フリーランスエンジニアやフリーランスデザイナーとして活動していると、「業務委託」という契約を打診されることがあるかもしれません。「業務委託ってどういう契約？」「注意すべきポイントはあるの？」など、フリーランス初心者なら気になるポイントがたくさんあると思います。 また業務委託契約とよく似たものとして、委任契約や請負契約と呼ばれるものもあります。今回の記事では、これらの契約と業務委託契約との違い、そして業務委託契約で気をつけたいポイントをテーマとして解説していきます。 テクフリでフリーランス案件を探してみる そもそも業務委託契約ってなに？ よく勘違いされることですが、「フリーランスとして働くこと＝業務委託契約で働くこと」というわけではありません。フリーランスというのは、「正社員」「派遣社員」「アルバイト・パート」などの言葉と並び、1つの働き方を表すものです。 それに対して業務委託契約というのは、フリーランス個人とクライアント企業との間で交わす契約の1つです。文字通り、クライアントから委託された業務を遂行することで、報酬をもらう契約です。 確かにフリーランスの多くは業務委託としてクライアントとの契約を結び、プログラムやデザイン・イラストなどを納品することで、それに見合った対価をもらっています。 業務委託契約の特徴として、業務を委託するクライアントも、業務を受託するフリーランスも、立場上は同等であるという点があげられます。フリーランスが納品する成果物に対してクライアントが対価を支払う。 イメージとしてはなんとなくフリーランスの方が立場が弱そうに思えますが、実はそんなことはないんですね。クライアントがフリーランスに対して作業の進め方を指示して強制することはできませんし、契約内容に不満があれば意見を提出することも可能なのです。 なおフリーランスが契約する業務委託には、「委任契約」と「請負契約」の2種類があります。どちらの契約を結ぶかによって内容が変わってきますので、それぞれの違いを簡単にでもいいので覚えておくと安心です。 委任契約と請負契約の違いとは まず委任契約の場合は、成果物の納品を求められるわけではありません。委任契約で代表的なものとして弁護士の訴訟などがあげられますが、仮に裁判で勝てなかったからといって、報酬の支払いを拒否することなんてありませんよね。 委任契約で求められるのはあくまでも過程であり、結果ではないというわけですね。もっと身近な例でいうと、Webデザイナーがホームページやデザインの制作を手掛けるときにも、委任契約となるケースが多いです。 なぜなら、ホームページやデザインの制作では「ここまでやったら契約完了」という基準を作りにくいからです。クライアントから求められる契約書の内容を完遂すれば、契約終了となって報酬が支払われます。 一方の請負契約では、成果物を納品してはじめて報酬が支払われます。ちょうどスーパーで商品を買う取引と同じようなイメージで、プログラムやイラストなどの完成品を渡さない限り、契約終了とはなりません。 その意味では、仕事に関してより大きな責任を負うのは請負契約であると言えます。成果物を納品した後に、不具合や契約との相違点などが出てくれば、その場で修正対応を行う必要も出てきます。 業務委託契約時に注意すべきポイントは？ フリーランスにとって業務委託契約は、クライアントから依頼された仕事を終わらせることができるなら、いつ・どこで・どのように働こうと自由です。もちろん自宅で働くことも可能ですし、カフェがレンタルオフィスなどで働くのもOK。早朝に働いてもいいですし、深夜に仕事のピークを持ってきても問題ありません。 もちろん納期は守る必要はありますが、会社員として働くよりも自由な働き方が実現できるのは事実です。知識や技術がある人なら、高いスキルを活かして高単価の契約を結び、会社員のとき以上も収入を稼ぐことも可能になるでしょう。 ただし業務委託契約は比較的短い期間を想定しているケースが多いので、1年3年以上の長いスパンで契約を結べることはあまり期待できないでしょう。その意味では安定して稼ぐことが難しい側面があり、継続的に営業したりクライアントからの紹介を受けたりして仕事を探す努力が求められます。 なお業務委託契約では、一般的にクライアントから「業務委託契約書」が送付されます。特に初めて業務委託契約を結ぶ際には、必ず目を通しておきたいポイントがいくつかあります。 例えば、「報酬の対価となる納品物は何か？」「具体的に明記されているか？」という点です。フリーランスが納品する成果物について、クライアントとフリーランスとの間で認識に違いがあると、最終的にトラブルに発展してしまう可能性があります。事前に説明されていた納品物や報酬額に相違がないかもチェックしておきたいところです。 初めて仕事するクライアントの場合は、そのクライアントも連絡先に関しても確認しておきましょう。もし報酬が支払われなかったり連絡が途絶えたりしてしまった場合に、クライアントの連絡先が分からなければどうしようもありません。以前にその会社が存在しているのか、電話番号が使われているのかなど、不安要素は解消しておくことをおすすめします。 意外と見落とされがちなのですが、交通費の負担や振込手数料の負担など、報酬以外の経費に関する項目も確認しておいてください。もしクライアントのオフィスで打ち合わせをするなどの予定があるなら、交通費はどちらが負担するのかについて明確にしておくのがベストです。 振込手数料についても、クライアント負担なのか、それとも報酬から差し引かれるのかによって、確定申告で使う数字が異なってきます。 フリーランス駆け出しの頃は、契約書の全てに目を通して不自然なところがないかを確認するのは難しいことでしょう。そんなときにはフリーランスの先輩などを頼ってみるのもおすすめです。 テクフリを活用しよう フリーランスになりたてで、クライアントと一対一で契約を結ぶのに不安を感じる人は多いかもしれません。そんなときには、フリーランスとクライアントの間に入ってくれる「エージェント」を活用してみるというのもおすすめです。 エージェントはあなたの代わりに案件を探し、あなたの希望にマッチした仕事を紹介してくれるサービス。techcareer magazineでも、フリーランスエンジニア・クリエイターのための案件情報サイト「テクフリ」を運営しています。 テクフリでは、10年以上の業界経験を活かし、ただのお仕事紹介ではなく『バリューアップ』をコンセプトにした手厚いサポートで、エンジニア一人ひとりをご支援しています。 現在は正社員として働いているが、将来的にフリーランスエンジニアになりたいと考えている方、フリーランスエンジニアから正社員に戻りたいと考えている方、どちらにもエージェントが真摯に対応しています。 もちろん、単に情報収集目的で利用していただいてもOKです。登録は60秒ほどで完了しますので、ぜひテクフリをチェックしてみてください。 テクフリでフリーランス案件を探してみる まとめ フリーランスにとって業務委託契約を結ぶことは、慣れてしまえばどうってことのない雑務でしかありません。とはいえ、最初の頃は戸惑うことも多いでしょう。そんなときにはこの記事の内容を参考にしたり、フリーランスの先輩、エージェントを頼ってみたりして、不安要素を解消できるように努めましょう。

国民健康保険組合について フリーランスエンジニアとして独立した場合、健康保険の加入は重要なテーマの一つです。 なぜなら会社員なら企業が所属する健康保険組合に加入することができますが、フリーランスは何もしなければ加入する健康保険は国民健康保険だけになってしまうからです。 では国民健康保険とはどのような制度なのか、まずはその内容について見ていきましょう。 国民健康保険とは市区町村単位で運営されている日本の医療保険制度です。 テクフリでフリーランス案件を探してみる フリーランスとして独立後に加入する国民健康保険組合とは？ フリーランスとして独立すると、企業が所属する健康保険組合を任意継続していない限りは基本的に加入することになります。 国民健康保険に加入していると病気やケガで病院に通院が必要となった際に自己負担する費用が請求の3割となります。 医療機関から請求される費用のうち約7割を自治体が負担してくれるという特徴があります。 通院の場合の負担は少なくて済むという特徴がありますが、民間の保険会社の保険のようにがんなどの入院に対して保険金が発生するものではありません。 国民健康保険になくて、社会保険にあるもの 社会保険とは企業に雇用されている場合に入ることができる保険を意味しています。 企業によって加入している保険組合は異なりますが、協会けんぽと呼ばれる全国健康保険組合や関東ITソフトウェア健康保険組合など、様々な組合があります。 社会保険に加入していると、病気になった際は傷病手当金を受け取ることができます。 申請するためには医師の診断書や企業側から組合に対する必要書類の申請などが必要となりますが、傷病手当金が認められると療養期間中に収入を基準に計算された手当を受け取ることができます。 そして組合が提携しているレジャー施設や飲食店、スポーツクラブや保養施設などがある場合、そういった施設を割引価格で利用することもできます。 また組合が提携している医療機関では各種健診を割引で受診することができ、さらに健康に関するイベントやセミナーの受講も可能となっている組合もあります。 このような提携施設におる割引や傷病手当金は国民健康保険にはありません。 フリーランスとして独立してからも会社員の頃と同等の保険サービスを受けたい場合は雇用された時に加入していた保険を任意継続する、もしくはフリーランスを対象にした保険への加入を検討することをおすすめします。 文芸美術国民健康保険組合にフリーランスエンジニアは入れるの？ 前述の通り保険組合には様々な種類がありますが多くのフリーランスが加入している保険の一つに文芸美術国民健康保険組合があります。 文芸美術国民健康組合は収入に関わらず保険料が定額のため、所得によっては加入することで国民健康保険よりも保険料を抑えることができる可能性がある保険です。 文芸美術国民健康保険組合への加入条件 加入条件としては日本国内に住んでいて美術もしくは著作活動に従事していること、そして組合加盟の各団体の会員となっていることが求められます。 文芸美術国民健康組合に加盟する団体の一つに日本イラストレーション協会ジャイラがあります。 そして加入資格としてはイラストレーション制作を行う個人事業者・法人に限られることが明記されています。 そのためフリーランスエンジニアとして仮にWeb関連事業などで開業していた場合、基本的には加入を認められないことになります。 しかし兼業で漫画や絵本を制作している、もしくはデザインの仕事もエンジニアと兼務にしている、さらに職業をイラストレーターとして確定申告を提出しているなら加入を認めてもらえる可能性は高くなります。 文芸美術国民健康保険組合は「美術や著作活動」に従事している人を対象としている保険組合です。 このような保険組合が対象とする人について考慮すると、エンジニア専業のフリーランスなら他の保険組合を検討すべきだといえるでしょう。 フリーランス協会に入会するとフリーランスエンジニアにとって何がいいのか？ フリーランス協会はフリーランスエンジニアも加入することができるフリーランス向けの福利厚生や保険が提供されているサービス。 保険組合ではないため一般会員になったところで健康保険をカバーできる内容のサービスが提供されているわけでもありません。 しかしフリーランス協会に加入することは民間の損害保険に加入する手間を省くことができます。 国民健康保険と組み合わせて入会することを前提に考えるならより充実した保険をかけることができるといえるでしょう。 保険としてカバーできる可能性があるのは、失業保険に関係する手当です。 会社員として雇用されている間は、労災保険と雇用保険に加入することになります。 これらの保険に加入していれば失業をした際は失業手当を受け取ることができます。そして業務中の事故で心身に何らかの故障があった際は、労災保険として保険料を受給できる可能性があります。 これらの保険のうち雇用保険に付帯する失業手当については、フリーランス協会に入会して所得補償制度に任意加入することで、ある程度カバーできる可能性があります。 〈フリーランス協会〉所得補償保険＋傷害補償プラン（別途有料）はお得なのか？ フリーランス協会は一般会員になると、フリーランス賠償責任補償が自動付帯されます。そして所得補償制度と傷害補償プランは別途有料で加入することができます。 保険を重視してフリーランス協会に加入するなら任意の保険にも入っておきたいところですが、別途有料となるため慎重に判断すべきところでもあります。 ではここからは、所得補償保険と傷害補償プラン、それぞれに加入するとどのようなメリットがあるのか、内容と共に見ていきましょう。 〈フリーランス協会〉所得補償保険（所得補償プラン） 所得補償保険とは、保険期間中に病気になる、または怪我を負うことで就業不能になり、その期間が7日間を超えた場合に保険金が支払われる保険プラン。 支払われる金額は就業不能期間1か月単位で計算され、1年間を限度として支払いを受けることができます。 1口あたりで補償される保険金の金額は1万円。 年齢と職種によって1口購入するためにかかる費用は異なりますが、35～39歳で事務職や営業などを含む1級とカテゴライズされる職種なら、かかる費用は83円。 加入口数に応じた保険をかけることができます。 保険料の算出方法は基本補償1口あたりの保険料と加入口数を掛け合わせて計算します。そのため加入口数を多くすればより手厚い保険をかけることもできます。 収入に応じた最適な口数を設定できることを考慮すれば、有料プランではあるものの、比較的導入しやすい保険だといえるでしょう。 〈フリーランス協会〉傷害補償プラン 傷害補償プランは、国内または海外で偶然の事故によってケガを負った場合などに保険金の支払いがある制度。 加入しているとフリーランスエンジニアとして打ち合わせに向かう際に、階段から落ちるもしくは交通事故に遭遇するなどのリスクに備えることができます。 月額の保険料は1口1000円～3000円。 加入タイプによって補償される金額は異なりますが死亡・後遺障害、入院、通院、介護のカテゴリに応じて保険金が定められています。 補償される金額は100万円～572.7万円。 フリーランスエンジニアとして交通事故など移動中に事故に巻き込まれるリスクに備えたい場合、比較的リーズナブルに活用できる補償プランでもあります。 参考：プロフェッショナル＆パラレルキャリア フリーランス協会 【まとめ】フリーランス協会は国民健康保険組合と合わせて活用しよう ここまで紹介してきたようにフリーランス協会は一般会員になると、賠償責任保険、所得補償保険、損害補償の三つの保険に加入できるようになります。 任意加入の保険まで含めると多少費用はかかりますが、病気や事故のリスクを考慮すれば保険にかける金額としては決して高いものではありません。 国民保険の加入だけでは備えることができるリスクは限定的です。 フリーランスとして少しでもリスクを減らして活動することを考えるなら、フリーランス協会の所得補償や損害補償などの保険の活用も検討することをおすすめします。 ❇︎参考 文芸美術国民健康保険組合 JAILA：日本イラストレーション協会 プロフェッショナル＆パラレルキャリア フリーランス協会

