データサイエンティスト（AI-Ready / 暗黙知分析）

■主な業務内容 日本の製造業は、少子高齢化を背景に深刻な人手不足に直面しており、熟練技能者が長年の経験を通して体得してきた暗黙知（経験則による感覚的な判断や、微細な動作・力加減の調整など）が、退職とともに失われるという構造的リスクが顕在化しています。同時に、米国・中国を中心にフィジカルAIの研究開発が加速するなか、こうした現場の暗黙知をデータ化し、AIが理解・継承できる形に変換することの重要性が、産業界全体で急速に高まっています。 関連領域におけるこれまでの取り組みは、生産系システムのデータ整備、図面・手順書といった既存の非構造化データのOCR・RAG化にとどまっていました。これらはいずれも「すでに何らかの形で記録されているデータの活用」の準備であり、技能者の動作・視線・判断根拠といった「そもそもデータとして存在しない暗黙知」については、収集・構造化の手法そのものが確立されていません。この未開拓領域に対し、ヒアリングに基づく言語データ、作業動画・骨格キーポイント・視線データ等のマルチモーダルデータを収集し、熟練者と一般作業者の差分分析を通じて手順書に存在しない暗黙知を特定・構造化する、新しい方法論が必要です。 FastLabelはAIデータのプロフェッショナル企業として、経済産業省・NEDOの国家プロジェクト「製造業データ等のAI-Ready化に関する研究開発（GENIAC）」に採択され、現場で言語化されていない熟練者の知を支えるデータインフラとして、この領域の技術的基礎および方法論を確立していきます。 ​ 本ポジションでは、生産現場のデータ収録方式設計、データ分析から、暗黙知の抽出、VLM等AIモデル等を用いた分析・抽出の自動化技術検証などを、データサイエンティストとして一気通貫で担っていただきます。暗黙知という新たな領域の分析技術をリードし、製造業をはじめとする幅広い産業の技能継承とAI-Ready化を支える事業の立ち上げと拡大に貢献していただきます。 《具体的な業務内容》 入社後は製造現場の暗黙知をAI-Ready化する、弊社が主体となって推進する研究開発プロジェクトを担っていただきます。中核となるミッションは、熟練技能者の言葉（暗黙知）を一次情報として収集し、それを捉えるデータ収録方式を設計し、分析を通じて作業動画・骨格キーポイント・視線などのデータ上の特徴量と結びつけ、AIが学習できる構造化データへ翻訳することです。 【弊社研究開発プロジェクト】 ・現場の暗黙知の聞き取りと言語化：PMやコンサルタントとともに工場を訪問し、熟練技能者へのヒアリングを通じて、手順書に表れない知識を引き出し、言語化する。​ ・データ収録設計：ヒアリングを踏まえ、対象工程・抽出すべき暗黙知・センサ構成・評価基準を定義する。 ・暗黙知の抽出：熟練工と一般作業員の作業データを比較して暗黙知が現れる特徴を抽出する ・自動化モデル開発・評価：暗黙知抽出プロセスの自動化に関する仮説を設計し、プロトタイプ開発を通じて仮説検証を行う。※手動で分析した結果などに基づきVLM等をFine-tuningする作業などを含む ※本プロジェクト以外に、認識AIやロボティクスAI領域の社内開発プロジェクトやお客様からお預かりする開発プロジェクトなどを担当いただく可能性がございます。 変更の範囲：上記の業務をご経験頂いたのちは、適正や希望に応じて当社業務全般に変更の可能性があります。 ■募集背景 事業立ち上げによる人員体制の強化のため。 より多くのお客様の事業を成功に導くために、高難易度な暗黙知領域のAIデータプロジェクトをリードする技術職を募集します。 あらゆる産業でAI技術の開発・活用が進む中、AIロボティクスにも繋がるデータの新領域における基盤技術を開発して頂きます。 ※ 必要に応じてコーディング課題を実施させていただきます。 ■仕事の醍醐味 【Data-centric AIの深い理解と実践的スキルの習得】 AIモデルの性能においてデータが重要であることは各方面で強く意識されるようになってきましたが、データ収集の方式・精度からこだわってデータと向き合い、VLM等のモデルの学習・評価まで一気通貫で実践できる機会はあまり多くありません。本プロジェクトでは様々な切り口からデータの質と向き合う必要があり、そこから得られるData-centric AIに関する知見は非常に貴重かつ労働市場における競争力が高いものになると想定されます。 【最先端技術を「実社会」へ応用する経験】 単に新規性があり技術的に難易度の高いテーマに挑戦できるというだけでなく、それが日本を支える大手製造業の現場の必要や高い関心に基づいていることが弊社が重視しているポイントです。世界最高レベルの生産現場の全面的な協力の下、日本の製造業の競争力維持に貢献することを目指した取り組みに参画することができます。 【ロボティクスAIへの応用】 弊社では2026年からロボティクスAI事業本部を立ち上げ、ロボティクスAIに注力しています。今はまだAIによるロボット制御は平均的な人の作業品質を目指すだけで手一杯の状況ですが、今後の技術の発展により熟練者の暗黙知を含む作業をロボットで再現するトレンドが生じることは十分に現実味があります。本取り組みは将来のロボティクスAIが学習するデータを作るための基盤となる手法・技術を取り扱うものであり、ロボティクス技術への貢献度も高いものになると考えています。 ■キャリアパス 【識別AI・ロボティクスAIのスペシャリスト / テックリード】 識別AI、VLM、VLAモデルの専門性を深め、プロジェクトの技術的責任者としてキャリアを築くことができます。データに関する深い理解に基づくAI開発の知見は、今後グローバルでも極めて市場価値の高いスキルセットとなります。 【エンジニアリングマネージャー (EM)】 将来的にチームが拡大する中で、エンジニア組織のマネジメントや採用、育成を担うリーダーポジションを目指すことができます。

