SNSで大きな話題となり、**公開わずか5日間で13万人が体験**――

音楽やゲームなどエンタメ系の新製品のニュースのようですが、これは実は、**“東大”発**の**AIプロフェッショナル集団**による**自然言語処理**の**AIツール**「[ELYZA DIGEST（イライザ ダイジェスト）](https://www.digest.elyza.ai/)」の話。

一見、一般人の日常生活とは縁遠く感じる最先端の「ELYZA DIGEST」がバズったのは、**どんな長文でも3行に要約する**というキャッチーさと、その結果の面白さ（正しくても間違っていてもシェアしたくなる！）、そして**会員登録もインストールもなしに無料で試せる手軽さ**が理由でしょう。

開発した**株式会社ELYZAは、東京大学・松尾研究室発のスタートアップ企業**。いま大きな注目を集めており、2021年3月には今後著しい成長が期待されるスタートアップ企業を表彰する**『EY Innovative Startup 2021』**を、11月には事業や社会を前進させた方々を表彰するアワード**『Forward Award 2021』にて『テクノロジー賞』**を受賞しています。

今回は「ELYZA DIGEST」のお話を中心に、ディープラーニングやAI技術、自然言語処理（NLP）の現在と未来について、CEOの曽根岡侑也さんと、自然言語処理プロジェクトのリーダーを務める中村朝陽さんにインタビューしました。

前回のインタビュー記事はこちら↓

3行要約AIが話題！“東大”発のAIプロフェッショナル集団『ELYZA』が目指す未踏の領域【前編】

## 共同研究の依頼は100以上。日本語AIに期待する時短ニーズ

#### balloon eriko_ichibangase left
英語の自然言語処理技術が驚異的に進化していることはわかりましたが、日本語は英語よりずっと難しい言語だというイメージがあります。「うちがやる」と、さきほど曽根岡さんはおっしゃいましたが、日本語でもできるんですか？

#### balloon nakamura right
アルファベットは26文字ですが、**日本語はひらがな・カタカナ・漢字と文字の数が多いですし、英語のように単語を半角ブランクで区切ることもしないので前処理の段階で難しい**ですね。しかも、web上にある日本語の文章が少ないので、学習のための材料も足りず、ディープラーニングには厳しい環境で、遅れがちなのは事実です。

#### balloon eriko_ichibangase left
にもかかわらず、御社が日本語の自然言語処理に挑戦しているのはどうしてですか？

#### balloon nakamura right
**英語圏でできていることが、日本語でできないのはつまらない**じゃないですか。どうせやるなら、**日本語で面白いことをしたい、日本語で遊びたい**、というのが個人的な想いです。

#### balloon soneoka right
私もほぼ同じですね。さきほども申し上げたように、**BERTのようなパラダイムシフトを日本語で経験したい**んです。

#### balloon eriko_ichibangase left
その想いから生まれたのが、「ELYZA DIGEST」にも使われている**日本語の自然言語処理エンジン「ELYZA Brain」**なんですね。「BERT」の日本語版に当たる存在だと思いますが、「ELYZA Brain」では今、どんなことができますか？

#### balloon soneoka right
**「ELYZA Brain」を使うことで人間を超えた挙動や「ELYZA DIGEST」のような“WOW！”となるAIの動きを実現**できます。具体的には**文章の要約**、**文章の作成支援**、**高精度な対話システム（チャットボット）の構築**といったことですが、企業様との共同開発で“WOW！”となるようなことを実現できないかとチャレンジしている段階です。

「ELYZA Brain」は、NLP（自然言語処理技術）領域における国内最大の日本語AIエンジンです。国内最大の日本語テキストデータの学習量及び国内最大のモデルの大きさを有しており、特定の技術課題ではネイティブな日本語話者の精度を超えています。テキストを扱う様々な業務に適用可能であり、十分な学習データを準備することができれば「読む」「書く」「対話」を含む業務を高精度に支援するツールを実現可能です。

~~引用元：[プレスリリース](https://prtimes.jp/main/html/rd/p/000000007.000047565.html)~~

#### balloon eriko_ichibangase left
他社との共同開発も多いとのことですが、具体的にどんなお話が進んでいますか？答えられる範囲で結構ですが……。

#### balloon soneoka right
大丈夫ですよ（笑）。例えば**SOMPOホールディングス様とは、コールセンター領域のDXパートナーとして提携**しています。コールセンターのオペレーターさんのお仕事って、電話で話を聞く以上にレポート入力に時間がかかるという現実があるんです。実証実験段階なのでどこまで実用化できるかはわかりませんが、電話応対時の音声データを文字起こししてシステム入力する、という作業をAIでサポートできたらいいですよね。

#### balloon eriko_ichibangase left
それは画期的ですね！同じような話では、医療分野のカルテや法律関係の議事録にも活用できそうな気がします。

#### balloon soneoka right
はい、そのあたりは当然ですね。法律の分野ではリーガルテック（リーガル・Legal＋テクノロジー・Technology）という言葉もあり、法律業務はAIやITで効率化していく流れです。実際弊社も、**森・濱田松本法律事務所様とともに法律業務におけるAI活用の共同研究**を行っています。

#### balloon eriko_ichibangase left
まさに最先端ですね。ほかに、どんな分野に応用できそうですか？

#### balloon soneoka right
すでに締切済みのプロジェクトですが、2020年に共同開発のパートナーを募集しました。そのときに以下の30のユースケースを示しています。医師や弁護士など業界に特化したジャンル、人事や営業、カスタマー対応などさまざまな業界を横断して必要とされるジャンル、要約や言い換えなどB2Cで活用されそうなジャンルに分けています。

