キャリア・ディスカバリーの再定義：JobrightがZilliz Cloudを利用して、LinkedInを超える迅速でスマートな人材マッチングを実現した方法
<50ミリ秒
レイテンシー
ダウンタイムゼロ
より迅速な機能展開
手間ゼロ
データベース管理用
コスト削減
ユーザーあたり
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
##ジョブライトについてAI時代における就職活動の再定義
Jobright**は、LinkedInやIndeedのような業界の既存企業に急速に差をつけたAIネイティブの求人検索プラットフォームである。SimilarWebによると、わずか2年余りで、1日のアクティブユーザーが10万人近くに達し、ユーザーの平均セッション時間で業界をリードしている。
エンジニアのEric Cheng とEthan Zheng によって構築された。彼らは、ビッグテックでの職務を離れ、ディスカバリーの問題点を解決しようとした。Jobrightは、セマンティック検索、グラフ分析、リアルタイムのシステムフィードバックを通じて、よりスマートでパーソナライズされた求人マッチングを実現する。H-1Bスポンサーシップ・フィルタリングやリファラル・ディスカバリーのようなこのプラットフォームの際立った機能は、国際的なプロフェッショナルや熟練した技術者にとって特に価値あるものとなっている。
伝統的検索が1日200万クエリで破綻した理由
Jobrightが人気を博すにつれ、技術的な要求もエスカレートしていった。このプラットフォームのコアバリューである、リアルタイムでパーソナライズされた仕事のマッチングは、すぐに従来のデータベースの限界を露呈した。
常に変化するデータ求人情報は常に変化しています。毎日40万件以上の求人情報が追加・削除されています。ほとんどのデータベースでは、パフォーマンス上の問題なしにこのペースでデータを取り込んだり削除したりすることはできません。
セマンティック、多次元マッチング：Jobrightはキーワードのマッチングだけではありません。職務内容、スキル、キャリアの軌跡、企業文化などを横断的に検索します。すべてのユーザーインタラクションは、複数のベクトル検索に加え、勤務地、ビザステータス、経験レベルなどのフィルタリングを含みます。
規模に応じたリアルタイム・レスポンス**：ユーザーは毎日平均40件以上のインタラクションを行います。これは1日あたり200万回以上のクエリに相当し、すべて100ミリ秒以下の結果を返すことが期待されます。
予測不可能な負荷パターン**：大企業の大量採用やレイオフにより、データの取り込みやクエリの急増が発生します。インフラストラクチャは、パフォーマンスを低下させることなく、これらのスパイクを吸収する必要がありました。
Jobrightの共同設立者兼CTOのイーサンは、「これは、一晩でバッチ処理できる一般的なレコメンデーションシステムとは違います。「ユーザーは、最新の求人情報や自分の嗜好を反映した結果を即座に期待しています。インフラは、巨大なスケールとリアルタイムの応答性の両方を同時に処理しなければなりません」。
ベクターデータベース市場のベンチマーキング方法
JobrightのシンプルなPythonベースのマッチングシステムが負荷で機能しなくなり始めたとき、チームは重要なインフラの決断に迫られた。手っ取り早い解決策を急ぐのではなく、イーサンはFAISS、Pinecone、Elasticsearch、オープンソースのMilvus、Zilliz Cloudなど、市場の主要なベクトルデータベースオプションを体系的に評価するために丸一週間を費やしました。彼のアプローチは理路整然とした実践的なものだった：ドキュメントを読んだり、ベンダーの売り込みを聞いたりするだけではありません。私たちはドキュメントを読んだり、ベンダーの売り込みを聞いたりするだけではありません。それぞれのソリューションで実際のMVPを作り、私たちの特定の環境で厳密にテストします」_。
各オプションは、重大な制限を明らかにした：
Facebook FAISS**は、Metaの規模での実績から、当初は有望に思えた。しかし、Jobrightが常にベクターを挿入・削除しながら同時クエリーを処理しようとしたとき、このPythonの実装は不安定になり、ピーク使用時にメモリが急増し、クラッシュした。
