見出し画像

機械学習エンジニアのキャリアを考える!学生さんのためのお悩み相談室

自己紹介

◆遠藤 太一郎(えんどう・たいちろう)
エクサウィザーズAI技術統括。会津大学コンピュータ理工学部博士前期課程修了(首席)。​ 1996年、18歳からAIプログラミングを始める。米国ミネソタ大学大学院在学中に起業し、AIを用いたサービスを開始。​AIに関する実装、論文調査、システム設計、ビジネスコンサル、教育等幅広く手がけた後、株式会社エクサインテリジェンス(現 株式会社エクサウィザーズ)に参画。​国立大学法人東京学芸大学 准教授、理化学研究所 革新知能統合研究センター (AIP) 客員研究員、国際コーチ連盟ACC。AI時代の活躍人材の育成を軸の一つとして、東京学芸大学を始め、産官学連携しながら推進している。2021年4月にAIエンジニアリングフェロー就任。

◆井上 一磨(いのうえ・かずま)
2020年4月に機械学習エンジニアとして新卒入社。ハイパフォーマー/ローパフォーマー分析、・フレイル要因分析、DataRobot ML Opsを用いたML Ops運用支援などの業務を担当。

画像1

採用担当:
遠藤さん、井上さん、自己紹介をお願いします。

遠藤:
こんにちは、本日はよろしくお願いします!AIは20数年前から触れてきました。色々なことをやってきたのですが、エクサウィザーズの前身である、エクサインテリジェンスの時代からジョインしつつ、今は大学にも籍を置いて活動しています。前身の会社に入った時は、機械学習エンジニアは数名しかいなかったのですが、今ではプロジェクトが同時並行に50本ほど回せるくらいのエンジニア規模になってきました。今年度は機械学習エンジニアの採用を数十人規模で行うスケールに成長してきています。その中で、機械学習エンジニアの色々なキャリアについて向き合うことや、採用を通して候補者様と向き合ってお話を聞かせてもらうこともやってきています。また自分自身のキャリアとしても、大学など、色々なことを並行しながらキャリアデザインしてきているので、本日は参考になる話をインタラクティブにできればいいなと思います。

井上:
本日はお集まりいただきありがとうございます、よろしくお願いします。昨年(2020年)の4月に機械学習エンジニアとして新卒入社しました。これまで1年を通して、ハイパフォーマー/ローパフォーマー分析や、高齢者の虚弱の要因分析などを担当してきました。
私自身は学部の2年くらいから、ゼミで機械学習のR言語で分析するところから始まり、大学院で実際に理論の研究をしていたりしました。また自分の趣味で分析したりもしていて、機械学習にへの興味は持ち続けています。
そんな中、エクサウィザーズの掲げる社会課題解決に共感し、ジョインしました。
比較的年齢も近しいので、参考になればいいなと思っています。本日はよろしくお願いいたします。

採用担当:
よくいただく質問をいくつか用意してみましたので、お二人に順番に聞いていきたいと思います。

画像2

Q1.機械学習エンジニアが10年後もあるかわからないので、ソフトウェアエンジニアとしてフルスタックを目指した方が良いのではないかと悩んでいます。

遠藤:
「仕事に何を求めるか」だと思いますね。この質問は「安定」を求めているようにも見受けられます。VUCAという先の読めない時代と言われる世の中で、「安定」ってなんだろう、ということを同時に考えてみてもいいのではないかなと思います。まず、社会自体がどうなるか先が読みにくいということもありますが、「機械学習エンジニアに求められていること」がここ数年だけでもすごく変わってきている印象です。6〜7年前くらいはベンチャーサイズも小さく、全部自分でやるという状況でした。ライブラリも全然揃っていないし計算機環境もまだない時代で、全部自力で色々とやる、GPU付きのマシンを組んで当時数少ないライブラリのCaffeを動かす、というのが求められるスキルセットだったんです。
ここ数年で、ライブラリが充実してきたり会社規模やビジネスサイズが大きくなったり、技術進化が進んで求められることが変わってきました。今だと、AutoMLやNoCodeが流行り、これまでの機械学習エンジニアのノウハウがどんどん自動化されてきていて、数年で切り替わってきている状況です。

