東京都 機械学習・データ活用のITエンジニア求人・転職情報

●主に担当する業務内容 画像認識AIを用いたプロダクト開発・ソリューション開発 プロダクト開発・運用 アルゴリズム・モデルの組み込み実装 プロトタイプの開発 ●プロダクトの利用事例 [AI-App人数カウント・AI-App人物検索](https://safie.jp/ai-app/people-count/) カメラ内のAIアクセラレータを用いてリアルタイムに人物の検出・集計や店舗等で人物の識別を行う 利用事例:店舗入口にSafie Oneを設置し「AI-App人数カウント」で来店者数を計測。肌感覚に頼らない定量データに基づき、店頭キャンペーン施策のPDCAを効率化 [Safie AI Studio](https://safie.jp/ai-studio/) 物体検出アプリ 利用事例:人・車両・生活用品など多様な物体を識別し、設定エリアへの侵入やライン通過を検知する汎用物体検知アプリとして提供。(建設・製造・小売など幅広い業界のPoCで活用)⁠ 重機近接アプリ 利用事例:建設現場において、重機と作業員の危険な接近をリアルタイムに検知し、音声通知などと連携して重大事故の未然防止に貢献。⁠ ショッピングカート検知アプリ 利用事例:小売店舗のカート置き場の滞留状況(過多・不足)を自動検知し、店舗あたり出店コスト削減に活用。 ●技術‧開発環境について 開発言語 Python、C++ ディープラーニング PyTorch AWS EC2、S3、ECR、SageMaker CI/CD GitHub Actions コミュニケーション Slack GitHub Google Workspace Backlog Notion ●生成AIツール利用 Amazon Bedrock/Gemini/GitHub Copilot/Notion AI/Claude Code ●部署の今後の目標・目下の取り組み 目標 多様な画像認識モデルを開発し、プロダクトとしてリリースする。 AIプラットフォームの提供を進めるために、自社のみならずサードパーティーも巻き込んだ開発を推進する。 取り組み 顧客からの要望と技術的な動向を同時に捉えながら、開発の戦略を立てていくこと。 画像認識AI開発組織の拡充に伴う、属人化緩和のための育成用ドキュメント作成など、より一層のチーム力強化。 AIプラットフォームの実現のために、社内・社外を巻き込んで開発を推進できる人材の確保。 ●従事すべき業務の変更の範囲 <雇入れ直後>システムの設計・開発・デザイン、その他これらに付随する一切の業務 <変更の範囲> 会社の定める業務

国内最大級のスケールを持つSaaSである「COMPANY」の商用環境において、IaCの高度化・AIOpsの共通基盤化を推進するSRE組織のマネジメントをお任せします。 技術戦略の策定とピープルマネジメントの双方をリードする重要なポジションです。 ● 組織・ピープルマネジメント ・3～10名規模のSREチーム(メンバー・リーダー)のマネジメント(1on1、評価、目標設定、キャリア開発支援) ・AIOpsなど新たな技術領域に挑戦するエンジニアの採用活動、およびオンボーディング ・運用自動化・信頼性向上に向けた、自律的・主体的に課題解決が行われる組織文化の醸成 ● 運用効率化・自動化の技術戦略リード ・大規模環境(数千〜数万インスタンス)における、IaCの高度化・共通化の戦略・ロードマップ策定 ・AI/機械学習を活用した障害の予兆検知や根本原因特定の自動化(AIOps)の共通基盤化の推進 ・スケーラブルかつコスト効率の高いAWSアーキテクチャの再設計・最適化の意思決定リード ・SLO/SLI設計をはじめとする信頼性指標の定義と、それに基づく組織的な改善活動の推進 ・他チーム・他組織と連携した、運用要件・非機能要件の調整 技術がわかるマネージャー(プレイングマネージャー)として、現場の技術力と組織のアウトプット最大化の双方にブリッジをかけていただきます。

●主に担当する業務内容 画像認識AIのアルゴリズム・モデル開発 調査テーマの提案 アルゴリズム・モデルの調査・評価 アルゴリズム・モデルの改善・軽量化 PoCの実施 プロダクトの開発 ●プロダクトの利用事例 [AI-App人数カウント・AI-App人物検索](https://safie.jp/ai-app/people-count/) カメラ内のAIアクセラレータを用いてリアルタイムに人物の検出・集計や店舗等で人物の識別を行う 利用事例:店舗入口にSafie Oneを設置し「AI-App人数カウント」で来店者数を計測。肌感覚に頼らない定量データに基づき、店頭キャンペーン施策のPDCAを効率化 [Safie AI Studio](https://safie.jp/ai-studio/) 物体検出アプリ 利用事例:人・車両・生活用品など多様な物体を識別し、設定エリアへの侵入やライン通過を検知する汎用物体検知アプリとして提供。 (建設・製造・小売など幅広い業界のPoCで活用)⁠ 重機近接アプリ 利用事例:建設現場において、重機と作業員の危険な接近をリアルタイムに検知し、音声通知などと連携して重大事故の未然防止に貢献。 ⁠ ショッピングカート検知アプリ 利用事例:小売店舗のカート置き場の滞留状況(過多・不足)を自動検知し、店舗あたり出店コスト削減に活用。 ●技術・開発環境について 開発言語 Python、C++ ディープラーニング PyTorch AWS EC2、S3、ECR、SageMaker CI/CD GitHub Actions コミュニケーション Slack GitHub Google Workspace Backlog Notion ●生成AIツール利用 Amazon Bedrock/Gemini/GitHub Copilot/Notion AI/Claude Code ●部署の今後の目標・目下の取り組み 目標 多様な画像認識モデルを開発し、プロダクトとしてリリースする。 AIプラットフォームの提供を進めるために、自社のみならずサードパーティーも巻き込んだ開発を推進する。 取り組み 顧客からの要望と技術的な動向を同時に捉えながら、開発の戦略を立てていくこと。 画像認識AI開発組織の拡充に伴う、属人化緩和のための育成用ドキュメント作成など、より一層のチーム力強化。 AIプラットフォームの実現のために、社内・社外を巻き込んで開発を推進できる人材の確保。 ●従事すべき業務の変更の範囲 <雇入れ直後>システムの設計・開発・デザイン、その他これらに付随する一切の業務 <変更の範囲> 会社の定める業務

【役割】 圧倒的な実装力を活かし、「自社製AI/LLMゲートウェイのスクラッチ開発」や「他社データを絶対に混在させないセキュアなRAG基盤」のコアロジック実装(プレイングの先頭)を担っていただきます。 その後、半年〜1年を目安に以下のステップで「技術への責任範囲」を全社規模へと拡張していただきます。 ・基盤のコアコンポーネントの自らによる実装、および技術的ブレイクスルーの体現 ・全社プロダクトが利用するAI組み込みガイドライン、自動テスト戦略、CI/CDパイプラインの策定 ・部署横断での技術選定、難解なシステムトラブルの最終エスカレーション対応、およびADR(アーキテクチャ決定記録)の主導 ※ピープルマネジメント(評価・労務管理)の責務はありません。「純粋に技術とプロダクトの品質でチームを引っ張るスペシャリスト」としてのキャリアをお約束します。 【職務内容】 ●基盤アーキテクチャの設計・技術選定 ・AI Readyなデータ基盤のアーキテクチャ設計、開発のアーキテクチャ全体のグランドデザイン ・非機能要件(レイテンシー、スケーラビリティ、可用性、強固なマルチテナントセキュリティ)を担保するクラウドインフラ(AWS等)およびバックエンドの設計 ・各種LLM(OpenAI, Anthropic, Bedrock等)のAPI動的ルーティング、およびコスト・応答速度最適化ロジックの考案 ・中長期的な視点に立った技術的負債の返済計画策定と、CI/CD環境のモダン化 ●コアコンポーネントの実装・品質担保 ・基盤における「最も技術的難易度の高い10%のコード」のハンズオン実装 ・PoC(仮説検証)コードから、数万人規模の同時接続に耐えうる本番クオリティへのリファクタリング主導 ・厳格な自動テスト(Unit, E2E, 負荷テスト等)の設計と仕組み化による「落ちないインフラ」の実現 ・チームメンバーへの高度なコードレビュー、およびペアプログラミング等を通じた技術メンタリング ●技術スタック ・チームによって異なるため、以下のいずれか(参考まで) ・言語:Java/TypeScript/Kotlin/Python ・Cloud: AWS/Google Cloud/Azure/OCI ・DB: PostgreSQL/Oracle DB/Amazon Aurora/Amazon DynamoDB ・FW: SpringBoot/Severless Framework/React/Vue3/Svelte/Kotlin Multiplatform ・開発インフラ: GitHub/Sonarqube/Jira/Redmine/Zenhub/Figma ・生成AI: GitHub Copilot/Gemini for Google Workspaces/Azure OpenAI Service/AWS Bedrock/Google VertexAI/AWS KIRO/Claude Cowork