Pinecone**はマネージド・ソリューションを提供しましたが、地域的な制限により、グローバルなAWSベースのインフラでは受け入れがたい遅延が発生しました。我々は世界中のユーザーにサービスを提供するグローバルプラットフォームです。私たちのベクターデータベースを特定の地域だけに置くことは、私たちの国際的なユーザーエクスペリエンスを損ねることになります。
セルフホスティングのMilvus**は、同時実行のワークロードでうまく機能し、スケーラビリティを実証しましたが、自己管理のためにかなりの運用オーバーヘッドが必要でした。
Elasticsearch**は、基本的な操作には信頼できるものの、ベクトルの類似性と、ビザのスポンサー、経験レベル、会社の規模など、Jobrightの数十のフィルター次元を効率的に組み合わせることはできません。
**他のソリューションでは常にチューニングと監視が必要でしたが、Zilliz CloudはJobrightの過酷なワークロードをシームレスに処理しました。Zilliz Cloudは、最も困難なシナリオである同時データ取り込みの波や、他のソリューションをクラッシュさせたクエリの急増においても、一貫したパフォーマンスを維持した。最も重要なことは、Zilliz Cloudは、複数のベクトル検索とグラフのような関係分析を組み合わせたクエリによって、企業内の潜在的な紹介者を見つけるなど、他のプラットフォームでは不可能であった高度な機能を可能にしたことです。
セルフホストソリューションとは異なり、Zilliz Cloudはデータベース管理のオーバーヘッドを必要としないため、チームは製品開発に専念することができました。このプラットフォームの動的スキーマサポートにより、Jobrightはリアルタイムでマッチングアルゴリズムを試すことができ、システムの安定性を心配することなく、営業時間中に改良を展開することができます。
リアルタイムマッチングにおけるベクターインフラの役割
Jobrightは現在、特定のタイプのクエリに最適化された6～7台のZilliz Cloudインスタンスを使用している：
コアジョブマッチングエンジン：コアジョブマッチングエンジン：類似性、勤務地、経験、ビザステータスなどを考慮し、数百万件の求人情報とユーザープロファイルをマッチングします。
紹介ディスカバリー**：学歴、過去の勤務先、コネクションを基に、関係性を考慮したベクトルクエリーを使用して、潜在的な紹介者を検索します。
企業インサイト企業プロフィールをインデックス化することで、定性的な洞察（企業文化への適合性、採用パターンなど）を浮上させます。
キャリア軌跡モデリング：キャリア軌跡モデリング：進化するスキルと時間加重エンベッディングベクトルに基づき、職務を推薦します。
これら全てのコンテンツがZilliz Cloudに取り込まれ、インデックス化され、検索される前に、全てのデータはJobrightの特別に微調整されたモデルを用いて高次元のベクトル埋め込みにエンコードされる。ジョブディスクリプションは専門的な言語を学習したモデルを使用し、企業文化ディスクリプションは組織の特徴や価値観を学習したモデルを使用する。
Jobrightのマッチングアルゴリズムはユーザーからのフィードバックに基づいて進化しており、頻繁に新しいベクトル次元を追加し、フィルタリング基準を変更している。Zilliz Cloudの柔軟なスキーマサポートは、システムのダウンタイムなしにこれらの変更を可能にし、チームは営業時間中にアルゴリズムの改善を展開することができます。
このプラットフォームは、スケーラビリティと信頼性のために設計された包括的な技術スタックとZilliz Cloudを統合しています。自動スケーリンググループとロードバランサーを備えたAWS上に構築されたZilliz Cloudインスタンスは、高可用性のためにアベイラビリティゾーンに分散されています。複数の求人サイトのAPI、企業のウェブサイト、H-1Bデータ用の政府データベース、および専門家ネットワークとの統合により、包括的で最新の求人情報がベクトルデータベースインフラストラクチャにシームレスに流れ込みます。
また、JobrightはZilliz Cloudの高度な機能を活用し、これまで不可能であった複数の類似性とフィルタリングを組み合わせた高度な検索シナリオを可能にしている。サンフランシスコから50マイル以内のビザスポンサーを提供する新興企業での機械学習の役割」_のような複雑なクエリは、単一の操作で、セマンティックベクトル検索とカテゴリフィルタおよび地理的制約を組み合わせます。適切な紹介者を見つけるには、複数のベクトル空間（学歴エンベッディング、職務経験ベクトル、企業関係マッピング）を同時に検索する必要があります。キャリアアップの推奨は、ユーザーのスキルや興味が時間とともにどのように変化するかを考慮し、時間加重ベクトル演算を使用して適切な次のキャリア移動を予測する。
