リモート可のITエンジニア求人・転職情報

フューチャー株式会社

当社では、”増加するサイバーセキュリティの脅威”、”その攻撃の早さ”、”攻撃の多様化”、”回数”、そして”増加するセキュリティ投資”に対して、「より早く、より的確に、より効果的に」をコンセプトに、「Cyber Security Innovation Group」を設立しています。同Groupの事業の柱の一つとして、クラウド型のセキュリティサービス「FutureVuls」( https://www.vuls.biz/ )」の提供を行っています。この「FutureVuls」を強みにエンタープライズのお客様向けに統合的なセキュリティサービスを提供していきます。現在、従来のセキュリティ管理に加え、各業界における法制度対策やSBOM(ソフトウェア部品表)管理のニーズが爆発的に増加しており、FutureVulsへの引き合いが急増しています。 • FutureVuls・・・Vuls(VULnerability Scanner)をベースに提供している脆弱性管理のクラウドサービスで、エンジンとなる脆弱性情報の全自動スキャンツールの名称。2016年4月1日にオープンソースとして世界に無償公開。 半年後の同年10月1日にはオープンソース共有サイト「GitHub」でランキング1位を獲得するなど、世界中のシステム管理者から多くの注目を集めている。FutureVulsはVulsにエンタープライズ向け機能を付加し、独自の「自動トリアージ機能(SSVC)」や「国産ならではのサポート力」を武器に急成長しているSaaSです。 ●採用部門について 現在、 FutureVuls事業は「立ち上げ」から「拡大(Scale-up)」のフェーズへ突入しており、本ポジションは、セールス担当と連携し、技術的な信頼を勝ち取ることで導入を成功に導く「技術の顔」としてのプリセールスメンバーを募集します。複数のセールスを技術支援する立場として、製品の価値を最大化させる役割を担います。 ●職務内容の概要 本ジョブは単なる「ツールの説明員」ではありません。本ポジションは導入前の「技術的な不安」を「導入後の成功イメージ」に変える役割を担います。顧客の複雑なインフラ環境を理解し、FutureVulsを用いた新しい脆弱性管理のスタイルを自ら設計・提案する、コンサルティング要素の強いエンジニア職です。 ●具体的な職務内容 ・技術支援・デモ実演(意思決定の支援) セールスに同行し、単なる機能説明に留まらず、顧客のシステム構成(OS/MW/NW)に応じた最適な検知・管理手法を技術的に解説。顧客が導入の判断を下せるよう、技術的な懸念事項を先回りで解消します。 ・PoC(概念実証)のリード(運用の設計) 単なるツールの試用支援ではなく、「運用をどう回すか」のゴールを策定。検証計画の立案から環境構築、実データを用いた検知精度の検証を行い、既存の運用フローからの脱却に向けた技術的な道筋を示します。 ・技術的な課題提案(ソリューション設計) Linux、コンテナ、クラウド(AWS/Azure)、NW等の構成をヒアリングし、SSVCやSBOMといった最新の脆弱性管理手法をどう組み込むのがベストか、顧客に合わせた「脆弱性管理の最適解」をアーキテクチャレベルで提示します。 ・技術資料の作成(ナレッジの武器化) 競合製品(海外ベンダー製等)との技術仕様比較や、複雑な脆弱性トレンドを分かりやすく解説したホワイトペーパー、FAQの整備を行い、営業活動の技術的根拠(エビデンス)を強化します。 ・開発フィードバック(プロダクト進化への貢献) 顧客の技術的な要望や現場の課題を深く理解し、エンジニア視点で整理。プロダクトマネージャーや開発チームへ「次に作るべき機能」を提案し、FutureVulsをより市場価値の高い製品へと進化させます。 ●所属チーム セールスチーム(現在3名+マネージャー在籍) ●業務内容の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。

