ML エンジニアの森 直幸が AI 機能で大ヒットを飛ばしている背景

ANDPAD 初の AI 機能「豆図 AI キャプチャー機能」が昨年リリースされ、プロダクトの MRR を大きく上げる大ヒットを記録しています。 その立役者が機械学習（ ML ）エンジニアの 森 直幸 です。

今回は 森 に、大ヒットに繋がった背景やアンドパッドが抱えるデータの魅力について、データ部の部長である 土居 啓司 がインタビューしました。

森 直幸
データ部 ML Product Dev グループ

大学・大学院で画像処理を研究。 総合商社を経て、 10 年間、画像処理エンジニアとして活躍したのち、 2021 年 12 月にアンドパッドに入社。 2023 年 7 月にリリースされた 「豆図 AI キャプチャー機能」 を開発。

土居 啓司
データ部 部長

新卒でソフトバンク株式会社に入社後、ビッグデータに出会い、データサイエンティストに転身。 LINE モバイル株式会社に出向後は、 DMP/MA 基盤の構築、ソフトバンク社への吸収合併プロジェクトのプロジェクトマネージャを担当。 2022 年 4 月にアンドパッドへ入社し、新設されたデータグループのマネージャとなりビジネス価値を創出する「データスチュワード」を担う。 2023 年 7 月よりデータ部の部長に就任。

データ組織の成長と自身の成長が sync する

土居: 森さんはアンドパッドの Wantedly ページ初登場なので、まずはプロフィールから伺いましょう。

森: 大学・大学院で画像処理の研究をして、大阪の会社で画像処理のエンジニアになり、そこで 10 年経験しました。 事業は高速道路の構造物の外観検査が中心だったので、現場に行くときは作業着とヘルメットをかぶっていくというシーンが日常的な会社でしたね。

土居: アンドパッドでも同じシーンをよく見ますよね。 その後、アンドパッドに入社されたのですが、アンドパッドには何を期待して入社されたのでしょう？

森: 前職は安定的な成長を志向する雰囲気があり、圧倒的な成長を目指す環境に身を置きたいと考えていました。 そういう非連続な成長をしている会社なら仕事も人も広がる、と。

土居: 森さんが入社された当時はデータグループという組織で、森さんが 6 人目でしたね。 まだ立ち上げ時期でしたので、それからの軌跡を考えると期待通り、圧倒的に仕事も人も広がりましたね。 では、その立ち上げ時期のことを思い出してもらいましょうか。

森: 当時は機械学習（ ML ）を中心とした組織ではなく、広いスコープをもつデータグループに配属されたのですが、それがよかったですね。 そこでデータ基盤を利用してビジネスからの依頼でデータを集計するところからアンドパッドでの仕事を始めたのですが、依頼そのものがドメイン知識のかたまりで、建築・建設業界の人たちが何を期待しているか、というのがわかってきました。

土居: 森さんらしいドメイン知識の獲得をしていますね。

森: そうして社内データ基盤やデータ分析プラットフォームがしっかり出来上がるころには、人数も増えて、データグループからデータ部に組織が拡大しました。 そのころから徐々に ML での PoC を行うようになりました。

土居: 前職との ML 環境の違いでいうと、恐らく "クラウド" を使うところですよね。

森: ですね、前職では手元の PC で開発していたものが、クラウドの VM 上に変わったので、それは大きな変化でした。 AWS などはほんの少し使った経験がありましたが、 Google Cloud は皆無で、とても困りましたし、最初は周りに質問してよいのか、迷いもありました。 当時を振り返ると、やっぱり恥ずかしかったのでしょうね。

土居: あるあるですね。 それをどう突破したのですか？

森: アンドパッドには優れたエンジニアが一杯いるので、誰かに質問すれば、誰かが答えてくれるという安心感がありました。 実際、恥ずかしさを振り切って質問してみると、質問以上の回答をもらっただけでなく、ペア作業もしてくれるほどで、今ならどんどん質問していけ、とアドバイスしたいですね。

土居: いいですね。

森: あとは会社のサポートもあって、 Google Cloud Innovators Gym （ G.I.G. ）に参加でき、無事に Professional Data Engineer の資格を取得できて、クラウドを苦にしない転機になりました。 それで自信がつき、 Professional Machine Learning Engineer も取得できました。 知識や操作でつまづくことはなかったのですが、英語の試験だったので、そのほうが大変でした。 ギリギリで到達できそうな課題感を設定してくれたのがありがたかったですね。

