こんにちは！　エスタイル採用広報です。

新卒でエスタイルに入社し、バックエンドエンジニアとして活躍する、ゆうやん。大学では、コンピュータに人間の言語を理解させる技術である自然言語処理について学び、入社後もその知識を活かし、さまざまなプロジェクトに参画してきました。また、最近ではデータサイエンティストとしても、クライアントの課題解決に挑戦しています。

今回は、そんな確かな知識と豊富な経験を持つゆうやんに、インタビューを行いました。入社してからこれまで歩んできた軌跡、また現在の業務内容から今後のキャリアプランまで存分に語っていただきました。

◆ゆうやんの社内年表◆

アサイン前（2021年4月中）

• キャッチアップ内容：画像処理型の機械学習モデルについて

大手金融会社（2021年4月〜2021年12月）

• 業務内容：自然言語技術の研究調査業務
• 業務の目的：最新の自然言語技術の動向を調査し、業務改善に活用できるかを調査
• PJ内での役割：論文調査、実装、検証、実験まとめ

システム開発会社(2022年1月〜2024年3月）

• 業務内容：自然言語技術の研究調査業務
• 業務の目的：最新の自然言語技術の動向を調査し、業務改善に活用できるかを調査
• PJ内での役割：論文調査、実装、検証、実験結果まとめ

大手生命保険会社（2024年4月〜2024年7月）

• 業務内容：RAGアプリの実装
• 業務の目的：保険商品の営業向けに、マニュアルやQ&Aを元にしたLLMによる質問応答アプリを作成し、業務改善を図る
• PJ内での役割：バックエンドの実装、クラウドの整備 

大手企業(2024年10月〜2025年4月※現在進行中)

• 業務内容：商品指標価格予測システムの作成
• 業務の目的：特定商品の運用を効率的に行うために、市場における取引戦略および進行スケジュールを最適化し、利益向上を図る
• PJ内での役割：市場の価格予測モデルの開発

「新しいことが好き」だから常にワクワクしている

―入社前後から現在にいたるまで、ゆうやんの軌跡について、時系列でお話を聞かせていただければと思います。まず入社後は、大学で学んだ知識を活かして、バックエンドエンジニアとして業務に携わっていたのでしょうか。

そうですね。一番最初は、画像処理系のプロジェクトに携わっていたのですが、すぐにバックエンドエンジニアとして自然言語処理系の業務に移りました。

金融系企業がクライアントで、主に特許情報等について調べるものでした。研究調査業務がメインで、論文等を読み、それを報告し、クライアントから許可が下りたらプログラムの実装を試してみる、といった流れでした。上流から下流の流れで進めていく一般的なシステム開発の工程とは異なり、2人チームで1つの論文を分担して研究調査と実装を進めていました。この金融系企業における研究調査業務に約8ヶ月間携わりました。

次のプロジェクトでは、グループ会社のシステム部門がクライアントでした。業務内容はこちらも研究調査がメインで、週1回ほど調査内容や実験結果をクライアントへ報告し、その内容にフィードバックをいただいていました。

また、このプロジェクトでは、LLMを用いて様々なツールと繋げることで汎用的に仕事をさせるといった、実験的な業務も行っていました。たとえばこれまでLLMは、質問応答型のチャットボットとしての使い方が主流でしたが、LLMを用いて家電を操作させるなどの検証も行いました。

具体的には、スマートフォンを介してLLMに「熱いから温度を下げて」と指示するとエアコンの温度が実際に下がるようなシステム開発のための検証や、報告書の自動作成の検証などを行なっていました。僕は新しい技術が好きで、コウキシンが強い性格なので、とても楽しかったのを覚えています。

研究調査から開発、実装まで。「一番大変だったこと」も乗り越えた

―主にLLMの中でも前段階、研究調査がメインの業務だったんですね。

はい。しかしここからは実装へと仕事が移っていきました。これまで研究調査をやってきた経験から技術的な知識は深まったものの、「実際にどう実装していくか」という実装経験は不足していたため、チャンスがあれば実装についても取り組みたいと感じていました。その時にRAGを用いて実装を行うプロジェクトの話をいただいたので、参画を希望しました。

