AIエンジニアリングの入口

2023年6月、Latent Spaceが「The Rise of the AI Engineer」を発表した。 基盤モデルのAPI化により、従来5年かかっていたAIタスクが「APIドキュメントと午後の数時間」で実現可能になった。

複雑なエージェントやファインチューニングの前に、シンプルなAPIコールで十分に価値あるプロダクトを生み出せる時代。 AIエンジニアリングとは何か、どう始めるか、そして何を避けるべきかを整理する。

この変化により、機械学習エンジニアとフルスタックエンジニアの間に位置する新しい職種「AIエンジニア」が誕生する。 ここで重要なのは職種名そのものより、アプリケーション側でモデルを適応し、評価し続ける仕事が増えたことです。

AIエンジニアリングの成功は、最も洗練されたシステムを構築することではなく、ニーズに最適なシステムを構築することにある。

まずデモを作る

MLエンジニアリングは「データ収集→モデル訓練→プロダクト化」という順序だが、AIエンジニアリングは逆。「まずデモを作り、迅速にイテレーションを回す」。 アイデアを素早くデモの形にし、フィードバックを得てイテレーションを回せることが基盤モデルの強みです。

プロンプトの「次」を知る

シンプルなプロンプトで価値が出せたら、次のステップ。 AIエンジニアには、プロンプトで足りない部分を RAG、ワークフロー、エージェント、ファインチューニングといったモデル適応技術で補う判断が必要になる。

技術を並べるだけでは、判断にはならない。 大事なのは、いま困っていることを特定し、制約に合わせて最初の一手を決めることだ。

顧客サポートシステムを段階的に広げる

典型的なユースケースである顧客サポートを例に、段階的に複雑化させる方法を見る。 最初から大きく作らず、必要になった時点で広げることがポイントです。

AIの世界では、同じ課題にも複数の解き方がある。 だからこそ、最初に選びがちな誤った近道を避けたい。