創業期での参画は、野山を切り拓いて道を作るような面白さ

高校時代は学校の先生になりたいと考え、大学もそのつもりで進みました。
在学中は自治体のボランティア活動をしたり、文科省の方が開催している勉強会に参加したりしながら人脈を広げていたのですが、その中で徐々に教師という職業への興味が薄れていきました。

当時は小泉改革等で民間の力を教育等様々なセクターに取り入れようという動きが出て来た時期でもありました。校長の民間登用が始まったのもこの時期で、私自身も民間の立場から学校教育に関わりたいと思うようになったのです。

昨今の教育現場は本当に忙しく、一部ではブラック職だと言われたりしています。そこで、私自身が教員として教育現場に直接的に関わるのではなく、外から彼らのサポートをした方が、より教育現場にイノベーションを与えることはできないかと考え、ベネッセに就職しました。

ベネッセでは、最初の４年間は通信教育のマーケティング業務、次の２年間はオンライン授業や場事業など新しいサービスを作る仕事、最後の２年半は教育から少し外れ、介護部門で事業企画や営業企画、CRMなどマーケティング全般の仕組みを作る業務を担当しました。8年半で様々な経験をしましたが、いずれの部門でもマーケティングやデータ分析等には継続して携わっていました。

転職する少し前から自分自身の望む成長やキャリアについてについて考え始めていたのですが、ベネッセの教育や介護というドメインだけでなくもっと様々な領域の仕事をしてみたいという思いや、８年半やって来たデータ分析業務の知見を生かせる場所で自分を磨きたいという思いが強くなり、転職を検討するようになりました。

ちょうどその頃ビッグデータや機械学習が流行り始めた頃でした。今後データサイエンティストの需要がぐっと高まるだろうという感覚もあり、いったん外に出て別のキャリアを考えた方がよいと考えたのです。

ベネッセとリクルートには、「人生の大きな意思決定に関わる」会社であるという共通点があります。ベネッセで言えば進路選択や介護、リクルートなら就職や結婚などですが、人の一生に寄り添うという軸は外さずに、同時に私自身に不足しているデータ分析の知識や未経験のドメインの知識が獲得できるのではないかと考えたのが、リクルートを選んだ大きな理由です。

リクルートでは、リクルートIDに紐づくデータを管理する部門に所属していました。リクルートには主要なものだけでも50以上のサービスがあるのですが、それらのサービスに横串を通してドメイン間のシナジーを創出することを目指していました。

当該部門はWebやアプリから取れる大量のデータアセットを持っていましたので、利用者の複数サイトでの行動パターンに応じたレコメンデーションなど、データを横断的に見るからこそ考えられるサービスの開発・実装を社内のエンジニアと共にやっていました。

私の入社時にはインフラ周りの実装はひと段落していて、例えばじゃらんもHOT PEPPERも同一IDでログインできる段階でしたが、データを溜めるだけでは単にコストセンターでしかありません。私はそこから新たな利益を生み出す仕組みを考えていくというフェーズでジョインした感じです。

すぐに転職するつもりではなかったのですが、「将来的にスタートアップに行きたい」とは考えていたので、情報収集も兼ねてアマテラスに登録していました。そんな中で当社を知り、話を聞いてみたらすっかり意気投合してしまったというのが大まかな経緯です。

決め手はいくつかありますが、まずはCEOの椎橋とCTOの藤原が大変魅力的だったことです。
椎橋は非常にビジョナリーな人間で、Deep Learningで世の中を変えていきたいという強い思いを持っており、そこに惹かれました。また椎橋が「こういうことをやりたい」と言うと不思議と本当に実現できそうな気がして来て、そこに懸けてみたいという気持ちになりました。

藤原はエンジニアですが、ビジネスにも明るくコミュニケーションスキルも高い、大変稀有な存在だと感じました。最新の技術力とビジネスを仕立てる能力を兼ね備える意義深さと難しさを感じていたので、目の前にそれを持っている同世代の人間がいることに大変刺激を受けました。

もうひとつ、当社がスタートアップの中でも本当にアーリーなステージにいたというのも大きな理由です。これまで大企業でやってきたので、小さな組織で裁量権を持って機動力高く仕事をしてみたい、ごく少人数で知恵を出し合って事業を進めてみたいという想いがありました。当時は社員4名程というドンピシャのフェーズで、「今決断しないときっと後悔する」という思いに背中を押され、転職を決めました。

前職でビッグデータを扱い、機械学習のプロジェクトにも従事していたので、即戦力としてスタートアップに求められるある程度の下地もあり、価値貢献できるだろうと考えた側面はあります。これだけ機械学習やデータ活用が盛んになっているタイミングだからこそ、世の中に対し幅広く貢献する仕事がしたいと考えました。