本ポジションでは、0→1フェーズにおける価値検証・技術検証から実際のプロダクト構築まで、事業立ち上げに幅広く関わっていただきます。 短期的な顧客価値のデリバリーと中長期的な持続的成長(技術負債のコントロールなどを含む)のバランスを取りながら開発を推進することが求められます。 具体的には AIエージェントの力を引き出し、プロダクト開発プロセス全体を効率化・高度化する役割を担っていただきます。具体的な業務は以下の通りです • AIエージェントを活用した新規プロダクト/機能の開発、プロトタイプ設計、実装、精度検証 • 要件定義・アイデア創出へのAIエージェント活用: 膨大なデータ分析に基づくインサイト抽出、革新的なアイデアの自動生成・提案 • 開発プロセスにおけるAIエージェントの導入・最適化 └コード生成、バグ検出、リファクタリング └テスト自動化、テストケースの自動生成 └CI/CD連携 • データ前処理、モデル構築、API連携: 大量のデータの管理・解析、機械学習モデルの構築と実装、実システムへの組み込み • 新技術の調査・評価と導入推進: 最新の研究論文や技術トレンドのキャッチアップと、プロダクトへの応用 • 開発成果の評価と改善活動: プロダクトの継続的な品質向上とユーザー体験(UX/UI)の設計支援および改善提案 • ビジネスサイドとの連携: 技術的な知見を活かしたソリューションの企画・提案、ビジネス課題の理解と解決策の提案

CTO直下のAI Labチームにソフトウェアエンジニアとして所属し、各事業及び経営基盤の業務における生成AI応用のイネーブリングを行います。 仕事の進め方 プロジェクトに携わる前の段階で、CARTAの20ある事業を横断し、生成AIで解くべき課題を探します。以下のようなプロセスで課題を網羅的に探索しています。 ▼基盤整備 ・全社の土台を整え、各事業で自走して生成AIのビジネス成果を開発できるよう、再利用できるインフラ基盤、ツール、ライブラリ、ガードレール、データフロー類を整備し、横断的に提供する ・新技術の探索と研究を通じて、この先使うべき手段を見定める ・社内外に知見を発信し、CARTAとしての開発生産性とプレゼンスを高める ・AI Lab自身の業務エージェント適応度を向上し、モデルケースとして展開する ▼事業適用 CARTAの生成AI推進ステアリングコミッティと連携し、全社として取り組むべき課題を探索し、真に取り組むべきものを自ら選定します。 以下のようなプロセスで取り組みを進めます。 ●ヒアリング・要求分析 優先度の高まった事業のチームへのヒアリングや観察を通じて問題の解像度を高め、真に事業価値として必要なものを見出す ●何をどのように進めるのかを決める ・どのような方法で、課題を解くのが効果的かつ効率的なのかを考え、事業メンバーと共に決定する ・変化の激しいAI進展と事業環境に耐えうる堅牢性・柔軟性を両立する技術選定が求められる ●実装する 高速なフィードバックサイクルを回し、"作らない"手段も含めて解決策を実現する ●継続して改善する プロダクトのバックグラウンドとなる、Web開発技術・生成AI技術関連のツールセットや開発手法について、継続して投資し、良いプラクティスを探索する。CI/CD、LLM-as-a-judge、LLM自体のモニタリング、ソフトウェア自体のオブザーバビリティの向上など、システムを継続して利用する上でのツール及び運用改善に取り組む ●成果を横展開する 成功事例も学びも含めて、得られた知見をもとに伝播・展開・研鑽することまで全て業務範囲です 開発環境・利用しているツール ●バックエンド Python, Go ●フロントエンド TypeScript, React ●生成AI関連ツール ・基盤モデル: OpenAI, Anthropic Claude, Google Gemini (Vertex AI) ・ツール: LangChain, Langfuse ●インフラ Google Cloud, AWS ●プロビジョニングツール Terraform, CDK ●コード管理 GitHub ●コラボレーション Google Meet, Slack

急成長中の人材プラットフォーム事業が運営する、『ジョブメドレー』や『ジョブメドレーアカデミー』といったプロダクトにおけるデータ分析基盤の開発・運用をお任せします。 ELT パイプラインを中心とした『安心して分析に使える(Analytics-ready)、かつ AI による利活用が可能(AI-ready)』なデータ提供が主なミッションになりますが、まだ立ち上げ期のフェーズということもあるため、これまでのご経験や今後のキャリアプランに応じて、データ分析も含めた様々な業務に取り組んでいただくことが可能です(一般的にアナリティクスエンジニアと呼ばれる職種の領域も含まれます)。 ご参考までに、データ組織としての直近の取り組みと今後取り組んでいきたいことをご紹介します。 <直近の取り組み> ●Google BigQuery x Data Transfer Service x Dataform によるデータ基盤の開発・運用 ●Trocco x dbt の導入による、運用効率および拡張性の高い ELT パイプラインの実装 ●dbt による既存 BigQuery 環境のデータリモデリング、および dbt MCP x AI ツール(Cursor, Claude Code など)による効率的なデータモデル開発 ●Metabase の導入による、事業標準ダッシュボード環境の構築に向けた取り組み、および Lightdash x 生成 AI による Generative BI の検証 ●Google 広告や App Store / Play Connect といった 3rd party データの連携、および Kintone などへのリバース ETL 連携開発・運用 ・参考記事:[BigQuery Data Transfer Service を通して学ぶ Google 広告のデータモデル](https://developer.medley.jp/entry/2025/07/24/120228/) ●事業の意思決定支援のための各種アドホック分析、見通しの予測・レポーティング、およびそのための予測モデルの開発・運用 <今後取り組んでいきたいこと> ●dbt docs / Open Metadata などのデータカタログ + MCP 提供による、AI ツールを含めた社内でのデータ利活用のしやすさの改善 ●Snowflake や Iceburg といった基盤技術や、Google Datastream をはじめとする CDC の導入によるデータ連携・運用効率性の改善 ●レコメンドや検索をはじめとしたプロダクト機能への機械学習モデルの導入、および MLOps の実現 ●データサイエンスを通した、マーケティングを含むより精密な事業構造のモデリング、およびそこから得られたインサイトによるプロダクト利用者の課題解消 ●ダッシュボード提供による営業現場の業務効率性改善 ●個人情報の取り扱いからメタデータ管理まで、データマネジメントの更なる強化・運用効率性の改善 <主な技術スタック・利用ツール> ●BigQuery ●dbt, Dataform ●Trocco, Embulk, Datastream, Google BigQuery Data Transfer Service ●Looker Studio, Redash, Metabase ●MySQL, PostgreSQL ●Cursor, Claude Code, Devin ・参考記事 : [メドレーのAI活用戦略:「AI for All」 | MEDLEY Developer Portal](https://developer.medley.jp/entry/2025/04/25/112655/) ※業務の変更の範囲:会社の定める業務

メディア事業の横軸組織であるData Science Center (DSC)に所属しながら、WINTICKETのビジネス課題解決に向けてコミットします。主に、プロダクトマネージャーやマーケティングチームといったビジネスサイドのメンバーと密に連携しながら、データサイエンスを用いた効果検証、施策立案、機能設計など事業成長につながる意思決定を推進する役割を担っています。また、事業やプロジェクトの状況によって、施策実行、機能開発、研究開発、事業全体のデータ利活用環境といったデータに関わる幅広い領域を担当しています。 新規ユーザーの獲得や既存顧客の投票最大化といったプロダクトの主要チームの一員として、データサイエンスの領域を牽引し、事業成長を加速させる主力データサイエンティストの役割を担当していただきます。 具体的な業務例1. 新規ユーザー獲得の効率化と競技理解の促進 WINTICKETは、「競輪を若者の新たなエンタメへ」を掲げ、新規ユーザーの獲得による市場拡大と事業成長を目指しています。ユーザーの獲得効率や新規登録後の利用状況を分析・予測し、効果的な獲得戦略に貢献しています。また、登録意向のあるユーザーの登録率を高めるため、登録導線の状態把握、課題発見、施策立案、A/Bテストの設計・実施を担当し事業改善に取り組んでいます。 他にも、競輪未経験の新規ユーザーがより競輪を楽しむための取り組みとして、的中確率の高いレースを予測し、提示する機能をリリースしました。これによって、的中体験に加えて、競輪が持つチーム戦のような競技性の理解を促進され、継続利用につながりました。この予測結果は、「ABEMA」の競輪・オートレースチャンネルのオリジナル番組「WINTICKET ミッドナイト競輪」内でも活用されています。 https://abema.tv/now-on-air/keirin-auto その後、予測対象の拡張と精度改善をデータチーム主導で実施し、AI予想のアップデート施策につながりました。 https://www.winticket.jp/keirin/column/n4ugtMn1hWayiVERBqWQnC 具体的な業務例2. チェックイン施策のレバー決定支援 2024年にチェックイン機能がリリースされました。チェックイン機能は、チェックインキャンペーン対象のレースが開催されている競輪場に来訪することで利用でき、投票に使えるポイントが付与される機能です。 https://www.winticket.jp/keirin/column/tHMhLp78wN3epXm7Rp6gUE チェックイン機能による来場者目標の達成のためのポイント決定を支援するため、実施計画の検討やアンケート設計を通した来場予測を担当しています。また、効率的な機能運用を実現するため、来場促進によるユーザー行動の変化や位置情報を用いた不正チェックインの判定・抑制にも取り組んでいます。 その他の業務について ・キャンペーン施策やリテンション施策の効果検証と最適化 ・過去の不正利用ユーザーの行動パターンからリスク判定する機能の検討・開発 ・アンケートデータを用いたユーザー観点でのサービス改善 ・各種施策のA/Bテストの設計・実施 ・ダッシュボードやBIツール活用環境の改善検討 ・事業全体のデータ利活用成熟度向上のための取り組み といった様々なプロジェクトがあり、データチームからの提案で始まるプロジェクトも増えつつあります。 現在利用している主な環境、言語・ライブラリ、ツール ・プログラミング言語: Python, R, SQL ・インフラ: Google Cloud Platform (BigQuery、Vertex AIなど), Docker ・開発支援ツール: GitHub, GitHub Copilot, VSCode, Cursor, ChatGPT Enterprise ・BIツール: Tableau 会社概要 1998年の創業以来インターネットを軸に事業を展開し、スマートフォン向けに多数のコミュニティサービスやゲームを提供しているサイバーエージェント。 メディア事業部は2004年にブログを中心とした「Ameba」をリリース。 アバターサービス「アメーバピグ」、「タップル」「CROSS ME」をはじめとするマッチングアプリ、 ビジネスパーソン向けWEBメディア「新R25」や新しい未来のテレビ「ABEMA」を開始するなど、インターネット産業の変化にあわせて様々なメディアサービスを提供しています。 2019年4月にリリースした「WINTICKET」は、株式会社サイバーエージェントの子会社で、競輪・オートレースのインターネット投票サービスを提供しています。 WINTICKETでは「競輪を若者の新たなエンタメへ」を中期にかけてのビジョンとして掲げ、業界イメージのリブランディングと新たなユーザー体験の提供を目指しています。 現在は、競輪業界No.1として業界を牽引する立場となりました。 これからも高いプロダクト品質と、それを支える技術で業界全体に革命を起こすべく、サービスグロースを一緒に推進してくれる仲間を募集しています!