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/

株式会社NTTデータ

CX変革の戦略策定から実行・成果創出までを一貫して支援する「伴走支援チーム」において、生成AIを活用した開発プロジェクトの基本構想～リリース、当社プロダクトの技術構想立案～構築をリードします。 コンサルタント/デザイナー/データサイエンティスト/エンジニア等の多様な専門家と連携しながら、チーム一体でお客様のビジネス成果創出という共通の目標に向かってプロジェクトを推進します。 ●プロジェクト例 ・生成AI等を用いた抜本的なCX変革/業務効率化オファリングの企画・サービス化、顧客への提案・導入・成果創出支援(PoC～本格展開) ・顧客の事業課題、経営目標を踏まえたあるべき業務プロセスの策定とシステム機能実装 ●参考情報 AIエージェントを活用した新たな生成AIサービスを提供開始～「SmartAgent™」の実現により、オフィスワーカーの生産性向上、付加価値業務のシフトへ～ https://www.nttdata.com/global/ja/news/release/2024/102401/ OpenAIとのグローバルでの戦略的提携を開始～日本初の販売代理店として、OpenAI関連事業で2027年度末までに累計1,000億円規模の売り上げへ～ https://www.nttdata.com/global/ja/news/release/2025/042400/ マーケティング業務を最大6割削減する新たなAIエージェントサービスを提供開始～「LITRON® Marketing」の提供により、マーケティングの戦略・施策の企画から実行・評価まで一気通貫で支援～ https://www.nttdata.com/global/ja/news/release/2025/051900/ 生成AIを活用した営業生産性向上PoCをテプコカスタマーサービスと実施～太陽光設備サービスにおける営業活動の効率化と業務品質向上の実現へ～ https://www.nttdata.com/global/ja/news/topics/2025/052601/

株式会社NTTデータ

業務概要 当事業部のサービスの特徴は、お客様の現実に即した技術面で実効性の高いITグランドデザインを提案できることにあります。AIだ!全面刷新だ!という提案は魅力的ではありますが、高コストになりがちで、プロジェクトリスクも高くなりがちです。お客様は、コストとリスクを最小化しつつDXを実現する「部分的・段階的な再構築」を本当は求めています。ITアーキテクチャやITモダナイゼーションに強みのある当事業部と連携することにより、お客様の要望を叶えられるご提案を実現します。 ●業務内容 お客様の経営戦略・IT戦略を踏まえたITグランドデザインの策定、およびロードマップの策定を行います。公共・金融・法人等、当社の全事業部からの要請を受け、お客様の持つ超巨大なシステム群をリデザインし、プログラムデザインのためのロードマップを策定します。約2～3か月のプロジェクトが多く、事業部のプロジェクトリーダーの右腕として協力会社とともに参画します。プロジェクトは(1)アセスメント、(2)コンサルティング、(3)プランニングの3つのステップで進めます。 (1)アセスメント アーキテクチャ・開発プロセス・開発組織の3つの観点でお客様の現状を調査し、問題点を可視化します。主管事業部と連携してお客様が持つシステムの全体像やIT組織の現状をあらかじめ把握し、問題点の洗い出しと改革ポイントの仮説を策定したうえでアセスメントに臨みます。お客様を熟知している事業部と連携することにより、お客様との関係性の薄い第三者では実現できない精度の高いアセスメントを実行することが可能です。 (2)コンサルティング IT改革コンセプト、ITグランドデザイン、実行組織の改革案を策定します。当社にはあらゆるシステム開発・運用に適用できる総合ソリューション「TERASOLUNA」をはじめ、ROI算出ナレッジなど、豊富な実績により磨き抜かれた成功方法論があります。長年IT業界をリードし、数多くのシステム導入を成功に導いてきたてきた当社ならではの方法論をもとに、実効性の高い提案を行うことが可能です。 【IT改革コンセプト策定】 アセスメントの結果とお客様経営層の悩みをインプットとし、施策の貢献度や独自性の要否などをシステムごとに検討してIT改革のコンセプトを策定します。 【ITグランドデザイン策定】 IT改革コンセプトをもとに各システムのROIを算出して投資領域/非投資領域を明らかにし、最終的にどのシステムに投資すべきかを判断できるようにします。また、投資領域に該当する各システムのITアーキテクチャの策定をはじめ、システム統合、基盤共通化、クラウド化、システム間連携といったお客様のシステム群全体をリデザインし、AIやiPaaSといった実績のある最新技術も取り入れたITグランドデザインを策定します。 (3)プランニング ITグランドデザインや組織改革を実現するためのロードマップを策定します。その多くがプログラムマネジメントが必要な大規模改革になることから、プロジェクトの分割や各プロジェクトの実行順序、予算・人員・開発環境等のリソース割り当てなどを、シミュレーションを重ねて精緻に定義します。 ●プロジェクト参画スタイル プロジェクトへは、以下の3つのスタイルで参画します。コラボレーションスタイルでの参画がメインですが、他のスタイルでの参画も増えてきています。 ・コラボレーションスタイル 事業部を強力にバックアップするスタイルで、各成果物の作成における方向性の検討から骨子作成、レビューまでを主導します。顧客との会議にも参加し、ファシリテーションやディスカッションも積極的に行います。参画密度が一番高いスタイルです。 ・コーチングスタイル 顧客対応は基本的に事業部に任せ、内部でのディスカッションや成果物作成をコーチングスタイルで支援します。内部での業務はコラボレーションスタイルとほぼ同じですが、最終成果物を事業部が作成することが特徴で、レビュープロセスを通じて事業部メンバーを育成します。顧客との会議には必要に応じて参加します。 ・アドバイザリースタイル プロジェクトには参画せず、プロジェクトへのアドバイスをメインとします。プロジェクト初期において方向性の検討に参画したのちは、プロジェクトリーダーの依頼に応じて各成果物の作成やタスク遂行に対しする助言を行います。

