東大院からIBM、マイクロソフトを経て、リメディのCTOへ

── これまでのご経歴と、リメディに参画した理由を教えてください。

東京大学大学院で機械学習を研究し、修了後は日本IBMと日本マイクロソフトで生成AIを使ったシステムの設計を担当してきました。設計だけでなく、出来上がったものが実際にどれくらいの精度で動いているかを測る評価基盤づくりまで一貫して見てきたのが、自分のキャリアの軸です。

2026年7月にリメディへ参画しました。ヘッドハンターが日々の面談や交渉の中で下している判断を、そのまま学習の材料にできる現場は、外資系の研究開発の現場では巡り合えないものでした。

── いま、どんなものを作っていますか。

TypeScriptとNext.jsを軸に、OpenSearchとLLMを組み合わせた検索・推薦の基盤を作っています。求人検索や書類ドラフトの自動生成など、ヘッドハンターと求職者が毎日触れる機能を支える土台の部分です。

同時に力を入れているのが、機能の精度を測る評価の仕組みです。プロンプトや推薦のロジックを変えたときに、良くなったのか悪くなったのかを数字で確認できないと、改善のスピードは上がりません。前職で培った評価基盤の作り方を、ここでも軸にしています。

── 開発の進め方とチームの雰囲気を教えてください。

設計の方向さえ合っていれば、実装の細かい判断はエンジニアそれぞれに任せています。人数が少ないチームで一つひとつ承認を挟んでいると、ヘッドハンターからの要望に追いつけません。Gemini、Claude、ChatGPTは全員が日常的に使っていて、コードレビューの前段階で活用してもらっています。

働き方はフルフレックスで、週1回ほど出社すれば十分回ります。

── リメディならではの面白さ・難しさは何ですか。

採用まで担当することです。人数の少ないチームでは、次にどんな人を採るかで技術の方向性そのものが変わります。技術の選定と採用を同じ人間が考えられるのは、規模の大きい組織にいた頃にはなかった裁量です。

その裏返しとして、自分が採用の判断を誤ると、そのままチームの技術力に響きます。評価基盤も採用も、答え合わせに時間がかかる仕事なので、正しかったかどうかがすぐには分からない難しさがあります。

── これから入る方へメッセージをお願いします。

技術の設計だけでなく、それが正しく機能しているかを測る仕組みまで一緒に考えたい人と働きたいです。