di matching basato su Python di Jobright ha iniziato a cedere sotto carico, il team si è trovato di fronte a una decisione infrastrutturale critica. Invece di affrettarsi verso una soluzione rapida, Ethan ha trascorso un’intera settimana a valutare sistematicamente ogni principale opzione di database vettoriale sul mercato, inclusi FAISS, Pinecone, Elasticsearch, Milvus open-source e Zilliz Cloud. Il suo approccio è stato metodico e pratico: "Non ci limitiamo a leggere la documentazione o ad ascoltare le presentazioni dei vendor. Costruiamo MVP reali con ogni soluzione e li testiamo rigorosamente nel nostro ambiente specifico."
Ogni opzione ha rivelato limitazioni critiche:
Facebook FAISS inizialmente sembrava promettente, data la sua performance collaudata su scala Meta. Tuttavia, quando Jobright ha tentato di gestire query concorrenti inserendo ed eliminando costantemente vettori, questa implementazione Python è diventata instabile, con picchi di memoria e crash durante i momenti di massimo utilizzo.
Pinecone offriva una soluzione gestita, ma le limitazioni regionali creavano una latenza inaccettabile per la loro infrastruttura globale basata su AWS. "Siamo una piattaforma globale che serve utenti in tutto il mondo. Avere il nostro database vettoriale solo in determinate regioni avrebbe compromesso gravemente l’esperienza dei nostri utenti internazionali," ha detto Ethan.
Milvus self-hosted funzionava bene con carichi di lavoro concorrenti e dimostrava scalabilità, ma richiedeva un significativo overhead operativo per l’autogestione, overhead che avrebbe distolto risorse ingegneristiche critiche dallo sviluppo del prodotto.
Elasticsearch, pur essendo affidabile per le operazioni di base, non può combinare in modo efficiente la similarità vettoriale con le decine di dimensioni di filtro di Jobright, come sponsorizzazione del visto, livello di esperienza e dimensioni dell'azienda.
Poi Ethan ha testato Zilliz Cloud. La differenza è diventata evidente nel giro di poche ore: mentre altre soluzioni richiedevano tuning e monitoraggio costanti, Zilliz Cloud gestiva senza problemi il carico di lavoro impegnativo di Jobright. Ha mantenuto prestazioni costanti durante gli scenari più impegnativi: ondate simultanee di ingestione dei dati e picchi di query che avevano mandato in crash altre soluzioni. Ancora più importante, Zilliz Cloud ha abilitato funzionalità sofisticate, come trovare potenziali referenti all'interno delle aziende tramite query che combinano più ricerche vettoriali con analisi delle relazioni di tipo grafo, capacità che in precedenza erano impossibili con altre piattaforme.
A differenza delle soluzioni self-hosted, Zilliz Cloud non richiedeva alcun sovraccarico di amministrazione del database, consentendo al team di concentrarsi interamente sullo sviluppo del prodotto. Il supporto allo schema dinamico della piattaforma consente a Jobright di sperimentare algoritmi di matching in tempo reale, distribuendo miglioramenti durante l'orario lavorativo senza preoccuparsi della stabilità del sistema.
Il ruolo dell'infrastruttura vettoriale nel matching in tempo reale
Jobright ora utilizza da sei a sette istanze Zilliz Cloud specializzate, ciascuna ottimizzata per un tipo specifico di query:
Motore principale di matching delle offerte di lavoro: Abbina i profili degli utenti a milioni di annunci, tenendo conto di similarità, posizione, esperienza, stato del visto e altro ancora.
Scoperta di referenze: Trova potenziali referenti in base a istruzione, precedenti datori di lavoro e connessioni, utilizzando query vettoriali consapevoli delle relazioni.
Insight sulle aziende: Fa emergere insight qualitativi (ad es., compatibilità culturale, modelli di assunzione) indicizzando i profili aziendali.
Modellazione della traiettoria di carriera: Consiglia ruoli in base a competenze in evoluzione e vettori di embedding ponderati nel tempo.
