学生時代の経験で学んだ「深掘り」が、データサイエンティストの原点に

学生時代、私はさまざまなアルバイトに力を注いでいました。コールセンター、飲食店のホールやキッチン、イベント設営など、多様な現場を経験する中で、状況に応じて柔軟に動く力や、周囲と連携しながら物事をやり切る力が自然と身についていったように思います。専攻は情報メディア系で、Javaによるオブジェクト指向プログラミングや基本情報技術者試験レベルのIT基礎知識を学びました。画像認識や音声認識といった情報メディア分野にも触れていましたが、当時はまだAIに本格的に取り組んでいたわけではありません。

アルバイトの中でも特に印象深かったのは、通信会社の解約窓口のコールセンターでの経験です。基本的にはテンプレートに沿った定型対応が中心なのですが、お客様の背景を丁寧に伺うと、表面的な要望の奥に本当のニーズが隠れていることがありました。ある時、解約を希望されるお客様のお話をじっくり聞いてみると、「本当は解約したくないけれど、家族構成が変わって料金が高くなってしまい、仕方なく」という事情があることが分かったのです。そこで別のプランで料金シミュレーションを行ったところ、「乗り換えない方が安い」という結果になり、結果的に継続していただけることになりました。ニーズを深掘りし、適切な解決策を提示できたことで感謝の言葉をいただけたとき、本当に嬉しかったですし、この経験は今の仕事にも通じる原体験になっています。

就職活動では、「メーカーの社内SE」という軸を明確に持っていました。ITで働くなら、下請け的な立場ではなく、事業の中核に近いところで課題を直接聞き、解決まで責任を持って関わりたいと考えていたのです。社員に近い距離でニーズをヒアリングでき、機密度の高い案件も含めて当事者として経験できる点が、社内SEという働き方に魅力を感じた理由でした。会社の中で出てくる困りごとに対して、現場に近い距離で相談に乗り、ITという専門性で解決手段を提供する。そんな働き方がしたかったのです。ただ、ITと一口に言っても職種や領域は幅広く、自分がどの領域で価値を出したいのかを決めるのには苦労しました。

日立建機については、正直なところ入社前は詳しく知りませんでした。しかし入社してみると、地元の近くに日立建機日本という販売会社があり、工事現場でもオレンジ色の建設機械を頻繁に見かけるなど、「注目していなかっただけで、実はずっと身近にあったんだな」と実感しました。入社の決め手は、まず学校推薦がきっかけの一つでした。加えて、企業としての安定感や福利厚生の充実、国内外で事業を展開している点にも安心感があり、最終的に入社を決めました。

SESやSIer企業とも比較検討しましたが、日立建機は事業規模が大きく、現場に近い課題に対してITで価値を出せるイメージが持てました。統合報告書などからもDXに積極的な姿勢がうかがえ、安定感も含めて長期的に成長できる環境だと感じたのです。そして入社後、約3か月間の研修でIT部門内の各部署を回り、空気感や業務の違いを掴めたことで、自分の進みたい方向性を決めやすくなりました。アルバイトで培った傾聴力と課題解決への姿勢が、今の私の仕事の原点になっています。

入社後の研修は約6か月間に及びました。最初の3か月は新入社員全体研修として、会社の歴史やグループ会社の概要といった会社理解から始まり、ロジカルシンキングやビジネスマナーなどの社会人基礎、さらには油圧機構といった機械系の基礎知識まで、幅広いカリキュラムが組まれていました。印象的だったのは、油圧ショベルの運転資格を実際に取得したことです。IT部門への配属が決まっていた私にとって、一見遠い世界のように思えた機械の知識でしたが、後に現場で何が起きているかを想像する力として、データ分析の仕事に大きく役立つことになりました。

研修では同期同士のつながりを深める機会も用意されていました。かすみがうらマラソンでのゴミ拾いや運動会など、業務とは少し離れた活動を通じて、同期との絆が自然と育まれていきました。このつながりは配属後も続いており、困ったときに相談しやすい関係性を作る基盤となっています。続く3か月のIT部門研修では、セキュリティやガバナンス、Microsoftツールの活用など、IT部門としての基礎を学びました。外部イベントへの参加もあり、社外の視点にも触れる機会が設けられていました。

2023年4月に入社してから、私のキャリアは段階的に深まっていきました。研修終了後、データ利活用グループに配属され、最初の1年間はデータコンシェルジュという役割を担当しました。これは業務部門が「分析したいデータはあるが、どのデータを使えば良いか分からない」といった課題に直面した際に、AWS上のデータレイクから適切なデータを案内し、分析に必要な粒度や切り口を提案する仕事でした。この経験を通じて、社内の基幹システムやデータの全体像を把握することができました。その後、データサイエンティストチームに異動し、本格的な機械学習システムの開発に携わるようになりました。最初の1年間は、部品の仕入れコストといったテーブルデータを対象に、分類や数値予測などの機械学習モデルを開発していました。そして直近半年は、生成AIの業務活用という新しい領域にも注力しています。RAGやAIエージェント、データの民主化といった技術的な取り組みだけでなく、生成AI利用のガイドライン策定など、運用体制づくりにも関わっています。

入社前に想像していた以上に、風通しの良い職場だったことは大きな驚きでした。目上の方も「課長」「部長」ではなく「〇〇さん」と呼ぶ文化があり、直属の上長を飛び越えて部長に直接相談しに行くことも可能な環境でした。この自由度の高さは、若手でも積極的にチャレンジできる土壌を作っていると感じています。研修で学んだ機械の基礎知識と、配属後に培ったデータへの理解、そして風通しの良い組織文化。これらすべてが、私のデータサイエンティストとしての成長を支えてくれています。}

