■このポジションについて SAKUJIの中核である「図面を読むAI」を、CTOと一緒につくるポジションです。モデルの方針、評価の設計、本番への組み込みまでを一貫して担います。 【条件】業務委託／月160時間（週5日相当）を基本／リモート中心（オフィス：東京・浜松町、群馬・高崎）。開始時期と立ち上がり期の稼働はご相談ください。 ■担っていただくこと ・図面PDF（画像・文字・ベクター）の前処理と、凡例・表の解析 ・建設図面（電気・内装など、工種ごとに異なる記号・品目）を検出・分類するモデルの改善と、数量の出力 ・正解データを使った評価の仕組みづくり（Precision/Recall、失敗例の分類、同じ条件での比較） ・推論APIの設計とプラットフォームとの結合、処理時間と推論コストの改善 ・実験の条件・結果・未解決点の記録と共有 ■技術的にチャレンジできること 【解き方の決まっていない入力】 細い線・小さな記号・凡例・注記が1枚に重なり、描き方は書き手ごとに違います。対象の工種が増えるほど記号の体系も変わるため、図面ごとの調整ではなく、汎用的に解く設計が問われます。 【APIから、自社のモデルへ】 今は、画像を理解できる大規模言語モデル（Claude・Gemini等）のAPIが中心です。自社データでのファインチューニングや、検出・分類モデルとの組み合わせへ移る実験を進めており、どこをどの手法で解くかを設計から決められます。 【正解を決めるところから】 学習と評価には、実際の現場の図面と、社内の積算チームがつくる正解データを使います。何を正解とするかを、積算の実務を知るメンバーとその場で議論できます。建設の知識は、このチームから日常的に学べます。 ■技術スタック Python / PyTorch / Claude・Gemini API / PyMuPDF / OpenCV / Shapely / Google Cloud（Cloud Run） ■求める経験 ＜必須＞ ・Pythonで画像・PDF・データ処理を実装し、既存コードの調査・修正・テストまで行った経験 ・検出・分類の結果を正解データと照合し、指標と失敗例から改善した経験 ＜歓迎＞ ・PyTorch等による物体検出・分類のモデル開発と推論の最適化 ・VLM・LLMを図面や表の読み取りに組み込んだ経験 ・Web APIの入出力設計と他システムとの結合、Google Cloud・コンテナ・CI/CDでの推論サービスの運用 ・建設図面・積算業務への理解（なくても問題ありません） ＜こんな方と働きたい＞ ・答えのない問題に、仮説と検証を繰り返して向き合える方 ・現場の人の判断を尊重し、データとして扱える形にすることに面白さを感じる方 ・うまくいかなかった結果も言葉にして共有できる方 ■選考の流れ カジュアル面談 → 技術面談（CTO） → 最終面談（代表）。最短1週間で結果をお伝えします。まずは話を聞いてみたい、という段階でもお気軽にどうぞ。