博士課程では、大腸菌を多数の化学条件で培養して増殖を測定し、機械学習を使って「どの要因がどの増殖特性に影響するか」を分析しました。そこで身についたのは、モデルの出力だけを見るのではなく、データがどのような条件で生まれたかまで確認する姿勢です。
生成AIの仕事でも、回答の良し悪しだけでなく、入力条件や評価観点を分け、失敗例から原因を探すことを意識しています。研究テーマ自体はITとは異なりますが、実験と検証を積み重ねる考え方はそのまま生きています。

博士卒でIT企業に入る前は、専門外からの転身ということもあり、自分の研究知識が直接使えなければ一からのスタートになると思っていました。実際には、専門知識そのものより、文献を調べる、仮説を立てる、実験する、結果から次の問いを作るという研究の進め方が、新しい技術を学ぶ場面で役立ちました。
一方で、仕事では研究以上に、限られた時間でチームと認識を合わせ、相手に伝わる形で結論を出す必要があります。「専門が違うから強みがない」のではなく、研究で身につけた思考法を別の領域へ移せることが、入社後に感じた一番大きなギャップです。