#### balloon eriko_ichibangase left
30に加えて「＋その他業界」とありますが、興味を持たれているジャンルや企業はありますか？

#### balloon soneoka right
100以上の企業様から共同研究の引き合いをいただいているので、こちらからアプローチしたいジャンルや相手というのは現状、ありません。ただ、**自然言語処理の課題を提案してくださる企業が100以上集まったことは弊社にとって宝です**。いただいた課題を抽象化することで、「文章を書くこと、特に要約や議事録の負担が重い」ということがわかり、「ELYZA DIGEST」ができた、といった経緯もあります。たくさんお話をいただくことで、研究対象や方向性が決まっていっていますね。

## AI業界に進むには、英語と数学。勉強は誰でもすぐに始められる。

#### balloon eriko_ichibangase left
これから自然言語処理のAIを勉強したい、この道に進みたい、という読者も多いと思います。AI研究者になるには、どんな勉強をすればいいですか？

#### balloon soneoka right
研究室で指導してきた経験上、**ひととおりAIを勉強するには、フルコミットで3ヶ月**ですね。3ヶ月というと短い気がするかもしれませんが、本業のある社会人が**週末だけで勉強しようとすると2～3年**かかってしまう計算です。概要を理解するだけならもう少し短くてもいいのですが、**勉強の仕上げとして論文を読み込む必要がある**ので、社会人だとその時間を確保するのがかなり難しいと思います。なので結果的に、ELYZAには大学や大学院でAIを専門的に勉強したメンバーが多くなっています。

#### balloon eriko_ichibangase left
2～3年、ですか。2～3年経てばAIの技術がさらに進化していますよね。理論上は2～3年後だけど、社会人が本業を持ちながら勉強するのは実質不可能、ということなんでしょうか？

#### balloon nakamura right
もちろん、この分野の状況が大きく変化する可能性はあります。でも、その基礎となる部分は変わらないと考えているので、**社会人が勉強するのも不可能ではない**と思います。
**AIを作ることが一番身になる**と思いますので、Kaggle等の機械学習コンペティションへ参加したり、自分の実現したいAIを自由研究感覚で作ってみたりすることをおすすめします。私は、**研究者のTwitterやHugging Face（オープンソースの自然言語処理のライブラリを作っているコミュニティ）関連のフォーラム**もよく見ますね。

~~（出典：[Hugging Face](https://huggingface.co/)）~~

#### balloon eriko_ichibangase left
では逆に、まだ若い、中高生へのアドバイスはありますか？

#### balloon nakamura right
**英語と数学は必須**です。英語は、論文を読んだり、論文のオーサーのSNSをチェックするのに必要になります。**日本語に翻訳されるまで待つと、すでに遅い**ですからね。また、ディープラーニングという技術が線形代数（行列演算）・微積分・最適化・統計論などを複合させた応用分野なので、**起きていることを理解し改善するためには数学が必要**になります。根本的な部分では、自然言語処理や画像処理等の領域に関わらず同じ技術を用いていますよ。

#### balloon eriko_ichibangase left
では、AIを勉強するのは、大学に進んでから、ですか？

#### balloon nakamura right
いえ、**中高生だからまだできないなんてことは何もない**です。「自然言語処理　始め方」と検索すれば、自分で作ってみるための情報はいくらでも出てきます。本格的な勉強ができるのは大学なので、大学に入るための勉強はおろそかにできませんが、時間の許す範囲で遊び感覚でAIを触ったり、フォーラムに参加したりして、できることをすぐに始めてほしいですね。

## 未踏の領域に挑戦し続ける―自然言語処理技術とELYZAのこれから

#### balloon eriko_ichibangase left
ざっくりした質問ですが、自然言語処理技術はこれからどうなっていくでしょうか？

#### balloon nakamura right
この分野はまだ研究開発段階で、現状、実用化はまだあまり進んでいません。でも近い将来、まずは**スパムメールやスパムコメント対策あたりから実用化されていく**だろうと思っています。ECサイトのおかしなレビューや掲示板などの有害なコメントですね。英語でないと難しい、実用化するにはあと一歩精度が足りない、といった課題はあるのですが、それをなんとか乗り越えて、**研究領域で実現できていることが一般社会に届くようになっていく**と思います。

#### balloon soneoka right
**2～3年後には、自然言語処理と画像処理をミックスさせた、マルチモーダル（複数の要素を使うディープラーニング）も社会実装レベルでホットになってくる**でしょうね。

#### balloon eriko_ichibangase left
さらに加速していきそうな感じなんですね。自然言語処理技術がもっと発展すれば、似たような文法構造を持つ別の言語に応用できたり、あるいは新しい言語（人工言語）を作れたり、なんてこともあるのでしょうか？

#### balloon nakamura right
言語ごとに抱える様々な課題を解決できれば、**同じ課題をもつ他言語への応用**が期待できます。人工言語については詳しくありませんが、可能性はゼロではないと思います。

#### balloon eriko_ichibangase left
御社として、研究者として、これからこうしていきたい、という展望はありますか？

#### balloon nakamura right
**人間が言葉に触れている時間って、気づいていないだけでとても長い**ですよね。読んだり書いたり、そういうことをもっとラクにしていきたいという想いがあります。それから、小説のアイデアをAIが100個くらい用意してその中から面白いものを選ぶ、というような、いままで想像できなかったようなアプローチやワークフローを作ってみたいですね。
**人がやってきたことをラクにする、人がやれなかったことを実現する**、ということを目指してやっていきたいです。

#### balloon soneoka right
ELYZAは**“未踏の領域で、あたりまえを創る”**というミッションを掲げています。継続的にプロダクトを作り続け、最先端の技術を用いて未だ解決されていない未踏の領域にある問題を解決していくことで社会的価値を発揮していきたいと思っています。

[ELYZA Brainサービスサイト](https://brain.elyza.ai/)

[ELYZA DIGESTサービスサイト](https://www.digest.elyza.ai/)

