DINQ：AIエージェントでAI人材を発掘し分析するタレントエンジン

AI分野の採用が難しいのは、人材が散らばっているからです。大規模モデルの学習、マルチモーダル処理、推論最適化に実際に携わったエンジニアや研究者の成果は、論文のプレプリントやリポジトリ、学会発表に残るもので、求人サイトのプロフィールには現れません。DINQはこの問題をAIエージェントで解きます。まず公開情報から候補者を探し、その人が何に強いのかを構造化された形で示します。

DINQはAI領域に特化した人材エンジンです。エージェントが公開情報から研究者と開発者を特定し、企業や研究機関が特定の技術要件に合う候補者を絞り込むのを支援します。もう一つの履歴書データベースではなく、公開された技術的な痕跡を、採用担当者が判断できるシグナルに変換する仕組みです。

データ層では複数の信頼できる公開情報を統合しており、Google ScholarやGitHubがその例です。学術的な成果、コード上の活動、技術スタックの傾向を一つの候補者記録にまとめ、研究実績・エンジニアリング能力・実務経験を同時に評価できるようにしています。

Web画面に加えて、DINQ-as-a-Service（DaaS）という提供形態もあります。既存の採用システムに組み込めるため、新しいツールを増やさずに検索と人物分析を現在の業務フローの中で使えます。

DINQの主な機能

グローバル人材検索

エージェントが公開情報からAI人材を探します。問いかけているのは「誰が出願したか」ではなく「誰が実際にその課題に取り組んでいるか」であり、候補者群をゼロから作るときに効きます。

複数ソースの統合

学術とコードのシグナルを同じ記録にまとめ、論文は強いが実装経験が不明、あるいはリポジトリは活発だが体系的な研究が見えないといった取り違えを減らします。

セマンティック検索

氏名や研究者プロフィールのURLだけでなく、必要な人物像を自然言語で記述できます。マルチモーダルモデルを専門とし製品化の経験がある研究者、といった指定が可能で、順位付けは技術背景も考慮します。

細かい絞り込み

技術スタック、経験年数、所在地、希望給与を組み合わせ、広い候補群を一人ずつ確認できる規模まで狭められます。

候補者の深掘り分析

候補者ごとに分析の深さを指定でき、多次元の分析を展開します。時系列の履歴書ではなく、主要な属性と伸びしろを示します。

可視化された人物像

スキルレーダー、成長のタイムライン、影響力スコアにより、能力の形とキャリアの道筋を一目で把握できます。

協働ネットワーク図

学術的な共著関係、産業界のつながり、影響力の伝播経路を描き、候補者の協働範囲や業界での位置を判断する材料になります。

リアルタイムの潮流分析

集計分析により、注目される技術領域、人材流動のヒートマップ、細分領域ごとの給与参考値を示します。

イベント駆動の更新

記録は継続的に追跡され、新しい論文やリポジトリが反映されます。登録した時点で情報が止まることはありません。

DaaS連携とデモ依頼

企業は自社の採用システムに接続できます。導入前にデモを依頼し、機能とデータの境界を確認できます。

使い方

1. アカウントを作成し、席数と権限の分け方を決めます。
2. 具体的な要件から始めます。研究者プロフィールのURLを貼る、氏名を入力する、欲しい人物像を自然言語で書く、のいずれかです。
3. 技術スタック、経験、所在地、希望給与の条件で結果を絞り込みます。
4. 候補者ごとに深掘り分析を開き、スキルレーダーと成長のタイムラインを照らし合わせます。
5. チームへの適合や人脈の広さが重要なら、協働ネットワーク図を確認します。
6. 給与参考値で報酬レンジを調整してから最初の接触に進みます。
7. 企業利用ではデモを依頼し、DaaSの連携範囲とデータの扱いを確認します。

向いている利用者

• AIチームを立ち上げる採用担当者：応募してくる履歴書の外側にいる人材を探したい場合。
• 研究機関やラボ：特定の技術領域で協力者や研究者を探す場合。
• 採用面接官や技術マネージャー：最初の面談前に技術的な見立てを持ちたい場合。
• 投資家や業界アナリスト：人材の流れと細分領域の給与水準を追う場合。
• AI研究者やエンジニア本人：外部の視点で自分の位置を測り、成果を説明したい場合。

導入前に知るべき制約

• 価格、プラン構成、無料枠は公開されていないため、予算は提供元に確認する必要があります。
• 対象は公開情報に依存します。未公開の社内プロジェクト、独自システム、英語以外のコミュニティは反映が不均衡で、スコアは判断材料であって結論ではありません。
• 公表されている情報源は一部のみで、全リスト、更新頻度、遡及年数は明示されていません。
• 影響力スコアやスキルレーダーの算出方法は非公開のため、領域をまたいだ点数比較は信頼できません。
• 個人データを扱うため、情報源の適法性、保存期間、削除の仕組みは各地のプライバシー規制に照らして確認が必要です。
• セマンティック検索の精度は記述の質に依存し、曖昧な要件では結果も曖昧になります。

よくある質問

求人サイトとの違いは何ですか。

求人サイトは仕事を探している人を示します。DINQは公開された研究やコードから実際に手を動かしている人を示すため、転職活動をしていない候補者にも届きます。

氏名が分からないと使えませんか。

いいえ。研究者プロフィールのURLから始めることも、必要な人物像を自然言語で記述することもできます。

分析結果をそのまま採用判断に使えますか。

絞り込みの補助として使うのが適切です。面接での印象、協働の履歴、チームへの適合は公開情報からは分かりません。

既存の採用システムを入れ替える必要はありますか。

ありません。DaaS形態で検索と分析を現在のシステムに接続できます。