土居: 会社の資格取得支援制度を有効活用できたのはよかったですよね。

（お二人の写真はすべて hsbt が撮影）

絶賛大ヒット中！豆図 AI キャプチャー機能の誕生秘話

豆図とは

土居: 組織が拡大してきて ML を使った様々な PoC がスタートしたのですが、どんなことから始めたのですか？

森: ML 研究会を社内で立ち上げ、様々なプロダクト、事業本部とのディカッションや調査を行ったのですが、ビルディング建設における建築図面での ML ニーズが高そうというのがわかってきました。 その建築図面でも特に豆図でのペインが大きいことが伺えました。

土居: 読者は建築・建設業界の図面には詳しくない方が多いので、もう少しわかりやすく、この図面を解説していきましょう。 豆図とは具体的にはどんな図面なのでしょうか？

森: まずビルディング建設では鉄筋コンクリート造の建物が多く、梁や柱などの鉄筋はこちらの写真のように位置、構造、材質、断面図などの情報が配筋図という建築図面にまとめられています。

配筋図イメージ

この配筋図における豆図とは鉄筋の断面図のことを指しています。

豆図イメージ

森: 建設の現場では工事の証拠資料として写真が使われますが、その際、工事名、種類、工事日などを記録した "黒板" と呼ばれる看板が必要で、豆図も一緒に撮影する必要があります。 ビルディング建設の現場では配筋図と呼ばれる建築図面から、この豆図を一つひとつ切り出して撮影するという作業が発生していました。

配筋図のイメージが下の写真で 1 枚にいくつもの豆図がありますね。 さらに、この配筋図が大量にあり、それぞれの配筋図から豆図を切り出す必要があるのです。

豆図AIキャプチャー機能のイメージ

土居: 何度聞いても、この豆図を切り出す作業は大変ですね。

森: この豆図を ML で判定し、自動でキャプチャーできないか、ということでターゲットが決まり、アンドパッド初の AI 機能の開発が始まりました。

100 % の精度は出せない

土居: 実際に始めてみて、いかがでしたか？

森: 開始当初に収集できた配筋図と豆図を見てみると、出来そうだなと感じ、実際、 PoC の初期段階では期待が持てる成果を出せました。 それによって開発チームもグッと前向きになったことを感じました。 ですが、実際に現場の図面が集まってくると、色んな種類の図面、豆図がでてきました。 IT における仕様書同様、特に建築・建設業界で定まった仕様がある訳ではありません。 図面の多様性がわかっておらず、かなり苦労しました。

土居: となると、精度向上が難しくなりますよね。

森: そうなんです。 通常、こういった ML プロジェクトでは目標性能を決めてからスタートします。 とはいえ、フタを開けいてみないとわからないので PoC があり、精度が出ないこともあることを PdM やビジネスサイドも理解していないと上手く行きません。 それがアンドパッドの場合、初の ML を活用した機能の開発ということもあって、 AI だけで完結できないなら、後処理でなにかしようと AI を補足する UX を作ろうとしてくれたので、安心して精度向上に取り組めました。

土居: 私も一緒に打合せに出ながら、森さんが精度の限界の話を丁寧に説明しながら進めていたことを覚えています。 森さんのその姿勢も成功の背景にあるのかも知れませんね。

大ヒットを記録し、全社表彰

土居: そんな苦労を経て、豆図 AI キャプチャー機能としてリリースしていかがでしたか？

森: 社内の Slack で「 MRR これだけ上がってます！」というのがレポートされていて、やったことのレスポンスがリアルすぎですね。 前月と比べてもわかるぐらいのインパクトで、ビルディング業界から沢山の引き合いが増えているということでした。 会社の成長にも貢献できて、それが地続きで、ビルディング建設の現場や社会の役に立っていることを感じています。

土居: 大ヒットですよね。 2023 年最終期で豆図 AI キャプチャー機能 開発チームは全社表彰もされましたし！

森: 一方で、性能が悪いと MRR に直撃するだろうということもわかるので、気が引き締まる思いです。 こういった責任感を感じられることもうれしいですね。 実際にフィードバックもたくさんいただいていますので、さらに改善を進めたいと思っています。

研究や PoC とプロダクションの違い

土居: 一方で課題と感じたことはありますか？

森: 先程も触れましたが、学習モデルをプロダクトに載せるとなるとクラウドの MLOps 基盤が必要です。 豆図 AI キャプチャー機能では MLOps 基盤の構築は Data Platform チームの須貝さん、谷澤さん、江川さんが全面的に協力してくださったので、とても助かりました。

森: 豆図 AI キャプチャー機能に続く、新しい学習モデルを載せるための MLOps の基盤は、私が構築しているのですが、ドキュメントがあるようでない状況で、調べては進むことの繰り返しで、失敗を重ねながら何とかリリースまでこぎつけました。 PC ではあまり気にする必要がなかったネットワークやセキュリティの設定、監視などなど、インフラも含めてサービスを作る必要があり、まだまだ知識とスキルを上げなければなりません。