スポーツのデータ(映像・スタッツ)解析を推進し、優れた視聴体験やチーム運営に社会実装することをご担当いただきます。 技術応用例 ・スポーツ映像における選手の3D座標認識、選手の姿勢推定、ボールトラッキング、動画要約 ・プレー解析、イベント予測モデルの構築・運用 ・推論・再学習・モニタリングを支えるMLOps基盤の構築 ●会社概要 スポーツ映像テック事業部では、サイバーエージェントグループのABEMAやSports AI Tech Labと連携しながら、データ解析・イベント予測などテクノロジーを核としたスポーツビジネスを展開しています。独自に開発した中継映像「WINLIVE」のさらなる発展や、新たなスポーツビジネス創出へ技術力を活かしてくれる仲間を募集します。 WINTICKETについて ●WINTICKET_佐野代表取締役インタビュー https://www.cyberagent.co.jp/way/list/detail/id=29734 ●事業部紹介ページ https://aimap.cyberagent.co.jp/products/dsc_wtsportsvideotech/ ●競輪の視聴体験を変えたWINLIVEの技術 https://www.cyberagent.co.jp/way/list/detail/id=30240 入社後は、ご経験や志向に応じて以下のいずれか、または両方に関わっていただく想定です。 ・R&D寄り: 新規アルゴリズム検討、精度改善、新技術探索 ・社会実装寄り: 実運用への落とし込み、速度改善、システム連携、現場導入

人材プラットフォーム事業部が展開する 複数のモバイルアプリケーションにおいて、Flutterを中心としたモバイル開発をリードし、横断的なモバイル体験の設計と基盤構築 を担っていただきます。 <具体的にお任せしたい業務> ●モバイルアーキテクチャ設計・開発・技術選定 ・Flutterを中心としたモバイルアーキテクチャ設計・開発 ・共有モジュールや開発基盤の設計・整備 ・パフォーマンス・保守性を考慮した技術選定 ●モバイル開発の品質向上 ・アクセシビリティ(a11y)やパフォーマンスを考慮した品質基準の策定 ・CI/CDやテスト戦略の整備 ・デザインシステムのモバイル適用 ●プロダクト価値の最大化 ・PdM・デザイナー・QAと連携した要件定義 ・toC / toB両プロダクトのUX改善 ・ユーザー体験を起点とした技術提案 ●モバイルチームの横断した基盤づくり ・モバイル専任組織の立ち上げ ・技術ナレッジ共有の仕組み化 ・開発プロセスの改善 <現在進行中・予定しているプロジェクト例> ●求職者向けアプリの新規開発 Web中心だった転職体験をモバイルアプリとして再設計。プッシュ通知などモバイル特有の機能を活用し、よりスムーズな転職体験を提供します。 ●横断的なモバイル開発基盤の整備 複数アプリに共通するモジュール化やデザインシステム整備を進め、モバイル開発の生産性と品質を高めます。 ●モバイルデータ基盤の整備 データマネジメントチームと連携し、アプリのイベントログ設計や分析基盤の標準化を進めています。 <使用技術> ・Flutter / React Native ・Ruby on Rails / GraphQL / Protocol Buffers ・React / TypeScript / Next.js ・MySQL / OpenSearch / Redis / BigQuery ・AWS / Terraform / Azure OpenAI ※業務の変更の範囲:会社の定める業務

AI基盤・データ・クラウド環境を一気通貫で手掛ける開発業務をお願いしたいと考えております。 大手エンタープライズ企業のプロジェクトにて、データアナリスト/データエンジニアとして参画いただきます。データの抽出・加工・分析やモダンデータ基盤の構築・運用を通じて確かな 「データやAI実装の足腰」を磨いた後、最先端のAI領域へ専門性を拡張できるキャリアパス をご用意しています。 ●具体的な業務内容 データ基盤の構築・運用 : Snowflake、BigQuery等を活用したデータパイプラインおよび基盤の設計・構築 データ抽出・加工・可視化 : 案件に応じたデータの抽出・加工・分析、ダッシュボードの設計・構築 その他 AI開発(改修)等、AI開発の中でも比較的ハードルの低い案件をお任せす可能性有。 ●具体的実例(入社後のイメージ) 地味な「泥臭い1年」を抜けた先にしか、見えない景色を伝えさせて下さい。 ハイポテンシャルの皆様に率直にお伝えします。最初の1年は、データの抽出・加工・分析、ダッシュボード保守、基盤運用、AI実装(回収)といった「基礎固め」が中心です。決して華やかな仕事ばかりではありません。 しかし、この 「データや実装と真摯に向き合う1年」を抜けたメンバーが、今どんな挑戦をしているかをお伝えさせてください。 ①心理学専攻・未経験から、生成AI連携システムの実装主担当へ(入社2年目) 大学院で心理学を専攻していた実務未経験メンバーが、Next.js/FastAPIを活用した生成AIシステムを開発。日次バッチ処理を1.5時間から7分へ短縮し、実行コストも11,000円から900円へ(約92%削減)という劇的な成果を上げています。 ②異業種(製造業の生産技術)から、AIエージェントのPLへ AI未経験で入社後、現在は最先端の「AIエージェントのガードレール設計」をプロジェクトリーダー(PL)として牽引しています。 ③入社1年1ヶ月でサブリーダー、2年でPL。20代・30代で部長へ 年功序列は一切ありません。新卒入社から1年強でリーダー層へ駆け上がり、20代〜30代前半で事業部を率いる部長を務めるメンバーも複数在籍しています。 ●役割とプロジェクト推進体制 キャリア形成に寄り添う戦略的なプロジェクトアサインをAMBLでは行っております。 キャリアのご希望を上長が定期的にヒアリングし、一人ひとりの志向に合わせた案件を戦略的に獲得・提案する体制を整えています。 ・ミスマッチを防ぐ事前共有 内定段階で配属予定のプロジェクト概要をお伝えします。 ・計画的なスキルアップ 意図的なローテーション設計により、着実な成長を支援します。 課題定義からアプローチする上流フェーズへの参画をしております。 クライアントの事業ドメインを深く理解し、「AIでどのような課題を解決すべきか」という問いを定義する最上流から参画します。 ・技術的なリード 要件定義にとどまらず、技術選定やアーキテクチャ設計を主導する立場へキャリアを広げられます。 【具体的なプロジェクト例】 現在、事業部では以下のような最新テクノロジーを用いたプロジェクトが多数稼働しています。 ●データ・AIインフラ領域(モダンデータ・クラウド) Snowflake / dbt を用いたデータ基盤構築 大規模データの統合・加工・パイプラインの自動化 クラウドAI実行環境(AWS / Azure)の構築 Amazon Bedrock / Azure OpenAI Serviceを活用した安全・堅牢なシステム基盤の設計 ※その他 データ抽出・可視化・レポーティングのような微経験者向け案件もございます。 ● 生成AI・LLM領域(最先端エンジニアリング) グラフRAG(GraphRAG)/Advanced RAGの構築 複雑な企業ドメイン知識を構造化し、高精度な生成AI検索基盤を実装 AIエージェントの設計・実装 LangGraphやDify等を活用した自律型ワークフロー・AIエージェントの開発 LLM基盤のコスト・品質評価と改善設計 LLM出力の品質・精度の定量評価設計、およびContext Engineering等による運用コスト削減 ● 機械学習・高度アナリティクス領域 需要予測・異常予兆検知モデルの設計 統計解析・時系列分析・機械学習を用いたビジネス課題解決型モデルの構築