ではそんな中で問いに戻ると、世界的にはリスキリングという言葉が流行り始めてきています。特に、機械化・AI化・DXが進むことによって仕事の内容がだんだん変わってきます。そうすると大企業では、その人のスキルをチェンジしないと雇用が維持できないことが起こっています。「従業員のスキルをどうやったら変えていけるのか」がテーマになっていて、Amazonなど米国がそのテーマに取り組んでいるような状況なんです。

ではそういう時代で必要とされる力とはなんだろうと考えると、大きく2つほど挙げられると思っています。
1つめは、「学び続けること」。この学ぶということは、単純に勉強するだけではなくて、勉強以外の広範なスキル獲得や、振り返りの力も含めたことを指します。求められることがどんどん変わる中で「自分が価値を提供できるのはどこなのか」ということさえも変わってくるので、学び続ける必要がある。でもそれだけだと、キャリア的に不幸になるというか、時代の流れに合わせるだけになり、行ったり来たりしてしまう。なので、キャリアデザインもセットになってくると思っています。合わせるだけだと筋がなくてどこに行っていいかわからず、ふらついてしまい、働いていても楽しくないと思います。ですので、2つめのポイントとして、自分はどうなっていきたいのか、何がしたいのか、何がワクワクするのか、といったことがセットになってきます。自分としてはどうなりたいのか、どうありたいのか、何をしたいのか、といったことをある程度考えながら、周りの状況も読みつつ、自分の軸を作っていくことが重要なのかなと思います。

これはVUCAと呼ばれる先の読めない時代に、自らの未来を切り開く力につながってくると思いますし、逆に言うとそれが新しい時代の「安定」なのかなと思います。これまでの安定は特定の企業で長く働いていくことだったかもしれませんが、これからの安定は、自分で自分の未来を切り拓く力を身につけることなのかもしれません。
機械学習エンジニアという職種はこういった話がまさに最先端でくる領域なので、この業界・職種の中で自己研鑽していくことで、どこに行っても活躍できる人材になり、自分でどこで働くか、そこで何をやるか、を考えながらキャリア形成していくことができるようになると思います。それができるようになることが、新しい時代の「安定」なのではと思います。

画像3

採用担当:
主体的にキャリアを切り開いていく、ということは他の職種でも言えそうですね。

遠藤:
そうですね。あらゆる職種でそうですが、特に最先端でできる職種が、機械学習エンジニアなのではと思っています。

井上:
私も模索中ですが、なんでもできるようになった方がいいなと思っています。今は「MLOpsの技術・知識を身に着けないと」と思っていますし、どんどん時代で求められるように技術を身に着けながらも、「べき論」だけで続けると大変なので、MLOpsを通じてやりたい・ワクワクを見つけながら進んでいくことが重要であると考えています。その結果として、5〜10年後も、その時々に①好きなことで②ビジネス成果もあげられるように技術を身に着けながら、かつ③生き残りもできるよう、上手にベン図の真ん中に重複するような働き方をしていきたいと思っています。
ソフトウェアエンジニアとしてフルスタックを目指す場合は、自分のやりたいことにつながっており、先々の安定にもつながっている、と考えられればいいのかなと思います。
一方で機械学習エンジニア職種に関しては遠藤さんが言うように色々なことを求められていて、ソフトウェア要素も身に着けられますので、そういった意味で選択肢は広い職種なのかなと思います!

採用担当:
チャットでご質問をいただきました。
「機械学習エンジニアは新しい領域でグニャグニャしていると思いますが、筋はどこに置いていますか?」についてどう思われますか?