SNSで大きな話題となった3行要約AI「ELYZA DIGEST」にも使われている日本語の自然言語処理エンジン「ELYZA Brain」や自然言語処理技術の未来について、株式会社ELYZA代表取締役CEOの曽根岡侑也さんと、自然言語処理プロジェクトのリーダーを務める中村朝陽さんにインタビューしました。

曽根岡さん

中村さん

心理学科卒業後、新卒未経験でSI企業に就職し、Java系のSEとして10年。
結婚出産を経て、2015年にトラベルライターに転身。
現在はMONOLISIX株式会社COOとしてweb編集やマーケティング業務にも携わっている。
新婚旅行では1年かけて世界50ヶ国を巡るほどの旅行好き。
日々の晩酌が何よりの楽しみ。

一番ヶ瀬 絵梨子

「ELYZA Brain」は、英語圏で起きたパラダイムシフトを日本で起こすための挑戦

AIを学んでいくには、英語と数学の知識が重要

自然言語処理技術は今後、研究段階から実用段階へ移っていく

3行要約AIが話題！“東大”発のAIプロフェッショナル集団『ELYZA』が目指す未踏の領域【後編】

## ３行要約AI「ELYZA DIGEST」は“我が子のような存在”

#### balloon eriko_ichibangase left
「ELYZA DIGEST」、TwitterなどのSNSでかなり話題になりましたよね。どういうものか、簡単に紹介していただけますか？

#### balloon nakamura right
**「ELYZA DIGEST」は、長文のテキストを3行に要約するツール**です。読み込んだ文章をAIが解析して要約するのですが、“生成型”であることが大きな特徴です。要約の方法にはほかに「抽出型」「圧縮型」「テンプレート型」があります。

#### balloon nakamura right
生成型と比較しやすいのは、**文章の中から必要だと思われる部分を抜き出す抽出型**です。簡単で間違いが少ない方法です。一方、**AIが一から要約文を作成するのが生成型**。web上の文章をとにかく大量に読み込ませることで、一般常識や「この単語とこの単語は同じ意味」といった、要約に特化した学習をします。

#### balloon eriko_ichibangase left
つまり……？

#### balloon nakamura right
わかりやすい例で言うと、抽出型だと固有名詞や日付が繰り返し登場してしまう部分で、**生成型は「それ」といった代名詞や「同日」といった表現を使えます**。これらが使えると文章が簡潔で読みやすくなりますし、限られた文字数を有効利用できるようになるんです。

#### balloon eriko_ichibangase left
なるほど、わかりやすい！「ELYZA DIGEST」、web上で無料で使えるので私も試させていただきましたが、**長文があっという間に短く要約されるのが単純に面白かった**です。あれは？これは？と、延々と遊びたくなってしまいました。あの時間であの精度、すごいですよね。

~~平均900文字の要約で、発展途上とはいえ、この精度。平均所要時間は、人間が５分１秒に対し、ELYZA DIGESTは9.84秒。~~

#### balloon eriko_ichibangase left
ただ、たまにトンチンカンな要約もありました。SNSでシェアしたくなるような面白さでエンタメとしては魅力でしたが、実用的という面ではまだ少し足りない、というところなんでしょうか。

#### balloon nakamura right
そうですね。プロダクトとしての精度としては、まだまだ改善の余地があります。**要約処理は今は100％AI**ですが、より精度を上げるには、ディープラーニングでは難しい部分を人間の手で補正するとか、そういったことも必要になるかもしれません。

~~前列右から3番目が曽根岡さん、最後列右端が中村さん~~

#### balloon eriko_ichibangase left
いま、開発チームはどれくらいの人数なんでしょうか？

#### balloon nakamura right
ELYZAの研究開発チームは6人で、そのうち**要約処理の分野を担当しているのは3名**です。要約のためのディープラーニングにはとにかく大量のデータが必要なので、その入力作業には開発とは別に人員が必要ですが。

#### balloon eriko_ichibangase left
入力するデータには、制約があるんですか？ひらがな・カタカナ・漢字は分けるとか、コーポレートサイトから何文字・Wikipediaから何文字・個人ブログから何文字・SNSから何文字、と割合を決めているとか。

#### balloon nakamura right
ひらがな・カタカナ・漢字は分けません。混じった状態で存在しているのが自然な日本語ですからね。また、**「ELYZA DIGEST」については様々なジャンルで活用できることを特徴としているので、収集元や文字数の制限も設けていません**。ただ、特定のジャンルに特化したAIを開発する必要がある場合は、テキストデータの収集元を絞ることもあります。

#### balloon eriko_ichibangase left
極端な例ですけど、恋愛小説なんかでは“「嫌い！」というセリフだけど、実は前後関係から推測するに「好き」のニュアンスだな”みたいなこともあるじゃないですか（笑）。どんどん学習すれば、AIはそういうのもわかるようになるんですか？

#### balloon nakamura right
たしかに、**小説は特に難しいジャンル**ですね。おっしゃるようなニュアンスの問題もありますが、そもそも文章がすごく長いし、一般的な文章に比べて代名詞が指している言葉がとても遠かったりするので、そこも難関です。

#### balloon eriko_ichibangase left
小説だと、指す対象を明言せずに代名詞だけで話が進行することすらありますもんね。たしかに難しそう……。でも、難しい小説を子ども向けに易しく要約するとか、ケータイ小説風にするとか、そういうことができると実用面でも娯楽としても魅力的ですね。ELYZA DIGEST、まだまだ面白いことになりそうですね。

#### balloon nakamura right
はい、**「ELYZA DIGEST」については、我が子を見つめるような気持ち**です。もっと広く使ってもらえるよう、APIの提供も視野に入れています。

#### balloon eriko_ichibangase left
エンジニアを目指す人の個人開発の幅が広がったり、チャットボットのように、いろんな会社のホームページに「ELYZA DIGEST」が組み込まれたりする日も近いかもしれないんですね。楽しみです。