現在、私はデータ利活用グループのデータサイエンティストチームで、各業務部門が抱える課題を機械学習や生成AIで解決する仕事をしています。主にPythonでスクラッチ開発を行い、課題ヒアリングから要件定義、開発、評価テスト、そしてデプロイまで、一気通貫で担当しています。若手担当者として案件を自走しながらも、上司や先輩に相談しつつ、品質とスピードの両立を常に意識して取り組んでいます。

この仕事で最も大きな成功体験となったのが、金融庁共催の第3回金融データ活用チャレンジへの参加です。弊部のデータサイエンティストチームで挑戦し、精度部門で1位を獲得することができました。生成AIを活用したプロジェクトでしたが、ただ作って終わりではなく、精度を高めるための工夫と検証を何度も積み重ねた結果、優勝という形で成果につなげられたことに大きなやりがいを感じました。

コンペで優勝できた要因は、チームでの役割分担と改善サイクルの速さにあったと考えています。技術力の高い上司を中心に、メンバーそれぞれが担当領域を持ち、検証、レビュー、改善を短いサイクルで回し続けました。RAGにおける検索、前処理、回答生成という各プロセスのどこがボトルネックになっているかを丁寧に見極めながら、精度改善を一つずつ積み上げていったことが結果につながったのだと思います。

とはいえ、コンペの過程では多くの苦労もありました。一番印象に残っているのは、うまくいかないケースが出たときに、どこに問題があるのかを切り分けて修正していく作業です。感覚的に直すのではなく、失敗パターンを整理し、どこの何が原因でうまくいっていないのかを、泥臭く一つずつ潰していく必要がありました。この地道な作業が、最終的な精度向上に大きく寄与したのだと実感しています。

一方で、日々の業務では別の種類の困難もありました。関係部署との交渉や調整は思った以上に難しく、遠慮が出てしまったり、抱え込んでしまったりすることが多々ありました。特に生成AIガイドラインのようにスコープが大きなテーマでは、最初に何から整理すべきか分からず行き詰まることもありました。そんなとき、他部署の先輩を頼ることで状況が大きく前進した経験があります。この経験から、抱え込まずに早めに相談すること、そして何を決めたいのか、何が未確定なのかを整理して共有することの重要性を学びました。相手が判断しやすいように論点と選択肢をドラフトに落として提示することで、合意形成をスムーズに進められるようになりました。

学生時代と比べて、自分が最も成長したと感じるのは、能動性の質が変わったことです。以前は個人で完結させることを重視していましたが、今は周りを頼って巻き込む能動性へと変化しました。自分一人で進めることには限界があると気づき、他部署の先輩に相談したことで見えていなかった論点が一気に可視化され、頼って進めた方がアウトプットが大きくなるという実感を得ました。それ以降、能動性の方向が自分で抱えて頑張るから、周りを巻き込んで前に進めるへと変わったのです。

入社後の経験から学んだことの中で、今の仕事に最も活きているのは、最初は分からなくて当たり前という前提で、まず動いて仮説検証を回すことです。加えて、技術だけで完結させるのではなく、関係者と合意しながら使われる形、つまり運用まで持っていくことの大切さを実感しています。未経験の領域であっても、動きながら学び、自分でやり方を考えて進められるようになったことが、今の私の強みになっていると感じています。

短期的には、テーブルデータ以外の領域にもAI開発を広げていきたいと考えています。特にLLM・RAG・エージェントといった生成AI関連の技術について、実装だけでなく運用まで含めて一段深く取り組んでいきたいです。同時に、社内での生成AI活用を安全に進めるための基準づくりや運用体制の整備も前に進めていく必要があると感じています。技術の進歩が速い分野だからこそ、しっかりとしたガバナンスを築きながら活用の幅を広げていくことが重要だと思っています。

中長期的には、ビジネスと分析の両方の視点を持ち、プロジェクト獲得もできる人材を目指しています。広い視点を持ちながら、AI・データ基盤のアーキテクチャや運用にも強いデータサイエンティストとして成長したいです。技術だけでなく、それがどう使われるのか、どう運用されるべきかを考えられる力が、これからますます重要になってくると思います。そのためには、技術面のキャッチアップに加えて、業務理解・論点整理・合意形成の力を伸ばす必要があります。特に、評価・運用・標準化まで含めて、再現性のある進め方を身につけたいです。

もちろん不安もあります。テーマが大きくなるほど関係者が増え、全体設計や合意形成の難易度が上がる点には正直なところ不安を感じています。一方で、抱え込まず相談しながら進めることで乗り越えられる感覚も得てきているので、そこを自分の「型」にしていきたいと思っています。幸い、この会社では年次研修に加え、自主的に申し込める研修が用意されています。Udemyのような自主学習ツールもあり、講義を活用して資格取得まで進めた先輩もいます。主体的に動けば学べる環境が整っている点は大きなサポートだと感じています。

最後に、これから入社を考えている方へお伝えしたいことがあります。最初から完璧に分かっている必要はないと思います。分からないことは早めに相談し、能動的に動きながら学ぶことで、成長もチャンスも増えていきます。日立建機の魅力は、大きな事業・現場に近い課題に対して、データやAIを社会実装まで持っていける点です。若手でも手を挙げて取りに行けば、影響範囲の大きいテーマに関われる環境があります。受け身ではなく、自分から手を挙げて学び、周囲を頼りながら前に進められる人、変化を楽しめる人に来てもらいたいです。「最初は分からなくて当たり前」を前提に、能動的に学びながら動ける方、抱え込まず周りを巻き込み、論点整理して前に進められる方と一緒に働けると嬉しいです。