AIの精度を左右する「何を正解とするか」を、建設データと実務の両面から設計する

仕事内容

▍事業内容／企業紹介
ゴーレムは、建設業界に蓄積されてきた見積・設計・施工・維持管理などのデータと、実務の中で培われてきた判断基準を構造化し、企業の業務効率化や意思決定を支援する建設業界特化型のデータプラットフォームを開発しています。
建設業界では、企業・プロジェクトごとに業務、データ、管理方法が異なり、重要な情報がExcelやPDF、担当者の経験に分散しています。
ゴーレムでは、こうした非構造・属人的な情報をデータとして扱える状態へ変換し、CO2排出量の算定をはじめ、見積・購買・業務分析など複数のテーマへ展開しています。

▍ポジションのミッション（募集背景）
建設データには企業・案件ごとの表記差、専門判断、曖昧な例外が多く、モデル改善だけでは品質を安定させられません。
何を正解とするか、誰がどう検証するかを標準化し、教師・評価データの再現性を高める必要があります。
今回募集するのは、機械学習・生成AIに利用する建設データの正解を定義し、アノテーション基準、レビュー、エラー分析、改善サイクルを設計するポジションです。
具体的には、ラベル定義・正解基準・曖昧ケースの判断ルール策定、アノテーションガイドラインとFAQ整備、サンプリング・ダブルチェック・合意率等の品質設計、誤分類・不一致・偏りの分析などを通じて、担当領域を前に進めます。

▍仕事内容
●正解・品質基準の設計
・ 教師データ・評価データのラベル定義、正解基準、許容誤差、例外ルールを設計
・ 判断が分かれやすいケースを収集し、ガイドライン・FAQ・判定例として言語化
・ モデル評価で確認すべき品質指標と、業務上許容できる品質水準をMLチームと整理
・ データセットやルール変更時の版管理・変更履歴・影響範囲を管理

●品質検証・エラー分析
・ サンプリング、ダブルチェック、合意率等を用いたレビュー方法を設計
・ 誤分類、不一致、欠損、偏り等を集計し、エラータイプ別に原因を分析
・ 作業者起因・ルール起因・データ起因・モデル起因を切り分け、改善優先順位を整理
・ 改善前後の品質を定量評価し、基準や運用の変更効果を確認

●作業者・外部パートナーの品質管理
・ アノテーション／データ作業者向けのオンボーディングと判断基準の説明
・ レビュー結果に基づく個別フィードバックと、共通ミスへの一斉改善
・ 作業者・ベンダー別の品質傾向を可視化し、再教育・チェック強化を実施
・ エスカレーションすべきケースと現場判断で処理できるケースを整理

●ML・プロダクトとの改善サイクル
・ MLエンジニアとエラー分類・評価データ・再学習対象をすり合わせ
・ PdM・業務担当者と、モデル精度と実務上の正しさの差分を整理
・ 品質課題をデータ作成・モデル・UI／運用のどこで解くか判断材料を整理
・ 継続的に品質を確認できるレポート・レビュー運用を整備

▍やりがい・魅力など
● AIの精度を左右する「何を正解とするか」を、データ・業務の両面から設計できる
● アノテーション作業ではなく、品質基準・レビュー・エラー分析・改善サイクルまで設計できる
● MLエンジニアや業務担当者と連携し、データ品質をモデル改善へ直接つなげられる

▍組織名／体制
AIデータ品質管理チーム。
CS、BPO、ML、プロダクトチームと連携。

▍開発体制
教師・評価データの改善結果をMLチームの学習・評価へ接続。

▍技術スタック
Excel／Google Sheets。
歓迎：SQL、Python、正規表現、BIツール。