English 
フランシスコ、あなたの職歴とフューリアス・グリーンでの現在の役割について教えてください。
出身はブラジルですが、日本を拠点にして19年になります。コンピューター・サイエンスとソフトウェア・エンジニアリングが専門で、キャリアの大半は実践的なエンジニアリングでした。修士課程での自然言語処理の研究から、グーグル、サイバーエージェント、リテールAIなどの企業で、主にデータや機械学習主導のシステムを構築してきました。.
2021年から2022年頃、私はAI技術の進歩の速さと、企業が実際にそのスキルを内面化するスピードの遅さに強いギャップを感じ始めました。そこで私は、エンジニア、チーム、組織が実際に実用的なAI能力を構築するのを支援するという、まさにその点に焦点を当てるためにフューリアス・グリーンを設立しました。.
現在、創業者である私の役割は、テクニカル・リーダー、教育者、戦略家です。私は、実践的なトレーニング・プログラムを設計・提供し、エンジニアやテクニカル・リーダーを指導し、AIアーキテクチャや製品戦略について新興企業や企業チームに助言し、実際のプロジェクトに深く関わっています。目標は常に同じです。最先端のAIと実際のビジネスインパクトの距離を縮めることです。.
フランシスコ、あなたはNLP、モバイル、インフラに携わる実践的なエンジニアとしてスタートし、現在は組織レベルでのAI能力構築に注力しています。振り返ってみて、コードを書くことから、スキル、システム、スケールの大きな人材について考えるようになったのは、どのような瞬間や挫折があったからですか？
始まりは、コントロールに対する不満でした。エンジニアとして、私は物事をどのように構築するかはコントロールできましたが、何をなぜ構築するかはコントロールできませんでした。私はシステムをより良く、より速く、よりクリーンにすることはできましたが、より大きな製品やビジネスの決定は、しばしば技術的な現実から切り離されているように感じていました。.
技術リーダー、マネージャー、そして最終的には部門長といった役割を担うようになると、状況は一変しました。チーム全体で同じ問題が繰り返されているのを目にするようになったのです。優秀なエンジニアが、コミュニケーションの問題や不明瞭な目標、共有された理解の欠如によって阻まれているのです。そこで明らかになったのは、ボトルネックは技術ではないということでした。人、スキル、そして組織構造がボトルネックだったのです。.
そのことに気づいてからは、より良いコードを書くことから、人々が良い仕事をするためのより良い環境を作ることに重点を置くようになりました。チームがより速く学び、より良いコミュニケーションをとり、よりスマートなシステムを構築できるように支援することは、結局、私が書けるコードの一部分よりもはるかに大きな影響力を持つことになりました。.
あなたはironSourceの日本における最初の技術者であり、Googleのスペシャリストでした。シリコンバレーがテクノロジーを設計する方法と、非技術系企業が実際にそれを消費する方法の間に見られる最大の断絶は何ですか？
私が最も驚いたのは、些細に見えるものにどれだけのテクノロジーが使われているかということです。広告はシンプルに見えますが、その裏には重たい計算や巨大なインフラ、大規模に稼働するシステムがあるのです。.
断絶とは、非技術的な企業は表面しか見ないということです。強力なツールをブラックボックスとして使用し、その前提や限界を理解していないのです。このギャップは、しばしば非現実的な期待や悪い結果につながります。このギャップを埋めることこそ、真のインパクトが生まれる場所なのです。これは、今日AIでも起こっていることです。.
2021年にフューリアス・グリーンを設立した当時、AIはまだ多くの企業にとって遠い存在でした。AIのスキルは長期的な実験ではなく、近い将来必要なものになると確信したのはなぜですか？
当時は特に、LLMができる前でしたから。ほとんどの企業にとって、AIはまだ抽象的で遠い存在でした。しかし、私はすでにこれらの技術が実際のビジネス上の問題を解決できると信じていました。.
グーグルでは、カスタマーサポートの文章を分析するプロジェクトに携わりました。評価だけでなく言語を見ることで、従来の測定基準では完全に見逃していたパターンを発見しました。このとき、機械学習は非常に実用的な価値を生み出すことができると確信しました。.
