本ページはプロモーションが含まれています。
AIエンジニアに興味を持っている方にとって、自分に向いているか知ることができるオススメの本です。
なぜなら、この本の中にはAIエンジニアの良いところだけでなく、悪いところも含めて実務が豊富に記載されているからです。私も「なるほど！私の経験と同じだ」と感じるところがいくつもありました。
昨今のAIブームの中で、人手不足の世の中で更に不足しているAIエンジニアが重宝されつつも繁忙期にはめちゃめちゃ忙しいところや、AI案件ならではの精度100%を保証する難しさなど、AIエンジニアとして共感できることが多々記載されています。
ただ、AIエンジニアはめちゃめちゃ楽しいです。私にとっては天職と感じています。これからAIエンジニアを目指したいと考えている方、興味を持っている方は是非この本を読んでみて下さい。AIエンジニアのイメージが具体的になります。
そもそも、AIエンジニアってなんでしょう？
ソフトウェア、システム開発であればシステムエンジニア（SE）と呼ばれます。私が思うに、AIエンジニアはAIシステムを開発するシステムエンジニアだと考えます。私は元々は普通のSEで、製品のソフトウェア開発やプロジェクトマネージメントを行ってきました。そこにAIの要素が加わったことでAIエンジニアと名乗っています。今までのソフトウェアでは解決できない顧客の課題に対し、AIによる判定を加えることで効率化や省人化を進めます。
AIシステムの開発でも、要件定義から基本・詳細設計、単体・結合・システムテストを経てリリースする流れは同じです。
AI特有の要素は、顧客の課題にAIが有効かどうかを判定する実現性検証（PoC）の有無になります。実現性検証は、AIによる判定がそもそも可能か、可能な場合、精度・速度は要望を満たしているかを確認するフェーズになります。これは、AIの精度を100%保証するのが難しいところに起因します。特に、内部ではどういうロジックで判定されているのか説明が困難なため（近頃は説明可能なAI、XAIが登場してきていますが…）、PoCで実際の精度を確認させてもらう流れになります。これにより、顧客のシステムとして十分運用に耐えられると判断されれば、システム開発に移行できます。
上記はほんの一部で、AIエンジニアはどういった仕事をしているのかを深く理解してもらうために、この本を紹介します。
オススメのポイント
AIエンジニアは、AI技術に特化したシステムエンジニアです。そして、クリエイターでもあります。
顧客からは漠然とした課題が提示されます。そこからAIでどう解決するかを想像するところがAIエンジニアの腕の見せどころです。私は画像認識を専門にしているので、ルールベースの画像処理と組み合わせたり、場合によってはカメラから提案をします。そうして、ハードウェアとソフトウェアを組み合わせることで如何に課題解決に導くか、パズルを解く感覚です。
そして、そのパズルが正解かを実現性検証（PoC）で確認します。実現性検証では、AIのポテンシャルを評価します。評価の結果、これであればシステム開発に進めるかを顧客と一緒に判断します。ここでAIエンジニアとして顧客に説明しなければいけないのは、AIは必ずしも100%の精度を保証できないところです。人間と同じで見逃しもあるでしょう。今まで学んでこなかった事象に対してどう反応するかも未知数です。そこを十分理解してもらい、あくまでも人の補助として使用いただくように促す、或いは精度は保証できないことを確約します。
そうして、念入りな調整を経て、いよいよシステム開発になります。その間、AIモデルに更に学習画像を追加して精度向上を図ったりもします。
システム開発は、通常の開発フローと遜色ありません。しっかりテストしてリリースします。その後はシステム自体と、AIモデルの安定化に向けた保守を継続することもあります。
AIエンジニアは最初から最後までオールマイティに活躍します。
（私としては、他人の2倍は働いているので給料も2倍にしてほしいと常々考えています。）
以上が、私の実務経験から成るAIエンジニアの姿ですが、まさにこの本もその流れになっています。AIエンジニアとはどういった職種から始まり、AIエンジニアの求人状況、どのようなスキルが求められるかや、実現性検証からシステム開発、システム運用までの流れ、そしてAIエンジニアのあり方までを詳細に説明しています。