Prima che tutti questi contenuti vengano ingeriti, indicizzati e recuperati in Zilliz Cloud, tutti i dati vengono codificati in embedding vettoriali ad alta dimensionalità utilizzando i modelli specializzati fine-tuned di Jobright. Il team impiega diversi modelli di embedding ottimizzati per specifici tipi di contenuti in tutto il sistema: le descrizioni delle offerte di lavoro utilizzano modelli addestrati sul linguaggio professionale, mentre le descrizioni della cultura aziendale impiegano modelli ottimizzati per caratteristiche e valori organizzativi.
Man mano che gli algoritmi di matching di Jobright evolvono in base al feedback degli utenti, il team aggiunge frequentemente nuove dimensioni vettoriali e modifica i criteri di filtro. Il supporto allo schema flessibile di Zilliz Cloud consente queste modifiche senza tempi di inattività del sistema, permettendo al team di distribuire miglioramenti agli algoritmi durante l'orario lavorativo, una capacità che si è rivelata preziosa per mantenere il loro vantaggio competitivo.
La piattaforma integra Zilliz Cloud con uno stack tecnologico completo progettato per scalabilità e affidabilità. Basate su AWS con gruppi di auto-scaling e load balancer per gestire i picchi di traffico, le istanze Zilliz Cloud sono distribuite tra le zone di disponibilità per garantire alta disponibilità. L'integrazione con molteplici API di job board, siti web aziendali, database governativi per i dati H-1B e network professionali assicura che annunci di lavoro completi e aggiornati fluiscano senza interruzioni nell'infrastruttura del database vettoriale.
Jobright sfrutta inoltre le funzionalità avanzate di Zilliz Cloud per abilitare scenari di ricerca sofisticati che combinano più tipi di similarità e filtri in modi che prima erano impossibili. Query complesse come "ruoli di machine learning presso startup che offrono sponsorizzazione per il visto entro 50 miglia da San Francisco" combinano la ricerca vettoriale semantica con filtri categoriali e vincoli geografici in un'unica operazione. Trovare referrer adatti richiede la ricerca simultanea in più spazi vettoriali: embedding del percorso formativo, vettori dell'esperienza lavorativa e mappature delle relazioni aziendali. Le raccomandazioni di progressione di carriera considerano come le competenze e gli interessi degli utenti evolvono nel tempo, utilizzando operazioni vettoriali ponderate temporalmente per prevedere le mosse di carriera successive più adatte.
Da timeout di 500 ms alla ricerca istantanea, e zero grattacapi amministrativi
La transizione a Zilliz Cloud ha prodotto miglioramenti immediati e duraturi in tutte le metriche chiave, trasformando Jobright da una startup in difficoltà a un attore leader del settore.
Da timeout di 500 ms a una costanza di 50 ms
I tempi di risposta delle query sono migliorati drasticamente, passando da 200-500 ms incostanti con timeout frequenti a prestazioni costanti sotto i 100 ms, con una latenza P95 inferiore a 50 ms per le operazioni di matching principali. Il sistema ha raggiunto un uptime del 99,9%+ dopo il deployment, eliminando le frequenti interruzioni e i degradi delle prestazioni che avevano afflitto la loro infrastruttura precedente. La piattaforma si è scalata senza problemi, passando dalla gestione di migliaia di query giornaliere all'elaborazione di oltre 2 milioni di interazioni utente al giorno senza richiedere modifiche infrastrutturali né subire degradi delle prestazioni.
Zero oneri di amministrazione del database
"Siamo andati avanti per circa un anno senza dover gestire affatto questo sistema. E mi ero letteralmente dimenticato che lo stavamo usando," osserva Ethan. "È il complimento più grande che possa fare a un'infrastruttura: quando smetti di notare che esiste, significa che funziona perfettamente."
Questa semplicità operativa ha permesso al piccolo team di engineering di concentrarsi interamente sull'innovazione di prodotto, anziché sull'amministrazione del database, accelerando in modo significativo la velocità di sviluppo.
