【私の強み】
1. AWSを利用してRAGの設計開発ができる点および、仕様への準拠とユーザーの使用感を両立して設計を行った経験。
2. 生成AIをソフトウェアに組み込む際、ユーザーが情報の正しさを自立してレビューできるように考えてメタデータを設計できる視点。
3. 技術を専門としない人(社内・クライアントを問わず)に向けて要点を伝え、どのようなインパクトをもたらすか話せる点。

【技術スタック】
Python・AWS・即レス

【経験】
①2025年10月〜
某SIer - AIエンジニア(正社員)

OpenAIのAPIを組み込んだRAG機能の技術検証を担当。ユーザがLLMからの回答を受け取った際に情報
の根拠が明記されておらず正しい情報か確認できないため、実際の業務に活用できないという課題があっ
た。そこでソースとなるドキュメントをページごとに分割してページ番号をメタデータとして使用するするアプ
ローチをとり、LLMのアウトプットをユーザーがレビューできる仕組みを実現。

②2025年10月〜
某受託開発企業 - AIエンジニア(業務委託)

論文ジャーナルのAPIを複数組み合わせて論文情報を取得する社内ツールのバックエンド開発に従事。

③2025年12月〜2026年1月
Nehan株式会社 - AIエンジニア(業務委託)

AI入札情報サービスLabid に自治体の予算書ドキュメントをインプットしたRAG機能の設計開発を担当。

Amazon S3 Vectors に保存したPDFデータを Bedrock でインデックス化する際に、一部予算書のデータが
大容量のため Bedrock の仕様に違反する問題に対応。ソースファイルが分割されているとユーザの混乱を
招き体験の質を損なったしまうため、Bedrock にドキュメントを渡す際にファイル分割はしつつも分割前のファ
イルパスをメタデータとしてもたせるアプローチを行うことで Bedrock 仕様への準拠とユーザー体験の質を両
立。

④2024年7月 - 2025年9月
楽天グループ株式会社 - データサイエンティスト(派遣社員)

ユーザーロイヤルティ向上を目的とした「楽天市場上の検索ワード分類プロジェクト」を設立。
学術論文 (NLP、トピックモデリング関連) から技術情報をインプットし、解釈性のある分類モデルの構築に向
けPyTorchなどのフレームワークを用いて数理的理論の実装。技術ソースからビジネスサイドが求める情報
を抽出して伝える技術とビジネスの橋渡し役としての振る舞いを心がける。自然言語処理のアルゴリズムを
応用した検索キーワード分類機能の開発によるユーザーニーズの深掘りを実現。