遠藤:
人によりますね。年齢や目指すところなどに起因しそうです。組織の中でのポジショニングを考えて強みを設定することもあれば、博士出身の方やアカデミック活動を続けている方は、アカデミック、ビジネスそれぞれで何を得て、その2つを掛け合わせることで自分の価値をどう創出していくのかとセットで設計していくパターンもあります。またどちらかというと、自分のスキルアップよりも「結果として社会にどう影響を与えるか」に重きを置く人もいます。どのような結果を出して、どう社会への影響につなげるか、など。人それぞれなので、自分がこういうことをやってみたい、ワクワクする、ということと、会社の進む方向性をうまくすり合わせていくことが大切かなと思い、エクサウィザーズでは丁寧にすり合わせるようにしていますね。
与えられた仕事をするだけ、だとなかなか自分ごと化できないですが、エクサウィザーズに所属することで「自分は何ができて、何を得られるのか」がバシッと決まると、アウトプットの質もまた変わってくると思います。

画像4

採用担当:
会社の目的と人生の目的がシンクする環境に身を置けるのは、すごく幸せなことですよね。
2つめのご質問です。「勉強に限らず広範なスキルを学び続ける」とは、例えばどんなことがあるでしょうか?

井上:
アカデミック面では、時間がある時は論文の調査、時間がない時は興味のある分野のアブストラクトに着目して読むようにしています。ツールの観点だと、Githubやライブラリを見て、実際にどのように使うのかを学んだりしています。考え方の観点では、ビジネス面でこの分析が社会にどう役に立つのか、お客様にこの結果をどううまく伝えられるのか、というコミュニケーション方法や表現方法を学んだり、メンタル面のケア方法を調べたりもしています。そのほかでは、自分の仕事に紐づいたテーマの読書などを行ったり、サイトを見たりして、メモをとりながら、自分の意見を持ち学ぶようにしています。

遠藤:
井上さんが今話してくれたことは、スキル・コンピテンシー寄りの話でいうと、少し具体的なスキル寄りのの話なのかなと。どのような意図でこの点をお話したかを補足をすると、もう少しコンピテンシーというか、ソフトスキル寄りの意図で話していました。いわゆるコミュニケーション力や、計画力やリーダーシップ力、分析思考、アレンジ思考、実行力など。こういう強みは、仕事をしていると身に着いてくるもので、職場やミッションが変わっても使えるスキルになりますし、強みが身に着くと、次の環境でもよりそれを高めていけるような経験ができるようになるので、キャリア形成の上での武器になってきます。それがあることで、できる仕事の範囲がどんどん広がっていくと思います。なので仕事をする時は、プログラミングのスキルを上げる!などのハードスキルも重要ですが、同時に強みとも言えるソフトスキルも高めることで掛け算でできることが増えていくので、意識されるといいと思います!
エクサウィザーズでの機械学習メンバー間では、半期の面談などでハードとソフトのスキルバランスを見てキャリアの話をしたりしています。

採用担当:
「機械学習エンジニアとして働く上で、大企業とベンチャーで身に付くスキルの差はあるのでしょうか。」というご質問もいただきました。次のテーマと重なる部分もありそうなので、あわせて話していきましょうか。

画像5

Q2. 周りでベンチャー志望の人は、そもそも自分にある程度自信やスキルがあると思っている人が多いですが、仕事を任されても自分にできるかが不安です。

遠藤:
数人規模のようなベンチャーなどとはまた異なってくるとは思いますが、エクサウィザーズでは成果を出しながら成長できる環境づくりをやっています。新卒入社でも自律的・主体的に仕事を進めることを期待しますが、業務を丸投げされても成り立たないし、組織のアウトプットも上がらないので、エクサウィザーズではある程度仕組み化をする体制を作っています。例えばギルド体制というものを設けているのですが、自然言語処理・画像処理・構造化データ処理・数理最適化という4つの専門領域に分けて、メンバーが主体的・自律的に仕事に取り組める体制を作っています。プロジェクトを進める上でお互いに情報交換したり、悩み相談もできる環境ですね。新入社員にはメンターがついてサポートしたり、普段から面談したり、一緒に中長期のキャリアを考えたり、会社の方向性とのすり合わせを行ったりしています。それによって、1〜2年で1人前として立ち上がってくるような形ですね。

井上:
「大企業とベンチャーの違い」に関して、大企業だと1つの分野に集中的に携わる印象があり、それぞれの分野で扱うビジネスモデルやデータの特性に面白さがあると思います。その点、エクサウィザーズだとプロジェクトが3~4ヶ月毎くらいで変わることもあるので、色々な領域を担当できるのは面白いと思います。もちろんベンチャーでも1分野特化型の会社もあるとは思うのですが、大企業とベンチャーの違いはもしかしたらこういう観点があるのかなと思います。