株式会社NTTデータ

今後更なる発展が期待される生成AIのスペシャリストとして、システム開発、特にソフトウェア開発領域への生成AI適用に関するコンサルティング、および生成AI適用支援を実施し、抜本的に生産性向上の実現を目指します。 各分野と連携を図り、当社グループが関わる各システムの開発プロセスのあるべき姿(ToBe)を描き、海外・国内で開発したアセットの開発・導入(検証・提案・技術支援)を検討します。 また、導入の結果はフィードバックを行い、次の導入に向けた改善を図ります。 (1)検証・アセット開発 最新の生成AI(LLM)のソフトウェア領域への適用性を評価するとともに、海外・国内に適用可能な生成AIアセットの開発を行います。 (2)提案・コンサルティング 当社グループが関わる各システムの開発プロジェクトの現状(AsIs)とあるべき姿(ToBe)を明確にし、GAPを捉え、最適な生成AIアセットの提案を行います。 (3)技術支援 提案した生成AIアセットの確実な展開を図ると共に、当社グループのスキル底上げを目指し、人材育成も合わせて実施します。 (4)フィードバック 技術支援の結果を確実にフィードバックし、今後新たな技術支援先に向けてブラシュアップを図ります。

株式会社NTTデータ

我々の組織は技術力をベースに社内外をリードする組織として、AIに関わる最新技術を調査・研究しつつ、当社各分野(公共・金融・法人)の組織を技術的にリードしていくことがミッションとなります。本募集では、AIエージェントの社会実装に向けたプラットフォームを提案、実装できるメンバを募集します。具体的には以下が職務内容となります。 ●以下を考慮したAIエージェントプラットフォームの設計・実装 -AIエージェント(AWS Bedrock、Azure AI Foundry、Vertex AI等)の特徴 -データ活用プラットフォーム(Databricks、Dataiku、Snowflake、denodo等)の特徴 -データパイプライン -AIモデルの継続的改善(LLMOps/FMOps) -セキュリティやガバナンス ・上記を実現するための最新技術調査、検証 ・チームメンバーの指導・育成

株式会社NTTデータ

職務内容:グローバルITアーキテクト NTTデータ全体のグローバル各国におけるシステム開発を対象に、性能・非機能に関するあらゆる課題を解決する専門組織です。4,500を超えるプロジェクトで培った技術力を駆使し、「止まらないシステム」「成長するビジネス」をグローバルに支えます。 担当業務 グローバル各国のメンバーと協働し、性能/非機能の課題解決を現場から主体的にリードするアーキテクトを募集します。アーキテクチャ設計から性能検証・チューニング、さらにはSREやObservability、FinOpsといった領域まで、システムの最適化と品質向上を自らの手で実現するポジションです。国内で培った経験を、今度は“世界基準”へ。技術で世界を支える次世代アーキテクトを目指しませんか? 組織のミッション 当組織は「顧客の性能・非機能問題を解決するだけでなくビジネス価値向上につなげる高度ITアーキテクト&スペシャリストのトップチーム」を目指して、国内・海外のお客様に対する性能・非機能面を中心とする技術支援やプロジェクトリードを行います。専門的なスキルを有するアーキテクト、専門家を含むメンバー200名超のノウハウ等を結集することで、年間で400超の案件を対応し、年間20%の成長を続けています。 特に、「AI-Driven性能エンジニアリングの確立と普及展開」「国内海外の重要プロジェクトに対するアーキテクトとしての価値提供」「ITアーキテクト領域のスケール拡大」を注力領域の柱と位置付けており、グローバルでも活躍できるアーキテクトの仲間を募集しています。

