AIデータ品質管理リード｜教師データ設計・品質保証・運用標準化

▍事業内容／企業紹介 ゴーレムは、建設業界に蓄積されてきた見積・設計・施工・維持管理などのデータと、実務の中で培われてきた判断基準を構造化し、企業の業務効率化や意思決定を支援する建設業界特化型のデータプラットフォームを開発しています。 建設業界では、企業・プロジェクトごとに業務、データ、管理方法が異なり、重要な情報がExcelやPDF、担当者の経験に分散しています。ゴーレムでは、こうした非構造・属人的な情報をデータとして扱える状態へ変換し、CO2排出量の算定をはじめ、見積・購買・業務分析など複数のテーマへ展開しています。 ▍ポジションのミッション（募集背景） 建設データには企業・案件ごとの表記差、専門判断、曖昧な例外が多く、モデル改善だけでは品質を安定させられません。何を正解とするか、誰がどう検証するかを標準化し、教師・評価データの再現性を高める必要があります。 今回募集するのは、機械学習・生成AIに利用する建設データの正解を定義し、アノテーション基準、レビュー、エラー分析、改善サイクルを設計するポジションです。具体的には、ラベル定義・正解基準・曖昧ケースの判断ルール策定、アノテーションガイドラインとFAQ整備、サンプリング・ダブルチェック・合意率等の品質設計、誤分類・不一致・偏りの分析などを通じて、担当領域を前に進めます。 ▍仕事内容 正解・品質基準の設計 ● 教師データ・評価データのラベル定義、正解基準、許容誤差、例外ルールを設計 ● 判断が分かれやすいケースを収集し、ガイドライン・FAQ・判定例として言語化 ● モデル評価で確認すべき品質指標と、業務上許容できる品質水準をMLチームと整理 ● データセットやルール変更時の版管理・変更履歴・影響範囲を管理 品質検証・エラー分析 ● サンプリング、ダブルチェック、合意率等を用いたレビュー方法を設計 ● 誤分類、不一致、欠損、偏り等を集計し、エラータイプ別に原因を分析 ● 作業者起因・ルール起因・データ起因・モデル起因を切り分け、改善優先順位を整理 ● 改善前後の品質を定量評価し、基準や運用の変更効果を確認 作業者・外部パートナーの品質管理 ● アノテーション／データ作業者向けのオンボーディングと判断基準の説明 ● レビュー結果に基づく個別フィードバックと、共通ミスへの一斉改善 ● 作業者・ベンダー別の品質傾向を可視化し、再教育・チェック強化を実施 ● エスカレーションすべきケースと現場判断で処理できるケースを整理 ML・プロダクトとの改善サイクル ● MLエンジニアとエラー分類・評価データ・再学習対象をすり合わせ ● PdM・業務担当者と、モデル精度と実務上の正しさの差分を整理 ● 品質課題をデータ作成・モデル・UI／運用のどこで解くか判断材料を整理 ● 継続的に品質を確認できるレポート・レビュー運用を整備 ▍組織名／体制 AIデータ品質管理チーム。CS、BPO、ML、プロダクトチームと連携。 ▍開発体制 教師・評価データの改善結果をMLチームの学習・評価へ接続。 ▍技術スタック Excel／Google Sheets。歓迎：SQL、Python、正規表現、BIツール。

● 教師データ・評価データ、マスターデータ、審査データ等における品質管理・品質改善の実務経験 ● 曖昧な判断や例外ケースを整理し、分類ルール・判定基準・ガイドラインとして言語化した経験 ● Excel／SQL等を用いて、誤分類・不整合・品質低下の傾向を分析し、原因特定から改善まで行った経験 ● 複数の作業者や外部パートナーに対し、レビュー・フィードバックを行い、品質を安定させた経験 ● エンジニア・業務担当者など複数の関係者と、正解基準や品質水準について合意形成した経験