生成AIの進化によって、私たちは「分かる」ことを簡単に手に入れられるようになりました。しかし、「できるようになる」ことは、まったく別の問題です。 ChatGPTは知識を教えられます。でも、一流のコーチのように、人を観察し、その人に合わせて導き、上達させることはまだできません。 「人が想像したものを作れるようになるAI」。これは、まだ世界で誰も実現できていないテーマです。私たちは、「moment」というプロダクトを通してこの未解決問題に本気で挑戦しています。 【momentとは】 momentは、料理を通じて「人がスキルを獲得するプロセスそのもの」をAIで再設計するプロダクトです。 料理は、映像・音・動作・タイミング・感覚・個人差が複雑に絡み合い、「人が上達する仕組み」が最も色濃く表れる領域です。 例えば「表面がぷつぷつしてきたので裏返しました」とユーザーが言っても、映像ではぷつぷつはほんの少し。同じ映像でも、本人が何を理解していて、何を誤解しているかによって、伝えるべきことはまったく変わります。 momentがつくっているのは、料理を認識するAIではなく、学び手の理解状態を推定し、次の一歩を教えるAIです。人間のコーチングでは可能な学習体験を、AIによって圧倒的な速さとコストで再現し、世界中に届ける。それがこのポジションの挑戦です。 【このポジションの本質】 理想の学習体験と、AIで今実現できている現実との間には、まだ大きな差分があります。その差分のどこに最大のレバレッジがあるかを自ら見極め、無数にある改善案のほとんどを捨て、たった一点に集中して解き切る。それがこのポジションで求められる働き方です。 例えば、動画解析領域なら、一流のコーチが動画から瞬時に見抜く、火加減・失敗の兆候・修正点。その判断力を、AIで再現・拡張します。本ポジションは一流の料理人の判断そのものを実装する仕事です。 【主な取り組み・役割(例)】 - 料理動画理解における本質的課題の解決 - 映像・音声・テキストを横断するマルチモーダルな判断モデルの設計 - 会話メモリや学習状態を踏まえた指導ロジックの設計 - タスク／リサーチエージェントの設計・実装 - 理想の学習体験から逆算し、最重要課題を自ら定義する - 課題を技術要件に落とし、設計・実装・検証までをリードする - 解いた結果が、上達速度・定着・再現性・コストにどう効いたかを説明する 【応募資格】 ◾️必須（MUST） - ソフトウェア開発の実務経験(目安5年以上) - Python における高い実務レベルの専門性 - LLM を用いたアプリケーションの開発・統合に関する実務経験 - 理想と現実の差分から課題を定義し、多くの改善案を捨て、最もインパクトの大きい一点に集中して成果を出した実績 - 正解のない課題に対し、仮説・設計・実装・検証を高速に回した経験 - 生成モデルのアウトプットを最適化するための実践的な知識 - ユーザーの文脈や感情を技術要件・仕様に落とし込む能力 - モダンな開発プラクティス(TDD、バージョン管理、CI/CD、コンテナ化など)への理解 ◾️歓迎（WANT） - Learning × AI 領域(Learner Modeling / Knowledge Tracing / Adaptive Learning / Intelligent Tutoring Systems / AI Coaching / Learning Analytics 等)における実務・研究経験 ※教育に限らず、語学・スポーツ・コーチングなど「人ができるようになる」プロダクトの経験 - Computer Visio- Computer Vision や従来型の機械学習(特に動画データ処理)のバックグラウンド - 最新の生成 AI と従来手法を組み合わせたハイブリッドソリューションの開発経験 - 人間と AI のインタラクションにおける微妙なニュアンスへの感度と、ユーザー体験最適化への理解 - AI モデルのトレードオフ、性能、制約に関する実践的な理解 - ベクトル埋め込みおよびベクトルデータベース(例：Pinecone)の利用経験 - LLM ベースのアプリケーションにおける RAGアーキテクチャの実装経験 LangChain、LlamaIndex、Hugging Face、AWS Bedrock、Google Vertex AI などのフレームワークを用いた大規模言語モデルのファインチューニングおよびカスタマイズ経験 - クラウド環境(AWS、GCP、Azure)での開発経験 -- MLOps／LLMOps(モデルのデプロイ、サービング、モニタリング等)に関する知識・実務経験