AIスタートアップで2年間働いて学んだ7つのこと

この記事は公開アカウント「Reading Core Technique」（ID: AI_Discovery）から転載したものです。

データサイエンスの仕事に採用された日のことを今でも覚えています。それまでは、主にオンラインコースを受講し、ポートフォリオプロジェクトに取り組んでいました。内定をもらって家に帰る途中、私は自分を励まし、自分を褒めました。新入社員としてデータサイエンスの分野に参入するのは簡単なことではありませんが、間違いなく大きな成果です。

[[359001]]

時は経つのが早く、今私のキャリアはより大きな課題に直面しようとしています。以下は、AI スタートアップ企業で機械学習エンジニアとして過去 2 年以上にわたって得た私の経験を振り返るものです。

1. 心からの本物の興奮

もう一度読んでみてください。キーワードは「誠実さ」です。誰もが仕事を始めるときはワクワクすると言います。しかし、実際にそれを実行し、継続できる人はほとんどいません。これは個人に大きな影響を与えます。

チームに参加してから、私はスタートアップの成長に対して同じ夢とビジョンを持つようになりました。私はこの小さなチームが及ぼしている大きな影響力に魅了されました。私は、より多くのことを学び、より早く成長したいと思ったので、学習と自己向上にさらに多くのエネルギーと時間を費やし始めました。

同時に、チームを支援し、AI を使って実際のビジネス上の問題を解決できることを嬉しく思います。そして、それについて考えるといつもワクワクします。興奮を抑えようと努力しているのですが、どうにもなりません。

この 2 年間で、私はクライアントとのエンゲージメントに携わり、機械学習エンジニアに昇進し、最終的にデータ サイエンス チームでプロジェクトをリードし始めました。私は自分に訪れるあらゆる機会に心から興奮しています。私も成長し、スタートアップも成長しました。

ですから、私のアドバイスは、スタートアップ企業（あるいはどんな代理店でも）に入社するなら、彼らが行っている仕事に心からワクワクし、そのワクワク感を隠さずに表現することです。これは特にキャリア開発に当てはまり、遅かれ早かれ気づくことになるでしょう。

2. まずエンドツーエンドを理解する

データ サイエンスのライフサイクルは包括的です。これには、ビジネスニーズの理解、問題の定式化、関連データの収集と取得、データの理解、問題解決のためのモデルの開発、実験の繰り返し、結果の継続的な最適化、ソリューションの展開、そして最後に利害関係者への結果の伝達などの一連のプロセスが含まれます。通常、ビジネスアナリスト、データエンジニア、データアナリスト、データサイエンティスト、機械学習エンジニアなどのさまざまな人員が関与します。

上記のすべてを実行しました。スタートアップは、このプロセスについて学び、それをテストするのに最適な場所です。練習する機会がなくても、いつでもチームとコミュニケーションを取り、彼らの経験から学ぶことができます。言い換えれば、キャリアの早い段階でジェネラリストになるということです。

これはジェネラリストとスペシャリストの間の昔からの議論を呼び起こすものだとわかっていますが、聞いてください。まず、どんな仕事でもエンドツーエンドのプロセスを理解することが重要であり、キャリアの初期段階では、自分の興味と専門知識がわかります。その後、自分の興味や得意なことがわかったら、それに集中することができます。ジェネラリストからスタートしてスペシャリストになりましょう。これは私にとって大きな利益となりました。

3. 責任を取る覚悟を持つ

間違いが起こると、私は怖くなり、恐怖を感じ、理由もなくパニックに陥りました。今では、私はそれを間違いではなく、学習経験と呼んでいます。

6 か月後、私はプロジェクトの最初から最後までを担当するよう任命されました。これは期限が厳しいプロジェクトでしたが、上級管理職は私にそのリーダーとしての権限を委ねましたが、その理由は私には全く分かりませんでした。自分が負っている重い責任を考えると、とても怖くなります。失敗するのが怖いのです。結果が期待したほど良くなかったらどうしよう？自分の能力が及ばなかったらどうしよう？私は純粋な恐怖から、自分自身にこれらの質問をしました。

もちろん、これを始めたときは、追加の作業や障壁の突破が必要でしたが、最終的には素晴らしい仕事をすることができました。最終的に、このプロジェクトは当社独自の AI 製品に組み込まれました。この経験は特別なものであり、それ以来、私はいかなる責任も引き受けずにきました。

予想よりも早く責任が発生することを覚悟してください。責任が生じたときは、それを受け入れることを恐れないでください。スタートアップは、責任を学ぶのに最適な場所です。進捗状況や問題点を必ず他の人に伝えてください。そうすることで、タスクをスムーズに完了できるようになります。

