機械学習開発が続かない理由は技術力ではなく、要件が固まらない現場にある

機械学習開発が続かない理由は何か。結論から言うと、技術力の不足ではありません。離脱する人の話を丁寧に聞いていくと、そのほとんどが「何を作ればいいのかが最後まで決まらない現場」で消耗していました。数式が分からなかったから辞めた、という人は実は少数派です。この記事では、続かない原因を「学習が続かない」と「案件が続かない」に分けたうえで、後者の構造を中心に整理します。そのうえで、応募の段階で危ない案件を見分ける方法と、入ってしまった後に立て直す方法まで書きます。

「続かない」には、まったく別の2種類がある

まず切り分けます。ここを混ぜている記事が多く、正直なところ、それが読者を迷わせている最大の原因だと考えています。

1つ目は、学習が続かないという意味です。参考書を買ったが3章で止まった、講座に申し込んだが動画を見なくなった、というタイプ。原因は目標設定と習慣の設計にあり、対処法もそちらの領域にあります。

2つ目は、案件が続かないという意味です。仕事として受けたはいいが、途中で疲弊して離脱する、あるいは案件そのものが空中分解する。こちらの原因は本人の中にはありません。発注側の現場の状態にあります。

検索してこの記事にたどり着いた方の多くは、実は2つ目で悩んでいます。ところが世の中の「続かない理由」の記事は、ほぼ全部が1つ目の話をしている。だから読んでも自分の状況が解決しないのです。まず2つ目から扱います。

要件が固まらない現場で、実際に何が起きるのか

案件が壊れるパターンには型があります。4つに分けて見ていきます。

型1: 目的が「AIを入れること」になっている

最も多いのがこれです。発注側の目的が、業務課題の解決ではなく「AIを導入したという実績を作ること」になっている案件があります。

この場合、何を作っても正解になりません。なぜなら、成功の定義が存在しないからです。開発者が「この指標で評価しましょう」と提案しても、「そこはお任せします」と返ってくる。任された結果を持っていくと「思っていたのと違う」と言われる。この往復が延々と続きます。

見分け方は簡単で、「これがうまくいったら、業務のどの作業が減りますか」と聞くことです。即答できない案件は、目的が定まっていません。逆に「現在10人が手作業で確認している件数のうち、半分を自動化したい」と答えられる案件は、たいてい最後まで走ります。

型2: 評価指標が最後まで決まらない

機械学習の成果は、指標を決めないと評価できません。見逃しを減らしたいのか、過検出を減らしたいのか。この2つは同時には最大化できません。

ところが、発注側は「両方とも大事です」と言います。悪気はなく、トレードオフの存在を知らないだけです。ここで開発者が説明を諦めると、案件は迷走します。

説明すべきなのは、技術の話ではなく業務の話です。「見逃しを減らすと、確認する件数が増えます。今の人員で確認できる上限は何件ですか」。この形で聞くと、相手は答えられます。指標の議論を業務の言葉に翻訳できるかどうかで、案件の寿命が決まります。

型3: 決裁者が議論の場にいない

現場の担当者とは話が進むのに、上に持ち上がると差し戻される。この構造の案件は、何度でも振り出しに戻ります。

原因は、決裁者が求めているものと現場が求めているものが違うことです。現場は作業を減らしたい。決裁者は投資対効果の説明資料が欲しい。この2つは重なりません。

対策は、キックオフの段階で「この成果を最終的に判断するのはどなたですか」と確認することです。名前が出てこない案件は危険信号です。名前が出たら、その人が何を見て判断するのかを聞いてください。

型4: データが揃う前に着手が始まる

「データは追って渡します」で始まる案件は、高い確率で揉めます。

着手してから、データの件数が学習に足りないと判明する。ラベルの付け方が担当者ごとに違うと判明する。過去のデータと現在の業務フローが変わっていると判明する。そのたびに要件が組み直しになります。

