tomoyuki ishii

キャリアビジョン


センサとクラウドをつないで実際に使われるものを作りたい

### そう思う理由 自分が作ったものが現場を変える瞬間がいちばん面白いと感じています。これまで担当してきたのは、店舗の接客現場に置く音声解析SaaS、自動車部品工場のライン、そして現在の工場設備データ収集で、いずれも「センサでデータを取り、エッジで処理してクラウドに集約し、現場が使える形に戻す」という構造でした。音声・画像・PLCデータと対象は変わっても、やってきたことは共通しています。次はその対象を農地や農業機械にしたいと考えています。 きっかけは狩猟です。狩猟免許(第一種銃猟)を取り、巻狩りでは待ち子(打ち手)として参加しています。狩猟に関わるようになってから獣害の話を身近に聞くようになり、畑をアライグマに荒らされた同僚から相談を受けて、捕獲に向けて2026年9月に狩猟免許(わな猟)の受験を予定しています。こうした被害への対処が現場の個人の工夫と労力に委ねられている一方で、自分が仕事で扱ってきたセンサとデータの技術が活かせる余地はあるのではないかと考えるようになりました。 ### 具体的にやりたいこと **屋外・不安定な環境で動き続けるものを作る仕事**を続けたいです。計算資源が足りない、通信が切れる、端末が旧世代のまま更新できない、という条件は、これまで扱ってきた店舗や工場と、農地や農業機械で共通しています。理想的な環境を前提にせず、通信断や異常な入力を受けても処理を継続できる形で設計してきたので、この条件はむしろ得意な領域です。 **リーダーと実装の両方に関わりたい**と考えています。現在はプロジェクトリーダーとして顧客・プライムSIer・海外ベンダーとの条件詰めを担当しつつ、エッジアプリの実装も自分で書いています。実現可能性の判断とスケジュールの見立てを自分の責任で示せるのは、設計と実装を自分で担っているからだと考えています。できるだけ実装に関わりたい一方で、プロジェクトリーダーのような役割も引き受けるつもりです。 **作った後の運用まで見たい**です。前職のプロダクトでは、開発だけでなく端末の死活監視、障害の一次対応、AWSのIaC化、運用手順の整備まで担当しました。結果としてそれが、他社へ事業を引き継げる状態を作ることにも繋がりました。長期運用を見据えた監視・保守の設計に活かせると考えています。 ### 希望する環境 - 趣味で狩猟を行っており、猟場や射撃場へ定期的に通う必要があります。そのため、関西で腰を据えて働ける環境を希望しています - フルリモート自体は問題ありませんが、プロダクト開発では他メンバーやPdMと密に連携できる環境の方が判断が速く進むと考えています - 生成AIを開発に使える環境であることを重視しています(現在もコーディング支援を前提にした開発フローで進めています)

プロジェクト経験

プロジェクトカテゴリ
担当工程
経験した職種・役割
あなたが実際に使っていた技術
このプロジェクト詳細は公開されていません

プロジェクトカテゴリ
担当工程
経験した職種・役割
あなたが実際に使っていた技術
このプロジェクト詳細は公開されていません

プロジェクトカテゴリ
担当工程
経験した職種・役割
あなたが実際に使っていた技術
このプロジェクト詳細は公開されていません

2023年/2年以上

製造ライン作業者解析 AI(受託 / 業務システム)

### プロジェクト概要 自動車部品工場で作業者 11 動作をリアルタイム分類し、生産ラインの異常検知・品質改善・トレーサビリティ証跡に活用するエッジ AI システム。 Raspberry Pi 単体で **20 fps / Top-1 89 %** を達成し、複数工場へ横展開。 ### 直面した課題 * 32-bit OS 制約で fps が 15 未満(要件 15+) * 工場側セキュリティソフト必須 → カーネル互換が崩れクラッシュ * 推論時の熱暴走で Pi がサーマルスロットル ### 取り組み * 依存ライブラリを置換し、aicastOS を 64-bit へ全面移行 * ST-GCN++ を蒸留+量子化 * パイプライン並列化、推論hefファイルの一括投入による最適化にて発熱ピークを分散 ### 成果 * **13 – 15 fps → 20 fps**、CPU 60 % → 45 %・メモリ 700 MB → 480 MB * 精度 **18 % → 89 % (11 class, Top-1)** ### 工夫した点 * Hailoプロセッサを使用し、複数の推論モデルの並列処理動作及び高速化 ---

