課題解決に対する
戦略的な視点を持った
AIエンジニアを目指して

主に帳票向けAI-OCR＊1のモデル改良やリリース関連、新規技術の調査・検証の作業を担当しています。
モデル改良では、主にアノテーション作業＊2やアノテーションデータを用いてモデルの学習・精度の評価を担当し、リリース関連ではモデル・ミドルウェアの更新、製品開発やインフラなど他部署との連携・共有などをおこなっています。
新規技術の調査・検証作業では、最新のアルゴリズムの情報などを集めて実際にデータを使って学習・評価を行い、精度が良かった手法については実際のサービスに組み込めないか実現可能性を探っています。

最近は生成AIやLLMも含めて日々新しい技術・アルゴリズムが発表されていますので、
それらの動向も注視しながら、サービスにとって最善な手法を日々考えることを意識しており、チームリーダーや他部署の開発担当とも議論しながら開発を進めています。

ラクスのAIエンジニアとしてやりがいを感じるのは、新規にアノテーションしたデータを使って学習・評価した結果、AIモデルの精度が上がることです。
また、リリース後サービスとして稼働しているものを見た際に達成感を感じます。
アルゴリズムや手法の調査・検証を進める中で新しく得られる知識も多く、チームリーダーや他チーム・他部署の方の技術レベルが非常に高いので、日々刺激を感じながら楽しんで開発をしています。

＊1…AI-OCR：Deep Learningを用いて、画像データに含まれる文字を自動的に認識し、テキストデータとして抽出する技術。
＊2…アノテーション：画像中の物体の種類や座標などの情報をラベルとして画像に関連づける作業。主に教師あり学習に使用される。

成長実感としては、エンジニアとしての技術的スキルに加え、問題解決に対する戦略的な視点です。各サービスへAI技術の導入を検討する際、アルゴリズムの精度や効率化にとどまらず、それがどのように顧客の業務改善に直結するかを常に考えるようになりました。

データの扱いやモデルの選定においても、単に技術的に優れたものを選ぶのではなく、プロジェクト全体の成功に繋がる選択をする意識が強まりました。
また、「自分事として取り組む」意識も身につきました。新人の頃はどうしても指示されたことをやるだけで、受け身の姿勢になってしまいがちでしたが、最近はプロジェクトに取り組む際、「どうしたらより良くできるか？」「何か改善できる点はないか？」など主体的に考えられるようになりました。

自分の業務をプロジェクトの成功に寄与する重要な要素と捉えて常に最良の結果を生み出すことを目指しています。

顧客の課題に対して、技術を超えた本質的な解決策を提供したいと考えています。

単に高精度のAIモデルを作ることを追求するだけでなく、その結果がどのように顧客のビジネス価値に繋がるかを常に考えています。例えばAI-OCRにおいても、単なる文字認識による入力の自動化という視点ではなく、どのように顧客の業務に貢献できるかを重視しています。常に顧客・市場のニーズを注視しながら、AIを使った課題解決を目指します。

開発本部の「失敗を恐れず挑戦する」「学習し成長し続ける」というバリューに特に共感しています。

最近のAI分野は生成AIやLLMを含めて急速に進化しており、新しいアルゴリズムや技術が日々登場します。そのため、常に未知の領域に挑戦し、実験的なアプローチを試みることが求められます。失敗を恐れずに挑戦し続けることで、新しいサービスの提供にも繋がると考えています。

また学習し成長し続ける姿勢は、技術が進化するスピードに追いつくために欠かせません。常に最新の知識を吸収しスキルをアップデートすることで、自分だけでなく組織の成長にも貢献できると感じています。