今フリーランスとして活躍されている方、もしくはこれからフリーランスを目指す方の中には、コロナ禍に関わらず、「仕事がない」ことに対して大きな不安を感じている方も多いのではないでしょうか。フリーランスは案件を獲得することで収入を得るわけですから、フリーランスにとって手持ちの案件があるのと無いのとでは精神的な負担はかなり異なります。では、一体なぜフリーランスが「仕事がない」という状況に陥ってしまうのでしょうか。また、それを避けるためにフリーランスはどのような対策を取ればよいのでしょうか。 今回は、フリーランスとして働く方で仕事がない原因とその対策、案件の探し方などをお伝えしていきます。 テクフリでフリーランス案件を探してみる フリーランスで仕事がない！不安になる人の原因 フリーランスとして独立したとしても、成功するとは限りません。フリーランスとして成功し、長く働く方がいる一方で、しばらく働いてから会社員に戻る方もいるのが現実です。フリーランスを辞めることにした理由の一つに「仕事がないから」というのは多くあげられます。では、どのようなことが原因でフリーランスの「仕事がない」は起きてしまうのでしょうか。さっそく見ていきましょう。 営業活動不足 あなたが、多くのクライアントからひっぱりだこのフリーランスエンジニアでないのであれば、仕事を獲得するために営業活動をする必要があります。仕事がない原因は、営業活動が足りていない点かもしれません。 スキル不足 フリーランスエンジニアの仕事は、その内容によって求められるスキルが明確です。Rubyを用いてサーバーサイド開発をする仕事であれば、Rubyのスキルを持っているエンジニアが選ばれます。 Pythonのスキルを持っていないエンジニアには、Pythonを用いてデータ分析をする仕事は務まりません。仕事がない原因は、スキルが不足している点かもしれません。 実績不足 フリーランスエンジニアの仕事では、経験年数や特定の経験を求められることがしばしばあるでしょう。Rubyのスキルを持っていても、それが1年未満の経験であれば断られてしまう場合があります。 Pythonでサーバーサイドの開発経験を持っていても、Pythonでデータ分析を行う仕事では断られてしまう場合もあるでしょう。「実績」には学習やスクールでの経験が含まれないことが大半で、主に対価としてお金を頂いた経験のことを指します。仕事がない原因は、実績が不足している点かもしれません。 信頼不足 あなたは、単発での仕事が多いでしょうか。それとも、同じクライアントから継続して仕事を依頼されることが多いでしょうか。 一度参画した仕事でパフォーマンスを発揮したり、メンバーと良好な関係を築くことにより、「またあの方に依頼したい。」「また一緒に働きたい。」と思ってもらえれば、継続して仕事を獲得しやすくなります。 クライアントからの信頼が不足していると、新たな仕事依頼につながらないことがあります。 勤怠不良が続く。納期を守らない。成果物の完成度が期待を大幅に下回る。といったことが起きると、信頼度は落ち、継続して仕事を依頼されにくくなってしまいます。 仕事がない原因は、信頼度が不足している点かもしれません。 人脈不足 フリーランスエンジニアには、人脈も重要です。関係のあるフリーランスエンジニアや、企業担当者から直接仕事をもらうこともしばしばあるため、人脈は広いほうが仕事を獲得しやすいです。どんなに高いスキルや誇れる実績を持っていても、人脈が狭いと仕事を獲得しにくくなってしまう場合もあります。仕事がない原因は、人脈が不足している点かもしれません。 仕事がないフリーランスにならないための対策 ここまで、フリーランスエンジニアの「仕事がない」の原因を見てきました。では、どう対策すれば「仕事がない」の原因をつぶせるのでしょうか。その対策方法を6つご紹介いたします。 提案スキルや文章作成スキルを磨く 「営業職でもないのに、提案スキルや文章作成スキルなんて要らないよ…」なんて思っている方、いませんか？フリーランスエンジニアにとって、提案スキルや文章作成スキルはとても重要です。前章でもお伝えしたとおり、あなたが多くのクライアントからひっぱりだこのフリーランスエンジニアでない限り、仕事を獲得するためには営業活動をする必要があります。 そしてそこでより仕事を獲得しやすくするためには、自身の強みや能力を的確に売り込める「提案スキル」とそれを書面上でも明確に伝えられる「文章作成スキル」の向上が必要不可欠です。本を読むこと、ブログなどを書くこと、営業職を経験してみることなどにより磨けるので、さっそく向上させていきましょう。 対策できる原因：営業活動不足 常に最新のトレンドをキャッチアップする エンジニアのあなたにとっては周知の事実かと思いますが、IT業界のトレンドは目まぐるしい速さで変化し続けています。そのため、常に最新のトレンドをキャッチアップできないエンジニアは時代に取り残され、どんどん仕事がなくなっていってしまいます。 変化し続けるIT業界で、フリーランスとして仕事を獲得し続けるには、自分自身も変化し続けなければなりません。今の自分に満足せず、常に向上心を持って学習していきましょう。 対策できる原因：スキル不足 経験をスキルシートやポートフォリオにまとめておく あなたは、スキルシートやポートフォリオはしっかり作成していますか？スキルシートの情報が不足していたり、ポートフォリオが雑だと、自分のスキルや実績を正確に伝えることが出来ません。 逆に、スキルシートやポートフォリオに自分のスキルや実績を丁寧にわかりやすくまとめておくと、大きなアピールとなります。また、ポートフォリオサイトにお問合せフォームを設けておくのもいいでしょう。ポートフォリオサイトがいいものであればあるほどお問い合わせが増えるはずです。今一度、自身のスキルシートやポートフォリオサイトを見直し、スキルや実績を余すことなくアピールできているか確認してみてください。 対策できる原因：営業活動不足・スキル不足・実績不足 案件を選り好みしすぎない とくにまだ実績を積み上げられていない方向けですが、あまり案件は選り好みしすぎないようにしましょう。好きな仕事を好きなだけして生活するために、フリーランスになった。という方は多いと思いますが、そもそも仕事がないのであればそのようなことを行っている場合ではありません。 お金を稼ぎ生活をしていくため、実績を積み上げるため、仕事に困っているうちは、少し納得の行かない条件でも引き受けましょう。かといって、何でもかんでも引き受けているとフリーランスになった意味を見失ってしまうかもしれません。今一度仕事を引き受ける際の条件を見直し、譲れない部分や妥協できる部分を整理してみましょう。 対策できる原因：スキル不足・実績不足 コミュニケーションスキルを磨く フリーランスエンジニアにとって、コミュニケーションスキルはとても大事です。コミュニケーションスキルがあれば、初めて参画する仕事でも円滑にチームワークが取れますし、チームへとけ込むのも早くなります。 同じクライアントから継続して仕事を獲得するためには、その仕事でパフォーマンスすることが最も大切です。しかし、どんなにスキルが高くても「この人とは働きたくない。やりづらい。」と思われてしまうと、継続して仕事を獲得することが難しくなってしまう場合もあります。 継続して仕事を獲得するためにも、コミュニケーションスキルを磨いていきましょう。本を読むだけでなく、ビジネスマッチングサイトなどで実践を積むことも大切です。ビジネスマッチングサイトなどで知り合った方から仕事を獲得するケースもあるため、まさに一石二鳥ですね。 対策できる原因：営業活動不足・信頼不足・人脈不足 SNSを活用する あなたは、SNSアカウントを運用されていますか？近年はSNSを通じて仕事を探す求職者や、SNSを通じて求人を行う企業が増加してきています。SNSは普段の求職者や企業の様子をうかがうのに最適です。また、無料で不特定多数に自身の技術や思考をアピールできるため、リファラル採用などにも活用できると考えられます。 フォロワーが少ないうちはなかなか反応を得ることが難しいとは思いますが、継続することにより徐々にアカウントを育てていくことで企業はもちろん、同業者との繋がりを増やせます。「普段使っているアカウントではとても仕事探しなんて出来ない…！」という方は、ぜひこの機会にビジネス用のアカウントを作成されてみてはいかがでしょうか。 対策できる原因：営業活動不足・信頼不足・人脈不足 フリーランスの仕事がないときの案件の探し方 ここまで、フリーランスの「仕事がない」の原因と対策をお伝えしてきましたが、実際に「仕事がない」状況になってしまった時、不安を取り払うためにどのような方法で仕事を探せばよいのか。お伝えしていきます。 エージェントを活用する 最もオススメなのは、エージェントを活用することです。エージェントを活用することにより、フリーランスの仕事探しをサポートしてもらえます。 とくに、フリーランスのエンジニア・クリエイター限定で仕事情報を提供する「テクフリ」では、担当エージェントが仕事をご紹介するだけでなく、参画後のフォローアップまで一貫してサポートしています。 テクフリでフリーランス案件を探してみる クラウドソーシングサービスを活用する フリーランスの仕事探しのひとつとして、クラウドソーシングサービスが盛り上がっています。 自身で営業活動をする必要があるため、確実に仕事を獲得することは難しいですが、盛り上がっているため仕事の数も多く、仕事を獲得する方法のひとつとしてはかなり優秀であると言えます。 仕事がない時に注意すること 仕事がない時、その不安さから目の前に転がってきたチャンスに飛びついてしまいがちです。しかし、仕事がないときだからこそ、転がってきたチャンスを冷静に判断する必要があります。最後に、仕事がないときだからこそ注意したい点をお伝えしていきます。 単価を妥協しすぎない 仕事がない時、その不安さから単価を妥協しすぎてしまう場合があります。 しかし、単価を妥協しすぎてしまうと以下のようなデメリットが生まれます。 そもそも生活できないレベルの単価であれば仕事を引き受ける意味がない 同じクライアントから継続して仕事を獲得できた場合、継続して低い単価になりがち フリーランスで働く意味がわからなくなってしまう 不安に感じていち早く仕事を獲得したいという気持ちもあるかと思いますが、一度冷静になり、納得できないのであれば単価交渉に臨みましょう。 スキルアップにつながりにくいアルバイトをしない 仕事がない時、とにかく生活をしていくためにアルバイトをはじめる方は多いと思います。しかし、それが自身の今後につながりにくい仕事であれば避けましょう。もし今後もフリーランスエンジニアとして仕事をしていきたいのであれば、「仕事がないフリーランスにならないための対策」でお伝えした6つの対策方法に当てはまるかどうかを考え、アルバイトに望みましょう。 まとめ 仕事がないフリーランスの原因と対策、そして仕事を探す方法とやってはいけないことをお伝えしてきました。 最も効果的と言える方法は、「早めのうちにエージェントに相談しておく」ことです。 今回挙げたような、フリーランスが仕事ないことの原因、その対策を行ってくれるのがフリーランスのエンジニアやクリエイターのためのエージェント「テクフリ」です。 テクフリは以下のような特徴を持ちます。 担当エージェントによる仕事紹介 高福利厚生による参画後サポート オススメ案件をメールにてご紹介 業界最低水準！マージン10％案件 エンド直案件90％以上 仕事がないことに対して不安を感じているフリーランスの方はもちろん、フリーランスに転向したいけど個人で案件を獲得して活動することに不安を持つ方は、ぜひ登録してみてはいかがでしょうか。 テクフリでフリーランス案件を探してみる

