[2026年度第1回ORセミナー] 計画最適化ベンチャーと競技プログラミング人材

2026/6/4 (木) に、2026年度第1回ORセミナー「競技プログラミングと OR: 研究と実務に活かす競プロスキル」で講演させていただいたスライドです。
https://orsj.org/?p=9495

Transcript

1. 株式会社 ALGO ARTIS プリンシパルアルゴリズムエンジニア 松尾 充 計画最適化ベンチャーと競技プログラミング⼈材
2. 講演者プロフィール 松尾 充 | マツオ アタル @terry_u16 株式会社ALGO ARTIS プリンシパルアルゴリズムエンジニア 運輸事業統括部 鉄道事業部グループリード アルゴリズム ヒューリスティック 2033 3187
3. 講演者経歴 ⼤学に⼊学して機械⼯学を勉強 2010 IHIという重⼯業メーカーで 戦闘機⽤ジェットエンジンを開発 2016 うっかり競技プログラミングに ハマってしまう 2020 株式会社ALGO ARTIS⼊社 2022 アルゴリズムチームのリードに就任 2025
4. 競プロ⼈材企業 ALGO ARTIS
5. 競技プログラミングサイトAtCoderにて 過去8回にわたりコンテストを開催 AtCoderでのコンテスト開催 ⽇付 コンテスト名 2022/04/24 ALGO ARTIS プログラミングコンテスト2022（AHC010） 2023/06/11 ALGO ARTIS プログラミングコンテスト2023（AHC020） 2024/01/13 ALGO ARTIS プログラミングコンテスト2023 冬（AHC028） 2024/07/21 ALGO ARTIS プログラミングコンテスト2024 夏（AHC035） 2025/01/19 ALGO ARTIS プログラミングコンテスト2025 冬（AHC041） 2025/09/19 ALGO ARTIS プログラミングコンテスト2025 夏（AHC054） 2025/12/14 ALGO ARTIS プログラミングコンテスト2025 師⾛（AHC058） 2026/04/26 JR⻄⽇本‧ALGO ARTIS プログラミングコンテスト（AHC064）※ ※ ⻄⽇本旅客鉄道株式会社様との共同開催
6. ALGO ARTISの社員約100名のうち、その半数程度が競プロ経験者 時折強い競プロerがALGO ARTISに吸い込まれていく ALGO ARTISの競プロer割合 この半分くらいが競プロer
7. 吸い込まれた競プロerは何をしているのか？ 謎は深まるばかり……
8. 本⽇はALGO ARTISにおいて 競プロerがどのように活躍しているか お話しします！ 宣伝っぽくなっちゃったらごめんなさい！
9. ALGO ARTISの事業
10. 競プロerの「得意」を仕事にするには
11. 競プロerの「得意」を仕事にする 競プロの問題を解くだけでお⾦をもらえる状態が理想！ しかし、⼿頃な賞⾦付き問題がその辺に落ちているわけではない https://www.kaggle.com/competitions/santa-2025 サンタコンペ2025 (Kaggle) ⼆次元平⾯上にクリスマスツリーを できるだけ⾼密度に詰め込む組合せ最適化問題 コンペ期間 ：2ヶ⽉半 (2025/11/18〜2026/1/31) 優勝賞⾦  ：$12,000 (約185万円 / チームで⼭分け) 開催頻度  ：年に1回 参加した感想：とてもつらい 競プロで賞⾦稼ぎして⽣きていくのは 現実的ではない（悲しい……）
12. 作問もまとめて仕事にする 問題が存在しないのなら⾃分で作問すればよい 顧客の課題を⾃分たちで問題に落としこんで解けばお仕事になる！ 漠然とした顧客課題 問題に落としこむ 解く！
13. ALGO ARTIS会社概要 Algorithm Artisan アルゴリズム 職⼈ 2017/04 株式会社DeNAで新規事業検討開始 2021/07 DeNAからスピンオフする形で設⽴ 現在 社員数100⼈ほどの会社に成⻑ アルゴリズムの職⼈として顧客課題を解決し 社会基盤の最適化を実現する
14. モノの調達から消費までのサプライチェーン全体を ヒューリスティックアルゴリズムで最適化 ALGO ARTISのお仕事 調達 物流 ⽣産 配送 消費 資源輸⼊の配船計画 化学品の⽣産計画 陸運の配送計画
