ENTRY

ENGINEER

Jun.N
技術職・機械学習エンジニア / 2014年度中途入社

求めるのは自分の居場所をつくれる、バイタリティのある人
データエンジニアとしても活躍するテックリード

AIや機械学習など、生きた大量のデータを扱える仕事に憧れる方も多いと思います。LINEでも社内のデータを全社横断的に活用するLINE Data Labs(ラインデータラボ)を立ちあげて活用しています。そのData Labsで機械学エンジニアとして最適化や製品開発に携わりながら、マネージャーとしてエンジニアが働きやすい環境づくりをめざす、Junさんにお話を伺いました。

Junさんの所属するData Labsについて教えてください
Data Labsはその名の通り、データに特化した研究開発を行い、各種サービス事業を支援していく組織です。社内に複数存在していたデータチームを統合することで、情報源を一元化。業務の効率化を図るとともに、LINEの持つデータを横断的に活用して事業間に相乗効果を生み出すことも期待されています。
もともと私は研究畑の出身ですが、前職では広告の最適化に携わっていました。LINEでは、広告の最適化のアルゴリズムを考えることもしていますし、Clova(クローバ)というAIアシスタントを搭載したAIスピーカー、Clova WAVEの開発にもエンジニアとして携わっています。
私自身、チームのマネージャーでもあります。私たちのチームは最適化やAIという分野について幅広く開発を行なっています。LINEのどの開発チームもそうだと思いますが、他のチームには作れないようなプロダクトを専門性を活かして作って欲しいという期待を持たれていると考えてやっています。
「最適化」とはどんなお仕事ですか?
最適化という言葉に馴染みのない方のために、プログラミングを例にとって説明します。例えばプログラムをチューニングして速くしなければならないとき、まずはプログラムのボトルネックになっている箇所はどこか、データを取って調べるところから始めると思います。そして遅い箇所が判明すると次は改善するわけですが、必要になる知識はコードの書き方だけではなく、OSやハードウェアなど多岐に渡ります。そして改善したあとは結果をテストして想定通りに速くなったかを確認する。このような計測して、改善して、検証するという一連のプロセスを幅広い知識を駆使して繰り返し行うのが最適化の仕事になります。
開発規模が大きくなり、最適化ロジックの実装をエンジニアと分業するようになって以降の苦労としては、エンジニアが完璧に実装しても、うまく動かない、シミュレーションと違って思うような効果が出ないということがあります。最適化では、どうしても起こりうることですが、結果としてエンジニアの労力を費やした仕事が無駄になってしまうことも。チーム開発が中心ですので、他の方を巻きこんで仕事をしているというプレッシャーはあります。
また、最適化の良し悪しは時として事業に大きな影響を与えうるので、それがプレッシャーになるときもあります。結果が良かったときには、関わったみんなで成果を喜べばいいのですが、根本のロジックを考える立場として、失敗したときの責任は自分のものと意識しておかないといけないと考えています。
機械学習のエンジニアに求められるスキルは何でしょうか?
エンジニアとしてのスキルを満たしていれば基本は問題なく、機械学習や統計や数学の知識があれば尚良いです。あとは、このポジションの人はエンジニア以外の人たち、例えば企画職、営業職、経営層の人たちと話す機会が多いのでコミュニケーション能力は大事です。相手の知りたいポイントを把握して論理の厳密さを調整する能力があると良いですね。
Data Labsはどんな雰囲気の部署ですか?
最初は20数人でスタートしたData Labsですが、この1年で50人以上に拡大しました。新しい人が増えたことで、各部署の文化が混在した雰囲気のなかから、さらにData Labsらしさが生まれてきました。
ざっくり言うと、仕事がやりやすくなりました(笑)。LINEのエンジニアらしく、ノリは軽いです。普段は各自のデスクで仕事をしているので、おしゃべりは少ないですが、チャットなどでは活発なコミュニケーションをとっていて、明るく、楽しい雰囲気です。