そして厄介なのは、この遅延が開発者の責任として扱われがちなことです。「まだできないんですか」という問いに、データの不備を説明すると言い訳に聞こえてしまう。この構図が、離脱の直接の引き金になることが非常に多い。

応募の段階で、危ない案件を見分ける

入ってから立て直すより、入らないほうが早い。募集要項と面談で確認できることを挙げます。

募集要項で見るべき3点

1つ目は、目的が業務の言葉で書かれているか。「AIを活用した新規事業」ではなく「問い合わせの一次分類を自動化したい」と書かれているかどうかです。

2つ目は、扱うデータの規模と形式が明記されているか。件数も形式も書かれていない募集は、発注側もまだ把握していない可能性が高い。

3つ目は、完了の定義が書かれているか。「モデルの構築」とだけ書かれている案件は、完了の判断基準がありません。

3つとも書かれている募集は、実際にはそう多くありません。ですが、書かれていないから即除外というわけでもない。面談で確認すれば済む話です。問題は、確認しないまま受けることです。

面談で必ず聞く4つの質問

面談では、次の4つを聞いてください。答え方で現場の状態がほぼ分かります。

「この取り組みがうまくいったら、業務のどの作業が減りますか」。これで目的の有無が分かります。

「精度を評価する指標は決まっていますか。決まっていない場合、誰と決めればよいですか」。これで評価の設計ができる相手かが分かります。

「データは今どういう状態ですか。実物を確認する時間をいただけますか」。これでデータの実在と品質が分かります。渋られたら要注意です。

「最終的にこの成果を判断されるのはどなたですか」。これで決裁の構造が分かります。

正直に言えば、この4つを聞くだけで、案件を選ぶ精度は大きく上がります。技術的な質問より先に、こちらを聞くべきです。

断る勇気が、続けるための技術になる

条件が合わない案件を断ることは、消極的な行為ではありません。むしろ、長く続けるための積極的な選択です。

続かなかった人の話を聞くと、最初の1件か2件で消耗しきっているケースが目立ちます。しかもその案件は、後から見ると受けるべきではなかったものだった。断っていれば、次の案件で普通に続いていた可能性が高い。

案件の種類ごとの輪郭を知っておくと、この判断がしやすくなります。導入前の整理から関わる仕事はAIコンサル・業務活用支援のお仕事に、実装中心の仕事はアプリケーション開発のお仕事に、マーケティングやセキュリティと組み合わせた仕事はAI・マーケティング・セキュリティのお仕事に整理されています。自分がどの位置で関わるのかを先に決めておくと、募集を見たときの判断が速くなります。

固まらない現場に入ってしまったときの立て直し方

すでに入っている場合の話をします。逃げるのが正解の場合もありますが、その前に試せることがあります。

決まっていないことを、書いて突きつける

口頭で「要件を決めてください」と言っても動きません。決まっていないという自覚が相手にないからです。

有効なのは、決まっていない項目を一覧にして書面で出すことです。目的、評価指標、データの提供時期、完了の定義、判断する人。この5項目について、現時点で決まっていることと決まっていないことを表にして送る。

これをやると、相手は初めて状況を認識します。そして多くの場合、その場では決められないので「社内で確認します」となる。この確認が走った時点で、案件は前に進み始めます。相手を責める文面にしないことがコツです。事実を並べるだけにしてください。

範囲を小さく切り直す

要件が固まらない案件は、範囲が大きすぎることが原因である場合があります。

「全社の問い合わせを分類する」を、「特定の1部署の問い合わせを、3種類に分類する」に切り直す。範囲を狭めると、評価も定義しやすくなります。そして小さく成功すると、次の範囲を決めるための材料が手に入ります。

