就活面接で評価される AI プロジェクトの語り方

「AI 系のインターンや就活で、自分のプロジェクトをどう語ればよいか分からない」— Cypher メンバーからも毎年よく聞く質問です。面接官が実際に見ているポイントと、話を構造化するフレームを紹介します。

面接官が見ているのは技術力だけではない

使ったツールや精度の数字を羅列するだけでは、学生 A と学生 B を区別できません。面接官が知りたいのはむしろ次の 4 点です。

• なぜそのテーマを選んだか (課題設定力)
• どう意思決定したか (代替案の比較と選択理由)
• 何が上手く行って、何が上手く行かなかったか (検証力 / 誠実さ)
• 次にやるとしたら何を変えるか (学習能力)

STAR + Why フレームで話す

• Situation / Task: なぜ着手したか (背景・制約・目的)
• Action: どんな選択肢があり、どう選んだか
• Result: 定量・定性的にどう改善したか
• Reflection (Why not): なぜ他の選択肢を捨てたか。ここに最も知性が出る

数字で語る癖をつける

「精度が上がった」より「mAP が 0.62 → 0.78 に上昇、特に小物体で効果」。「速くなった」より「推論時間 120ms → 38ms、量子化で約 3 倍」。技術面接では相対値より絶対値と条件 (データセット、ハード) が必須です。

失敗を武器にする

「最初は XGBoost で試したが特徴量設計に時間がかかり、LightGBM + AutoML に切り替えた」のような途中の方向転換を語れると、問題解決の筋道が立体的に見えます。採用側はむしろこの部分を評価します。

よくある深掘り質問

• 「なぜ他のモデルではなくこれを選んだのですか?」
• 「過学習していないと判断した根拠は?」
• 「この指標が本当にビジネス価値と直結していますか?」
• 「本番投入するなら何を追加しますか?」

これらは全て「あなたの思考の筋道」を見る問いです。答えを丸暗記するのではなく、自分のプロジェクトに対して事前に 10 回くらい自問しておきましょう。