ランサーズ等のサービスを開発・運用する中で得た知識やノウハウを紹介しています。

Labels:  エンジニア組織, 機械学習 投稿者:mizushima

AIチームの立ち上げとこれから

こんにちは。開発部の水島(@0xb5951)です。

ランサーズ Advent Calender18日目の記事です。

昨日は長島さんのプロジェクトをうまく回せた時の感動を味わいたいという記事でした。

この度、ランサーズ株式会社でAIチームを立ち上げる運びとなりましたので、

チームのミッションや目指していく方向性について書こうと思います。

 

チームのミッションについて

AIチームでは以下のミッションを軸に開発を行なっていきます。

「社会的信用が高いプラットフォームをAIで実現する」

(create social trusted plattform by AI)

 

ランサーズ株式会社は2019年12月16日にマザーズへ上場し、これからよりパブリックな目で見られるようになります。

ランサーズというサービスは単なるWebサービスではなく、生活の一部になっている人やそこで生計を立てている人、社内の一部機能として運用している企業などもあり、そういう人たちにとっては社会インフラのようなサービスになっています。

僕たちはこういう人をもっと増やしていきたいし、そこで使ってくれる人に安心して使ってもらえるプラットフォームを作りたいです。

これらのミッションや課題感は会社の成長戦略に即したアプローチにもなっています。

成長可能性に関する説明資料[ランサーズ株式会社]

 

もちろん今までもこうした取り組みや施策は行われてきましたが、ここに対してデータとアルゴリズムの力で問題を解決していきたいと思っています。

ランサーズは2008年から12年に渡って運用されているサービスで独自性が高いデータが集まっていますが、

現時点ではそれを十分に活用できているとは言い難いです。

AIチームでは仮説に対して、データドリブンで課題とペインを発見して、デザイン、アルゴリズムの力で問題解決に取り組んでいきます。

 

ランサーズでのAI定義

ランサーズでは機械学習だけではなく、広義的なAIを定義としています。

  • ルールベース
  • 統計モデル
  • 機械学習モデル
  • 深層学習モデル

我々の仕事は機械学習や深層学習モデルを使うことではなく、データやアルゴリズムによって課題を解決することだと思っています。

ML周りは運用コストや耐障害性、知見の管理、アーキテクチャのことを考えるとまだまだ考慮点や問題点が多いので、

盲目的に機械学習や深層学習を選択するではなく、ルールベースやシンプルな統計モデルなども選択肢として考えています。

シンプルなモデルで課題が解決できないと場合に積極的に使っていくのが、社会実装しやすいフローなのではないかと思っています。

 

ミッションを実現するためのゴールステップ

ゴールステップの定義ですが、これらのステップはどのフェーズでやめても一定価値があるモノに設定しました。

これらのゴールステップを設定することで、単発的な施策が乱立する状況を防ぎ、長期的な視点を持って開発を行うことを目指しています。

またこれらを定義することで、開発メンバーが全体の流れを把握し、施策間のカニバリズムを起こしてしまうような事態を防ぎ、かつ主体的な開発を行うことができるようになるのではないかと思っています。

 

Step0. ランサーズオブジェクトを評価、活用できる仕組みを作る

ユーザの行動や依頼情報を適切に取得できるようにし、それを活用できる基盤を作ります。

ランサーズオブジェクトというのは依頼、提案、ユーザ情報などのことを指します。

上位のStepで必要になるデータを収集可能にし、それを運用可能にすることが目的です。

そのためのMLアーキテクチャの見直しやデータ収集タスクは継続的に行う必要があるのでStep 0としています。

 

Step1. プラットフォームの健全性をあげる

ランサーズオブジェクトの情報を元に不適切な依頼やスパム、不適切な行動をするユーザーなどをフィルタリングします。

ランサーズ内には、一定内容に見合ってない低価格な依頼や規約違反となる依頼、スパムなどが存在します。

これらの問題によってランサーズの信頼イメージやUXを損なってしまったり、トラブルの原因になる恐れがあります。

まずはこのようなコアな問題に向き合い、プラットフォームにきた全ての人が特にトラブルなくスムーズに依頼を完了できることを目指します。

 

step2. プラットフォームの流動性をあげる

ランサーズが提供するサービス間の最適化やプラットフォームのパーソナライズに取り組みます。

現在ランサーズでは以下のサービス群を提供しています。

 