●あなたが決めること ご経験・キャリア志向に合わせて、以下を単独または組み合わせでお任せします。あわせてPMO/PM/PLとしてのプロジェクトマネジメントも担っていただきます。 ・ 評価の設計| LLM・AIシステムのコスト・品質を定量評価する指標の設計、効果測定、精度検証、ベースライン比較、LLM-as-a-Judgeの設計 ・要件の定義 |顧客のビジネス課題を、システム要件の前提となる論理的で明確なルールとして定義する。KGI/KPIの設計 ・価値の定義| そもそもこれをAIで作ることでビジネスにどうインパクトを与えるかを見極め、投資判断に踏み込む ・データ基盤・分析基盤の要件定義とリード| データパイプライン・DWH・データマート・CDPの設計、生成AI活用に向けたデータ整備 ・育成・マネジメント| 若手データサイエンティスト/データエンジニアの育成・マネジメント 【役割とプロジェクト推進体制】 ●アサインはこう決まります 入社後にどの案件から入るのかは、多くの方が気にされる点です。仕組みをそのまま書きます。 ・キャリア希望を、上長が定期的に吸い上げます。「次はこの領域に行きたい」という意思を出す場があります。 ・それに対して上長が「そのために何が必要か」を提示します。(必要な資格、身につけるべき技術、経験しておくべき工程) ・準備が整った段階で、営業が戦略的に次の案件を取りに行きます。本人の希望に合う案件を、こちらから顧客に提案する動き方をしています。 年功序列はありません。次の案件は勤続年数ではなく、本人の伸び方で決まります。単価は同一案件の中ではほぼ上がらず、案件が変わるタイミングで上がる構造です。だからローテーションを意図的に設計しています。 ●一人にはしません エンタープライズ企業の現場に入りますが、1人で放り出されることはありません。当社メンバーが複数名参画するチーム体制が基本です。事業部全体で約190名の組織で、修士・博士を含む専門家100名以上が在籍しています。案件で詰まったときに社内で聞ける相手がいること -常駐型で働くうえで、ここは決定的に重要だと考えています。 【事業部としてのバックアップ体制と働く環境】 ●評価と昇給 年功序列はありません。20代・30代前半で部長になったメンバーが複数います。管理職へのステップアップも、専門性を深めるキャリアも選択できます。 ●勤務スタイルについて 在宅勤務を組み合わせたプロジェクトが中心ですが、参画先によっては現場への常駐が基本となるプロジェクトも存在します。形式的な在宅比率に拘泥するのではなく、プロジェクトの価値創出のために最適な場所でパフォーマンスを発揮する姿勢を重視しています。 ●育成環境 資格取得支援:270種以上が対象、前期221名が利用(年600件・3年で5,000万円の支給実績)/AMBL PANEL(約460コンテンツの自己学習システム)/社外研修費 会社負担/修士・博士を含む専門家100名以上。機会は最大限・平等に用意します。掴むかはご本人次第です。

●具体的実例(入社後のイメージ) 年功序列なし。2年で大きく飛躍したメンバーの実例を紹介します。 当社には年功序列の評価はありません。意欲と成果次第で、誰もがスピーディーに活躍の場を広げられる環境です。 ・未経験から生成AIシステムの実装主担当へ 大学院で心理学を専攻し、実務未経験で入社したメンバーが2年でNext.js/FastAPIによる生成AI連携システムの実装主担当に成長。日次バッチ処理を1.5時間から7分へ短縮し、実行コストも11,000円から900円へと大幅な改善を達成しました。 ・年次を問わない早期キャリアアップ 新卒入社1年1ヶ月でサブリーダー、2年でプロジェクトリーダーに抜擢された事例や、20代・30代前半で部長を務めるメンバーも複数在籍しています。 ・自分らしく描ける3つのキャリアパス 技術を極める「エキスパート」、組織を牽引する「マネジメント」、技術基盤を支える「AIスペシャリスト(MLOps/LLMOps)」など、ご自身の志向に合わせたキャリアを選択できます。 【職務内容】 AI基盤・データ・クラウド環境を一気通貫で手掛ける開発業務をお願いしたいと考えております。 AIがビジネス価値を生み出すためのプラットフォーム設計・構築を軸に、開発から運用、データ基盤整備まで幅広く手掛け、顧客のビジネス課題解決に伴走します。 ・AIプラットフォームの設計・構築 ビジネス価値の創出に向けたAI基盤の設計・構築 ・Web/バックエンド開発 堅牢で拡張性の高いアプリケーション・システムの開発 ・高品質なデータ基盤の構築 AI利活用を最大化・スムーズにするデータパイプラインの整備 ・クラウドネイティブ環境での開発・運用 AWS / Azure / GCP を活用したシステム開発および伴走型の運用支援 【役割とプロジェクト推進体制】 キャリア形成に寄り添う戦略的なプロジェクトアサインをAMBLでは行っております。 キャリアのご希望を上長が定期的にヒアリングし、一人ひとりの志向に合わせた案件を戦略的に獲得・提案する体制を整えています。 ・ミスマッチを防ぐ事前共有 内定段階で配属予定のプロジェクト概要をお伝えします。 ・計画的なスキルアップ 意図的なローテーション設計により、着実な成長を支援します。 課題定義からアプローチする上流フェーズへの参画をしております。 クライアントの事業ドメインを深く理解し、「AIでどのような課題を解決すべきか」という問いを定義する最上流から参画します。 ・技術的なリード 要件定義にとどまらず、技術選定やアーキテクチャ設計を主導する立場へキャリアを広げられます。 【事業部としてのバックアップ体制と働く環境】 一人にしない、事業部のバックアップ体制 ● 助け合い、高め合える「チーム体制」 当社メンバーが複数名参画するチーム体制が基本です。社内の専門家コミュニティも活発で、高度な技術的課題もいつでも気軽に相談・解決できる安心感があります。 ● 柔軟でメリハリのある「働き方」 基本スタイルは週4日リモート・週1日出社。プロジェクトの状況に応じて客先常駐が発生する場合があります。リモートの比率より、必要な場所で成果を出すことを優先できる方を求めます。 ● 成長を強力に後押しする「育成・学習環境」 270種以上の資格取得支援制度をはじめ、自社オリジナルの学習システム「AMBL PANEL」や社外研修費の会社負担など、エンジニアの成長機会を最大限に用意しています。 ●具体的なプロジェクト例 現在、事業部では以下のような最新テクノロジーを用いたプロジェクトが多数稼働しています。 1.生成AI・LLM領域 グラフRAG・Advanced RAGの構築 AIエージェントの設計・実装(LangGraph/Dify等) LLM基盤の最適化(Context Engineering等) 2.AI・データインフラ領域 MLOps/LLMOps基盤の構築 Snowflake/dbtによるデータ基盤構築 Azure OpenAI/AWS Bedrock上でのシステム構築 3.高度技術・社会実装領域 画像解析・数理最適化の社会実装

