マネーフォワードに来てから7ヶ月過ぎました - インターン生から見た京都拠点の話 -

この記事は、Money Forward Kyoto Advent Calendar 2020 - Adventar 6日目の記事です！

はじめまして。マネーフォワード京都開発拠点でインターンしております Ken です。

「マネーフォワードでエンジニアのインターンをするってどうなの？」 というテーマでお話したいと思います。関西の学生を中心にエンジニアの学生バイトをしたい方の目に止まれば幸いです。

自己紹介

マネーフォワードには2020年の5月から機械学習(ML)の学生バイト（インターン）として入社しております。 2020年9月に大学院を修了し、今は週4~5で働かせて頂いております。

また、何故マネーフォワードに入社したのか？ですが、2020年3月までドイツ留学に行っており、ヨーロッパで散財してしまったので、お金が欲しかったからです(笑)。ドイツではWORKING STUDENTと言って、企業で働きながら実務経験の習得と生活費を稼ぎ、学位を取る学生が多数おり、彼らに感化されたのもあって、帰国後はエンジニアバイトで実践経験を積みたいと考えていました。そして、ドイツに行く1年ほど前に、実は社長の辻さんや京都拠点の立ち上げメンバーと一度飲みに行った事を思い出して、帰国後すぐに働きたいですとコンタクトを取り、今に至ります。あわよくばサラッと入社したかったのですが、しっかりと面接受けさせられました(笑)。

インターン生から見た京都拠点のお話

1. 働き方のお話

京都拠点はこんな場所です。コロナ禍のため、入社研修や普段の業務も自宅からリモートで勤務しております。一応、マネージャーの許可やオフィス内が密にならない様に調整した上で出社はできる様ですが、原則可能な限り家にいろという全社の方針もあって私は入社してからあまりオフィスに行っておりません。たまに出社すると、人がいなさすぎて和室を独り占めして寝転びながら作業をしてたりします。この和室、夏はひんやりしていて居心地が良く、寝落ちしやすいので要注意です！また、京都拠点のメンバーを見ていると、子育て中の社員さんもおり、個人の事情に合わせてチームと合意の上、Flexibleに働いています。この点に関して当社はいい会社です。普段はSlackやZoomといったツールでマネージャーやチームメンバーとコミュニケーションを取っております。

2. MLチームのお話

- 社内におけるMLチームの立ち位置

昨今のAIブームで、とりあえずMLしとけばいいという風潮になっております。確かに広告塔として株主総会対策には有効かもしれないが、一度冷静かつ客観的に物事を見てみると

Ⅰ. 実際MLを使ったらプロダクトは良くなるの？ Ⅱ. それ、別にMLの必要なくない？ Ⅲ. 導入コストとインパクトの度合いは釣り合うの？

という場面に遭遇する事もあると思います。

一方で、正しいタスクに使う事ができればMLは大きな効果を発揮する事が様々な事例により報告されています。そこで、マネーフォワードの東京本社ではMoney Forward Labという研究所が創立され、盲目的に色々な所にMLを導入するのではなく、当社のプロダクト改善&ビジネスグロースのために大きなインパクトを出すような、問題設定・技術開発＆検証などを行っているR&Dのチームが存在します。実は、この問題設定が非常に厄介で、意外とMLを使って大きなインパクトを出す事が難しい、あるいは短期間で結果が出るようなものではなかったりします。つまり、意味のあるタスク設定を行う事が難しかったり、実際やってみるとそんなに意味なかったという事もあるようです。

京都MLチームは研究所とタッグを組んで研究所が本番に導入したいMLタスクを実際に実装しデプロイしたり、開発途中で得られた知見や流行の技術をLabの方にフィードバックしたりしております。イメージをするならば、研究所の方がMLでインパクトを出すためにリサーチを頑張るData Scientist(研究者肌)であれば、京都MLチームは割と自由気ままに色々な技術で実験的に実装を試みるML Engineer(エンジニア肌)ですね。例えが下手くそですみません。また、アサインされるタスクによっては、研究所の方以外とも必要に応じてコミュニケーションを取り、業務に取り組んでいます。