このフェーズではプラットフォームに来たユーザを適切に誘導し、柔軟なサービス提供を目指していきます。

リコメンドなどを使い、ユーザのニーズを動的に満たすような機能を作成したいと思っています。

 

Step3. プラットフォームへの流入をあげる

プラットフォームの認知やユーザの獲得を目指します。

上記でプラットフォームの柔軟な受け入れ体制が整ったので、流入量の増加に取り組みます。

国内だけではなく、海外ドメインへの取り組みを行い、さらに広い範囲での働き方を目指していきます。

 

ランサーズのデータ環境

ランサーズではBig Queryを主体とした分析基盤「capybara(カピバラ)」を構築しています。

ランサーズの分析基盤(capybara)と運用について紹介

以下がシステム構成図です。

Big Query上にDHWを構築し、ログやユーザデータなどが集約されるようになっています。

またデータの可視化にはRedashを採用しています。

AIチームの開発もデータ側に寄せ、GCP上でモデリングまでを行う予定です。

その他のインフラはAWSで構成されているので、モデルのデプロイはそちらで行います。

 

カルチャー

英語でのコミュニケーション

一月から優秀なインド人エンジニアのジョインが決まっています。

前職は日本の企業で働かれていたので、日本語もある程度わかりますが、

チャレンジも込めて英語でのコミュニケーションをメインでやっていきたいと思っています。

 

テックで遊ぶ

また、いかに技術で遊ぶかということも大事にしていきたいと思っています。

外発的な動機ではなく、内発的に自ら楽しんで進めていけるといいなと思います。
楽しむのは当然で、一定成果を作ることも前提にもっていて、遊びながらプロダクトを作っていきたいです。

仕事を楽しむだと、ドメインが仕事に閉じているのでもっとアグレシッブにやっていきたいです。

 

オープン&フラット

ランサーズ社自体にも「超オープン超フラット」というカルチャーがあります。

これはとても良い文化だと思っているので、僕たちのチームもこれを意識したコミュニケーションや情報共有などを行なっていきます。

 

おわりに

僕たちのチームでは一緒に開発してくれるメンバーを募集しています!

 

課題解決のスピード感を担保する高速なプロトタイプ作成、データドリブンな課題解決、適切なデータアーキテクチャ構築などなどやりたいことはいっぱいあります。

副業でのジョインや共同研究、メンターなど様々な関わり方を実現できると思います。

興味を持った方は以下から応募いただけると嬉しいです!待っています!

明日は@manamin0521さんです!

Lancers(ランサーズ) Advent Calendar 2019

 

ランサーズではサービスを成長させてくれるエンジニア、デザイナーを募集しています!
ご興味がある方は、以下URLよりご応募ください。


【中途採用】
フロントエンドエンジニア
サーバーサイドエンジニア
コーポレートエンジニア
SREエンジニア

【新卒採用・その他】
21・22新卒
その他採用情報

関連記事

BCU30
ランサーズの機会学習(レコメンドシステム)の取り組みについて「Battle Conference U30」で登壇しました

ランサーズで機械学習エンジニアをしている高田です。 2018年4月21日(土)にサイバーエージェント主催の30才以下のエンジニアを対象にしたBCU30と呼ばれるカンファレンスで登壇しました。 発表資料です。 ランサーズにおけるデータ活用事例 ~ レコメンドは稼 …

thumbnail
サンプルデータを使ってリアルタイムレコメンデーションを作る – 1. はじめに –

サンプルデータを使ってリアルタイムレコメンデーションを作る – 1. はじめに – はじめに 参考資料 レコメンドとは データセット 特徴エンジニアリング 類似度計算 TF-IDF 次元圧縮 コサイン類似度 バイナリデータ Webアプリ …

thumbnail
ランサーズのデータ分析 – 活用事例 –

ランサーズのデータ分析 – 活用事例 – ランサーズ社ではデータ分析からレコメンドという形で価値を生み出しています。レコメンドについて簡単に説明した上で、ランサーズ社ではどのようにレコメンドを実装しているかを紹介します。 はじめに レコ …