株式会社NTTデータ

NTTデータグループは国内外に積極的に展開しており、いまや世界55カ国・地域約20万人となっています。情報セキュリティ推進室は、この巨大かつ広範囲にわたる企業規模の情報セキュリティガバナンスを統括するミッションを担っています。 国内を担当するチームと海外を担当するチームに分かれており、当チームは海外を担当しています。 全ての海外グループ会社を統括するNTTData.IncのCISOをはじめ、海外グループ各社のCISOおよびセキュリティラインと日々英語でコミュニケーションを取っており、どのメンバーも毎年1回以上海外に出張をするなど、海外メンバーとの接点が非常に多いチームとなっています。 ●職務概要 ①NTTデータグループ・グローバルのセキュリティ全体の施策(技術あるいはルール)の計画、実行 グローバルヘッドクォーターとしてグローバル全体のセキュリティガバナンスを推進しています。 リスクの分析やリスクへの対策を検討し、施策の決定と計画立案を行います。施策の実行時には予算獲得から展開まで一貫して関わり、その中で、自社経営陣との折衝や、予算規模の大きな各施策のマネジメントを手掛けます。 また、新規の海外製品をグループとして扱うときや、海外各拠点と連携して新規の施策を始めるといった新たな取り組みを始める際にも、当チームが対応方針を決定します。 ②NTTData.IncのCISO対応 NTTData.IncのCISO(アメリカ在住)と連携し、海外グループ企業各社がNTTデータグループのセキュリティポリシーに準拠した情報セキュリティレベルを維持・向上できるよう計画し実行します。 NTTデータグループ全体で遵守する情報セキュリティポリシーは当部で規定しますが、海外での運用方針の企画・実行は、海外各国・各拠点の事情に精通しているNTTData.Incに一任しています。 NTTData.IncのCISO対してNTTデータグループセキュリティポリシーを連携し、議論・交渉・調整を行い、CISOによる海外情報セキュリティポリシーの計画・実行を支援します。 ③海外各国との連携 グローバルガバナンスの推進状況や各種施策の実施状況をモニタリングし、必要に応じて海外各グループ会社のCISOやセキュリティラインに対して直接コミュニケーションを取り、グローバルガバナンスの確実な実行と強化を推進します。 ●入社後に想定されるキャリア まずは主担当の補佐からスタートし、海外各グループ会社のCISOやセキュリティラインと直接議論をして頂きます。その後は主担当として、NTTDATA.IncのCISOとの交渉を担当して頂きます。 将来的には、施策の検討を主導して頂いたり、セキュリティポリシーの施策に関わっていただくことや、インシデント対応をする、より経営に近い経験を積むなど、新しいことへチャレンジして頂くことも可能です。

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

【仕事概要】 <GOアプリとは…？> 街を走るタクシー車両と「タクシーに乗りたいと思っている」人をマッチングさせ、より早く乗れるサービスを提供しています。 \★ここがPOINT/ ●エリア・DL数は国内最大級 3500万ダウンロードを突破し、首都圏はもちろん、北海道から沖縄まで幅広いエリアでサービスを提供しています。 また、一部地域ではライドシェアにも対応。 生活により近いところで日々の移動を支えています。 ●タクシー業界の働き方を変える 従来は「流し」や無線での配車を行っていたタクシー車両。 しかし、GOアプリを導入することでより効率的にお客さまを目的地まで運ぶことができるようになりました。 タクシー事業者さまの売上アップにも貢献しているサービスです。 【仕事内容】 ⾞載プロダクトの導⼊前後にお客様先で技術サポートをする【フィールドエンジニア】 【具体的には】 訪問先は導⼊して頂いている、もしくは導⼊していただくタクシー会社です。 ⾞載プロダクトの導⼊前後にお客様のもとへ訪問し、車載タブレット端末、決済機、カメラ、タクシーメーターなどの技術サポートを行うフィールドエンジニアの仕事です。 乗務員や整備⼠などと積極的にコミュニケーションをとりながら、ITを利⽤した各プロダクトの品質向上に関わっていただきます。 ●導⼊前/営業と同⾏して技術⾯から説明 ●導⼊/導⼊のサポート ●導⼊後/トラブルが起きた際の聞き取り ●検証/システムトラブルを技術的に解析し解決 以前から⼊っている機器との構成トラブルなのか、アプリの不具合なのかの検証なども⾏います。 A社で何か不具合が起きた時に、B社も同じ構成の場合 そちらでも起きていないかなど、様々なことを想定して考えることもあります。 ●業務内容の変更範囲 会社が指定する業務全般 【所属組織】 IoT本部 プロダクト推進部 ●FE1グループ(東日本):5名 ●FE2グループ(西日本):3名 拠点の垣根を越えて、それぞれの担当する案件を和気あいあいと相談できる雰囲気が特長です。 IT未経験メンバーも多く、お互いの得意分野を伸ばしつつ、苦手を補い合って業務を進めていくことができます。