非常に読み応えもあり、これからAIエンジニアとして活躍したい方の参考になると思います。
AI業界の現状と基礎知識
ここからは、この本の概要から私の意見を紹介します。
まずここでは、AIの概要と企業の動向について説明しています。企業のDX推進はどんどん加速しています。また、この本には記載はないですが、昨今は生成AIブームで、業務サポートとして試験導入する企業も非常に増えています。
私の所感でも、AIを導入したい企業は非常に増えています。ただ、企業の目指す姿は完全自動化でミスのないAIで、そこにギャップを感じます。AIもミスをします。画像認識AIの場合、今まで見たことのない未知の対象であったり、外乱で見え方が異なったり、100%を保証することは極めて難しいです。顧客との間で、このギャップを埋めることが大切です。
つまり、AIエンジニアはAIに精通しているだけでなく、顧客とのコミュニケーションも取れる必要があると考えます。AIの導入が加速している中でAI人材の需要はどんどん増えていますが、求められる人材のレベルも高いために常に不足しています。
++幅広く使えるAI ++企業へのAI導入の動向 ++AI人材の需要
AIエンジニアの仕事と仕組み
私は、AIエンジニアには3つのタイプの人材がいると考えています。
1つ目のタイプは、AI完全特化型のデータサイエンティストです。AIについて論文調査をしたり、案件に応じてAIネットワークを選定、精度を追求する人材です。このタイプの方は、学生時代からAIに触れてきた経験がある事が大半です。AI案件のブレインとして機能します。
2つ目のタイプは、AIシステム全般を俯瞰するプロジェクトマネージャーです。顧客の要望を満たすためのAIシステム開発や、リソース管理などプロジェクトのマネージメントをしていきます。その中でAI特有なのが、AIが判定した結果をどうシステムに連携するか、誤認識した際のリカバリなども考慮するところです。
3つ目のタイプは、AIプログラミングを行うプログラマーです。ここはAIがどのような結果を返すか理解する必要があります。
このように、AIエンジニアにも状況によって様々な役目があると考えています。
++AIエンジニアってどんな人？ ++AIエンジニアと関わる人々 ++AIシステム開発の全体像を把握する ++PMの仕事と役割 ++自社開発と受託開発 ++AIシステムの頭脳 ++AIモデルの作成とプログラミング ++AIシステムの導入事例
AIエンジニアの求人状況と働き方
AIエンジニアの需要は、非常に高いです。
選り好みしなければすぐに転職出来ますし、引く手数多と思います。給料も他のエンジニアに比べれば高いと思います。AIエンジニアの学歴は、学生時代から専攻し、引き続き社会人でもスキルを活かしている人と、社会人になってから学び始めた人の2パターンが主で、人数比では後者の方が多い印象です。仕事の忙しさは波があると思いますが、プロジェクトがスタートするとそれなりに残業もあると思います。
AIエンジニアと聞くと、学歴が高い印象を持つ方もいると思います。ただ、全然そんなことありません。私は地方の大学（情報系）で、理系ではありますが偏差値もそれほど高くなく、AIに一切触れてきませんでした。それでもAIエンジニアになれます！
ちなみに、私の1日についても記載してみたので、参考にして下さい。
++AIエンジニアの転職市場 ++AIエンジニアの労働条件 ++AIエンジニアの学歴と年齢層 ++AIエンジニアの1日 CASE1 ++AIエンジニアの1日 CASE2 ++AIエンジニアの1日 CASE3 ++AIエンジニアの仕事とは -総括-
AIエンジニアになるには
AIエンジニアに必要なのは発想力です。
AIエンジニアに必要なスキルは数学や統計とよく言われます。あとは私のような画像認識専門ですと画像処理全般のスキルが必要になります。ただ、一番必要なスキルは発想力な気がします。私の経験から言うと、画像認識AIはいい画が撮れればそれなりに学習も進みます。それよりも、顧客はAIを使ってどうしたいか、人手をゼロにしたいのか、それともAIはアシストで良いのか、目的によって精度目標は大きく変わるので、何がしたいかを見極める。その上で今あるAI技術は何が活用できるのかを提案できることが大切だと考えます。
