想定質問
面接で聞かれやすい質問と、回答のポイント。
Q1: 「このコードは自分で書いたのですか？」
回答のポイント: 「AIが書きました。でも設計と品質判定は私がやっています」と正直に答える。
コードの記述はAI（Claude Code）が担当しています。ただし、要件定義・アーキテクチャ設計・品質判定・運用設計は全て私が指揮しています。
例えばNexusCoreなら「14エージェントをどう分けるか」「品質ゲートを2層にするか」「LLMルーティングの基準」等の設計判断は全て私が行いました。AIはその設計に従ってコードを生成する役割です。
これは建築に例えると、私が建築家でAIが大工のような関係です。図面を描くのは建築家、壁を建てるのは大工、でも建物の責任は建築家にあります。
Q2: 「AIに任せて何が楽しいのですか？」
問題解決そのものが楽しいです。コードを手書きすること自体が目的ではなく、課題を解決すること目的です。
AIを使えば、自分の考える設計が即座に動くものになります。設計→実装→動作確認のサイクルが速いため、試行錯誤の回数が圧倒的に増えます。結果的に良い設計にたどり着きやすいです。
また、20以上のプロジェクトを1年で開発できたのは、AIのおかげです。手書きなら1プロジェクトに何ヶ月もかかっていたはずです。
Q3: 「なぜその技術を選んだのですか？」
プロジェクトごとに理由を答えられるようにする：
NexusCore → Python / FastAPI
- AI/ML領域のエコシステムが豊富
- FastAPIは非同期対応で高速、自動OpenAPIドキュメント生成
atelier-kyo-manager → Flask
- 軽量な管理画面+APIの構成に最適
- Djangoの「全部入り」機能が不要だった
reserve-optimizer → Cloudflare Workers
- リクエスト単位の課金で、少量アクセスなら実質無料
- コールドスタートが速い（GASより速い）
Q4: 「一番難しかった課題は？」
LLMルーティングの最適化です。
NexusCoreでは8つのLLMプロバイダーを使い分けていますが、「どのタスクをどのLLMに振るか」の基準を決めるのが難しかったです。安いLLMは品質が低く、高いLLMはコストがかさむ。品質とコストのトレードオフを33種のタスクごとに調整しました。
最終的に、コード生成などの重要タスクは品質ティア、チャットや分類は軽量ティアに振り分け、月額コストを最適化しました。
Q5: 「チーム開発の経験は？」
現在は全て個人開発ですが、自衛隊19年で培った**報連相（報告・連絡・相談）**の体得があります。
個人開発でも、GitHub Issues/PRの運用、進捗の可視化（SSOTシステム）、問題の早期共有を自然に実行しています。チーム開発でも同じ习惯を活かせると考えています。
Q6: 「どうやって技術を学んでいますか？」
作りながら学ぶスタイルです。チュートリアルを読むのではなく、実際にプロジェクトを作り始めて、必要な知識をその都度調べます。
学んだことは30冊の技術ガイドとしてGitHub Pagesで公開しています。自分が理解したことを他人に説明できる形にまとめることで、理解度を確認しています。
また、Zennで技術記事も20本公開しており、知識の体系化と他者への伝達にも努めています。
Q7: 「自衛官の経験はITでどう活きる？」
5つの強みがあります：
- 標準化・SOP: 全業務がマニュアル化されている → CI/CD・品質ゲート・記録手順の自動化に直結
- 報連相: 進捗の可視化・問題の早期共有 → GitHub運用に活きる
- ミッション計画: 目的・資源配分・リスク評価 → 要件定義と同じ構造
- 異常対応: 冷静な対応力 → 本番障害対応に重宝
- セキュリティ意識: 情報安全管理 → OWASP対応・シークレット管理に活きる
Q8: 「今後のキャリアビジョンは？」
AIを活用した開発生産性の最大化を追求しつつ、チーム開発の現場でAI活用のナレッジを還元したいと考えています。
1人で20+プロジェクトを開発した経験は、チームにAIを導入する際の知見として活かせるはずです。Claude CodeのHooks/Skills/MCP統合等の知識は、チーム全体の生産性向上に貢献できると考えています。