01
はじめに
AIエンジニアの野村浩太郎です。私は元々AI系のバックグラウンドではなく、プログラミングの経験も全くありませんでした。就活を始める前くらいに色々な業界を見ていて、「AI、とんでもないぞ」と思ったのが全ての始まりです。Airionにはインターンとして入り、その後正社員になりました。
ENTRY / AIエンジニア
学び続けて、AIエンジニアをリードする。
AIのバックグラウンドも、プログラミング経験もなかった。インターンから正社員へ進み、現在はラダー生成チームをリードする野村浩太郎の入社エントリーです。
QUOTE
プロジェクトの目的関数を最大化するために、モデルをどうつくるか。
担当範囲だけに閉じず、顧客との対話まで含めてAI開発を考える。学び続けることが前提の環境で、野村は日本の産業を強くするモデルをつくっています。
THE STORYFROM THE PERSON WHO JOINED
02
この会社を選んだ理由
AIについて正直あまり知らなかったので調べていくうちに、モデルの開発そのものに強く興味を持つようになって。独学でもいいから今から必死に勉強して、そっちでやっていけるようになりたい、と思ったんです。そして、ディープラーニングの基礎から学んでいた時期に、たまたま知り合った人がAirionで働いていたので紹介してもらいました。
実は、他社との比較はしていません。面談で決めました。
理由は3つあります。ひとつは、話を聞いてシンプルに技術力が高そうだなと感じたこと。もうひとつは、河村さん（CEO）と大熊さん（CTO）が描いている将来的なビジョンに、すごく共感したこと。日本の産業を盛り上げたい、世界と戦える日本を、という話にとても引かれました。
そして3つめ。面談の時に「自分のバックグラウンドはAI系ではなくて今は未熟ですが、将来的にはAIエンジニアとしてやっていきたいです」的な感じで伝えたら、「全然いいですよ。勉強していただいた上で、うちのAIのプロジェクトに開発メンバーとして入っていただいて構いません」と言っていただけた。それが決め手でした。
03
入社後の現実
想像以上だったのは、裁量が大きいことです。
最初の頃はオンボーディングがありましたが、早い段階で、プロジェクトの1メンバーとして裁量を持った形で参画させていただきました。しかもその後、任される範囲がどんどん増えていく。AIの開発に関してもかなりできるようになってきて半年したくらいで、プロジェクトの開発自体を任されていたと思います。
苦労したのは、やはりAIの技術力がある人たちについていくことでした。大学でAIの研究をされていた人たちとは、当然ギャップがあるわけです。その差を「追いつけ追いつけ」でやっていく作業は、すごく大変でした。
自分の場合やり方はシンプルでした。まず基礎を押さえる。大学レベルの確率・統計、線形代数、微積分あたりをやりました。そして、ディープラーニング関連はYouTubeにすごく良い解説がたくさん載っているので、そこでキャッチアップする。そして基礎が少し固まったら、あとはもういきなり最新の論文を読みました。直近1〜2年の主要国際会議で有名な論文とかフロンティアラボのテックレポートとかを読み漁りました。もちろん最初は分からないことばかりですが、知らない技術用語や数式が出てきたら、そのたびに基礎まですぐ戻って理解する。それをひたすら繰り返しました。少しだけボトムを作って、あとはトップから降りてくるイメージですね。
Airionに入って一番の学びは、プロジェクト全体を見られたことです。最初は担当範囲の限られたタスクから始めるものだと思っていました。でもここでは早い段階で、「プロジェクト自体の目的関数を最大化するために、AIモデルをどう開発していく必要があるか」というところから、大きな裁量を持って自分で考え、進めることができた。AIのモデル開発を、お客様とのやりとりも含めてやれた。これはすごく大きかったと思います。
04
今向き合う仕事
いま担当しているのはラダー生成です。役割はチームリーダーで、プロジェクトチームのリードをしています。メンバーは自分以外に4〜5人。インターン生や副業の方も含めたチームです。
技術の話も少しだけ書いておきます。今までやったことの一部を抜粋すると、ドメイン特化の継続事前学習、SFTをはじめ、verlフレームワークを使ったGRPO+αでの強化学習、NVIDIA H200のGPUクラスタ（4ノード規模）でMegatron-LMを用いた3D Parallelism、MoE向けESFT（Expert-Specialized Fine-Tuning）の論文実装、小型MoEモデルのフルスクラッチ学習、TPUを用いたLLM学習──といったあたりがあります。LLM以外にも、NLPならRetrieverやEmbeddingモデル、DeBERTaの分類モデル、CVなら異常検知モデル、Audioなら音声合成モデルまで扱います。
最近私が個人的に一番面白いと思っているのは学習データの作成です。とかく学習手法やモデルアーキテクチャに目線が行きがちですが、こういうニッチドメインの場合は学習データを増やす・改善するが一番効きます。今は、ラダードメインの新規学習データセットを、エキスパートの方に1万件弱の規模でアノテーションしていただいています。Web上にはほぼ存在しないドメインデータを使って、特化モデルを学習できる。既存の論文からは得られない知見も多くて、これは本当に面白いです。
チームの雰囲気についてですが、ご飯を食べている時も、ずっと技術の話をしているような人たちばかりです。もちろん雑談もしますが、「そういえばあの論文が」「最近こういうモデルが」という話になると止まらなくなる。技術が好きな人がとにかく多いんです。毎週の定例のあとにみんなでご飯に行くんですが、そこがすごく楽しいですね。
勉強会も多くて、週1でAIエンジニアが集まる社内勉強会があります。チームごとの勉強会もあるし、うちはロボットもやっているのでフィジカルAIの勉強会もある。「○○勉強会」が、とにかくたくさんあります。
05
これから
私が目指しているのは、日本経済（GDP）を押し上げられるような人材になることです。AIを活用して生産性を高められる存在になりたいです。
会社としてやりたいことも、そこに繋がっています。日本の製造業は、先人が積み上げてきたすごくいいものを、もう既に持っている。そこに今、AIという大きな波が来ていて、製造業は他より少し遅れを取っている。DXが難しい事情もあると思います。だからそこにちゃんとAIを入れていって、日本の強い製造業を、強いまま、もっと強くしたい。その最初の一つが、僕がやっているラダー生成です。
たとえAI分野が未経験でも、ひたむきにキャッチアップして、最前線に飛び込み、継続的に学び続ける意思があるなら、ここは裁量をくれる場所です。
JOIN THE BOUNDARY
まずは、話を聞きに
きてください。
Airionでは、ITとOTの壁を越え、製造現場に本気で踏み込んでいくAIエンジニアを募集しています。採用特設ページから、まずはカジュアル面談へ。