ID:83973さん

キャリアビジョン


AIとバックエンドの知見を活かし、業務のあり方を更新するプロダクトをつくりたい

LLMや生成AIは、もはや特別な技術ではなく、データベースや検索基盤と同じように、サービスを支える重要な構成要素になっていくと考えています。 私はこれまで、Webアプリケーションやバックエンド開発を軸にしながら、RAGや生成AIを活用した業務システムの設計・実装に取り組んできました。単にAIを組み込むだけではなく、業務課題を理解し、ユーザーが安心して使える形に落とし込み、継続的に価値を生み出す仕組みとして育てていくことに強みがあります。 今後は、バックエンドエンジニアとしての設計・実装力と、LLM / RAG を用いたプロダクト開発の知見を組み合わせ、ユーザーの業務や意思決定をより良くし、事業や社会の変化を支えるサービスづくりに貢献していきたいです。

プロジェクト経験

2025年/1年以内

R&D室長

## プロジェクト概要 チームの研究業務の可視化とAI活用チャットボットによる自治体問合せ対応効率化を推進しました。 ## 役割・体制 ### 自身のポジションと役割 - エンジニアリングマネージャー兼バックエンド・機械学習エンジニアとして、チームの人的マネジメントと技術的課題解決を担いました。 - 研究活動の仮説設定から実験、意思決定までのプロセス整備と、AIチャットボットの設計・開発を主導しました。 - データ分析を活用し、研究進捗の可視化や解決率評価の仕組み構築を行いました。 ### チーム規模と構成 - エンジニア3名の小規模チームで、技術力の高いメンバーを率いて研究と開発を推進しました。 - マネージャーとしてチームの目標設定と進捗管理を兼務し、メンバーの技術的成長をサポートしました。 ## 背景・課題 - 研究チームの業務寄与が不明確で、仮説検証や意思決定のプロセスが曖昧であったため、組織全体での研究進捗が見えづらい状況でした。 - サポートチームが自治体からの質問対応に多大な時間を割かれており、効率的な問合せ対応の仕組みが求められていました。 - 研究評価指標が確立されておらず、研究活動が漫然と進行していたことが最大の課題でした。 ## 実際の取り組み ### 開発環境 - Pythonを中心にFastAPIでバックエンドAPIを構築し、Dockerを活用して環境の統一と効率的な開発を実現しました。 - pandas、NumPy、Jupyter Notebookを用いたデータ分析を実施し、研究進捗の定量的評価基盤を整備しました。 - OpenAIの生成AI技術を活用し、自治体問合せ対応のチャットボットを設計・実装しました。 ### 設計・改善内容 - 研究の仮説設定から意思決定までのサイクルを週次のミニマルなメモ形式で整備し、進捗の可視化と意思決定のスピード向上を図りました。 - 研究と開発のGo/Stop/Pivotの判断を分かりやすくする仕組みを設計し、チームメンバーのセルフマネジメントを促進しました。 - AIチャットボットの解決率を可視化する仕組みを導入し、サポートチームの負荷軽減に貢献しました。 ### その他アピールポイント - チームメンバーの研究活動を全社に見える化し、新技術獲得のヒント創出に寄与しました。 - 技術的課題解決とマネジメントの両面からチームの生産性向上を実現しました。 ## 成果・価値 - 研究チームの進捗が可視化され、メンバー自身が自身の停滞や課題を認識できるようになりました。 - AIチャットボットの導入により自治体からの問い合わせ解決率が向上し、サポートチームの時間負荷が削減されました。 - 研究活動の明確な評価基準を確立し、組織全体の研究効率と意思決定の質を向上させました。