またエクサウィザーズでは、新卒で入ったメンバーが1人でアサインされて任される時は、ギルド体制(※前述)でフィードバックやアドバイスをもらいながら、チームでアウトプットの向上を図ります。入社当初はメンターに技術的アドバイスをもらったり、お客様とのコミュニケーションのために同席してもらってアドバイスをもらったりもします。最初は不安だったのですが、少しずつ慣れながら、安心して経験が積めました。
プロジェクトに関しても、研究していたことと近しい領域を任せてもらえて、比較的知っていることから入れたので、出てくる結果がなんとなく想像できるということは安心できる材料の1つでした。知らない領域の研究をしている先輩がいたら、教えてもらいながら一緒に切磋琢磨していければと思います。
私は新卒入社後からフルリモートワークで、先輩社員との対面での関わりが多いわけではなかったでのですが、皆さんが入社の時の不安要素に対しては先回りして、私の経験をもとに皆さんに還元しながらサポートしていけたらいいなと思います。

遠藤:
「大企業とベンチャーの違い」については「受動的か能動的か」という違いもあるかなと、大企業の人事の方とお話しする機会に感じます。全部が全部そうではないですが、大企業だと最初は上の指示にしっかり従っていくことが重要視される印象です。一方でベンチャー、特にエクサウィザーズの機械学習エンジニアの場合は自律的・主体的に動くことを重視していて、マネジメントが必要ない状態を目指しています。私もマイクロマネジメントをしないですし、マネジメントしていなくても仕事が回っていく、自分たちで自律的に回していく状態を目指しています。
先ほど井上さんがものすごく自然な流れで、「自分の経験を会社に還元していく方法を考える」といったことをさらっと話してくれていましたが、これも他社との違いなのかなと思います。1年ちょっとの入社歴なのに、組織へ還元していくことを考えてものすごく自然に言えるのは、特徴的なことだと思います。

採用担当:
では次の質問に移りましょう。

画像6

Q3. 自分の今の研究はデータサイエンティストに近いのではないかと思っています。データサイエンティスト的な関わり方もできるのでしょうか?

遠藤:
もちろん、できます。「機械学習エンジニア」という求人名にはなっていますが、希望することや考えていることを面談の中で教えてもらいながら能力のマッチなどを加味していき、データサイエンス案件に優先的に入っていくこともあります。案件として常時あるか、やりたい人が他にもいるか、などにも影響されるので100%確約ではありませんが、面談などを通じながらできるだけ希望が叶う形を目指して努力しています。

採用担当:
井上さんは今どんな関わり方をされていますか?

井上:
そうですね、データサイエンティストっぽい動きもやっていると思います。「この分析を通じて、お客様としてはこういうビジネス成果があげられそうです」といったようなプロジェクトに比較的アサインしてもらっている方だと思います。
プロジェクトやアサインタイミングにもよるとは思いますが、上司との面談を通じて自分のキャリア観・伸ばしたいことを養っていける環境を提供してもらっていて嬉しいですし、比較的楽しく仕事もできています。

採用担当:
先ほど出てきた「ギルド制」はどんな概念でしょうか、というご質問をいただいています。

遠藤:
一言で言うと、領域ごとの専門家集団です。その中で自律的に仕事が進められることを目指しています。例えば、今エクサウィザーズでやっている仕事の1つとして、色々な会社の課題を機械学習を使って解決していくというものがあります。実際に、ある会社のある課題について機械学習と相性が良さそうだ、という相談があがってくるんですよね。そうした時に、これは画像を使って解決できそうだ、となったら、画像ギルドのメンバーが、ビジネス職のメンバーと一緒に、解決策や筋の良し悪しをディスカッションして、どんな提案をするのか自分たちで考えてアレンジしていきます。
提案が通ったら、誰が何を担当するかを自分たちで決めながら、実際にプロジェクトを進めていきます。プロジェクトを進める中で疑問が出てきたら、ギルド内で意見交換したり、レビュー会を実施したりしています。プロジェクトを色々やっていくと色々な知見が貯まっていくので、Wikiやライブラリに蓄積し整理する活動もします。また、R&Dといった形で新しい知見をどんどん取り入れていく、例えば論文を読んで勉強会を実施したり、学会を聞きにいったりといったこともします。自分たちの仲間は自分たちで採用しようということで、採用基準をある程度内部で決めたり面接をしたりもします。

