LabBaseにおける機械学習機能の開発への取り組みについて

はじめに

こんにちは！株式会社POLでエンジニアをやっている @mejihabenatawa です！

POLは「研究者の可能性を最大化するプラットフォームを創造する」をビジョンに、理系学生に特化した採用サービス「LabBase」を開発しています。

今回は、6月14日に株式会社ホットリンク様と合同の勉強会を行い、そこで発表したLabBaseにおける機械学習機能への取り組みについて話したので、それに関してまとめます。

ホットリンクの松野様は「ユーザのフォロワー構成による投稿の拡散されやすさに関する検証」というタイトルで発表してくださっていました。こちらの内容に関連があるものでした。

背景

機械学習を使わなくてもできることは使わない方が良いという話もありますが、個人的には中長期的に目指しているものがあり、そこに到達するための手法として機械学習が必要になる可能性が高いと思っているのであれば、やってみるのはアリだなと考えています。

そのため、POLにおける機械学習機能の目的としては、直近の機能開発という部分と中長期的にどのように考えているのか部分があり、それぞれのやり方について話をしていきたいと思います。

（説明と発表スライド載せる方式でやっていきます）

短期的な施策の振り返り

まず、短期的にどんな機能をどのように開発しているかについて説明していきたいと思います。

前提

LabBaseは理系学生に特化した採用サービスで、メインターゲットを「研究を頑張る学生」としており、以下のような形で研究概要やキーワードなどをプロフィールとして記入いただいています。

課題と打ち手

そのため、人事の方にとって学生を探すのが時間がかかるという課題があります。

まず、最初にサイドバーにメニューをつくり、2つのロジックでおすすめ学生機能を実装しました。こちらの施策はミニマムスタートして、ユーザさんがどのくらいの精度をもとめているのかや見せ方はこれで良いのかなどを確かめる目的がありました。

β版として、一定数使っていただいたのですが、本来の学生検索の導線から離れていることもあり、現在は見せ方を変えて、類似学生を表示する機能を実装しています。（こちらの機能は実装途中なので、変更・中止の可能性があります）

この施策の仮説としては、既存のフローに組み込むことで自然に表示でき、サイドバーにページを追加した方法よりも、見に行くコストが小さい可能性がありそうだなと思っています。

学び

どのような課題を解決しようとしているのか、そのために目的とする数値はなんなのかなどを開発していきながら徐々にあげていくことができているのではないかなと思います。そのサイクルを早く回すためにも実装する際にもなるべく依存度をさげたり、共通処理をまとめていけると良いなと思っています。

振り返りは以下のスライドみたいな感じです。一つ一つ詳細に聞きたい場合はぜひカジュアル面談に来てください笑

中長期的な思考の振り返り

続いて、中長期的な戦略にどう組み込んでいくのかということを振り返っていきます。

前提

POLは今の所HRの会社だと思われていることが多いです。それはメインプロダクトがLabBaseであるため当然なのですが、僕らは自分たちをLabTech（Labratory×Technology）の企業と定義していて、研究者がより研究しやすくなる世界をつくっていきたいと思っています。

そのため、中長期的には多くの研究に関するサービスを提供し、プラットフォーム化することで、科学の発展に貢献したいと考えています。研究者の方々に情報を登録してもらい、その情報に合わせて最適な環境やサービスを提供していきたいと考えています。

現状の組織構成とそれぞれの役割

冒頭で機械学習機能の導入においては、直近の開発に機械学習が必ずしも必要ではなかったとしても、中長期的に必要となるのであれば開発するのはアリだという話をしたと思うのですが、それ実行するには現場に中長期的な構想をインプットすることが重要かなと思っています。

現在、POLでもCEOや事業責任者の方はデータ活用を重要だと考えているが、まだどの程度のことをどのくらいの期間でできるようになるのかがわかっていない。それを中長期的な構想を踏まえながら、現場のメンバーが伝えたり、価値を示していくことが必要だなと思っています。

学び

中長期的な構想をききつつ、現場の開発を行うことが割と大切なのかなと思いました。

完全に二分されているわけではありませんが、POLで経営とプロダクトの関係を構造化すると以下のようなスライドになります。

中長期的な構想に関しては、PdMやEMを通して聞くことが多く、週に1回のCEOの15分くらいの話や3ヶ月に1回の締め会などで直接構想を聞くこともあります。エンジニアをしながら、そのような場が頻繁にあるのはありがたいなと思います。

まとめ

機械学習機能を開発するにあたり、短期の視点と中長期の視点の両方が大切であるという話しました。そのための組織構成として、PdMなどが間に入って開発の具体をすすめる一方で、可能であるならば構想を直接聞くことができる場を設けるのは意味があるなと思いました。

そうすることにより、現場でのデータ探索や仮説検証、機能実装の方向性も合致するはずです。

おわりに

機械学習を使わなくてもできることは使わない方が良いということはもっともだし、多くの本にもそう書いてあります。しかし、今の機械学習の領域は変遷が早く、今できないことが来年にはできているということも可能性としてはあります。中長期的な構想に必要なのであれば、そのための体制作りや技術への投資という意味合いで、他のやり方もあるがあえて機械学習を使うのもありなのでは？というのが伝えたかったことです。

スライドをそのまま書き起こしたので、少し冗長になってしまったのですが、誰かの訳にたてば幸いです。お読みいただき、ありがとうございました！

そして、株式会社POLではエンジニア、デザイナー、プロダクトマネージャーを大募集してます！お話しだけでも構いませんのでお気軽にお声がけください！！！

割と自由にいろんなことに挑戦できる環境だと思います！データ基盤づくりとか学生さんや企業さんの募集の特徴抽出とか分析とかやってみたい方副業でもよいので、是非お願いします！

ぜひ、今回ホットリンク様と行ったような合同勉強会の開催のお誘いもお待ちしております！