ID:56324さん

# 背景 入社当時は社内にData Scienceのチームが存在せず、データサイエンティストが一人もいない状態でした。「データサイエンティストが何を価値として提供できるのか」が理解されていない環境の中で、データサイエンティストの価値を感じてもらうために、各部門のデータ分析を引き受け、信頼を獲得することから始めました。 営業、マーケティング、カスタマーサクセスなど、複数部門の分析・改善支援を行いながら、並行してAIプロダクトのゼロベース開発〜リリースまでをリード。これらの成果を通じて、社内に「データサイエンスの価値」が浸透し、結果としてData Science Divisionを正式に立ち上げることができました。 現在は、データ分析とAI開発の両軸で、 - 自社プロダクトへのAI機能実装・運用 - 各部門のデータドリブンな意思決定支援 を担う部門として、組織的な価値創出を継続しています。 # 主な取り組みと経験 - 経営層との連携：社長・執行役員と定期的に協議し、経営課題とデータ活用方針を接続。事業戦略に即したAI/分析テーマを設定。 - 課題ヒアリングとテーマ設計：データ分析が前例のない部門に入り、現場の課題を可視化。業務フロー・KPIを再定義して分析設計を主導。 - 分析〜施策モニタリングの仕組み化：単発分析で終わらせず、効果検証とモニタリングを仕組み化。継続的改善サイクルを導入。 - AI企画の具現化：抽象的な「AI活用アイデア」を、実装可能な技術仕様と開発ロードマップに落とし込み、リリースまでリード。 - Division方針の策定：Data Science Divisionとしての存在意義・重点領域・技術原則を整理し、ミッション・ビジョンを策定。

# 背景 カードゲームのスマートフォンアプリおいて、対人コンピュータの手を選択するAIを開発しました。このサービスは、オンライン上でプレイヤーがマッチングして戦うゲームであるため、サービスにログインしても同時刻にプレイヤーがいなければ、ゲームができなくなってしまうという問題がありました。更に、強いプレイヤーほど同レベルのプレイヤーがいなくなるため、強いプレイヤーと戦えるようなゲーミングAIが必要になりました。 # 担当領域 AIモデルの企画から運用 - AIモデルの設計 - AIモデルの開発 - バックエンドエンジニアとのコミュニケーション - AIモデルの運用 # 構築したモデル そこで、その当時最先端の深層強化学習のアルゴリズムであったAlphaGO Zeroを参考にし、自社サービス用にAIモデルを構築しました。構築したモデルは、モンテカルロ木探索と選択手の確率を予測するディープラーニングを組み合わせたものです。 ディープラーニングは、インプット情報として、手札のカード、自分がそのターンまでに選択したカード、相手がそのターンまでに選択したカード、自分のHP、相手のHP、ターン数、特殊効果の使用履歴など数千種類とし、アウトプットとして選択手の確率を予測します。 # 大変だったこと 大変だったのは、論文を読みながらアルゴリズムを設計し、サービスに適した形に変形させたところです。モンテカルロ木探索を使った選択手の学習において、AIモデルだけで学習データを作り強いAIプレイヤーを作り上げるのは時間がかかってしまったので、強いユーザーのプレイログを学習データに加えて強化するなどの工夫をしました。最終的には、強いプレイヤー群の中で勝率が60%を超えるAIを構築できました。 # プロジェクトの立ち上げ また、プロジェクトの立ち上げのための提案も行っており、プロデューサーにゲーミングAIの必要性を理解してもらうために、PyQtを使って模擬的なカードゲームのGUIを作り、AIがプレイしていることを見てもらいました。それにより、開発へのGOが出ました。 # 使用した言語やライブラリ - Python - thensorflow - PyQt