ADiXi技術用語解説 — CEOスカウトの専門用語を読み解く

この面談の背景

• 同社にはすでに本選考（2026-07-17最終面談、宮本氏対応）が別ルートで進行中・結果待ち
• 今回はCEO直スカウトで、ポジションは「AIエンジニアリングリード〜AIフェロー〜AIスペシャリスト」のオープンポジション
• 当日は「現場のAIリーダー」が同席し、よりハイレベルな技術スタック・ビジョンの話になる可能性がある

用語解説（スカウト文面に登場した順）

🔄 AX（エーエックス）/ AIトランスフォーメーション

一言で: 「AIで会社の業務のやり方そのものを作り変えること」。DX（デジタルトランスフォーメーション）のAI版。

• DXが「紙をデジタルにする」程度の改善だとすると、AXは「AIが業務プロセスの意思決定や実行そのものを担う」レベルの変革を指す言葉
• スカウト文中「顧客のビジネス構造そのものを変革する」＝単なるツール導入ではなく業務フロー自体をAI前提で作り直す、という主張

🧪 PoC（ピーオーシー／概念実証）

一言で: 「本当にうまくいくか、小さく試してみる段階」。

• Proof of Conceptの略。「このAIモデルはビジネスで使えそうか」を小規模に検証するだけで終わり、本番導入（社会実装）に至らないケースを指して「PoC止まり」と揶揄されることが多い
• スカウト文の「PoCばかりで社会実装されない」は、業界でよくある課題への言及

📚 RAGRetrieval-Augmented Generation（ラグ・検索拡張生成）の略。AIに答えさせる前に、自分の文書から関連箇所を検索して渡し、その内容に基づいて答えさせる仕組み。社内文書のQA等で使われる（ラグ／検索拡張生成）

一言で: 「AIが答える前に、社内資料などを検索して参照する仕組み」。

• Retrieval-Augmented Generationの略。LLM単体では知らない社内情報・最新情報を、検索して回答に組み込む技術
• 「LLM、RAG、画像認識、予測モデルなどをエンタープライズのシステムに深く組み込み」＝これらをまとめて企業の基幹システムに統合する、という意味

🎛️ LLMのファインチューニング

一言で: 「汎用AIモデルに追加学習させて、特定の業務専用に調整すること」。

• 既存の大規模言語モデル（ChatGPT・Claude等の土台となる技術）に、自社データで追加学習を行い、専門領域に特化させる作業
• 「独自LLMのファインチューニング」＝汎用モデルをベースに自社専用モデルを作る業務

⚙️ MLOpsMachine Learning Operations（エムエルオプス）の略。機械学習のモデルを、作って終わりでなく継続的に運用・改善するための仕組みと文化。DevOpsの機械学習版（エムエルオプス）/ LLMOps（エルエルエムオプス）

一言で: 「AIモデルを作って終わりでなく、本番で安定運用し続けるための仕組み作り」。

• MLOps = Machine Learning + Operations。モデルの学習・評価・デプロイ作ったプログラムを、実際に動くサーバーや公開環境へ設置して動かし始めること・監視・再学習を仕組み化する運用体制
• LLMOpsはその大規模言語モデル版。プロンプトAIに渡す指示文のこと。「この機能を作って」「この文を直して」等管理・応答品質の監視・コスト管理などを含む
• 「スケーラブルなMLOps/LLMOpsの構築」＝利用が増えても壊れず・コストが破綻しない運用基盤を作ること

🤖 AI-DD（エーアイディーディー）/ AI駆動開発

一言で: 「AIツール（Claude Code等）を使って開発すること自体をAIに任せる開発スタイル」。

• スカウト文中の「CursorやClaude Codeなどの生成AIツールを標準導入」がまさにAI-DDの実践例
• 自分自身がNexusCore等で実践してきた開発スタイルそのものであり、この点は共感を示しやすい話題

🧬 ボイラープレート

一言で: 「毎回同じように書く定型コード」。

• 設定ファイルの雛形やCRUD処理など、プロジェクトごとに大きく変わらない繰り返しコードのこと
• 「ボイラープレートの生成やテストコード作成を自動化」＝AIにこの定型作業を任せ、人間は設計に集中する、という話

