ローカルLLMを活用した企業調査の自動化

転職活動を行うにあたって、出来るだけ広く情報を収集したいと考え
ローカルLLMを活用した企業調査の自動化を試してみました。

概要

実行環境は macOS。
CLIベースのツールとして通常は launchd で定期実行。
日々、リサーチ結果が蓄積され、私はそれを確認するだけにしています。

転職活動を行う際、これまでの私は

といった範囲にとどまっていたように思います。

これは効率的で一般的な方法ではあるものの、
自ら視野を広げる行動が不足しており、外部要因への依存が強い。

より視野を広げること＝可能性を広げること
より視野を広げること＝より自己理解を深めること

とはいえ、しらみ潰しに企業を探すにも限界がありますし、いかに継続するかが重要。

そこで

検索・情報収集は自動化、自分は判断に集中する

という方針を掲げ、この仕組みを作りました。

これらを前提として、「情報収集」と「確認・判断」を分ける設計としました。

実現にあたって使用したものは以下のとおりです。

まずChatGPTとの壁打ちを繰り返しながら仕様として詰めていくことから開始。

以上で概ね 2人日程度。

私はPythonの経験が多くないこと、また今回の目的が「実装そのもの」ではないことから開発自体はOpenAI のCodexに任せました。

策定した仕様をCodexに渡すためのプロンプトをChatGPTにまとめてもらい、あとはCodexにプロンプトを投げて、1時間程度で実装完了。

今回は個人利用のツールなので稼働させながらテスト。
まだ問題が出る場面もありますが修正を重ねながら大きな問題なく稼働しています。

まだ稼働し始めたばかりで条件を広くしているため収集結果にはノイズも少なくありません。

しかし自分が無意識的に掛けるフィルターを超えた結果もあり、目的を果たせそうな感触があります。
上々のスタート。

生成AI を活用した開発は既にスタンダードになりつつあると思いますし、短時間である程度のものが実装できることも周知の事実です。

この状況の中、エンジニアにはより「設計の能力」と「理解力」が求められると感じています。

如何に仕様を網羅し言語化するか。
何を行い、何をやらないのか。

今回は私自身の転職活動における課題解決がテーマとなりましたが

なぜ課題と感じているのか？
何を探すかではなく、「どう探すか？」

にフォーカスし、私の考えるエンジニアの役割に沿った意義のあるトライができました。

ローカルLLMを活用した企業調査の自動化

Suzuki Jun