最先端AIを活用し、
社会課題の解決へつなげる
Q1 現在の業務内容
担当領域と業務内容について教えてください。
AIエンジニアとして、AI関連技術の調査、技術開発、実証実験、知財化までを一貫して担当しています。
主なテーマは、人物トラッキング技術、自律走行ロボットの経路最適化、時系列データを用いた分類・予測技術です。技術検討段階では、既存研究や市場動向を分析し、どの領域で実用化可能性が高いかを整理します。その後、データ収集、前処理、モデル構築、精度検証を行い、実証環境で有効性を確認します。
博物館や工場での実証では、理論通りに進まない課題が多く発生します。照度変化やノイズ、運用制約など現場特有の条件を踏まえ、モデル改善やアルゴリズム修正を行います。研究成果を論文や検証結果で終わらせるのではなく、事業部門と連携しながら社会実装につなげることが現在の役割です。
Q2 入社後の経験
1年目、2年目、3年目に何を経験しましたか？
基礎習得と実務経験
大学では情報工学を専攻し、AIを社会実装まで持っていける環境を求めてTOPPANに入社しました。研究だけでなく、事業展開まで一貫して関われる点に魅力を感じました。
入社後はAI基礎研修や検定を通じて理論を再整理しつつ、時系列データを扱うプロジェクトに参画しました。データ前処理、特徴量設計、モデル選定を担当し、精度向上のための仮説検証を繰り返しました。研究と異なり、納期と実用性が求められる環境で、再現性と安定性を重視する姿勢が定着しました。
テーマ再設定と応用検証
ヘルスケア分野へのAI適用に挑戦し、高齢者の覚醒予兆検知をテーマに研究を進めました。しかし、学習に十分なデータ取得が難しく、当初想定した精度を実現できませんでした。
目的を再整理し、技術的蓄積を活かせる歩行動作分類へテーマを再設定しました。大学との共同研究体制を強化し、データ収集方法の見直し、評価指標の再設計を行いました。技術開発は計画通りに進まない前提で設計すべきであることを学んだ一年でした。
技術実証と展開検討
歩行動作分類技術の有効性を実証し、社内外へ成果を提示しました。同時に、工場やロボット分野など新たな応用先を検討しました。
単一テーマの精度向上だけでなく、「この技術をどの領域に展開できるか」という視点が加わりました。AIモデルの汎用性と応用可能性を評価する力が向上しました。
特にやりがいを感じた仕事や
大変だった仕事を教えてください。
時系列データを活用したヘルスケア分野での技術検証です。当初設定したテーマでは十分なデータ取得が難しく、計画変更を行いました。歩行動作分類へ方向転換し、大学と連携して検証を進め、技術の有効性を実証しました。
データ制約や精度向上の課題はありましたが、最終的に技術価値を確認できた点にやりがいを感じました。
これまでの経験を通じて、学んだことや
自分が成長したと感じることはありますか？
最大の成長は、目的起点で思考する姿勢です。モデル精度に固執するのではなく、「何を解決する技術なのか」を常に再確認するようになりました。
また、社内外の関係者と継続的に議論を行い、技術課題と事業課題をすり合わせる調整力も向上しました。AIモデル設計、データ分析、評価設計に加え、テーマ設計力が強化されたと感じています。
Q3 今後のキャリア
これから挑戦したい仕事や役割、目指している姿はありますか？
今後は、技術活用先を見据えたテーマ創出を主導できる立場を目指します。研究テーマの選定段階から事業部門と議論し、中長期的な視点で技術開発のロードマップを描きたいと考えています。
特に関心があるのは、TOPPANの文化事業とAI技術の融合です。文化財や伝統技術の可視化・解析・体験化を通じ、技術と文化を結びつける新たな価値創出に挑戦したいと考えています。研究と事業を往復しながら、社会実装まで導くAIエンジニアを目指します。
所属・インタビュー内容は取材当時のものです