はじめに
みなさま初めまして。Globe-ing株式会社にてエンジニアマネージャーを務めている角田（つのだ）と申します。Globe-ingはコンサルティング会社ですが、CTOの上田がすでに投稿しているように、クラウドプロダクト事業として自社プロダクトの企画・開発も行なっており、私はその中でAIやデータ活用に関する責任者をしております。
ちなみに、元々は研究者であり、今でも自分では「工学者」を名乗り、様々な学会等の委員をしたりしています。
Researchmapでのプロフィール
この記事では、なぜAI・データサイエンスでのプロダクト開発をコンサルティング会社でやるのか、そのやりがいは何かについて、キャリア観点も含めてお話ししたいと思います。
コンサルティング事業でのAI・データサイエンス
ここ数年、コンサルティング業界でもAIエンジニアやデータサイエンティストのニーズは旺盛でした。事実、私も通信系R&Dからコンサルティング会社に最初の転職をしています。
ここで、AI・データサイエンス観点でのコンサルティング会社でのPros/Consを挙げてみます。
Pros
様々な業界・業種の様々なデータを分析できるチャンスがある
これは会社にもよるのですが、一般にコンサルティング会社は様々な業界・業種のクライアントとPJを進めており、様々な業界・業種の、様々なデータを分析できるチャンスがあるといえます。私自身、不動産会社、化学会社、金融機関、通信会社等、非常に幅広いクライアントと共に、データの収集や分析、示唆出し、結果に関する議論をさせていただいた経験があり、データの種類も表形式、画像、自然言語、時系列データなど多岐にわたりました。
課題やクライアントに近い立場で分析ができる
コンサルティング業界はクライアントに接してナンボ、クライアントの課題を深く理解し、伴走型で解決してなんぼ、というカルチャーが根底にあります。つまり、R&Dなどと比較すると格段に実際の課題とそれを持つクライアントに近い立場で仕事をすることができます。生々しい問題意識や課題から、技術課題を特定し、それをAI・データサイエンスで次々と解決し、成果を認めてもらうことは大いにやりがいになります。
Cons
長期的なインパクトを出すことが難しい
コンサルティングPJは長くても数ヶ月であり、最終的に成果がどのように実装され、運用されるかまで関与することが難しいことが多々あります。SIのようにシステムをかっちり組む場合はまだ良いのですが、私の場合はデータサイエンス知見を用いるPJでは単発が多く、この点はやりがい面で結構デメリットではありました。
新技術を触れることが難しい場合もある
当たり前ですが、課題を解決してナンボなので、技術は二の次になります。当然のことなのですが、自分から技術を学ぶには業務外で学ぶ必要があり、その場合は新技術を用いた業務経験がしにくいということがあるので、技術者としてはデメリットになりえます。
成果物が手離れしてしまう
1つ目に関連するのですが、コンサルティングPJでは成果物は原則、クライアント所有になります。つまり、自分たちが工夫したり発明したとしても、それらが自身(自社)のアセットにすることが難しく、自身(自社)のアセットを成長させていくことが難しい、あるいはほとんどできないというのは個人的には大きなデメリットでした。
また、私はR&D出身ということもあり、知財面をクリアにした前提で成果をできるだけ外部に発表したいと考えているのですが、その観点でもこれは大きなハードルになりました。
プロダクト事業でのAI・データサイエンス
ここで、コンサルティングと対極に位置するであろうプロダクト事業を考えてみます。プロダクト事業では極論、売り物であるプロダクトの要件や機能を決定するのは自分たちであり、コンサルティング業界と真逆です。つまり、前節で述べたPros/Consもほぼ正反対になります。
実は、私の前々職はプロダクト事業に近く、前職もプロダクト事業に近いことをやっていました。その経験から、プロダクト事業では以下のような課題があると感じました。特に2つ目はプロダクト事業の命運を左右するほど重要です。
- クライアントから遠い場所でデータ分析やAI活用を考えてしまい、マーケットにフィットしない
- 扱えるデータの種類や業界・業種が限られてしまう
では、どうするのか？
私の考えでは、AI・データサイエンスでもコンサルティングとプロダクトのハイブリット型が成立しうるのではないか、と考えています。簡単に図示すると以下のような仕組みです。
課題やニーズは現場にあるので、コンサルティングにてそれらを把握した上で、共通点を洗い出して抽象化し、プロダクト企画に活用する。そしてそれらをコンサルティングも活用したトライアル・評価を通じ、本格的なプロダクトに育て上げる、というのが基本的な考えです。ニーズ・課題やクライアントから生じるので市場から大きく外れにくい点と、プロダクトの企画は自社で行うので、そこで自分たちの工夫や技術を入れられる点が重要なポイントです。
ただ、このような考えは比較的誰でも容易に思いつく理想型である反面、なかなか実現が難しいのでは、と一般には思われていると考えます。
AI・データサイエンス観点で見たGlobe-ingでのやりがい
Globe-ingでのやりがいは、上記の理想型を実現できることにあります。そのための優位性を挙げます。
優れたコンサルタントが多数在籍しており、様々なクライアントやデータに触れるチャンスが多い
弊社のホームページを見ればお分かりになると思いますが、様々な企業で多様な経験を積んだ先鋭が揃っており、多くのクライアントとPJを進めさせていただいております。また、Joint Initiative型というクライアント内部に入り込んでのPJも多く、広く・深くクライアントの課題やニーズ、そしてデータと関わるチャンスがあります。
技術者も少数先鋭が揃っており、技術面での切磋琢磨できるメンバがいる上、開発力も高い
CTOの上田をはじめ、様々なスタックに詳しい技術者が在籍しています。実際にすでに2つのプロダクトを開発・リリースしており、その開発スピードと品質はコンサルティング会社としては類を見ないものだと思います。
プロダクトを作って育てよう、という意識が高い
弊社はコンサルティング事業でも長期的な伴走支援を謳っていますが、プロダクト事業でも同様に、しっかり作って運用していこう、という意識が高いです。そのため、AI・データサイエンスでよくあるPoCで終わるようなものが乱発されることもなく、かつ柔軟にAIやデータ利活用の機能を試作・評価し、うまくいきそうなものはしっかり製品にしていく、という良いバランスで、プロダクトを作って育てています。
具体例
弊社のSales Suiteには、ダッシュボードとして多数のグラフがあるのですが、これを見ると多くの方は「?」となってしまうと思います。我々はそのようなユーザ課題に対し、LLMを使ってこのグラフの設計意図や、グラフからわかることを要約・解説する機能を実装しています。このような機能も、実際にプロダクトを作り、リリースする中で見えたユーザ課題から、試作・評価・実装・リリースしたものです。
おわりに
今、Globe-ingは上場後の急成長フェーズであり、AI・データサイエンス関連事業には大きな期待が社内外から寄せられています。そんなエキサイティングかつコンサルティング・プロダクトのいいとこ取りを目指すGlobe-ingで、ぜひエンジニアとして、あるいはデータサイエンティストとして働いてみませか？
Discussion