東京都 土日祝日休みのITエンジニア求人・転職情報

フューチャー株式会社

採用部門、またはアサイン予定プロジェクトの概要 Technology Innovation Group(TIG)は、 「最先端、且つ先進的なテクノロジーのプロフェッショナル集団」、 「プロジェクト品質と生産性の向上」、 「自社サービス事業の立ち上げ」 を主なミッションとして発足しました。 同ポジションは、TIG内のTechnology Architect Teamへの配属です。 同チームでは、独創的で自由な発想と実績をもとに、顧客の戦略的IT投資に向けて、 先進IT技術の調査と伴にシステムのスリム化・効率化・最適化をテクノロジー面で推進します。 また、先進テクノロジーを積極的且つ緻密に採用し、競争力の高いシステム設計・構築、 開発コスト・運用コストの適正化と投資対効果の改善を実施しています。 職務内容の概要 企業の中でのシステムが担う役割、重要度が高まってきています。そのような多種多様なシステムの構築を、画一的な仕組みで実現することができなくなってきています。我々は、お客様がシステムに求める要求に加え、その背景・将来の予測を加え、今とるべき最適で戦略的なアーキテクチャを提案していきます。また、我々は特定のソフトウェア製品やサービスを担ぐことはせず、顧客の成功に最適なアーキテクチャを実現するために必要となるソフトウェアやサービスを利用する。 その様な顧客が成功する為に必要となるアーキテクチャの設計をはじめとして、チーフアーキテクトとしてプロジェクトを技術面からリードするポジションを担当して頂きます。 職務内容の詳細 ●アーキテクチャ要件、非機能要件の定義 ビジネスの成功におけるシステムの役割、なすべきことを理解し、アーキテクチャを設計する為に必要となる要件を定義する。機能面での要件に加え、性能・可用性・移行性・操作性・運用性・機密性など、非機能面での要件も定義する。特に我々は、大規模・ミッションクリティカルなシステムの構築が多いので、非機能面での要件には重きを置いている。 ●アーキテクチャ設計、Proof Of Concept、アーキテクチャチームのリーディング 機能面、非機能面で要件を満たすアーキテクチャの設計を担当する。単純なソフトウェアスタックを設計するのではなく、ソフトウェアを機能レベルのコンポーネントに分解し、コンポーネント間のインターフェースおよび通信含め論理設計する。アーキテクチャ物理設計では、そのコンポーネント間の連携を実現する「実装」を決定するが、世の中にあるソフトウェアで実現できない場合は、自らその実装を開発することも厭わない。 また、我々はたとえ実績がない技術であっても目的達成に必要な技術であれば積極的に採用をしていく。その為、実現性が不確実な要素に関しては、設計段階で実現性の検証(Proof Of Concept:POC)を実施する。 そして、自ら設計したアーキテクチャを元にアーキテクチャチームとプロジェクトを技術面からリードしていく。 ●新技術の検証 常に新たな技術に対しても目を向け、顧客の成功に役立つ可能性がある技術に関しては、積極的に検証を進める。 ※業務内容の変更の範囲: 当社業務全般に従事いただく可能性がございます。 Technology Innovation Groupのプロジェクト事例 ●中日グループの顧客データを統合・可視化。フューチャーアーキテクトが支援する中日新聞社のデータドリブン経営と地域活性化。 https://prtimes.jp/story/detail/ZrX6qyS726B ●グルメ回転寿司に必要なDXとは? フューチャー×銚子丸がパートナーシップで挑む、全社DX推進プロジェクトhttps://prtimes.jp/story/detail/Ybv6g8SlJPb ●コンテンツの価値を最大化せよ　クラウド型CMS GlyphFeedsが変える情報発信の姿https://www.future.co.jp/lttf/detail/220617_glyphfeeds/

FPTコンサルティングジャパン株式会社

製造現場の業務課題をローコード開発ツール「Tulip」を活用して、業務アプリケーションを作成し、顧客の業務改善活動を支援していただきます。 ●担当業務 ・TULIPアプリケーションの開発作成・テスト・改善業務 ・テーブル・トリガ・ウィジェットなどの実装 ・製造作業現場の観察・業務ヒアリング ・データの可視化(チャート、ダッシュボード) ・操作マニュアル作成、トレーニング支援 ●導入事例 ・大手工作機器メーカー　組み立て工程手順書のデジタル化

FPTコンサルティングジャパン株式会社

ERP導入における拡張開発・自動化・外部連携を担うエンジニアポジションです。コンサルタントと協働し、Fit to Standardを守りながら、必要最小限の拡張を高品質に実装します。 特定製品経験は必須ではありませんが、オラクルERP:NetSuite等を活用する想定です。(Web/業務システム開発経験を重視) 【担当業務】 1)拡張開発/業務自動化 ・ワークフロー、画面、帳票、バッチ等の拡張設計〜実装〜テスト ・JavaScript/TypeScript等を用いたカスタマイズ(例:SuiteScript相当の拡張) 2)外部連携/データ連携基盤 ・REST/SOAP/CSV/バッチ等による外部連携設計・実装(MES/PLM/WMS等) ・認証、エラー処理、再送、ログなど運用を見据えた連携品質の担保 ・iPaaS/ETL活用(経験があれば) 3)移行・品質・リリース管理 ・データ移行支援(変換、検証、移行リハ) ・UT/SIT支援、性能・監査・権限観点のレビュー ・Sandbox/本番のリリース管理、変更管理、切替手順整備 ・運用保守ドキュメント整備・引継ぎ 【導入事例】 昨年秋の立上以降、バイオ医薬業の新工場立上を支援しています。具体的にはエンタプライズアーキテクチャデザイン、即ち新工場全体のビジネス/データ/アプリケーション/テクノロジーアーキテクチャデザインを担当しました。

FPTコンサルティングジャパン株式会社

製造業向けローコード開発ツール「Tulip」の開発スケーラビリティを担保するため、テーブル構造やアプリ間連携、外部システムとの接続設計など、ロジック・アーキテクト業務を担っていただきます。 ●担当業務 ・テーブル設計(物理・論理アーティファクトのモデリング)​ ・コネクター/外部API連携設計​ ・トリガ・変数・集計等の技術指導​ ・データ標準化/命名規約の整備​ ・開発ガイドラインの作成 ●導入事例 ・大手工作機器メーカー　組み立て工程手順書のデジタル化

GO株式会社

タクシーアプリ『GO』は、全国に1,100社以上のネットワークを持ち、3,500万ダウンロードを突破したタクシーアプリです。 今後は単なるタクシー配車にとどまらず、相乗りなどのより複雑なシステムを含めたモビリティプラットフォームを作り上げていきます。 また、GO事業以外にもGX(グリーントランスフォーメーション)事業や人材事業など、モビリティ領域を中心にしつつも様々な事業を新たに展開しており、それらの新規事業においても必要に応じてプロダクトの内製開発を行っています。 GO Inc.は技術を強みとしていますが、技術そのものを目的とした会社ではありません。 技術は課題解決の手段であるため、プロダクトに向き合うことが重要です。 言われたものをそのまま作るのではなく、ユーザーの課題やニーズを理解した上で、より良い体験を追求するための議論をしながら開発を進めていただける方をお待ちしています。 ●ポジション一覧 ・toB、toC向けのWebプロダクト開発(フルスタックエンジニア) ┗タクシーアプリ『GO』の事業者向けWebプロダクト『GO管理画面』 ┗タクシーアプリ『GO』の法人向けサービス『GO BUSINESS』 ┗その他、様々なWebプロダクト開発を行うポジションもございます。 ・『GO』の決済及び請求基盤の開発(バックエンドエンジニア) ●業務内容の変更範囲 会社が指定する業務全般 <参考> [【会長×社長対談】Valueアップデート!次の未来へGOするための、GOらしい働き方・価値観](https://go-on.goinc.jp/n/ncca95a79fbfd) <生成AIの活用方針> セキュリティやコスト等のリスクを抑えつつ、開発業務から一般業務まで全社員・全エンジニアが活用しています。 一部のプロダクトでは生成AIを使った機能を提供しています。生成AIの早い変化に対応するため、エンジニア向けおよび全社員向けの生成AI活用推進チームが手順やツール利用環境を日々整備し、新しい有用なツールが利用できるようにしています。 ●利用可能な主なAIツール・サービス ・Google Gemini / Google NotebookLM / Azure OpenAI / GitHub Copilot / Cursor / Claude Code / Bedrock / OpenAI API ●主な活用状況 ・日常業務の効率化(ドキュメント作成、翻訳、議事録要約、メール作成など) ・ソフトウェア開発支援(コーディング支援、コードレビュー、テストコード生成、デバッグなど) ・サービス・プロダクトへの応用(自社サービスへのAIチャットボット導入、要約機能の実装、コンテンツ生成など) ●学習・コミュニティ活動や利用支援制度 ・有償AIツールのアカウントを全社/部署単位で付与 ・有償AIツールの利用料金の会社負担・補助制度あり ・高性能なPCやGPU環境の提供あり ・業務内外問わず、個人のツール利用に対する費用補助制度あり ・生成AIに限らず様々な補助制度、環境の提供あり ・生成AIに関するテーマで社内外の勉強会を実施 <参考記事> ・[社会を動かすエンジニアリングって?GO開発トップが語る過去と未来|惠良×長谷 対談](https://go-on.goinc.jp/n/n5c60f6de0daa) ・[Webで移動にまつわる課題を解決へと導く。Webプロダクト開発チーム立ち上げの全貌](https://go-on.goinc.jp/n/ne993d2000196) ・[顧客の声をワンチームで実現する。『GO BUSINESS』事業企画×PdM×開発の越境対談](https://go-on.goinc.jp/n/nde99f7e20e61) <参考サイト> ・[GO Inc. Entrance Book for Engineer](https://fuzzy-margin-4d6.notion.site/GO-Inc-Entrance-Book-for-Engineer-e3e916579fc64696bef64488f4c7e73c)(まずはじめに知っていただきたいGO Inc.の情報) ・[GO Tech Blog](https://techblog.goinc.jp/) (GO Inc.のエンジニアが技術情報を紹介するブログ) ・[GO-on](https://go-on.goinc.jp/)(GO Inc.の人や組織、事業について知れるブログ) ・[オフィスフリー制度](https://go-on.goinc.jp/n/nece2dde0c633)(全国どこからでも勤務できる制度) ・[トライアルタクシー制度](https://go-on.goinc.jp/n/ne45562990510) (タクシー乗車費用を会社が一部補助する制度) ・[Engineer Challenge Week](https://go-on.goinc.jp/n/n03e1ca85aacd)(半年に2週間、業務を離れてスキルアップに集中できるプログラム)