500msのタイムアウトから瞬時の検索、そして管理者の頭痛の種ゼロへ
Zilliz Cloudへの移行は、すべての主要な指標において即座に持続的な改善をもたらし、Jobrightを苦戦する新興企業から業界をリードする企業へと変貌させました。
500msのタイムアウトから50msの一貫性へ
クエリの応答時間は劇的に改善され、頻繁なタイムアウトを伴う200～500msの一貫性のないパフォーマンスから、100ms以下の一貫性のあるパフォーマンスへ、コアマッチング操作のP95レイテンシは50ms以下となりました。システムは導入後99.9%以上の稼働率を達成し、以前のインフラを悩ませていた頻繁な停止やパフォーマンスの低下を解消しました。このプラットフォームは、インフラを変更したりパフォーマンスを低下させたりすることなく、1日あたり数千のクエリを処理することから、1日あたり200万を超えるユーザー・インタラクションを処理することまで、シームレスに拡張することができました。
データベース管理のオーバーヘッドをゼロに
イーサンは、「私たちは、このシステムをまったく管理することなく約1年を過ごしました。使っていることを文字通り忘れていました」とイーサンは指摘する。「インフラに与えられる最高の褒め言葉です-その存在に気づかなくなったとき、それは完璧に機能しているのです」。
このように運用がシンプルになったことで、小規模なエンジニアリング・チームはデータベースの管理よりも製品のイノベーションに完全に集中できるようになり、開発速度が大幅に加速した。
ユーザーエンゲージメントでLinkedInとIndeedに勝つ
これらのインフラ改善は、優れたユーザーエクスペリエンスと業界をリードするエンゲージメント指標に直結しました。SimilarWebの分析によると、Jobrightは現在、LinkedIn、Indeed、その他すべての競合他社を凌駕し、求人検索プラットフォームの中で最もユーザーの平均訪問時間が長い。デイリーアクティブユーザーは初年度の10人から10万人近くに急増し、1セッションあたりの平均プラットフォームインタラクション数は40を超え、業界のベンチマークを大幅に上回っています。リファラル・ディスカバリーやAIを活用した応募支援などの高度な機能は、確実に実行され、迅速に結果を出すため、高い採用率を達成している。
ダウンタイムなしの機能展開の高速化
信頼性の高いインフラストラクチャにより、Jobrightは迅速な機能開発を通じて競争上の優位性を維持することができました。現在、チームは更新中やトラフィック急増時に基盤となるインフラが壊れることがないという確信を持って、毎週新機能を出荷しています。ユーザーが一貫した高速パフォーマンスと、継続的に進化するアルゴリズムによってますます正確な求人情報を体験することで、月間継続率は大幅に改善されました。
ユーザーごとに減少する予測可能なコスト
コスト面でのメリットも同様に大きな変化をもたらしました。Jobrightは、故障したインフラストラクチャの管理に関連する予測不可能なコストから、ビジネスの成長に合わせて拡張できる予測可能な使用ベースの価格設定に移行した。データベース管理のオーバーヘッドは完全に排除され、ユーザーあたりのインフラコストはプラットフォームが成長するにつれて減少し、持続可能な事業拡大を支える有利な単位経済性を生み出しました。
今後に向けてビジョンの拡大
Jobrightのビジョンは、求人検索にとどまらず、雇用者と候補者をこれまで以上に効率的に結びつける総合的な人材マーケットプレイスへと大きく広がっている。高度なアナリティクスにより、企業は候補者マッチングを支えるのと同じベクトル・インフラを活用して、人材市場のダイナミクス、競争上のポジショニング、最適な採用戦略を理解できるようになる。自動化されたスキル検証・評価ツールは、ベクトルの類似性を利用して候補者の能力を職務要件と照らし合わせて評価します。また、プラットフォームの包括的なデータから得られるリアルタイムの労働市場に関する洞察は、雇用主や労働力の動向を把握しようとする政策立案者にとって貴重なインテリジェンスとなります。