15. 計画を⽴てるのは⾮常に複雑なパズルを解くようなもの ⼤量の制約条件を考慮しつつ効率の良い計画を⽴てるのは困難 計画作成における課題 海外から国内の発電所へ ⽯炭を船で運ぶ計画を⽴てる ⽬的 船の隻数‧⽯炭在庫量 など 制約条件 (⼀例) 運賃‧滞船料‧航路距離 など 評価指標 (⼀例) 極めて複雑な組合せ最適化問題
16. 現場担当者は多くの場合Excelなどで⼈⼒で計画を⽴てている 単純に業務が⼤変なうえ、様々なリスクも抱えることになる 計画作成における課題 膨⼤なExcel作業 外部要因等による修正で毎⽇⻑時間作業 業務複雑化による属⼈化 限られた熟練者以外は計画作成不可 ⾮効率な計画による潜在損失 制約を守る計画を⽴てるので精⼀杯
17. 属⼈化解消 ベテランからの引き継ぎが容易に 組合せ最適化問題と捉えて、ヒューリスティック最適化技術で解く 計画作成者の負担を軽減しつつ、⼤幅なコスト‧リスク低減を実現 ヒューリスティック最適化による課題解決 計画の効率向上 (例) 100 億円/年 × 1 % = 1 億円/年 ⾼付加価値作業への転換 複数計画の⽐較検討などが可能 焼きなまし法 局所探索的に改善する最適化⼿法 ビームサーチ 解を逐次構築する最適化⼿法
18. さまざまな領域における極めて複雑な運⽤計画を最適化 対象とする領域 海運 電⼒ 製造 運輸
19. 顧客課題の解き⽅
20. 最適化問題を解くのだから アルゴリズムの能⼒だけが重要？
21. 最適化問題を解くのだから アルゴリズムの能⼒だけが重要？ × まちがい
22. アルゴリズムの能⼒が重要なのは間違いないが 必要な技術はそれだけではない！
23. アルゴリズムだけだとどうなるか アルゴリズムだけを作成して顧客に提供しても それだけでは価値を発揮しない データ⼊⼒ アルゴリズム実⾏ データ出⼒ ⼊⼒データの 準備が困難 顧客による 実⾏が困難 出⼒データの 解釈が困難
24. そもそも「顧客課題を解く」とは 細分化すると多くのステップから構成されている 最適化アルゴリズム実装は課題解決の⼀部でしかない ヒアリング‧課題定義 部分問題への分割 アルゴ実装 フロント実装 バックエンド実装 フィードバック 運⽤開始！ 繰 り 返 し 改 善
25. ヒアリング‧課題定義 課題を解くためには、まずは課題を正確に把握するところから 問題を解く競プロerが直接ヒアリングすることで解像度を上げる ストーリー 問題文 ??? ??? ??? ??? ??? どのように課題解決するか イメージしながら ⾜りない情報をヒアリングして 聞き出していく 顧客課題と技術を双⽅向から 結びつけていく営みなので エンジニアが直接 ヒアリングした⽅が早い
26. 部分問題への分割 複雑な顧客課題を複数の部分問題に帰着させて解く 競プロerは普段からコンテストでこの訓練をしており⾮常に上⼿い 差分dをとる dごとにまとめる 独⽴に数え上げ マージ 担当者がデータ⼊⼒ 最適化実⾏ ⼀部を⼿で修正 データ連携 競プロの問題（何かしらの数え上げ） 顧客課題（何かしらの計画作成）
27. 部分問題への分割 | 複数技術の組み合わせ フロント‧バックエンド技術も駆使してユーザー業務全体を再定義 業務全体を最適化 最適化実⾏ データ⼊⼒ 最適化実⾏ 結果微調整 前⼯程 後⼯程 データ データ プラットフォーム UI 最適化 アルゴリズム ユーザー 調整業務 調整業務 外部データ連携 データ ⼊出⼒
28. 部分問題への分割 | 最適化と顧客のスコープ分割 全てを最適化アルゴリズムで解くのがベストではない 実運⽤に乗せるには適材適所なスコープ分割が必要 最適化アルゴリズム 顧客による操作 マシンパワーを活かした ⾼度な計画の最適化は 最適化アルゴリズムの⽅が得意 データ化しづらい箇所や部⾨間調整など 個別事情に応じた微調整は ⼈間の⽅が得意 顧客を巻き込みつつ磨き込むが 全てを最適化で解決しようとしない 編集しやすいUIを提供して スムーズに⼿修正できる環境を提供 アルゴリズムで解くこと⾃体ではなく、業務がより上⼿く回るようにすることが⽬的
29. 部分問題への分割 | 解法は⼀つではない あらゆる技術が顧客課題を解く武器で、解法の⾃由度は⾮常に⾼い 使えるものは何でも使ってベストなソリューションを提供する ⾼度な最適化アルゴリズム ⼈間には不可能なレベルの解を出⼒し、⼤きなコストメリットを⽣み出す データ⼊⼒や計画の⼿修正がスムーズなUI アルゴリズム‧⼈間それぞれが適材適所で業務を円滑に回せるUI設計を⾏う ヘビーな利⽤に耐えるバックエンド データ処理‧同時編集といった⾼度なユーザーの要求を捌く仕組みを作る 多数のテナントを⽀えるプラットフォーム基盤 様々な案件で必要な処理を抽象化‧共通化して開発⼯数を⼤幅に削減する