●具体的実例(入社後のイメージ) 【キャリア実例】24時間監視からのスタート。8年でデータ基盤の要件定義・プリセールスへ ネットワーク機器の24時間365日監視からキャリアをスタートしたメンバーがいます。仮想PC基盤8,000台の運用保守を経て、IaCによる基盤構築、Snowflakeを用いたデータ基盤構築へと領域を広げ、8年目で上流工程へと到達しました。 転機となったのは、運用の枠にとどまらず「リリース管理・構成管理の設計」を自ら取りにいったこと。「手順を設計する」「作業をコード化する」「改善を提案する」——日々の運用の中で発揮した主体性こそが、上流エンジニアへ突き抜けるための確かな土台です。 【スピード昇進】年功序列なし。微経験入社から2年でリーダー、翌期にはマネージャーへ 当社に年功序列の壁はありません。 微経験で中途入社したあるメンバーは、1年目から大手ガバメントクラウド案件(6名体制)の要件定義へ参画。2年目で同チームのリーダーへ昇格し、翌期には組織を率いるマネージャーへの昇格が決定しています。年齢や社歴に関係なく、成果と意欲に応じたスピード感のあるキャリアアップが可能です。 ●職務内容 【上流×マルチクラウド】AWSの「その先」へ。要件定義からマルチクラウドを設計する“希少エンジニア”へ 【上流工程】どこまで深く関われるか ゼロベースでの基本設計 既存システムへの単純な機能追加ではなく、顧客の要件をもとにゼロからアーキテクチャを設計します。 技術選定・アーキテクチャ設計への主体的な参与 「AWSやAzureの採用」といった大枠方針に対し、その内部構成や技術スタックの選定は自ら決定・提案。「なぜその構成なのか」を説得し、形にする裁量があります。 非機能要件の全体設計 セキュリティ・可用性・パフォーマンスをはじめとする、システム全体の堅牢性を担保する非機能要件定義・設計を自ら担います。 技術提案からプリセールスまで 単なる設計担当にとどまらず、顧客との技術ディスカッションやプリセールスまで領域を広げていける環境です。 【先端技術】AIが動く基盤を“設計する側”へ AIエージェントが自律的に動く時代において、最大の課題となるのが「セキュリティ」と「堅牢な基盤」です。 生成AIと連携するアーキテクチャ設計、データレイク/データマートの構築、AI推論環境の整備など、クラウドを単なる「システムの土台」ではなく、ビジネス価値を生み出す仕組みとして自ら設計・構築できます。 ●キャリア伴走体制 【放置されないアサイン体制|希望のキャリアへ進むための「3ステップ伴走システム」】 1. キャリアカウンセリング: 上長が個人のキャリア希望をヒアリングし、必要な準備・スキルを明確化します。 2. 案件開拓・アサイン: 準備完了のタイミングに合わせて、営業チームがご希望のプロジェクトを獲得し、エンジニアに提案をします。 3. 成果還元(昇給): 案件が変わるタイミングで、担える役割とお客様への提供価値が広がります。その成果は、半期ごとの評価(賞与)と、再現性のある成長の評価(給与改定・昇格)に反映されます。 ●働き方･育成環境 【働き方×育成】成果を出す最適な環境で働き、豊富な学習機会で市場価値を高める ● 働き方:成果と貢献を最優先にする柔軟なスタンス リモートワークを併用するプロジェクトがメイン ですが、顧客やプロジェクトの状況に応じて客先でのフル出社となる場合もあります。 私たちは「リモートの割合」にこだわること以上に、プロジェクトや顧客にとって「必要な場所で最大限の成果を出すこと」を大切にできる、プロフェッショナルな姿勢をお持ちの方を求めています。 ● 育成環境:成長の機会は全社で最大限提供(自ら掴む文化) エンジニアの成長を後押しする豊富なサポート体制を全社平等に提供しています。 ●資格取得支援制度 : 270種類以上が対象(AWS関連多数)。前期は221名が利用し、さらに33種を追加指定。 ●豊富な学習コンテンツ : 約460コンテンツを学べる「AMBL PANEL」の利用や、社外研修費の全額会社負担。 ●ビジネススキル研修 : 社内アカデミーにて、マネジメントやクリティカルシンキングなどの講義も整備。 チャンスや環境は最大限に用意しています。その機会を自らの成長へ活かしていく主体性のある方を歓迎します。 ●具体的なプロジェクト例 大手金融・医療からガバメントクラウドまで|要件定義から挑む多彩な実績 1.医療・介護領域|業務改善データ分析基盤の構築 担当フェーズ: 要件定義 〜 保守 チーム体制: 4名(PM + 3名) 主要技術: AWS(EC2, Lambda, Glue, RDS) 2.大手金融|住宅ローンアプリ基盤の構築 担当フェーズ: 要件定義 〜 保守 チーム体制: 7名(PM + メンバー6名/うちインフラ2名) 主要技術: AWS(EC2, EKS, RDS) 3.大手サービス|店舗入退店・売上分析基盤の構築 担当フェーズ: データ蓄積・分析基盤の構築 チーム体制: 20名規模の大規模プロジェクト 特徴: 自社AIプロダクトを活用した高度なデータ基盤構築 4.公共・行政|クラウドリフト&ガバメントクラウド案件 概要: オンプレミス環境(Oracle)からのクラウドリフト(全面移行)、およびガバメントクラウドの要件定義〜基盤構築

●お任せする業務内容 最初はクラウド基盤の構築案件から参画し、徐々にクライアントとの調整やアーキテクチャ設計・企画フェーズへと領域を広げていただきます。 ● 具体的なタスク ①クラウド基盤の構築・運用 AWSを中心とし、要件に応じてAzure・Oracle Cloudを用いたマルチクラウド環境の構築および運用。 ②要件定義・アーキテクチャ設計・技術選定 クライアントとの技術要件の調整、最適な構成提案、インフラアーキテクチャの設計。 ③自動化・DevOps導入支援 Terraformを用いたIaC化、CI/CDパイプラインの構築、Docker/Kubernetesを活用したコンテナ環境の構築・運用。 ④AI基盤・ガバナンス設計(最先端領域) AIエージェントが安全に動作するインフラ基盤の設計(アクセス制御、最小権限設定、ガードレール構築)。 ⑤新技術のリサーチ・検証(R&D) 最新のクラウドサービスやAI関連技術のリサーチ、PoC(概念実証)の実施。 ●成長のステップ 1〜2年目 : 手順書に基づく構築やIaCを活用した自動化からスタートし、実務を通じて知識を深めます。 2〜3年目 : 上流工程(要件定義・アーキテクチャ設計)やAI基盤設計など、価値の高いフェーズへ挑戦していただきます。 ●役割とプロジェクト推進体制 ①上長・営業・本人が一体となる「連動型キャリア設計」 「どんな案件に参画すれば、目指すスキルに届くのか」——当社では、上長と営業がチームとなってエンジニアのキャリアをバックアップします。 ・成長ギャップの言語化 : 上長が定期的にキャリア希望をヒアリングし、目標とのギャップを具体的に提示。 ・戦略的ローテーション: 「同じ案件に留まるよりも、案件が変わるタイミングで担える役割が大きく広がる」という構造を踏まえ、成長フェーズに合わせた案件を営業が戦略的に狙い撃ちで獲得します。(年功序列は一切ありません) ②現場で孤立させない「チーム参画 & 事業部全体で約190名のエンジニア組織」 大手エンタープライズ企業の現場であっても、1人で放り出すようなアサインは行いません。 複数名チーム体制: 自社メンバーが複数名で参画する体制を徹底しています。 強固な社内ナレッジ: データ・AI・クラウドの領域のエンジニアが約190名の所属する組織。案件内で詰まった技術課題も、社内チャット等でいつでも相談・解決できる環境が整っています。 ●働く環境と成長支援体制 ① 働き方のスタンス(リモート併用 & 成果主義) リモートワーク併用のプロジェクトが中心ですが、参画先やフェーズによっては客先へのフル出社となる場合もあります。単に「リモート率」を重視する働き方ではなく、「プロジェクトの成功や成果に向けて、最適な場所で柔軟にパフォーマンスを発揮する」という姿勢を重視しています。 ② 成長機会は最大限・平等「育成環境&スキルアップ支援」 エンジニアとしての市場価値を高めるための学習機会を、全社をあげてバックアップしています。 ・資格取得支援制度:対象資格は270種類以上(AWS関連含む)。前期だけで221名が制度を活用してスキルアップを実現しています。 ・豊富な学習コンテンツ:自社eラーニング「AMBL PANEL」(約460コンテンツ)の展開や、社外研修費用の会社全額負担。 ・ビジネススキル研修(社内アカデミー):技術だけでなく、将来のリーダーシップを見据えたマネジメントやクリティカルシンキング講習も整備しています。 ※機会は全員へ最大限かつ平等に用意しています。自ら手を挙げてチャンスを掴み取る方の挑戦を全力で応援します。 ●具体的なプロジェクト例 参画プロジェクト例:AI×データ基盤からミッションクリティカル案件まで 【1】医療・介護業界向け 業務改善データ分析基盤構築 担当フェーズ: 要件定義 〜 構築・保守 チーム体制: PM + メンバー3名 使用技術: AWS(EC2, Lambda, AWS Glue, Amazon RDS) 【2】大手金融機関向け 住宅ローンアプリ基盤構築 担当フェーズ: 要件定義 〜 構築・保守 チーム体制: PM + 6名(インフラ担当2名) 使用技術: AWS(EC2, Amazon RDS) 【3】大手サービス業向け 店舗入退店・売上分析基盤構築(AI×クラウド) 内容・特徴: 自社AIプロダクトを活用し、監視カメラ画像から来場者数・顧客属性を取得・解析するデータ蓄積・分析基盤を構築 チーム体制: PM + 20名規模(大型プロジェクト) 【4】エンタープライズ・行政向け クラウドリフト & ガバメントクラウド推進 内容・特徴: オンプレミス環境(Oracle等)からのAWSクラウドリフト案件、および大手ガバメントクラウド案件における設計・構築