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

パーク２４株式会社　（登記上　パーク二四株式会社）

●概要 タイムズパーキング事業の“心臓部”を支える、直接価値創出部隊です。 ・24時間365日止まらない駐車場サービスを支える安定したIT基盤を守り切ること ・その基盤の上で、ITを活用した新たなサービス・機能の武器を生み出すこと の両立により、事業の差別化と成長を支える部署です。 ●詳細 サーバサイド開発Tは、精算機・発券機・車路管制システムなどの現地端末群と、 運営・利用者・社内システムをつなぐ バックエンドシステム全般を担当しています。 バックエンドシステムに関わる開発・運用・保守・障害対応 ・現地端末・外部連携API開発 ・駐車場運営を支えるバックエンドWeb開発 ・駐車場データの集計・補正・連携を行うバッチ/非同期処理の開発 ・開発ベンダーの技術調整・コントロール 職務内容の変更範囲:会社が定める業務

パーク２４株式会社　（登記上　パーク二四株式会社）

●概要 タイムズパーキング事業の“心臓部”を支える、直接価値創出部隊です。 ・24時間365日止まらない駐車場サービスを支える安定したIT基盤を守り切ること ・その基盤の上で、ITを活用した新たなサービス・機能の武器を生み出すこと の両立により、事業の差別化と成長を支える部署です。 ●詳細 サーバサイド開発Tは、精算機・発券機・車路管制システムなどの現地端末群と、運営・利用者・社内システムをつなぐ バックエンドシステム全般を担当しています。 バックエンドシステムに関わる開発・運用・保守・障害対応 ・現地端末・外部連携API開発 ・駐車場運営を支えるバックエンドWeb開発 ・駐車場データの集計・補正・連携を行うバッチ/非同期処理の開発 ・開発ベンダーの技術調整・コントロール 職務内容の変更範囲:会社が定める業務

パーク２４株式会社　（登記上　パーク二四株式会社）

●概要 我々の組織は、パーク24グループが掲げる「4つのネットワーク(人・クルマ・街・データ)」の融合と、シームレスな体験の実現をITの力で支える中核組織です。 その中で私たちのグループはパーキング事業を中心に、駐車場を「より便利で使いやすいもの」にし、ただの駐車場所から、日常生活を支える社会インフラとしての価値を創出・高めていくことをミッションとしています。 そのため、日々システム開発をしながら自分たちでも利用しつつ利用者の声を聞きながら、「この仕組みは、どんな体験・価値につながるのか」「当社の他の事業サービスと組み合わせるとどんな新しい価値が生み出せるか」を考え続けることを大切にしています。 ●詳細 パーキング事業に関わる各種Webシステム(駐車場検索・予約サイト、プラットフォーム型サービス 等)において、社会インフラとして安定して“使われ続ける”プロダクトを、より便利で使いやすい形に進化させるためのプロジェクトマネジメント/プロダクト推進を担っていただきます。 本ポジションは、「事業部からの依頼をそのまま形にするPM」ではありません。 ITの専門性を前提に、より良い手段・構成・進め方を提案することが期待されます。 ・システム開発プロジェクトの計画・進捗・課題・品質管理 ・事業部との要件整理・背景確認・優先度調整 ・「目的に対して本当にこの仕様で良いか」という観点での整理・提案 ・ 開発メンバー/外部ベンダーとの仕様共有・調整 ・障害・トラブル発生時の一次対応、状況整理・関係者への報告 ・リリース後の振り返り、改善点の整理・次施策への反映 ※実装を担当するポジションではありませんが、システム開発を理解した上で、開発者と同じ目線で会話できることを重視します。 職務内容の変更範囲:会社が定める業務