Webシステム開発の基本形は、やはり「LAMP環境」です。 もちろん、ベテランエンジニアからすると、いやいや時代の先端は「MEAN環境」だ、とか、次世代言語の登場で「LAMP環境」は消滅、または変容する、という意見もあるかもしれません。しかし、実態として「LAMP環境」で動作しているWebシステムは多くあります。また、今現在、「LAMP環境」で開発進行中の案件もたくさんあります。 さらにいうと、「MEAN環境」を含めて、多くのWebシステム開発環境が「LAMP環境」との比較で語られることが多く、「LAMP環境」が分かっていないと、概念理解にも戸惑うことになりがちです。 という訳で、今回は、Webシステム開発、初心者の方を特に意識して、「LAMP環境」について詳しく解説したいと思います。 テクフリでフリーランス案件を探してみる そもそもWebシステムとは？ LAMP環境とは、簡単に言えば「Webシステムの構成パターン」です。従って、LAMP環境について理解するためには、“Webシステムの仕組み”について知っておかなくてはなりません。 ところで、Webシステムの肝となるWebサーバがWebサーバとして動作するための“構成要素”ってなにがありますか？ 真っ先に思い付くのは基本ソフト、いわゆる、“OS”ではないでしょうか？ OSが入っていないサーバは、ただの鉄の箱でしかありません。OSがインストールされることで、初めてサーバはサーバとして起動することが可能となります。 次に重要なのは、ミドルウェアといわれるアプリケーション群です。サーバがサーバと言われるのは、「クライアント（パソコンやスマホ）からのサービス要求を処理するための仕組みを持っているから」ですが、OSがインストールされただけでは、サーバとしての役割を果たすことができません。なぜなら、素のOSには「クライアント（パソコンやスマホ）からのサービス要求には、こういう風に処理しなさい」という指示が入っていないのです。 では、「クライアント（パソコンやスマホ）からのサービス要求は、こういう風に処理しなさい」という指示はどうやってサーバに実装されているのか？ というと、それがミドルウェアになります。WebサーバであればWebサーバ用のミドルウェアを、DBサーバならばDBサーバ用のミドルウェアをインストールしておく必要があります。 一つ勘違いして欲しくないのは、ミドルウェアは、あくまで仕組みを定義したアプリケーション群であって、Webページやデータ本体は含まれていません。つまり、Webサーバがクライアントに提供する、HTMLなどの“正味のWebページ情報”はミドルウェアに含まれません。ミドルウェアとはまた別に、用意・作成する必要がある、という訳です。 さて、長くなったので、いったんまとめると、Webサーバの構成要素は以下の通りになります。 ①OS（基本ソフト）：これがないと、サーバはただの箱。 ②ミドルウェア： Webサーバの振舞い方を定義しているアプリケーション群。 ③正味のデータ：HTMLなどの形式で作られた、ページ本体。 ここまでは大丈夫でしょうか？ 大丈夫だと信じて、次のステップに進みます。 実は、上記の三つの構成要素を持ったWebサーバを立てただけでは、Webシステム開発としては不十分です。なぜならば、Webサーバだけでは、静的ページと言われる“決まったWebページをクライアントの要求通り配信すること”しかできないためです。 例えば、「買い物かご」や「ユーザーログイン」など必要に応じて画面への出力結果が異なるページ（いわゆる、動的ページ）を持った、Webシステムを作るためには、Webサーバだけでなく、DBサーバも必要になります。DBサーバがユーザーID“XXX”の人のパスワードは“1234”で、その人の買い物かごには、“ミカンが三個”入っている、という情報を管理し、必要に応じてWebサーバに“協力”することで「ログイン成功です」や「ログインできません」と表示できるWebシステムになるのです。 そして、クライアントから送られたデータ、（例えば、ユーザー名とパスワード）をどういう風に処理するのか、DBサーバからもデータを貰って、突き合わせて確認するのか、それとも、送られたデータを検証して、DBサーバに保存してもらうのか、といったロジックを作成するのにプログラミングが必要になります。 つまり、実際のWebシステムの構成要素としては以下となります。 ①OS（基本ソフト）：これがないと、サーバはただの箱。 ②Webサーバ用のミドルウェア：Webサーバの振舞い方を定義しているアプリケーション群。 ③DBサーバ用のミドルウェア：DBサーバの振舞い方を定義しているアプリケーション群。 ④プログラム：クライアントの要求（送られた情報）に応じて、WebサーバとDBサーバ間で協力させて、適切なWebページをクライアントに送れるようにする。 ちなみに、WebサーバとDBサーバは別の筐体・OSである必要はありません。別の筐体にするか、一つのOS上に併存させるかは、資源管理（CPUやメモリなどの筐体性能など）の観点で決めることです。ですので、Webサーバと呼ばれている筐体が、実はDBサーバとしても機能している、ということがよくあります。 LAMP環境とは？ さて、前置きが長くなりましたが、Webシステムの構成要素がわかれば、LAMPについて、ほとんど分かったも同然です。 LAMPとは「Linux」、「Apache」、「MySQL（またはMariaDB）」、「PHP（今ではPerl、Pythonを含めた“P系言語”とも）」の頭文字ですが、それぞれ、OS、Webサーバ用のミドルウェア、DBサーバ用のミドルウェア、プログラミング言語です。 つまり、以下の通り、Webシステムの構成要素として、このあたりのソフトやプログラミング言語を使うと、ベターですよ、というモデルがLAMPという概念であり、そのモデルに従って開発されたWebシステムをLAMP環境と言います。 ①OS（基本ソフト）⇒「Linux」 ②Webサーバ用のミドルウェア⇒「Apache」 ③DBサーバ用のミドルウェア⇒「MySQL」or「MariaDB」 ④プログラム⇒「PHP、Perl、Python」 LAMP環境の構築 メリットとデメリットは？ なぜ、LAMPの普及率が高いかというと、企業からみると単純にコストが安い、という点が挙げられます。 「Linux」、「Apache」、「MySQL（MariaDB）」、「PHP、Perl、Python」はすべてオープンソースです。つまり、ライセンス料がかかりません。定められたルールの下で使っている限り、無料で使えます。さらに、オープンソースで利用者が多いというところから、扱えるエンジニアも多く、人材の確保もしやすいのです。 エンジニアサイドからみても、LAMPがある種のデファクトスタンダードになっているため、様々な現場に経験者として入っていきやすい、抜本的なスキルセットの作り直しが必要にならないなど、LAMPにはメリットが多いです。 逆にLAMPのデメリットとしては、オープンソースであるが故に、サポート体制は安心とはいえない、という点が挙げられます。もちろん、「Linux」を無料の“Ubuntu”ではなく“Red Hat Enterprise Linux”にするなど、有料でサポートを提供している会社に関与させる、といった方法はありますが、限界があります。 他のデメリットとしては、かつてはクラウドサービス側の（オープンソースではなく、クラウドベンダー製のアプリケーションを強要！？）仕様のせいで、クラウドサーバではLAMPが使えない、ということもありました。しかし、現在では業界最大手のMicrosoft Azuruや二番手のAmazon Web Service以下、多くのクラウドサービスでLAMP環境が構築できるようになっています。 まとめ：LAMP環境はWebシステム開発の基本！ クラウドサービスでもLAMP環境が組めるようになっていることをお伝えしましたが、これは、いかにLAMP環境が広く世の中に普及しているのか、わかりやすい証明だと言えるかと思います。 もちろん、LAMP以外のアプローチで開発されているWebシステムも存在するので、LAMPは絶対の存在ではありません。しかし、Webシステム開発の基本形としてLAMP関連の技術は、広く深く習得しておくべきでしょう。 テクフリでフリーランス案件を探してみる

Shell script(シェルスクリプト)の概要 メジャーなものからマイナーなものまで、さまざまなプログラミング言語が世の中にあり、プログラミング言語ごとに歴史や物語があります。 今回は、身近だけど奥が深いShell script(シェルスクリプト)の世界について見ていきたいと思います。そもそも「Shell script(シェルスクリプト)とはなにものか？」という話をしたいと思います。 テクフリでフリーランス案件を探してみる ”shell”とは まずは“Shell script(シェルスクリプト)”の前半部分であるShell（シェル）について考えていきたいと思います。 Shellというのは“基本ソフト（OS）に対して指示を出すためのインターフェイスを提供するソフトウェア”のことです。 この文章だけではピンとこない方も多いと思うので、具体的に言えば、Windowsのcmd.exe（コマンドプロンプト）はまさにシェルです。 cmd.exeを起動して、ipconfigと入力してエンターを押すと、そのコンピューターが持っているIPアドレスなどネットワーク関連の構成情報が出てきます。 このように、cmd.exeなどのシェルには“利用者がOS内部の情報にアクセスするためのインターフェイスとして機能があり”、“利用者のうち込んだコマンドに対する応答機能がある”のです。 ちなみに、Windowsのシェルにはcmd.exeという名前が付いていますが、UnixやLinuxのシェルは単にシェルとしか呼ばれません。 ”script”とは 前半のShellの意味がわかったところで、“Shell script(シェルスクリプト)”の後半部分であるscriptについても確認しましょう。 scriptとはスクリプト言語のことです。 スクリプト言語とはなにかということですが、ざっくり言ってしまうと、「プログラマーにとって取り扱いが簡単なプログラミング言語」の総称です。 スクリプト言語と認められているプログラミング言語には、JavaScriptやVBScriptなど名前にscriptが入っているものだけでなく、PHPやPythonやGo言語などscriptという名前が入っていないものもあります。 さらに言うと、 スクリプト言語の定義は“プログラマーにとって取り扱いが簡単な言語”のことですが、なにをもって、プログラマーにとって扱いやすいとするか、その基準は曖昧だったりします。 では、Shell script(シェルスクリプト)の場合どういうところがプログラマーにとって扱いやすいかというと、記述が比較的簡単かつ、コンパイルの必要性がないため実行も簡単だからです。 ※コンパイルとは、人間がプログラミングしたソースコードを、0と1しかわからない機械でも理解できるように、翻訳することを言います。 つまるところ、Shell script(シェルスクリプト)とはシェルに対して動作する取り扱いが簡単なプログラミング言語ということです。 ところで、みなさん、バッチファイル（.bat）を見たり、使ったことがありますか？ 実は、バッチファイルはWindows版Shell script(シェルスクリプト)なのです。 そのため、本来“Shell script(シェルスクリプト)”はUnixやLinuxなどのシェル向けに書かれたもののことを言うのですが、同じ役割を持つWindowsのcmd.exe向けに書かれたバッチファイルのことを含めて“Shell script(シェルスクリプト)”と呼ぶ人もいます。 Shell script(シェルスクリプト)は記述が比較的容易とお伝えしましたが、実はShell script（バッチファイル）のコードというのは、ipconfigのような、Shellに打ち込むコマンドで構成されています。 Shell script(シェルスクリプト)の歴史《黎明期》 ここから、いよいよShell script(シェルスクリプト)の歴史について、見ていきたいと思います。 まず理解していただきたいのは、Shell script(シェルスクリプト)の歴史はShellの歴史と紐づいており、それはつまるところOSの歴史でもあるのです。 そもそも、“シェル”はUNIXの前身にあたるOSであるMulticsで登場したものであり、Multicsのシェルにもシェルスクリプトの概念があったようですが、Multics自体が商業的には大失敗に終わったため、シェルスクリプトが一般的になったのはMulticsの後進であるUnix登場以降です。 世界初のUnixシェル“Thompson Shell”が1971年に登場しますが、すでにこのシェルはシェルスクリプトに対応しており、実際に“Thompson Shell”向けにシェルスクリプトが書かれていたようです。 ただし、この最初のUNIXシェルはMulticsのシェルの延長線上にあり、スクリプトの本格的な利用には向いていないという批判が沸き起こり、1975年には改良型の“PWB Shell”（“Mashey Shell”とも）が登場しています。 Shell script(シェルスクリプト)の歴史《成長期》 “PWB Shell”は“Thompson Shell”の改良版ですが、互換性を維持するために限定的な改良であり、依然として扱いにくさが残る状況でした。 そこで1979年に登場したUNIX Version 7 に搭載されたのが、根本的に設計を見直し、シェルスクリプトの利用性が格段に向上した“Bourne Shell”です。 