ゲーム領域における機械学習・AI活用を支えるためのML基盤、MLOps環境、データパイプライン、モデル運用基盤の設計・開発・運用を担当していただきます。 モデルやアルゴリズムを、再現性・拡張性・保守性の高い形で実運用へ接続する役割です。 研究開発とプロダクト運用の間にある技術的なギャップを埋め、ML活用を継続的にスケールさせるための基盤づくりを推進していただきます。 ●業務例 ・機械学習パイプラインの設計・構築・運用 ・モデル学習、評価、デプロイ、監視を行うMLOps基盤の整備 ・実験管理、モデル管理、特徴量管理、データバージョニングの仕組みづくり ・ゲーム内データ・ログデータ・シミュレーションデータの処理基盤構築 ・バッチ推論・オンライン推論・社内ツール向け推論APIの設計・運用 ・モデル性能、データ品質、推論結果のモニタリング・アラート設計 ・GPU・クラウド・コンテナ環境を活用した学習・推論環境の最適化 ・MLエンジニア・リサーチャーが効率よく開発できる社内開発環境の整備 ・セキュリティ、権限管理、コスト管理を考慮したML基盤運用 ●プロジェクト例 ・ゲームAI開発向けの学習・評価パイプライン構築 ・運営型ゲームにおけるバランス調整支援システムの基盤開発 ・生成AI・LLMを活用した社内制作支援ツールのバックエンド基盤 ・複数プロジェクト横断で利用可能なML実験・モデル管理基盤 ・非公開プロジェクトにおけるAI開発基盤の設計・構築

●プロダクト概要 本プロダクトは、サイバーエージェントのインターネット広告事業を支える営業支援プラットフォームです。CRM・SFAの概念を取り入れ、広告実績・配信データのリアルタイム可視化と案件管理を一元化した社内システムとして構築しています。 社内の開発者・依頼者・利用者が一体となってプロダクトを育てられる環境で、国内取扱高No.1のインターネット広告事業をシステムの側面から直接支えるポジションです。 ●業務内容 サイバーエージェントのインターネット広告事業を支える営業支援プラットフォームの開発を担当していただきます。 広告実績・配信データの可視化や案件管理を一元化する社内システムにおいて、Python(FastAPI)を用いたバックエンド開発を中心に、要件整理から設計、実装、運用改善まで一気通貫で携わっていただきます。 また、SnowflakeやAWSなどを活用しながら、大規模な広告事業を支えるデータ連携・システム基盤の整備や、新規機能開発、既存機能の改善にも取り組んでいただきます。 ●開発環境 ・言語:Python(Fastapi) ・FW : Next.js ・データ基盤:Snowflake ・インフラ : AWS, GitHub Actions, Datadog ・その他 : Claude Code

ゲーム開発・運用における高度な技術課題に対して、機械学習、強化学習、数理最適化、生成モデルなどの技術を用いた研究開発を推進していただきます。 論文や先端技術の調査にとどまらず、実データ・実プロダクトに適用可能な形でアルゴリズムを設計・実装し、プロトタイプから実運用を見据えた検証まで担っていただきます。 ●業務例 ・ゲームAI、強化学習、生成モデル、数理最適化等に関する技術調査・研究開発 ・ゲームデータやシミュレーション環境を用いたアルゴリズム設計・実装 ・レベル生成、バランス調整、敵AI、プレイヤー行動予測等に関するモデル開発 ・研究論文・OSS・先端技術の調査、再現実装、応用可能性の検証 ・実プロダクトへの適用を見据えたPoC設計、実験、評価 ・モデル性能やアルゴリズムの定量・定性評価手法の設計 ・学会発表、論文投稿、技術ブログ、イベント登壇等による研究成果の発信 ・社内外の研究者・開発者との共同研究・技術交流 ●プロジェクト例 ・パズルゲームにおけるレベル生成・難易度推定 ・対戦型ゲームにおける敵AI・NPC行動生成 ・運営型ゲームタイトルにおけるバランス調整支援 ・強化学習を用いたゲームプレイエージェントの開発 ・数理最適化・組合せ最適化を用いたゲーム設計支援 ・非公開の新規研究開発プロジェクト

日本を代表するエンタープライズ企業を中心としたクライアントに対し、本質的な価値創出に重きを置いたプロジェクトの推進・実行を担当いただきます。経営課題を技術で解決するためのデータアーキテクトのグランドデザインおよびデータモデリングを主導するスペシャリストとして参画いただくポジションとなります。 ・日本を代表するエンタープライズ企業をメインクライアントとするDX支援、AI実装、および中長期的なデータ利活用戦略の立案とアーキテクチャ設計支援 ・AWS、Azure、GCPなどのクラウド環境を活用したデータ基盤・分析基盤の設計 ・分析チームやビジネス部門と連携したデータ活用環境の高度化 ●参考資料 https://note.com/flux_inc/m/mdcbaafdd8d84 ●業務の変更の範囲 会社の定める業務 ※本人の希望を聞かずに転勤させることはありません。

日本を代表するエンタープライズ企業を中心としたクライアントに対し、本質的な価値創出に重きを置いたプロジェクトの推進・実行を担当いただきます。クラウドネイティブな技術選定から、ビジネス要件に基づいたプラットフォーム設計、さらには自ら手を動かしてのシステム構築・デリバリーまでを一気痛感で主導いただくスペシャリストとして参画いただくポジションになります。 ・エンタープライズにおける顧客のビジネス課題に基づいたクラウド戦略立案、アーキテクチャ策定、ビジネスケース・ロードマップ策定 ・AWS, Azure, Google Cloud等のパブリッククラウドを用いた、スケーラビリティと堅牢性を両立するシステム全体のアーキテクチャ設計および実構築 ・データサイエンティストやアプリケーションエンジニアと連携した、LLM活用プラットーフォーム、バックエンド基盤、AIモデルの実装基盤(MLOps)の設計・プロトタイプ構築・本番導入支援 ●参考資料 https://note.com/flux_inc/m/mdcbaafdd8d84 ●業務の変更の範囲 会社の定める業務 ※本人の希望を聞かずに転勤させることはありません。

日本を代表するエンタープライズ企業を中心としたクライアントに対し、本質的な価値創出に重きを置いたプロジェクトの推進・実行を担当いただきます。AI実装を支えるスケーラブルなデータパイプラインの設計・実装やエンジニアリングにおけるデータ活用高度化プロジェクトにおいて、そのスペシャリストとして参画いただくポジションとなります。 ・日本を代表するエンタープライズ企業をメインクライアントとするDX支援、AI実装、データ活用等の支援 ・DX化、AI活用を推進するために必要なデータ基盤の設計、構築・刷新推進 ・データ収集・加工・蓄積プロセスの設計による分析基盤の最適化 ・分析チームやビジネス部門と連携したデータ活用環境の高度化 ●参考資料 https://note.com/flux_inc/m/mdcbaafdd8d84 ●業務の変更の範囲 会社の定める業務 ※本人の希望を聞かずに転勤させることはありません。

日本を代表するエンタープライズ企業を中心としたクライアントに対し、本質的な価値創出に重きを置いたプロジェクトの推進・実行を担当いただきます。機械学習モデルの実装から推論最適化、MLOpsの構築、実運用における保守・改善までを主導いただくスペシャリストとして参画いただくポジションとなります。 ・顧客のビジネス課題に基づいたAIシステムの設計・開発・運用 ・機械学習・深層学習を用いたAIモデル実装、および推論パイプラインの構築・最適化 ・MLOps基盤の構築、およびモデルのデプロイ・監視・継続的な精度改善フローの運用 ・生成AI(LLM等)を含む先端技術の調査・検証、および実務プロジェクトへの実装 ・データサイエンティストと連携したPoCの推進、技術選定・ベストプラクティスの確立 ●参考資料 https://note.com/flux_inc/m/mdcbaafdd8d84 ●業務の変更の範囲 会社の定める業務 ※本人の希望を聞かずに転勤させることはありません。

ゲーム開発・運用現場に深く入り込み、機械学習・最適化・生成AIなどの技術を活用して、プロダクト課題の発見から仮説設計、実装、運用改善までを一気通貫で推進していただきます。 単にモデルを構築するだけではなく、ゲーム開発に携わるプランナー、エンジニア、クリエイター、プロデューサーなど多様な職種と連携しながら、実際の開発・運用フローに組み込まれる形で技術を価値に変える役割です。 ●業務例 ・ゲーム開発・運用現場における課題探索、要件整理、技術的な解決方針の設計 ・機械学習、数理最適化、生成AI、強化学習などを用いたプロトタイプ開発 ・ゲーム内データ・ユーザー行動データ・レベルデータ等を活用したモデル構築 ・機械学習モデルや支援ツールの実運用導入、改善、効果検証 ・プロジェクト固有の課題に応じた技術調査、PoC、実装方針の提案 ・研究成果・技術成果の社内外発信 ●プロジェクト例 ・運営型ゲームタイトルにおけるバランス調整支援 ・パズルゲームにおけるレベル生成・難易度推定 ・対戦型ゲームにおける敵AI・行動AIの開発 ・非公開の新規ゲーム・研究開発プロジェクト