## 日本語の自然言語処理で、パラダイムシフトを起こしたい

#### balloon eriko_ichibangase left
「ELYZA DIGEST」は、自然言語処理エンジンを使った要約ツールですよね。話が少し前後するかもしれませんが、自然言語処理技術そのものについて、教えてください。まずは基本中の基本、「自然言語処理技術」とは何でしょうか？

#### balloon nakamura right
**自然言語とは人間が話す言葉のこと**で、**自然言語処理は“言葉を機械的に処理していく工学”**ということになります。**英語では“Natural Language Processing”で、NLP**という略称も一般的です。画像処理だと、コンピューターが画像を解析して人の顔を認識したり、被写体の色を判別したりしますよね。画像処理が先で、その後、言語処理が進歩してきています。

#### balloon eriko_ichibangase left
画像処理の言語バージョンと考えると、なんとなくわかります。でも、画像処理に比べると、言語処理はあまり身近ではないような……？

#### balloon nakamura right
**深層学習を用いた自然言語処理の理論自体は、昔からわかっていました**。でも、機械に言語を学習させるには、大量のテキストデータとそれを処理するための計算機（コンピューター）が必要で、計算機の性能が追い付いてなかったんです。でも、今は違います。実は**Googleの汎用言語モデル「BERT」（英語）は、2019年に自然言語処理分野で人間を超える精度を実現**しています。

#### balloon eriko_ichibangase left
言語の分野でコンピューターが人間に勝てるわけがない、みたいな先入観がどうしてもあるのですが、機械が人間よりも言葉を上手に操れると……？

#### balloon soneoka right
そうなりつつあります。**計算機の処理能力向上のおかげで、パラダイムシフトが起きた**んです。昔の自然言語処理AIは精度が低かったのですが、変わってきていますよ。

#### balloon eriko_ichibangase left
じゃあ、すでに私たちの生活で使われていたりしますか？実は新聞記事はAIが書いてるんだよ、とか。

#### balloon nakamura right
新聞はまだ書いてない、と思います。でも、英語では、人間が記事の冒頭文を書くと、それに続く“ありそうな記事”をAIが想像して書くという機能が登場しています。日本人に身近なところでは、Google翻訳やGoogle検索ですね。**“猫”でも“ネコ”でも“ねこ”でも、同じ検索結果になるのは、AIがそれらが同じものを指すと学習しているから**だし、**“かわいい動物”と検索して猫が表示されるのは、AIが“猫”は“かわいい動物”だと学習しているから**なんです。

#### balloon soneoka right
海外では「AI Dungeon」というテキストで完全に自由な対話ができるゲームが登場してきていますし、どんどん身近になっていますよ。学習プログラム自体も、どんどんアップデートされてきています。

#### balloon eriko_ichibangase left
自然言語処理のAIは、どんな仕組みで学習しているんですか？“教師あり学習”といったキーワードはAIの分野でよく聞きますが……？

#### balloon nakamura right
2018年のBERTの論文で、**自然言語処理の分野に関しては、いわゆる“教師あり学習”だけではなく“教師なし学習”を活用するほうが良いことが示され**、大きな変化が起きました。これは犬、これは猫、という概念（ラベル付け）で学習するのが教師あり学習なのですが、その前にとにかく大量の文章で事前学習させる方法です。

#### balloon soneoka right
技術的な話になるのでとても難しいと思うのですが、左がBERT以前の学習方法。例えて言うと、いきなり知らない外国語の入試問題の過去問を渡されているような状態です。一方、右のBERT以降は、過去問を見る前にその外国語のサイトをできるかぎり大量に読んで、その言語の概要を掴んでから過去問を理解していくイメージ。**コンピューターの性能向上と、ベースとなるモジュールの進化、膨大なデータを読み込めるモデルの大規模化もあって学習の精度が大幅に向上**し、パラダイムシフトが起きました。

#### balloon eriko_ichibangase left
事前学習が必要だとわかったことに加えて、事前学習できるだけの計算機の性能向上や周辺技術の進化など、実現できる環境が整ったということなんですね。AIが発達していることは知っていましたが、ここまでとは全然知りませんでした。

#### balloon soneoka right
英語圏では、自然言語処理のAIがすごい！とTwitterとかでもすごく盛り上がっているんですよ。なのに、**日本人は誰も知らなくて、すごさを享受できてない**現状がもどかしいですね。チャレンジしている企業も少ないので、未踏の領域ではありますが、パラダイムシフトを起こすしかないと思っています。

後編では、日本語特化のAIエンジン「ELYZA Brain」や自然言語処理の未来についてお話を伺います。

SNSで大きな話題となった「ELYZA DIGEST」のお話を中心に、ディープラーニングやAI技術、自然言語処理（NLP）の現在と未来について、CEOの曽根岡侑也さんと、自然言語処理プロジェクトのリーダーを務める中村朝陽さんにインタビューしました。

「ELYZA DIGEST」は、どんな長文も3行に要約するAIである

自然言語処理技術の分野は、計算機の性能向上により大きく発展した

Googleの汎用言語モデル「BERT」が、2019年に人間の精度を超えた

【事業内容】
■自社パッケージ商品の開発・販売
■各種ソフトウェア設計・開発・評価／検証
■各種コンピューター／ネットワークのシステムインテグレーション事業
■関連機器のシステムインテグレーション事業
■上記関連分野のサービス事業

【自社パッケージ商品】
■SKYSEA Client View(https://www.skyseaclientview.net/)：情報セキュリティ市場における、クライアント運用管理ソフトウェア
■SKYMENUシリーズ：小・中・高等学校・大学に向けたICT活用教育支援ソフトウェア
   SKYMENU Cloud(https://www.skymenu.net/)
   SKYMENU Class(https://www.skymenu-class.net/)
   SKYMENU Pro(https://www.skymenu.net/skymenupro/)
■SKYMEC IT Manager(https://www.skymec.net/)：医療機関向けIT機器管理システム
■SKYDIV Desktop Client(https://www.skydiv.jp/)：大規模ユーザ向けシンクライアントシステム

