AIデータ品質‧運⽤責任者

▍ミッション 建設⾒積書‧内訳書から作成される教師データと評価データを、学習‧評価に継続利⽤できるデータ資産として管理し、Biz‧CS‧MLの判断を、作業者が再現可能なルールと改善サイクルへ変換することです。 ▍お任せすること ①データ資産と品質状態の可視化 ・教師データ・評価データの⼀覧、⽤途、バージョン、責任者、利⽤可否、残存リスクを整理する ・サンプル監査を設計‧実施し、現在の品質⽔準と指標の限界を説明する ・個別の誤りを類型化し、ラベル、階層、作業者、時期、データソースなどの切り⼝で原因と偏りを分析する ・重複、⽭盾、⽋損、階層制約違反、学習⽤‧評価⽤データ間のリーケージを確認する ②ルールと品質運⽤の設計 ・アノテーションルールを、定義、正例、負例、境界例、判断停⽌条件、エスカレーション先まで含む形に整備する ・ルールの版判断履歴、未解決ケースを⼀元管理する ・サンプリング、監査、⼆重アノテーション、作業者校正、差し戻し、再レビューの仕組みを設計する ・作業者や外部ベンダーへの説明‧教育‧評価を⾏い、理解度と再発状況を確認する ③データ改善とML開発の接続 ・新規データ作成と既存データ修正のバックログを管理し、事業上の優先度とMLの学習計画に接続する ・学習投⼊前に、データ運⽤上のReady∕Not Readyと残存リスクを提⽰する ・MLメンバーとともに、データ変更前後のモデルの失敗パターンを⽐較し、次に改善すべき対象を提案する ・週次のデータ準備状況と、⽉次の品質傾向を関係者へ共有する ④部⾨横断の意思決定⽀援 ・業務上の正解はBiz、顧客‧現場事例はCS、モデル要件と投⼊判断はML、ツール実装はSoftwareEngineerへ、論点と判断先を切り分ける ・データ量、品質、費⽤、納期、想定されるモデル影響、未確定事項を整理し、関係者が判断できる状態を作る ・アノテーションツール上の課題を運⽤要件‧受⼊条件へ変換し、Software Engineerと改善を進める ▍このポジションが持つ責任と、持たない責任 本ポジションが責任を持つ領域 他の役割が最終責任を持つ領域 ・品質基準、サンプリング、監査⽅法 ・アノテーションルール、例⽰、判断履歴 ・作業者校正、差し戻し、外部ベンダーの品質 ・作成‧修正バックログの運⽤上の優先順位 ・データの運⽤上のReady∕Not Ready判定 他の役割が最終責任を持つ領域 ・業務上の正解：⽤語・顧客要件：Biz ・顧客・現場事例の収集：CS ・学習‧評価要件、データ分割、モデル投⼊判断：ML ・ツールの設計、実装、テスト、リリース：SoftwareEngineer ・最上位の事業優先順位：事業‧AI責任者 本ポジションが、すべての業務上の正解を決めること、モデルを実装すること、アノテーションツールを開 発すること、全件を⾃ら確認‧修正することは想定していません。 ▍⼊社後に期待すること ⼊社後90⽇を⽬安に ・既存の教師データ‧評価データの⼀覧、⽤途、バージョン、責任者を整理する ・サンプル監査を⾏い、現在の品質⽔準と主なエラー類型を提⽰する ・ラベル・階層ルール、未解決ケース、判断履歴を⼀元化する ・次回学習に向けた修正バックログと優先順位をBiz・MLと合意する ・作業者向けの校正⽤データを作り、⼩規模な運⽤を開始する ▍⼊社後180⽇を⽬安に ・データセット、ラベル、階層、作業者別の品質傾向を継続的に説明できる状態を作る ・データ作成から学習‧評価までのリードタイムとボトルネックを可視化する ・ルール変更、作業者教育、差し戻し後の再発状況を測定する ・データ修正前後でモデルの失敗パターンを⽐較し、改善効果を確認する ・外部作業者を活⽤しても、品質状態と残存リスクを説明できる運⽤を確⽴する

▍必須スキル ・SQL、Python、pandasなどのいずれかを⽤いて、⾃らデータを確認‧集計し、品質問題の傾向や原因を説明した経験 ・エラー率、⺟数、サンプリング、分布、偏りなどを踏まえ、品質指標を設計または運⽤した経験 ・個別のミスをエラー類型や根本原因にまとめ、再発防⽌につなげた経験 ・曖昧な要求や判断を、SOP、ルール、正例‧負例‧境界例、例外処理へ落とし込んだ経験 ・複数部⾨や外部パートナーが関わる業務で、期限、依存関係、リスク、未決事項を管理した経験 ・教師あり学習、学習⽤‧検証⽤‧評価⽤データの違い、データリーケージ、過学習、分布変化についての基礎理解 ・Precision、Recall、F1などのモデル評価指標を読み、データ品質とモデルの失敗をML担当者と議論できること ・事実、解釈、提案、不明点を分け、関係者に分かる形で⽂章化できること すべてを同じ職種で経験している必要はありません。Training Data∕Data Operations、Data Analyst、DataScientist、AI Program Manager、QA‧品質管理、BPO運⽤、Technical CSなど、隣接領域での経験も対象とします。 ▍歓迎スキル ・教師データ、アノテーション、データキュレーション、AI評価の運⽤経験 ・OCR、Document AI、表‧帳票、階層データを扱った経験 ・モデルのエラー分析やData-centric AIに取り組んだ経験 ・作業者教育、QA、BPO‧外部ベンダー管理、業務設計の経験 ・アノテーションツールの導⼊や要件整理の経験 ・建設⾒積、積算、調達、施⼯、修繕など、建設‧不動産領域の知識 ・機密性の⾼いデータに関するセキュリティ‧プライバシー運⽤の経験 ▍求める人物像 ・データの個別修正だけでなく、誤りのパターンと発⽣源を考えられる⽅ ・分からない状態を隠さず、未確定事項と判断先を構造化できる⽅ ・分析やダッシュボード作成で終わらず、ルール、担当、期限、完了条件まで運⽤に落とせる⽅ ・地道な監査、例外整理、作業者教育、再発防⽌を重要な仕事として扱える⽅ ・⾃分が決める範囲と、Biz・CS・ML・Software Engineerへ返す範囲を明確にできる⽅ ・モデル開発そのものよりも、良いデータが継続的に作られる仕組みづくりに関⼼がある⽅