AIスタートアップのGreen活用｜研究開発と事業化の段階を伝える

AIを使ったプロダクトを作るスタートアップでは、採用の相談を受けると「AIに詳しい人がほしい」という一言から始まることがよくあります。ところが話を聞くと、求めているのは論文を読んでモデルを作る人なのか、作られたモデルを製品に組み込んで安定して動かす人なのか、顧客の業務にAIを当てはめる人なのかが、まだ決まっていないことが少なくありません。結論を先に言うと、AIスタートアップの求人票は「AI」という言葉より、自社がいま研究開発と事業化のどの段階にいるかを書くことが最も効きます。段階が分かれば、候補者は自分の経験が合うかを判断できます。 中途採用の求人サイトGreenは、株式会社アトラエの運営で、IT・Web業界の求人が中心です。ここでは料金や仕様には触れず、段階の伝え方と運用を考えます。

段階によって求める人が変わる

AIスタートアップの事業は、おおむね次の段階を行き来します。

1. 検証の段階：顧客の課題にAIが使えるかを、データを集めて試している。まだ製品の形は定まっていない
2. 製品化の段階：使えると分かったモデルを、顧客が日常で使える製品に組み込んでいる
3. 拡大の段階：顧客が増え、運用の安定、精度の維持、費用の管理が課題になっている

検証の段階では、手を動かしてモデルを試せる人と、顧客の業務を理解して課題を切り出せる人が必要です。製品化の段階では、モデルを製品に組み込み、画面や仕組みを作れるソフトウェアエンジニアが中心になります。拡大の段階では、運用や基盤、品質の管理に強い人が欠かせません。

同じ「機械学習エンジニア」でも、段階によって仕事の中身がまったく違います。求人票でこの段階を書かないと、研究志向の候補者が製品化の仕事に応募したり、その逆が起きたりします。

求人票に書くこと

段階を伝えるために、次の項目を求人票に入れます。

• いま扱っている課題：どんな顧客の、どんな業務の、どの判断や作業を支えるAIか
• データの状況：データは手元に揃っているか、顧客と一緒に集めている段階か
• モデルと製品の関係：既存のモデルを使って製品を作るのか、自社でモデルを作るのか、その両方か
• 研究の位置づけ：論文の調査や新しい手法の検証に、業務時間のどの程度を使えるか（割合でなく、運用の描写で）
• このポジションの担当範囲：検証、組み込み、運用のどこを担うか

「最先端のAI」「AIで社会を変える」といった言葉は、多くの会社が使うため、差になりません。むしろ「いまは顧客のデータを整える作業が大半で、モデルの改良に入れるのは次の段階から」と正直に書く会社のほうが、条件の合う候補者からの信頼を得ます。

エージェントベストの見解

AIスタートアップで、最初の採用を研究志向の機械学習エンジニアにするか、製品を作れるソフトウェアエンジニアにするかで迷う会社は多いです。当社がこれまで見てきた中では、検証から製品化に移る時期の会社が、先に研究志向の人を採ると、製品を作る手が足りずに顧客への提供が遅れる場面がありました。モデルの精度は十分なのに、顧客が使える画面や仕組みがない、という状態です。この時期にまず必要なのは、既存の手法を使いこなしながら製品として動く形にできる人であることが多い。研究志向の人は、製品が動き始め、精度の改善が事業の差になる段階で採るほうが、その人の力が活きます。「AIに詳しい人」を採る前に、次の半年で何を顧客に届けたいかを一文で書いてみると、採るべき人の順番が見えてきます。

Greenでのスカウトで見る経歴

Greenでは、求人を出して待つだけでなく、互いに送れる「気になる」とスカウトで企業の側から動けます。AIスタートアップがスカウトを送るとき、経歴の中で次の点に注目します。

• 機械学習を使った機能を、実際の製品で利用者に届けた経験があるか
• データの収集や整備、品質の管理に関わった経験があるか
• 精度だけでなく、処理の速さや費用を考えて設計した経験があるか
• 顧客や現場の利用者と話して、課題を形にした経験があるか

