スキルの可視化でマッチングを実現
関わっているこのプロジェクトは、「AI人材のスキルをデータで可視化して、企業と個人の最適なマッチングを実現する」ことを目指しています。言葉にすると少し硬いですが、要は「すごい技術を持ってる人が、ちゃんと活躍できる場所を見つけられるようにしよう！」という、非常にシンプルでパワフルな考え方が根っこにあるんです。この「スキルの可視化」って、以前からずっと重要だと言われてきたことなんですが、最近の生成AIの盛り上がりを見ていて、その価値が今まで以上に高まっているんじゃないかなって、個人的にひしひしと感じています。一年前にはなかった職種やスキルが次々と生まれている今だからこそ、自分がいま地図のどこにいるのかを知る「現在地」の確認が、非常に大事になってきていると思うのです。
生成AI時代のスキル変化
ちょっと前まで、AI人材というと、例えば「画像認識のモデルをゼロから作れます！」とか「自然言語処理の最新論文を実装できます！」みたいな、特定の分野を深く掘り下げる専門性が非常に評価されていた気がします。もちろん、その専門性が今も重要であることは変わりません。でも、ChatGPTをはじめとする大規模言語モデル（LLM）が登場してからは、ゲームのルールが少し変わってきたなと感じています。今は、強力なLLMという「巨人の肩」に乗って、いかにビジネス課題を解決するアプリケーションを素早く作るか、という能力が非常に求められるようになりました。プロンプトエンジニアリングだったり、LangChainやLlamaIndexのようなフレームワークを使いこなすスキルだったり、あるいは複数のAIを連携させる企画力だったり。これって、今までとは少し毛色の違うスキルセットです。だからこそ、「自分は次に何を学べばいいんだろう？」って、多くのエンジニアがちょっとした"迷子"になっているんじゃないでしょうか。
RAG実装に必要な複合スキル
例えば、最近よく聞く「RAG（Retrieval-Augmented Generation）」という、社内ドキュメントみたいな独自のデータソースを使ってAIに回答させる技術がありますよね。これを実装しようと思うと、実は結構いろんなスキルが必要になるんです。まず、LLMをAPIで叩くためのプログラミングスキル（Pythonとか）。次に、文書を効率よく検索するためのベクトルデータベースの知識。そして何より、「どんな情報をどういうプロンプトで渡せば、ユーザーが求める回答を生成できるか」を考える設計力。こんなふうに、一つの技術を実現するためにも、複数のスキルがパズルのように組み合わさっているんです。私たちが作ろうとしているスキルマップは、まさにこういうスキルの繋がりを解きほぐして、「あなたの現在地はここですよ」「次はこっちのスキルを伸ばすと、あんなことができるようになりますよ」って道を示してくれる、ナビのような役割を果たすものなんです。
キャリアのコンパスとしてのスキルマップ
結局のところ、AIスキルマップって、誰かを評価するための単なる「ものさし」じゃないのです。変化が激しすぎて先が見えないこの時代を、自分らしく進んでいくための「コンパス」みたいなものなんだと考えています。企業にとっては、どんな仲間を集めれば目的地に着けるかが分かり、個人にとっては、自分の航路を定めるための心強い味方になる。このプロジェクトを通して、そんな未来の当たり前を作っていけたら最高だなって、コードを書きながら改めて感じている今日この頃です。