2022年/1年以内

小売向け音声解析システム再構築(通信キャリア PoC)

### プロジェクト概要 大手キャリアに導入されており、別会社のチームが放棄した音声解析ソリューション+ハードウェアの C + Python ハイブリッドコードを解析し、全国店舗向け PoC サービスを復旧。 顧客は既存マイクデバイスを流用する要望で、ソフトウェアのみ変更し、自社プラットフォーム上でのアプリ化。 ### 直面した課題 * 仕様書・ビルド手順はあるが、依存ライブラリが古く起動不可、現代用に大量に読み替え&調整が必須 * その状態から運用・保守を行い、新規顧客へ展開 新規機能開発まで担う必要あり ### 取り組み * コードリバースエンジニアリングを行い、サーバ稼働環境を作成 * リファクタを行い、顧客要望に合わせた機能開発と調整実施 ### 成果 * 作業時の単価(月額200 万円) * 保守契約(月額 60 万円)を締結 ### 工夫した点 * 大手キャリアのシステムを運用保守とPoC導入サポートを実施 * 自社サービス上での安定稼働を実現

2021年/3ヶ月以内

サービスロボット搭載用障害物回避・人追従システム構築

## サービスロボット障害物回避 AI 開発 **期間**: 2021/12 – 2022/03 **チーム規模**: 4 名 **担当工程**: 開発/検証 ### プロジェクト概要 客先で販売しているサービスロボットに、人・障害物をリアルタイムで検知し回避・追従を行う機能を追加。カメラ映像をディープラーニングで解析し、走行システムへ最適な行動指示を送るミドルウェアを 4 週間で実装し、展示会デモに投入。 ### 主な貢献 - **人・障害物認識モジュール**の実装 - **走行指示インターフェース**の実装(外部ベンダ製バイナリを解析し自社アプリへ統合) - **人追従アルゴリズム**の設計・チューニング ### 課題 1. 起案からデモ公開まで **約 1 か月**(12 月中旬 → 1 月中旬) 2. 走行指示部は外注バイナリのみ提供、**ソースレス統合** が必須 3. GPU 搭載エッジ端末での推論が **5 FPS** と低速 ### 取り組み - バイナリの通信ログを解析しコマンド体系を推定、独自ラッパを実装して走行系と接続 - 認識・指示生成・通信・センサ取得を **マルチスレッド/非同期化** し処理分散 - ボトルネックを洗い出し、パイプライン最適化で推論速度を向上 ### 成果 | 指標 | 改善前 | 改善後 | |------|--------|--------| | 推論フレームレート | 5 FPS | **10–15 FPS** | | デモ納期遅延 | – | **0 日**(予定通り公開) | | 展示会評価 | – | **来場者から高評価** |

2021年/3ヶ月以内

サービスロボット搭載用音声認識システム構築

## サービスロボット向けホテル案内音声機能開発 **期間**: 2021/12 – 2022/03 **チーム規模**: 4 名 **担当工程**: システム設計 / 開発 / 検証 ### 概要 客先で販売中のサービスロボットに、ホテル内案内を行う **音声認識・音声発話機能** を新規実装。 * 音声認識モジュールと応答生成部を開発 * 認識語彙の策定と精度評価を担当 * 既存ロボットシステムとの統合に向け、他機能への影響調査と仕様調整を実施 ### 主な貢献 - **音声認識 / 発話部の設計・実装** - **認識語彙リストの作成** とチューニング - **応答ロジック**(受信ワードに対する返答・リアクション)の実装 - ロボット走行音・BGM など環境ノイズを考慮した **マイク選定・検証** ### 課題 1. 当初予定していた Windows + C# から、組み込み制約により **Debian Linux + Python** へ急遽変更 2. Debian が古く、パッケージの新規導入や更新が困難 3. OS ・言語ともにチーム内経験が浅い状態での開発開始 ### 取り組み - 既存パッケージのみで動作する音声認識ライブラリを調査し、Python で組み込み - 認識・発話・ロボット制御を分離し、他機能へ影響しない形で統合 - ノイズ源ごとにテストを実施し、マイク位置と指向性を調整 ### 成果 - **音声認識システムのインストール手順書を整備** し、ロボット開発チームへ共有 - 認識精度向上に合わせて **応答時のリアクション(確認発話・LED 点灯など)** を追加 - マイク選定と検証により、走行音・BGM 環境でも安定動作を確認

