📝 エピソード概要
元・機械設計者のしぶちょー氏が、なぜ「AIエンジニア」へとキャリアシフトしたのか、その生々しい経緯と製造業におけるAI活用の本質を語る回です。機械設計の成熟に危機感を感じた独学時代から、情報発信がきっかけで起きた「計画的な偶然」による転身劇を紹介。生成AIブームに流されず、自身の専門性とAIを掛け合わせることで生まれる「技術者としての真の価値」をリスナーに伝えています。
🎯 主要なトピック
- 機械設計者が感じた限界と危機感: 工作機械設計の成熟により差別化が困難になった現状から、重さのない「ソフト・データ活用」へ武器を求めた背景。
- 独学から始まったAI学習: 友人との勉強会やPythonでの実装を通じ、物理的な試作を伴わないIT分野のフィードバックの速さに感動した体験。
- 計画的偶発性理論によるキャリア転換: 匿名ブログでの情報発信が会社に露呈したトラブルを、結果的にAI・IoT部門への異動というチャンスに変えた数奇な経緯。
- 技術者のためのAI学習ロードマップ: 体系的な知識を得るための「G検定」と、原理を深く理解するための「ゼロから作るDeep Learning（通称：お魚本）」の推奨。
- 製造業における泥臭いAI実装: 生成AIブームと一線を画し、現場のデータ不足やエッジAI、説明可能AI（XAI）の重要性など、実務に即した活用論。
💡 キーポイント
- キャリアの8割は偶然で決まる: 「計画的偶発性理論」に基づき、興味のある分野に飛び込み続けることで、運を引き寄せる打席を増やすことの大切さ。
- 「ツールの学習」と「技術の学習」を切り分ける: 生成AIを使うだけでなく、技術者であればディープラーニングの原理を体系的に学ぶことで、実務への応用力が劇的に変わる。
- 「専門性×AI」の掛け算: AIは単体では手段に過ぎない。自身の専門性（機械設計など）にAIをバフとしてかけることで、唯一無二の付加価値を持つ「歯ブラシ型人材」を目指すべき。
- 現場への寄り添い: 製造業のAI活用はキラキラした話ばかりではない。データの整理や現場の不確実性と向き合う「泥臭い実装」にこそ、エンジニアの活躍の場がある。