働く環境も含めて、自分たちで整備しながら心地よくより良い成果が出せることを目指しています。私含めマネジメントに関わる人は、自律的に進められるようなサポートをアレンジしていくようにしています。もともと自分がこのスタイルで進めていたのですが、後から会社として固めたマネジメント指針も同じような内容でした。
エクサウィザーズのマネジメントのスタイルは、この自律的に進められるようなサポートが基準になっているような気もします!
変化が激しいベンチャーの領域はトップダウンがあまり機能せず、現場の人が一番物事をよく知っているので、マネージャーが全部頭で考えて指示を出すと、世の中の動きとズレが生じてくるんです。現場で動いている人が一番よく知っているので、例えばどのライブラリでどのような風にやっていくのか、をマネジメント1人が決めるより、現場の意見を集約しながら方向性を示した上で、どうやって向かうのかを一緒に考えていく方がワークするのではないかなと思います。

採用担当:
最後のトークテーマにいきましょう。

画像7

Q4. ベンチャーは自分のやりたいことができる可能性が高そうで楽しそうなイメージはありますが、ベンチャーにいくことでその先のキャリアを不安に感じます。

井上:
今後の不安というと、「エクサウィザーズの井上さん」のように会社名でだけで見られてしまうことで自分の技術力向上を疎かにしないように努めています。今後は、技術で自分のスキルを売り、自分の取り組みたいことができるようなスキルを身につけたいたいと思っています。自分だけの技術を持っているからこそ、やりたいことを実現できるようにしていきたいと思っていますね。今のエクサウィザーズでは自分の志向性に合わせたプロジェクトを担当できているので、現段階ではキャリアに大きな不安はないです。まだ5~10年後どうなっていきたいかを会社の成長と合わせて描くことは十分できていないので、このギャップを埋める作業を、エクサウィザーズのメンバーや遠藤さんと話しながら今後固めていきたいと思っています。

遠藤:
実際、エクサウィザーズで働いているメンバーにはどこでも働けるスキルを身に付けてもらおうと意識しているので、エクサウィザーズの機械学習エンジニアとしてしっかり働いていれば、基本どこでも働ける人材になるはずです。少なくともエクサウィザーズで働いたら、不安に感じることはないのではないかなと思います。

これからのVUCA時代に、安定な存在があることはある意味まやかし、一見安定的な組織に見える環境は、ギャップが必ず生じていて不安定なはずなんです。崩れた時に中も一気に不安定になる。そういう時代に、不安定な環境を進んでいく力は、自分の未来を切り開く力になっていくと思うんです。これに関しては、仮に大企業であっても、今ここにいる理由とセットになっていく。今どうしてそこで働いているのか、を常に問い続けることが大切なんじゃないかと思います。今ここで働くことで何を得たいのか、何を成し遂げたいのか。そこを考えると自分の軸が出てくると思いますし、同じ仕事をするにしても心がけが変わってくると思います。「頼まれた仕事だから頑張ります」でもいいですが、自分が目指しているものがある上で「この仕事を通して自分は何が学べるのか」を主体的に考えると得られるものも変わってくると思います。

社会で働いていると、一見自分の興味と違う仕事もどうしても出てくるのですが、意味付けができると仕事の結果も変わってきますし、身に付くソフトスキルも変わってくると思います。なので、ここは意識してもいいことなのではないかなと思います。
組織のことを一旦置いておいて、個人のキャリアに閉じて考えると「選んで今この組織にいる」という意識を持ち続けることが、これからの時代に自分の未来を切り開く力としては重要なのかなと思います。日々自分に問い続けることで、働く場所を選べるようになるような立ち位置を作っていけるようになるのではと思います。

***

「AI×社会課題」に挑む仲間として加わってくださる方を募集しています!
詳細はこちらから

みんなにも読んでほしいですか?

オススメした記事はフォロワーのタイムラインに表示されます!