- 個人として成長できるの？

当社はFintechカンパニーであるため、私もそうですが、入社前は時系列データを分析したりするのだろうなあっと漠然に思っていました。しかし、実際は想像以上に幅広いML技術が必要となってきます。

例えばですが、2020年の夏インターン生には画像認識タスクに取り組んで頂きました。個人的にインターン生から感想を聞いた所、マネーフォワードに来て画像認識するとは思わなかったと言っており、「分かる、分かるぞその気持ち」と意気投合しました。

実は、私は画像認識に関しては初心者です。画像系は全くノータッチであり、入社してから書籍を経費で買って頂き、AWSの権限を付与して貰い、stackoverflowや論文を交互に睨みつけながらアサインされたタスクに取り組みました。 この様に入社面接時に「これが得意です！」と言っても普通に未経験分野のタスクを振られる事も多いので圧倒的成長を得られます。個人的な主張になりますが、Data Scienceの基礎的な知識とスキルが身に付いていればやった事がないML分野でも勉強すればなんとかなります。 GoogleのData Scientist 尾崎氏(@TJO_datasci)のブログ等がData Scientistに必要なスキルセットやマインドセット等をうまく纏められているので、読んで見るといいかもしれないです。

京都MLチームのメンバーは未経験の分野に手を出すことで技術的に強くなり、様々なML分野のタスクに手を伸ばしています。実際に私の同僚たちは、画像からNLP関連のタスクに切り替えており、扱いにくいデータセットに頭を抱えながらも学業とバランスと取りながら切磋琢磨しております。

- 今後のMLチームの展望

ここからは個人的な希望の話です。人件費や会社の採用戦略があるので叶うか分からないのですが、是非とももっとMLができる学生インターン・Labの社員が増えればと願っております。

当社のData Scientist / ML Engineerの数はまだまだ少ないです。知と技術の共有というべきでしょうか、より多くのMLスタッフが居ることで、MLの業務が加速すると思います。京都MLチームでは週１でミーティングを行っており、そこで進捗報告・技術的トラブルの相談・分析結果の解釈に関する議論を行っております。幅広いML分野から多くのスタッフが集まれば、より早くより深いレベルの議論でトラブルの解決ができると思います。私が入社した頃に比べて今はメンバーも増え、従来と比べてメンバーからより多くの知見を得られる様になりました。

3. カルチャーのお話

京都拠点のインターン生が受けられる最大のメリットは京都拠点のカルチャーである 「Give it a Try」 です。このカルチャーは、 これに挑戦してみたい・これを学びたい といった希望に対して会社がリソースを用意できればそれを提供するという文化です。

実は京都MLチームの学生はMLのみならず、ソフトウェア・エンジニアリングにも興味を持っており、ほぼ全員何かしらのエンジニアリング業務を掛け持ちしております。私の場合ですと、Goでサーバーサイドのタスクを持っており、また同僚はCI/CDの案件を持っております。エンジニアリングチームのマネージャが非常に協力的で、技術レベルに応じてタスクの難易度を調節して業務を振ってくれたり、フォローしてくれたりします。これをサポートするかの様に、エンジニアが作ったGoの研修資料や会計士が開く週１の会計に関する勉強会、NLPに興味がある有志の情報共有Slackチャンネル等、学習を促進するリソースにアクセスする事ができ、やる気さえあればいくらでもエンジニアとして挑戦し、成長できる環境です。

また、当社が提供できる成長は技術力だけではありません。 1 on 1 面談による社会人からの仕事やキャリアに関するアドバイスも頂けます。実際あった私のケースだと、マネージャに将来的にはエンジニアというよりプロダクト・マネージャ(PdM)になりたいので当社の誰か紹介してくださいとミーティングで言った所、翌日には人事から当社のPdMとの面談の調整連絡がきました。この様に京都拠点のマネージャ陣はインターン生の将来的な進路にも親身になってくれ、色々と社内リソースを用意してくれます。