ただ、リクルートはあくまでもウェブサービスで、現在Laboro.AIで携わっている製造業や建設業でのデータ活用とは、地続きではあるものの毛色は大分違いました。

Laboro.AIオフィスにてインタビューを受ける寺田氏

「ソリューションデザイナ」という肩書は当社のオリジナルの呼称で、平たく言うと、AIコンサルタントとプロジェクトマネジメントの両方をやるような仕事をしています。

先方からの問い合わせや営業時にお客さん側の課題や「こういうふうに機械学習を使ってみたいみたい」といった話が出てくるので、まずはそれを受けた上で、「どんなソリューションを作るとお客様の課題が解消されるのか」、「お客様のビジネスに貢献できるプロダクトの要件は何か」といったことを整理して、お客様に企画提案します。

そして、その企画がクライアントに受け入れられると、そこからプロジェクトが始まります。社内のエンジニアやクライアント側の担当者の方と協力し、プロジェクト中の試行錯誤をマネジメントしながら、最終的に実用化に繋げていくまでが私の仕事です。

そうですね。入社時は新規案件が多かったのですが、その内のほとんどは継続するので、今は一年以上に渡ってプロジェクトをやっているものの方が多くなってきています。

スタートアップの中でも数人規模のところは自分の裁量の幅が大きく、野山を切り拓いて道を作るような感覚があります。会社に求められる仕事をするだけでなく、自分が考えたやり方を形にしていくことができるのが何よりの面白みだと感じています。

また、AIスタートアップは今とても面白いフェーズにあると思っています。弊社も多くの大企業から声を掛けていただいており、彼らの知見を吸収しながら一緒に新しい価値を作るプロセスにやりがいを感じています。

結果として一部上場企業が多いですが、地方の中小企業もお客様の中にはいらっしゃいます。
先方の担当者はその事業の専門家であり、私たちは機械学習技術の専門家ですから、お互いを補完し合いながら一緒に良いものを作りましょうというやり方で進めています。

もう少し時代が進めば、大企業はAI開発を内製化して行くでしょうから、ここ数年が一番面白いところかもしれません。

当社はある意味ベンチャー感の薄い会社かも知れません。コンサル出身者が作った会社ということもあり、いわゆるスタートアップの「勢いで何かしよう」というマインドよりは、アーリーフェーズながら物事を合理的に判断して進めることができている会社だと思います。

当社は特定の商品を売っているわけではないので、クライアントへの提案の自由度も非常に高いです。例えば過去に取り組んだことのない領域でも、実現の可能性がある限りチャレンジすることが許される会社です。一人のビジネスパーソンとして、クライアントの課題と本質的に向き合うのは大変ですが、同時に大きなやりがいも感じます。

また、プロジェクト中は誰かから細かな指示を受けることはなく、プロフェッショナルとして自分で仕事を取って、自ら考えて価値を出せというスタンスです。一見困難な状況でも、ゼロベースで思考しながら筋道を立てて解決に導いていくことに面白みを感じられる人には最高の環境だと思います。

カスタムAIソリューションの概念図

自分自身の成長についてですが、それまで解決できなかったものが解決できるようになったり、一定の成果が出てそれまで機械学習に懐疑的だったクライアントがプロジェクトを通じて徐々に満足してくれるようになったりしたときに感じます。

また、市場価値という視点で自分を客観視するのは難しいですが、「人とは違うことをすることが自分の市場価値に繋がる」と考え、積極的に取り組んできました。ベネッセ時代は教育も介護も両方やっている人間は多くありませんでしたし、リクルートでもマーケティングや企画をしながら機械学習の技術を仕事として扱っていた人間はそれほどいませんでした。

つまり、「人がまだやっていないことや、人と違う経験を積むことで、自分自身でできる仕事の幅が広がり、結果としてその経験が自分の市場価値を高めてくれる」と思っています。現在従事しているソリューションデザイナという職種もまだ世の中的には一般的なポジションではないですので、その専門性を磨き、クライアントをより満足させられるサービスを提供し続けることが、結果として自身の市場価値を高めることになるはずと考えています。

そこまで大きなギャップはありませんでしたが、唯一思い出すのは、想定していた以上に求められる仕事のクオリティやクライアントからの期待値が高かったということです。特に最初の半年は、そのギャップを埋めるためのインプットに苦労しました。

はい。会社内もそうですが、クライアントと相対する場面では先方はAIのプロフェッショナルとして接して来られます。求められる能力に対してきちんとバリューを出せる状態にスピーディにキャッチアップすることは当然ですが、大変なことでもありました。