🏛️ アーキテクチャ設計システム全体の骨組み（部品の分け方・データの流れ・技術の選定）を決める設計作業 / モデルのチューニング

• アーキテクチャ設計: システムの全体構造（骨組み）を決める作業（06_想定質問参照）
• モデルのチューニング: AIモデルの精度・応答速度・コストのバランスを細かく調整する作業。ファインチューニングより広い意味で「設定・パラメータ調整」全般を指すこともある

🔬 AIラボ / AIフェロー / AIスペシャリスト

一言で: 社内の役割呼称。「研究開発拠点」「技術戦略トップ」「特定分野の専門職」。

• AIラボ: 最新のAI技術を研究・実験し、社内に還元する社内組織（研究開発部門に相当）
• AIフェロー: 特定の技術者に与えられる、現場マネジメントから離れて技術戦略・R&Dを牽引する上位ポジション（役職というより称号に近い）
• AIスペシャリスト: 特定の技術領域（RAG設計・MLOps等）を極める専門職ポジション
• いずれも社名独自の呼称であり、標準的な業界用語ではない点に注意（面談で「御社ではどう定義していますか」と質問して良い）

🔎 R&D（アールアンドディー）

一言で: 「研究開発」。Research and Developmentの略。すぐに製品化しない、次世代技術の検証・調査活動全般を指す。

🥊 壁打ち（かべうち）

一言で: 「一人で考え込まず、相手に話しながら考えを整理すること」。

• 壁にボールを打ち返してもらう練習に由来する比喩表現。技術的な悩みや設計案を同僚に話し、フィードバックをもらいながら思考を深める行為
• 「知見を持つメンバー同士でハイレベルな壁打ちを行いながら」＝レベルの高い相互レビュー・議論ができる環境、という意味

📈 市場価値（しじょうかち）

一言で: 「今の自分のスキル・経験が、転職市場でどれくらいの評価・年収に値するか」という指標。

代表・金沢氏のSNS発言から読み解く価値観

投稿要旨: 「年収・リモート・残業・福利厚生といった『労働環境・条件』ではなく、ビジョン共感・カルチャーフィット・キャリアと事業戦略の一致といった『働きがい』で入社を決めてくれる人が増えている。すごく良いことだ。従業員ではなく苦楽を共にする仲間を増やしたい」

読み解き:

• 彼が評価しない軸: 年収・リモート・残業・福利厚生など「労働条件」を入社理由として前面に出すこと
• 彼が評価する軸: ビジョン共感・カルチャーフィット・キャリアと事業戦略の一致という「働きがい」
• 求めている関係性: 「従業員」ではなく「苦楽を共にする仲間」＝雇う側/雇われる側という上下関係より、対等な当事者意識

面談での立ち回り方:

• 条件面（試用期間の契約形態・年収・リモート頻度等）の話を自分から前のめりに持ち出さない。聞くとしても終盤に「気になる程度」のトーンで
• 「なぜADiXiか」を問われたら、条件ではなく「PoCで終わらせず社会実装するというビジョンに共感した」という軸で答える
• 受け身な受験者としてではなく、自分の意見・ビジョンをぶつける対等な当事者として振る舞う方が評価されやすい

面談での使い方（想定トークポイント）

1. AXという言葉には「PoCで終わらせず実運用に載せる」という強い主張がある → 自分の開発スタイル（NexusCore・OpenClawの24h本番運用実績）と重ねて「作って終わりでなく運用まで見る」姿勢をアピールできる
2. RAG・MLOps/LLMOpsは実務経験が浅い場合、正直に「概念は理解しているが本格的な実装経験はこれから」と伝える → 隠して深掘りされるより、キャッチアップ意欲を見せる方が良い（07_なぜAI駆動開発なのかの姿勢と一貫させる）
3. 「AIフェロー」等の肩書は社内独自定義 → 意味を決めつけず「具体的にどんな評価基準・裁量を伴うポジションか」を質問して良い
4. NexusCoreの初期設計判断を問われたら → 「2025年当時は記録の運用前で、正直細部の理由は薄れている。そこに気づいて2026年4月以降は全判断をSSOTに記録する体制に切り替えた」と成長ストーリーで返す
5. 条件面より「働きがい」軸で語る（上記・代表のSNS発言参照） → 待遇の質問は最小限・終盤に留め、ビジョン共感とキャリア戦略の一致を主軸に据える