GO株式会社

GOのデータ基盤では、3,500万ダウンロードのタクシーアプリ『GO』のデータなど、1日に10億レコード規模のデータを収集し、活用しています。 データの主な活用方法は二つあります。 一つはデータプロダクトの開発であり、データをもとにAIや高度なアルゴリズムを開発しタクシーアプリ『GO』に機能として組み込んでいます。 もう一つは意思決定支援であり、約30名のデータアナリストやデータサイエンティストがデータ分析し、その結果を元にビジネス担当やプロダクトマネージャがプロジェクトの効果測定や意思決定をしています。 本ポジションは、このデータ基盤を支えるデータエンジニアです。 仕事内容 データ基盤とデータプロダクトの実行基盤を担当いただきます。 ●データ基盤 ・大規模な車両データをDataflow等を用いてBigQueryに収集 ・3,500万ダウンロードのアプリケーションのDBとログのデータをBigQueryに収集 ・地図を始めとした外部データをデータ基盤に収集 ・データ加工バッチの開発・運用、Google Cloudの様々なサービスを用いて実現 ・StreamlitやLookerなど分析ツールのホスティング ・100人規模の利用者の管理、セキュリティコントロール ●データプロダクト実行基盤 ・タクシーアプリ『GO』でAIや高度なアルゴリズムを用いたデータプロダクトの実行基盤を設計・開発・運用 ・データサイエンティストの開発支援 ・AIモデルの学習バッチや、本番での推論サービング ・高性能かつ高可用性を担保するための設計・実装・システム運用 ・24/365のオンコール体制(待機なし・システム障害時に当番順にコールがあり対応) ●業務内容の変更範囲 会社が指定する業務全般 開発環境 ●データ基盤 ・データストア: BigQuery ・ETL: Dataflow, 独自開発(Python) ・SQLフレームワーク: Dataform ・ワークフローエンジン: Cloud Composer(Airflow) + GKE ・メタデータ管理:Dataplex ・その他ツール: Streamlit, Kepler.gl, Kubeflow ・言語: Python ●データプロダクト実行基盤 ・データストア:Redis, AWS Aurora(MySQL, PostgreSQL) ・実行基盤:AWS:AKE etc ・言語: Go, Python ・モニタリング: Grafana, Sentry ・その他ツール:Feast ●開発環境 ・LLM: Github Copilot, Claude code, gemini, MCPs etc ・IDE: VS Code etc ・CI / CD: GitHub Action ・VCS: GitHub ・その他 Google Workspace, Slack 所属組織 AI技術開発部 データプラットフォームグループ:4名 ※関連チーム ・データサイエンティスト:20名 ・データアナリスト:8名 ・データアーキテクト:5名

フューチャー株式会社

弊社では、クライアント様の経営および事業を支える戦略的なシステムの構築を多く手掛けています。これらのシステムには、大規模・ミッションクリティカルな難易度の高い要件があり、既存の商用ソフトウェアやOSSを組み合わせるだけでは実現できない案件が数多くあります。 そのようなシステムを実現するためのコアとなるソフトウェアの設計・開発・導入を担当して頂きます。 「ソフトウェアエンジニア」という職種でも、得意分野により活躍するフィールドがいくつもありますが、代表的な例を以下に挙げます。 ●React.js/Angular/Vue.jsを駆使して高度なUI/UXを実装するフロントエンドエンジニア 弊社の手がける大規模案件においても、リッチで高度なUIを求められることが増えており、React.js/Angular/Vue.jsといったJavaScriptフレームワークを用いて実装しています。これらの技術要素をベースにしつつ、その案件で最適なプラグインや周辺技術を選定し、Webコンポーネント化を推進して、他のエンジニアをリードする役割を担って頂きます。 ●マイクロサービスなどのトレンド技術を駆使して実装するバックエンドエンジニア エンタープライズにおいてもクラウドの採用が多くなり、Webアプリケーションもコンテナ化され、マイクロサービス化されていく中で、APIの開発だけでなく、周辺技術(API Gatweay/サービスメッシュ/コンテナオーケストレーションなど)にも精通したリードエンジニアとして、アーキテクチャの選定とソースコードの品質に責任を持って推進して頂きます。 ●品質・開発生産性・メンテナンス性を高めるフレームワーク、ツールの設計・開発エンジニア 我々が開発するソフトウェアは、企業経営の根幹を担い何年も使われ続けます。ですから、機能面、非機能面含め高い品質が求められます。また、生産性や継続したエンハンスにも耐えうるメンテナンス性が求められます。これらを開発するプログラマーの力量に頼るのではなく、弊社が持つ開発方法論とリンクしたフレームワークやツールとして仕組化して開発を進めています。今後は、従来機械に任せてきた単純な判断だけでなく、人間の判断が必要とされてきた領域に関しても、機械学習を活用し、アプリケーション開発の自動化を目指していきます。 ●自社製品の設計・開発エンジニア 弊社の研究開発チームでは、顧客向けシステムの開発に必要なライブラリ、フレームワークの開発をはじめとして、設計・開発を高品質かつ高生産性に実施するためのツールや、実行環境などをサービス提供しており、各案件で利用されています。「すでに世の中にある製品や技術は積極的に利用し、世の中にまだない/足りないものは自ら作る」のマインドをもって、特定プロジェクト・システムの枠を超えて利用されるプロダクトの設計・開発を担当して頂きます。 ※業務内容の変更の範囲: 当社業務全般に従事いただく可能性がございます。

フューチャー株式会社

ITコンサルティングカンパニーのフューチャー株式会社に設立されたAI戦略推進グループ(旧:Strategic AI Group) はAIの専門組織です。 NLP、Computer Vision、Machine Learning全般、AIエージェント、数理最適化やMLOpsなど多様な専門性をもつAIエンジニア、AIコンサルタントや研究者が集結し、基礎・応用研究を通した先端追求による基礎技術力の獲得と、実ビジネスへのAI応用を両軸ですすめています。 わたしたちは最適解の追求のために特定の製品によらず、世にないAIは自ら作り出し、フューチャーが持つ屈指のITコンサルティング力と組み合わせて顧客・業界の変革を続けています。 【NLPエンジニアの仕事】 ●メンバーとして自然言語処理技術・生成AI等を用いた顧客課題の解決に従事します ●業界横断的な課題や特定顧客のニーズに応えるため研究開発を実施することもあります ●希望・能力に応じて大学との共同研究に参画する可能性もあります 将来は自然言語処理・生成AIを中心としたAI案件のプロジェクトリーダーやAIテックリードなどへのキャリアも希望や素養に応じて可能となります。 高い専門性を発揮できる場合には学術研究を行いながら言語活用の技術アドバイザリやコンサルティングを行うリサーチエンジニアへの道もあります。 変更の範囲について 当社業務全般に従事いただく可能性がございます。 【AI社会実装の事例】 ●AIエージェントによるAI駆動の法人融資業務プロセスへの変革デザイン・実装(金融) ●全社基盤のAIエージェント・プラットフォームの設計・開発(製造) ●全社の生成AI活用施策の推進の伴走支援およびAI基盤構築(製造) ●新聞特化の大規模言語モデル研究開発・導入(メディア) ●精神疾患診断補助を行うソフトウェア医療機器研究開発(医療) ●業界屈指精度・業務改善効果を誇る完全自社性の特化型AI-OCR(公共・民間各社) ●美容診断・画像生成、類似ファッション検索等のカスタムAIエンジン(美容・アパレル) ●50万個/日の生産を支える日販の食品製造業の消費需要予測(食品製造) ●年5万時間の効果を生む従業員シフト最適化エンジン開発(小売) ●構築したデジタルツインを駆使した、人の手を介さないフルデジタルの設備点検の訪問計画最適化(エネルギー) ●マーケティングや業務効率化等の施策検討～検証のPDCAを回す伴走型データ活用(各社) 【基礎研究・応用研究の事例】 ●LLM/NLPを中心とした複数大学との共同研究、国内・海外会議や論文誌への投稿・発表 ●AI Agentの最新手法、ツール、アーキテクチャの調査や応用研究開発 ●MLOps・LLMOpsのサービス調査や応用検証 ●その他、ビジネス課題に応じたLLM/NLP、CV、数理最適化の応用研究開発など

JAPAN AI株式会社

・顧客課題の発見・設計 顧客の業務プロセス・データ環境・既存 SaaS 群の全体像を深く理解し、AI で解決すべき課題を特定 AI がどう介入すれば効率化・最適化できるかを設計する 利害関係者 (経営層〜現場担当者) との関係構築・調整 課題の構造化・仮説構築・ソリューション提案 ・ワークフロー構築・PoC の高速実装 JAPAN AI STUDIO を活用した業務ワークフローの構築 (稟議承認、リソース最適配置、見込み顧客探索、データ連携 等) LLM / AI エージェントを活用した軽量 PoC の高速実装 顧客の既存 SaaS (SmartHR / Salesforce / HRMOS / 楽々精算 等) との API 連携・データ統合 フルスタック開発 (バックエンド + フロントエンド) ・本番導入・伴走 本番導入の技術支援・運用設計 セキュリティ・コンプライアンス要件への対応 導入後の利用定着支援・改善提案 ・プロダクトフィードバック 顧客フィードバックのプロダクトチームへの還元 新規ユースケースの発見・提案 プロダクト改善に繋がるパターンの抽出・体系化 【業務シナリオ例】 ※以下は想定される業務シナリオの例です ● シナリオ 1 : 製造業の「SaaS 疲れ」を解消する企業の脳の構築 従業員 500名の製造業の顧客。 SmartHR / 楽々精算 / kintone / Salesforce を個別に運用しており、部門間のデータ連携は手作業で行われている。 現場ヒアリングで「月末の経費精算に 1人あたり 2時間かかっている」「営業が受注情報を 3つのシステムに手入力している」という課題を発見。 JAPAN AI STUDIO で各 SaaS を API 連携し、経費精算の自動承認ワークフローと受注データの自動連携エージェントを 2週間で構築。 月間 400時間の業務削減を実現し、他部署への展開 (アップセル) に繋げる。 ● シナリオ 2 : 金融機関の 24時間見込み顧客探索エージェント 地方銀行の法人営業部門。 営業担当者が手動で企業情報を調査し、アプローチリストを作成している。 1件あたり 30分かかり、1日 10件が限界。 JAPAN AI STUDIO で企業データベース・ニュースフィード・決算情報を統合し、AI エージェントが 24時間体制で見込み顧客を探索・スコアリングするワークフローを構築。 営業担当者は毎朝、AI が優先順位付けしたアプローチリストを受け取るだけの状態に。 アプローチ数が 3倍に増加し、受注率が 15% 向上。 ● シナリオ 3 : 小売業の稟議承認プロセスの AI 化 全国 50店舗を展開する小売業の顧客。 店舗からの発注稟議が紙ベースで、本部での承認に平均 5営業日かかっている。 現場観察で「承認者が出張中に稟議が滞留する」「過去の類似稟議を参照できない」という課題を特定。 JAPAN AI STUDIO で稟議データを構造化し、AI が過去の承認パターンを学習して一次判断を行うワークフローを構築。 承認リードタイムを 5営業日から 1営業日に短縮。 この成功事例をプロダクトチームにフィードバックし、JAPAN AI AGENT の標準テンプレートとして全顧客に展開。 ●ミッション 顧客の業務プロセスを解体し、AI を前提とした「次世代の基幹システム (企業の脳)」を実装する 顧客の現場に深く入り込み、既存 SaaS 群の全体像を把握し、AI がどう介入すれば効率化・最適化できるかを設計する。 JAPAN AI STUDIO を活用し、現場が実際に使えるワークフローを爆速で構築する。 その過程で得た知見をプロダクトチームにフィードバックし、プロダクトそのものを進化させます。 顧客の現場で発見された課題やユースケースが、直接プロダクトロードマップに反映されます。 ●AI ソリューションエンジニアについて AI ソリューションエンジニアは、Palantir 社が確立した FDE (Forward Deployed Engineer) を、AI エージェント時代にアップデートしたポジションです。 顧客の最も困難な業務課題を、AI と自社プロダクトを武器に解決します。 ・SIer / SES でのエンジニア 受け取った仕様書通りに実装する 客先常駐で開発リソースを提供する 多重下請け構造の中で顧客と距離がある 特定領域・特定技術の深掘り ・本ポジション 顧客と直接対話し、課題を発見して仕様を自ら定義する 自社オフィスを拠点に、自社プロダクトで顧客課題を解決する 経営層から現場担当者まで、顧客と直接信頼関係を築く フルスタック × AI × ビジネス理解 受託開発でも客先常駐でもありません。 顧客現場で課題を発見し、軽量な PoC を高速実装し、本番導入まで伴走する。 その過程で得た知見がプロダクトを進化させます。 ●期待する役割について 顧客の業務プロセスとデータ環境を深く理解し、JAPAN AI STUDIO を活用して課題解決を実装・導入するエンジニアです。 ・顧客の既存システム (SaaS 群) の全体像を把握し、AI がどう介入すれば効率化・最適化できるかを設計する ・JAPAN AI STUDIO を活用し、現場が実際に使えるワークフロー (稟議承認、リソース最適配置、見込み顧客探索 等) を爆速で構築する ・PoC を本番環境へ導入し、利用定着まで伴走する ・現場で得た知見をプロダクトチームにフィードバックし、プロダクトを進化させる ・経営層から現場担当者まで、多様なステークホルダーと関係を構築する ●成果責任 (KR/メトリクス) FDE の動きがプロダクトの成長 (ARR) に直結する設計です。 ・先行指標 (行動とアウトプット) STUDIO での新規ワークフロー構築数 — 顧客の課題をどれだけシステム化できたか SaaS 連携数 — 顧客の既存 SaaS を JAPAN AI に接続した数 (= 企業の脳の「視界」が広がった数) デプロイ速度 — 要件定義から最初の AI エージェント稼働までのリードタイム ・遅行指標 (事業と顧客へのインパクト) アクティブ利用率 (MAU / DAU) — 構築した AI ワークフローが、現場で実際にどれだけ使われているか 顧客の業務削減時間 / ROI — AI 導入によって浮いた工数や、受注率向上などの実数 アップセル・クロスセル額 — 初期導入拠点から、他部署や地方拠点へ展開したことによる追加売上 ●チーム体制 約120名が開発組織に在籍しています。 チームは現在6名で、以下のチーム・ステークホルダーと密接に連携します: Product Architect — プロダクト設計 Agentic Engineer — エージェント機能開発 AI Success Engineer — 導入後の顧客成功支援 Deployment Strategy — 顧客への導入戦略・展開推進 ●開発環境 言語 : Python (バックエンド) , TypeScript / React / Next.js (フロントエンド) / NX AI/LLM : LangChain, LangGraph, JAPAN AI STUDIO SDK インフラ : GCP (コンテナ / K8s) , Docker データ : BigQuery, PostgreSQL, 各種顧客データソース ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon) , デュアルモニタ対応