2020年/半年以内

座席カバー縫製指示ソフト・縫製履歴閲覧ソフト作成

## シグナルタワー・縫製ライン多プロセス化改修 **概要** 既存のシグナルタワー・ミシン・バーコードリーダーを **1 プロセス** で運用していた座席カバー縫製システムを、**最大 16 プロセス同時稼働** の非同期通信システムへ改修。SQLite 上に処理済み工程を保存し、アプリケーション UI でリアルタイム表示できるようにした。 **担当工程**: システム設計 / 開発 / 検証 / テスト **チーム規模**: 4 名 ### 主な貢献 - SQLite への **マルチスレッド同時書き込み** 処理を実装し、処理速度を向上 - 保存済み工程をアプリ上に表示する UI を作成 - 各端末と TCP/IP で通信する **マルチスレッド通信部** を実装 - 経過データを一括削除するメンテナンス機能を追加 - DB インデックスを設計・調整してクエリ応答を高速化 ### 課題 1. マルチスレッド処理や TCP/IP 通信の実装経験が乏しい状態からの開発 2. SQLite は Update / Delete が高コストで、大量削除時にロック発生 3. 工場稼働開始時に 1.5 万件/日 のデータ削除が必要 ― 遅延すると稼働停止の恐れ ### 対応 - 技術書や MSDN を参照しながら非同期処理と TCP 通信を 1 か月で実装 - 削除対象外レコードを別テーブルにコピー → テーブルをリネームし直す方式で、 **1 万件超の削除を約 5 分 → 3 秒** に短縮 - インデックス設計と VACUUM を組み合わせ、起動処理も高速化 ### 成果 - **16 プロセス同時稼働** を実現し、工場稼働中も DB ロックによる停止ゼロ - 起動時の大規模データ削除を 3 秒程度で完了し、稼働開始を遅延させない運用を確立 - 開発手順と DB 運用フローをドキュメント化し、チーム全体へ共有

