ID:29738さん

# [業務内容] * ノーコード AI 開発ツールである Web アプリケーションの開発運用 * ソフトウェアエンジニアとして、フロントエンド実装/システム設計構築/SLO 策定などアプリケーションの開発運用に関わる取り組みを幅広く実施 * 機能開発においては、機能次第でフロントエンドやバックエンドの実装、システム設計からインフラ構築を担当 * サービスのあるべき状態を定量的に定めるためにビジネス要件からブレイクダウンしてシステムの非機能要件を定めるといった SLI/SLO 策定にも取り組む # [プロジェクト規模] * 約 15 名 # [特筆すべき取り組み①] 数千万規模の収益化を実現する API アーキテクチャの設計・構築 ## 概要 * GUI 限定のツールから、顧客システムへの組み込みを可能にするイベント駆動型 API 基盤へ刷新した * 要件定義から実証までをリードし、新たな収益モデルの確立に寄与 ## 期間/役割/規模 * 2024.10 ~ 2025.01 * クラウドアーキテクト、バックエンドエンジニア、フロントエンドエンジニア * PO 1 名、テックリード 1 名、開発メンバー 5 名（私含む） ## 課題 * 従来のツールは GUI での操作を前提としていたため、顧客が自社システムへ AI モデルを組み込む際の「ワークフローの分断」と「運用の属人化」が大きな障壁となっていた * 具体的には、初手の開発フェーズでの AI モデルの構築には GUI で十分だが、その後の商用運用フェーズでの AI モデルの推論から再学習のフローを自動化する手段がなく、顧客が求める AI モデルの利用による業務効率化という本質的な価値を提供しきれず、数千万規模の案件を創出することができていなかった ## アプローチ * 顧客の「商用運用における自動化」という課題を解決するため、web ツールからシステム連携を前提とした API プラットフォームへ刷新する方針を策定した * 技術選定におちては、将来的な数万件の学習および推論リクエストによる「負荷スパイクへの耐性」と、高い負荷が予想される学習処理が推論処理に影響を与えない「処理の隔離性」を優先事項と定義した * 具体的には、キューイングに Pub/Sub、ワークフロー制御に Workflows、長時間実行タスクの並列処理に Cloud Run jobs を組み合わせることで、スケーラビリティと耐障害性を担保する疎結合なアーキテクチャを独力で定義した ## 私の取り組み * 抽象的なビジネス要件を、スケーラビリティや可用性といった具体的な非機能要件へと翻訳し、システムアーキテクチャの設計からプロトタイプ実装、本番環境の構築までを一貫してリード * 開発フェーズに留まらず、社内のセールスチームに対する技術仕様の解説や導入ノウハウの共有を主 ## 工夫 * Google Cloud の全認定資格を取得する過程で得た体系的な知見を基に、非同期処理における冪等性（リトライ耐性）の確保や開発環境と商用環境での環境差異を極力減らし商用デプロイ時のリスク低減など、商用運用に向けて致命的となる懸念点を設計段階で排除した * 学習時間の変動によるタイムアウトリスクを回避するため、顧客には即時レスポンスを返し、バックエンドで処理を完遂させる非同期処理モデルを採用し、ユーザー体験の向上とシステム負荷の低減を実現した ## 結果 * 複雑な非同期基盤を短期間で完遂し、商用リリース後の致命的なトラブルはゼロであり技術品質とデリバリースピードの両立を証明した * API 提供による商用運用における自動化が実現可能になり、数千万規模の案件の交渉が可能となった --- # [自己 PR] ## 【3年連続 Google Cloud Partner Top Engineer 選出とコミュニティへの貢献】 Google Cloud に 6 年以上携わり、3 年連続で「Top Engineer」に選出されるなど、社外でも認められる専門性を有して います。この知見を単なる技術発信に留めず、「技術を事業成長に繋げる」ための組織活動を牽引しました。 * 具体例 AI 開発ツールという高度な専門性が求められることでセールスが困難になっていた課題に対し、社内セールスチーム向 けのコミュニティを自ら組成。日々の情報展開や熱意あるメンバーとの対話機会を戦略的に増やした結果、本ツールを導 入したいという案件流入数を数倍に引き上げ、中には数千万規模見込みの新規案件創出にも貢献しました。 ## 【Google Cloud 全 13 認定資格保持と高度なアーキテクチャ設計力】 全 13 個の専門資格を保持し、技術的裏付けに基づいた高精度なアーキテクチャ設計を得意とします。 * 具体例 ノーコード AI 開発ツールの API 刷新において、将来的な数万件のスパイク耐性を見越し、サーバーレス（Pub/Sub, Workflows）を組み合わせたイベント駆動型基盤を独力で定義。商用リリース後の致命的トラブルをゼロに抑えるなど、設 計段階での徹底的なリスク排除を実現しています。 ## 【広範な技術領域を網羅した実践的な開発経験】 フロント、バックエンド、データ基盤の全領域を網羅した実務経験を有し、アプリケーション開発やプラットフォーム開発にて 高い順応性を持っています。 * 具体例 推論 API のリアーキテクチャにおいて、AI モデル固有の処理をワーカーとして分離し、プラグイン型のアプリケーション構 造を設計。後続の開発者が最小限の実装でモデル追加を可能にする「拡張容易性の高いアプリケーションアーキテク チャ」を短期間で構築できました。 ## 【ビジネスの成功を最優先する課題解決スタンス】 「技術はビジネスを成功させるための手段」という軸を重視しています。単なる技術的興味に留まらず、ビジネス要件や ユーザーのペインポイントを起点に、なぜその課題を解くべきかを深掘りし、価値の最大化を目指して行動します 。 * 具体例 AI モデルの精度劣化が顧客のビジネス機会損失に直結するリスクを予見し、未経験領域であった MLOps の導入を独力 で検討開始。最新技術を即座にキャッチアップして構築したプロトタイプを早期に顧客へ提示し、現場のフィードバックを得 るといったアクションを短期間で実施しました。