この当時、シェルスクリプト以外のプログラミング言語といえば、C言語などコンパイルが必要な言語など、手軽に使える言語がないこともあり、シェルスクリプトの利用が劇的に広がりました。 1985年には時代のニーズに応える形で『UNIXプログラミング環境』という、シェルスクリプトに言及した初の商業書籍も出版されています。 ちなみに“Bourne Shell”は2000年以降においても、Unix・Linuxシェルのデファクトスタンダードとなっています。 このようにUnix・Linuxシェルの完成に伴い、シェルスクリプトの利用が広がったわけですが、同時にシェルスクリプトの問題点も浮き彫りになってきました。 具体的には以下の二つです。 ①シェルスクリプトは結局のところ、“シェルのコマンド集”であり、複雑な処理には対応できない。 ②“PWB Shell”用に書かれたシェルスクリプトは“Bourne Shell”では動かないなど、互換性の問題がある。 その問題点の解決策とし1987年に開発されたのが、プログラミング言語Perlです。 PerlはC言語のようにコンパイルする必要はないけれど、コマンド集であるシェルスクリプトより簡単に高度なことができるうえに、シェルの互換性だけでなく、LinuxだとかWindowsだといったOSの違いすら意識しなくて良いのです。 結果、Perlが大人気になりましたが、それはまた別の話なので、ここではこれ以上触れません。 Windows版Shell script（シェルスクリプト）、バッチファイル ついでなので、Windows版シェルスクリプトである、バッチファイルの互換性問題についても言及しておきましょう。 MicrosoftのOSは1981年登場のMS-DOSに始まり、WindowsやIBMと共同開発していたOS/２へと派生していきますが、いずれのOSにおいてもバッチファイルが利用できます。 ただし、上ではWindowsのシェルはcmd.exeと書きましたが、正確に言えば“Windows2000やWindowsXPから始まり現行のWindows10にも連なるWindowsNT系のシェルは”であり、MS-DOSやOS/２、Windows98やWindowsMeなどいわゆるWindows9x系OSのシェルはcommand.comです。 WindowsNT系とWindows9x系ではカーネルと呼ばれる、OSのコアとなる部分が大きく異なるため、シェルも変更になったようです。 一応、Microsoftではcmd.exeに対してcommand.comへの下位互換を付与しているとうたっているため、command.com用のバッチファイルも動作するようですが、あまり期待しない方が良いと思います。 少なくとも、私はお客様のユーザー部門に「バックアップ作成用にずっと使っているバッチが急に動かなくなったから見てくれ」と頼まれて確認したところ、Windows98時代に作られたバッチファイル（command.com用バッチファイル）をWindows8上で動かそうとしており、「それは無理ですよ」と説明したところ、WindowsXPやWindows７では動いたのに、とがっかりされた記憶があります。 Shell script(シェルスクリプト)の歴史《現在》 昨今の状況として、その性質上、あまり高度なことができるわけではないため、案件にて“システム開発言語”としてShell script(シェルスクリプト)が採用されることはまずありません。 しかし、ちょっとしたことに手軽に使えるプログラミング言語として、もっと言うとプログラマーの三大美徳「怠惰（Laziness）、短気（Impatience）、 傲慢（Hubris）」を満たすためのツールとしてよく使われています。 例えば、logファイルなどを特定のファイルをフォルダーに集めてバックアップしたいだとか、パソコンのIPアドレスの設定をクリック一つで決めた値にできるようにしたいだとか、そういった“システムというには大げさだけど、あると便利な仕掛け”を作るのによく使われています。 まとめ：Shell script(シェルスクリプト)現場で重宝される 今回はShell script(シェルスクリプト)についてみていきました。 定常作業などは「Shell script(シェルスクリプト)やバッチファイル一つで、楽になる」ということも多いので、アプリ系（フロントエンド）エンジニアであっても、インフラ系（サーバエンド）エンジニアであってもShell script(シェルスクリプト)ができると、結構、現場で重宝されます。 案件がないので、一最初に覚えるプログラミング言語としてはまったくお勧めしませんが、ある程度扱えるようになっておくと、なにかと役立つプログラミング言語です。 テクフリでフリーランス案件を探してみる

「○○エンジニア」「○○プログラマー」という名前がたくさんあって、どれを選んだらいいのかわからない。または自分がどの職種に当てはまるのかピンとこないという方は多いでしょう。分業化が進むIT業界では、仕事内容や役割ごとに細かくエンジニアの職種名が分かれているため、転職先探しにも苦労するはず。 そこで、この記事では「クライアントエンジニア」または「クライアントプログラマー」と呼ばれる技術者たちが、どんな仕事をしていて、どんなスキルを必要としているのかを深掘りしていきます。 テクフリでフリーランス案件を探してみる クライアントエンジニアとは クライアントエンジニアは、主にスマホ向けゲームアプリに携わり、UI・UX、開発支援ツールの開発などを手がける職種です。スマホゲームの開発全般に携わることが多く、いわばゲームアプリエンジニアと呼ぶこともできるでしょう。 iOS・Androidを問わず、昨今では毎日のように新たなゲームアプリが配信されています。その開発の基幹業務に携わるだけあって、需要は急速な高まりを見せていることが特徴。特にUnityの知識・スキルがあるエンジニアは重宝される傾向にあり、都内のIT企業を中心に多数の求人広告であふれています。 いわゆる「ソーシャルゲーム」を手がけることが大半で、勤務先はIT企業に限られます。UnityやC#言語のスキルはもちろん、ゲームというクリエイティブ作品をつくるための創造性も求められる仕事です。 ネイティブアプリに携わることがほとんどのため、ダウンロード数や課金額といった数字でフィードバックが得られやすいことから、業務の中でやりがいを感じるシーンは少なくないと考えられます。ただし、中にはコストカット重視の方針から、作業負担が多くなったり残業が長くなったりしてしまうことも予想できますので、職場選びには注意を必要としそうです。 具体的な業務内容 クライアントエンジニアの仕事内容は、ソーシャルゲームを中心とするスマホゲームアプリの開発です。プログラミングやコーディングに携わるだけでなく、基本設計や企画段階から手がけることもしばしば。 中には据え置き型ゲームの開発に携わってきたゲーム会社が、市場規模を見込んでスマホゲームの分野に進出するという例も少なくありません。そのような現場では、アプリの企画・設計に関するノウハウはあっても、開発・配信については明るくないというところもあるため、専門技術と知識を備えたクライアントエンジニアは非常に重宝されます。 クライアントエンジニアの仕事は、アプリの開発だけにとどまりません。リリース後の運営・保守業務もその一部ですし、ユーザーからの要望やゲームバランスを考慮し、適宜調整を施していく作業も含まれます。 新たなアプリを開発するだけでなく、既存のアプリのチューニングも担当する可能性があるということです。こちらに分類される業務の場合は、アプリの配信開始やダウンロード数の伸びといった直接的なフィードバックがないことから、モチベーションを保ちづらいという側面も考えられます。 必要な技術/資格/言語 クライアントエンジニアに必要とされるのは、ゲーム開発に必要とされるスキルとほぼ同様です。遊び心を忘れず、ユーザーの立場になって、誰でも長く楽しめるゲームをつくることが、クライアントエンジニアの基本的な素質です。 また、Unityなどのツールを用いた開発経験は、どんな会社に転職するのであっても必須とされます。もしUnityに触れたことがないけどクライアントエンジニアを目指したいという場合には、独学でツールの扱い方に慣れるなどの対策を必要とします。 プログラミング言語で言えば、Objective-C、Javaのスキルが多用される職種です。さらにUIも担当する部署であれば、uGUIやNGUIの実装経験もあると採用されやすくなるでしょう。近年ではLive2Dを用いた立体的なアニメーションを加味するタイトルも多くなっているため、この分野に詳しい人も市場価値が高い人材と言えます。 クライアントエンジニアになるために必要な資格は特にありませんが、日頃からゲームアプリに親しんでいる人だと、経験不足や実績不足の場合にもアピールポイントになりやすいと言えます。多数のゲーム作品に触れた人であれば、そのバックグラウンドを生かして業務への貢献度も高くなると考えられるからです。 学ぶべきスキル クライアントエンジニアを目指すのであれば、まずはObjective-C、Javaのプログラミング言語をマスターしましょう。いずれもスマホアプリ開発に必須の知識ですので、この分野を目指したいと考えるのであればまず習得しておきたい言語です。 さらにスマホゲーム開発を主眼に置くのであれば、Unityの扱い方も一通りマスターしておきたいところです。独学でオリジナルゲームをつくるという方法も考えられますし、オンライン講座や書籍を利用するという手もあります。 さらにLive2Dを用いた開発や、uGUI・NGUIなどを用いたUI実装の経験も評価されやすい職種ですので、余裕があればこれらに手を出してみることもおすすめです。 また、学ぶというより触れるべき事柄として、スマホ向けに配信されているゲームアプリの人気タイトルを一通りインストールしてみることもおすすめです。無料ランキングや課金ランキング上位のアプリに触れててみて、売れるゲームアプリや人気を誇っているタイトルの傾向を知ることは、今後のキャリアを考えれば決して無駄にはなりません。 予想される年収水準 クライアントエンジニアを中途採用で調べると、経験者募集で年収300〜500万円程度が、平均的な年収水準となりそうです。3年、5年と経験を積めば、これ以上の報酬を手にすることは可能でしょう。 ただし、身につけるために何年もの経験を必要とするような専門性の高い職種とは言えないため、1000万円に到達するにはそれ相応のスキルを習得する必要があります。具体的には、開発スキルに加えてチームをマネジメントする実績や、後進を指導した経験などです。 プロジェクトマネジメントや人材教育にも携わることができるクライアントエンジニアなら、単なる開発スタッフよりも高水準の待遇が用意されていることは間違いありません。そうしたヒューマンスキルも携えてIT企業の門戸を叩くことで、やりがいと待遇を一挙に手に入れることができる可能性もあります。 活躍できる業界 ほかのエンジニア系職種とは異なり、クライアントエンジニアの活躍の場は限られています。主にゲームの制作会社・アプリ開発会社が就職先となるでしょう。ゲームアプリ開発に特化しした職種であることから、IT業界以外の領域では活躍しづらいという特徴があります。 ただ、いったんIT業界に身を置けば、その後は一つの会社に勤め上げたり、協力会社やクライアントの紹介で同系統の会社へ転職したりすることは容易と考えられます。 チームで仕事をすることが多いだけにフリーランスの中には少ない職種と言えますが、この先長く活躍できる将来性に魅力が隠されたポジションです。 まとめ クライアントエンジニアは、主にスマホ向けゲームアプリの開発に携わるエンジニアです。求人の数が豊富で需要が多いため、転職先には困ることがないでしょう。 ただし、ゲーム開発にとどまらずマネジメントの経験を積んだり、教育担当を務めたりといった付加価値を提供できないと、いつまでも低水準の年収しか得られないことになりますので、スキルアップを欠かさないようにしましょう。 テクフリでフリーランス案件を探してみる