マネージメント能力

大手自動車メーカーの工場設備データ収集案件のうち、産業IoTプラットフォーム導入検証プロジェクトのリーダーを担当しています。マネージメント対象は、プライムSIerを介した三者体制(エンドユーザー/プライムSIer/自社)における技術検証のスコープ・スケジュール・成果物と、製品ベンダーを含む関係者間の論点調整です。あわせて、主担当だった自社SaaSの事業譲渡に伴う技術資産の移管も推進しました。
技術検証では「この構成で本当に動くのか」という問いに、顧客が投資判断できる粒度で答えを出す責務がありました。工場のPLCからクラウド(Databricks)までのデータ収集構成が実現可能か、どの製品構成とサイジングが必要か、どこにリスクが残るかを、根拠付きで示すことです。 事業譲渡では、譲渡先のエンジニアが当社に問い合わせずに日常運用と障害対応を回せる状態にすることが責務でした。ソースコード・AWS環境・稼働中デバイス・ドキュメントのすべてを、期限内に、サービスを止めずに引き継げる状態にする必要がありました。
## 基本的な考え方 多階層の体制や引き継ぎの場面で失敗するのは、技術的に難しいからではなく、関係者の認識がずれたまま進むからだと考えています。そのため、構成を図にして共通認識を作ること、タスクを洗い出して整理すること、認識がずれていないか都度確認することに時間をかけています。 ## 産業IoTプラットフォーム導入検証(プロジェクトリーダー) ### やっていること - **AWS構成図の作成**: 検証構成の通信経路とコンポーネント配置を図にして、関係者が同じものを見て話せる状態を作りました。構成が変わるたびに手で描き直すのが非効率だったため、図をスクリプトから生成できる形にしています。 - **タスクの洗い出しと整理**: 検証項目、必要な事前作業、確認待ちの論点を整理し、次に何を決める必要があるのかを明確にしながら進めています。 - **担当者間の認識合わせ**: 顧客・プライムSIer・自社・製品ベンダーの間で、作業の前提や範囲の認識を都度確認しています。ここがずれるとそのまま手戻りになるためです。 ### 問題1: 工場ネットワークの制約が後から出てくるリスク 工場のFA-LANには通信制限があり、通信頻度にも制約があります。この種の制約は、検証が終わって導入直前に発覚すると構成をやり直すことになります。 そこで検証を始める前に、「高頻度で通信している処理はあるか」「頻度をコントロールできる設定はあるか」「プロキシ非対応の通信はあるか」といった論点を製品ベンダーへの確認事項として先に出しました。技術的に面白い部分よりも、詰まると全部やり直しになる部分を先に潰す判断です。 ### 問題2: 製品が海外ベンダー製で、公式ドキュメントだけでは判断できなかった 特にクラウド側の連携(Amazon MSKでの動作実績、対応Kafkaバージョン、Databricksへの出力経路、EKSでのサポート状況と推奨サイジング)は、判断を間違えると構成全体に影響します。 自分で検証環境を構築して確かめられる部分は手を動かして確認し(Hyper-V / Docker / EC2 / EKS+Helm での導入方式を実際に整理)、ベンダーに聞かないと分からない部分は質問リストとして体系化して照会しました。あわせて、ライセンス調達のリードタイム、現場作業時にベンダーのエンジニア派遣を受けられるか、想定工数の見立てといった体制面の論点も同時に確認しています。技術だけ検証できても、体制と調達が回らなければプロジェクトは進まないためです。 ### 問題3: 提示された構成では成立しない箇所があった SIerから提示されたポート一覧を精査したところ、2系統でポートが重複していました。L4のロードバランサはポート単位でしか振り分けられないため、単一構成では成立しないと判断し、2セット構成とVPC分割を提案。この方式で構成が確定しました。机上で結論が出なかった論点についてはAWS上に構成を再現して9項目実測し、方式選定の判断材料にしています。 ### 工夫している点 自分で設計・実装できる状態を保ったままリーダーをやることを意識しています。実現可能性の判断とスケジュールの見立てを人から借りた情報で示すと、外れたときに責任の持ちようがありません。MQTT送信アプリとアンドン表示アプリは自分で実装したので、「ここは動く」「ここは検証が必要」を自分の手触りで説明できます。 ## 自社SaaSの事業譲渡に伴う技術資産移管 譲渡先が自走できる状態を作るのがゴールでしたが、運用の多くが社内の暗黙知で回っていました。またAWSリソースにCDK(IaC)管理外の手動作成分があり、この差分を残したまま引き渡すと譲渡先でのデプロイが失敗し続ける状態でした。 そこで手動作成リソースの棚卸しとIaCへの集約を最優先タスクに置きました。ドキュメントを何冊書いても、コードとインフラの実態がずれていれば意味がないと判断したためです。その上で、散在していた手順を日常運用手順書・障害対応手順書・デプロイ手順書・オンボーディング資料として一箇所に集約し、コード側のハードコードや暗黙知前提の実装もリファクタリングしました。 AWSアカウントの移管方式は「アカウントごと渡す」と「譲渡先で新規構築してデータ移行する」で必要な作業が大きく変わるため、両方式を比較して方式を決め、本番前に模擬アカウントで移管リハーサルを実施しました。個人情報を含むデータについても、移転する範囲と削除する範囲を先に整理して合意を取っています。稼働中の端末を止めずに管理権限を移し、譲渡先エンジニア向けのオンボーディング(全3回)とQ&A対応まで担当しました。 ## この経験から学んだこと 進捗を管理することよりも、「まだ決まっていないこと」を早く可視化することが効くと考えています。技術検証でも引き継ぎでも、後から出てくる制約や暗黙の前提が一番コストになります。

アピール項目


アウトプット

GitHub アカウント
未入力です
Qiita アカウント
未入力です
Zenn アカウント
未入力です
Speaker Deck アカウント
未入力です
SlideShare アカウント
未入力です
特にアピールしたいアウトプット
未入力です

今後、身につけなければいけないと思っている技術は何ですか?

- **ドローン**: 狩猟で山に入る中で、上空から地形や獣の動きを把握できれば変わる場面があると感じています。機体の運用と、映像をエッジ側で処理する部分の両方を扱えるようになりたいです。 - **屋外に置く監視系のIoT**: わなの作動検知や、獣の出没を検知するセンサなど、屋外で動かし続ける監視の仕組み。現在の仕事で扱っているMQTTやエッジ端末の設計と地続きの領域だと考えています。 - **測位・地図系のアプリ開発**: GPSを使った測量や、地図上でのデータ表示。位置情報を扱うアプリを自分で作れるようになりたいです。 - **農業IoT**: 農地のセンシングや農業機械のデータ活用。狩猟を通じて獣害の話を聞くようになり、関心を持っている領域です。

あなたが一番パフォーマンスを出せるのはどんな環境ですか?