この本では、プログラミングについても触れられています。それも大事ですが、まずは柔軟な発想だと思います。その上で、武器になるスキルを身につけるためにこの本を読み込むのが良いと考えます！
ちなみに、AIにおけるオススメの資格は以前にまとめさせていただきました。
また、特に難易度の高いE資格については価格も含めて詳細化しています。
++AIエンジニアに必要なスキル ++AIスキルに必要な基礎知識 ++AIプログラミングの始め方 ++アプリケーション開発スキル ++AIエンジニアに必要な資格とは ++AIエンジニアになるには〜学生の場合〜 ++AIエンジニアになるには〜ITエンジニアの場合〜 ++AIエンジニアになるには〜非ITエンジニアの場合〜
AIモデルの構築とPoC
いきなりAIのシステム開発は危険です。
AIでどこまでの精度が出るかも不明な状況では、まず実証実験（PoC）が必要です。この検証で、まずAIで顧客のやりたい事を満たせるかの確認をします。この段階で精度が十分でなくとも、今後のアプローチ（AIモデルの変更や、学習画像の追加）で精度向上が期待できるか、或いはシステム開発で補完できるレベルなのかを見極めます。
この本でも、そこが強調されて記載されています。そしておもしろいのが、高すぎる精度は疑うというところです。まさにその通りで、あまりに良すぎる精度のときには、その原因をはっきりさせる必要があります。AIにとって簡単な問題で、精度が高い可能性も十分にあるので、この見極めが大事です。そしてここが、AIエンジニアの腕の見せどころとも言えます。
++PoCの重要性 ++AIモデルの試作で「何を」分析するのか ++データ収集で注意すべきこと ++AIモデルで使うアルゴリズムを検討する ①教師あり学習 ②教師なし学習 ③アンサンブル学習 ④ディープラーニング ++AIモデルの性能を検証する ++AIモデルの性能を評価する ++高すぎる精度には過学習を疑う ++データが少ない場合
AIシステムを作る
PoCが無事に完了すれば、ついにシステム化です。
ここは、通常のシステム開発と大差はありません。ただ、AIが想定外の判定をした際のフォローには十分気をつける必要があります。
++PoC終了後から製品化までの流れ ++PoCで作成したAIモデルを本番用に改良する ++AIシステムを構築する ++AIシステムをテストする ++AIモデル更新の方法を検討する
AIシステムの運用
システム運用が開始したら、定期的な状況確認です。
ここでは、AIの判定が正しく動作しているか、確認する必要があります。過去にあったのは、工場の製造ライン（ベルトコンベア）上での検査で、運用していくと段々とコンベアが汚れてきて精度が低下した事例がありました。この解決として、コンベアを定期的に掃除するフローを入れたり、AIの追加学習をして制度を安定させたりの施策が必要になります。
++システムの運用 ++AIシステムを監視して異常がないかチェックする ++AIモデルの更新 ++AIシステムの苦手部分は人がフォローする
AIエンジニアになったら
AIエンジニアは、過去の知識に関係なく成れる職業だと思っています。
知識よりは、実際に手を動かしてひたすら経験を積んだ方が、あらゆる案件に対応できると思います。現場に行くと、基本何かしらの予期せぬトラブルが起こります。その際に、どう乗り切れるかは経験がものを言います。また、AIに幻想を抱いている顧客も非常に多いです。精度100%で何でもできると考えている方に対して、丁寧に説明して、コントロールする必要もあります。
++地道な経験を積もう ++理想のデータと現状のデータを知る ++大規模なデータを扱うにはインフラの知識が必須 ++顧客の期待値を調整する ++ビジネススキルを身に付ける ++最先端技術だからこそ学び続けなければならない ++ステップアップのために
まとめ
私がもし、もう一度職業を自由に選べたら、またAIエンジニアを選択すると思います。
毎日色々なことが起こり、トラブルも少なくないですが、千差万別の顧客に提案をしていくのは緊張しつつも非常に楽しく感じます。非常に良い精度が出た場合には喜びも格別です。そして付随して、給料もシステムエンジニア界隈では、非常に高いです。これもモチベーションが上がります。
もし、顧客とのコミュニケーションが苦ではなく、トラブルも楽しめる気がするならば、AIエンジニアはオススメです。