JAPAN AI株式会社

・プロダクト開発 JAPAN AI STUDIO を活用した業務ワークフローの実装 (稟議承認、リソース最適配置、見込み 顧客探索、データ連携 等) LLM / AI エージェントを活用した軽量 PoC の高速実装 各種 SaaS (SmartHR / Salesforce / HRMOS / 楽々精算 等) との API 連携・データ統合 フルスタック開発 (バックエンド + フロントエンド) ・本番導入のための実装・改善 シニアエンジニアの設計に基づく本番導入向け実装 パフォーマンス・信頼性の改善 セキュリティ・コンプライアンス要件への対応 (シニアのサポート下) ・プロダクトフィードバック 実装過程で気づいた改善ポイントのプロダクトチームへの還元 再利用可能なコンポーネント・パターンの抽出と提案 ●ミッション 顧客の業務プロセスを解体し、AI を前提とした「次世代の基幹システム (企業の脳)」を実装する 顧客の現場に深く入り込み、既存 SaaS 群の全体像を把握し、AI がどう介入すれば効率化・最適化できるかを設計する。 JAPAN AI STUDIO を活用し、現場が実際に使えるワークフローを爆速で構築する。 その過程で得た知見をプロダクトチームにフィードバックし、プロダクトそのものを進化させます。 顧客の現場で発見された課題やユースケースが、直接プロダクトロードマップに反映されます。 ●期待する役割について シニアエンジニアと協働しながら、以下を段階的に担っていただきます。 ・Phase 1 (入社〜3ヶ月): 実装担当 シニアエンジニアが設計したワークフロー / PoC の実装担当 JAPAN AI STUDIO の操作・SDK の習熟 各種 SaaS (Salesforce / SmartHR / kintone 等) との API 連携実装 ・Phase 2 (3〜6ヶ月): 実装リード 小規模ワークフローの設計〜実装を単独で担当 実装方針のドキュメント化・チーム内共有 プロダクトチームへのフィードバック起票 ・Phase 3 (6〜12ヶ月): 中規模機能のリード 中規模機能の設計・実装のリード 技術選定・アーキテクチャ判断への参加 後続のポテンシャル枠メンバーの OJT サポート ●成果責任 (KR/メトリクス) プロダクトの成長 (ARR) に直結する設計です。 ・先行指標 (行動とアウトプット) STUDIO での新規ワークフロー構築数 — 顧客の課題をどれだけシステム化できたか SaaS 連携数 — 顧客の既存 SaaS を JAPAN AI に接続した数 (= 企業の脳の「視界」が広がった数) デプロイ速度 — 要件定義から最初の AI エージェント稼働までのリードタイム ・遅行指標 (事業と顧客へのインパクト) アクティブ利用率 (MAU / DAU) — 構築した AI ワークフローが、現場で実際にどれだけ使われているか 顧客の業務削減時間 / ROI — AI 導入によって浮いた工数や、受注率向上などの実数 アップセル・クロスセル額 — 初期導入拠点から、他部署や地方拠点へ展開したことによる追加売上 ●チーム体制 約120名が開発組織に在籍しています。 本ポジションが所属する FDE チームは現在 7名で、以下のチーム・ステークホルダーと密接に連携します: Product Architect — プロダクト設計 Agentic Engineer — エージェント機能開発 AI Success Engineer — 導入後の顧客成功支援 Deployment Strategy — 顧客への導入戦略・展開推進 ●開発環境 言語 : Python (バックエンド) , TypeScript / React / Next.js (フロントエンド) / NX AI/LLM : LangChain, LangGraph, JAPAN AI STUDIO SDK インフラ : GCP (コンテナ / K8s) , Docker データ : BigQuery, PostgreSQL, 各種顧客データソース ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon) , デュアルモニタ対応

JAPAN AI株式会社

ミッション "AI の出力品質を科学する — 評価手法の研究・開発で、エージェントの信頼性を証明する" LLM / AIエージェントの出力品質を、機械学習・統計学・計量心理学の手法で定量的に評価・改善します。本ポジションは「テストする人」ではなく、 「何をもって良いAIとするかを定義し、測定する科学者」 です。 期待する役割について AI Evaluation Scientist として、AI エージェントの品質評価基盤の設計・構築・運用をリードしていただきます。 ●評価メトリクスの研究開発 — LLM-as-Judge の校正、報酬モデリング、ベンチマーク設計を通じて「何をもって品質とするか」を科学的に定義します ●自動評価パイプラインの設計・構築 — 研究成果を本番 CI/CD に組み込み、スケーラブルな品質ゲートを実現します ●レッドチーミング・安全性検証 — adversarial testing の自動化、ポリシー準拠検証フレームワークを構築します ●統計的実験計画に基づく品質改善 — A/B テスト・有意差検定でプロンプト戦略やモデル変更の効果を定量的に検証します ●評価シグナルの研究・開発チームへのフィードバック — モデル改善の複利ループを構築します 約 200 社が本番利用するプロダクトの品質を「科学する」アプローチで担保します 業務内容 AI Evaluation Scientistとして、 AIエージェントの評価基盤 (Evaluation Infrastructure) の設計・構築・運用をリードしていただきます。 ●評価メトリクスの研究開発 ・LLM-as-Judge の校正手法の研究・実装 (rubric 設計、バイアス検出、proper scoring rules) ・評価ベンチマークの設計・構築・妥当性検証 (construct validity、contamination detection) ・報酬モデリング / preference learning の評価への応用研究 ・評価メトリクスの選定・設計 (win rate、task success、factuality、harm detection) ・評価セット (合成データ + 実ログ) の設計・構築・メンテナンス ●自動評価パイプラインの設計・構築 ・スケーラブルな自動評価パイプラインの設計・実装 ・CI/CD への評価パイプライン組込みと品質ゲートの構築 ・エージェント評価ハーネスの設計 (マルチターン・ツール利用・ロングコンテキスト対応) ・評価パイプラインの再現性・信頼性の担保 ●安全性・品質検証 ・自動レッドチーミング (automated adversarial testing) の研究・実装 ・安全性 / ポリシー準拠の検証フレームワーク構築 ・ハルシネーション検出・校正手法の研究・実装 ・プロンプト / ツール回帰テストの設計・実行 ●統計分析・実験設計 ・統計的実験計画 (A/B テスト、有意差検定) の設計・分析 ・品質トレンドの可視化・回帰検出の自動化 ・品質レポート作成と改善提案 ・評価シグナルの研究・開発チームへのフィードバック 業務シナリオ ※以下は想定される業務シナリオの例です ●シナリオ1: LLM-as-Judge の校正と妥当性検証 新しい評価メトリクスとして LLM-as-Judge を導入する際、judge モデルの校正 (calibration) を実施します。人間評価との一致率を統計的に検証し、rubric 設計を反復改善します。construct validity を確認した上で、自動評価パイプラインに組み込み、評価コストを 80% 削減しながら人間評価と同等の信頼性を実現します。 ●シナリオ2: 新モデル導入時の品質ゲート LLMプロバイダーが新モデルをリリースした際、既存のベンチマークスイートで回帰テストを実行し、factualityスコアが3%低下していることを検出します。原因を分析し、プロンプト調整で品質を維持したまま新モデルへの移行を完了します。 ●シナリオ3: 自動レッドチーミングによる安全性検証 金融機関向けにJAPAN AI AGENTを導入する際、自動レッドチーミングパイプラインを構築します。adversarial promptの自動生成・分類器による脆弱性検出を実装し、業界固有のリスクシナリオ(機密情報漏洩、不適切な金融アドバイス等)を網羅的にテストします。ポリシー準拠率99%以上を達成します。 ●従事すべき業務の変更の範囲 会社の定める業務 成果責任 (KR/メトリクス) ●評価カバレッジ率(テストケース網羅率) ●回帰検出率(リリース前の品質劣化検出率 ≥ 95%) ●評価パイプライン実行時間(CI/CD内で完了) ●LLM-as-Judge と人間評価の一致率 ●False Positive / Negative 率 ●安全性インシデント発生率(リリース後) チーム体制 約120名が開発組織に在籍しています。 AI Evaluation Scientistは品質保証の専門チームとして、以下のチームと密接に連携します: ●密接に連携する役割: ・Agentic Product Engineer — エージェント機能開発 ・Research Engineer — 研究開発・モデル改善 ・Agent Harness Engineer / Software Engineer (AI Platform) — AI 実行基盤開発 ・Product Manager — プロダクト設計・品質要件定義 開発環境 ●言語 : Python (評価パイプライン・分析), TypeScript / React / Next.js (フロントエンド部) / NX ●評価 / QA : pytest, LangSmith, Weights & Biases, custom eval frameworks ●データ : BigQuery, Spark, Pandas ●インフラ : GCP (コンテナ / K8s), Docker, Terraform ●CI/CD : GitHub Actions ●ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion ●AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin ●作業環境 : Mac (Apple Silicon), デュアルモニタ対応