## パフォーマンスが出る環境 - **現場に行ける環境**: 実機や現場を自分で見られると判断が早くなり、モチベがあがります。成果物が実際に稼働し、顧客が利用している風景を見ることや、その使い方から新たな課題や問題点を発掘するのが好きです。 - **裁量があり、判断の理由を説明できる相手がいる環境**: 現職のプロダクト開発では「このままのコスト構造では継続できない」と判断して自分からコストを大幅に削減する方式を考案し、提案・実装しました。こうした提案が通る余地があり、かつ判断の妥当性を議論できる相手がいる環境が合っています。 - **実装まで自分で持てる環境**: リーダー役をやる場合も、設計・実装から離れない形が望ましいです。実現可能性とスケジュールの見立てを、人から借りた情報ではなく自分の手触りで示したいためです。 - **生成AIを使える環境**: 現在もコーディング支援を前提にした開発フローで進めています。ここが制限されると単純に生産性が落ちます。 - **オフィスに人がいる環境**: フルリモートでも問題ないのですが、特にプロダクト開発などを行う場合は他メンバーやPDMなどのステークホルダーと密に連携ができる環境でスピード感のある判断を行えると嬉しいです。 ## 逆に力が出にくい環境 - 仕様が固まった後の実装だけを、背景の説明なく、疑問も持たずにただやるだけになる環境 - 現場や実機に触れず、資料上だけで意思決定が完結する体制 - 手を動かさないマネジメント専任の役割

生成AIの活用状況

日常的な情報収集・業務活用
ChatGPTやGeminiなどのチャットツールを、情報収集、ドキュメント作成、翻訳に日常的に活用
業務でコード補完系の生成AIを活用
GitHub Copilot等のコーディング支援ツール
業務でコード生成、コーディングエージェント系の生成AIを利用
コードレビュー、テストコード生成、デバッグに生成AIを活用
生成AIをコアとした開発
生成AIを主要技術としたサービス・プロダクト・機能の企画や、RAGなどの高度な手法を用いた開発経験

キャラクター

直近で一番やりたいこと
技術を極めたい
好きなスタイル
一人で黙々
どちらかといえば一人で黙々
どちらともいえない
どちらかといえばみんなでワイワイ
みんなでワイワイ
好きな規模
小さい会社
どちらかといえば小さい会社
どちらともいえない
どちらかといえば大きい会社
大きい会社
自信を持って人より秀でていると言える点
学習能力 / 問題解決力 / 責任感
スキルのタイプ
ゼネラリスト
どちらかといえばゼネラリスト
どちらともいえない
どちらかといえばスペシャリスト
スペシャリスト
得意なフェーズ
0 → 1
どちらかといえば0 → 1
どちらともいえない
どちらかといえば10 → 100
10 → 100
会社を選ぶ一番の基準
年収が第一
やりたくない分野
金融 / 広告 / ファッション / アダルト / 仮想通貨
その他の特徴
使用言語にはこだわらない / レガシーな環境を改善できる / 新しい技術はとりあえず試す
その他のやりたいこと・やりたくないこと

単調な業務や生産性の感じられない業務は回避したい。

やりたい事

手を動かして設計してコードを書きたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
価値あるプロダクトを作り成長させたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
学び続けて技術力でプロダクトに貢献したい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
意義があることや社会に貢献できる仕事がしたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
人や計画の調整・マネジメントをしたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
レガシーなシステムの保守・運用・改善をしたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
企画や仕様を考えるところから関わりたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
業務効率を改善して一緒に働く人のためになりたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
全社横断的な共通基盤作りや強化をしたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい
組織や文化を作る・成長させる仕事をしたい
絶対やりたくない
あまりやりたくない
別に普通
やりたい
絶対やりたい

基本プロフィール

年齢
今年で30代前半
好きなテキストエディタ
Cursor
希望勤務地
京都府 / 大阪府 / 兵庫県
希望年収
900万円
ご意見箱

要望、不具合報告、使いづらい点や感想など、お気軽にお寄せください。
いただいたご意見は、今後のサービス向上に活用させていただきます。

なお、このフォームは受付専用のため、返信を行っておりません。
返信を希望する場合はお問い合わせよりご連絡ください。

  • {{error}}
転職ドラフトを友人や同僚に薦める可能性はどのくらいありますか?