SWE兼 Infrastructure EngineerがAIエンジニアになるまでの道のり

Transcript

1. SWE兼 Infrastructure Engineerが AIエンジニアになるまでの道のり SFへの憧れ、医療AIへの挑戦、Infraで培った実装力、そして生成AIへ 2012 発表者：武藤 雅裕 2016 2024 2026
2. 02 全体像 10年以上の学習と実装が、AIエンジニアにつながった 一直線ではなく、好奇心・現場・挫折・再挑戦の積み重ね SF / Lisp 原点 Data / ML 基礎 医療AI 問い GenAI / Agent 転換点 Infra / Edge 実装力 Causal AI 現在地 メッセージ：SWE/Infrastructureの経験は、AIを「動くプロダクト」にする土台になる。
3. 03 原点 2012｜SFとLispから始まった 「人工知能っぽさ」に惹かれ、まずは言語から入った 2012 SF Lisp AI アシモフなどのSFを読み、プログラミングへの好奇心から「人工知能言語」としてLispを学 び始める。 原点は、技術トレンドではなく「知能を作りたい」という素朴な憧れ。
4. 04 問いの発見 2014｜医療システムにAIを活かせないか カルテ・経営・画像という、現場に近いテーマに向かった 2014 カルテの 自然言語対話 医療経営の 複合時系列分析 放射線画像の 解析 カルテのデジタル化を経て、医療情報をどうAIで活かすかを考え始める。 「AIで社会に役立ちたい」という軸が、医療領域で具体化した。
5. 05 基礎づくり 2015｜まずはデータ処理が大事だと気づく ビッグデータの波の中で、分散処理と統計言語を学んだ 2015 Hadoop R Data Pipeline AIの前処理として、データを集める・整える・並列に処理する力が必要だと理解する。 AIの価値は、モデルだけでなくデータ基盤から生まれる。
6. 06 目覚め 2016｜機械学習と数学に目覚める 統計・確率・線形代数を片手に、モデルの中身を追い始めた 2016 NLP CNN SVM/SVC PCA 決定木 K-means 統計学 確率 線形代数 本を読み、数式に戻り、アルゴリズムのメカニズムを自分の頭で理解しようとした。 「これは面白すぎる」から、粘り強い学習が始まった。
7. 07 現場への挑戦 2018–2019｜病院の現場でAI活用を目指す 資格取得から転職へ。使命感を持って医療ITに入った 2018 医療情報技師 難関資格に一発合格 病院エンジニア として勤務 2019 医療AIを実現するため、資格と現場経験を取りに行った。 「現場で使えるAI」を作るには、現場に入る必要があると考えた。 社会的使命感 を得る
8. 08 挫折 しかし、医療AIへの挑戦は早すぎた 技術だけでは越えられない壁があると知った 生成AIが まだない 大手ベンダ支配 API連携が難しい AI予算の 確保が難しい 自分自身の スキル不足 目標や想いが崩れ、いったん頓挫する。それでも、失敗は次の学習テーマを明確にした。 壁にぶつかったからこそ、AIを支える基盤・運用・組織の重要性が見えた。
9. 09 再挑戦の準備 2021｜IT業界に戻り、時期を待つ Infraに戻っても、AIの学習は止めなかった 2021 Infrastructure Engineer Python 統計・可視化 Machine Learning データサイエンスの波の中で、統計学・Python処理・可視化を実務感覚で吸収する。 AIエンジニアへの道は、一度離れても終わらない。
10. 10 実装力 2021後半–2025｜クラウドとエッジAIをつなぐ オンプレミスクラウドを作りながら、リアルタイムAIに惹かれた 2021→2025 On-premise Cloud IoT / Edge AI Raspberry Pi OpenCV クラウド基盤を作りつつ、エッジでAIを動かす実験にも没頭。AIを「現実世界で動かす」視点が 強くなる。 Infra経験は、AIをPoCで終わらせず運用に載せる武器になる。
11. 11 転換点 2023後半｜ChatGPTで「ついに来た」と感じる クラウドシステムのツール開発で、生成AIの実用性を体感した 2023 ChatGPT クラウド 開発支援ツール AIが研究テーマから、日々の開発を変える実用技術に見えた瞬間。 「時代が来た」と感じ、これまでの学習が一気につながり始めた。 !
12. 12 実践 2024｜生成AIシステムをスクラッチで作る 創業メンバーとして、RAG・Agent・Transformerを実装へ 2024 RAG AI Agent LangGraph Transformer 論文 PyTorch mini GPT GNN / Graph Theory 生成AIプロダクトを作りながら、モデルの中身も自分で実装して理解した。 AIを「使う」だけでなく、構成要素を理解して「作る」段階へ。
13. 13 達成感 2025｜10年越しに、AIで社会貢献する実感を得る 仕事と学習が重なり、AIエンジニアとしての軸が固まった 2025 10年 生成AIを中心に 勉強と実務を往復 2014年の医療AIへの問いから約10年。ようやくAIで価値を出す手応えを得る。 遠回りに見えた経験が、AI実装の説得力になった。 社会貢献の 達成感
14. 14 現在地 2026年8月｜生成AIに因果推論を組み込む 次のテーマは、AIの出力を意思決定につなげること 2026.08 生成AI 因果推論 意思決定 プロダクト 生成AIの「もっともらしい出力」を、根拠・因果・介入可能性を持つ判断支援に変えるアイデア を実装中。 次に作りたいのは、生成AI時代の意思決定基盤。
15. 15 まとめ SWE + Infrastructure Engineerの経験は、 AIエンジニアになるための遠回りではなかった。 システムを作る力 データを扱う力 運用に載せる力 現場に向き合う力 AIで社会貢献するために、これまでの全部がつながった。