仕事をしながら身に付く能力もあるので、目の前の仕事を必死にこなすことで解消することもありましたが、入社後半年間は仕事が終わった後に毎日3～4時間、機械学習やクライアントの業界などの勉強をしていました。
誰かから教えてもらえることも当然ありますが、自分の中の引き出しを増やすためにも過去の事例や世の中のニュースを見ながら一人でケーススタディをしたり、アルゴリズムの原理や仕組みを勉強したり、とにかくインプットの数を増やす努力をしました。

大企業であれば研修などもありますが、スタートアップ、しかも新しい領域ではなかなか難しいので、何か与えられるのを待つのではなく、自分から積極的に学ぶ姿勢が大事だと思います。

元々持っていたのではなく、仕事をしていく中で身に付けたものだと思います。
1つの成功体験から、次はこうしよう、違う成果も出そうと試行錯誤するプロセスに楽しみを見出すうちに、先ほどの話にも共通しますが、人と違ったやり方を自分なりに考え、トライすることができるようになってきた気がします。

私の場合は、人から教えてもらうよりも、自分なりに考えて試行錯誤する方が自身の成長を感じるので、そういう仕事のスタイルになっているかも知れません。

そうかも知れません。
例えば、入社当初はクライアントの期待に応えられず、お金を出してサービスを買ってくれたクライアントに本当に申し訳なく、同時に非常に悔しい思いもしました。でも、これを解決するには自分自身に不足しているスキルを客観的に判断して、同じ失敗を繰り返さないことしかありません。仕事をしていれば辛いこともありますが、それを糧として改善に繋げるようにしています。

また、変わっていると思われるかもしれませんが、私はスタートアップにリスクはあまり感じていません。仮にその会社が倒産しても、自分の価値をしっかり高めていれば次の仕事はいくらでも見付かると思っています。

イベント時に対応している寺田氏

先ほどもお話ししましたが、私自身は情報収集のつもりでアマテラスに登録していました。ただ、アンテナを張っていたことで今の会社に巡り合うことができました。

スタートアップへの転職活動では、アンテナを張っておくことが非常に大切だと思います。特にアーリーフェーズの企業の場合、あっという間にタイミングを逸する可能性もあります。アンテナを張ることで、望む転職先に出会える可能性も高まるはずです。

転職先を探すとき、一般的には「その会社を信じられるか」、「価値観は合うか」というところを見ることが多いかと思いますが、AIスタートアップでは、その会社の持つ技術に信頼を置き、好感を持って接することができるかどうかも重要だと思います。

特に、私のような技術ではなくビジネス側の人間はエンジニアと協力して価値を生み出す必要がありますので、社内の、特に技術の人間をどれだけ信頼できるかということが非常に大事です。「自分が良いと思ったことを一緒になって実現してくれる人間がいるか」、また「その技術力は確かなものか」といった見極めはした方が良いと思います。

私自身は転職前、仲の良いエンジニアに「この会社の技術力についてどう思うか」と尋ね、オープンになっている情報から診断してもらいました。

また、AIスタートアップは技術開発をしても、それを実際に動かすところに行き着かないケースが多々あります。そういう意味で、ちゃんと導入された実績を持ち、価値を出している企業は信頼が置けるのではないでしょうか。そこは、面接で聞いてみるなど、納得が行くまで確認することが大事だと思います。

私自身、ベネッセからリクルートを挟まずにここに来られたかと考えると、それは無理だったかなと思っています。
憧れることとプロフェッショナルとして仕事をすることの間には大きな谷があり、憧れだけで入ってしまうと後悔する方もいらっしゃるのではと思います。

個人的な考え方ではありますが、私自身がそうだったように、AIや機械学習の技術に触れられる場所を一回挟んでからスタートアップに転職することも、長期的に見るとその人の人生にとって意味のある選択になる気もします。知識も経験もない状態で入社した場合、やはりクライアントに対して価値貢献ができない自分が最も辛いはずですから。

最近は大企業の中でもAIを使う部門がありますし、あるいはスタートアップでも私たちのようなアーリーなところではなく、もう少し規模の大きいミドル規模の会社もあります。そうした一定の成長期間を見込んだ上で採用活動を行っている企業をまず選択することも手だと思います。

一方で、AIや機械学習について、「本当にそれが自分の人生を懸けるに値するか」という意思決定ができるかということも重要です。死に物狂いで勉強をした上で、「5年、10年は絶対にこの業界でやっていきたい」という強い信念がある方なら、未経験でもチャレンジしてみる価値はあるのではないでしょうか。

我々も最初から全部できていたわけではありませんし、今でも不勉強を痛感することもありますから、未経験であることが、そうした方々の新たなチャレンジの足かせになって欲しくはありません。
ただ、経験者と比べればやはり一定以上の努力はシビアに求められることになると思いますので、そこの覚悟は持った上で転職先を見極めることをお勧めしたいです。