30. 実装 with LLM LLMの発展により、新たなスキル学習時のキャッチアップが容易に 基礎⼒の⾼い競プロerが必要なスキルを⾼速に⾝に付けていく 最適化 ⼿法 フロント エンド ⼤規模 データ処理 ベースとなる計算量の考え⽅や アルゴリズムの知識が ⾼いレベルで⾝に付いているため LLMの⼒を借りつつ 狂気の学習⼒でキャッチアップし 使いこなすことが可能 基礎的な計算量‧ アルゴリズムの知識
31. 実装 with LLM | 競プロerのスキル領域拡⼤ アルゴリズムという強みを持ちつつ周辺領域へスキルを拡⼤ コア技術の周りへ広げていくのがLLM時代の開発に重要なのではないか コア技術 その⼈個⼈が特に強みを持つ深い技術 他に代替されづらい価値の源泉 サテライト技術 LLMの⽀援等も受けつつ活⽤できる技術 コア技術と組み合わせて価値を最⼤化 ドメイン知識 フロントエンド バックエンド アルゴリズム デザイン
32. 仮説検証を通した継続的改善 ⼀回作って終わりではなく、顧客と⼀緒に改善サイクルを回す 特にAHCで訓練された競プロerは仮説検証が⾮常に上⼿い AHC改善サイクル 仮説 新たな解法検討 実装 改善手法の実装 評価 改善量の確認 実プロジェクト 仮説 新たな機能検討 実装 新機能の実装 評価 顧客と議論 仮説精度の⾼さと実装の速さにより、⾼速で改善サイクルを回せる
33. まとめ | 顧客業務の解き⽅ 顧客課題を解くためには幅広いスキルが必要 アルゴリズムに留まらず、あらゆるスキルを駆使したユーザー業務の再設計が必要 競プロerの基礎⼒×LLMでサテライト技術をブースト LLMの⼿を借りながら、新しい技術を狂気の学習⼒で吸収していくことが可能 エンジニアリング技術以外にも競プロで鍛えた技術が使える 部分問題への分割や改善サイクルの実⾏などが実プロジェクトに活きる
34. 競プロ⼈材と働く
35. 競プロ⼈材だらけの環境で働くと 何が起こるか？
36. 開発者体験 「共通認識として扱える範囲はメンバー能⼒のminで決まる。 これは開発者体験への影響が⼤きい」 by chokudaiさん https://ttj.paiza.jp/archives/2024/07/30/14404/
37. 開発者体験 競プロerを集めるとアルゴ能⼒のminが異様に⾼くなる DP, フロー, 焼きなましという⾔葉が常時⾶び交う異次元の開発者体験 緩和してフローを流せば下界が出せます 合宿のチーム分けを焼きなましで最適化します 状態数はカタラン数だから制約下ならDPが⼗分⾼速 再帰的なUIコンポーネントをDFSで構築します
38. 競プロer向け福利厚⽣ 競プロ勉強会におけるAHCトップ層による解法共有や 最適化関連の研究成果の発表などが⾃然と競プロer向け福利厚⽣に この辺の⼈たちの ⽣のAHC解説が 毎回聞ける！ https://atcoder.jp/ranking?contestType=heuristic
39. 競プロer向けイベント 同じ趣味を共有するメンバーということで様々なイベントが発⽣ 競プロerの多い他社さんも⾊々やってるはず ICFPC合宿 企業対抗リーグ応援会 ICFPという学会が主催する72hコンテスト 熱海の温泉宿で4泊5⽇の合宿を実施 AtCoder主催の企業対抗リーグの応援会 応援せず考察しかしてないという噂も……？
40. 優秀な競プロerにアプローチするには ⾮常に参考になるサイトがあったのでご紹介
41. 優秀な競プロerにアプローチするには ⾮常に参考になるサイトがあったのでご紹介 https://info.atcoder.jp/utilize/jobs/approach
42. AtCoderでコンテストを開こう！ コンテストを開いて優秀な競プロerにアプローチしましょう！ 詳細はchokudaiさんという⼈に聞くといいらしいです！ こんな感じの人らしいです！
43. まとめ
44. 本⽇のまとめ 計画作成業務の効率化に競プロが⾮常に有効 最適化アルゴリズムが顧客の価値にダイレクトに繋がる領域 競プロerの狂気の学習⼒でサテライト技術を吸収 必要な周辺領域のスキルも、LLMの⼿を借りながら爆速で⾝に付けることが可能 AtCoder経由で優秀な競プロerにアプローチしよう AtCoderさんにはいつも⼤変お世話になっており頭が上がりません ⽉刊：競プロはORの役に⽴つ！