▍ポジションのミッション（募集背景） 建設見積書・内訳書には、専門用語、階層構造、顧客ごとの表記揺れ、文脈依存の判断が多く含まれます。AI性能を継続的に高めるには、モデル開発だけでなく、教師データ・評価データを長期利用できる「データ資産」として管理する機能が不可欠です。本ポジションは、Biz・CS・MLに分散している判断を再現可能なルールへ変換し、データ作成・監査・修正・学習投入・評価・次の改善までを一つのサイクルとして設計・運用する専任責任者です。 ▍仕事内容 ・教師データ・評価データの一覧、用途、バージョン、責任者、利用可否、残存リスクを整理し、データ資産の状態を可視化 ・サンプル監査を設計・実施し、現在の品質水準を把握。誤りをラベル、階層、作業者、時期、データソース等の切り口で類型化・分析 ・重複、矛盾、欠損、階層制約違反、学習用／評価用データ間のリーケージ等を確認 ・アノテーションルールを、定義、正例・負例・境界例、判断停止条件、エスカレーション先まで含めて整備 ・ルールの版、判断履歴、未解決ケースを一元管理し、変更時の影響範囲と残存課題を明確化 ・サンプリング、監査、二重アノテーション、作業者校正、差し戻し、再レビュー等の品質運用を設計 ・社内作業者・業務委託・外部ベンダーへの説明、教育、評価を行い、理解度・再発率・作業者別の品質傾向を確認 ・新規データ作成・既存データ修正のバックログを管理し、事業優先度とMLの学習計画へ接続 ・学習投入前にデータ運用上のReady／Not Readyと残存リスクを提示し、MLとデータ変更前後のモデル失敗パターンを比較 ・データ量、品質、費用、納期、想定モデル影響、未確定事項を整理し、Biz・CS・ML・Software Engineerが判断できる状態をつくる ▍やりがい・魅力など ・AI性能を左右する教師・評価データを、単発の作業物ではなく継続利用できる会社の資産へ変えられます ・品質指標、ルール、判断履歴、作業者運用をゼロから設計する立ち上げポジションです ・データ改善がモデルのどの失敗を改善したのかまで追い、データ運用とML開発を直接つなげられます ・将来的には業務量・組織規模に応じ、Data Quality／CurationとAnnotation Operationsの機能分化・チーム設計にも関われます ▍組織名／体制 業務上の正解はBiz、顧客・現場事例はCS、学習・評価要件とモデル投入判断はML、ツール開発はSoftware Engineerが担います。本ポジションは各領域の論点を整理し、品質運用を横断してつなぎます。 ▍技術スタック SQL、Python、pandas等を用いてデータ確認・集計・品質分析を行います。 ▍必須スキル ・SQL、Python、pandas等を用いて自らデータを確認・集計し、品質問題の傾向や原因を説明した経験 ・エラー率、母数、サンプリング、分布、偏り等を踏まえ、品質指標を設計または運用した経験 ・個別ミスをエラー類型・根本原因にまとめ、再発防止へつなげた経験 ・曖昧な要求・判断をSOP、ルール、正例・負例・境界例、例外処理へ落とし込んだ経験 ・複数部門や外部パートナーが関わる業務で、期限、依存関係、リスク、未決事項を管理した経験 ・教師あり学習、学習／検証／評価データ、データリーケージ、過学習、分布変化に関する基礎理解 ・Precision、Recall、F1等の評価指標を読み、データ品質とモデルの失敗をML担当者と議論できること ▍歓迎スキル ・教師データ、アノテーション、データキュレーション、AI評価の運用経験 ・OCR、Document AI、表・帳票・階層データを扱った経験 ・モデルのエラー分析やData-centric AIに取り組んだ経験 ・作業者教育、QA、BPO・外部ベンダー管理、業務設計の経験 ・建設見積、積算、調達、施工、修繕等の建設・不動産領域の知識 ▍求める人物像 ・個別修正だけでなく、誤りのパターンと発生源を考えられる方 ・不明な状態を隠さず、未確定事項と判断先を構造化できる方 ・分析で終わらず、ルール・担当・期限・完了条件まで運用に落とせる方 ・モデル開発そのものより、良いデータが継続的に作られる仕組みづくりに関心がある方