実践領域
AI統合エンジニア
無人で走り、翌朝も正しいままのLLMパイプライン
言語モデルを取り巻く本番システムを構築しています。地味な部分――オーケストレーション、検証、リトライ、コスト、そしてまだ機能しているかを教えてくれる評価です。人手を介さずに生成・検査・編集・翻訳する自動コンテンツパイプライン。音声を構造化文書に変えるストリーミング文字起こしモジュール。下層にフルスタックがあるので、モデルはアーキテクチャではなく一部品のままでいられます。
できること
- 退屈な部分ごとLLMパイプラインを設計する。検証、リトライ、冪等性、そしてコストの上限。
- 後から解析する散文ではなく、スキーマ検証済みの構造化出力をモデルから得る。
- 自社文書に対する検索を構築し、誤った箇所を返す条件を把握する。
- 音声と文書をシステムに取り込む。文字起こし、抽出、そして最後に生成される成果物。
- 評価を整備し、プロンプトの変更を感覚ではなく計測にする。
- モデルが不要な場所をはっきり述べ、そこには普通のコードを書く。
その出どころ
- 2025 —
ASMB Tech
Litseller：記事を生成・検証・編集し11言語に翻訳して、人手を介さず公開する自動LLMオーケストレーションのパイプライン。Auto Inspect：ストリーミング音声文字起こしを構造化し、PDFレポートとして生成。
- 2023 — 2025
Yandex
高負荷のB2Bモジュールと、マイクロサービスおよび外部分析をつなぐ統合レイヤー。
- 2019 — 2022
Sber
強制執行文書内の非構造データの解析と構造化により、手作業のミスを削減。
スタック
- AIと言語モデル
- OpenAI API ·Claude API ·LLM orchestration ·Prompt engineering ·Structured output ·RAG ·Speech transcription ·Evaluation harnesses
- バックエンドとデータ
- Node.js ·TypeScript ·PostgreSQL ·Supabase ·Queues ·REST API
- フロントエンド
- React ·Astro ·Next.js ·Streaming UI
- インフラ
- Docker ·GitHub Actions ·Vercel ·Playwright
サイト内の関連記事
一緒に働く
課題がこの形をしているなら、ご連絡ください。
連絡する