Physical AIスペシャリスト

以下のいずれかの経験・知見が求められます。

• 機械学習・深層学習モデルの開発・実装経験（PyTorch / TensorFlow 等）
• コンピュータビジョンまたは自然言語処理（NLP）領域の実務経験
• ロボティクス・組み込みシステムまたはエッジAIの開発・検証経験
• システムアーキテクチャ設計およびPoC（概念実証）推進の経験
• AIモデルの評価・データ収集・運用（MLOps）に関する知識・経験
• クライアント向けの技術提案・コンサルティング経験

• 探究心と自己学習力:
  Physical AIをはじめとするDeepTech領域は技術進化が極めて速く、論文・最新モデル・事例を継続的に自発的にキャッチアップし続ける姿勢が必須です。
• 技術とビジネスの橋渡し力:
  エンジニアリングの専門知識を持ちながら、経営課題や現場課題を技術的な言語で整理し、クライアントの意思決定者（経営層・事業担当・現場）に対して分かりやすく提案・推進できるコミュニケーション力が求められます。
• 現場実装へのコミット力:
  机上の戦略立案に留まらず、物理デバイスや現場オペレーションへの適用まで責任を持ち、実際に「動かす」ことへ強いこだわりを持てる実行力が必要です。
• 曖昧な課題を構造化する問題解決力:
  正解のない未成熟領域でゼロから課題を定義し、検証→改善のサイクルを高速で回していくための論理的思考と仮説検証能力が求められます。
• チームを動かす推進力・調整力:
  Digital事業本部の多様な専門家や、クライアント側の複数ステークホルダーと連携しながらプロジェクトをリードするための調整力・推進力が必要です。

• VLA / ロボット基盤モデルへの知見:
  Vision-Language-Action（VLA）モデルや、RT-2・π0などのロボット基盤モデルに関する理解・実装経験があると、即戦力として高く評価されます。
• センサーフュージョン・制御系の知識:
  LiDAR・カメラ・力覚センサー等を組み合わせたセンサーフュージョン、あるいはPID制御やMPC等の制御理論の知識は、Physical AIの実装で直接活かせるスキルです。
• 生成AI・LLM活用の実務経験:
  LLMのファインチューニング・RAG構築・プロンプトエンジニアリングなど、生成AIをビジネス課題に適用した実務経験はPhysical AIとの融合活用場面で強みになります。
• デジタルツイン・シミュレーション環境の構築経験:
  NVIDIA Omniverse / Isaac Simなどのシミュレーション環境を活用したAI学習・検証の経験は、Physical AIの現場適用前の検証フェーズで大いに役立ちます。
• 新規事業立ち上げ・スタートアップ経験:
  未成熟領域でゼロからサービスや組織を立ち上げた経験は、Physical AI事業の立ち上げフェーズで再現性のある価値を発揮します。

• Physical AI社会実装の一気通貫経験:
  戦略立案・技術選定・PoC・現場適用まで、Physical AIプロジェクトの全工程をリードする稀少な実務経験を積むことができます。机上で終わらない「動く形」への変換能力は市場価値を大きく高めます。
• VLA等先端AIモデルの開発・評価・運用スキル:
  Vision-Language-Actionモデルをはじめとする最先端モデルの開発に加え、データ収集・評価・MLOps的な運用改善サイクルまで含んだ総合的な実装力を習得できます。
• 技術×事業の複眼的思考・提案力:
  コンサルタントとして経営課題を起点に技術解を定義し、経営層・事業部門・現場の三者を動かす提案・推進能力を実務を通じて磨けます。技術と事業の両言語を話せるT型人材として成長できます。
• DeepTech新規事業の立ち上げノウハウ:
  未成熟な市場でゼロからサービスを企画・検証し、再現性のある事業モデルを構築する経験は、将来的に独立系スペシャリストや事業開発職へのキャリアチェンジを支える基盤となります。
• 最先端技術のリサーチ・情報収集力:
  研究活動を業務として推奨する文化の中で、論文読解・最新モデル動向の体系的なキャッチアップ力と、それをビジネス言語に翻訳するアウトプット力を体系的に鍛えられます。