MLOpsエンジニアのフリーランス面談でよく聞かれる質問と答え方

フリーランスのMLOpsエンジニアの面談でよく聞かれるのは、どのくらいの規模の基盤を誰のために作ったか、どの工程を自分で担ったか、本番で止まったときにどう動いたか、費用と権限をどう扱ったかの4つです。面談官は、道具の名前をいくつ知っているかより、「この人に基盤を預けたら、利用者が安心してモデルを出し入れできるようになるか」を確かめようとしています。

答えるときは、模範回答を覚えるより、自分の経験から「判断の場面」を3〜4つ選び、どの質問にもそこから答えられるように準備しておくのが近道です。面談全般の答え方の型は業務委託の面談でよく聞かれる質問と答え方で解説しているので、この記事ではMLOpsの面談に固有の質問に絞ります。

MLOpsの面談で面談官が見ていること

MLOps案件の面談に出てくるのは、機械学習のチームの責任者、基盤やSREのリーダー、データの部門の管理職などです。面談官の出身によって聞き方は変わりますが、確かめたいことはおおむね次の3点に集まります。

1. 任せられる範囲：どの工程を、どの規模で、どこまで自分の判断で作ってきたか
2. 止まったときの動き方：学習や推論の流れが崩れたときに、何を見て、どう切り分け、どう戻したか
3. 利用者との関わり方：機械学習の担当者に使ってもらえる形にできるか、無理な使い方をどう止めるか

MLOpsは、インフラ、ソフトウェア開発、機械学習の境目にある職種です。面談官は、自分の出身と違う側の話が通じるかも見ています。インフラ出身の面談官なら機械学習の流れの理解を、機械学習出身の面談官なら運用の固さを確かめにくる、と考えておくと準備がしやすくなります。

よく聞かれる質問と答え方の考え方

ここで示す答えの例は、組み立て方を伝えるための架空の例です。そのまま使うのではなく、ご自身の経験に置き換えて準備してください。

1. 「直近の基盤の規模と、使っていた人を教えてください」

確かめたいのは任せられる範囲です。基盤に乗っていたモデルの数、使っていたチームや人の数、学習と推論のどちらが中心か、クラウドか社内の環境か、を短く伝えます。

架空の例：「推論のAPIが5本、バッチの予測が3本乗った基盤で、3つのチームが使っていました。私は学習から配置までのパイプラインと監視を担当し、クラスターの管理はSREのチームが担っていました」

自分が担った部分と、他のチームが担った部分を最初に分けて話すと、後の質問との食い違いが起きません。

2. 「学習から配置までの流れを、どう作りましたか」

MLOpsの面談に特有の質問です。道具の名前を並べるより、どこで何を確かめ、誰が承認して本番に出るかという流れを順に話します。モデルの版とデータ・コードのひもづけ、評価の基準、段階的な切り替え、戻し方まで話せると、経験の厚みが伝わります。

3. 「本番で推論や学習が止まったとき、どう対応しましたか」

最もよく掘り下げられる質問です。次の順番で組み立てると伝わりやすくなります。

• 何の通知や指標で気づいたか
• データ、資源、コード、外部のサービスのどれが原因かをどう切り分けたか
• 利用者や業務への影響をどう抑えたか（前の版に戻した、手動の運用に切り替えたなど）
• 誰にいつ伝えたか
• 再び起きないように何を変えたか

「原因を直しました」だけで終わると、切り分けの筋道が見えません。最初に疑ったものと、それを外した理由まで話せると、判断の質が伝わります。

4. 「モデルの質が落ちたことに、どう気づく仕組みにしましたか」

システムが動いていても、入ってくるデータの傾向が変わってモデルの質が落ちることがあります。面談官は、システムの監視とモデルの質の監視を分けて考えているかを見ています。何を指標にし、どの条件で誰に知らせ、知らせを受けた人が何をする決まりにしたかを話します。

5. 「GPUやクラウドの費用をどう管理しましたか」

費用は、発注元にとって関心の高い話題です。資源の割り当ての方針、使われていない資源の見つけ方、費用の見える化、削減の前後の変化を話します。具体的な金額は守秘の対象になりやすいため、割合や件数、仕組みの話で伝えるのが無難です。

