Indeed公司首席信息官兼首席安全官Anthony Moisant表示,Indeed基于云原生和数据驱动的数字化转型为其在快速发展的AI时代奠定了理想基础。
"我们不只是在采用AI技术。我们正在构建一个智能体公司,让人类智慧和同理心与机器智能相结合,"Moisant说道。
"这种巨大的技术变革让我们与求职者、雇主以及自己的员工建立了更好的连接,因为我们消除了系统中的大量摩擦,"他补充说。"这让与人们的对话变得更加丰富。"
Moisant同时担任母公司Recruit Holdings的执行官,此前曾领导姊妹公司Glassdoor的IT部门,他对同理心有着深刻理解。
作为波士顿大学CIO高管项目和美国海军核潜艇学校的毕业生,Moisant在核潜艇服役期间培养了对IT和编程的热爱。曾经历过无家可归经历的Moisant强调,他对Indeed使命的承诺既来自内心,也来自专业能力。
当Glassdoor联系他担任公司IT负责人时,他正在意大利。"当Glassdoor还很小的时候,我就抓住机会加入了,"Moisant说。"我爱上了帮助人们找工作这个理念。失业和缺乏经济保障的经历让我深有共鸣。"
创新基础的建立
五年多前刚到公司时,大部分基础设施都建立在传统的本地服务器平台架构上,IT团队认为这样更具成本效益,并能更好地控制公司命运。
当时,像Indeed这样规模的公司不在云端运行工作负载是很少见的,但Moisant知道其微服务平台在迁移时会是一个资产。认识到云计算将成为Indeed的游戏规则改变者,Moisant开始将工作负载迁移到AWS,以获得即时的敏捷性提升,同时为IT员工准备新的发展路径。
Indeed迁移到AWS的计划大约在四年半前制定,历时约一年半完成。最初采用直接迁移的方法,Moisant和IT团队在接下来的一年中专注于将Indeed的工作负载转变为云原生。通过拥抱开放性、容器编排和API优先的事件驱动设计,Moisant知道松耦合的云原生架构不仅能让Indeed最大化云应用的价值,还能为公司在AI时代做好定位。
"第一个转变是成为敏捷组织,进入超大规模服务商模式,调整我们的服务,统一数据策略,为下一波转型做好准备,"Moisant说。
全面改革公司数据架构是首要任务。首先,Indeed将数据湖从本地环境迁移到AWS。公司数据存储在Snowflake、Tableau和各种基于Elastic MapReduce的技术中,Moisant团队将这些都迁移到AWS上的统一数据湖和湖仓一体架构。这样做建立了一个可扩展且更灵活的共享数据架构,不仅适用于分析用例,也适用于运营用例。
着眼于AI未来,Moisant希望建立一个开放的数据架构,能够支持可观测性、治理、数据分类和质量控制。他和团队选择在Apache Iceberg上构建Indeed的数据湖仓。
随着行业动态的发展,这个决策为Indeed带来了超出预期的价值。"我们希望保持引擎无关性和统一性,"Moisant说。"本质上,查询引擎,比如是否使用Snowflake,变得不那么重要了。更重要的是拥有统一的基础设施。"
他补充说:"当Salesforce、亚马逊、谷歌和大多数大厂商开始让Iceberg的透明使用变得更容易时,这恰好释放了更多增量价值。我希望说我们选择这种策略是为了与所有这些云供应商的互操作性,但事实并非如此。我们选择Iceberg是因为它更持久、性能更好、更灵活。"
AI的工作机会
Indeed工程师多年来一直在开发机器学习算法和模型,以在求职者和雇主之间创造最佳匹配。但Moisant和他的IT团队认为,当他们近五年前开始Indeed迁移到云端时,生成式AI还很遥远。尽管如此,他们大约三年前就开始"试探"生成式AI试点项目,这些项目具有"前沿性"和"前景"。
团队对数据质量的关注使生产模型在两年前成为可能,此后不久,Moisant做出了在各处部署AI的决定。
CIO的计划目前涉及训练基于OpenAI的模型,但公司打算保持模型无关性,将选择任何模型——无论大小——来实现Moisant所描述的全公司努力,即识别将潜在员工与供应商匹配的新方法,并"重新构想"人们如何找工作。
Indeed的大部分生成式AI和智能体AI开发已经并将继续通过使用AWS"Bedrock类型"平台和基于AI的开发者工具在内部构建,Moisant说。
Indeed的另一个核心策略是部署Salesforce智能体,主要用于市场推广活动。
"我们不必为市场推广销售和客户服务需求构建自己的智能体解决方案,"Moisant说。"Salesforce是一个平台,我们获得的是速度和质量。我们可以利用他们在这些情况下的创新,这让我们能够专注于产品差异化。"
Indeed目前有四个Salesforce智能体在生产环境中运行,以及六个CIO声称具有智能体特征的内部产品。还有20多个其他智能体正在开发中。
智能体AI可能会改变并完全自动化Indeed的许多关键业务流程,但Moisant明确表示,人类输入和人类互动将始终发挥作用。"归根结底,我们是使命驱动的,"这位CIO兼CSO说。"一切都回归到帮助人们更快找到工作——这是人性化的。"
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。