【取引先企業】
中央省庁／地方公共団体／独立行政法人／公益法人／一般社団法人／株式会社アイシン／アイシン・ソフトウェア株式会社／株式会社アドヴィックス／アルプスアルパイン株式会社／株式会社内田洋行／NECフィールディング株式会社／NTT・TCリース株式会社／株式会社エヌ・ティ・ティ・データ／株式会社大塚商会／オリンパス株式会社／KDDI株式会社／コニカミノルタ株式会社／株式会社JECC／株式会社SUBARU／セコム株式会社／ソニー株式会社／SB C&S株式会社／ダイワボウ情報システム株式会社／株式会社デンソー／株式会社デンソーテン／日本電気株式会社／パーソルキャリア株式会社／パナソニック株式会社／富士電機ITソリューション株式会社／富士フイルムビジネスイノベーション株式会社／パーク24株式会社／三菱HCキャピタル株式会社／ユニアデックス株式会社／株式会社リコー／リコージャパン株式会社

【SNS情報】会社情報や、社内写真など雰囲気が分かるような情報を発信しています。
■キャリア採用専用Twitter(https://twitter.com/sky_career_)
　公式Twitter (https://twitter.com/sky_corporate)
■公式Instagram (https://www.instagram.com/sky_it_corporate/?hl=ja)

Ｓｋｙ株式会社

企業・団体向けクライアント運用管理ソフトウェア『SKYSEA Client View』、学校向けソフトウェアの『SKYMENUシリーズ』、シンクライアントシステム『SKYDIV Desktop Client』など、シェアを獲得する自社パッケージ商品を提供しているＳｋｙ株式会社。

なぜＳｋｙ株式会社は、支持を獲得し続ける自社パッケージ商品を提供することができるのか？

そのカギを握るのが、**自社パッケージ商品の提案や導入、構築からアフターサポートまで、一貫してお客様に寄り添うプリセールスエンジニア**。

Ｓｋｙ株式会社で**プリセールスエンジニアのチームを統括するIさん**にお話を伺いました。

~~Ｓｋｙ株式会社 ICTソリューション事業部 Iさん~~

## Ｓｋｙ株式会社の「プリセールスエンジニア」とは

#### balloon and-engineer left
Ｓｋｙ株式会社では、プリセールスとは別で営業の方もいらっしゃいますよね。
どういう棲み分けをされているんでしょうか。

#### balloon sky-iijima right
お客様への提案のフェーズでは、営業の方やSEの方と横に並んで一緒に行います。
営業はその提案の中でも前半部分、例えばお客様への価格交渉や納期調整、提案にご協力いただいているビジネスパートナー様や販売店様との調整などを取りまとめています。

#### balloon sky-iijima right
対してプリセールスは、**提案の中でも後半部分、例えば製品のご購入が決まったお客様に対しての環境構築やセットアップ、技術的な部分での担保や導入のサポート、導入後のお客様に対しての安定稼働までの技術サポートなどを担当**しています。

~~Ｓｋｙ株式会社が提供する商品の一例~~

#### balloon and-engineer left
プリセールスエンジニアは名前のとおり、営業に比べるとかなりエンジニアに近いんですね。

### Ｓｋｙ株式会社のプリセールスに求められる能力

#### balloon and-engineer left
活躍できるプリセールスにはどのような能力が求められるんでしょうか。

#### balloon sky-iijima right
**お客様が本当は何を求めているのか、実現したいことは何かを察して提案**できるのが「できる」プリセールスだと思います。

#### balloon sky-iijima right
**目に見える課題だけではなく、お客様の潜在的な課題や技術課題も含めて理解し、元の期待値以上のゴールの提示や提案ができる**方は、頼りがいがある存在になります。
これができるプリセールスは、漠然とした相談も受けるなど、お客様と強固なコネクションをつくることができますね。

#### balloon and-engineer left
パートナーに近いような関係性なんですね。

#### balloon sky-iijima right
私たち**プリセールスエンジニアが目指す姿は、ファースト・コール・パートナー**です。
何か困ったときに、なんとかしてくれそうなこの人にとりあえず相談しよう、という存在を目指しています。

#### balloon and-engineer left
プリセールスという職種の魅力はどのような点でしょうか。

#### balloon sky-iijima right
プリセールスになってから、**会う人が非常に多くなり、会う人のタイプも本当に広がり**ました。**日々飽きることない仕事ができる職種**だと感じています。
エンジニアですが、営業のような面もあり、実際に自分たちの商品をお客様に使ってもらうところが見られる、話を聞ける点も楽しいですね。

#### balloon sky-iijima right
市場で求められているものを察知して、そこに接する機会というのはとても多いので、**常に最前線にいたいという方にとってはすごく刺激的で楽しい職種**だと思います。

### Ｓｋｙ株式会社のプリセールスが目指す進化

#### balloon and-engineer left
Ｓｋｙ株式会社は今後数年で年間3,000億円という売上規模を目指していますよね。
それに向けてプリセールスも何か変わる点などはあるのでしょうか。

#### balloon sky-iijima right
今までと同様、ソフトウェアメーカーとして、新しいパッケージ商品のリリースや既存のパッケージ商品の機能拡張も進めていきます。
同時に**SIerとして、自社の製品のみならず、それを動かすためのハードウェアやソフトウェア、他社様のソリューションと連携してシステム全体を提案する**動きを進めていきます。

#### balloon sky-iijima right
それに伴って、プリセールスエンジニアは**自社商品だけでなく他社様の商品も含めて製品知識を身に付けたり、市場背景を理解してお客様にご提案する機会が増えて**いきます。
学習しないといけないことも多く大変ですが、やりがいはありますし、市場で必要とされる能力が身に付くと思いますね。