Superare LinkedIn e Indeed nel coinvolgimento degli utenti
Questi miglioramenti infrastrutturali si sono tradotti direttamente in esperienze utente superiori e metriche di coinvolgimento leader del settore. Secondo le analisi di SimilarWeb, Jobright ha ora la durata media delle visite degli utenti più alta di qualsiasi piattaforma di ricerca lavoro, superando LinkedIn, Indeed e tutti gli altri concorrenti. Gli utenti attivi giornalieri sono passati da 10 nel primo anno a quasi 100.000, con utenti che registrano in media oltre 40 interazioni con la piattaforma per sessione, un valore significativamente superiore ai benchmark di settore. Le funzionalità avanzate, come la scoperta di referral e l'assistenza alle candidature basata sull'AI, raggiungono alti tassi di adozione perché funzionano in modo affidabile e forniscono risultati rapidamente.
Deployment di funzionalità più rapidi senza downtime
Un'infrastruttura affidabile ha consentito a Jobright di mantenere il proprio vantaggio competitivo attraverso uno sviluppo rapido delle funzionalità. Il team ora rilascia nuove funzionalità ogni settimana con la certezza che l'infrastruttura sottostante non si romperà durante gli aggiornamenti o i picchi di traffico. I tassi di retention mensile sono migliorati significativamente, poiché gli utenti hanno sperimentato prestazioni costanti e veloci e raccomandazioni di lavoro sempre più accurate, alimentate da algoritmi in continua evoluzione.
Costi prevedibili che diminuiscono per utente
I benefici in termini di costi si sono rivelati altrettanto trasformativi. Jobright è passata da costi imprevedibili associati alla gestione di un'infrastruttura in crisi a prezzi prevedibili basati sull'utilizzo, che scalano con la crescita del business. Gli oneri di amministrazione del database sono stati eliminati del tutto e i costi infrastrutturali per utente sono diminuiti con la crescita della piattaforma, creando unit economics favorevoli che hanno sostenuto un'espansione aziendale sostenibile.
Guardando al futuro: scalare la visione
La visione di Jobright va ben oltre la ricerca di lavoro: diventare un marketplace completo dei talenti che collega datori di lavoro e candidati in modo più efficiente che mai. Analisi avanzate consentiranno alle aziende di comprendere le dinamiche del mercato dei talenti, il posizionamento competitivo e le strategie di assunzione ottimali, utilizzando la stessa infrastruttura vettoriale che alimenta l’abbinamento dei candidati. Gli strumenti automatizzati di verifica e valutazione delle competenze useranno la similarità vettoriale per valutare le capacità dei candidati rispetto ai requisiti del ruolo, mentre gli insight in tempo reale sul mercato del lavoro derivati dai dati completi della piattaforma diventeranno informazioni preziose per datori di lavoro e decisori politici che cercano di comprendere le tendenze della forza lavoro.
Jobright prevede inoltre di espandersi nei mercati europei e asiatici, con l’infrastruttura globale di Zilliz Cloud che consente l’erogazione di servizi a bassa latenza in diversi continenti. L’infrastruttura flessibile di embedding supporta l’implementazione di modelli specifici per mercato, consentendo a Jobright di adattarsi alle pratiche di assunzione locali, ai requisiti di competenza e ai percorsi di carriera senza importanti revisioni del sistema.
"Stiamo pianificando l’espansione internazionale aggiungendo al contempo servizi B2B per i datori di lavoro," spiega Ethan. "Abbiamo bisogno di un’infrastruttura in grado di gestire più mercati, lingue e requisiti normativi senza ricostruire i nostri sistemi principali."
Lezioni per i costruttori di AI
La notevole crescita di Jobright da 10 a 100.000 utenti giornalieri offre preziosi insight agli imprenditori dell’AI che affrontano sfide simili. Ethan ha condiviso generosamente diverse osservazioni tratte dal loro percorso:
La vicinanza agli utenti conta più della sofisticazione tecnologica. La migliore AI al mondo non sarà d’aiuto se non comprendi i problemi reali dei tuoi utenti. Jobright ha successo perché ha investito più di chiunque altro nella comprensione delle esperienze effettive delle persone in cerca di lavoro attraverso interviste settimanali agli utenti e cicli di feedback.
I fondatori devono rimanere operativi più a lungo di quanto si aspettino. La tentazione di assumere specialisti nelle fasi iniziali è forte, ma una delega prematura spesso porta al fallimento. I fondatori devono padroneggiare capacità critiche, come il growth marketing e la ricerca sugli utenti, prima che possano essere delegate in modo efficace.