IT業界には「○○エンジニア」という名前の職種が数多く存在し、それぞれが微妙に異なる分野を担当して仕事に取り組んでいます。各分野の専門家として活躍しているエンジニアも多くいますが、初心者からするとエンジニアの職種名と仕事内容が一致せず、ピンと来ないこともあるかもしれません。 そこで今回は、エンジニア系職種の中でも「汎用機系エンジニア」と呼ばれる職種について詳しく見ていきます。 テクフリでフリーランス案件を探してみる 汎用機系エンジニアとは 職種名にもなっている「汎用機」とは、IT業界における「汎用系コンピュータ」のことをさします。汎用系コンピュータというのは、大企業や官公庁などで使われる、大型で高性能なコンピュータのこと。映画やドラマでよく登場するような、四角くて黒い大きなコンピュータが何台も並んでいるシーンを想像するとわかりやすいかもしれません。 汎用機はマルチタスク処理が得意で処理能力も段違いのため、大量のデータ処理を行うのに向いています。金融業界や流通業界をはじめ、さまざまな業界の大手企業で導入され、日々膨大なデータ処理を行っています。 IBMや富士通、日立製作所などのメーカーが汎用機の制作を行っていますが、私たちが普段使っているPCとは異なり、内部設計もハードウェアも、OSも含めてメーカー独自のものを利用しているという特徴があります。 WindowsPCであれば、たとえメーカーが違っても基本的な操作は同じで、画面の大きさやキーボードの配置が違うだけ…というのが私たちがパソコンに対して抱いているイメージだと思います。 しかし汎用機の場合、Windowsのように統一されたOSを用いているわけではないため、汎用機を扱う際には特殊な知識や技能を必要とします。 また、汎用機は私たちが普段使っているPCと比べて、販売価格や維持コストも段違いという特徴もあります。導入費用やランニングコストの高さから、なかなか中小企業で導入するというのは難しく、ほとんどが大企業で用いられています。 そんな汎用機上で動作するシステム開発を行うのが、汎用機系エンジニアの役割です。COBOLを始めとする開発言語を用いて、専門知識と技術を活かした開発を行うのが特徴です。 クライアントになるのが各業界を代表するような大手企業ばかりですので、エンジニアに対する責任が大きく、求められる技量も高まります。個人情報を扱うことも珍しくありませんし、自治体や省庁で使われたりすることから、社会的な意義も大きいポジションです。 大企業の内部で意味ある仕事に携われるという意味では、エンジニア系職種の中でもやりがいはトップクラス。自分の技術をフル活用して、社会に貢献したいと考える人に向く仕事といえます。 ただし、技術の進歩によってコンピュータの小型化・高性能化が進んでおり、大型コンピュータではなくパーソナルコンピュータ（PC）が用いられるシーンも珍しくなくなっています。汎用機が完全に姿を消すことは考えにくいですが、今後需要が減る可能性があることは考慮しておかないといけません。 気になる年収は 汎用機系エンジニアの年収は、20代で約500万円、30代で約550万円、40代で約600万円弐達するというデータがあります。汎用機系エンジニアとして活躍するには欠かせないのがCOBOLという言語ですが、COBOLを習得する若い人材はそれほど多くありません。 したがって、COBOLの開発経験を持っているというだけで、企業から重宝され好条件を提示されるということもあるようです。汎用機系エンジニアの数は減少傾向にありますが、企業からの求人は横ばいを続けています。 今後高齢化した汎用機系エンジニアが退職して、人材が不足することになればこれ以上の年収を得ることも可能になるでしょう。汎用機系エンジニアとしての技術は長く通用するスキルでもあるため、安定して稼ぎ続けられることも魅力です。 また、汎用機系エンジニアは開発を請け負う企業の業務内容を深く理解することが求められます。経験を重ねれば重ねるほど業界についての知識が蓄積され、クライアント企業の事業を理解するスピードも向上していくはずです。 したがって、汎用機系エンジニアの場合は若手よりもベテランのほうが転職では有利とされます。年を取ってもエンジニアとして活躍し続けられるというのは、長く安定して働きたいと考える人には大きなメリットとなるでしょう。 テクフリでフリーランス案件を探してみる 必要な技術/資格 汎用機系エンジニアとして活躍するために不可欠なスキルとして、まずは開発言語であるCOBOL・Java・FORTANをマスターする必要があります。また、汎用機はメーカーによってハードウェアもOSも異なってきますので、メーカーごとの汎用機の特徴や長所・短所を踏まえて開発を行うスキルも求められます。 1つのメーカーの汎用機で開発経験があっても、次のプロジェクトでは別のメーカーの汎用機を扱うとなった場合、またそのメーカーについての勉強から入る必要があります。それぞれの開発環境に応じて、柔軟性ある開発を行うスキルがなければ、市場で評価されるエンジニアになることは難しいでしょう。 なお、「これがなければいけない！」という資格はありませんが、経験がものをいう職種のため、経験年数が長ければ長いほど評価されます。ですので、これから汎用機系エンジニアを目指したいと考えているなら、開発言語の習得に力を入れることももちろん大切ですが、少しでも早く実務経験を積むことをおすすめします。 将来性は？ 汎用機系エンジニアが扱う汎用機は、PCが普及し始めた数十年前から「もうすぐ需要がなくなる」といわれてきた存在です。「もうすぐ不要とされるだろう」と予想されていましたが、今なお現役で動き続けています。 オープン系が主流となっている現在において、汎用機系のエンジニアの需要は減少しつつあります。しかし、それ以上のスピードで汎用機系エンジニアの供給が減少しているのも事実です。 全体として市場は縮小傾向にあるものの、やや供給が少なくバランスが取れていない状況となっているわけですね。ということは、今から汎用機系エンジニアを目指して勉強すれば、職場は選び放題となる可能性も十分あります。 また、長く使われてきた汎用機には、高い堅牢性と信頼性が備わっているため、今後完全に世の中から消失するというのは考えにくいです。今からキャリアを積んでおけば、長く安定して稼ぎ続けることもできるでしょう。 汎用機系エンジニアは普段の業務を通じて、大手企業の業務を理解し、クライアントとのコミュニケーションを重ねる機会があります。その経験はコンサルタントとして独立する際に役立ちますので、将来はITコンサルに携わりたいと考えている人が最初のキャリアとして選ぶ職種としては、高い将来性が期待できるといえるでしょう。 まとめ：市場は縮小傾向 汎用機系エンジニアは、主に大手企業で使われている大型コンピュータにおけるシステム開発を行う職種です。クライアントに大企業が多く、官公庁とも多く取引を行うためやりがいがはっきりと感じられる仕事でもあります。 その一方で、汎用機系エンジニアが活躍できる市場は縮小傾向にあり、もしかすると近い将来に汎用機が消滅し、汎用機系エンジニアの需要も消失してしまうかもしれません。もし汎用機系エンジニアとしてのキャリアを積みたいと考えるなら、今すぐに行動を起こすことが賢明といえます。 テクフリでフリーランス案件を探してみる

序文：人工知能の研究と共にLISP(リスプ)も進化 今回はLISP(リスプ)というプログラミング言語に関して歴史を交えて、ご紹介します。LISP(リスプ)は1958年にジョン・マッカーシー氏によって考案された高級言語の一種です。当時は低水準言語であるアセンブリ言語が開発として中心的に使われており、高級言語はメインとして使われてはいませんでした。LISP(リスプ)は高級言語としてFORTRANに続いて2番目に出てきたプログラミング言語です。 このLISP(リスプ)はFORTRANと似て計算処理を得意としたプログラミング言語で、計算機科学などの計算処理が重い分野で主に使われることになります。また、計算処理を得意としているので、人工知能などの先進的な分野でも使われるプログラミング言語となります。 LISP(リスプ)の考案者であるジョン・マッカーシー氏はアメリカ合衆国で活躍した計算機科学および認知科学の分野で活躍した科学者です。実は人工知能研究の第一人者であり、人工知能（Artificial Intelligence）という言葉を1956年のダートマス会議で初めて提唱した方です。 ジョン・マッカーシー氏はカルフォルニア工科大学で数学の学士号を取り、その後はプリンストン大学へ入学し、数学のPh.Dを取得しました。その後にダートマス大学の助教授になり、マサチューセッツ工科大学に移り、その後にスタンフォード大学で教授になりました。 その後は人工知能の研究を主に続け、その研究にはLISP(リスプ)が用いられていました。そうして、人工知能の研究と共にLISP(リスプ)も進化していきました。 LISP(リスプ)の特徴として計算処理を得意としたプログラミング言語と述べましたが、他には型を定義しなくても良い動型言語である・コンパイルなしで実行ができるという特徴があります。 テクフリでフリーランス案件を探してみる LISP（リスプ）の誕生：数学におけるラムダ計算をするためのプログラミング言語 LISP(リスプ)は1958年にジョン・マッカーシー氏によって考案されました。LISP(リスプ)が考案された目的は数学におけるラムダ計算をするためのプログラミング言語を開発するためでした。 その後に実際に開発が進み、1960年にLISP(リスプ)内で様々な方言が生まれました。方言がたくさん生まれるということは多くの開発者にLISP(リスプ)が支持されているということになります。しかし、当時のLISP(リスプ)は言語に関する仕様が数多くあり、汎用性が失われてしまうので、一度書いたプログラムがコンピューターによっては実行できないというリスクがあります。そこで、LISP(リスプ)を標準化するための動きが出始めます。 まず1975年にLISP(リスプ)の方言であるSchemeが出ます。マサチューセッツ工科大学のAIラボにてジェラルド・ジェイ・サスマン氏とガイ・スティール・ジュニア氏によって設計がなされました。このSchemeは静的スコープであることが大きな特徴となっています。 また、もう一つのLISP(リスプ)の方言としてCommon LISP(リスプ)が1984年、1994年にANSIによって標準化されました。1994年の標準化では、「ANSI X3.226-1994 American National Standard for Programming Language Common LISPCommon LISP」というCommon LISPの標準仕様が出版されました。 ただ、1984年の標準化に比べて、1994年ではその他のプログラミング言語が台頭したこともあり、LISP(リスプ)はあまり使われなくなってしまいました。 ▼ LISP（リスプ）の特徴 Common LISP(リスプ)は提案された機能は原則すべて盛り込むといった方針なので、多機能であることが大きな特徴となっています。Schemeは逆に本来のLISP(リスプ)の機能を元にしているので、シンプルさが特徴となっています。 そして、実際に開発に用いるとなった場合に、手軽に開発がしやすいのがScheme、様々な機能を元に実装をしたい場合はCommon LISPといった使い分けがなされています。 LISP(リスプ)2大方言であるCommon LISPとSchemeは現在でもメインで使用される方言です。これら2つの標準化された方言を軸として、LISP(リスプ)は発展をしていきます。 LISP（リスプ）の黎明期：一部の開発者から支持される 1980年代以降はCommon LISPとSchemeが標準化としてLISP(リスプ)内の主流な方言となっていましたが、同時に数多くの方言が登場しました。LISP(リスプ)は1980年代以降、他のプログラミング言語の台頭があり、あまり使われなくなってきましたが、2000年代や2010年代に入っても新しい方言が登場しています。 それだけ一部の開発者からは支持されているプログラミング言語であり、実際に方言が開発されています。実際にCommon LISPとScheme以外の方言だと1994年に登場したRacketや2007年に登場したClojureが有名です。 RacketはLISPの方言であるSchemeから派生して登場した方言です。Webアプリケーション開発や統計解析、データベースなどのライブラリも豊富にあり、現在もバージョンアップを続けている方言です。 また、Clojureは関数型プログラミング言語であり、マルチパラダイムプログラミング言語であることが大きな特徴です。インタラクティブな開発がしやすく、マルチスレッドプログラミングを支援する方言です。また、Webアプリケーションを開発する場合の開発速度が早く、早めの開発を要しており資金力がない企業にも採用されている方言です。 これはClojureで開発した場合に、他のプログラミング言語に比べてコードが短くなるという特徴があり、開発速度が早くなります。大規模開発には向いていませんが、小規模のプログラムを開発するときには向いているプログラミング言語です。 このように2000年代に入っても新たな方言が出てきており、LISP(リスプ)としての進化は止まりません。 LISP（リスプ）の成長期：2000年半ばに人工知能の第3次ブームで注目 LISP(リスプ)の成長期についてです。2000年半ばに人工知能の第3次ブームとしてディープラーニングという技術が話題になりました。これを機に人工知能が注目され、人工知能開発に使うことが出来るLISP(リスプ)も同時に注目を浴びました。 LISP(リスプ)の特徴として実行と定義の区別がなく、また関数とデータの区別がありません。プログラムの実行時には新たな関数を作り出し、そしてそれを保存することができます。 これは人工知能のディープラーニングによって自らプログラムを拡張していくという性質と似ており、人工知能と相性が良いプログラミング言語としてLISP(リスプ)が取り上げられています。 このように、LISP(リスプ)は人工知能のブームと共に取り上げられるようになり、成長を遂げました。 LISP（リスプ）の現在：人工知能分野で今後も注目 LISP(リスプ)は現在、AIの開発を中心に使用されています。そして、そのAI開発の現場ではシンプルさが売りのSchemeよりも、多機能さがウリのCommon LISP(リスプ)がメインに使用されています。 最近ではトレンドとして、関数型プログラミング言語が取り上げられています。LISP(リスプ)も関数型プログラミング言語として有名なプログラミング言語であり、人工知能分野で使われているプログラミング言語であるので、今後も注目され続けることは間違いないでしょう。 まとめ：LISP（リスプ）は今後も注目され続ける プログラム言語の歴史 ＜LISP(リスプ)編＞というテーマで今回はお伝えしました。いかがだったでしょうか？ 今回お伝えしたかったことは以下のとおりです。 LISP(リスプ)は1958年にジョン・マッカーシー氏によって考案された高級言語の一種LISP(リスプ)は計算機科学などの計算処理が重い分野で主に使われ、人工知能開発にも使われているLISP(リスプ)は関数型プログラミング言語として有名なプログラミング言語であり、人工知能分野で使われているプログラミング言語であるので、今後も注目され続ける LISP(リスプ)はそこまで有名なプログラミング言語ではないので、馴染みが無いと思いますが、人工知能開発などで注目されているプログラミング言語の一つです。是非LISP(リスプ)に触れて、LISP(リスプ)の凄さを体感してみてください。 今だけ！登録で最大1,500円相当もらえるお仕事探しサービス「テクスカ」 「テクスカ」は、報酬をもらいながらお仕事探しができる新体験のスカウトサービスです。 【テクスカの4つの特徴】 1.面談するだけで、3,500円相当のAmazonギフトカードを獲得できます 2.優秀な貴方に仲間になってほしいと真に願うとっておきのスカウトが企業から届きます 3.貴方の経歴・スキルを見て正社員のオファーだけでなく副業オファーも届きます 4.転職意欲がなくとも自分のスキルが通用するか各社のCTOに評価してもらうチャンスがあります 忙しさのあまり、企業との新たな出会いを逃している… スパムのように届くスカウトメールにうんざりしている… 自分の市場価値がわからない… 社外の人からの評価が気になる… 副業の仕事が見つからない… そんなあなたにおすすめです！ テクフリでフリーランス案件を探してみる