## プリセールスエンジニアが貢献する「自社パッケージ商品の改善」

#### balloon and-engineer left
**新しい自社パッケージ商品のリリースや既存商品の改善**においては、プリセールスエンジニアも大きく貢献していると聞きました。具体的に教えてください。

#### balloon sky-iijima right
まず前提として、**弊社ではプリセールスに限らず全社で意見を出し合う文化**があります。
例えば、社内SNS「Ｓｋｙなう」での自社パッケージ商品の改善案の募集には数千件のコメントが集まります。
お客様の要望やその経緯、思いついたアイデアなどを様々な職種・ポジションのメンバーが自由に出すんです。

#### balloon sky-iijima right
実装の要件を検討するフェーズでは、数百件・数千件の膨大なアイデアに対して、開発工数や実現性、運用面なども考えながら優先順位をつけ、どういう風に実装すべきかを考えます。

#### balloon sky-iijima right
その議論にプリセールスエンジニアも加わりますし、**現場視点で起きそうなトラブルを未然に防ぐ仕様にしたり、実際のニーズに合う機能にするという点**においては、プリセールスエンジニアが大きく貢献していますね。

#### balloon and-engineer left
**技術を理解しており、現場や顧客の生の声に触れているプリセールスエンジニアだからこそ、貢献度合いは大きい**んですね。
このようにプリセールスエンジニアが商品の開発や改善に関わるのは、他社とは違う部分なんでしょうか。

#### balloon sky-iijima right
多くの候補者の方と面接をしているなかで、**提案や開発、サポートをするメーカー側の人間として直したいと思うことやお客様の希望があっても、改善ができない・してもらえないという状況が嫌で転職したい**、ということをよく伺うんです。
弊社のように開発と現場がディスカッションしながら製品を改善していくのは珍しいようですね。

#### balloon sky-iijima right
最近では、**より現場の声など様々な視点を反映して改善する動きとして、自社パッケージ商品ごとに拡販・改善などをテーマにしたワーキンググループが作られて活動**しています。
開発、営業、プリセールス、サポートなど各部署からメンバーが参加しており、メンバーは自チームから情報収集をして、他部署と意見をぶつけながら前向きに製品を育てていくという動きです。

#### balloon and-engineer left
ワーキンググループを作っての活動は、これまでの改善活動との違いを感じますか。

#### balloon sky-iijima right
管理職はオブザーバーとして困った時にフォローするくらいで、**若手や社歴の浅い中途の方が責任のある仕事ができる**ような取り組みです。
普段の業務で製品開発や改善を主導するのは管理職など上位のメンバーになることも多いので、ミドルや若手のメンバーが製品の改善を主導してくれるのはとても嬉しいですし、大変ではあるんですけど皆さんやりがいをもってチャレンジされていますね。

#### balloon and-engineer left
そういったワーキンググループに参加したメンバーの変化や成長は実感されますか。

#### balloon sky-iijima right
このような経験を通して会議での発言力を身に付けたメンバーが、他の会議でも積極的に意見を述べるようになったりするなどの変化を感じます。
そのようなメンバーが増えていくことで、チームや会社が強くなっていく実感がありますね。

## Ｓｋｙ株式会社における「プリセールスエンジニア」の採用

#### balloon and-engineer left
Ｓｋｙ株式会社のプリセールスエンジニアの採用についても教えてください。

#### balloon sky-iijima right
弊社のプリセールスエンジニアは、**お客様に提案して売れたらOKという職種ではありません**。
導入や構築の支援はもちろん、長期的な技術サポートもメインになるので、技術志向かどうかはかなり見ているポイントです。

#### balloon sky-iijima right
お客様への提案をしたいという思いが強い方や、技術的な事はあまり分かっていないという方だと弊社では営業職の方が適性があると思います。

#### balloon and-engineer left
プリセールスエンジニアとして働いている方は、どのような経験のある方が多いのでしょうか。

#### balloon sky-iijima right
活躍しているプリセールスエンジニアのバックグラウンドは様々で、フィールドエンジニアやテクニカルサポートなど、サポート系の業務をされていた方だけでなく、アプリケーション開発などから転身した方もいます。

#### balloon sky-iijima right
営業もしながら簡単な導入作業もやっていたような方も、そういった技術レベルで大歓迎です。
技術面での経験が浅い場合でも、人物像も見てポテンシャルで採用するケースも多くあります。

#### balloon and-engineer left
インフラエンジニアなど、それまで**人とのコミュニケーションが限られていた職種から、プリセールスにチャレンジ**したいという方も多いと感じています。

#### balloon sky-iijima right
僕もインフラエンジニアからプリセールスになったんですが、お客様と話す機会が圧倒的に多くなる点が最も変わる点です。
お客様の要望をいかに引き出すかはつまずきやすいところですが、**サポート・育成の仕組みは整っているので安心**してもらえればと思います。

#### balloon sky-iijima right
Ｓｋｙ株式会社は今後数年で年間3,000億円という売上規模を目指していますし、**新しい自社パッケージ商品のリリースも既存パッケージ商品の改善もあるなかで、プリセールスエンジニアは不可欠**です。
絶賛採用強化中ですので、気になった方はぜひご応募ください！

企業・団体向けクライアント運用管理ソフトウェア『SKYSEA Client View』、学校向けソフトウェアの『SKYMENUシリーズ』、シンクライアントシステム『SKYDIV Desktop Client』など、シェアを獲得する自社パッケージ商品を提供しているＳｋｙ株式会社。
なぜＳｋｙ株式会社は、支持を獲得し続ける自社パッケージ商品を提供することができるのか？
そのカギを握るのが、自社パッケージ商品の提案や導入、構築からアフターサポートまで、一貫してお客様に寄り添うプリセールスエンジニア。