JAPAN AI株式会社

プロダクト要件・アーキテクチャ設計 ビジネス目標・顧客課題からプロダクト要件を体系化し、技術アーキテクチャへ翻訳 機能境界・ドメイン設計、データ契約、API 仕様の策定 RFC 駆動の設計レビュー・意思決定プロセスの運営 LLM / 生成 AI を活用したプロダクト設計 (RAG、tool-use、guardrails 等) 技術選定・トレードオフ判断 買う / 作る / 統合 (Build vs Buy vs Integrate) の技術選定 非機能要件 (可用性・拡張性・セキュリティ・コスト) の設計と品質属性トレードオフ判断 技術的負債の可視化と計画的解消のロードマップ策定 横断的協働・ロードマップ エンジニアリングチーム・PdM・デザイナーとの横断的協働 プロダクトロードマップの策定・推進 技術的負債の可視化と計画的解消のロードマップ策定 【業務シナリオ例】 ※以下は想定される業務シナリオの例です ● シナリオ 1: 新プロダクトラインの立ち上げ エンタープライズ顧客から「AI エージェントによる社内ナレッジ検索」の強いニーズを発見。 市場調査・顧客インタビュー・技術検証を経て、プロダクト要件を定義。 RAG アーキテクチャの設計、データパイプラインの技術選定、MVP のスコープ定義までをリードし、3 ヶ月でベータリリースを実現。 ● シナリオ 2: Build vs Buy のアーキテクチャ判断 音声 AI 機能の拡張にあたり、自社開発 vs 外部 API 統合の判断が必要に。 コスト・品質・開発速度・カスタマイズ性の 4 軸で比較分析を行い、RFC を起票。 エンジニアリングチームとの設計レビューを経て、ハイブリッドアプローチ (コア機能は自社開発、周辺機能は外部 API) を決定。 ● シナリオ 3: 品質属性のトレードオフ判断 JAPAN AI AGENT のレイテンシ P95 が目標値を超過。 可用性・コスト・レイテンシのトレードオフを分析し、推論キャッシュの導入とモデルルーティングの最適化を提案。 エンジニアリングチームと協働して実装し、レイテンシを 30% 改善しつつコスト増を 5% 以内に抑制。 ●ミッション 何を作るかを決める プロダクトの「何を・なぜ・どう作るか」を技術とビジネスの両面から定義し、AI プロダクトの成功確率を最大化する。 ●期待する役割について Product Manager として、JAPAN AI のプロダクト群全体のアーキテクチャ設計と技術戦略をリードしていただきます。 ビジネス目標・顧客課題からプロダクト要件を体系化し、技術アーキテクチャへ翻訳する 機能境界・ドメイン設計・API 仕様の策定をリードする Build vs Buy vs Integrate の技術選定を行い、最適な投資判断を導く 非機能要件 (可用性・拡張性・セキュリティ・コスト) のトレードオフ判断を行う エンジニアリングチーム・PdM・デザイナーとの横断的協働を通じて、プロダクトの方向性そのものを決定する 技術的負債の可視化と計画的解消のロードマップを策定する ●成果責任 (KR/メトリクス) プロダクトロードマップ達成率 アーキテクチャレビュー起因の手戻り率 新機能リリースサイクル短縮 プロダクト品質属性 ●チーム体制 約120名が開発組織に在籍しています。 Product Architectは以下のチーム・ステークホルダーと密接に連携します: Agentic Product Engineer — エージェント機能開発 Human-AI Collaboration Architect — エージェント体験設計 FDE — 顧客要件・フィードバック 経営層 — 事業戦略・投資判断 ●開発環境 言語 : Python (バックエンド) , TypeScript / React / Next.js (フロントエンド) / NX AI/LLM : LangChain, LangGraph, JAPAN AI STUDIO SDK, RAG, Agent Framework インフラ : GCP (コンテナ / K8s) , Docker, Terraform ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon) , デュアルモニタ対応

JAPAN AI株式会社

エージェント体験 (AX) の設計 エージェント対話フロー・インタラクションパターンの設計 不確実性の可視化・信頼度表示の UI 設計 可逆操作 (Undo / 修正) ・権限付与 UI の設計 エージェント行動のトレーサビリティ表示設計 Human-in-the-Loop 評価 UI・フィードバックループの設計 エージェントのパーソナ (性格・振る舞い・トーン) の設計 ユーザーリサーチ ユーザーインタビュー、ユーザビリティテスト、A/B テストの設計・実施 定性・定量データに基づくデザイン判断 ペルソナ・ジャーニーマップの作成・更新 AI エージェントに対するユーザーの信頼度・満足度の測定 デザインシステム・プロトタイピング AI プロダクト向けデザインシステムの構築・運用 高速プロトタイピング (Figma、コードプロトタイプ等) 情報アーキテクチャ (IA) 設計 デザインパターンのドキュメント化・チーム間共有 【業務シナリオ例 ※以下は想定される業務シナリオの例です ● シナリオ 1 : 稟議承認 AI の信頼度表示 UI 設計 JAPAN AI STUDIO の稟議承認ワークフローで、AI エージェントが「この稟議を承認すべき」と判断した際、ユーザーが「この判断はどの程度信頼できるか」を直感的に判断できる UI を設計。 信頼度スコア、参照した過去の承認パターン、判断根拠の表示方法をプロトタイプし、ユーザビリティテストで検証。 「AI が参照したデータソース (楽々精算の金額データ + SmartHR の部門予算データ)」を可視化することで、エージェント信頼度スコアが 20% 向上。 ● シナリオ 2 : SaaS 横断ワークフローの可逆操作 UI 設計 JAPAN AI STUDIO で AI エージェントが楽々精算 → SmartHR → Salesforce を横断して自律的に実行したアクション (経費承認、人事データ更新、CRM 記録更新) に対し、ユーザーが安心して「取り消し」「修正」できる UI を設計。 複数の SaaS にまたがるアクションの Undo / Redo のインタラクションパターンを定義し、「どの SaaS のどのデータが変更されたか」を一覧で確認できるトレーサビリティ表示を実装。 エラー回復成功率が 35% 向上。 ● シナリオ 3 : 「企業の脳」のデザインシステム構築 9 つのプロダクトで一貫した「企業の脳」体験を提供するため、エージェント対話コンポーネント (チャットバブル、ツール呼び出し表示、SaaS 連携進捗インジケーター、信頼度バッジ、可逆操作ボタン等) を標準化したデザインシステムを構築。 コンポーネント再利用率が 60% 向上し、新機能のデザイン工数を 40% 削減。 ●ミッション 「企業の脳」を信頼できる存在にする 人間と AI エージェントの間に「信頼」を生むインタラクションを設計し、透明性・可逆性・説明可能性を備えたエージェント体験 (AX) を実現する。 ●Human-AI Collaboration Architect とは Human-AI Collaboration Architect は「人と Agent の信頼を設計する人」です。 従来の UX デザイナーとは以下の点で根本的に異なります。 従来のUXデザイン ユーザーの操作に対して確定的な結果を返す UIの動作は予測可能 エラーは明確 (404、入力ミス等) ユーザーが操作する 一貫した UI で信頼を構築 ・Human-AI Collaboration Architect AI の出力は確率的で、毎回異なる可能性がある エージェントの行動は不確実で、説明が必要 エラーは曖昧 (「回答が不正確かもしれない」) エージェントが自律的に行動し、ユーザーが監督する 透明性・可逆性・説明可能性で信頼を構築 ●期待する役割について Human-AI Collaboration Architect として、JAPAN AI の全プロダクト (STUDIO / CHAT / SPEECH / AGENT 等) における AI エージェント体験の設計をリードしていただきます。 エージェントの対話フロー・インタラクションパターンを設計し、ユーザーが AI を信頼して業務に活用できる体験を実現する 不確実性の可視化、信頼度表示、可逆操作 (Undo / 修正)、トレーサビリティ表示など、AI 特有の UX 課題を解決する ユーザーリサーチ (インタビュー、ユーザビリティテスト、A/B テスト) に基づくデータドリブンなデザイン判断を行う AI プロダクト向けデザインシステムを構築・運用し、プロダクト横断で一貫した体験を提供する エンジニア・PM・AI 研究者と密に連携し、技術的制約を理解した上でデザインする ●成果責任 (KR/メトリクス) ユーザータスク完了率 エージェント信頼度スコア (ユーザーサーベイ) エラー回復成功率 (ユーザーが自力で修正できた割合) ユーザーリテンション率 デザインシステムコンポーネント再利用率 ●チーム体制 約120名が開発組織に在籍しています。 密接に連携する役割: Product Manager — プロダクト設計・要件定義 Agentic Product Engineer — エージェント機能開発 AI Quality Scientist — 品質評価・ユーザビリティ Research Engineer — AI 技術の最新動向・制約の理解 ●開発環境 デザイン : Figma, FigJam プロトタイピング : Figma Prototyping, Framer リサーチ : Maze, Hotjar, Google Analytics コラボレーション : Slack, Confluence, Linear, Google Workspace, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon) , デュアルモニタ対応

JAPAN AI株式会社

期待する役割 本ポジションでは、JAPAN AI STUDIOを活用したAIアプリケーションの実装を通じて、顧客の業務課題を迅速に解決し、プロダクトの価値を最大化する役割を担っていただきます。 具体的には、以下のような成果を期待しています。 ●顧客価値の迅速な提供 ノーコード/ローコードツールを駆使し、顧客の業務課題を素早くAIアプリケーションに落とし込み、短期間で実用可能なソリューションを提供します。従来の開発手法では数ヶ月かかる実装を、数週間で実現することで、顧客満足度の向上とビジネス成果の早期創出に貢献します。 ●プロダクトの品質向上と改善サイクルの加速 実装したアプリケーションの動作検証を通じて課題を早期発見し、改善提案を行います。「作って終わり」ではなく、継続的な改善サイクルを回すことで、プロダクトの品質を高め、顧客の業務効率化を実現します。 ●ナレッジの蓄積と組織全体への展開 実装プロセスや成功パターンをドキュメント化し、チーム全体で共有することで、組織の実装力を底上げします。あなたの知見が、今後の開発スピードと品質向上の基盤となります。 ●顧客とエンジニアリングチームの架け橋 顧客の業務フローや課題を深く理解し、それを技術的な要件に翻訳する役割を担います。ステークホルダーとの円滑なコミュニケーションを通じて、顧客ニーズと技術実装のギャップを埋め、プロジェクトの成功に貢献します。 業務内容 自社サービスであるJAPAN AI STUDIOを用い、vibe codingに近い手法で機能実装を行う PdMとしてプロダクトの開発方針についての検討・策定を行う 具体的には以下のようなタスクに取り組んでいただきます。 ●AIアプリケーションの実装 ※vibe codingの手法で行うため、エンジニアリング経験不要です ・JAPAN AI STUDIO上でのAIエージェント作成(プロンプト設計、パラメータ調整) ・ワークフロー設計と構築(業務フローの可視化と自動化) ・PAGE機能を使ったUI/UX調整(ユーザーインターフェースの最適化) ・AIエージェントとの対話を通じた仕様の補完と修正 ・データ構造の定義(AIエージェントの補助を活用) ・JSON/Webhook等を使った外部システムとの連携設定 ●品質保証と継続的改善※vibe codingの手法で行うため、エンジニアリング経験不要です ・実装したアプリケーションの機能検証と動作テスト ・ユーザーフィードバックの収集と分析 ・課題の特定と改善案の提案・実装 ・パフォーマンスやユーザビリティの最適化 ●ドキュメント作成とナレッジ共有 ・実装結果の仕様書・手順書作成 ・成功パターンやベストプラクティスのドキュメント化 ・チーム内での知見共有(勉強会、レビュー会等) ・再利用可能なテンプレートやコンポーネントの整備 ●ステークホルダーとの連携 ・顧客やレビュワーとの仕様調整ミーティング ・顧客の業務フローや課題のヒアリングと要件定義 ・開発チームとの技術的な調整と連携 ・プロジェクトの進捗報告と課題共有 ●自社プロダクトの開発優先目標の策定 ・自社プロダクトの開発優先度の検討・策定 ・開発体制の構築や予算管理 ※将来的なタスク ●従事すべき業務の変更の範囲 会社の定める業務 チーム体制 エンジニアおよびPM含め、約99名が開発組織に在籍しています。 PMチームは下記に分かれています。 ・自社 AI Saas PdM : PMFを達成したプロダクトの機能拡充と顧客基盤の拡大に注力 ・AI AGENT PMF : 革新的なAIエージェント群のPMF達成に向けた戦略立案と実行 ・PjM : 自社SaaSおよびAGENTを顧客向けソリューションとして開発/提供 本ポジションはPMF Marketing Domainチームへの配属となります。