# [業務内容] * 社内分析者向けのデータ分析基盤のリファクタリング * データエンジニアとして、既存の Google Cloud によるデータパイプラインをより可視性が向上するデータパイプラインへとマイグレーションを実施 # [プロジェクト規模] * 約 10 名 * データエンジニア # [特筆すべき取り組み] ## 期間/役割/規模 * 2025.10 ~ 現在 * データエンジニア * PO 1 名、開発メンバー 1 名（私） ## 課題 * 従来のデータパイプラインは Yaml でワークフローが管理されており、過度に抽象化されていることから実装者以外は詳細を理解しづらく追加実装やリファクタリングに着手できない状況という課題が存在した ## アプローチ * データパイプラインでどのような処理が実施されているかや各種データがどういった流れで扱われているかなどの処理対象データや過程が可視化されるような形にリファクタリングすることを目指した ## 私の取り組み * 従来のワークフローサービスから Google Cloud の ETL/ELT サービスである Dataform というサービスにデータパイプラインをマイグレーションすることで処理や過程の可視性を高めた * 本サービスは適切なデータ参照を設定することで上流下流にどのようなデータソース/テーブルが存在するかがわかるデータリネージが可視化され、利用者にとってデータの流れを追う上で最適なソリューションとなっている ## 工夫 * プロジェクトのジョインから短期間で複雑なアーキテクチャの理解や複数のデータパイプラインのマイグレーションを求められたため、生成 AI をフル活用することで 1 週間ほどで取り組むための前提知識の土台を構築した * 特に従来のワークフローはデータリネージが非常にわかりづらかったため、生成 AI にパイプラインを読み込ませてデータの流れがわかるようにアーキテクチャを出力されるという使い方によって自身の全体把握を促進した * マイグレーション時に複雑な集計ロジックが適切に移行できているかを担保することが求められたため、Dataform 版のロジック作成に加えて従来のワークフローの結果と比較検証を行うテストも設計した * レコードには様々なデータ型が含まれているため、これらをハッシュ値に変換して合計することでマイグレ前後で差異がないことを担保した

# [業務内容] * 社内分析者向けの大規模データ分析基盤の開発運用 * データエンジニアとして、既存のオンプレと AWS から構成されるハイブリッド環境にBigQuery を中心とした Google Cloud のデータ分析基盤を導入や社内のデータ分析者向けに AWS 上に構築したデータ分析環境の提供を牽引 # [プロジェクト規模/役割] * 約 20 名 * クラウドアーキテクト、データエンジニア、チームリーダー # [特筆すべき取り組み] マルチクラウド戦略によるベンダーロックインの打破と、インフラ調達コスト30-40%削減の実現 ## 概要 * 単一ベンダー（AWS）依存によるインフラ調達コストの高止まりを解消するため、Google Cloud への移行可能性を実証するアーキテクチャ設計・構築を牽引 * 厳格なセキュリティ要件下でのマルチクラウド化を実現し、インフラ調達コストの大幅な削減に直結させた ## 期間/役割/規模 * 2019.04 ~ 2021.09 * クラウドアーキテクト、データエンジニア * PO 1 名、開発メンバー 1 名（私） ## 課題 * 既存のデータ分析基盤が AWS（Redshift）に依存しており、複数年単位のリソース購入時に価格交渉の余地がなく、インフラコストの最適化が困難なベンダーロックイン状態にあった * 大規模な通信データを扱う性質上、他社クラウドへの移行検討には「現行と同等以上のパフォーマンス」と「パブリックインターネットから完全に隔離された極めて高いセキュリティ水準」の両立が不可欠であった ## アプローチ * 特定ベンダーに依存しない経営選択肢を創出するため、Google Cloud を用いた代替基盤を構築し、実運用に耐えうることを実証することを目指した * 単なる技術検証に留まらず、オンプレミス・AWS・Google Cloudが混在するハイブリッド/マルチクラウド環境において、ネットワークセキュリティを担保する共通アーキテクチャを策定した ## 私の取り組み * BigQuery を中心とした Google Cloud 環境の設計・実装をリード、既存の複雑なETL処理を再設計し技術的な実現可能性を担保した * 組織内の厳しいセキュリティ基準を満たすためのネットワークアーキテクチャを独力で設計・検証した ## 工夫 * パブリックインターネットからのアクセスを完全に遮断し、特定の閉域網経路のみに限定したAPI利用環境を構築した * 仕様が把握しづらかった当時の VPC Service Controls に対し、全アクセスマトリクスを作成する網羅的な検証を実施し、セキュアな基盤を確立した * 設計精度を担保するため、アーキテクチャ、データ、セキュリティの 3 領域でプロフェッショナ ル認定資格を取得した * 体系的な知見に基づき、移行後のパフォーマンス劣化やセキュリティホールを未然に防ぐ設 計を完遂した ## 結果 * 本実証を背景としたマルチベンダー間の価格交渉により、AWS単独での更新時と比較して30~40% のインフラ調達コスト削減を実現した