この提案は、発注側にとっても悪い話ではありません。投資額が小さくなり、失敗したときの損失も小さくなるからです。断られることは少ない提案です。

記録を残す

立て直しが失敗して離脱することになった場合に備えて、やり取りは記録に残してください。

週次の短い報告を出す習慣があると、それがそのまま記録になります。今週やったこと、分かったこと、来週やること、確認したいこと。この4項目で十分です。確認したいことに書いた内容が何週も未回答のまま並んでいれば、それは案件が止まっている証拠になります。

離脱すべきタイミングを決めておく

立て直しには限界があります。だから、入る前に自分の中で撤退の基準を決めておくのが合理的です。

基準の例を挙げます。書面で出した確認事項が2週間以上未回答のまま放置される。同じ議論が3回繰り返される。データの実物を見せてほしいという依頼が1か月経っても通らない。このいずれかに当たったら、契約の区切りで抜ける。

基準を先に決めておく効果は、判断が感情から離れることです。「まだ頑張れるかもしれない」という気持ちで居続けると、消耗しきってから辞めることになります。そうなると、次の案件に向かう気力が残りません。

長く続けている人は、辞め方が上手です。案件を辞めることと、機械学習開発を辞めることは別物だという線引きができています。この線引きができない人が、1つの案件の失敗をきっかけにこの分野そのものから離れていきます。

発注側の現場では、何が起きているのか

受注側の視点だけで見ていると、要件が固まらない現場は「いい加減な相手」に見えます。ですが、内側で何が起きているかを知っておくと対応が変わります。

社内に機械学習を知っている人がいない

多くの企業では、機械学習の導入が初めての取り組みです。社内に経験者がいないので、何を決めればいいのかも分かりません。

つまり、要件が固まらないのは意地悪ではなく、決め方を知らないからです。この前提に立つと、こちらから「決めるべき項目のリスト」を出す行為が、相手にとって親切になります。実際、リストを出した途端に案件が動き出す例は珍しくありません。

正直なところ、これはこちらの負担が増える話です。ですが、その負担を工数として見積もりに入れてしまえばよい。「要件定義の支援」として工程を立てれば、無償の持ち出しにはなりません。

予算と期限が先に決まっている

企業の予算は年度単位で動きます。だから「今期中に何かAIの取り組みをやる」ことだけが先に決まり、中身は後から考えるという順序になることがあります。

この構造の案件では、期限だけが硬く、要件が柔らかい。開発者にとっては最悪の組み合わせです。

見分け方は、なぜこの時期なのかを聞くことです。「今期の予算で」という答えが返ってきたら、中身がまだ固まっていない可能性を疑ってください。その場合は、範囲を最小限に切って期限内に必ず終わる形を先に提案するのが現実的です。

現場の担当者も板挟みになっている

もう1つ知っておくべきなのは、窓口の担当者自身が困っている場合が多いことです。上からは成果を求められ、現場からは協力が得られず、外注先には説明できない。

この状況の担当者に対して、責める姿勢で接すると関係が壊れます。逆に、担当者が社内で説明しやすい材料を渡すと、強力な味方になります。図を1枚作る、数字を1つ整理する。この程度のことで、案件の空気が変わることがあります。

学習が続かない場合は、原因も対処もまったく違う

ここからは1つ目の「続かない」の話です。案件の話とは対処法が別なので、混同しないでください。

学習が続かない原因について、次のような整理があります。

目標設定の心理的バイアス 心理学者のダン・アリエリー氏の研究では、人は「理想の自分」を過大評価する傾向があることが分かっています。「毎日3時間勉強する」といった非現実的な目標を立てがちで、達成できないと自己効力感が下がってしまいます。 実際に継続できる人の多くは、最初から現実的な目標（1日30分など）を設定していることが調査で明らかになっています。 出典: ai-study.co.jp

これは実感と一致します。学習が止まる人の多くは、意志が弱いのではなく、最初に立てた目標が達成不可能なのです。達成できない日が続くと、机に向かうこと自体が苦痛になります。

そして、未経験から実装できる状態に到達している人は現実にいます。

Pythonは完全未経験からのスタートでしたが、今では研究に機械学習を取り入れたり、アプリを作成したりできるようになりました。 出典: kikagaku.co.jp