土居: 基盤構築が属人化しているので、チームで基盤を作り、ボタン一つでリリースできるような仕組みを整えたいですね。

森: あとは MLOps と言うぐらいですから、リリースしてからも大事だ、いうことに気づいてなかったことも課題でしたね。 Web アプリケーションなどと同様に、 MLOps 基盤もリリースしたそばから性能は落ちていくのです。 そうならないよう、逆に性能を上げるために、設計 → 実装 → 運用 をグルグル回して行かねばなりません。 これまでの研究や Poc プロジェクトを行っている分にはリリースまでできれば OK と考えがちだったのですが、これがプロダクションとの差だなと痛感しました。 まだまだチームにこの経験がないので、リリース以降のことも見据えられるよう、チームで知見を共有したいですね。

アンドパッドの ML Product Dev グループの可能性

黒板 AI 作成 機能をリリース！

土居: 新しい学習モデルという話も出ましたが、豆図 AI キャプチャー機能に続き、新しい AI 機能がリリースされましたね。

森: 「黒板 AI 作成」機能ですね。

土居: 例によって、読者への解説をお願いします！！

森: 前回、豆図 AI キャプチャー機能でやったことは、豆図を取り出すことでした。 今回は同じく配筋図にある、豆図だけでないテーブル情報から AI を使って Key と Value を抜き出し、黒板を自動生成するというものです。

配筋図

森: 現場で行われているのは、豆図だけでなく、豆図の周辺にある鉄筋コンクリートの仕様を含めたものも黒板に転記することなのです。

黒板 AI 作成機能のイメージ

土居: ビルディング建設の現場において、この黒板へ転記する時間と工数も相当ですよね。

森: これもビルディング建設の現場では課題とされている業務だったので、 AI で変えていきたいですね。

土居: 手応えはいかがですか？

森: 最初の PoC の段階から比べると、検証いただける企業様が 3 倍程度に増加し、先日行われた建築・建設業界のイベント、建設 DX 展ではとてもいい反響をもらえたとのことなので、期待できます。

色々なデータが集まるのが Vertical SaaS の面白さ

土居: 立て続けに AI 機能をリリースできていますが、 ML エンジニアの森さんから見てアンドパッドのポテンシャルをどう見ていますか？

森: 冒頭のデータ組織の紹介でも触れた通り、アンドパッドのデータ組織の起源はデータを集めるところから始まっています。 そうして出来たデータ基盤がしっかりしているところが、他とまったく異なるところですね。

土居: どうしても AI や ML ありきで、データを集めるところから始まりがちですものね。

森: おっしゃるとおり、そのデータ集めがボトルネックになることが多く、それがアンドパッドでは完了していて、なおかつキレイで活用しやすい状態になっています。

土居: データの種類も豊富ですものね。 森さんからみてアンドパッドのどういうデータに可能性を感じますか？

森: ひきつづき画像データは大きな価値を秘めていますね。 一日だけでもアップされる写真が膨大な量に上りますし、今回の AI 機能の開発テーマとなった配筋図は建築図面のほんの一部ですから、まだまだ活用できる図が沢山あります。

土居: ここで公開できないのが悔しいぐらいの量がありますよね（笑）。

森: もちろん画像や図面データだけではない非構造化データが他にもたくさんあります。 チャットのテキストデータ、遠隔臨場している動画、リモート通話の音声。 そして画像でも新しく 360 度画像を取り込んでいます。

土居: 構造化データもありますしね。

森: 工程管理のデータや、受発注などのデータも面白いデータですよね。 Horizontal SaaS などでは単一的になりがちですが、 Vertical SaaS は本当に様々な種類のデータが集まります。 アンドパッドのデータはポテンシャルしかないですね。

土居: そんなデータが集まるアンドパッドで活躍できる ML エンジニアがどんな人か伺ってみましょう。

森: 当たり前ですが、テクノロジーに対する深い知識は必要です。 ただ、それよりもお客様がどういう課題をもっていて、どう解決するとよいか考えられる人が活躍できます。 ML エンジニアはどうしても学習モデルの面白さに酔いがちです。 大切なのはお客様観点を忘れないこと、これが AI 機能をリリースして改めて感じたことです。

土居: まさしくそうですね。 ぜひそういう方に Join してもらい、森さんをはじめとする ML エンジニアのみんなと一緒にがんばっていきましょう。 今日はありがとうございました！

森: こちらこそ、ありがとうございました！

ANDPAD がもつデータのポテンシャルと、圧倒的な AI ニーズが潜在する建築・建設業界に魅力を感じた方はぜひカジュアル面談や面接にご応募くださいませ。 記事では伝えられなかった、そのデータのポテンシャルをリアルにお伝えします！

ご応募お待ちしております !!