2024年/3ヶ月以内

精密機械工業におけるトラブル事例の検索事例

## プロジェクト概要 精密機械工業向けに過去の不良品パターンを検索可能にする業務システムを受託開発し、品質向上に貢献しました。 ## 役割・体制 ### 自身のポジションと役割 - バックエンドエンジニアとしてFastAPIとPythonを用いたAPI設計・実装を担当し、生成AIを活用したプロンプトチューニングを行いました。 - グラフRAG(Retrieval-Augmented Generation)手法の模索的導入に携わり、過去事例検索の精度向上を目的とした技術検証を実施しました。 ### チーム規模と構成 - エンジニア3名、マネージャ1名の計4名チームで、アジャイル開発手法を用いて短期集中的に開発を推進しました。 ## 背景・課題 - 精密機械工業における品質確保のため、過去の不良品発生パターンを効率的に検索し、類似トラブルの早期発見と対応を可能にするシステムが求められていました。 - 従来のRAG方式では過去事例の検索精度が不十分であり、類似度の高い情報抽出と文脈理解が課題となっていました。 - 品質問題の早期検知に向けて、より高度な検索技術としてグラフRAGの適用が検討されました。 ## 実際の取り組み ### 開発環境 - バックエンドはFastAPIとPythonで構築し、開発環境にWSL2とDockerを活用して効率的な開発体制を整えました。 - Azureクラウド環境を利用し、高可用性とスケーラビリティを確保しつつ、OpenAIの生成AIモデルを統合しました。 - アジャイル開発手法を採用し、約3ヶ月以内の短期間でのサイクルを回しながら継続的に改善を実施しました。 ### 設計・改善内容 - 過去のトラブル事例データベースからの情報検索において、標準的なRAG手法の限界を踏まえてグラフRAGを導入し、関係性を考慮した高度な検索機能の実装を試みました。 - プロンプトチューニングを繰り返し実施し、生成AIによる回答の精度と信頼性を向上させる工夫を行いました。 - バックエンドAPIの設計では検索クエリの柔軟性を重視し、ユーザーが直感的に過去事例を検索できるインターフェースを支援しました。 ### その他アピールポイント - グラフRAG導入の検証を通じて、生成AIを活用した高度な検索技術の業務適用可能性を示し、今後の技術展開への基盤を構築しました。 ## 成果・価値 - グラフRAGを導入可能であることを実証し、従来の検索手法に比べて過去トラブル事例の関連性抽出精度が向上しました。 - 精密機械工業の品質管理における問題検知の迅速化と対応精度の向上に寄与しました。 - プロジェクトを通じて生成AIとグラフRAGの実務適用に関する知見を蓄積し、今後のAI技術活用の指針を示しました。

2024年/半年以内

空港におけるマニュアル等の検索事例

## プロジェクト概要 空港職員向けに生成AIを活用したマニュアル検索システムを構築し、現場でのドキュメント保守性と利便性を向上させました。 ## 役割・体制 ### 自身のポジションと役割 - バックエンドエンジニアおよびインフラ担当として、FastAPIを用いたAPI設計・実装とAzureインフラ構築を担当しました。 - ドキュメントメンテナンス機能の開発に注力し、空港職員が日常的に使用するRAG(Retrieval-Augmented Generation)システムの運用基盤構築を担いました。 - フロントエンド開発においても、ReactとTypeScriptを用いた管理画面の設計・実装に参画しました。 ### チーム規模と構成 - 約5名規模のチームで、バックエンド、フロントエンド、インフラを担当する複数のエンジニアと連携しながら開発を進めました。 - クライアントやユーザーである空港職員との密なコミュニケーションを通じて要件調整を行う体制でした。 ## 背景・課題 - 空港業務において、危険物リストの照合やラウンジ入室条件の確認など、職員がマニュアルを効率的に検索できるチャット型AIシステムの導入が求められていました。 - Azure AI Searchを活用したドキュメント検索機能の実装にあたり、ドキュメントのバージョニングがサポートされておらず、24時間稼働の空港業務においてダウンタイムを発生させずにドキュメントを更新する必要がありました。 - 従来は開発者が文書保守を行っていたため、業務効率や運用コストの改善が急務でした。 ## 実際の取り組み ### 開発環境 - バックエンドはPythonのFastAPIフレームワークを使用し、Azure AI SearchおよびBlob Storageを組み合わせてドキュメント検索基盤を構築しました。 - フロントエンドはReactとTypeScriptを用い、空港職員が使いやすいドキュメントメンテナンス用の管理画面を開発しました。 - DockerコンテナをWSL2環境で運用し、AzureのWindowsサーバー上でのデプロイと管理を行いました。 ### 設計・改善内容 - ドキュメントのバージョニング非対応という課題に対し、ドキュメントのハッシュ値をAzure AI Searchに保持させる設計を採用し、既存のドキュメントは変更せず、新規・更新分のみをインサートする方式でダウンタイムを回避しました。 - ドキュメントの更新処理をインクリメンタルに行う仕組みを実装し、24時間稼働の空港業務に影響を与えずに継続的な情報更新を可能にしました。 - RAGシステムの特性を活かし、チャット形式で危険物リスト照合やラウンジ入室条件の確認が可能なユーザーインターフェースを設計しました。 ### その他アピールポイント - 生成AIとAzure AI Searchを組み合わせた最先端技術の実装により、業務効率化とユーザーエクスペリエンス向上を同時に実現しました。 - 空港職員が直接ドキュメントのメンテナンスを行える体制を構築し、運用コスト削減と迅速な情報更新を両立させました。 ## 成果・価値 - 開発担当者から空港職員へのドキュメント保守権限の移譲を実現し、業務部門による運用負荷の大幅軽減を達成しました。 - ドキュメント更新に伴うシステムダウンタイムを実質ゼロに抑え、24時間稼働の空港業務の安定性を維持しました。