それと、仕事のスピード感も特徴的ですね。Data Labsができる前は他部署が持っているデータを利用したいと思っても、申請や調整に1週間程度かかり、スピード感が出せませんでした。現在はData Labsで管理しているので必要に応じてすぐに活用でき、素早くアウトプットが出せるようになっています。
さらに、各部署からの「こういうことがやりたい」という依頼に対応するだけでなく、Data Labsから新しいプロダクトを提案することもあります。各部署は担当する事業やサービスの視点になりますが、Data Labsでは全社を横断的に見ているので、別の視点からおもしろいものを提案することができ、新しい企画に発展する場合もあります。LINEに入ってから、そういうアプローチをしたほうが良いものがつくれると考えるようになりました。マネージャーとしても、クリエイティブなアプローチができる組織にしたいと考えています。
今後のお仕事の課題や、チャレンジしたいことはありますか?
AIや機械学習でやりたいことはたくさんあり、新しいアイデアにはどんどんチャレンジしていきたい思っています。
マネージャーとしてはチームをより大きくすることを期待されていますので、経験がない大人数のマネジメントに挑戦すること、そして組織を成長させる過程での人材育成などが課題になると思います。Data Labsに対する要求はどんどん高まっていますので、チーム・組織として応えていくための成長戦略を考えています。
マネージャーと、エンジニア。両方の視点をふまえて考えると、これからのエンジニアに必要なことは、新しい知識を吸収し続けることでしょうか?
僕自身、新しい知識を吸収することは苦になりません。もちろん、いろいろなスタイルがあると思いますが、スキルアップやキャリア形成においても、まず、基盤を築かれるとよいと思います。
コアになる知識を確立していれば、その派生である新しい技術の習得は比較的早いものです。表面的に覚えるのではなく、コアとなるものを体系的に習得していれば、年をとっても新しいことをキャッチアップできると思います。
若いうちにしておいたほうがよいことはありますか?
業務量ではなく、自分のスキルを伸ばすための無理、でしょうか。本人のキャリアパスを伸ばすための無理は本人の財産になります。すでに持っているスキルでできる仕事の量をこなすのではなく、一歩無理をしないとできない難易度の仕事に取り組んでほしいと思っていて、できるだけそういう仕事の割り振りを心がけています。
その一方で、優秀で意識の高いエンジニアでも、プライベートの影響などでスキルアップへのモチベーションが下がる時期もあるものです。それも含めて、人生におけるバイオリズムの波のようなものと考えて見守りたいと思います。
最後に、ずばりData Labsが求める人材、来てほしい人材とは?
エンジニアとしてのスキルは重視しますが、コミュニケーションやバランスのよさも見ています。チームにとって必要か、フィットするかだけでなく、本人が入社して幸せになれるかを考えて、スキルが高い方でもお断りする可能性はあります。
機械学習で大きなデータを扱う教育を受けた人材は少ないですし、新卒で機械学習を学んだ方でも大学では扱えるデータが少ないので、最初の3ヶ月はまず環境に慣れることに専念してもらいます。LINEの全社規模のデータを扱うにはどんな人も入社後に学んでもらうしかありません。自分の得意分野を活かした仕事から、徐々に幅を広げてもらいます。
新卒だったら、明るくて技術に興味があるというのは基本ですね。仕事に興味が出れば、自然に勉強する意欲もわいてくると思いますし。
機械学習が今のような人気の業種になったのは最近の話で、今後どう変わっていくのか、いつまで成長や進化がこのペースで続くかもわかりません。なので「次の仕事は自分でつくる」と考えてほしいです。
いまのAIブームも、以前から機械学習を研究していた人が「いつかやりたい」と考えて、企業で実用化してきたから、現在のトレンドに発展したわけです。同様に、何か価値のあるものを学び、アウトプットを出し続ければ、自分の仕事やポジションは自然とできていきます。
「自分の居場所を自分でつくれる、バイタリティのある人」。これが本当の意味で、求めている人物像だと思います。何よりそういう人は安心して採用できますね。

他のインタビュー