AIエンジニア

AI（人工知能）の様々な分野での活用に関して研究開発を行う。

ディープラーニング（深層学習）などの手法により、AIによる処理を実現するエンジニアである。ビッグデータを分析するデータサイエンティストをAIエンジニアに含める場合もあるが、ここでは狭義のAIエンジニアである、機械学習のエンジニアを解説する。

現在、AIの応用は、顔認証、疾病の画像診断、自動車の自動運転、カスタマーセンターの相談支援、異常や障害の検知等々、様々な分野で研究開発が進んでいる。

仕事を進行に沿ってみていくと、まずチームで開発目標を設定し、どのような開発を行うか計画を策定する。受託して開発する会社では、クライアントから要件を聞き、提供されるデータを確認してから開発設計を行う。開発に入ると最適な実現方法を検討し、AIを実行するマシンの性能が低い場合は、処理性能も考慮に入れながらＡＩを実装する。平行して、教師データ（結果が分っている既存のデータ）を投入しAIに学習させる仕組みを検討し、教師データの管理方法、加工方法を設計する。設計やプログラムはクラウドに上げてチームで共有することが多い。

効率の良い学習のためにデータを管理する画面やツールを準備し、膨大な教師データを投入し、診断、判定等の精度を上げていく。この学習には何日もかかることがあるため、AI学習用の専用のマシンやスーパーコンピューター（高度な演算処理を高速に行うことができる）などが使われる。スーパーコンピューターはリモートで利用されることが多い。

AIの学習の進み具合をみるため、正解率が目標に達したり、エラー率が十分に下がったところで学習は完了となる。AIに検証用のテストデータを投入し、どのような診断、判定になるか、様々な分野の専門家とエンジニアで検証する。この検証を経て、出来上がったシステムを納入する。システムが実際に運営されるようになるが、運用段階のデータからもAIを成長させていく。

関連技術が急激に発展しているため、常にWeb上で公開されている関連論文を調べて読んだり、大学、研究機関の研究者と意見交換し、関連する最新情報は押さえておくことが必要である。

よく使う道具、機材、情報技術等

スーパーコンピューター、クラウドストレッジ、統合開発環境（ＩＤＥ: Integrated Development Environment）、プログラミング言語（Python、C言語、JAVA、等）、生成AI（コードを仮作成し人間が手直しする等）、GoogleGoogleスプレッドシート、パソコン

この仕事に就くためには、特に学歴や資格は必要とされず、現状では求められる要件や水準も明確でないが、大学院で情報科学あるいは工学部、理学部の様々な分野の修士か博士号取得者が多くを占める。大学学部卒の割合がそれに続き、高専卒も若干いる。新卒者を採用する場合は、大学での研究実績、国際学会での発表、また、AI（人工知能）関連の各種コンペティションでの入賞等が評価される。

研究機関、メーカー、情報通信会社、ベンチャー企業などに採用される。システムエンジニアとは別にAIエンジニアとして採用されることが多い。

機械学習やディープラーニングの専門家は日本全国で1万人を超えると考えられ（AI開発会社の数、関連学会の会員数、関連コミュニティの参加者数から推定）、実績のあるAIエンジニアの中途採用、優秀な大学院生・大学生の新卒採用は争奪戦となっている。データサイエンティストなど隣接する分野から転身してくる人もいる。

転職する場合は、同業他社でAIエンジニアになるというケースもあるが、大学や研究機関に移るケースも多い。

ディープラーニングやその他の機械学習の手法に精通していること、この分野でメジャーなプログラミング言語であるPython（パイソン）などを使いこなせること、データ分析の技術やツールが十分に使えること等が求められる。また、その上に、例えば、画像処理、自然言語処理、音声処理などの技術に精通していることや、医学、農学などの特定の分野における専門知識が求められることもある。

新しい分野であり、人材の育成方法はまだ確立していないが、大学で学んだ専門知識、個人のポテンシャルや閃きが新しい発明に繋がることも多く、開発する力は年齢や経験年数と必ずしも比例しない。

進歩が速い分野であり、常に情報収集が必要で、論文を読んだり、また、自ら書いたりすることが多い。