【人材紹介×ChatGPT企画 / 第2回】履歴書の自動スクリーニング機能の実装をChatGPTを用いて検討する（後編）

こんにちは。VINCERE（ビンチェリー）日本進出担当の塚原です。

前回のブログでは、ChatGPTを利用した人材紹介向けの業務改善案【履歴書の自動スクリーニング機能の実装】について、どのように実現可能かをChatGPTへプロンプトを投げながら調査しました。

途中、手段が複雑になりそうだったので、今回はChatGPTがリストアップしてくれた「データ収集」「データ前処理」などの検討事項について、ChatGPTのみを使ってどこまで実施可能かを聞くところからスタートし、できる限りリーンな形での実現ができないか考察していきます。

▼ChatGPTを使ってオールインワンで実現可能か

まずは、前回の最後のやり取りを踏まえて以下のプロンプトを投げます。

【上記の「過去のマッチング履歴を分析するためのシステム」をChatGPTを利用して作ることも可能ですか？その場合、すべて任せる方法と、一部をChatGPTが担う方法があるかと思いますが、どちらも可能ですか？】

得意不得意はあれ、すべてをChatGPTに担わせることも可能なようです。
オールインワンで行う場合にどのような検討をすべきか、以下のプロンプトを投げて聞いてみます。

▼オールインワンを実現するにあたっての準備

【すべてをChatGPTで行う場合、どのような前準備が必要でしょうか？
例えば、「過去の履歴（成約に繋がったデータ、繋がらなかったデータ）を教師データを事前にCRMから抜き出して学習させる」のような準備が必要と考えています。

それを実現する際に、どのような方法が考えられるでしょうか？（OpenAIのAPIを利用する認識ですが、ほかにあれば教えてください）】

すべてをChatGPTで行う場合、以下のような準備が必要です。

教師データの準備: 過去の履歴（成約に繋がったデータ、繋がらなかったデータ）をCRMから抜き出します。このデータは、ChatGPTが学習するための教師データとして使用されます。

データの前処理: 抜き出したデータをChatGPTが解析しやすい形式に整形します。例えば、テキストデータに関しては、不要な文字や記号を削除し、単語やフレーズをトークン化するなどの前処理を行います。

ファインチューニングの設定: OpenAIのAPIを利用して、ファインチューニングのためのパラメータを設定します。例えば、学習率やエポック数、バッチサイズなどを調整することができます[2]。

APIを利用することで、教師データを事前に与えてモデルをチューニングするようなこともできるようです。

さすがに、ビジネスサイドのみで調査できる範囲は以上まで、というところに来ているような気がします。最後に、まだ上記だけでは手抜かりがある気がしたので、ちょっと意地悪な質問ですが他に検討事項がないか、という追加の質問をしてみました。

ここまでリストアップされた準備は、教師データの準備、データの前処理、ChatGPTのファインチューニングです。この他に必要な準備としては、

OpenAI APIの利用設定: ChatGPTを利用するには、OpenAI APIのアクセスキーを取得し、適切に設定する必要があります[3]。

テストデータの準備: ファインチューニング後のモデル性能評価のため、テストデータを用意することが重要です。

実際のアプリケーションへの統合: ChatGPTを使った機能を開発する際に、APIを利用するクライアント側の設定や統合を行う必要があります[3]。

▼まとめ

かなり具体的なところまで踏み込むことができました。
一部推測になりますが、ここまで来たらあとはデータサイエンティストとAPIに詳しいエンジニアをアサインすることでプロジェクトを進めることができるのでは、という肌感覚です。

ただ、かなり大規模なプロジェクトになるため、体力のある大手企業向けの施策といえるかもしれません。

次回は中小の人材紹介企業にとって取り組みやすい施策にフォーカスしてみます。

＋＋＋＋＋＋＋＋＋＋＋＋＋＋＋＋＋＋＋＋＋＋＋

人材紹介向けCRM【VINCEREコア】を利用することで、ChatGPTに投入する教師データ（成約データ、未成約データ）をダウンロードすることが可能です。ご興味のある方は以下もしくは私のTwitterDMからお問い合わせください。

VINCERE （ビンチェリー）公式HP

また、VINCEREでは常にお客様からの忌憚ないフィードバックを受け付けています。よければこちらからご意見をお聞かせください。

以上、引き続きよろしくお願いいたします。