そのプロジェクトは生命保険会社のQ&Aの質問応答アプリを開発するというものでした。このときに初めてLLMシステムを実装するためのクラウドサービスであるMicrosoft Azureに触れたということもあり、とても難しかったです。あることを実現する方法を調べた際に参照する文献によって情報がバラバラだったという状況がありました。おそらく日本語のドキュメントが開発の速度に追いついていなかったり、翻訳の質があまりよくなかったりすることが考えられたので、英語での調査をした方が効率的だと感じました（笑）

そこからは順調に実装ができましたが、リリース前日に組んだコードにバグがあることが発覚しました。開発のプロジェクトでは研究調査のプロジェクトと違い、思いもよらないことが起きるものだと勉強になりました。これが入社してから一番大変だった経験だと思います。

このように入社してから短い期間の中で、研究・調査から実装まで、工程全般に携わることができました。一般的にエンジニアは入社後、開発を任されることが多いので、僕のように調査メインの業務から入るのはあまりないことかと思います。しかし、その経験をしていることで、クライアントと話す際に技術的に出来る／出来ないの線引きが分かるようになった今までの経験がとても役立っていると感じています。

そして、直近は「商品指標価格予測システムの作成」のプロジェクトに移りました。市場価格の値動きを予測する、という目的のプロジェクトです。これまでは自然言語系の分野でしたが、こちらはどちらかというとデータサイエンスや機械学習寄りの分野です。

LLMは万能に見えて、数値を出すことにはあまり用いられてきていません。単にLLMを用いるのではないという意味でこれまでとは違うノウハウを今回の業務では要求されているなと感じています。

―バックエンドエンジニアとして幅広い工程に関わり、現在はデータサイエンティストとしても携わっているんですね。それだけ多様な仕事をされてきたゆうやんですが、これからのキャリアについてはどのように考えていますか。

ざっくりとですが、技術をより磨いていき、高度な技術スキルや専門性・知識を組織還元し、会社へ貢献していく方面にキャリアを進めていきたいと考えています。理由としては、自然言語処理の分野は発展がとても早いのですが、だからこそ社会で活用できるように実装や開発をしていきたい。そのために、自分のやれることの幅を広げていきたいです。

また、現在のエスタイルはSESとしてさまざまなクライアントに我々の力を貸すビジネスモデルですが、個人的な意見として、ゆくゆくは自社の開発力を活かしてサービスを立ち上げられたら面白いなと思っています。そして、エスタイルにはそれが出来るポテンシャルがあるとも感じています。

エスタイルの強みは、キャッチアップの速さ。

―いろいろ教えていただき、ありがとうございます。ゆうやんがさまざまな仕事に携われているのは、もちろんゆうやん自身の努力があってのことと思います。一方で、エスタイル自体も大きく成長し、さまざまな発注を受けています。なぜエスタイルは成長し続けているのでしょうか。

現在はLLM自体がレッドオーシャンになってきていて、LLMがChatGPTの登場であまりにも有名になったので、「この波に乗っかりたい」という会社は業界の動きとして多く見られます。そうした中でもエスタイルが強みを発揮しているのは、やはりキャッチアップが速い、という点が関係しているような気がします。

さまざまな業界を相手にしていて、その業界ひとつひとつに固有の背景や、特別な知識が必要となります。僕が現在携わっているプロジェクトは、特に業界の知識などが絡むこともあり複雑です。しかしエスタイルのメンバーは皆、コウキシンがあって、その業界で必要な背景知識を着実にキャッチアップしています。

昨今、「データドリブン」という話をよく耳にしますが、データがなにを指しているのか、きちんと理解する必要があると思っています。そのため、携わっているプロジェクトに特有な知識のキャッチアップが必要になります。そして、キャッチアップの速さにおいて強みを発揮できるメンバーがエスタイルにはたくさんいます。

どこか特定の業界に特化しているのではなく、どのような業界にも柔軟に対応できる対応力こそ、さまざまなプロジェクトをクライアントから受注できているひとつの要因なのかと思います。

そういったエスタイルの強みをより活かすためにも、自分自身も現状に満足せず、コウキシンを持って学び続ける姿勢を大事にしていきたいです。