19:00～ 開始いたします

2
 Product Manager Yohei Oniki 航空会社、コンサルティングファームを経てfreeeに入社。 Product Managerとして0→1、1→10、10→100といった様々な フェーズのプロダクトを担当。 キャディ株式会社に入社後は、Product Managerとして、新規 事業である図面データ活用クラウド（CADDi DRAWER）の立ち 上げに従事。 Frontend Engineer Keisuke Kan 新卒でソーシャルゲーム部門に配属され、バックエンドエン ジニアとして開発等を担当。その後データ分析ツールやその 他複数のスタートアップへ参画。 キャディへ入社後は、フロントエンド開発およびBFFサーバー の開発等を担当。 2


3
 AI Lab Tech Lead Shunsuke Kawai (@vaaaaanquish) Sansan株式会社、Yahoo! JAPAN、エムスリー株式会社を経 て、2021年12月よりCADDiにジョイン。 AI Lab創設後、チームの開発環境整理や社内の課題を吸い上 げを実施中。過去には機械学習アルゴリズムの実装やチーム リーダーとしてマネージメントなどに従事。業務の傍ら、機 械学習合同開発グループの運営やXGBoostおよびLightGBMの Rust wrapperメンテナを務める。その他、外部の機械学習コ ンペ入賞経験など。 3
 HR Yuya Ueno 日立製作所、リクルートキャリア（現：リクルート）を経て 2022年5月よりCADDiにジョイン。 CADDiでは、HRとしてエンジニア採用と人事企画（オンボー ディング・研修・全社サーベイ等）を担当。

本日のアジェンダ 4
 ● 19:00-19:03 はじめに ● 19:03-19:20 CADDi DRAWER概要 ● 19:20-19:55 対談 ● 19:55-20:05 質疑応答 ● 20:05-20:10 クロージング

図面データ活用クラウド“CADDi DRAWER”が遂にリリース 5
 多数メディアに掲載 - 日経新聞（本誌） - 日経電子版 - 日経クロステック - 日刊産業新聞 - ASCII - Monoist - IoT news - エキサイト - 創業手帳 - and more

6
 https://warekennis.nl/wp-content/uploads/2013/11/bridging-the-information-worker-productivity-gap.pdf 形式は違えど、図面データをただ保管しているだけ 将来の設計・調達・製造・保守等になんの価値も生み出せていない 10年以上前の図面が 紙で倉庫に保管 担当者のメールや ローカルフォルダに保存 システムに登録されて いるが、検索にHitしない 「最重要データ」といわれる図面は、“資産”とほど遠い

7
 図面は、情報の宝庫

8
 図面は、情報の宝庫

9
 図面の最も重要な情報、それが”形状” CADDi DRAWERでは、図面の形状から類似図面が検索可能

図面を 貯める 検索する 情報を 抜きだす 情報を 関連づける 行動する 分析する 図面 etc.. 品質 設計 見積 受注 発注 CADDi DRAWERを軸とした新たな図面データ活用サイクル

11
 従来の図面管理 システムの対象範囲 図面 etc.. 品質 設計 見積 受注 発注 図面を 貯める 検索する 情報を 抜きだす 情報を 関連づける 行動する 分析する CADDi DRAWER 目的 過去の図面データを 正しく保存する 主要機能 承認フロー 権限コントロール バージョン管理 etc 目的 図面を中心とした データ・ナレッジを 活用して未来に生かす 主要機能 図面解析 キーワード/類似検索 関連データの自動紐付 etc 従来の図面管理システムとの違い

12
 図面 etc.. 品質 設計 見積 受注 発注 図面を 貯める 検索する 情報を 抜きだす 情報を 関連づける 図面の文字・属性情報自動抽出 図面の表題欄をテンプレートをもとに解析することに より、図面に記載された文字や属性情報を自動抽出 発注実績の自動紐付け CSV出力した発注実績データを一括登録することで、図面の 属性値をキーとして図面と自動で紐付け キーワード検索・類似図面検索 自動で解析した図面内のテキスト情報や形状をもとに、図 面に関する情報を検索 図面の一括アップロード 二次元形式の図面を一括でアップロードし、クラウド上に 格納（数百万枚程度の格納が可能） 行動する 分析する 図面の資産化を意識した機能開発

13
 21年7-9月 21年10-12月 22年1-3月 22年4-6月 顧客課題の発見 解決策の特定 （類似図面検索の着想） 実現への挑戦 （技術的不確実性の解消） プロダクト化 Problem Solution Fit の手応え 社内外にヒアリング 要素技術の開発 自社データでデモ 顧客データ（数千枚）でデモ ベータ版開発 製品版開発 Problem Solution Fit を確信 製品版を 提供開始 プロダクト化への探索の道のり

本日のアジェンダ 14
 ● 19:00-19:03 はじめに ● 19:03-19:20 CADDi DRAWER概要 ● 19:20-19:55 対談 ● 19:55-20:05 質疑応答 ● 20:05-20:10 クロージング

15
 対談テーマ① 図面データ活用クラウドサービスの 開発背景秘話

16
 対談テーマ② 直面した課題とその乗り越え方

17
 対談テーマ③ 開発体制/チーム/技術スタック

18
 DRAWERチーム開発体制 ・快適なOnboarding ・早くて正確なOps ・類似画面検索をベース 　とした、顧客の業務フ 　ローに入り込める機能 　開発 ・技術負債の解消 DRAWER Team Team1：Onboarding Team2：App Taskforce： technical debt

19
 Search＆Indexing ML推論君エンジン Vertexによる フルマネージドな Endpoint群 deep特 徴 ● Opensearchによるvectorとtextの複合検索 ○ k8s基盤をDRAWERチームが用意 ○ 初期開発時点では AI Labが一気にソフトウェア面を開発 ■ 簡易デモ作成 2週間 ● アルゴリズム特徴量から始め Deepへ ■ Opensearchのindex仕様連携 2ヶ月 ■ 機能改善や仕組みチューニング 3ヶ月 ○ AI Labと協力しつつDRAWERチームに責務を移譲 ● Deep推論はGPUに切り出すことで責務を分離 ○ k8sではGPU/CPUの共存が難しいため Vertexへ 他部署との連携（AI Lab） ※ Deep Learningモデルについては過去イベント参照（ここから更に改善も進んでいます） https://speakerdeck.com/caddi_eng/tu-mian-karafalsemu-cai-xing-zhuang-ren-shi-abejaxcaddi

20
 対談テーマ④ 今後の展望

本日のアジェンダ 21
 ● 19:00-19:03 はじめに ● 19:03-19:20 CADDi DRAWER概要 ● 19:20-19:55 対談 ● 19:55-20:05 質疑応答 ● 20:05-20:10 クロージング

22
 今後のイベントのご案内 7月 8月 9月 技術イベント 採用イベント CADDi DRAWER イベント第二弾 （予定） CADDi DRAWER イベント第三弾 （予定） 未 定 確定次第connpassやTwitterで発信しますのでぜひフォロー・ご登録ください ※イベント以外にも、Tech Blog等更新予定です 未 定

23
 詳しくは右記よりご覧ください バックエンドエンジニア フロントエンドエンジニア プラットフォームエンジニア エンジニアリングマネージャー テクニカルサポート/TAM アルゴリズムエンジニア 機械学習エンジニア MLOpsエンジニア QAエンジニア SaaSエンジニア プロダクトデザイナー データエンジニア RECRUITING POSITION プロダクトマネージャー

24
 ENTRY @CaddiTech https://caddi.tech https://corp.caddi.jp/recruit/eng TECH BLOG RECRUIT SITE アンケートにご協力を お願いします。