また、Jobrightは欧州やアジア市場への展開も計画しており、Zilliz Cloudのグローバル・インフラストラクチャーは異なる大陸間で低遅延のサービス提供を可能にする。柔軟なエンベッディング・インフラストラクチャは、市場別のモデル展開をサポートし、Jobrightが大規模なシステムのオーバーホールをすることなく、現地の雇用慣行、スキル要件、キャリアアップに適応することを可能にする。
イーサンは、「私たちは国際的な拡大を計画しており、同時に雇用者向けのB2Bサービスを追加しています。「コアシステムを再構築することなく、複数の市場、言語、規制要件に対応できるインフラが必要なのです」。
AIビルダーへの教訓
Jobrightの1日のユーザー数が10万人から10万人へと目覚ましい成長を遂げたことは、同じような課題に取り組むAI起業家にとって貴重な示唆を与えてくれる。イーサンは、彼らの旅から得たいくつかの見解を惜しみなく披露してくれた：
ユーザーの真の問題を理解しなければ、世界最高のAIも役には立たない。Jobrightが成功したのは、毎週のユーザー・インタビューとフィードバック・ループを通じて、求職者の実際の体験を理解することに誰よりも投資してきたからだ。
創業者は予想以上に長く手を動かしていなければならない。**早期にスペシャリストを雇いたいという誘惑は強いが、早すぎる委譲はしばしば失敗につながる。創業者は、グロース・マーケティングやユーザー・リサーチといった重要な能力を、効果的に任せる前にマスターしなければならない。
意思決定のスピードよりも、意思決定の頻度の方が重要である。** AIの急速な発展について情報を得ることは非常に重要であるが、戦略的なピボットを頻繁に行いすぎると、チームの勢いが失われ、ユーザーの信頼が損なわれる。
小さな技術的な決断が、規模が大きくなると大きな競争優位性を生み出す。適切なインフラは、目先の問題を解決するだけでなく、イノベーションを可能にする。
Zillizクラウドを最初に選択したとき、スケーリングの問題を解決していると思っていました。「とイーサンは振り返ります。信頼性が高く、強力なベクトル検索インフラを持つことで、他の方法では試みられなかったマッチング・アルゴリズムを試すことができます。
イーサンは、多くのAIスタートアップが洗練されたインフラを管理するための運用上のオーバーヘッドを過小評価していることを強調する。実際、インフラの信頼性は開発速度に直接影響する。信頼性の低いシステムは機能開発を遅らせると同時に、新機能の出荷に対する信頼性を低下させる。
誰もが同じようなAIモデルにアクセスできる市場では、競争上の優位性は、優れたユーザーエクスペリエンスと迅速なイノベーション・サイクルを可能にするインフラの決定からますます生まれています。__
私たちの最も強力な競争力のある堀は、AIモデルではないのです。「Zillizクラウドはその能力を与えてくれました。
結論スケーラブルなインフラで次世代のAIアプリケーションを強化する
JobrightとZilliz Cloudのパートナーシップは、エンタープライズグレードのインフラがいかに画期的なAIアプリケーションの開発を可能にするかを示している。Jobrightはユーザーを理解し、優れた製品体験を構築することに注力し、Zilliz Cloudは信頼性が高くスケーラブルな基盤を提供することで、そのような体験を大規模に可能にした。
AIアプリケーションがますます高度化するにつれて、インフラレイヤーは成功にとってより重要になります。ベクター・データベースは単なる技術的要件ではなく、AIを活用した製品の可能性を決定づけるイノベーション・プラットフォームなのです。
Zillizのエンジニアリング担当副社長であるジェームス・ルアンは、「Jobrightの目覚ましい成長を支援できることを誇りに思います。「彼らのプラットフォームは、革新的なAIアルゴリズムがエンタープライズグレードのインフラと出会うことで何が可能になるかを実証しています」。
Jobrightにとって、1年前に選択したインフラは、次の成長段階への準備として、配当金をもたらし続けている。
Zillizクラウドを選択したことは、初期段階での最善の決断の一つでした。Zillizクラウドを選択したことは、初期の段階での最善の決断の1つでした」とイーサンは締めくくった。AIアプリケーションでは、この違いがしばしば成否を決めます。
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