AIにおけるアノテーションの意味とは アノテーション（annotation）という言葉は本来、「注釈」という意味で使用されます。一方でAI・機械学習の分野におけるアノテーションとは、分析に使用するデータにタグ付けを行う工程のことを指します。 例えば、画像に写っている物体に対して「犬」「猫」といったタグ付けをすることで初めて、AIはそれが犬や猫であることを学習します。AIはタグ付けされたデータ（教師データ）を大量に学習することによって、新たな画像を入力として与えた時に犬と猫を正しく判別できるのです。精度の高いAIモデルを構築するには、膨大な量の教師データが必要となります。したがって、アノテーションはAIの精度を向上させるために重要なプロセスと言えるでしょう。 AI（人工知能）にできることについては、こちらの記事で詳しく解説しています。 AI（人工知能）にできること・できないことは？活用事例もあわせて解説します アノテーションの必要性 AIシステムを構築するにあたってアノテーションは欠かせない工程とお伝えしましたが、以下の2つの観点から、アノテーションの必要性についてさらに詳しく解説していきます。 AIモデルの精度を向上させる 効率化によるコストを削減する AIモデルの精度を向上させる 先述の通り、アノテーションはAIモデルの精度の向上において非常に重要な工程です。適切なアノテーションが実施された教師データを用いることによって、AIモデルは入力されたデータを正しく識別・予測することができます。例えば医療画像の診断において軽微な異常を認識する精度が向上すれば、病気を早期発見して適切な治療ができるでしょう。 医療分野における例をご紹介しましたが、近年ではビッグデータと呼ばれる膨大なデータの活用が様々な分野において注目されています。得られたデータをそのまま使用するのではなく正しい前処理を行うことによって、データ活用の幅はさらに広がっていくでしょう。ビッグデータと機械学習への活用が期待されているからこそ、適切なタグ付けを行うアノテーションの重要性が注目されているのです。 効率化によりコストを削減する 適切なアノテーションによって学習を行ったAIモデルは、人間が行う作業を代行して効率化することに役立てられます。顧客からの問い合わせに対応するチャットボットや、テキストの分類、画像の識別などAIの活用は多岐に渡っています。AIの導入によってリソースを削減できれば、人的コストを大幅に削減することも可能です。 また、エラー発生率の低下や作業時間の短縮が実現すれば、提供するサービスの品質向上にもつながるでしょう。アノテーションによるAIの精度向上はコスト削減のみならず、ユーザーの満足度向上にも寄与します。 アノテーションの種類 アノテーションは、対象となるデータによっていくつかの種類に分けられます。本記事では以下の3つについて詳しく解説します。 画像・動画のアノテーション 音声のアノテーション テキストのアノテーション 画像・動画のアノテーション 画像や動画データに対してアノテーションすることで、AIによる物体検出、領域抽出、画像分類といったタスクが可能となります。物体検出は画像内にある物体の位置を特定する技術で、交通監視システムで車や歩行者を検出する場合などに使われます。領域抽出は物体検出に似ていますが、より詳細な形状や境界を抽出するのが特徴です。医療画像における腫瘍領域を特定するといった活用もされています。画像分類は、画像全体が何を表しているかを識別するタスクです。1枚の画像を見て、それが犬の画像なのか猫の画像なのかを分類することができます。 画像や動画のアノテーションは近年、自動運転技術の開発や顔認証システムの精度向上において特に重要な役割を担っています。自動運転の開発においては周囲の車両や歩行者に加えて交通信号などを正確に識別する必要があり、そのための高品質なアノテーションが求められます。顔認証システムにおいては、個人の特徴を正確に捉えるためのアノテーションが不可欠です。 音声のアノテーション 音声のアノテーションは、音声データにラベルを付けてテキスト化するのが一般的です。これにより、音声認識システムが会話や指示を理解できるようになります。例えば、音声アシスタントがユーザーの質問に答えるためには、多様な発言パターンを理解する必要があります。発話の感情や抑揚、話者の性別や年齢層などの情報をアノテーションに含めることで、より高度な認識が可能となるのです。 例えば怒っている声と楽しそうな声を区別できれば、その情報をもとに反応を変化させることもでき、AIモデルはより人間らしい対応ができるでしょう。音声アシスタントがユーザーの質問に適切に答えられるのも、背後にあるアノテーションの賜物だということです。音声アノテーションの精度が向上すれば、音声によって操作できるスマートデバイスや自動応答システムなど、身近なツールの利便性がさらに高まるでしょう。 アノテーションの実施方法 アノテーション作業は従来、人間の手によって行われてきました。しかし大量のデータにアノテーションを実施する場合には、膨大な時間が必要となるだけでなく、個人によるバイアスが入ってしまうという課題があります。アノテーションに主観が入ってしまうと、AIモデルの精度に影響を及ぼす恐れもあります。このような課題を解決するために、近年ではアノテーション作業の自動化や代行サービスなど、効率化をサポートする仕組みもあります。それぞれの特性を理解した上で、データの種類やプロジェクトの規模などに応じて最適な方法でアノテーションを実施することができます。ここでは代行サービスと自動化ツールによるアノテーションの実施方法について、詳しくご紹介します。 代行サービスによるアノテーション アノテーションを専門の代行サービスに依頼する方法があります。先述の通り、アノテーションを全て自社の人間の手作業で行うには、かなりの人的コストと充分な作業環境が必要となります。そこでアノテーションの一部または全てを外部の専門企業に委託する、クラウドソーシングの利用も注目されています。専門性・実績のある企業に依頼すれば、社内リソースを割かずに品質の高さも担保できるでしょう。 大規模なデータセットを扱うプロジェクトや、専門性の高い分野におけるアノテーションが必要な場合は特に有効な手段です。一方で、金銭的なコストがかかることや外部委託に伴うセキュリティリスクの管理には注意しましょう。 自動化ツールによるアノテーション アノテーションの作業の一部を自動化するツールも登場しています。機械学習モデルを用いてデータを自動的にアノテーションすることが可能で、大量のデータを迅速かつ効率的に処理できる点が大きな魅力です。また、一部の作業を自動化することで開発者はより複雑なタスクに集中できるようになります。 しかし完全な自動化はまだ困難とされており、精度の確認や修正のために人間の介入が必要な場合もあります。AIの性能が今後さらに向上すれば、自動化の比率は高くなっていくでしょう。自動化ツールは比較的単純なアノテーションや、データ活用の初期段階における処理に適しています。現時点では人手と自動化ツールの組み合わせが、最も効率的なアノテーションに適しているかもしれません。 まとめ AI、機械学習開発において、アノテーションは非常に重要なプロセスであるということがお分かりいただけたでしょうか。AI技術やビッグデータが注目されていますが、それらを有効活用できるかどうかは使用するデータの品質次第と言っても過言ではありません。先ほどご紹介した通り、アノテーション作業自体の自動化や効率化も進んでおり、人工知能がアノテーションを行う「自己学習システム」の開発も進められています。高品質なアノテーションはモデルの性能向上に直結するため、精度と効率を両立したアノテーション方法を選択することが重要なのです。 テクフリでフリーランス案件を探してみる

AIという言葉を耳にすると、どのようなことをイメージするでしょうか？専門的な知識を持たない方にとっては、複雑で理解しがたいもののように感じるかもしれません。しかし近年の技術の発達によってAIはすでに私たちの日常生活の中に溶け込んでおり、意識していないところでも利用していることがあります。例えばスマートフォンでの音声入力アシスタントやオンラインショッピングにおける商品のレコメンド機能、さらには自動運転車まで、AIは多岐にわたる分野で私たちの生活を豊かにしています。 本記事では、AI技術の概要を簡単に紹介した上で、AIにできることとできないことについて解説していきます。AIが活用されている具体的な事例もいくつか紹介しますので、AI技術に少しでも興味を持っている方はこの記事を読むことでAIについての基礎を学ぶきっかけとなるでしょう。一方でエンジニアとしてのキャリアをすでに築いている方は、トレンド技術への理解を深めることで自身のスキルアップや今後のキャリアを検討する際の参考にしていただければ幸いです。 テクフリでフリーランス案件を探してみる AI（人工知能）とは AI（人工知能）は、私たちの生活やビジネス、科学に革命をもたらす技術といわれています。単なるプログラミングではなく、機械が人間のように思考・学習して、問題を解決します。例えばコンピューターが大量のデータを解析して、そのデータから学習して新しいタスクを実行できるようになります。AIは医療、教育、金融など、近年ではあらゆる業界においてその技術が活用されています。 AIの魅力はその適応性と学習能力の高さであり、時間の経過とともにデータが蓄積されていくことでパフォーマンス能力が向上していきます。データの収集・学習が進むことでAIが出力する回答の説得力が強くなるため、、生活やビジネスシーンにおけるAI活用は今後も拡大していくでしょう。 AI（人工知能）にできること 先述の通りAIはビジネスから日常生活に至るまでさまざまな場面で活用されていますが、AIにできる代表的な4つのことについて、詳しくご紹介していきます。 音声認識 AIの音声認識技術は、スマートフォンのアシスタント、自動車のナビゲーションシステム、さまざまなスマートホームデバイスなど、私たちの周りのさまざまな製品やサービスに組み込まれています。これにより、手を使わずにデバイスを操作したり、自然言語でコマンドを入力して検索したりすることができます。さらに多言語対応の自動翻訳システムは、言語の壁を越えたコミュニケーションを促進していくために役立てられています。こうした音声認識技術の進歩によって、ユーザーは自然言語を用いてより簡単にデバイスへの入力・対話ができるようになり、ユーザビリティの向上に寄与しています。 画像認識 AIの画像認識技術は、医療画像の解析からセキュリティカメラの監視、ソーシャルメディアの写真の自動タグ付けに至るまで、非常に多岐にわたる用途で活用されています。特に医療分野では、疾患の早期発見や診断の精度向上に貢献しており、人間の命を預かる医師のサポートという非常に重要な役割を担うこともあります。セキュリティ分野においては顔認識技術によって、個人の識別や不審な行動の検出が容易になり、安全性を高めることに貢献しています。 さらに小売業界では、消費者行動の分析や店舗のレイアウト最適化など、ビジネスの改善に役立っている事例も少なくありません。目視だけでは見逃してしまうような画像の情報を認識・分析することによって、画像認識技術はさまざまな業界でその価値を生み出しています。 データ処理 AIによるデータ処理は、大量の情報を短時間で分析して説得力のある洞察を導き出すことを補助します。ビジネスシーンにおいては市場動向の分析や顧客行動の予測、在庫管理の最適化などにおいてAIのデータ処理技術が活用されています。科学研究の分野でも複雑なデータ分析を通じて新しい発見を促進し、研究のスピードを加速させています。 金融業界では、リスク管理、詐欺検出、アルゴリズム取引など、多岐にわたる分野でAIが利用されており、業界の効率化と革新を推進しています。ビッグデータとも呼ばれる膨大なデータが収集・蓄積されているこの時代において、データは非常に価値のある資源のひとつと言われています。収集したデータをAIによって有効活用することができれば、ビジネスにおいても正確かつ迅速な意思決定を実現できるでしょう。 