到達可能であることは前提として、問題は速度の設定です。1日30分で1年続けるほうが、1日3時間で2週間続けるより遠くまで行きます。当たり前の話ですが、目標を立てる瞬間には忘れられます。

集中が続かないという相談も多いのですが、時間の長さより環境の設計のほうが効きます。作業環境の整え方については在宅ワークの集中力アップ｜ポモドーロ以外に効く7つのテクニックに具体的な方法がまとまっています。通信環境が不安定で作業が中断されるパターンも意外に多いので、その場合は在宅ワークに最適なネット回線｜光回線vsホームルーターの選び方を確認してみてください。

市場と年収の現実を、正しく把握しておく

続けるかどうかの判断には、この先の見通しも必要です。数字で押さえておきます。

報酬について語られる数字は、媒体によって幅があります。正社員としての年収を紹介している記事もあれば、フリーランスの月額単価を出している記事もあり、これを混ぜて読むと相場観が壊れます。副業や業務委託で受ける場合は、年収の水準を時間で割り戻した金額が交渉の出発点になると考えてください。職種別の相場を公的統計ベースで確認したいときはソフトウェア作成者の年収・単価相場が使えます。同じ職種でも、雇用の形と地域で水準が動くことが数字で見えるはずです。

将来性についてよく議論になりますが、個人的には「機械学習エンジニアの需要」という括りで考えるのが雑だと思っています。需要があるのはモデルを作れる人ではなく、業務の課題を機械が扱える形に翻訳できる人です。この2つは重なりますが同じではありません。

転職を視野に入れる場合も同じです。求人票に「機械学習エンジニア」と書いてあっても、実態はデータ整備が業務の大半という職場は珍しくありません。そのギャップを事前に確認しないまま入ると、また同じ理由で続かなくなります。

案件の選び方を、需要ではなく再現性で決める

案件を選ぶとき、市場で伸びている領域を追う人は多い。ですが、続けるという観点では別の基準のほうが有効です。

その基準とは、同じ型の仕事を次も受けられるかどうかです。ある業界の在庫予測をやったなら、次も別の会社の在庫予測を受けられる。この積み重ねができる領域を選ぶと、2件目以降の負担が大きく下がります。

逆に、毎回まったく違う業界の違う課題を受けていると、業務理解のやり直しが毎回発生します。技術は共通でも、業務の学習コストが毎回かかる。これが疲弊の原因になっている人は、思っている以上に多いはずです。

転職を考える場合も同じ視点が使えます。求人票の職種名ではなく、その職場でどの型の課題を繰り返し扱うのかを見てください。職種名が同じでも、実態はデータ整備が業務の大半という職場と、モデルの改善が中心の職場では、身に付くものがまったく違います。

続けるために選ぶべきスキルは何か

最後にスキルの選び方です。ここも結論から言います。モデルの手法を増やすことより、隣接領域を1つ押さえるほうが継続には効きます。

理由は単純で、要件が固まらない現場を立て直すのに必要なのは、業務を理解する力と説明する力だからです。手法を10個知っていても、目的が決まっていない案件は救えません。

具体的には、2つの方向があります。1つは、業務システムの側を理解すること。モデルをどこに置き、どの経路でデータを流すのかという設計の議論に入れるようになると、案件の中での立ち位置が安定します。ネットワークの基礎を体系的に押さえるならCCNA（シスコ技術者認定）の学習範囲が入口として整理されています。

もう1つは、書く力です。機械学習の納品物には必ず報告書が付きます。読み手は非技術者です。伝わる文書を書ける人は、精度が想定より低くても評価が下がりません。文書の型を確認するならビジネス文書検定の出題範囲が参考になります。書く仕事そのものの相場感は著述家，記者，編集者の年収・単価相場にまとまっています。