JAPAN AI株式会社

●課題を定義する 顧客の業務プロセス・データ環境・既存SaaS群の全体像を把握し、AIがどこに介入すれば効果が最大化するかを特定します。経営層から現場担当者までと直接対話し、仕様書を受け取るのではなく、仕様を自ら定義します。 ●爆速で作る JAPAN AI STUDIOで、現場が実際に使うワークフロー（稟議承認、リソース最適配置、見込み顧客探索、データ連携 等）を構築します。顧客の既存SaaS（Salesforce / SmartHR / kintone 等）とのAPI連携、LLM・AIエージェントを用いたPoCの高速実装から本実装まで、フルスタックで自ら手を動かします。 ●本番に載せ、プロダクトに還す 本番導入の技術支援、セキュリティ・コンプライアンス要件への対応、導入後の利用定着まで伴走します。現場で得たパターンはプロダクトチームへ還元され、次の標準機能になります。 例：全国50店舗を展開する小売業。紙ベースで平均5営業日かかっていた発注稟議を、過去の承認パターンをAIが学習して一次判断するワークフローに置き換え、リードタイムを1営業日に短縮。この事例は標準テンプレートとして他顧客にも展開されました。 ●ミッション 顧客の業務プロセスを解体し、AI を前提とした「次世代の基幹システム (企業の脳)」を実装する 顧客の現場に深く入り込み、既存 SaaS 群の全体像を把握し、AI がどう介入すれば効率化・最適化できるかを設計する。JAPAN AI STUDIO を活用し、現場が実際に使えるワークフローを爆速で構築する。その過程で得た知見をプロダクトチームにフィードバックし、プロダクトそのものを進化させます。 顧客の現場で発見された課題やユースケースが、直接プロダクトロードマップに反映されます。 ●期待する役割について 顧客の業務プロセスとデータ環境を深く理解し、JAPAN AI STUDIO を活用して課題解決を実装・導入するエンジニアです。 顧客の既存システム (SaaS 群) の全体像を把握し、AI がどう介入すれば効率化・最適化できるかを設計する JAPAN AI STUDIO を活用し、現場が実際に使えるワークフロー (稟議承認、リソース最適配置、見込み顧客探索 等) を爆速で構築する PoC を本番環境へ導入し、利用定着まで伴走する 現場で得た知見をプロダクトチームにフィードバックし、プロダクトを進化させる 経営層から現場担当者まで、多様なステークホルダーと関係を構築する ●成果責任 (KR/メトリクス) FDE の動きがプロダクトの成長 (ARR) に直結する設計です。 ・先行指標 (行動とアウトプット) STUDIO での新規ワークフロー構築数 — 顧客の課題をどれだけシステム化できたか SaaS 連携数 — 顧客の既存 SaaS を JAPAN AI に接続した数 (= 企業の脳の「視界」が広がった数) デプロイ速度 — 要件定義から最初の AI エージェント稼働までのリードタイム ・遅行指標 (事業と顧客へのインパクト) アクティブ利用率 (MAU / DAU) — 構築した AI ワークフローが、現場で実際にどれだけ使われているか 顧客の業務削減時間 / ROI — AI 導入によって浮いた工数や、受注率向上などの実数 アップセル・クロスセル額 — 初期導入拠点から、他部署や地方拠点へ展開したことによる追加売上 ●チーム体制 約60名が開発組織に在籍しています。 FDEチームは現在10名で、以下のチーム・ステークホルダーと密接に連携します: Product Architect — プロダクト設計 Agentic Engineer — エージェント機能開発 AI Success Engineer — 導入後の顧客成功支援 Deployment Strategy — 顧客への導入戦略・展開推進 ●開発環境 言語 : Python (バックエンド) , TypeScript / React / Next.js (フロントエンド) / NX AI/LLM : LangChain, LangGraph, JAPAN AI STUDIO SDK インフラ : GCP (コンテナ / K8s) , Docker データ : BigQuery, PostgreSQL, 各種顧客データソース ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon) , デュアルモニタ対応

JAPAN AI株式会社

●技術オンボーディング・トレーニング FDE から引き継いだ導入済みワークフローの技術オンボーディング設計・実施 顧客の業務ワークフローに合わせた AI 活用方法の設計・提案 トレーニング資料・ベストプラクティスの作成・提供 ●利用定着・ROI実現 成功指標 (KPI) の設計と定期的なROIレビュー 利用状況モニタリングとプロアクティブな改善提案 利用データのダッシュボード構築・定量分析による課題の早期発見 プロンプト最適化・エージェント設定の改善支援 評価基盤 (eval) の運用支援・品質改善 ●テクニカルサポート・問題解決 レポートされた問題の技術的調査・根本原因分析 テクニカルサポートのエスカレーション対応 API/SDK/インテグレーションに関する技術支援 セキュリティ・ガバナンス・コンプライアンス対応 ●プロダクトフィードバック・拡大展開 顧客フィードバックの収集とプロダクトチームへの還元 拡大展開 (アップセル/クロスセル) の技術支援 新規ユースケースの発見・提案 【業務シナリオ例】 ● シナリオ 1 : SaaS 横断ワークフローの利用定着支援 FDE が製造業の顧客に構築した「経費精算自動承認ワークフロー」(楽々精算 → SmartHR 連携) の導入後、利用率が伸び悩んでいる。 利用データを分析し、「現場作業者がスマートフォンから使いにくい」「承認結果の通知が遅い」という課題を特定。 モバイル向けの利用ガイドを作成し、通知設定を最適化。 さらに、現場向けトレーニングを実施。 利用率が 2倍に改善し、月間 400時間の業務削減効果を可視化して経営層に報告。 ● シナリオ 2 : 「企業の脳」の ROI 可視化と全社展開 FDE が金融機関の 1部門に構築した「見込み顧客探索エージェント」の導入後、ROI レビューを実施。 アプローチ数 3倍、受注率 15% 向上という成果を定量化し、経営層向けレポートを作成。 この成果をもとに、他の 5部門への全社展開の意思決定を支援し、アップセルに貢献。 展開先の各部門に合わせたプロンプト最適化とエージェント設定の調整を実施。 ● シナリオ 3 : ワークフロー品質改善のフィードバックループ 小売業の顧客が JAPAN AI AGENT を活用した「稟議承認 AI」で、回答精度に関するフィードバックが増加。 eval 基盤を活用して回答品質を定量分析し、特定の稟議カテゴリで factuality スコアが低いことを特定。 プロンプト最適化とナレッジベースの改善を提案し、回答精度が 15% 向上。 この改善パターンをプロダクトチームにフィードバックし、JAPAN AI AGENT の標準テンプレートとして全顧客に展開。 ●ミッション 「企業の脳」が定着し、成果を出し続ける状態を作る AI プロダクト導入後の顧客成功を技術面から最大化し、利用定着・拡大展開・ROI 実現を推進する。 ●AI Success Engineerとは AI Success Engineerは、OpenAI社やDatabricks社が確立した職種で、AIプロダクトの導入後に顧客の成功を技術面から支援するエンジニアです。 従来のカスタマーサクセスやテクニカルサポートとは異なり、AIプロダクト特有の課題 (プロンプト最適化、eval設計、利用データ分析、ワークフロー改善) を技術的に解決する専門職です。 従来のカスタマーサクセス | AI Success Engineer 利用状況のモニタリング・報告 | 利用データを分析し、プロアクティブに改善提案 機能の使い方を説明する | AIの使い方を設計し、業務ワークフローに組み込む 問い合わせに対応する | 問題の根本原因を技術的に特定・解決する チャーン防止 | ROI実現・拡大展開の推進 ●FDE との分担 FDE | AI Success Engineer 課題発見→PoC→本番導入 | 導入後の定着→活用拡大→ROI 実現 「企業の脳」を実装する | 「企業の脳」が成果を出し続ける状態を作る 新規ワークフローの構築 | 既存ワークフローの改善・最適化 顧客の未来を発見する | 顧客の成功を証明する ●期待する役割について AI Success Engineer として、顧客の AI プロダクト導入後の成功を技術面からリードしていただきます。 FDE が構築した「企業の脳」のワークフローが現場で実際に使われ、成果を出し続ける状態を作る 顧客の業務部門・IT 部門と密接に連携し、AI プロダクトが実際の業務で成果を出し続ける状態を作る 顧客の IT 部門・開発チームと協働し、API 連携やデータ統合の技術支援を行う 利用データの分析に基づくプロアクティブな改善提案を行う レポートされた問題の技術的調査・根本原因分析を行い、エスカレーション対応をリードする 顧客フィードバックをプロダクトチームに還元し、プロダクトの進化に貢献する ●成果責任 (KR/メトリクス) 顧客ヘルススコア (利用率、API呼出数、アクティブユーザー数) チャーン率 ≤ 目標値 拡大展開率 (アップセル/クロスセル貢献) 顧客NPS ≥ 目標値 技術サポートチケット解決時間 (MTTR) ●チーム体制 約120名が開発組織に在籍しています。 AI Success Engineerは以下のチーム・ステークホルダーと密接に連携します: FDE — 導入フェーズからの引き継ぎ Deployment Strategy — 顧客への導入戦略・展開推進 プロダクトチーム — フィードバック還元 サポートチーム — エスカレーション対応 ●開発環境 言語 : Python (自動化・分析), SQL (データ分析) AI / LLM : JAPAN AI STUDIO SDK, プロンプトエンジニアリング, RAG データ : BigQuery, Looker, Pandas インフラ : GCP, Docker (基礎理解レベル) ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon), デュアルモニタ対応

