人事における生成AI活用/データマネジメント/LLMについて話せます
■背景
株式会社リクルート時代にデータマネジメント専門の部署を立ち上げ、AutoMLを中心としたAIの現場での活用などを主導しておりました。その際に人事部も兼務し、人事領域におけるデータマネジメントやAI活用も主導しておりました。
また、合同会社データマネジメントとして、大企業におけるデータマネジメント全般のコンサルティングも行っていたのですが、2022年夏頃から生成AI（当時はChatGPT登場前）を活用したプロダクト開発などを実施し、生成AIの現場活用をいくつかのプロジェクトで実施しております。
特に人事部における生成AI活用に関してはおそらく国内でもトップレベルの実績を有しており、実務上どこまで生成AI/LLM/ChatGPTなどが使え、そのためにどういったデータ基盤/データマネジメントが必要かと言ったところに関してはかなり詳しくなっております。
■話せること
大企業の人事部において、生成AIを活用してどのような工数削減・新規価値創出ができるか？それらを実現するためにどのようなデータマネジメント/データ基盤が必要か、それらを実現するためにどういった体制を作ることが必要か？など
プロフィール 詳細を見る
職歴
株式会社グラファー
- 顧問 2021/7 - 現在
- COO（Co-founder） 2017/7 - 2021/7
合同会社データマネジメント
- 代表 2016/1 - 現在
株式会社リクルート
- マネージャー 2010/4 - 2017/12
このエキスパートのトピック
-
LLM（含むchatGPT）関連のプロダクト開発/社内利用について話せます
¥50,000~■背景 2022年11月頃から本格的にLLM関連のプロダクトに関わっており（当時はtext-davinci-002から003でできる範囲)、 2022年中にToB向けのLLMを活用したプロダクトを開発・販売し始めておりました。 2023年に入ってからLLM活用の本格化に伴い、大手企業内でのLLMを活用したプロダクト開発や、社内業務のLLMを使った業務改善など、いくつもの案件を自分自身で主導しております。 LLMのR&Dや研究開発ではなく、実際にビジネスの現場で起こる課題解決に活用するのがやっていることなので、LLM自身のR&Dフェーズではなく実際にLLMを活用していくつかの案件を試したいと思っている方にとって良い示唆を提供できる可能性があります。 ■話せること ・実際にLLMを取り入れてプロダクトに活用する際にどういった課題が起こりがちなのか ・実際に業務の中にLLMを取り入れて活用する際にどういった課題が起こりがちなのか ・LLMを業務で取り入れるためにどういった準備が必要なのか ・LLMによって解きやすい課題はどんなものなのか などに関して、幅広くお答えできるかと思います。 なお、機械学習やシステム開発に関する知識も一定有しておりますが、基本的にはビジネスサイドの人間で、こういったプロジェクトを推進して実行していくところに強みがございます。具体的にどういったモデルを使うとどういった効果が得られやすいかや、fine tuneによってどの程度業務に沿ったものができるかなどはお話できますが、具体的にそのコードのレビューといったところは得意ではございませんのでご了承ください。 ■その他 最近ビジネスの現場で実際にLLMを使いながら感じたことなどを先日記事に書いてみました。どんなことを考えている者かといったところはわかりやすいかと思います。 https://note.com/dshingo/n/n01aa9a97cf50
-
ビジネスにつながるデータ活用/データ組織/データマネジメントについて話せます
¥50,000~■ 具体的な経験の内容 自分1名でとある事業を担当していた際に、ビジネスにデータを活かせていないことに気付き、データ組織を提案・構築。 具体的に事業のどこに対して、どういったデータを活用するかを提案し、データサイエンティストや機械学習など色んなリソースを事業課題に対してつなげる「プロデュース」的な動きを実現。それらを個人に留まらず組織として実行できるように組織化し、最終的に110名規模の組織になりました。 ■ 実績や成果 リクルートの営業組織に対してデータを活用して生産性を高めた案件などでは、全社売り上げに対する貢献などが認められ、「ARINA（All Recruit Innovation Award ）」という、リクルートグループ全体で年間10名だけが選ばれる賞を受賞しました。 詳細な中身は案件の都合上明かせないですが、ビジネス上の成果につながる実績を多数作っています。 また、副業で会社を立ち上げ、東証一部上場のメーカーやアパレル企業などに対して、データ組織関連コンサルティングも行っています。 外部で講演をした際の記事は以下になります。 https://markezine.jp/article/detail/27446 ■ そのときの課題、その課題をどう乗り越えたか 私が考える、多くのデータ系組織が抱える課題は2点あります。そして、それらはAIが活用されていく未来でも続く課題だと考えています。 １．データ整備役割の不在（データマネジメント機能不全） 実はAIが活用されていく未来でも、結局AIにどういったデータを食べさせられるかが競争優位性につながるため、「データ整備」がとても大事な役割となります。実際データサイエンティストの仕事を聞いていても8割はデータ整備に時間を使っているのですが、その割に「効果的なデータマートの構築」など、データ整備系の全体最適（not案件最適）な案件には手がついていないことが多くあり、こうしたデータマネジメント機能不全は組織全体の生産性に大きな負の影響を与えています。 ２．データ活用役割の不在（データプロデュース機能不全） データサイエンティストなど、世の中に多数のデータの専門家がいますが、「データを使った問題解決」に特化して育てられた人材があまりいません。そのせいか「こういう状況でこうした限定的な課題を解く」というレベルにかみ砕くと作業できても、「そもそも何を課題と捉えて案件として仕立てるか」をうまくできる人材があまりおらず、その結果「人材はいるが、あまりデータがビジネスに活用できている実感がない」という企業が多いのではないでしょうか。 例えば、競馬を過去の実績データから予測するとなった際に、「有馬記念で1位を取る馬を予測する」としても、なかなか高い精度の結果は得られず、ビジネス的に大した成果は得られません。しかし、「競馬をデータ予測によって儲ける」→「実績データをもとに予測オッズを作成し、それらが現実のオッズと乖離がある場所を探し、割安となっている馬券だけを買いまくる」という案件にすると、期待値がプラスになったりすることがありえます。 この後者のような問題の立て方をするためには、単に統計学の知識があればいいのではなく、「データの活用方法が具体的にイメージできたうえで、高い問題解決能力を持った人材」というのが必要になります。 この2点を組織的に解決したことで、私はデータによるビジネス成果を実現させました。 ■ 業界構造（トレンド/主要プレイヤー/バリューチェーン等）の知見の有無 私はもともとデータ関連のバックグラウンドは無く、問題解決能力には自信があったものの、データ分野はほぼ経験がない状態でした。そこから最低限のデータ関連について学び、過去の多数の組織の経験（営業・コールセンター・運用・システム開発・広告・経理まで）を合わせて、「データを活用して、いかに会社に対して良い成果を作るか」に特化してまいりました。そのため、統計学の学位やエンジニアリングの深い知識はございません。その代わりに「データを活かした問題解決を行う」に関しては多数の経験・知見がございます。 ■ お役にたてそうと思うご相談分野 ・データマネジメント ・データ関連組織構築 ■その他 地域: 東京 役割: 一人で立ち上げから、部署全体のマネジメント 規模: 一人から開始し、最大で最大110名（業務委託含む）、予算20億円規模の部署全体のマネジメント