その後、Retail AIでレコメンデーション・システムとコンピュータ・ビジョンに携わり、私は積極的にこれらの機能の構築を推進しました。MLのバックグラウンドのないエンジニアの立ち上げを1年近くサポートし、ビジネスが必要とするときにこれらの技術を適用できるようにしました。そして一旦それが実現すれば、実際の成果に直接貢献することができました。.
その経験から、AIのスキルは長い間オプションではいられないと確信しました。必要不可欠なものになるのです。.
今日、ほぼすべてのリーダーシップチームがAIを優先課題としていますが、労働力の準備は投資に遅れをとり続けています。現場を見る限り、なぜAIの導入はチーム内のAI能力よりも早く進んでいるのでしょうか？
これは、テクノロジーが大きく変化するたびに起こることだと思います。リーダーシップは、テクノロジーに乗る必要があることは分かっていても、ツールに投資する以上に何をすればいいのか分からないのです。.
私が現場で常に目にするのは、従業員がAIツールを実際の日常業務に結びつけるのに苦労しているということです。何が彼らを妨げているのかを尋ねると、答えはほとんどいつも同じです。“これが自分のワークフローにどのように適合するのかわからない”。つまり、ツールは存在するものの、実際のプロセスの外側に存在しているのです。.
ですから、私のトレーニングでは、即効性のあるテクニックや最新のモデルにはあまり触れず、統合に重点を置いています。このツールは、あなたの仕事、タスク、意思決定、既存のシステムにどのように適合するのでしょうか？ひとたび人々がその関連性を理解すれば、導入は非常に早く加速します。.
要するに、ツールは簡単に購入できるため、採用は早く進みます。しかし、人々の考え方や働き方を変える必要があるため、能力の向上は遅々として進みません。そして、それこそが難しい問題なのです。.
日本の終身雇用制度は、理論的にはスキルアップに対するROIが世界一高いはずです。なぜ日本企業は、外部ベンダーに頼るのではなく、社内チームのスキルアップを躊躇しているのでしょうか？
私が日本でアップスキルやリスキルが非常に理にかなっていると感じた主な理由のひとつに触れていますね。.
大きな要因のひとつは、採用の方が予算が立てやすく、正当化しやすいということだと思います。X人の人材が必要で、そのコストはYで、採用費用はZ。予測可能なのです。.
スキルアップはもっと厄介です。会社がどのようなスキルを必要としているのかを、事前に予測する必要があります。そのスキルが実際にどのように応用されるかを理解する必要があります。トレーニングを設計し、学習曲線を通じて人々をサポートし、結果を待つ必要があります。ROIは現実的ですが、測定するのが難しく、説明するのも難しいのです。.
もう一つの要因は、リーダーの人口統計です。多くの大企業では、意思決定者の年齢層が高く、急速なテクノロジーシフトから遠ざかっている傾向があります。そのため、物事の変化の速さや、新しいテクノロジーがどれだけ深く仕事を再構築するかを完全に把握することが難しくなります。そして、不確実性が高いとき、人々は自然と慣れ親しんだモデルをデフォルトとします。.
その上、日本企業は組織改革を迅速に行うことで有名ではありません。安定性は強みですが、その分、実験や再教育を推し進めるのが難しくなります。.
皮肉なことに、終身雇用の日本は長期的な技能投資に最適な環境であるはずです。仕組みはあるのです。不足しているのは、それを十分に活用するための考え方とシステムです。.
今後10年間、日本ではソフトウェアやAIの人材が大幅に不足することが予想されますが、既存の従業員を再教育することで現実的にそのギャップを埋めることができるとお考えですか？
日本が不足しているのは人材だけではありません。人材不足なのです。人口が減少する中、雇用だけで解決するには構造的な限界があります。そのため、リスキルは役に立つだけでなく、必要なのです。.
リスキルだけですべてが解決するとは思いません。特に高度に専門化された職務については、本当に限界があります。しかし、私はそれが大きな変革の力になりうると信じています。今日の労働力の大部分は、すでにビジネス、企業文化、システムを理解しています。彼らに適切なテクニカル・スキルを与えれば、その効果は絶大です。.