JAPAN AI株式会社

Agent Harness の設計・実装 エージェント実行エンジン (Graph Runtime / State Machine) の設計・実装 Agent SDK の設計・開発 — 社内エンジニアがエージェントを構築するためのインターフェース セッション管理・チェックポイント・リカバリ機構の実装 ガードレール / ポリシー実行エンジンの構築 — エージェントの行動を制御するルール実行基盤 AI/ML システム統合 モデルルーティング — 複数の LLM プロバイダ / モデルタイプを跨いだ推論リクエストの最適ルーティング コンテキスト管理・メモリ基盤の設計 (長期記憶、ワーキングメモリ、RAG 統合) 推論パイプラインの最適化 (レイテンシ削減、コスト効率化、キャッシュ戦略) Research Engineer と連携した最新研究成果の本番基盤への統合 オーケストレーション・パフォーマンス ワークフローオーケストレーション・キューイングシステムの開発 コスト/性能最適化 (オートスケーリング、キャッシュ、バッチ処理) 推論リクエストのルーティング・ロードバランシング 信頼性・運用 プラットフォーム稼働率 99.9% 以上の維持 インシデント対応・ポストモーテム データアクセス・権限管理基盤の設計 【業務シナリオ例】 ※以下は想定される業務シナリオの例です ● シナリオ 1: エージェント実行エンジンの設計 JAPAN AI STUDIO 上で顧客が構築する AI エージェントの実行基盤を設計。 Graph Runtime を採用し、エージェントの各ステップを DAG (有向非巡回グラフ) として表現。 チェックポイント機構により、長時間タスクの途中失敗からの自動リカバリを実現。 ● シナリオ 2: モデルルーティングの最適化 複数の LLM プロバイダ (OpenAI / Anthropic / Google 等) を跨いで、タスクの種類・コスト・レイテンシに応じた最適なモデルを自動選択するルーティングエンジンを設計。 推論コストを 25% 削減しつつ、タスク成功率を維持。 ● シナリオ 3: ガードレール実行エンジンの構築 金融機関向けエージェントが「投資助言」に該当する回答を生成しないよう、ポリシー実行エンジンを構築。 ルールベース + LLM ベースのハイブリッド判定により、レイテンシを 50ms 以内に抑えつつポリシー準拠率 99.5% を達成。 ●ミッション 「企業の脳」の心臓部を設計する AI エージェントが安全・高速・確実に動作するための Agent Harness — 実行エンジン、オーケストレーション、ガードレール、メモリ、モデルルーティングを設計・実装する。 JAPAN AI STUDIO 上で動く数百のワークフローの制御基盤を、自社で構築する。 ●Agent Harnessとは Agent Harnessは、AIモデルを包み込む制御・実行基盤レイヤーです。 Agent Framework (LangChain等) がエージェントの「構築」を担うのに対し、Agent Harnessはエージェントの「制御・運用」を担います。 ●Backend Engineer 構築対象 : Web API・マイクロサービスの設計・実装 AI/ML との関わり : ML モデルを API 経由で呼び出す 状態管理 : ステートレスなリクエスト / レスポンス 安全性制御 : 認証・認可・入力バリデーション | ガードレール / ポリシー実行エンジン — LLM の出力を制御するルール実行基盤 ●Agent Harness Engineer 構築対象 : LLM を中核としたエージェント実行エンジン・SDK・オーケストレーターの設計・実装 AI/ML との関わり : モデルルーティング、RAG 統合、コンテキスト注入、推論最適化をシステムレベルで設計 状態管理 : エージェントのセッション管理・チェックポイント・長期記憶・ワーキングメモリの設計 安全性制御 : ガードレール / ポリシー実行エンジン — LLM の出力を制御するルール実行基盤 JAPAN AI では、この Agent Harness を自社開発し、全プロダクト (JAPAN AI STUDIO / CHAT / SPEECH / AGENT 等) の共通基盤として運用しています。 ●期待する役割について Agent Harness Engineer として、AI / ML の知識を活かしながらエージェントの制御・実行基盤を設計・実装していただきます。 LLM / AI エージェントの動作原理を深く理解した上で、実行エンジン (Graph Runtime / State Machine) を設計・実装する モデルルーティング、コンテキスト管理、メモリ基盤 (長期記憶・ワーキングメモリ) など、AI 特有のシステム設計を担う 社内 120名のエンジニアが使う Agent SDK を設計・開発する ガードレール / ポリシー実行エンジンを構築し、エージェントの行動を安全に制御する Research Engineer と連携し、最新の研究成果を本番基盤に統合する ●成果責任 (KR/メトリクス) Agent SDK 採用率 (社内チームの利用率・満足度) エージェント実行成功率 (タスク完了率、チェックポイントからのリカバリ成功率) Harness 起因の障害率 (ガードレール突破率、状態不整合率) 実行レイテンシ P95 / P99 (Harness 層のオーバーヘッド) 推論コスト効率 (モデルルーティングによるコスト最適化) 開発者体験スコア (SDK / API の社内 NPS) ●チーム体制 約120名が開発組織に在籍しています。 Agent Harness Engineerは以下のチームを横断して活動します: Infra — クラウドインフラ・SRE Data — データパイプライン・分析基盤 Agent Harness — エージェント実行フレームワーク 密接に連携する役割: Agentic Product Engineer — エージェント機能開発 (SDK のユーザー) Research Engineer — 研究開発・新手法の基盤統合 AI Quality Scientist — 評価パイプラインとの連携 Product Manager — プロダクト設計・非機能要件定義 ●開発環境 言語 : Python, Go (バックエンド・基盤開発) , TypeScript / React / Next.js (フロントエンド部) / NX インフラ : GCP (コンテナ / K8s) , Docker, Terraform メッセージング : Kafka / Pub/Sub 監視 : Prometheus, Grafana, OpenTelemetry ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon) , デュアルモニタ対応

JAPAN AI株式会社

期待する役割 シニアプロジェクトマネージャー (IC) として、以下の3つのミッションを担っていただきます。 1.戦略案件・重要案件のデリバリー責任者 として、複数プロジェクトの成功確率を最大化する 2.AI/LLMプロジェクト 特有の不確実性を前提に、評価設計・運用設計・ガバナンスまで含めてプロジェクトを完遂する 3.プロジェクト運営の型化・標準化 を推進し、組織として再現性のあるデリバリー体制を構築する 業務内容 ●プロジェクト/プログラムマネジメント (中核) ・複数プロジェクト (並行案件) の計画策定、進捗・課題・リスク・依存関係の統合管理 ・顧客経営層・事業責任者との合意形成 (スコープ、優先度、変更管理、検収条件) ・品質管理 (要件の曖昧さを潰す、受け入れ基準の設計、レビュー、手戻り抑制) ・重要インシデント・炎上兆候の早期検知、エスカレーション、収束までの指揮 ・プロジェクトドキュメント (要件定義書・仕様書・WBS等) の作成・レビュー ●AI/LLMプロジェクト特有の設計・推進 ・AI機能の要件定義 (顧客期待値の調整、ユースケース定義、技術的制約の整理) ・品質評価の設計・運用 (評価指標の策定、テスト観点の設計、改善サイクルの構築) ・情報管理・セキュリティ/コンプライアンス要件を踏まえた推進 (社内法務・セキュリティチームとの連携) ・AI特有の不確実性 (精度のばらつき、ハルシネーション等) を前提としたスコープ・スケジュール設計 ●デリバリーオペレーションの型化 (PMO的役割) ・プロジェクト標準の整備 (テンプレート、進行ルール、品質ゲート、WBS粒度、定例体の設計) ・主要メトリクスの設計・可視化 (例:納期遵守率、手戻り率、検収リードタイム、重大障害件数、顧客満足度) ・PMメンバーへのナレッジ共有・レビュー支援・再発防止の仕組み化 ●従事すべき業務の変更の範囲 会社の定める業務 チーム体制 ●開発組織:約70名 (PM/エンジニア/デザイナー/QA等) ●配属:PjM (プロジェクトマネージャー) チーム ・自社SaaS・AIエージェントを顧客向けソリューションとして開発・提供 ・クライアントワークが中心で、顧客折衝・要件定義から納品まで一貫して担当 ●協働メンバー: ・PdMチーム、エンジニア (フロントエンド、バックエンド、AI/ML) 、デザイナー、QAエンジニア ・セールス、カスタマーサクセス、クライアント企業の担当者

JAPAN AI株式会社

このポジションでは、以下の業務に取り組んでいただきます。 ●顧客対応・提案業務 営業チームと連携した顧客の技術的課題のヒアリング 顧客の課題に対する最適なソリューション提案 技術検証(PoC)の企画・実施・評価 提案資料・技術提案書の作成 デモンストレーション・プレゼンテーションの実施 ●技術支援業務 システム要件の理解とスコープ定義 RFP対応・技術提案書作成 顧客の業務理解と課題の構造化 営業チームへの技術的サポート ●その他業務 プロダクトの技術的知見の蓄積と共有 顧客フィードバックのプロダクト開発への反映 技術トレンドの調査と社内共有

JAPAN AI株式会社

エージェント研究開発 異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等) 新しい推論・計画・検索手法の研究開発 マルチモーダル・長文コンテキスト対応の技術開発 最新論文の調査・再現・改良実装 評価・ベンチマーク 大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装 合成データ生成・評価ベンチマーク設計 モデルとプロンプトの自動評価支援 (学習 → プロダクトライフサイクル全体) プロダクション課題の解決 推論レイテンシ / コスト最適化 (量子化、蒸留、キャッシュ等) モデル学習用データミックスの作成・最適化 エージェント評価フレームワークの高度化 本番環境での品質改善・パフォーマンスチューニング 技術移転・発信 Agentic Product Engineer チームへの技術移転・メンタリング 学術機関・OSS コミュニティとの連携 【業務シナリオ例】 ※以下は想定される業務シナリオの例です ● シナリオ 1 : SaaS 横断検索のためのナレッジグラフ RAG の研究開発 JAPAN AI STUDIO が「企業の脳」として機能するには、顧客の全 SaaS に散在する情報を横断的に検索・統合する必要がある。 既存の RAG では「Aプロダクト の従業員データ」と「Bプロダクト の商談データ」の関係性を捉えられず、回答精度が低い。 ナレッジグラフベースの RAG アーキテクチャを研究・開発し、エンティティ間の関係性を構造化。 SaaS 横断検索の回答精度を 40% 向上させ、Agentic Product Engineer チームに技術移転して全プロダクトに展開。 ●ミッション Agentが降参する問題を解く 現在の AI エージェントでは解決できないフロンティア課題に挑み、新しい推論手法・検索 / 計画・長期記憶・ツール利用の品質限界を突破する。 JAPAN AI STUDIO 上で動く数百のワークフローが、より賢く・速く・安全に動作する未来を、研究で切り拓く。 ●期待する役割について Research Engineer として、AI/LLM/ML の最先端研究と応用研究をリードしていただきます。 異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等) 大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装 モデルとプロンプトの自動評価を支援し、学習からプロダクトライフサイクル全体にわたって品質を担保 プロダクト組織と協力し、エージェントをプロダクトに適用するうえでの最も困難な課題を解決 モデル学習用データミックスの作成・最適化により、エージェントタスクにおける性能と使いやすさを向上 研究成果を Agentic Product Engineer チームに移転し、プロダクト全体の品質を底上げ 論文を書くことがゴールではありません。 研究成果をプロダクションに適用し、約 200 社が利用する本番環境でユーザーに届けることを重視します。 ●成果責任 (KR/メトリクス) ベンチマークスコア改善率 (社内 / 公開ベンチマーク) 新手法のプロダクション適用数 (四半期あたり) 推論レイテンシ / コスト改善率 論文・技術ブログ発表数 社内技術移転完了数 ●チーム体制 約120名が開発組織に在籍しています。 Research Engineerは以下のプロジェクトを横断して活動します: JAI Lab — AI研究開発 AI&Model — モデル学習・最適化 Voice & Tel — 音声AI・電話システム 密接に連携する役割: Agentic Product Engineer — エージェント機能開発 (技術移転先) Agent Harness Engineer — エージェント実行基盤 AI Quality Scientist Specialist — 評価パイプラインとの連携 Product Manager — プロダクト設計 ●開発環境 言語 : Python (研究・フレームワーク部), TypeScript / React / Next.js (フロントエンド部) / NX ML / AI : PyTorch, JAX, Transformers, vLLM, Weights & Biases インフラ : GCP (コンテナ / K8s), Docker ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon), デュアルモニタ対応