【開発経験】 ・Pythonを用いた開発実務経験 ・Linux環境での開発経験、およびGit/GitHubを用いたチーム開発経験 ・クラウド（AWS, GCP, Azure等）を活用した開発・運用経験 【専門領域】 ・画像・動画・点群などのデータをAIモデル等を用いて分析した経験 ・機械学習/深層学習の知識・経験 　・PyTorch, TensorFlow, JAX等のフレームワークを用いたモデルの学習・推論・評価パイプラインの構築経験 　・一般的な統計、機械学習、コンピュータビジョンの理論的知識 【ソフトスキル・スタンス】 ・データやそれを扱う技術だけでなく、データを生み出す人や活動に強い関心を持ち、データの周辺にある文脈を深く理解しようとする姿勢 ・社内外のステークホルダー（PM、顧客、アノテータ等）と技術的な要件をすり合わせるコミュニケーション能力 ・未踏の技術課題に対し、論文調査や仮説検証を通じて自走して解決策を導き出せる問題解決能力

【暗黙知・身体知】 ・暗黙知や身体知に関する研究活動の経験 ・人の動作をデータ化し、動作に関する言語情報と関連付けながら分析した経験 【先端AI・モデル開発】 ・VLA（Vision-Language-Action）モデル、VLM、LLMの実装・学習・評価の経験 ・大規模モデルの効率的な学習・推論手法の知見 ・Transformers, PEFT（LoRA/QLoRA）, Unsloth, vLLM等のライブラリ使用経験 【MLOps・データ】 ・実験管理ツール（MLflow, WandB等）やワークフローエンジン（Hydra等）の運用経験 ・ロボットデータセット（Open X-Embodiment等）の取り扱い経験

・顧客課題を深く理解し、研究開発に留まらずに技術の社会実装を考えられる方 ・不確実性の高いテーマでも、自ら論点を整理し、手を動かしながら前進できる方 ・周囲を巻き込みながら、主体的にプロジェクトを推進できる方 ・新しい市場や技術に対する知的好奇心が強く、継続的に学べる方 ・FastLabelのパーパスに共感し、産業変革の当事者としてコミットできる方