異常探知 AIによる異常探知機能は、製造業における品質管理から金融市場における詐欺検出まで、多くの分野で役割を果たしています。製造業では、製品の品質検査や生産プロセスの最適化にAIが利用され、不良品の早期発見やリソースの効率的な管理が可能です。金融業界では取引パターンの分析を通じて不審な取引を検出することによって、詐欺やマネーロンダリングといった不正のリスクを軽減しています。 サイバーセキュリティの分野ではネットワーク上の異常な動きを監視して、セキュリティ侵害の兆候を早期に検出することで、情報の保護とシステムの安全性を高めています。このように、AIによる異常探知は事故や被害の防止を未然に防ぐために重要な技術であり、AIの進化によってさらに精度の高い検出が可能になっています。 AI（人工知能）にできないこと ここまでご紹介させていただいたように、AIにできることは多岐にわたります。しかしその一方で、AIにはできないこと、苦手としていることがあるのも事実です。AIにできないことを理解しておくことによって、AIへの理解をさらに深めることができます。ここでは、AIが苦手としている2つのタスクについてご紹介します。 人の感情を汲み取ること AIは論理的なデータ処理には長けている一方で、人間の感情を汲み取る能力などに限界があるのが現状です。感情の細かなニュアンス・文化的背景・個人的な経験など、感情を形成する要素は非常に複雑であり、これを完全に理解することは人間にも難しいと言えるでしょう。したがって、イレギュラーなやり取りが発生するカスタマーサービスや精神的なサポートなど、感情的な要素が重要とされる分野においては、AIの対応は人間の対話者には及ばないことがあります。人間との深い共感や理解を築くことは、現在のAI技術ではまだ完全に実現できていません。だからこそ、人間にしかできない部分とAIが得意な分野をうまく組み合わせることが重要と言えます。 蓄積データのないタスク AIは学習と進化にデータが必要ですが、新しいタスクや状況においては適切なデータが存在しないことがあります。このような場合、AIは適応や学習が困難であり、新しい問題解決においては人間の直感や創造性を優先することも必要になります。たとえば、これまでに例がないような緊急事態や、完全に新しい種類の問題に直面した場合、AIは十分なデータに基づいて学習していないため、適切な解決策を提供することが難しいでしょう。 最近ではAI画像の生成など、新たなコンテンツを創作できるようになってきましたが、それらの全てを任せることは以前として難しいのが現状です。革新的なアイデアの生成など、人間の創造的思考が必要な領域では、AIの能力の活用範囲が限られているという点には注意しましょう。将来的にはさらに精度が高まる可能性はありますが、現時点でこれらの分野ではAIをサポートツールとして使用しつつも、主導的な役割は依然として人間が担う必要があります。 AI（人工知能）の活用分野 AIにできることやできないことについて理解していただいたうえで、ここではAIが実際に活用されている事例についていくつかご紹介します。実際の活用事例を知っておくことで、AIの可能性について具体的なイメージを膨らませていただければ幸いです。 農業 AIと農業という組み合わせをあまり想像できないという方もいらっしゃるかもしれませんが、実は農業の分野でもAIの技術が役立てられています。農業分野におけるAIの活用は生産性を向上させ、近年話題となっているSDGsの観点からも効果的な生産活動を促進しています。例えば衛星画像とAIを組み合わせた作物モニタリングシステムにより、農家は作物の成長状況をリアルタイムで把握して、灌漑や肥料の最適化を図ることが可能となります。さらにドローンを使用した自動収穫システムや、病気や害虫の早期発見システムもAIを活用して開発されています。これらのAI技術によって農業生産の効率化が進み、食料安全の分野でもAIが大いに貢献しているのです。 チャットボットサービス ショッピングサービスや手続き関連の問い合わせなどにおいて、AIチャットボットを利用した経験のある方は多いのではないでしょうか。AIチャットボットは、顧客サービスの分野で非常に大きな進歩を見せています。これらのシステムは顧客の質問に24時間365日対応することができ、迅速かつ正確な情報を提供することが可能です。 また、Eコマースサイトでは、購入者の購買行動や好みに基づいてパーソナライズされた製品推薦を行うことができ、顧客体験の向上に貢献しています。チャットボットの進化は企業と顧客との関係を強化し、より顧客満足度を向上させるための重要な役割を果たしていると言えるでしょう。 AI関連の案件情報 AI分野のキャリア機会は急速に拡大しており、特にAIエンジニアやデータサイエンティストの需要は高まっています。企業はAIを活用した製品やサービスの開発を進めており、最近ではAI関連の技術力を兼ね備えた人材を募集する企業が増えてきました。また、AI技術の進展に伴い、倫理的な問題やプライバシーの保護などの新しい領域での専門家も必要とされています。 この分野でキャリアアップしていくには、すでに持っているスキルだけではなく、最新の情報やスキルをキャッチアップする力なども要求されるため、多岐にわたるスキルセットと向上心を持つ人材が市場価値をさらに高めていくでしょう。AI関連知識を持つエンジニアへの需要が急増している一方で、そのようなエンジニア人材の数は他のポジションに比べて少ないため、知識を習得することで高年収を目指すことも可能となります。 テクフリでフリーランス案件を探してみる まとめ AIは私たちの生活や仕事に革新をもたらし続けていますが、できることとできないことを理解して、その能力を活用できる幅を知っておくことが重要です。AIは特定のタスクで人間を超える能力を持つ一方で、創造性や感情の理解、未知の状況への適応といった面では、まだ人間に劣る部分もあります。今後更なる進化を遂げていく可能性が高いですが、現時点でのAIの活用においては、その強みを最大限に活かしつつ人間の直感や判断力を補完的に組み合わせることが効果的です。ビジネスにおいても、AIを単なる自動化ツールとしてではなくあくまで人間の能力を拡張する補助的な手段として捉えることが重要でしょう。 AI技術の急速な進化に伴い、社会的・倫理的な課題への対応も求められています。AIのポテンシャルを最大限に活かすためには、テクノロジーと人間の協調、持続可能な発展、倫理的な利用に関する継続的な取り組みが必要です。これからの時代を生き抜くために、AIの進化を理解してその変化に適応する柔軟性と学習意欲を持つべきでしょう。

近年、人工知能(AI)技術の発展が急速に進んでいます。特に機械学習やディープラーニングの分野で大きな進歩が見られ、様々な産業でAIが活用されるようになってきました。しかし従来のAIシステムの多くは内部の判断プロセスが不透明で、誤った結果が生成された場合にその原因を特定することは難しいとされていました。こうした背景から、結果を提供するだけではなくその理由を明確にする説明可能なAI（Explainable AI、略称：XAI）が注目されています。 AIがどのようにして出力を生成したのかを人間が理解することで、回答の信頼性が高まるだけでなく倫理的な問題へも対応できるようになります。本記事では説明可能なAIが重要とされている理由や具体的な活用例などについて、詳しく解説していきます。 テクフリでフリーランス案件を探してみる 説明可能なAI（XAI）とは 説明可能なAIとは、AIの判断プロセスや結果の背後にあるロジックを人間が理解しやすい形で説明できる人工知能です。AIが意思決定をするプロセスや要因を明確にして、なぜその結論に至ったのかを説明できるのが特徴です。 生成結果に至るまでの過程がブラックボックスとも言える従来のAIモデルでは、AIがどのようにしてその結論に至ったのか外部から見えにくいのが課題でした。説明可能なAIを用いることで出力の根拠が明らかになるため、誤りが生じた場合にもその原因を特定しやすくなります。正確かつ倫理的な意思決定が求められる分野において、説明可能なAIは特に重要な技術と位置づけられるでしょう。 説明可能なAIの歴史 説明可能なAIという考え方は、AI開発が注目され始めた初期の頃から存在していましたが、近年のディープラーニングの発達とともに改めて注目されるようになりました。初期のAI開発段階では、システムの透明性よりも精度が重視される傾向がありました。しかしAI技術の進化とともに、AIの判断過程を理解してその結果を信頼することの重要性が高まってきたのです。 第3次AIブームと呼ばれる2010年代に入ると、機械学習やディープラーニングと呼ばれる深層学習技術の発展によりAIは著しく進化しましたが、同時にその複雑さも増してブラックボックス化がより顕著になりました。このような課題へ対応するために、研究者たちはAIの意思決定プロセスをより明確にして、ユーザーが理解しやすくする方法を模索し始めたのです。 近年のさらなるAI技術の急速な発展とともに、AIの倫理性、公平性、および規制への対応という新たな問題が発生しました。今後さらにAI活用が広まっていくにあたり、より信頼性の高い倫理的なAIシステムが求められるようになってきたともいえるでしょう。 ディープラーニングについてはこちらの記事で詳しく解説しています。 ディープラーニングとは？仕組みや実用例をわかりやすく解説 説明可能なAIのメリット 説明可能なAIが注目される大きな理由は、AIシステムに対する信頼性と透明性を高められるという点にあります。従来のブラックボックス型のAIでは出力に至るまでの過程が不明確なため、重要な意思決定の判断材料としては扱いづらいと考えられていました。説明可能なAIによって出力までの過程が明示されれば、その妥当性を検証しやすくなり、より有効な情報として扱うことができるでしょう。ここからは説明可能なAIのメリットとして、以下の2点について詳しく解説します。 回答（出力）の信頼性が増す 倫理的な問題にも対応できる 回答の信頼性が増す AIは日常のあらゆる場面で利用されていますが、出力結果を盲目的に受け入れるのではなくなぜそのような結論に至ったのかを理解することが求められます。説明可能なAIは、AIが提供する回答や提案がどのようなデータやロジックに基づいているのかを明らかにします。利用者はAIの出力における妥当性を評価しやすくなり、もし誤りがあればそれを指摘することもできます。生成に至った判断理由やその過程が明確にされれば回答の信頼性が高まり、有効な生成結果として受け入れやすくなるでしょう。 倫理的な問題にも対応できる AI技術が発展している一方で、倫理的に問題のある結果を生成してしまうケースもあります。人種や性別、年齢などで偏った判断をしてしまったとしても、ブラックボックス状態の従来のAIでは検証・改善するのが難しい場合もあるでしょう。説明可能なAIは、AIが取る判断に偏りがないか、または特定のグループに対して不公平な扱いをしていないかなど、倫理的な問題を明らかにするのにも役立ちます。今や世界的に活用されているAIの実装においては、このような倫理的な配慮が欠かせません。 例えば採用プロセスにAIを用いる企業は、その決定が性別や人種による偏見を反映していないことを確認するために、説明可能なAIの原則を採用することが望まれます。説明可能性を持たせることで、AIの倫理的側面に対する懸念を払拭できるのです。 説明可能なAIのデメリット 説明可能なAIは生成に至るプロセスを透明化させることで、さまざまなメリットがあることをお伝えしてきました。一方で説明可能なAIには、以下のようなデメリットや課題もあります。 説明可能なAIは必ずしも万能ではないということについて、しっかりと認識しておきましょう。 コストが発生する モデルの修正はできない 回答が必ず正しいとは限らない コストが発生する 説明可能なAIシステムを構築するには、従来のAIよりも多くのコストがかかります。説明機能を備えるために、より複雑なモデルを設計・学習する必要があり、コンピューティングパワーやデータ量の負荷が高くなるためです。既存のAIモデルを説明可能なものに改造する場合は、さらにコストがかかることもあります。これらのコストは、小規模な企業やスタートアップにとっては特に大きな負担となることもあるでしょう。 モデルの修正はできない 説明可能なAIモデルは解釈性を重視するあまり、モデルの修正や最適化が難しくなる傾向にあります。説明責任を果たしつつ、パフォーマンスを向上させることが難しいといった制約があるのです。説明可能なAIはあくまで決定プロセスの透明化を促進するものであり、モデル自体の不具合や誤りに直接対処するものではないという点を理解することが重要です。そのため、説明可能なAIを利用しても、根本的なモデルの誤りを修正することはできない場合があります。 回答が必ず正しいとは限らない 説明可能なAIは判断の根拠を示してくれますが、それが必ずしも正しい判断につながるわけではありません。AIの推論プロセスが透明化されているからといって、それが常に正しい結論に至るわけではなく、誤ったデータや偏ったデータセット、不完全なアルゴリズムによって誤った結論が導かれる可能性は依然として存在します。このため、説明可能なAIの回答も鵜呑みにするのではなく、多面的に分析を行って妥当性を検証しましょう。 説明可能なAIの活用例 説明可能なAI（XAI）は、その透明性と理解しやすさから、さまざまな分野のビジネスで使われています。本記事では医療・金融・製造の3つの分野での説明可能なAIの活用例を紹介します。説明可能なAIがそれぞれの分野においてどのような価値を提供しているのか、詳しく見ていきましょう。 