GO株式会社

GO Inc.のデザイン組織をリードいただく方を募集します。 プロフェッショナルなプレイヤー(プロダクトデザイナー)として、下記のミッションをお任せします。 ・高い設計・意匠力を持ち、自ら積極的に手を動かして、ステークホルダーや社会に対して説得力のあるデザインを提供する ・多様なステークホルダーと連携するプロジェクトにおいて、幅広いデザイン提案を行うことでプロジェクトを成功に導く ●業務詳細 ・コンシューマー向け及び業務支援プロダクトのUX/UIデザイン(オフラインの体験も含みます) ・仮説やデータ、ユーザーインタビューに基づいたユーザーストーリーの考案 ・アンケート、ヒアリング、テストを含む対象ユーザーやユーザビリティの検証 本ポジションにおいては、自身が積極的にデザインのアウトプットをしていただきつつ、デザイン部の組織力向上に向けて、他のデザイナーへのレビューやフィードバックを通じて、その成長を強力にサポートいただいたり、デザイン部の成長のための各種投資と施策の立案を行っていただける方を求めています。 ●所属組織 デザイン部プロダクトデザイングループの配属 【参考情報】 デザイン部 19名在籍(うちプロダクトデザイングループ11名・コミュニケーションデザイングループ8名) ●業務内容の変更範囲 会社が指定する業務全般 ●参考記事 ・[GOで活躍するプロダクトデザイナーの共通点「解決すべき課題は、困難であればあるほどいい」](https://go-on.goinc.jp/n/n991f17f7b38d) ・[GO Inc.のデザイナーが語る「サービス」と「キャリア」の可能性](https://go-on.goinc.jp/n/nde6f54ee109a) ・[デザイナーも、プロダクト企画から携わる。 「デザイン部」の組織づくりとは](https://go-on.goinc.jp/n/n5060f24ffd17) ●参考サイト ・[GO-on](https://go-on.goinc.jp/)(GO Inc.の人や組織、事業について知れるブログ) ・[タクシー乗車費用を会社が一部補助する「トライアルタクシー制度」 とは](https://go-on.goinc.jp/n/ne45562990510)

GO株式会社

仕事概要 タクシー配車サービス『GO』の実現に欠かせない車載アプリ(タクシー車内で動いているAndroidアプリ)の開発と継続的な改善をします。 GO Inc.は技術力を強みとしていますが、技術そのものを目的とした会社ではなくプロダクトに向き合うことを大切にしています。 ユーザーの課題やニーズを理解し、より良い体験を追求しながら開発を進めていきます。 今後はタクシー配車にとどまらず、社会課題解決に向けてより複雑なシステムを含めたモビリティプラットフォームを作り上げていきます。 [「日本の"移動"を止めない」──GO IoT本部が挑む、車載システムの統合と品質の裏側](https://go-on.goinc.jp/n/n03b4732753f9?gs=29fb937a7559) 業務内容 タクシー車両内で動く車載システムがあります。 車載システムは、Androidアプリがいくつかの機器と連携して動くことで機能を実現しています。車載システムは次世代のモビリティ体験を支える新規開発が継続しています。 本ポジションでは、従来のアプリ単体のテストにとどまらず、ハードウェア・ソフトウェアが連携する車載システムの品質向上に向けたテストエンジニアリングをリードしていただきます。不具合の検出だけではなく、開発初期から「品質を作り込む」ための計画づくりと実行がミッションです 解決したい課題 ●ハードウェアエンジニア、ソフトウェアエンジニア、QA、PdMなど各専門領域の知見を統合して品質を作り込むプロセスの構築 ●CI基盤と運用フローの構築・改善 ●テスト自動化によるリリースサイクル低下の防止と向上 開発環境 プログラミング言語 :Kotlin, TypeScript, SQL ライブラリ類等 :Android Jetpack, Kotlin coroutines, Appium, Firebase, GCP, BigQuery, etc. CI/CD :Github Actions、Bitrise 所属組織 ソフトウェアエンジニア4名のチームです。カンバンでタスクの状況を把握できるようにしています。コミュニケーションはSlackとGoogle Meetを使っています。 2名がテストエンジニアとして業務をしています。残りの2名はAndroidアプリエンジニアで内部品質の向上を担っています。

GO株式会社

●GOについて [3分でわかるGO株式会社 会社紹介資料](https://speakerdeck.com/mobilitytechnologies/about-go-inc) [GO Inc. Entrance Book for Engineer](https://fuzzy-margin-4d6.notion.site/GO-Inc-Entrance-Book-for-Engineer-e3e916579fc64696bef64488f4c7e73c) ●仕事概要 タクシー配車サービス『GO』の実現に欠かせない車載アプリ(タクシー車内で動いているAndroidアプリ)の開発と継続的な改善をします。 GO Inc.は技術力を強みとしていますが、技術そのものを目的とした会社ではなくプロダクトに向き合うことを大切にしています。 ユーザーの課題やニーズを理解し、より良い体験を追求しながら開発を進めていきます。 今後はタクシー配車にとどまらず、社会課題解決に向けてより複雑なシステムを含めたモビリティプラットフォームを作り上げていきます。 ●参考記事 タクシーアプリ「JapanTaxi」と「MOV」をわずか5ヶ月で統合―― 開発責任者が語る、新タクシーアプリ「GO」誕生秘話 https://now.mo-t.com/n/nb27de673a061 エンジニア向けイベント「GO Tech Talk」 https://jtx.connpass.com/ ●業務内容 タクシー車内で利用するAndroidアプリの開発をお任せします。 現在開発中の車載アプリは、大きく2つあります。これらの車載アプリは、Bluetoothやシリアル通信といったIoTならではの技術や工夫があります。 ・タクシー業務アプリ タクシー乗務員の日々の営業をサポートするためAndroidアプリを開発しています。このアプリは、ナビのような車を利用する業務で一般的に利用する機能を備えていることはもちろん、タクシー配車アプリ『GO』の注文を受け付ける役割も担っています。『GO』で注文いただいたお客様を、快適に目的地までお送りできるようサポートしています。 ・後部座席設置タブレット向けアプリ タクシー後部座席に設置したAndroid端末向けアプリの開発です。本タブレットは、デジタルサイネージの機能の他、「GO Pay」をはじめとした各種QR決済、クレカや電子マネーによる決済など、乗車いただいたお客様にタクシーをより快適にご利用いただくための機能を提供しています。 ●開発環境 プログラミング言語:Kotlin ライブラリ類等:Android Jetpack, Kotlin coroutines, Firebase, AWS etc. CI/CD:CircleCI, Bitrise, GitHub Actions ●所属組織 各プロダクトごとにAndroidエンジニア5人程度のチームです。プロダクトマネージャーやデザイナー、営業の方など、様々な部門の方と日々一緒に議論を重ねながら開発を進めます。 ●業務内容の変更範囲 会社が指定する業務全般

GO株式会社

デバイス管理、アカウント管理、SaaS管理、セキュリティ対応といったITガバナンスに必要な要素の運用や、社内の各種サービス間連携、自部門および全社における業務課題への対応を通じて、従業員が安心かつ効率的に業務を遂行できる環境を構築していただきます。 【具体的な業務内容例】 ・ゼロトラストアーキテクチャに基づくセキュリティ基盤(Entra ID、Intune、Jamf、Microsoft Defender for Endpoint等)の設計、構築、運用・改善 ・ID管理、アクセス制御、認証方式(SAMLおよびOIDCによるSSO、PlatfomSSO、WHfB、証明書など)の深い知識に基づく対応 ・各種デバイス (Mac、Windows、iOS、Android) の管理におけるMDM(Intune、Jamf、Google MDM等)活用や運用・改善(特にモダンな管理手法の推進とキッティング等の自動化) ・Microsoft365、Google Workspace、SlackなどのSaaS運用・改善、および各種システム連携や運用・改善 ・ITインフラ案件におけるベンダーコントロール(要件定義、設計、構築、運用全フェーズでの技術的なリードと調整) ・トラブルシューティングや運用保守・改善(ヘルプデスクはBPOに委託中) ・オフィスネットワークの構築・運用(L3スイッチ、FW、VPN等の設計・構築におけるベンダー連携のリードおよびOSI参照モデル、TCP/IPの理解に基づくトラブルシューティング) ・既存・新規サービスやツールの導入検証、ライセンス管理・コスト見直し、リプレイスのリード 【キャリアパス例】 ご志向性等に応じて様々なパスを検討できる環境です。シニアメンバーとしてご活躍いただいた後、以下のようなキャリアを広げていくことを期待しています。 ・マネジメント志向: 組織マネジメントを担うGM(グループマネージャー)へのステップアップ ・ゼネラリスト志向: コーポレートITの枠を超えた全社的なIT戦略企画や事業課題の解決 ・スペシャリスト志向: IT・セキュリティ領域における高度な専門性の追求 <所属組織> ●IT戦略本部　サービスマネジメントグループ 現在5名程度の組織で、プロジェクトは1〜2名のチームで担当します。 自分の担当領域に線を引かず、テクノロジーを武器に泥臭く課題解決を推進しています。 <参考サイト> ・[3分でわかるGO株式会社](https://speakerdeck.com/mobilitytechnologies/about-go-inc)(会社紹介資料) ・[トライアルタクシー制度](https://go-on.goinc.jp/n/ne45562990510) (タクシー乗車費用を会社が一部補助する制度) ※業務内容の変更範囲 会社が指定する業務全般

GO株式会社

・iOS・AndroidアプリのUIデザイン ・仮説やデータ、ユーザーインタビューに基づいたユーザーストーリーの考案 ・施策や機能の企画立案 ・アンケート、ヒアリング、テストを含む対象ユーザーやユーザビリティの検証 ・プロダクトのブランディング・ロゴデザイン ・デザイン組織のビルディング、メンバーマネジメント ●業務内容の変更範囲 会社が指定する業務全般 ●参考記事 ・[GOで活躍するプロダクトデザイナーの共通点「解決すべき課題は、困難であればあるほどいい」](https://go-on.goinc.jp/n/n991f17f7b38d) ・[GO Inc.のデザイナーが語る「サービス」と「キャリア」の可能性](https://go-on.goinc.jp/n/nde6f54ee109a) ・[デザイナーも、プロダクト企画から携わる。「デザイン部」の組織づくりとは](https://go-on.goinc.jp/n/n5060f24ffd17)

