AI系業種にとって好ましい仕事環境とは

果たしてAI系業種という呼称が正しいのかどうかはさておき、今回はITを基軸に仕事をしている、AIに関わるエンジニア陣にとって好ましい仕事環境とはどういったものか、どのように考えているかをお話したいと思います。

筆者は日米欧での労働経験があります。この間に職位がずいぶん変わっているので全てを同一線上に並べることは難しいですが、日本と欧米でのIT系職種の労働環境を比べた場合、日本は見劣りすると言わざるを得ません。昨今言われている労働条件についてもですが、筆者の見る限り今の日本の一番のボトルネックは、一般的な元請け->下請けを軸にしたウォーターフォール型開発です。今後の開発の主流を考えればこの商習慣からの脱却が日本のIT開発、AI開発の命題と言え、またそれこそがIT・AIエンジニアのスキルを向上し、且つ労働環境を改善する糸口となると筆者は考えています。なぜか、以下に説明します。

もう既にご理解いただいていると思いますが、IT開発におけるAIの適用は、基本的には手持ちのデータをどう関連付けてどう処理するかという仕事になります。これを実現するには、いくつかの異なるドメインからの開発参加が望まれます。一例として、

ソフトウェアエンジニア
データエンジニア
応用データサイエンティスト (*)
サービス適用範囲のドメインエキスパート

といった構成があります。自律型のプロジェクトの場合は、ここにプロジェクトマネージャーが加わるでしょう。

AIに関わらず、データは常に見方によって異なる面を持ち合わせます。ことAIに関しては、データモデルそのものが製品精度に反映されるため、手持ちのデータをいかにバイアスのない、且つ相関を維持した形に整えるかが大変重要になります。この作業を行い、その機能を最終的にリリースするには、検証や微調整がその都度必要になるため、メンバーが密接に関わり続ける必要があります。

このような細かなハンドリングを求められるプロジェクトを従来のウォーターフォール型の開発フレームワークに落とし込んだ場合、スムーズな意思疎通や行程のスピード感はなかなか生まれません。しかしこのような、小さく、動きの激しいプロジェクトを持続的に開発運用するには、アジャイル開発、DevOps開発といった新しい手法があります(本稿では詳細は割愛します)。そして、アジャイル開発を基とする設計概念とDevOpsを結びつけるフレームワークとして、クラウドサービスがあります。これらは既に欧米では開発のメインストリームとなっており、IT開発、特にAI案件においてはこの手法以外に考えられないと言っても過言ではありません。

アジャイル開発、DevOps開発は、従来型の開発者にとっては文化的にも体力的にもチャレンジとなるでしょう。しかし、新技術に対する学習カーブには大きなメリットとなります。アジャイル開発、DevOps開発は、スクラムによって作業の責任範囲や依存関係を共有し、問題を関係者全員で取り組むことで作業の透明性を保証する仕組みです。関係者は、プロジェクト内の多岐にわたる技術や問題を共有することで知識を習得でき、それが学習カーブにつながります。

また、エンジニアという職種に就く以上避けて通れないのがジュニアからシニアへのステップアップですが、この2つのポジションの間に横たわる知識量や経験量という溝を、仕事をしながら埋めていくことが期待できます。これはエンジニアにとってはもちろん、組織にも大きなメリットです。シニアエンジニアにとっても、プロジェクトを隅から隅まで見渡せるこの開発手法は更なるステップアップへの大きな道標となるはずです。学びをもとに、ソフトウェアエンジニアから応用サイエンティストへ転身するというオプションも考えられるでしょう。

ことほど左様にITエンジニア、特にAIを担当するエンジニアにとって新しい開発手法は親和性が高いため、積極的に受け入れるべきです。その結果、内製IT・AIサービスの開発に成功したとなれば、企業内では、彼らは少人数で企業価値をレバレッジ可能な、貴重且つ唯一無二のリソースとなります。これがまさに今欧米のIT開発に見られるビジネスモデルであり、それ故エンジニアは成果物に見合ったリターンを受けているのです。これと同じサイクルを日本でも起こせたら、それがより良い仕事環境につながることに間違いありません。

いずれにせよ、雇用者、被雇用者が一体となってビジネスモデルを変革することができれば、日本のAI系業種の仕事環境をより良いものに変えることは可能でしょう。更に言えば、今すぐにでも変わらなければ時代遅れの開発手法にしがみつき、新しいことにチャレンジできないという、厳しい将来が待っていると言わざるを得ません。雇用者側は新しいチャレンジに臆病にならず、また被雇用者側も当事者意識をしっかり持ち、成果を出しつつ自らの市場価値を上げる努力をすることで、条件的にも学習環境的にもより良い雇用を獲得することが理想であると考えます。給与などの労働条件は結果であり、産業構造や業務プロセスの改善なくしては待遇結果の改善はあり得ません。関係者各位の奮起を期待いたします。

(*) Applied Data Scientist (応用データサイエンティスト) は基礎研究を行うのではなく、既に立証された機械学習アルゴリズムをシステムに実装する役割を持つ、サイエンティストとエンジニアの両面を持つ職種です。本職種については別稿にて説明いたします。

髙木亮氏　－Ryo Takagi －　
日本マイクロソフト社にてエンジニアとしてのキャリアをスタート。
日本法人にて5年間の在籍後、シアトルのMicrosoft Corporation HQへ移籍し、Windows OSの開発に従事。在籍中にUniversity of Washington Data Science Certificateを取得。Windows OS開発に12年従事した後、現在は南フランスにある核融合関連の国際機関においてSoftware Solution Architectとして所属するほか、機械学習及び深層学習に関する、サービスへのROI評価を含めたテクニカルコンサルタントとしても活動中。