ミッション 「新しい未来のテレビ」として展開する動画配信事業『ABEMA』における、有料プラン「ABEMAプレミアム」の会員獲得を目的としたマーケティングおよび広告運用。 Google、Meta、X、TikTok、YouTubeなどの主要プラットフォームを活用し、大規模な予算を動かしながら、データ分析と生成AIを掛け合わせた最先端のインハウス運用を推進しています。 社会的なインパクトが非常に大きく、エンターテインメントの未来をマーケティングの力で切り拓く事業領域です。 ●配属部門のミッション 生成AI活用を前提にデータとスピードを武器にした広告運用で、マーケティング成果を最大化させること。 ●チームのミッション ABEMAプレミアム会員獲得における運用の高度化。生成AIやテクノロジーとの連携により、「意思決定の高速化」「運用品質の標準化」「運用の自動化」を実現し、目標CPA内での会員数最大化を達成すること。 具体的な業務内容 入社後は、ABEMAプレミアム獲得のためのデジタルマーケティングのコアメンバーとして、以下の業務を推進していただきます。 ●事業戦略・マーケティングプランの策定(WHO×WHAT) ・市場分析、ユーザーデータ分析を通じたターゲット選定や、事業課題に基づくマーケティング戦略の立案。 ●プロモーション設計・媒体運用実行(HOW) ・策定した戦略に基づき、Google / Meta / X / TikTok / YouTube 等の主要広告媒体におけるフルファネルでの運用設計および実行。 ●数値分析・実験 ・媒体レポートのみに依存せず、プロダクト・会員・視聴データと紐づけた高度な分析および検証設計。 ●生成AI活用 / データ連携 ・生成AIを用いたクリエイティブ制作・評価の仕組み化。データ基盤や計測環境の改善要件を整理し、エンジニアや実装チームと共同でAPI連携等の高度化を推進。 ●1年後のゴール プレミアム会員獲得領域における、インハウス運用を生成AI活用最大化を前提とした設計に変更し、予算を最適にコントロールしながら目標KPIを達成すること。 具体的な業務の流れ ・事業戦略立案(WHO×WHAT):定量調査や視聴データ分析を通じ、誰に何を届けるかの戦略を設計します。 ・実行(HOW):クリエイティブ、編成、プロダクト、データといった多岐にわたる専門チームと密に連携し、デジタル広告領域におけるプランニング〜実行を裁量を持って担当します。日々の数値変化に基づき、高速にPDCAを回す環境です。 配属について ●チーム構成 約10名程度の組織で、平均年齢は30代前半です。 ●組織風土 相手への思いやりがあり、チームでのノウハウ共有を大切にする文化です。上司は穏やかで気さくなタイプであり、困ったときにも相談しやすい雰囲気です。 ●メンバーの志向 特定のエンタメジャンル(アニメ、スポーツ等)に熱い情熱を持つ社員だけでなく、「マーケティングのプロとしてスキルを磨きたい」というビジネス志向の強いメンバーも多く在籍しており、互いに刺激し合える環境です。 ●『みんなで大きなことを成し遂げる』という意識を持った組織 ・専門性高いプロフェッショナルがプロジェクト単位でチームを組み、チームプレイで社会的インパクトが大きい事業に取り組んでいます。 ●『マーケターにとっての成長環境』が整っている ・当社の宣伝組織はインハウスで完結しているマーケティング組織です。多岐にわたる事業ドメインのマーケティングを通して、様々なアプローチの実践経験を積むことができる環境です。

検索連動型広告において、MLエンジニアと協力して、高品質な広告文を自動生成・評価する手法の研究開発を行います。データパイプラインの構築と維持管理などのデータエンジニアリングや機械学習モデルのサービングなどの開発・運用業務を担当いただきます。また、希望に応じて、LLMなどの機械学習技術の活用し、MLエンジニアのサポートを得ながら、上記研究開発にも取り組んでいただきます。 ●クリエイティブがもたらす広告効果の探求 ●より強力なクリエイティブ効果予測AIの探求 ●質の高いクリエイティブの自動生成の探求 ●多種多様なデータの戦略的な活用と実践 ミッション インターネット広告事業で国内トップの事業者であり続けるために、最先端のAI技術を最速で導入し広告効果の最大化に貢献していくことが重要です。 広告クリエイティブの「品質」「量」「スピード」の向上を目指すべく、 機械学習および自然言語処理の技術を用いた極予測TDプロダクトの開発に取り組んでいただきます。 チーム体制/文化 ・現在ビジネスメンバー・エンジニア計4名ほどの組織 ・ビジネスメンバーとの距離も近く議論する文化があり、分析のフローや実験の設計などを決める裁量があります。 ・プロダクト内だけでなく、AI事業本部内の横軸として、データサイエンティスト/機械学習エンジニアメンバーによる勉強会や、実データを使った事業部内コンペも開催されています。 ・海外カンファレンスへの参加制度も豊富です。

募集ポジション 部署概要 AI事業本部 組織全体の7割以上が技術職で構成されているサービス開発組織です。 主に、AI を活用した広告クリエイティブの制作・マーケティング支援・対話サービスや小売・医療・行政領域の DX 支援サービスなど、 デジタルマーケティング分野をはじめとした約30の幅広い事業開発を行っています。 ●特徴 ・内部にAI研究組織「AI Lab」やデータサイエンティストの横断組織「DataScienceCenter」などの専門組織を設置 ・部署の垣根を問わず、ビジネス・開発・研究がシームレスに連携しより良い事業づくりに挑戦 ・技術選定/ツール/プロセスなどは各プロダクトごとで大きな裁量を持って決定、推進 ・技術者向けのキャリア支援、評価制度、カンファレンス補助などの環境整備にも注力 極予測TDとは 極予測TDは、AIを活用した広告テキストの効果を予測・自動生成するツールであり、広告事業の未来を切り拓くべく、最先端のAI技術を駆使したプロダクト開発を進めています。 常に変化する検索連動型広告の運用に対応し、広告効果の自動最適化を実現するため、「自動検知から即時生成、そして配信まで」を一貫して行う「トリガー運用」という機構を開発・導入し、より高精度な広告運用を可能としております。 今後は、Googleなど主要媒体が注力するサービスにも積極的に対応し、テキストにとどまらず多様なクリエイティブを幅広く展開していきます またAI技術の研究開発組織である「AI Lab」と連携することで、予測精度の向上や新しいクリエイティブ価値の創出を目指しています。 私たちは、AIの力で広告のあり方そのものを変革していく、刺激的な開発に取り組んでいます。 <参考> [AI Lab、情報検索・推薦システム分野のトップカンファレンス「SIGIR 2024」にて論文採択](https://www.cyberagent.co.jp/news/detail/id=30417) [AI Lab、自然言語処理分野のトップカンファレンス「ACL 2025」にて5本の論文採択](https://www.cyberagent.co.jp/news/detail/id=32078) チーム体制/文化 ●現在ビジネスメンバー・エンジニア計4名ほどの組織 ●ビジネスメンバーとの距離も近く議論する文化があり、分析のフローや実験の設計などを決める裁量があります。 ●プロダクト内だけでなく、AI事業本部内の横軸として、データサイエンティスト/機械学習エンジニアメンバーによる勉強会や、実データを使った事業部内コンペも開催されています。 ●海外カンファレンスへの参加制度も豊富です。 業務内容 検索連動型広告において、LLMなどの機械学習技術を活用し、高品質な広告文を自動生成・評価する手法の研究開発を行います。 ・クリエイティブがもたらす広告効果の探求 ・より強力なクリエイティブ効果予測AIの探求 ・質の高いクリエイティブの自動生成の探求 ・多種多様なデータの戦略的な活用と実践 ミッション インターネット広告事業で国内トップの事業者であり続けるために、最先端のAI技術を最速で導入し広告効果の最大化に貢献していくことが重要です。 広告クリエイティブの「品質」「量」「スピード」の向上を目指すべく、 機械学習および自然言語処理の技術を用いた極予測TDプロダクトの開発に取り組んでいただきます。

BIを活用したデータ解析や情報システム開発を担当していただきます。 └BIツールを用いたダッシュボード作成 └データの収集・加工・分析 └ダッシュボードの保守運用 【アピールポイント】 弊社ではBtoBおよびBtoCのサービスを取り扱う大手企業のお客様と取引を行っており、様々なビッグデータを扱った業務に携わることができます。 【キャリアプラン】 BIツールの領域では分析から改善提案のポジションまで、ニーズの広がりを見せており、ご自身のご経験・ご希望にあわせてより、難易度の高いポジションに挑戦できます。