4. 自分の作品を所有する

小さな機能を開発する場合でも、ダッシュボードを作成する場合でも、本格的な製品を構築する場合でも、オリジナルの作品を作成する必要があります。これは大企業にも当てはまりますが、小規模なチームを持つスタートアップにとってはさらに重要です。人々が自らを統治することを期待するのは当然のことです。これには 2 つの利点があります。1 つ目は、個人が問題をよりうまく解決する方法を学ぶことができることです。2 つ目は、管理者がより重要な問題に集中するための時間を確保できることです。

質問や問題を提起するのは簡単ですが、それを解決するためにフォローアップする人はほとんどいません。最初は下級社員でしたが、リーダーになってからは、あらゆる小さなことに責任を持つようになり、チームも私と一緒に働きやすくなりました。常に自分の仕事に責任を持つよう努力することを自分に言い聞かせています。たとえそれがどんなに小さな仕事であっても、それが成功につながるのです。

5. 他者や文化を受け入れる

それはどこで働くかとは関係なく、仕事そのものだけの問題ではありません。私は常に、従業員はあらゆる組織にとって不可欠な存在であると信じてきました。就職面接の際、私は自分がそのポジションに適しているかどうかを確認するために、相手側から評価を受けている間にチームと文化を評価することを習慣にしています。当時も今も、私は一緒に働く人たちに仕事を楽しんでもらいたいと思っています。

入社後、私はチームの人々と文化に魅了されました。私が所属していたチームは少人数だったので、気づかないうちに全員と関係を築き始めました。残業は私にとって負担ではありません。考え方を変えれば、仕事は楽しくなります。仕事以外にも、遊びや旅行に出かけることもよくあります。それは今日でも同じです。

全員とつながり、チーム文化を受け入れるよう最善を尽くしてください。これにより、仕事生活がより快適になります。一緒に働いた人たちは素晴らしく、生涯の友人もできました。仕事しながらも生涯の友に出会えることを心から願っています。

6. マルチタスクは常に必須

私はほとんどの生徒にこれを話します。複数の役割を持つことは避けられません。データ サイエンスのライフサイクルにおけるさまざまなポジションを意味しているのではなく、それ以上のことを意味します。

私たちはいくつかの AI 製品の構築に成功しましたが、既存の少数の顧客を除いて誰もその製品について知りませんでした。私たちは情報を広める必要がありましたが、マーケティングチームのようなものはありませんでした。これはほとんどのスタートアップの場合に当てはまり、エバンジェリストはコアチームと一緒に活動します。

私の考えはこうです。「これは私たちの製品であり、どのように販売するかは私たちが一番よく知っています。」それをマーケティング会社に委託することはできません。セルフマネジメントを覚えていますか? コンテンツライター、マーケティングエグゼクティブ、Web デザイナーなどの肩書きを区別することはもうありません。当社製品を宣伝するため、各製品ごとに新しいコンテンツを追加して Web サイトを再設計し、リニューアルしました。

チームのメンバーの多くは以前にも同様の役割を担ったことがあり、初期段階のスタートアップでは、好むと好まざるとにかかわらず、それは避けられないことです。これに対処する方法を学び、同時に、コアスキルに集中することを忘れないでください。

7. 卓越性を追求する – 量より質

これを最後にしたのは、これが私にとって最大の収穫だからです。作品の質が高ければ、最終的には認められ、評価されるようになります。すべての余分な努力は価値があります。あなたは成長し、向上し、業界で最高になるでしょう。

より多くの仕事をこなすために、仕事の質を犠牲にするのは簡単です。コード品質要件を満たしていなくても動作するコードを書くことも非常に簡単です。問題を完全に排除せずに、すべての問題を解決することは難しくありません。今はすべてが簡単だと感じるかもしれませんが、長い目で見ればそうは感じないでしょう。

たとえば、ソフトウェアのベストプラクティス、データサイエンスチームでのベストプロセス、機械学習ワークフローでのより優れたライブラリやツールなどを導入するために一生懸命取り組んでいます。もちろん、これらの領域にはもう少し時間を費やすことになりますが、これらの手順により、製品を保守する際のワークフローが合理化されます。非常に多くの人がその恩恵を受けており、チームにこれらの製品を導入してくれたことに感謝しています。

他にも多くの例を挙げることができますが、より重要なのは、卓越性を達成することに集中することです。卓越性を目指して努力します。より良い成果を出すよう努力し、あらゆることにおいて卓越性を発揮してください。時間が経つにつれて、人々はあなたの質の高い仕事に気づくようになります。信じてください、それはすべて価値のあることです。

もちろん、これは世界中のすべての AI スタートアップに一般化できるわけではなく、純粋に個人的な経験に基づいています。誰もが異なる経験や感情を持つでしょう。