2019年/2年以上

ホスティング事業部エンジニアとしてのWebアプリ開発と運用

## プロジェクト概要 老舗レンタルサーバのホスティング事業部にて、Webアプリの保守運用と新規開発を担当しました。 ## 役割・体制 ### 自身のポジションと役割 - 主にバックエンドエンジニアとして、PHPやRuby on Railsを用いたサーバサイド開発を担当し、ユーザ情報管理やキャンペーン適用ロジックの設計・実装を行いました。 - フロントエンドやインフラ、QAの領域にも携わり、開発から運用・保守まで幅広く対応しました。 - アジャイルに近い開発手法の中で、継続的な機能改善と品質向上を目的とするチーム内コミュニケーションを推進しました。 ### チーム規模と構成 - 流動的ながら約10名規模のチームで、フロントエンド、バックエンド、インフラ、QAのメンバーで構成されていました。 ## 背景・課題 - 老舗のレガシーサービスであるため、既存のデータベース設計やSQLクエリが複雑化しており、ユーザ情報の取得やキャンペーン適用時のSQL操作が高度で負担が大きい状態でした。 - エンジニアの業務が保守中心となり、新規開発や改善に割く時間が不足していることが課題でした。 - 既存の業務プロセスが属人的かつ複雑で、非効率な作業が多発していました。 ## 実際の取り組み ### 開発環境 - 使用技術はPHP、Ruby、Ruby on Rails、JavaScriptを中心に、MySQLをデータベースとして活用しました。 - macOS環境でDockerを利用し、開発環境の統一と効率化を推進しました。 - SSL設定を含むセキュリティ面の運用保守も担当しました。 ### 設計・改善内容 - SQLクエリの複雑さを解消するため、ディレクターでも操作可能なSQLセットを作成し、簡単な組み合わせでユーザ情報取得やキャンペーン適用が行える仕組みを導入しました。 - バックエンドのロジック設計を見直し、保守性と拡張性を向上させることで、開発工数の削減に貢献しました。 - フロントエンドと連携した機能改善を継続的に行い、ユーザビリティとパフォーマンスの向上を図りました。 ### その他アピールポイント - 複数の技術領域を横断的に担当し、チーム全体の技術理解向上と業務効率化に貢献しました。 - 保守業務の効率化によりエンジニアの作業負荷を軽減し、新規開発への注力を可能にしました。 ## 成果・価値 - ディレクターがSQL操作を容易に行えるようになったことで、エンジニアの保守業務負担が軽減され、新規開発に専念できる環境が整いました。 - 保守から開発志向への業務シフトにより、プロダクトの機能改善スピードが向上しました。 - システムの安定稼働を維持しつつ、継続的な機能追加と改善を実現しました。

2017年/2年以上

サービス内で用いる各メディアの変換サーバ作成

サービス内で用いる各メディア(DICOM, *.pptx, *.key, 動画, PDFファイル)をWeb用の画像等に変換する変換サーバを AWS 上に作成。仕様策定、Docker+PythonによるDICOM変換機能・ Windows サーバを用いた pptx変換機能・pdf変換機能の実装、ECSインスタンスのオートスケール実装、Amazon S3・AWS Lambda・Amazon ECSによるサーバレスアーキテクチャの構築、インフラ・コードのデプロイ作業のAnsibleによる一括記述、テスト項目の策定およびテストを担当。e-casebook開発メンバとしてスクラムマスターを務め、スクラムイベントを主催。