医療分野：診断理由を明確に 医療分野でAIは疾患の診断、治療計画の推奨、患者のリスク評価などに活用されています。説明可能なAIを用いることで、医師はAIが特定の診断に至った理由を理解して、その情報を治療計画の策定に活用しやすくなります。例えば、AIが画像診断を行う場合「この判断は○○の所見に基づいている」といった具体的な理由を医師が確認できるため、最終的な診断の精度にも繋がるでしょう。また、患者への説明責任を果たすことが可能になり、患者と医師の信頼関係を深めるといった効果もあります。あくまで補助的な活用になりますが、より精度の高い診察に役立てられています。 金融分野：不正検知の根拠を説明 金融分野では、不正取引の検知やクレジットスコアの計算など、多くのプロセスにAIが利用されています。説明可能なAIを導入することで、金融機関は不正検知システムが特定の取引を疑問視した理由を顧客に対して明確に説明できるようになります。単に「不正の可能性が高い」と警告するだけでなく、「過去の同様の事例」「特定の異常な取引パターン」といった具体的な理由を示せば、ユーザーの納得感も高まるでしょう。不正検知の根拠を明確に説明することは、顧客の疑問や不安を解消し、サービスの透明性を高める上で非常に重要です。また、AIの判断が公正であることを示すことができれば、規制当局や利用者からの信頼を得ることにも繋がります。 製造分野：品質管理の透明化 製造業では、製品の品質検査を自動化するためにAIが使用されています。AIが製品の画像や計測データから不良品を検出する際に、その根拠を具体的に示すことで、作業者の理解や信頼を得られるでしょう。これにより、製造業者は品質問題を迅速に解決し、製造プロセスの改善に繋がります。また、製造過程の透明性が向上することで、消費者の信頼を獲得してブランド価値を高めることにも繋がるでしょう。 まとめ 説明可能なAIがなぜ今注目されているのか、そしてメリットやデメリットについておわかりいただけたでしょうか。 また、医療・金融・製造という異なる分野での具体的な活用例を通じて、説明可能なAIがどのように実世界の問題解決に貢献しているのかも紹介しました。説明可能なAIは、AIシステムの判断過程を人間にわかりやすく可視化する技術です。 AIの技術が発達して様々な分野での活用が広がる中で、説明可能なAIは信頼できる結果を得るために重要な役割を果たしています。一方で、実現にはコストや技術的な課題もあるため、状況に応じて柔軟に活用していくことが求められます。AI技術がさらに進化して私たちの生活のあらゆる場面に適用されていくにつれ、説明可能なAIはますます重要視されていくでしょう。 テクフリでフリーランス案件を探してみる

AIエンジニアとは AIエンジニアとは人工知能(AI)や機械学習(ML)などの技術を活用して、機械学習モデルやディープラーニングアルゴリズムの開発、運用を手掛ける専門家です。プログラミングスキルはもちろん、データサイエンスや機械学習、ディープラーニングなど、幅広い技術知識とスキルを駆使して新しいソリューションを設計・開発します。 データの収集と処理、モデルの訓練、評価、そして実装までの一連のプロセスを担ってビジネスや社会の様々な課題解決にAI技術を応用します。プログラミングやデータ分析の知識に加え、AIや機械学習における専門的な知識が求められる職種です。 ディープラーニングについては、こちらの記事でも詳しく解説しています。 ディープラーニングとは？仕組みや実用例をわかりやすく解説 テクフリでフリーランス案件を探してみる AIエンジニアの将来性 AI技術はビジネスシーンのみにとどまらず、医療や教育など多岐にわたる分野での応用が期待されており、AI技術とそれを扱えるAIエンジニアの需要は今後も増加することが予想されます。あらゆるデータの収集が可能となった現代においては、ビッグデータの活用やIoTなどの技術を筆頭に、自動運転技術やスマートシティの開発などにおいてもAIの活用が注目を浴びています。 実際にAI関連企業の求人数は年々増加しており、AI人材の需要に対してまだまだ人材数が追いついていないことが課題とされています。日本政府も、AIの活用を最大化するための方針であるAI戦略を打ち出すなど、国としてAI人材の育成を重要視していることがうかがえます。AIエンジニアはAI技術の導入において中心的な存在となり、特に研究開発分野での活躍が見込まれています。将来的にはAI技術がさらに発達して、新たなビジネスモデルやイノベーションが生まれると考えられており、AIエンジニアのニーズは今後も高まるでしょう。 AIエンジニアに必要なスキルや詳しい仕事内容については、こちらの記事でも解説しています。 AIエンジニアになるには？【Pythonなどの必要スキルや仕事内容について解説します】 AIエンジニアにおすすめの資格 先述の通り、AIエンジニアは理論的な知識と実践的なスキルの両方が高いレベルで求められる職種です。そのため体系的な知識を身につけることを目的として、関連する資格を取得するのもいいでしょう。 以下では、AIエンジニアとしてキャリアを積むうえで役立つ、AIエンジニアにおすすめの資格を紹介します。民間資格から公的資格まで幅広く紹介しているので、それぞれの特徴や難易度を理解したうえで、自身のキャリアプランにマッチする資格の取得を目指していきましょう。 G検定 G検定は、一般社団法人日本ディープラーニング協会（JDLA）が実施している検定試験です。G検定では機械学習やディープラーニングに関する知識だけではなく、AIに関連する法律や歴史についても幅広く問われます。取得することで、AIや機械学習における基本的な知識を身につけていることが証明できるでしょう。合格率は60〜70％と比較的高く受験資格もないことから、AIの導入などに携わる人材が最初の一歩として勉強するのにおすすめの資格です。 参考：日本ディープラーニング協会「G検定とは」 E資格 E資格は、G検定と同じく日本ディープラーニング協会が実施している検定試験です。G検定よりも高度なAI技術に関する知識と、実践的なスキルを証明できる資格になります。試験範囲は非常に広く、機械学習や深層学習に加えて応用数学などの知識が問われます。こちらも合格率は約70％と言われていますが、受験にあたって「JDLA認定プログラム」に認定されている講座を受講する必要があるので注意しましょう。E資格はAIエキスパートとしての最上位の資格であり、合格には長期の実務経験と深い専門知識が求められます。取得することで、本格的なAIソリューションの企画・構築・運用を一手に担える力があるという証明になります。AIエンジニアの中でもメンバーを引っ張っていけるような人材に求められる、価値の高い資格だと言えるでしょう。 参考：日本ディープラーニング協会「E資格とは」 Professional Data Engineer Professional Data Engineerは、Googleが提供するデータエンジニアリングに関する資格です。データの収集、変換、データレイクの構築、データパイプラインの自動化、メタデータ管理などのスキルを評価します。クラウドサービスにおけるデータエンジニアリングの実務能力が問われる資格です。この資格を取得するには、Google Cloud Platorformのデータエンジニアリングツールとサービスを使いこなす力が要求されます。具体的にはBigQuery、Cloud Dataflow、Cloud DataprocなどのGCPサービスを用いた大規模データの取り込み、処理、分析を行うためのインフラを設計/構築できるかが問われる試験です。 データエンジニアリングは、データ活用を支える重要な技術です。Professional Data Engineerの取得によって、Google Cloud Platorform上での機械学習やデータ分析のスキルを身につけられるでしょう。 参考：Google Cloud「Professional Data Engineer」 AWS Certified Machine Learning-Specialty Amazon Web Servicesが提供するこの資格は、AWSクラウド内で機械学習モデルを設計、実装、運用するためのスキルを証明します。この資格を取得すると、データエンジニアリング、データモデリング、機械学習の実装と運用、機械学習ソリューションの導入といった、機械学習ワークフローの各段階において高度なスキルの証明になります。 合格するためには、機械学習モデルの構築、トレーニング、デプロイ、モニタリングに関連するAWSサービスを深く理解している必要があります。この資格の取得は、機械学習の理論とAWSクラウドでの実践経験の両方を兼ね備えていることを証明するものです。AWSを活用した機械学習プロジェクトに関わるエンジニアには必須の資格と言えるでしょう。 参考：AWS Certified Machine Learning – Specialty AI-900: Microsoft Azure AI Fundamentals Microsoftが提供するこの資格は、AzureのAIサービスに関する基礎知識を証明します。AIのコア概念、AIサービスや製品、AIモデルの構築方法の基本を理解していることが問われます。取得することで、Azure AIの基本的な概念と用語を理解して、AIサービスを使用してソリューションを構築する基礎的なスキルが身につきます。Azure AIを活用していきたい人はもちろん、AI初学者にもおすすめの入門編の資格です。 参考：Microsoft Certified: Azure AI Fundamentals AI-102: Designing and Implementing a Microsoft Azure AI Solution こちらもMicrosoftが提供する資格で、Azure上でのAIソリューションの設計と実装に関する高度な知識とスキルを証明します。Machine Learning、自然言語処理、知能ロボット、コンピュータービジョンなど、実践的なAI活用スキルを持つ必要があります。AI-900に続く、実践的な資格です。 参考：Microsoft Certified: Azure AI Engineer Associate データサイエンティスト検定（DS検定）リテラシーレベル 一般社団法人データサイエンティスト協会が運営する、データサイエンスに関する基礎的な知識とリテラシーを評価する検定試験です。データサイエンスの概念、プロセス、統計等の基本を理解していることが問われます。データ分析や機械学習プロジェクトにおける基本的なスキルが評価される資格です。 参考：一般社団法人データサイエンティスト協会「データサイエンティスト検定 リテラシーレベル」 統計検定 日本統計学会が提供する統計検定は、基礎から応用レベルまで、統計学に関する幅広い知識を証明します。統計学の基礎知識とデータ分析に必要な統計手法の習得が目的で、公的統計データの利活用などもカバーされています。データ分析や機械学習において重要な統計学の知識を身につけたい方におすすめです。 参考：一般社団法人日本統計学会「統計検定」 Python3エンジニア認定データ分析試験 Pythonエンジニア育成推進協会が実施するこの試験は、Pythonを用いたデータ分析に関する知識とスキルを証明します。Pythonを用いたデータ前処理、データ可視化、機械学習モデル構築などのプロセスを実務で行えるかが問われます。AI開発において最も需要の高いプログラミング言語のひとつであるPythonの習得・スキルアップは、AIエンジニアにとって必須ともいえるでしょう。 参考：Python 3 エンジニア認定データ分析試験 テクフリでフリーランス案件を探してみる AIエンジニアが資格を取得するメリット AIエンジニアにとって、資格取得は専門性を高め、キャリアアップの機会を広げる上で役立ちます。AI分野は急速に進化を遂げており、常に最新の知識とスキルを身につけることが求められます。資格取得はあなたの能力と専門知識を証明する重要な手段となるともいえるでしょう。ここでは、AIエンジニアが資格を取得することの主なメリットを紹介します。 スキルを証明できる 資格は、あなたが特定の分野や技術に関して一定レベル以上の知識とスキルを持っていることを証明する客観的な証拠となります。資格を習得していると、就職や転職のときにAIについての知識やスキルがあると企業にアピールしやすくなります。AIエンジニアとしての価値が高まり、より好条件で仕事を得られる可能性が高くなるでしょう。 知識を体系的に身につけられる 資格試験の学習を通じて、AI分野の知識を体系的に習得できます。AI技術は日々進化を遂げており、個別の知識を単に積み上げていくだけでは全体像を把握することが難しくなっています。しかし資格試験の学習カリキュラムは、AI分野の基礎から応用までの知識を体系的に網羅しているため、体系的な知識の構築が可能です。資格取得を通じて、AIエンジニアとしての土台を築いていくことにつながるでしょう。 まとめ AIエンジニアとして成功するためには、絶えず変化する技術の流れを追い続けて必要なスキルと知識を身につけることが重要です。AI関連の資格を取得することは、そのような技術的能力を客観的に証明して、自身のキャリアをさらに発展させるためのきっかけとなります。 すでにAI関連の技術を駆使してエンジニアとして活躍している方だけでなく、AIエンジニアとしてのキャリアを視野に入れている方も、関連資格の取得を通じて知識を深めていくのもいいのではないでしょうか。 テクフリでフリーランス案件を探してみる