機械学習モデルの精度が売上に直結事業成長を担う責任感が、スタンバイで働く最大の魅力

吉田 雄大
プロダクト部 機械学習エンジニア

大学卒業後、大手通信会社へ入社。その後スマートフォン向けゲーム会社にてAIとデータ基盤開発経験などを経て、2024年11月からスタンバイに入社。

「技術とビジネスが一体となり、売上を生み出す」企業姿勢に共感

私は求人広告検索のランキングを決定する機械学習モデルの開発を担当しています。求職者であるユーザーの検索内容に応じて、どの広告を上位に表示させるかを決めるスタンバイの根幹の部分であり、事業の売上に直結する開発領域になります。

私がAIに興味を持ち始めたのは大学時代からでした。当時はDeepLearnig技術が急速に発展していて、そこに生成AI技術が出始めてきた頃でした。生成AIに出会い、「これは今後の世の中を変える技術だ」と確信し、新卒でAI部門のある大手通信会社に入社。その後、ゲーム会社でのAIとデータ基盤開発経験を経て、2024年11月にスタンバイにジョインしました。
スタンバイの面接を受けた時、CTOの明石信之と「エンジニアとして事業の売上にどう貢献できるか」を熱く語り合い、ビジネス観点で議論が盛り上がりました。そんな話ができる環境に、とてもワクワクしたのを覚えています。

サービスのコアを支え、全社一丸でユーザー体験を上げていく

スタンバイに惹かれたのは、自分が貢献する機械学習エンジニアとしての仕事が事業の根幹を担っていると自負できる仕事だと思えたことでした。求人検索エンジンにおいて、ユーザーにどの順番でどの求人を表示させるかは事業にとってとても重要な部分です。ユーザーが求めるニーズに合わない順番でランキング表示をさせてしまえばクリックされなく、ユーザーがスタンバイを利用しなくなってしまいます。適した表示が求人をクリックすることにつながります。ランキング次第で売上が大きく上がることもあれば下がることもある。事業への影響度と責任感の大きさは、スタンバイで働く最大のやりがいだと思っています。

機械学習エンジニアは、ときに“研究者”という立ち位置に置かれがちです。“いつか必要になる技術”として研究を続けていても、社会実装されずに消滅していくプロジェクトは山のようにあり、私もこれまでにたくさん目にしてきました。スタンバイのように、事業の根幹としてAIが浸透し、ビジネスインパクトが大きい会社はそう多くありません。
実際に改善案をプロダクトに適用していくことになれば、データ基盤づくりやリリース後の品質担保チェックなどさまざまな部門が関わっていきます。プロダクトに直結しているからこそ、チーム内で完結することなく全社一丸となって動いていく。エンジニアとして、自分の提供価値を実感できる環境が整っているなと感じています。

課題発見から設計・実装まで、一気通貫で携われる面白さがある

社内には、自然言語処理や画像処理など、多岐にわたる専門知識を持つメンバーがおり、お互いの専門性を活かしながら裁量を持って働ける環境があります。「こうしたら、スタンバイはもっと良くなる」と自ら考えたことを、チームメンバーの知見と掛け合わせながら実行していくことができます。
より良いプロダクトを目指す中で課題に気付き、それをAIモデルに適用させていくことで、問題を解決をしていきます。スタンバイではAIモデルを開発して終わりではありません。私たちが作ったAIモデルはスタンバイのコアシステムとして組み込む作業に取り掛かります。課題の発見から解決策の設計・実装まで、プロセス全体に責任を持って取り組むことができ、その成果が事業成長に直結する。この面白さは、AI技術がプロダクトの中心にあるスタンバイならではのものです。

より良いプロダクトにするために機械学習でできること

機械学習エンジニアとして、スタンバイに貢献できることはまだまだたくさんあります。例えば、広告ランキングモデルに組み込む新しい特徴量を模索したり、モデルの精度を保ったまま軽量化する手法である「蒸留」のようなことも試したいと考えています。
正解や完成形がなく、試行錯誤を重ねながら高みを目指していけるのが機械学習エンジニアの面白さ。自ら課題を見つけ、アプローチ方法を検討して実行していける人にとって、スタンバイはとてもチャレンジングな環境だと思います。