マネージメント能力

R&D室において、個別の研究テーマやタスクそのものだけでなく、研究活動が継続的に前進するための「研究ループ」をマネジメントしました。
- 各研究テーマにおける仮説設定、検証、結果整理、次の意思決定 - メンバーが自律的に研究を進めるための進行管理と壁打ち - ミニメモ、テーマメモ、Reading log、実験レポートなどによる知見の形式知化 - 月刊R&Dなどを通じた、社内への研究活動の共有 - 1on1やチームミーティングを通じた、研究しやすい環境や心理的安全性の整備 - R&D室としてのOKR運用、振り返り、次の改善アクションの設計 単に「作業が終わっているか」を見るのではなく、研究活動が仮説、実験、学習、意思決定につながっているかを意識してマネジメントしました。
## どのように考えたか R&D室の研究活動を、属人的な努力や一時的な頑張りに依存する状態ではなく、チームとして継続的に学習し、意思決定に活かせる状態にする責務がありました。 目指した状態は、主に以下です。 - 各研究テーマについて、何を検証していて、何が分かり、次に何をするのかが追える状態 - メンバーが自分で仮説を立て、実験し、結果から次の行動を決められる状態 - うまくいった結果だけでなく、反証や想定外の結果もチームの知見として残る状態 - 研究活動の過程や判断理由が、後から他の人にも理解できる状態 - R&D室の取り組みが社内に伝わり、事業や開発、営業など他部署との接続に活かされる状態 - 個人の負荷や不安が見えないまま進むのではなく、1on1や振り返りを通じて早めに検知、調整できる状態 つまり、R&D室を「個人がそれぞれ研究している場」ではなく、「仮説検証と学習がチームの資産として蓄積され、次の意思決定につながる場」にすることが責務だったと捉えています。 ## どのような問題や障害があり、どう工夫したのか まず、R&D室のマネジメントでは、成果物そのものよりも「仮説から学び、次の意思決定につなげる流れ」を安定させることが重要だと考えました。 研究活動は、通常の開発タスクのように最初から正解や完了条件が明確ではありません。そのため、進捗を単純なタスク消化で管理すると、実際には何が分かったのか、次に何を判断すべきなのかが見えにくくなります。そこで、研究を「仮説 → 実験 → 結果 → 意思決定」のループとして捉え、そのループが回っているかを確認することを重視しました。 一方で、途中にはいくつかの問題がありました。 1つ目は、研究の途中経過が残りにくいことです。日々の試行錯誤や小さな判断は、本人の頭の中や口頭のやりとりに残りがちで、後から見返すことが難しい状態になりやすいという課題がありました。これに対して、ミニメモやテーマメモの運用を設計し、完璧な報告書ではなく、2〜3分で残せる軽量な記録を重視しました。これにより、研究の途中にある仮説、観察、判断を後から追いやすくする工夫をしました。 2つ目は、研究成果が社内に伝わりにくいことです。R&Dの活動は、短期的な成果物だけを見ると価値が伝わりにくい場合があります。そのため、月刊R&Dなどを通じて、単なる作業報告ではなく、「なぜこの実験をしたのか」「何が分かったのか」「次に何を判断するのか」というストーリーとして共有することを意識しました。これにより、R&D室の活動を社内の意思決定や他部署の関心につなげやすくしました。 3つ目は、メンバーの自律性とマネジメントのバランスです。細かく管理しすぎると研究の自由度が下がりますが、任せきりにすると方向性や学びが見えにくくなります。そのため、作業手順を細かく指示するのではなく、1on1やチームミーティングで「今の仮説は何か」「どの結果が出たら次にどう判断するか」「何が詰まりになっているか」を確認する形にしました。管理対象を作業量ではなく、思考の流れや意思決定の質に置くよう工夫しました。 4つ目は、失敗やネガティブリザルトが共有されにくいことです。研究では、仮説が外れること自体にも価値がありますが、通常は成功事例の方が共有されやすくなります。そこで、反証や想定外の結果も「失敗」ではなく「次の判断材料」として扱うことを意識しました。ネガティブリザルトを共有しやすい場づくりや、振り返りでの扱い方を工夫することで、チームとして学習しやすい状態を作ろうとしました。 全体として、私はR&D室のマネジメントにおいて、短期的なアウトプット管理だけでなく、研究の過程、学習、意思決定、共有の仕組みを整えることを重視しました。これにより、個人の試行錯誤をチームの知見に変え、R&D室として継続的に価値を出せる状態を作ろうとしました。

アピール項目


アウトプット

GitHub アカウント
あり
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?

AI の利用は当たり前になるので、顧客要件の翻訳や QA 業務に詳しくなりたい

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?

自宅で作業をすることを好むが、会話しながら問題を解決してくときにパフォーマンスを出せると思う

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
サービス・プロダクトへの応用
既存のサービスやプロダクトに生成AI(API利用など)を組み込み、LangChainやLlamaIndexなどのフレームワークを使った開発経験
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
サービスを作りたい
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
分析力 / 問題解決力 / 巻き込み力
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
プライベートとの両立
やりたくない分野
未入力です
その他の特徴
使用言語にはこだわらない / 多職種のバックグラウンドがある
その他のやりたいこと・やりたくないこと
未入力です

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40代中盤
好きなテキストエディタ
NeoVim
希望勤務地
リモート勤務
常時リモートが必要
希望年収
1100万円
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?