6. 「権限や記録はどう設計しましたか」

誰が本番のモデルを差し替えられるか、学習に使うデータに誰が触れるか、操作の記録をどこに残すかの話です。監査や社内の規程に合わせた経験があれば、決まりを仕組みとして組み込んだ例を話します。

7. 「利用者のチームに、基盤をどう使ってもらいましたか」

作った基盤が使われなければ意味がありません。手順書や雛形の用意、説明会、問い合わせへの答え方、利用者の要望を受けて直した例などを話します。無理な使い方を頼まれたときにどう断ったか、代わりに何を示したかも、よく掘り下げられます。

8. 「生成AIの運用の経験はありますか」

LLMOpsの経験を確かめる質問です。経験がある場合は、呼び出しの記録、評価の仕組み、設定の版の管理、費用の監視のうち、何を担ったかを話します。経験がない場合は、従来のMLOpsの経験のどこが生かせるかと、自分で試したことがあればその範囲を正直に伝えます。

準備は「判断の場面」を3〜4つに絞る

上の質問は数が多く見えますが、答えの材料は共通しています。準備は次の手順で進めると効率的です。

1. 場面を選ぶ：障害の対応、流れの設計、費用の削減、利用者への展開など、性質の違う場面を3〜4つ選ぶ
2. 場面ごとにメモをつくる：状況、気づいたきっかけ、選択肢、選んだ理由、結果、学びを書き出す
3. 規模の数字をそろえる：モデルの数、チームの数、期間を、どの場面でも同じ数字で言えるようにする
4. 構成図を手で描けるようにする：オンラインの面談で画面を共有して説明を求められることがある。社名や固有の名称を伏せた図を用意しておく
5. スキルシートと照らし合わせる：シートの担当工程と、話す内容が一致しているかを確かめる

スキルシートとの一致は特に大切です。面談官はシートを見ながら質問するため、話とシートがずれると、どちらも信用されにくくなります。書き方はMLOpsエンジニアのスキルシートの記事、冒頭の自己紹介の組み立て方は面談の自己紹介の記事、画面共有を含むオンライン面談の注意点はオンライン面談で気をつけることで解説しています。

面談官の出身によって重心が変わる

複数の面談官が並ぶ場合は、最初に一人ずつの立場を確かめ、答えの重心をそちらに寄せると、限られた時間を有効に使えます。

MLOpsならではの逆質問

面談の終わりの逆質問は、印象づくりより参画後のずれを防ぐ確認に使います。MLOpsの案件では、次の点を聞いておくと判断がしやすくなります。

• 今の基盤の段階（何もない、手作業で回っている、仕組みはあるが課題がある）
• 基盤に乗っているモデルと利用者のチームの数
• クラスターやクラウドのアカウントを管理しているのは誰か
• 本番の権限が付与されるまでの手続きと、かかる期間の目安
• 夜間のジョブの失敗や障害の連絡の体制に、自分が入るか

一般的な逆質問の考え方は業務委託の面談で聞いておくべき逆質問にまとめています。逆質問で聞いた内容は、契約前の確認にもそのまま使えます。案件を選ぶときの確認点はMLOpsエンジニアの案件の選び方で整理しています。

よくある質問

使ったことのない道具が案件の条件に入っていたら、どう答えればよいですか？

使ったことがない点は正直に伝え、同じ役割の道具で何をしてきたかを話します。たとえばパイプラインの道具が違っても、学習から配置までの流れを設計した経験は生かせます。経験を大きく見せると、掘り下げられたときに答えに詰まります。

障害を起こしてしまった話をしても大丈夫ですか？

話して問題ありません。大切なのは、起きたことの大きさより、どう気づき、どう影響を抑え、何を変えたかを説明できることです。他の人のせいにする話し方は避け、自分の判断に焦点を当てて話しましょう。見送られやすい答え方は面談で見送られる理由の記事で解説しています。

機械学習の理論はどこまで聞かれますか？

案件によりますが、MLOpsの面談では、モデルの中身より、学習と評価の流れや、モデルの質が落ちる仕組みを理解しているかが聞かれることが多くあります。モデルを作る仕事が中心の面談は機械学習エンジニアの面談の記事が参考になります。