Ｓｋｙ株式会社 Iさん

自社パッケージ商品の高い満足度と改善を支える！Ｓｋｙ株式会社のプリセールスエンジニアに迫る。

ERは「Entity Relationship Diagram」の略称であり、**データベース設計における代表的な設計図を指します。**システムを設計する際の手法としては、他にもUMLなどの技法もあります。UMLは「統一モデリング言語」という意味で、システム開発を図式で表現、記述方法を統一することです。設計書のわかりやすさや情報共有の効率の向上に役立ちます。

ER図は「DOA」と呼ばれる「データ中心アプローチ」の技法を用い、作成したER図を物理データベース上に直接変換できることから、データベース設計における手法の事実上の標準となりつつあります。ER図の「E」はエンティティを示し、「R」はリレーションを示します。つまり、**ER図とは「実体（データなど）」と「関係」の組み合わせのことで、システムにおけるデータ間の処理する構造を指します。**

例えば、「顧客が本を注文する」という処理をER図で表現してみます。「顧客」「本」がエンティティ、「注文する」がリレーションに対応します。*大規模システムの場合でも、エンティティとリレーションの組み合わせを用いて、わかりやすくシステムを表現できる*ことがER図の特徴です。

システムエンジニア（SE）とは？仕事内容や年収、必要スキルを解説！

システムエンジニアがキャリアアップするのにおすすめの資格を解説！

ER図はシステム開発における要件定義や設計などの上流工程の中で、段階的に設計を行います。各工程で作成したER図の状態を「データモデル」といい、データモデル図には*「概念データモデル図」「論理データモデル図」「物理データモデル図」の3種類があります。*

ここからは、各データモデルについて簡潔に説明します。

**1.概念データモデル図**
概念データモデル図は、*要件定義工程の際に作成するデータモデル図*を指し示し、システム全体におけるエンティティ、リレーションを洗い出し、事象を大まかに表した図のことです。

**2.論理データモデル図**
論理データモデル図は、*基本設計工程の際に作成するデータモデル図*を指します。論理データモデル図を作成する際は、概念データモデル図に対してさまざまな詳細を加えて肉付けを行います。具体的には、*アトリビュート・主キー・外部キー・リレーション・カーディナリティ*といった要素を付け加えます。
論理データモデル図においては、データ型の定義のように物理データベース向けの設計は行わないため、特定のデータベースに依存しない状態のモデル図といえるでしょう。

**3.物理データモデル図**
物理データモデル図は、*詳細設計工程の際に作成するデータモデル図*を指します。ここでは、「*MySQL*」や「*Oracle Database*」など特定の物理データベース向けに論理データモデル図の変換を行います。例えば、物理データベースに適したデータ型を追加したり、ローマ数字に変換したりします。ER図の最終形態が物理データモデル図です。物理データモデル図が完成した後は、物理データベースを実際に作成することができるでしょう。

ER図を作成する際は、下記の5つの標準的な要素を用いることが多いです。

**1.エンティティ**
「エンティティ」とは、実体、つまりデータのまとまりのことを指します。エンティティの中には、アトリビュートという属性情報があります。アトリビュートについても後ほど解説します。

**2.リレーション**
「リレーション」は関係を意味し、エンティティ同士の関係を表現する線のことを指します。リレーションの詳細については、カーディナリティという記号を使って表現します。カーディナリティについても後ほど解説します。

**3.アトリビュート**
「アトリビュート」は属性を意味し、エンティティの中の属性情報のことを指します。アトリビュートでは、主キーや外部キーについても表現します。主キーとなる項目は、エンティティ上部に四角の囲いで記載し、外部キーとなる項目は、項目名の後ろに「（FK）」と記載します。その他の項目は、項目名のみ記述することが多いでしょう。

**4.カーディナリティ**
「カーディナリティ」は多重度を意味し、「*1対1*」「*1対多*」「*多対多*」など、リレーションの始点と終点を表現する記号のことを指します。さらに、「*0以上*」「*0または1*」なども表現することが可能です。

**5.エンティティの依存関係と非依存関係**
「*依存関係*」とは、結びつくデータが必ず存在する関係、つまりエンティティ間の親子の関係性を指します。親と子のどちらのデータが欠けたとしてもシステム的に成り立たないことを示しています。子となるエンティティの枠線を角丸で表現することが多いでしょう。
一方、「*非依存関係*」とは、エンティティ間で親子がない関係性のことを指します。この場合、結びつくデータが存在しなくてもシステム的に成り立つことができます。非依存関係の場合、親と子のどちらのエンティティも四角の枠線で表現することが多いでしょう。

## ER図を作成する2つのメリット

これまでに、ER図の詳細について紹介してきました。ここからは、ER図を作成する上で2つのメリットを紹介しましょう。

システム開発後は、正常に稼働するように監視を行いながら、よりよいシステムになるように改修を繰り返していきます。ER図は、システム開発後の保守・運用工程においても活用できるでしょう。システムが稼働しはじめた直後は、設計者がプロジェクト内にいることが多いため、設計書がなくても問題がない場合もあります。

しかし、設計者が別のプロジェクト案件に異動するなど、プロジェクト内に残り続けるということはほとんどありません。したがって、**ER図を設計書の中に記載しておくことで、設計者ではない方でもシステムの設計内容を正確に理解し、システムの仕様の変更などの改修を行う際にスムーズに対応することができます。**

【保守・運用】仕事内容や将来性、必要なスキルについて徹底解説！

### 手戻りのコストを防止することができる

データベースのテーブル数が多くなると、設計誤りや、プロジェクト関係者がシステムの仕様について理解できないことがあります。その場合、手戻りが必要なことも多く、余分なコストが発生してしまいます。特に大規模なシステムの場合は、**ER図でデータベース構造などを整理することで、システム全体の構成を俯瞰することができるため、手戻りを起こす可能性を減少させることもできるでしょう。**したがって、システム開発においてER図の作成は必要不可欠といえるでしょう。

