
インタビュー vol.5
オープンワーク株式会社
大澤 陽樹さん(代表取締役社長/G検定2020#3合格)
就職・転職のための情報プラットフォーム「OpenWork(オープンワーク)」を運営するオープンワーク。かねてから転職サービスのスキルマッチングに課題を感じていた同社代表取締役社長の大澤 陽樹(おおさわ はるき)さんは、「ディープラーニングで転職・就職マッチングを変えたい」と、G検定取得のための勉強を始めた。その後、「OpenWork」では新機能を続々とローンチ。転職・就職の失敗を無くし、日本の働きがいや労働生産性向上を目指す大澤さんに、ディープラーニングやAIを学ぶ意義を聞いた。

ディープラーニングの知識が無いと議論すらできない
――まず、G検定を受験されたきっかけを教えてください。
大澤
ディープラーニングによって転職・就職マッチングを変えたいと思ったからです。当社は、日本最大級の「働く」に関する様々なデータが蓄積されたプラットフォーム「OpenWork」を運営しています。現在では約1200万件以上の社員クチコミや評価データを保有しており、2007年の創業以来、社員クチコミのパイオニアとして成長してきました。
一方、2017年に公表されたアメリカの調査会社・ギャラップ社が実施した従業員エンゲージメント調査によると、日本企業は「熱意あふれる社員」の割合がわずか6%で、139カ国中132位。日本は依然として働きがいが最低水準の国です。
経団連やトヨタ自動車の豊田章男社長が「終身雇用を続けるのは難しい」という発言をしているように、「会社が嫌でも居続けたら給料が上がる」という時代は終焉を迎えつつあります。しかし、転職や就職をする際には、これまでの勘や経験でマッチングが促されてしまい、結果的に後悔を感じているビジネスパーソンが多いのも事実です。
転職・就職の失敗を無くしていくことで、働きがいや労働生産性を上げていく――定性データを含め豊富なデータを持っている当社こそが、ジョブマーケットに一石を投じるようなことに挑戦していかなければならないとかねてから思っていました。
しかし、経営のトップに立つ私自身にディープラーニングやAIへの知見が無いままでは、会社の方針を明示することはできません。当社にはデータサイエンティストやデータアナリスト、データエンジニアも多く在席していますが、そういった人材と私が会話できないと良いプランニングもできず、新しいビジネスを作ることはできないという課題を持っていました。
そのような時、たまたま私の大学時代の後輩で、AI人材の教育事業を展開する経営者とたまたま会い、悩みを打ち明けたところ、G検定の存在を教えてもらいました。そこで、藁にもすがる思いで講座を受講し、2020年3月に受験しました。
――かねてから、「データサイエンティストの方たちと対等に議論し新しいビジネスやサービスを産んでいきたい」という課題をお持ちだったんですね。
大澤
そうですね。転職サービスは、データに基づいてマッチングがなされていますが、その精度はまだまだ低くユーザーの満足度も低いです。その理由は、求職者の履歴書と求人をマッチングさせるだけのスキルマッチングだから。
当社の調査によると、ミスマッチが起きる要因は年収ではなく、仕事内容や組織風土、入社後の配属ミスなどのソフト面にあるとわかっています。
だからこそ、転職サービスは単純なスキルマッチングではなく、「OpenWork」に投稿されている自然言語も含めた社員クチコミを分析してマッチングさせていくことが大事だということは、ディープラーニングを学ぶ前から思っていました。
ただ、当時は「自然言語処理」と言われても何のことかわからないし、おそらくデータサイエンティスト側にも「大澤さんはこういうの苦手だから、話しても通じないだろうな」と思われていたと思います。「社会のためにこういうことをやりたい」と思っても、僕の知識が無いと議論すらできない。そのもどかしさは痛烈に感じていました。
――実際に勉強されていかがでしたか?
大澤
G検定の存在を知るまでは、何から手を付けたらいいのかがわからず、本などを探してもよくわからなくて妥協してしまっていました。G検定のいいところは、体系立てられていて、人工知能の歴史から数学的な背景、論理から学べることです。「何を勉強したらいいのか」と迷子にならず、とても効率よく勉強できました。
――G検定の学習前後で、実際に業務への影響はありましたか?
大澤
大きく変わったことは2つあります。まず、社内のデータサイエンティストやデータアナリストと議論することができるようになりました。データサイエンティストやデータアナリストはデータ・エンジニアリングに強く、僕は戦略・戦術などビジネスサイドについて経験が長いです。この2つの知識が合わさるともっと良い開発ができると思っていました。
今まではマッチングのルール設計がどうなっているかと尋ねても、完全には理解することができませんでしたが、G検定の受験後は、データサイエンティストに「決定木の分岐はこうなっています」と言われたときに、「ああ、こうなっているんだ」とわかるように。「だとしたらここの分岐はこういうふうにした方が良くないですか」「もっとこんな分析をしてもらってもいいですか」という対話が初めてできるようになったんです。
また、「何ができないか」もわかるようになりましたね。人工知能やディープラーニングは「何でもできそう」と思いがちですが、やはり限界があり、当社が持っているデータによってできることとできないこともある。それが、G検定を学んだ後は「これはできないよね」「ここの領域はまださほど研究が進んでないからまだ難しいよね」ということもわかるようになってきました。