La frequenza del processo decisionale conta più della velocità del processo decisionale. Sebbene restare aggiornati sui rapidi sviluppi dell’AI sia fondamentale, effettuare pivot strategici troppo frequentemente può distruggere lo slancio del team ed erodere la fiducia degli utenti.
Le scelte infrastrutturali si accumulano nel tempo. Piccole decisioni tecniche creano vantaggi competitivi significativi su larga scala. L’infrastruttura giusta abilita l’innovazione anziché limitarsi a risolvere problemi immediati.
"Quando abbiamo scelto per la prima volta Zilliz Cloud, pensavamo di risolvere un problema di scalabilità," riflette Ethan. "Ma in realtà ha risolto un problema di innovazione. Avere un’infrastruttura di ricerca vettoriale affidabile e potente ci permette di sperimentare algoritmi di matching che altrimenti non avremmo potuto tentare."
Ethan sottolinea che molte startup di AI sottovalutano l’overhead operativo della gestione di infrastrutture sofisticate. Infatti, l’affidabilità dell’infrastruttura ha un impatto diretto sulla velocità di sviluppo: sistemi inaffidabili rallentano lo sviluppo delle funzionalità riducendo al contempo la fiducia nel rilascio di nuove capacità.
Nei mercati in cui tutti hanno accesso a modelli di AI simili, il vantaggio competitivo deriva sempre più da decisioni infrastrutturali che consentono esperienze utente superiori e cicli di innovazione più rapidi. __
"Il nostro più forte moat competitivo non sono i nostri modelli di AI: è la nostra capacità di distribuire quei modelli su larga scala con un’esperienza utente eccezionale," conclude Ethan. "Zilliz Cloud ci ha dato questa capacità."
Conclusione: Alimentare la prossima generazione di applicazioni AI con un’infrastruttura scalabile
La partnership tra Jobright e Zilliz Cloud mostra come un'infrastruttura di livello enterprise consenta lo sviluppo di applicazioni AI rivoluzionarie. Jobright si è concentrata sulla comprensione degli utenti e sulla creazione di esperienze di prodotto superiori, mentre Zilliz Cloud ha fornito la base affidabile e scalabile che ha reso possibili quelle esperienze su larga scala.
Man mano che le applicazioni AI diventano sempre più sofisticate, il livello infrastrutturale diventa più critico per il successo. I database vettoriali non sono solo un requisito tecnico: sono una piattaforma di innovazione che determina ciò che è possibile per i prodotti basati sull'AI.
"Siamo orgogliosi di alimentare la notevole crescita di Jobright," osserva James Luan, VP of Engineering di Zilliz. "La loro piattaforma dimostra cosa è possibile quando algoritmi AI innovativi incontrano un'infrastruttura di livello enterprise."
Per Jobright, la scelta infrastrutturale fatta un anno fa continua a dare i suoi frutti mentre si preparano alla prossima fase di crescita.
"Scegliere Zilliz Cloud è stata una delle nostre migliori decisioni iniziali," conclude Ethan. "Ci ha permesso di costruire il prodotto che immaginavamo anziché il prodotto che i limiti della nostra infrastruttura avrebbero consentito. Nelle applicazioni AI, questa differenza spesso determina il successo o il fallimento."
- Informazioni su Jobright: ridefinire la ricerca di lavoro nell’era dell’IA
- Perché la ricerca tradizionale si è inceppata a 2 milioni di query al giorno
- Come Jobright ha valutato il mercato dei database vettoriali
- Il ruolo dell'infrastruttura vettoriale nel matching in tempo reale
- Da timeout di 500 ms alla ricerca istantanea, e zero grattacapi amministrativi
- Guardando al futuro: scalare la visione
- Lezioni per i costruttori di AI
- Conclusione: Alimentare la prossima generazione di applicazioni AI con un’infrastruttura scalabile
Contenuto
Settore
Reclutamento
Tecnologie Utilizzate
Our strongest competitive moat isn't our AI models—it's our ability to deploy those models at scale with an exceptional user experience. Zilliz Cloud gave us that capability.
Ethan Zheng