ansoby showcase

A4 横・1 セクション = 1 ページで印刷できます。

Takashi Kato Profile

From Field Systems to AI Orchestration

技術を現場で使える形に落とし込む

RFID、Web、SaaS、AIまで、技術変化の大きい領域で0→1開発・品質改善・組織内製化・人材育成に取り組んできました。 現在はAIを単なるツールではなく、業務フローへ組み込むための実行基盤として活用することに取り組んでいます。

RFID / Web / SaaS / AI 0→1開発 品質・試験工程 組織内製化 AI業務フロー / AI Orchestration
Career Timeline

技術領域をつなぎ、現場実装へ進める

01

RFID / Control / Quality

制御、通信、検定、試験を通じて、実運用で止まらないシステムの設計感覚を培う。

02

Linux / OSS / Education

OSSを事業と教育に落とし込み、社内外のエンジニア育成とインフラ活用を広げる。

03

Web / Rails / Agile

Web開発、Rails、TDD、Agileを導入し、0→1の試作から継続改善までを支える。

04

SaaS / Team Enablement

フルスタック開発、若手育成、内製化支援を通じて、チームが自走できる状態を作る。

05

AI Workflow / Orchestration

AIを個人の補助ではなく、レビュー、テスト、ドキュメント、実行基盤を含む業務フローへ接続する。

Quality, Test, and Reliability

品質・試験工程を、実運用の設計要素として扱う

品質・試験工程を、単なる後工程ではなく、実運用に耐えるための設計要素として扱ってきました。

Field Systems

  • RFID / 非接触ICカード
  • 高セキュリティ領域: 大手銀行電算センター、研究開発所、官公庁
  • スキー場向けRFIDタグ、鉄道ゲート試作検証

Control / Protocol

  • RS-232C、RS-422、GPIB
  • PLC、測定器制御
  • 通信プロトコル仕様作成

Compliance / Test

  • 防水基準、電波法、検定・試験対応
  • 性能試験 / 負荷試験、JMeter
  • 金融・決済系の連動試験・品質評価

Development Quality

  • TDD / BDD / Selenium
  • テスト自動化とレビュー
  • 仕様、実装、運用をつなぐ品質改善
Linux / OSS / Web Infrastructure

OSSを、教育とサービス基盤へ展開する

Filtering / Infrastructure

Webコンテンツフィルタリング、海外製PCインストール型ソフトの輸入販売、 国内向けサーバー（プロキシ）型フィルタリングシステム開発、家庭向けフィルタリングサービスの企画・設計・リリースに取り組む。

Linuxセットトップボックスを利用したフィルタリングシステムなど、OSSとネットワーク技術を実サービスへ接続。

Education / Enablement

Linux教育事業を立ち上げ、TTT（Teacher of the Teacher）取得、Linux講師育成、TCP/IPネットワークセミナーを推進。

Linuxディストリビューターとの交流を通じて、OSSを「使う」だけでなく、教え、広げ、現場で運用する形にする。

Web / Rails / Agile / Product Development

0→1開発から内製化まで、プロダクト開発を支える

Web Stack

Java / Servlet / JSPからRuby on Rails導入、社内システム構築、Rails教育、エンジニア育成へ。

Agile Quality

TDD / BDD / Seleniumを取り入れ、継続的に品質を上げる開発フローを構築。

0→1 Prototype

大手家電メーカー向けにIoT / AR / ホームネットワークなどの試作開発を推進。

Social / Mobile

Twitter API、Facebook API、Facebookゲーム、favorite、リコメンド、全文検索、iOS / Android / Titanium。

SaaS Product

Vue.js導入、SaaS型不動産サービス、フルスタック開発を通じて事業に近い開発を実践。

Team Enablement

若手育成 / 内製化支援により、外部依存ではなくチームが改善を続けられる状態を作る。

AI Native Development Process

AIを、チームの開発プロセスへ組み込む

AI導入で重要なのは、個人のコード生成ではなく、チーム全体で品質を維持・向上できる開発プロセスへ組み込むことです。

AI Team Development

GitHub、GitHub Copilot、ChatGPT、Claude Code、OpenAI Codex、Geminiを組み合わせたAIチーム開発。

Readable by AI

AIが正しくたどれるドキュメント、仕様、テスト、レビュー観点を整備する。

Quality Generation

コード生成だけではなく、レビュー、自動テスト、ドキュメント整備まで含めて品質を上げる生成へ。

> Issue -> Context -> Implementation -> Review -> Test -> Documentation -> Pull Request
AI Workflow / AI Orchestration

AIを、既存システムと接続する業務実行基盤として扱う

AIを単体ツールではなく、既存システム・API・ファイル・データベースと連携する業務実行基盤として扱います。

Document Flow

Slack / FileSystem -> File Intake -> Markdown -> Summary / Extraction -> Google Spreadsheet

Vision / Event Flow

Image / Movie / Network Camera -> Vision API -> OCR / Summary -> Event Detection -> TTS / Notification

Automation Flow

Scheduled Task / Event Stream -> Agent Execution -> API / DB Integration -> Notification / Reporting -> Batch / Real-time Processing
LLM / SLM / Local LLM OpenRouter Runpod GCP Cloudflare Workers / Pages Docker / execution container Existing API integration Pub/Sub WebSocket Real-time Event Processing