使った手法や技術の名前を並べるより、「何を、誰のために作り、どう動かしたか」が書かれている経歴に、自社の段階との接点を見つけやすくなります。文面では、その接点を一つに絞って伝えます。

スカウトの送り主は、技術の責任者か、同じ分野のエンジニアが望ましいと考えます。AIの分野の候補者は、送り主が自分の経歴をどこまで理解しているかを、文面の具体性で判断します。

選考で確かめること

AIの分野では、経歴の書き方と実際の担当範囲がずれていることがあります。チームで作ったモデルのどこを担ったのか、精度の改善にどう関わったのかを、具体的に聞きます。

• これまでで最も手こずったデータの問題と、その解き方
• 精度と速さ、費用のどれかを諦めた判断の経験
• 作ったものが使われなかった、または使われ方が想定と違った経験
• 新しい手法を試すか、既存の手法で進めるかを決めた経験

課題を出す場合は、自社の段階に合わせます。検証の段階なら小さなデータで試す課題、製品化の段階なら既存のモデルを使って動く形にする課題、といった具合です。

エージェントベストの見解

AIスタートアップがGreenの運用を外に出すときに、自社で持つべきなのは「段階の判断」と「技術の目利き」の二つです。どの段階にいて、次にどんな人が要るかは経営と技術の責任者が決めることで、外の誰かが代わりに決めるものではありません。経歴を見てスカウトを送るかどうかの最終判断や、面接での技術の見極めも同様です。一方、決めた方針に沿って求人票を書き、送る相手を絞り込み、配信し、応募に返信して日程を組むところは、外に出しても質を保てます。当社のGreen運用代行が受けるのはこの作業の範囲で、合否は企業の判断です。費用は入社時の成功報酬で1名50万円（税別）、初期費用と月額固定費はありません。段階が変わるたびに求人票を書き直す作業も、この範囲に含めて回せます。

条件の伝え方

AIの分野の候補者は、複数の会社から声がかかっていることがあり、条件の比較も具体的です。給与の幅に加えて、次のような点も比べられます。

• 計算の環境：学習や検証に使える計算の資源を、どの程度自由に使えるか
• 学びの機会：論文の調査や学会への参加、社外での発表を、業務としてどう扱っているか
• 成果の公開：取り組みを技術記事や発表で外に出せるか

これらは、スタートアップが大きな会社と比べて工夫できる部分でもあります。給与の水準で並ぶのが難しくても、計算の環境の使いやすさや、成果を外に出せる自由さで選ばれることがあります。求人票か面談のどこかで、こうした条件を具体的に伝えられるように準備しておきます。

ただし、約束できないことは書きません。計算の資源が限られているなら、その中でどう工夫しているかを書くほうが、入社後のずれを防げます。

まとめ

• AIスタートアップの求人票は、「AI」という言葉より、研究開発と事業化のどの段階にいるかを書く
• 同じ職種名でも、検証・製品化・拡大の段階で仕事の中身が変わる
• 検証から製品化に移る時期は、製品を動く形にできる人を先に採るほうが事業が進みやすい
• スカウトは、手法の名前より「何を、誰のために作り、どう動かしたか」が書かれた経歴に送る
• 段階の判断と技術の目利きは社内に残し、作業は外に出せる

よくある質問

研究の経験しかない候補者にも、スカウトを送ってよいですか

送ってよいと考えます。ただし、自社の段階で研究にどの程度の時間を使えるかを、文面の中で正直に伝えます。製品化の仕事が中心であれば、そのことを最初に書いておくと、入社後のずれを防げます。

段階が変わったら求人票も変えるべきですか

変えることを勧めます。半年前の求人票のまま募集を続けると、いまの会社に合わない候補者が集まります。段階が変わったタイミングで、担当範囲とデータの状況の記述を見直します。

AIスタートアップは新卒や他の媒体も検討したほうがよいですか

会社のフェーズで変わります。新卒も含めた考え方はシード期スタートアップの採用媒体の選び方に、技術者向けのスカウト文面の組み立てはエンジニア向けスカウト文面の型にまとめています。