GO株式会社

全社におけるセキュリティの「あるべき姿」を実現するため、ゼロトラストアーキテクチャの高度化、仕組みの開発・実装、インシデント指揮などを主導していただきます。単なる運用にとどまらず、自動化の推進やエンジニアリングによるガバナンス強化を期待しています。 ご自身の専門性や志向に合わせて、以下のいずれかの領域を強みとして軸に持ちつつ、横断的なプロジェクトをリードしていただきます。 【具体的な業務内容例】 ●コーポレートセキュリティ(監視戦略・インシデント指揮) ・ゼロトラストアーキテクチャに基づくセキュリティ基盤(Entra ID、Intune、Jamf、Microsoft Defender for Endpoint、Netskope等)の設計、高度化、運用・改善 ・大規模ログにおける検知ロジックの実装、チューニング、脅威ハンティングの推進 ・インシデント発生時のログ解析、端末フォレンジック、マルウェア解析などの技術調査および全体指揮 ・Python、GAS等を活用した、調査・対応オペレーションおよびSaaS連携の自動化ツールの開発 ●セキュリティガバナンス(エンジニアリングによる効率化・可視化) ・全社セキュリティポリシー・規程の策定・改定と、AI等を活用した社内問い合わせ対応の自動化・効率化 ・各種認証(ISMSなど)の取得・維持に向けたプロジェクトマネジメント、内部監査対応 ●他部門連携・ベンダーコントロール ・プロダクトセキュリティ部門と連携した、自社プロダクトに対する脆弱性診断・ペネトレーションテストの計画立案、外部ベンダーへの発注および進行管理 【キャリアパス例】 ご志向性等に応じて様々なパスを検討できる環境です。シニアメンバーとしてご活躍いただいた後、以下のようなキャリアを広げていくことを期待しています。 ・マネジメント志向: 組織マネジメントを担うGM(グループマネージャー)へのステップアップ ・ゼネラリスト志向: 全社的なセキュリティ戦略企画やリスクマネジメントの主導 ・スペシャリスト志向: IT・セキュリティ領域における高度な専門性の追求 ●業務内容の変更範囲 会社が指定する業務全般 ●解決したい課題 IT戦略本部 セキュリティグループにおいて、これまでのセキュリティ施策を今まで以上に深め、運用の平準化・標準化を推し進めるとともに、AIをはじめとする最新技術を取り巻く新たなリスクに対する対策・戦略立案を牽引していただきたいです。 ・運用基盤の再構築・標準化 ブラックボックス化したシステムと既存ルールを紐解き、最新の組織規模に合わせた運用フローの抜本的な見直し・標準化の推進。 ・最新技術の活用と対策・戦略立案 AI等の最新技術に対する新たなセキュリティ対策や戦略を立案する。また、過去の構築時点では解決が難しかった課題に対し、自動化ツールなどを駆使したアプローチで根本的解決を図る。 ・高度なゼロトラスト環境の確立 多様なデバイスやネットワーク環境からのアクセスに対し、「セキュリティと利便性」の高度なバランスを保ちながら、新たな脅威への対策を実施する。 ●所属組織 IT戦略本部 セキュリティグループ 現在5名程度の組織で、プロジェクトは1〜2名のチームで担当します。 自分の担当領域に線を引かず、テクノロジーを武器に泥臭く課題解決を推進しています。

GO株式会社

・担当プロダクトにおける、管理・実行業務全般 ・品質管理方針およびテスト戦略の立案・遂行 ・品質向上のための業務フローの立案・改善・効率化 ・各部署との調整及びコミュニケーション ・検証ベンダーとのコミュニケーション ※出社日数に決まりはありませんが、入社後のオンボーディング期間中やプロダクトの状況次第で出社が必要になる場合がございます。 ●業務内容の変更範囲 会社が指定する業務全般 ●参考記事 ・[「テストだけのQA」じゃない。 プロダクト開発にもコミットする品質の番人たち](https://go-on.goinc.jp/n/n80d85edff265) ・[QA経験者に惹かれる!クオリティマネジメント部の働き方 #タクシーアプリ『GO』のQAチーム](https://go-on.goinc.jp/n/n80c49e347033) ・[「当事者たれ。 」の気持ちで肩書きを越境していきたい。 若手QAエンジニア対談](https://go-on.goinc.jp/n/n17a4ec19e8c9) ●参考サイト ・[GO Lab (Tech blog) ](https://techblog.goinc.jp/) ・[PdM本部ブログ (#QAエンジニア)](https://go-on.goinc.jp/m/mb5b6511cd661/hashtag/400895) ・[GO-on](https://go-on.goinc.jp/)(GO Inc.の人や組織、事業について知れるブログ) ・[タクシー乗車費用を会社が一部補助する「トライアルタクシー制度」 とは](https://go-on.goinc.jp/n/ne45562990510)

GO株式会社

GO株式会社では、市場の変化に一早く対応し、タクシー事業者とお客様にとってより良いプロダクトを提供するとともに、モビリティ領域を軸として「移動」のみならず「交通事故削減」「脱炭素化」「人材不足解消」「地域貢献」などをテーマとした多様な事業を展開するためのプロダクト開発を行っています。 その中でプロダクトマネージャとして、プロダクトの企画から設計、リリース、リリース後の効果測定やその後の改善など、プロダクト開発における全ての工程に携わっていただきます。 本求人では、3,000万ダウンロードを超えたタクシーアプリ『GO』をはじめとしたB2C向けのプロダクトを担っていただけるプロダクトマネージャーを募集しております。 ・[タクシーアプリ『GO』](https://go.goinc.jp/) ・[タクシーのビジネス利用に特化した法人向け管理サービス 『GO BUSINESS』](https://go.goinc.jp/business/) ・[交通事故削減を支援する次世代AIドラレコサービス『DRIVE CHART』](https://drive-chart.com/) ・[脱炭素サービス『GX(グリーントランスフォーメーション)』](https://go-gx.com/) ・[ドライバー求人サイト『GOジョブ』](https://gojob.go.goinc.jp/) ・その他新規プロダクト ●業務詳細 プロダクトマネージャーとして以下の役割を担います。 ・ユーザーのペインを正しく理解し、事業の目標を達成するために最適な案件や機能における優先順位とスコープを定義することで、プロダクトを通じてユーザーの課題解決と事業の成功の両立を実現する。 ・プロダクトを市場に送り出すために、様々なステークホルダーに向き合い議論と合意形成を行い、コミュニケーションの中心となってプロダクト開発をリードする。 ・プロダクトがどの方向に向かって進むのか、理想のビジョンを描き、実現に向けたロードマップを作成する。 ・「なぜ作るのか(Why)」「何を作るか(What)」に責任を持つ。 ●業務内容の変更範囲 会社が指定する業務全般 ●所属組織 ・人数:プロダクトマネージャーは20名以上在籍。B2C、B2B、決済、会計関連など様々なプロダクト開発に従事。 ・役割:プロダクトの企画から設計、リリース、リリース後の効果測定やその後の改善など、プロダクト開発における全ての工程に関与。 ・カルチャー:様々なバックグラウンドがあり異なる強みを持ったメンバーが在籍しており、強みを発揮し弱みはチームでカバーし合う文化。職歴や立場などは関係なく提案やアイデア、積極的な意見を出すことを歓迎する風土。弊社のバリューの一つである「コトに向かう。」を大切にしている環境。

GO株式会社

GO株式会社では、市場の変化に一早く対応し、タクシー事業者とお客様にとってより良いプロダクトを提供するとともに、モビリティ領域を軸として「移動」のみならず「交通事故削減」「脱炭素化」「人材不足解消」「地域貢献」などをテーマとした多様な事業を展開するためのプロダクト開発を行っています。 その中でプロダクトマネージャとして、プロダクトの企画から設計、リリース、リリース後の効果測定やその後の改善など、プロダクト開発における全ての工程に携わっていただきます。 具体的には、ご経験やご希望に応じて以下のようなプロダクトをご担当いただきます。 ・[タクシーアプリ『GO』](https://go.goinc.jp/) ・[タクシーのビジネス利用に特化した法人向け管理サービス 『GO BUSINESS』](https://go.goinc.jp/business/) ・[交通事故削減を支援する次世代AIドラレコサービス『DRIVE CHART』](https://drive-chart.com/) ・[脱炭素サービス『GX(グリーントランスフォーメーション)』](https://go-gx.com/) ・[ドライバー求人サイト『GOジョブ』](https://gojob.go.goinc.jp/) ・その他新規プロダクト ●業務詳細 プロダクトマネージャーとして以下の役割を担います。 ・ユーザーのペインを正しく理解し、事業の目標を達成するために最適な案件や機能における優先順位とスコープを定義することで、プロダクトを通じてユーザーの課題解決と事業の成功の両立を実現する。 ・プロダクトを市場に送り出すために、様々なステークホルダーに向き合い議論と合意形成を行い、コミュニケーションの中心となってプロダクト開発をリードする。 ・プロダクトがどの方向に向かって進むのか、理想のビジョンを描き、実現に向けたロードマップを作成する。 ・「なぜ作るのか(Why)」「何を作るか(What)」に責任を持つ。 ●業務内容の変更範囲 会社が指定する業務全般 ●所属組織 ・人数:プロダクトマネージャーは20名以上在籍。B2C、B2B、決済、会計関連など様々なプロダクト開発に従事。 ・役割:プロダクトの企画から設計、リリース、リリース後の効果測定やその後の改善など、プロダクト開発における全ての工程に関与。 ・カルチャー:様々なバックグラウンドがあり異なる強みを持ったメンバーが在籍しており、強みを発揮し弱みはチームでカバーし合う文化。職歴や立場などは関係なく提案やアイデア、積極的な意見を出すことを歓迎する風土。弊社のバリューの一つである「コトに向かう。」を大切にしている環境。

GO株式会社

GO株式会社では、市場の変化に一早く対応し、タクシー事業者とお客様にとってより良いプロダクトを提供するとともに、モビリティ領域を軸として「移動」のみならず「交通事故削減」「脱炭素化」「人材不足解消」「地域貢献」などをテーマとした多様な事業を展開するためのプロダクト開発を行っています。 その中でプロダクトマネージャとして、プロダクトの企画から設計、リリース、リリース後の効果測定やその後の改善など、プロダクト開発における全ての工程に携わっていただきます。 GO株式会社ではB2Cのプロダクトのみならず、タクシー乗務員向け・ライドシェアドライバー向け・タクシー事業者向けにB2Bのプロダクトを提供しており、約10万台ある提携車両の業務をプロダクトを通じて支援しています。 また、3,000万ダウンロードを超えたタクシーアプリ『GO』を提供するうえで重要なサービスの基盤となる決済、会計関連のプロダクトを提供しています。 本求人では、B2Bのプロダクトや決済、会計関連のプロダクトを担っていただけるプロダクトマネージャーを募集しております。 ・タクシー乗務員向けのプロダクト ・ライドシェアドライバー向けのプロダクト ・タクシー事業者向けのプロダクト ・決済、会計関連のプロダクト ・その他新規プロダクト ●業務詳細 プロダクトマネージャーとして以下の役割を担います。 ・ユーザーのペインを正しく理解し、事業の目標を達成するために最適な案件や機能における優先順位とスコープを定義することで、プロダクトを通じてユーザーの課題解決と事業の成功の両立を実現する。 ・プロダクトを市場に送り出すために、様々なステークホルダーに向き合い議論と合意形成を行い、コミュニケーションの中心となってプロダクト開発をリードする。 ・プロダクトがどの方向に向かって進むのか、理想のビジョンを描き、実現に向けたロードマップを作成する。 ・「なぜ作るのか(Why)」「何を作るか(What)」に責任を持つ。 ●業務内容の変更範囲 会社が指定する業務全般 ●所属組織 ・人数:プロダクトマネージャーは20名以上在籍。B2C、B2B、決済、会計関連など様々なプロダクト開発に従事。 ・役割:プロダクトの企画から設計、リリース、リリース後の効果測定やその後の改善など、プロダクト開発における全ての工程に関与。 ・カルチャー:様々なバックグラウンドがあり異なる強みを持ったメンバーが在籍しており、強みを発揮し弱みはチームでカバーし合う文化。職歴や立場などは関係なく提案やアイデア、積極的な意見を出すことを歓迎する風土。弊社のバリューの一つである「コトに向かう。」を大切にしている環境。