漫画のローカライズ性能を評価・改善するアルゴリズムの開発に取り組みます。 CV・NLPいずれか、または両方の専門性を活かしながら、漫画というマルチモーダルデータ(画像×テキスト)を対象とした高度な技術課題に挑戦していただきます。 画像内のコマ・物体・文字構造理解から、翻訳文脈制御・LLM活用まで、視覚と言語を横断した技術開発を担っていただきます。 <例> ●CV領域 ・ページ内のコマ、テキスト、フキダシ、オノマトペ、物体などの検出 ・オノマトペの文字認識 ・文字の除去と除去領域の生成 ・ページ内のオブジェクトの関係のグラフ化(SGG) 等 ●NLP領域 ・翻訳後のキャラクター口調の整合性を評価する手法の開発 ・LLMによる文脈を考慮した翻訳生成プロンプトの開発 ・特定ジャンルに特化した専門用語表現LLMの開発 ・長期コンテキストを活用する知識表現・RAGの開発 ・マルチモーダルLLMを活用した画像×テキスト統合理解 事業内容 ・日本エンタメ作品のローカライズ化におけるデジタルマーケティングの戦略策定および実行支援 ・原作者はもちろん、作品に携わる翻訳者や写植者、編集者など全てのクリエイターの作業をサポートするAI技術の研究・開発 ・当社がこれまで取り組んできた高度な自然言語処理技術を応用した、配信国や地域の文化や特性を考慮した表現方法および多言語対応や文脈理解などへの研究 等 これらのAI技術の研究・開発に一緒に挑戦していただける方を募集しています。 チーム体制/文化 ・立ち上げ部署のため、事業統括1名・PM1名・エンジニア1名が所属し、アドバイザーとしてMLエンジニアが2名の少数精鋭体制です。 ・プロダクト内だけでなく、AI事業本部内の横軸としてデータサイエンティスト/機械学習エンジニアメンバーによる勉強会や実データを使った事業部内コンペも開催されています。 ・海外カンファレンスへの参加制度も豊富です。 AIローカライズセンター設立背景 世界から注目を集める漫画やアニメをはじめとした日本コンテンツの海外展開においては、翻訳のプロジェクトチームによる徹底的なキャラクターや文脈の理解、原作の一貫性を担保するためのルール制定、写植作業者(レタラー)による文字入れや作画修正、ネイティブによる翻訳チェックといった膨大な翻訳工程が必要であるとともに、原作者の意図や原作の世界観を損なわずに、展開先であるその国の文化や特性も考慮してローカライズしていくことが重要です。 さらに、各国の文章読み順への最適化や縦読みフォーマットへの変更および、最適なオンラインプラットフォームでの販売方法の検討など、販売チャネルの多様化に伴う関係各所との権利調整やプロモーション企画など、海外特有のデジタルマーケティング戦略の策定と実行が必要となってきます。 そこで当社AI事業本部は、これまで培ってきたAI研究・開発力とデジタルマーケティング力の強みを活かすべく、AIを活用し漫画などの海外展開に向けたローカライズを支援する専門組織「AIローカライズセンター」を、2024年6月に設立いたしました。 サイバーエージェントが取り組む理由 当社は「広告効果の最大化」を戦略として掲げており、2016年にAI研究開発組織「AI Lab」を設立するなどAI研究と社会実装に必要な開発力を高め、強みとするデジタルマーケティング力を磨いてまいりました。 また、大学との産学連携を積極的に推進し、AIで広告効果を最大化する「極予測シリーズ」を提供するなど、AIを活用することでクリエイターがより広告効果の高いクリエイティブ制作を行えるような業務支援にも向き合ってまいりました。 2023年11月には広告クリエイティブ表現に特化した独自日本語OCR(光学文字認識)モデルを開発するなど、複雑化するクリエイティブ内の文字フォントやレイアウトに対し高精度な文字認識を実現しています。さらに近年は日本語LLMの開発にも取り組み、2023年5月にはCyberAgentLLMを商用利用可能なオープンソースとしてリリース。2024年7月にはバージョン3※も一般公開するなど自然言語処理技術発展への貢献に努めています。 ※ NIKKEI Digital Governanceと米Weights & Biases​による共同調査(2024)によってChatGPTやClaude、Geminiに次ぐ性能と認定され、日本語LLM比較において、​日本国内で最高水準のモデルとして評価されています。 <参考> 効果を出す「AIの共同研究」東京工業大学 奥村・高村研究室と創る自然言語処理の未来 https://www.cyberagent.co.jp/way/list/detail/id=25604 AI Lab 「CVPR2024」にて4本の主著論文採択 https://www.cyberagent.co.jp/news/detail/id=30072 産学連携先一覧 https://research.cyberagent.ai/academic-relations/

漫画のローカライズ性能を評価・改善するアルゴリズムの開発に取り組みます。 NLPの専門性を活かしていただきながら、漫画のコマ等の画像情報と組み合わせた高度な技術課題に挑戦していただきます。 <例> ・翻訳後のキャラクターの口調の整合性を評価する手法の開発 ・LLMによる文脈を考慮した翻訳の生成プロンプトの開発 ・特定ジャンルの専門用語表現に特化したLLMの開発 ・長期的なコンテキストを効果的に翻訳に活用するための知識表現とRAGの開発 等 チーム体制/文化 ・立ち上げ部署のため、事業統括1名・PM1名・エンジニア1名が所属し、アドバイザーとしてMLエンジニアが2名の少数精鋭体制です。 ・プロダクト内だけでなく、AI事業本部内の横軸としてデータサイエンティスト/機械学習エンジニアメンバーによる勉強会や実データを使った事業部内コンペも開催されています。 ・海外カンファレンスへの参加制度も豊富です。 AIローカライズセンター設立背景 世界から注目を集める漫画やアニメをはじめとした日本コンテンツの海外展開においては、翻訳のプロジェクトチームによる徹底的なキャラクターや文脈の理解、原作の一貫性を担保するためのルール制定、写植作業者(レタラー)による文字入れや作画修正、ネイティブによる翻訳チェックといった膨大な翻訳工程が必要であるとともに、原作者の意図や原作の世界観を損なわずに、展開先であるその国の文化や特性も考慮してローカライズしていくことが重要です。 さらに、各国の文章読み順への最適化や縦読みフォーマットへの変更および、最適なオンラインプラットフォームでの販売方法の検討など、販売チャネルの多様化に伴う関係各所との権利調整やプロモーション企画など、海外特有のデジタルマーケティング戦略の策定と実行が必要となってきます。 そこで当社AI事業本部は、これまで培ってきたAI研究・開発力とデジタルマーケティング力の強みを活かすべく、AIを活用し漫画などの海外展開に向けたローカライズを支援する専門組織「AIローカライズセンター」を、2024年6月に設立いたしました。 サイバーエージェントが取り組む理由 当社は「広告効果の最大化」を戦略として掲げており、2016年にAI研究開発組織「AI Lab」を設立するなどAI研究と社会実装に必要な開発力を高め、強みとするデジタルマーケティング力を磨いてまいりました。 また、大学との産学連携を積極的に推進し、AIで広告効果を最大化する「極予測シリーズ」を提供するなど、AIを活用することでクリエイターがより広告効果の高いクリエイティブ制作を行えるような業務支援にも向き合ってまいりました。 2023年11月には広告クリエイティブ表現に特化した独自日本語OCR(光学文字認識)モデルを開発するなど、複雑化するクリエイティブ内の文字フォントやレイアウトに対し高精度な文字認識を実現しています。さらに近年は日本語LLMの開発にも取り組み、2023年5月にはCyberAgentLLMを商用利用可能なオープンソースとしてリリース。2024年7月にはバージョン3※も一般公開するなど自然言語処理技術発展への貢献に努めています。 ※ NIKKEI Digital Governanceと米Weights & Biases​による共同調査(2024)によってChatGPTやClaude、Geminiに次ぐ性能と認定され、日本語LLM比較において、​日本国内で最高水準のモデルとして評価されています。 <参考> 効果を出す「AIの共同研究」東京工業大学 奥村・高村研究室と創る自然言語処理の未来 https://www.cyberagent.co.jp/way/list/detail/id=25604 AI Lab 「CVPR2024」にて4本の主著論文採択 https://www.cyberagent.co.jp/news/detail/id=30072 産学連携先一覧 https://research.cyberagent.ai/academic-relations/

【具体的には】 ※ご経験/スキルに合わせ詳細業務を決定します Software Defined Vehicleに必要な自動運転、コネクティッドサービス、車両データ解析の実現に向けたAIエンジニアとして、下記いずれかの業務をお任せいたします。 ●機械学習のモデル構築 ●物体認識、画像認識、走路認識などの認識アルゴリズム構築 ●認識情報に応じた行動計画アルゴリズム構築 ●構築したアルゴリズムのデバイス実装 ●ドライバー状態、車内空間認識技術の開発 ●各種データ収集およびデータマイニング技術の開発 ●生成AIを活用した新サービスの開発 ●MLOps、自動テストなどの開発環境の構築 ●AI技術のトレンド調査、技術評価、お客様のニーズ調査 ●AIセキュリティガバナンス構築 上記に伴う研究開発業務、および、大学や国内外企業との共同研究開発の推進などをお任せ致します。また、他部門やベンダー等、様々な関係者とコミュニケーションをとりながら業務を進めていきます。 海外現地法人へのデモンストレーションや海外研究機関との共同研究等、海外とのやりとりも発生する場合があります。 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります。 【開発ツール】 ●プロジェクト管理: Azure Boards、Teams、MS Loop等 ●開発言語: Python、Java、TypeScript、HTML、CSS、Kotlin等 ●データベース:MySQL、Oracle等 ●使用ツール:ChatGPT、Gemini、BigQuery、TensorFlow、PyTorch、Tableau等 ●開発環境: Azure、GCP、AWS、Android Studio等