資格を取ること自体が目的化するのは意味がありませんが、在宅で働くうえで何が評価されるかを俯瞰したい方は在宅ワークに強い資格10選｜自宅で稼げるスキルを身につけるを眺めてみると、自分の抜けが見つかることがあります。

手を広げる順番を間違えない

スキルを増やす順番にも、続けやすさに効く並びがあります。

最初に固めるべきは、データを扱う基礎です。表形式のデータを整形し、集計し、可視化する。この一連が速くできると、案件の初期でつまずかなくなります。ここが遅いと、本題に入る前に時間を使い切ります。

次が、業務の言葉に翻訳する力。そして3番目が、モデルの手法を増やすことです。この順番を逆にしている人が多い。最新の手法から入ると、扱えるデータが手元にないので、練習が実務とつながりません。

正直なところ、手法の話は勉強していて楽しい領域です。だから先に手を出したくなる気持ちは分かります。ですが、案件を続けるという目的で見るなら、優先順位は明確に下です。

独自データから見た、続く人と続かない人の分岐点

在宅とリモートの仕事の市場を20年見てきた立場から言えば、続く人と続かない人を分けているのは、案件の入口での確認量です。

運営者として見てきた限りでは、長く続いている人は例外なく、着手前に多くを聞いています。目的、判断者、データの状態、完了の定義。この確認を面倒がらない人は、案件が壊れる前に手を打てます。逆に、聞くのが失礼だと考えて黙って受ける人ほど、途中で行き詰まって離脱していく。技術力の差ではなく、この最初の数時間の使い方の差です。

もう1つ、構造の話をしておきます。仲介が何段も入る取引では、要件の確認が伝言ゲームになります。開発者の質問が現場に届くまでに何日もかかり、返ってきた答えは要約されている。この構造では、要件が固まりようがありません。手数料0%で直接やり取りできる場の価値は、手取りが厚くなることだけではなく、確認が1往復で済むことにあります。同じ予算で依頼側はより多くを頼め、受け手は仕様を直接聞ける。この2つが同時に成立する構造は、続けやすさに直結します。

続かなかった経験がある方に伝えたいのは、その離脱はあなたの能力の判定結果ではないということです。要件が固まらない現場は実在しますし、そこに入って消耗した人は大勢います。次の案件で確認を4つ増やすだけで、結果は変わります。学習の速度を上げる必要も、数学をやり直す必要もありません。変えるべきなのは、案件に入る前の数時間の使い方です。

よくある質問

Q. 機械学習開発が続かないのは、数学ができないからでしょうか？

数学の不足で離脱する人は少数派です。実際に多いのは、目的や評価指標が最後まで決まらない現場で消耗して離脱するケースです。案件が続かないのか、学習が続かないのかをまず切り分けてください。前者であれば原因は本人の外にあり、対処は案件の選び方と確認の仕方に変わります。

Q. 危ない案件を面談で見分けるには何を聞けばよいですか？

4つ聞いてください。うまくいったら業務のどの作業が減るのか、精度の評価指標は決まっているか、データは今どういう状態で実物を確認できるか、最終的に成果を判断するのは誰か。この4つに具体的に答えられない案件は、要件が固まらないまま進む可能性が高いと判断できます。

Q. すでに要件が固まらない案件に入ってしまいました。どうすればよいですか？

決まっていない項目を一覧にして書面で送ってください。目的、評価指標、データの提供時期、完了の定義、判断する人の5項目について、決まっていることと決まっていないことを表にします。相手を責めず事実だけを並べるのがコツです。あわせて範囲を小さく切り直す提案も有効です。

Q. 続けるためには、どんなスキルを優先して身につけるべきですか？

モデルの手法を増やすより、業務を理解して説明する力を優先してください。要件が固まらない現場を立て直すのに必要なのは手法の数ではありません。具体的には、モデルを業務システムにどう載せるかを理解すること、そして非技術者に伝わる報告書を書けることの2つが継続に効きます。