ここからは、ER図の作成方法を紹介します。ER図に限らずシステム設計全般において言えることとして、大枠から徐々に詳細に落とし込む作業が重要です。

### ①システム開発の進め方を把握する

**ER図を記述する際は、システム開発の進め方が明確になっていることが前提です。**ユースケース図やアクティビティ図などを、インプット情報としてER図を設計します。特に、ER図を作成する際に、ユースケース図は重要な役割を果たすことが多いです。ユースケース図とは、ユーザーの視点に立ち、システムの利用例を表現する図解術のことを指します。

*ユースケース図の設計が終わってない段階でのER図の作成はおすすめできません。*まずは、システム開発の進め方の設計からはじめましょう。

システム開発の進め方について把握できたら、*ユースケース図やアクティビティ図などを基にエンティティを洗い出します。*システム開発の進め方の設計を正確に行っていれば容易にエンティティを洗い出すことができるでしょう。

### ③エンティティをマスタデータとトランザクションデータに分ける

エンティティの洗い出しが完了したら、**エンティティを「マスタデータ」と「トランザクションデータ」に分けましょう。**データはマスタデータとトランザクションデータに大きく分けられます。マスタデータとは固定的なデータ、トランザクションデータとは流動的なデータといわれることが多いです。次のアトリビュートを洗い出す前に、整理しておきましょう。

また、マスタデータとトランザクションデータを整理する過程の中で、エンティティが合体することも少なくありません。

### ④アトリビュートを洗い出す

次に、エンティティの中のアトリビュートを洗い出します。*アトリビュートの洗い出しは、画面設計書を基にすると効率的に行うことができます。*画面に出力される項目がアトリビュートとなる場合が多いでしょう。

アトリビュートまで洗い出すことができたら、リレーション・主キー・外部キーの設計を行いER図を作成します。また、*カーディナリティは業務内容によって変わることに注意しましょう。*これでようやくER図の完成です。ここからは、設計メンバーでレビューを重ねてブラッシュアップしていくことが重要です。

## ER図を効率よく作成してプロジェクトの成果を向上させよう！

この記事では、ER図の詳細、メリット、作成方法を紹介しました。ER図を作成することで、プロジェクト工程の手戻りを減らすことができるなどメリットが多くあります。

また、**実際にER図を作成する際に、無料で利用できるツールも存在します。**カーディナリティの変更なども、ツールを使えば簡単に変更が可能です。例えば、「*Cacoo*」というクラウド型の図形作成ツールがあります。業務効率を上げるために、ER図作成ツールを活用することもおすすめします。これらを踏まえて、ER図を効率よく作成してプロジェクトの成果を向上させましょう。

ER図（Entity Relationship Diagram）とは、データベース設計における代表的な設計図を指します。当記事では、このER図についてのそもそもどういったものなのか・基本ルール・メリット・ER図の作成方法をわかりやすく解説します。

ER図とはデータベース設計における代表的な設計図の1つである

ER図のデータモデル図には「概念データモデル図」「論理データモデル図」「物理データモデル図」の3種類ある

ER図を作成するメリットとして、「保守・運用工程で役に立つ」、「手戻りのコストを防止することができる」ことが挙げられる

ER図とは？詳細・メリット・作成方法についてわかりやすく解説！　

まずはコードレビューの*基本的なやり方を解説*します。どういう手順で行うべきか、1から説明します。初めてコードレビューを行う方は、まずはこちらをお読みください。

コードを読む前に、まず**「システムの仕様を把握すること」が重要**です。どのような機能をもつシステムなのか仕様を把握しないと、コードのどこを指摘したらいいのか分からず、仕様通りに書かれていない箇所の指摘もできません。

また、*コードレビューに慣れていない場合、仕様を頭に入れていないとコードが読み解けないことも多い*です。新人のコードレビューをする場合は、新人が関わっている箇所の仕様書を読み込み、何を作ろうとしているのか全体像を確認しましょう。

### コードを一通り読んで確認する

仕様書を一通り理解したら、コードを一通り読んでいきます。書き方が良くなかったり、非効率な処理をしていたりする部分などがあれば*メモ*しておきましょう。

また、**コードを自分の開発環境でも実行し、エラーが出ないかもチェックします。**開発環境が変われば、エラーが発生するケースも多いためです。こういった地道が作業が、コードレビューでは必要です。

メモした内容を基に、問題点を*口頭・Github・チャットツールなどで指摘*します。また問題点を指摘する上で、参考にした資料などがあれば提示・添付すると良いでしょう。新人が問題点に関する質問をしてきたら、きちんと答えられるようにしておくことも重要です。レビューをする際は**同じミスを繰り返さないよう、相手に分かりやすく伝えることを意識しましょう。**

## コードレビューで見るべきポイント

ここでは、コードレビューで見るべき具体的なポイントを紹介します。特に*コード量が多い場合、最初から最後まで熟読するのは大変*です。見るべきポイントを抑えて、そこを重点的に確認すれば、*コードレビューの時間を短縮*できるでしょう。1つ1つのポイントを詳しく解説していきます。

### 自社のコードルールに則っているか

まずは、**自社のコードルールにしっかり則って書かれているコードか**確認しましょう。インデントやコメントの書き方など、それぞれの会社でルールが設けられているはずです。

他の会社でエンジニア経験がある方の場合、*自社のコードの書き方ではなく、前職での書き方をそのまま使っているケースも多い*です。そういった場合は、自社のコードルールに則っていない旨を指摘しなければなりません。レビュー時はコードが自社のルール通りなのか、確認してください。

### コメントが分かりやすく書かれているか

システム開発の記事（6ページ目）