多くの場合、外部のスペシャリストを雇い、彼らがビジネスを理解していることを期待するよりも、強力なドメイン・エキスパートを有能なAIプラクティショナーに変身させる方が迅速かつ効果的です。特に日本では、長期雇用と深い制度的知識が一般的であるため、リスキルによってギャップの驚くほど大きな部分を埋めることができます。.
あなたのバックグラウンドは、ジェネレーティブAIによってテクノロジーが誰にでもアクセスできるようになる前の機械学習です。プロンプトベースのツールがディープエンジニアリングやMLリテラシーの必要性を減らすと考えるとき、リーダーは何を最も誤解していると思いますか？
よくある誤解は、プロンプトベースのツールが深いエンジニアリングやMLの知識を必要としないと考えていることです。それを考える簡単な方法は、自動車です。ドライバーは体験がどのようなものであるべきか知っていますが、だからといって車を設計・製造する方法を知っているわけではありません。メカニック、エンジニアリング、製造プロセスを理解しなければ、信頼性の高い自動車を作ることはできません。.
AIツールは基本的なソフトウェアを驚くほど簡単に構築することができますが、生産システムはコードを生成するだけではありません。スケーラビリティ、セキュリティ、信頼性、コスト管理、長期的なメンテナンスなどに対処する必要があります。これらの問題は、コードを速く書けるようになったからといって消えるものではありません。.
アイデアを実用的なソフトウェアに変えるために、強力なドメイン知識を持つ人々のためのスペースは絶対に増えるでしょう。しかし、だからといって専門家の必要性がなくなるわけではありません。どちらかといえば、専門家の力は高まります。AIは乗数です。技術的な深みがあればあるほど、そこからより多くの価値を引き出すことができます。.
あなたはTokyo Startup LunchClubを1,000人以上のメンバーに成長させ、渋谷区に助言しています。公式なアクセラレーターや政府のプログラムがある時代に、公式な構造では再現できない、シンプルなミートアップで起こる「インフォーマルマジック」とは何でしょうか？
結局はセレンディピティと人とのつながり。.
形式的なプログラムや体系化されたネットワーキング・イベントには確かに価値がありますが、当然ながら人々を取引思考に押しやります。誰が私を助けてくれるのか、誰が助けてくれないのか、誰が今役に立っているのか。そうすると、すべての交流のトーンが変わってしまいます。.
食事を共にするだけなら、そんなプレッシャーはなくなります。肩書きや名刺ではなく、まず人としてつながるのです。人生について、葛藤について、アイデアについて、好奇心について。それが信頼を生み、信頼こそが真のコラボレーションにつながるのです。.
私が見てきた最も強力なパートナーシップや機会のほとんどは、正式な売り込みや予定されたミーティングから生まれたものではありません。誰も何かを売り込もうとはしていない、カジュアルな会話から生まれたのです。そのような非公式な場は、形式的な構造では再現できない心理的な安全性と開放性を生み出します。.
AIツールやノイズに囲まれて働く若いエンジニアやプロダクトマネージャー、創業者にとって、今日のAIトレンドが必然的に変化したときでも重要な、構築すべき能力やマインドセットは何でしょうか？
深い専門知識を構築し、AIを松葉杖ではなく、乗数として使用します。.
AIが簡単に代替できないような、深いレベルで真に理解できるものを見つけてください。同時に、AIを積極的に活用して生産性を向上させましょう。強力なファンダメンタルズとAIの活用の組み合わせこそが、真の差別化を生み出すのです。.
私はこれを運動に例えることがあります。重いものを運んだり、長距離を歩いたり、山に登ったりする必要はもうありませんが、それでも私たちは健康で機能的な体を保つために、こうしたことをしています。考えることも同じです。AIが仕事の一部をこなせるようになったからといって、脳をアウトソーシングしてはいけません。脳を鍛え続けてください。.
アクセンチュアの重役の言葉で心に残ったものがあります。AIを使いこなす人、AIを構築する人、AIがまだ持っていないものを持っている人、そしてAIよりも安価な人。.
最後のグループには絶対に入りたくありません。ほとんどの人にとって、スイートスポットは1番目と3番目のミックスです。先ほど申し上げたように、AIは乗数です。インプットが良ければ良いほど、アウトプットはより強力になります。.
ありがとう、フランシスコ・サン！
日本語