パーク２４株式会社　（登記上　パーク二四株式会社）

【概要】 パーク24グループは、駐車場「タイムズ」、カーシェアリングサービス「タイムズカー」、決済サービスなどを展開し、移動を支える社会インフラ企業として成長を続けています。 本ポジションでは、法人向けサービスおよびパートナー企業向けプラットフォームのPL/PMとして、企画構想から要件定義、開発、リリースまでを一貫してリードいただきます。 単なるシステム開発ではなく、事業部門とともに新サービスの立案や事業成長に直接関与できることが特徴です。 数多くの顧客接点やデータを活用しながら、新たな価値創出に挑戦していただきます。 タイムズの法人向けサービスを支える基幹システムから、新たなBtoBプラットフォームまで幅広く担当し、事業成長に直結するプロジェクトをリードしていただきます。 駐車場、カーシェア、決済など複数事業のデータ・サービスが連携する環境で、事業横断的なシステム開発に携わることができます。 【詳細】 ●事業・サービス企画への参画 ・事業戦略やサービス構想の段階から参画 ・ビジネス課題の整理とシステム化構想の立案や、サービス価値向上に向けた改善施策の企画・推進 ●プロジェクトマネジメント ・システム企画、要件定義、設計、開発、テスト、リリースまでのプロジェクト推進 ・開発ベンダー、ビジネスパートナーを含む10名規模前後のプロジェクトマネジメント ・進捗/品質/コスト/リスク等の管理や、関係部署/ステークホルダー等との調整 ●システム・サービス開発 ・法人向けWebサービスやアプリケーションの企画及び開発(加盟店向けサービス、オーダー管理、決済サービスなど) ・顧客管理システムや業務管理システムの開発と改善 ・データ活用を支える基盤システムの企画や開発 ・新規プラットフォーム事業における戦略システムの立ち上げと展開 ●データ活用・技術推進 ・システムデータの管理と活用方針の策定、データ定義や利活用の検討 ・新技術や業界トレンドの調査及び導入検討 【技術環境】 ・インフラ:AWS、自社クラウド環境 ・言語:Java ・フレームワーク:Spring Boot ・DB:Oracle ・構成管理:Git ・CI/CD:Jenkins ・コンテナ:Docker ・その他:REST API連携 ※プロジェクトにより異なります 職務内容の変更範囲:会社が定める業務

パーク２４株式会社　（登記上　パーク二四株式会社）

●概要 当社が提供するサービスの安定稼働を支え、現場運営を止めない仕組みを構築・維持・進化させることです。 駐車場・モビリティ関連サービスをはじめとする事業において、「監視」「管制」「現場対応」を技術で一体的に支えることで、サービス品質の向上と事業成長に貢献します。 単なるシステム開発・保守ではなく、事業運営そのものを下支えする基盤として、継続的な改善と最適化を担います。 ●詳細 監視管制に関わる複数のシステムを横断的に管理・推進。 ・監視管制基盤の構築・運用・改善 ・コールセンター向け社内システムの企画・開発・保守 ・関連会社のフィールドワーカー向け業務管理・予実管理システムの開発・改善 などを通じて、サービス運営を技術面から支援しています。 現場・コールセンター・関連会社と密に連携しながら、業務とITをつなぐ役割を果たすことが特徴です。 ・企画、要件定義、開発、テスト、リリース、運用、保守までの一貫した対応 ・進捗管理、課題/リスク管理、ステークホルダーマネジメント、解決推進 ・ビジネスパートナーを含む10名規模程度の開発プロジェクトマネジメント ・新任/若手エンジニアの指導、評価、各工程での成果物レビュー ・チームの改善活動(ふりかえりや、出た課題への対処など) ・新技術や業界動向の調査・導入検討 ・WEBはJava、DBはOracle、サーバーOSはLinux中心だが一部クラウドも ・DB論理設計、Web/APサーバーなどミドルウェアの設定も一部実施 職務内容の変更範囲:会社が定める業務

パーク２４株式会社　（登記上　パーク二四株式会社）

●概要 地図・決済・会員機能など、パーク24グループのサービスを支える仕組みは、現在サービスごとに個別最適で存在しています。 本部署では、これらを整理・再設計し、グループ共通の基盤として統合していくことをミッションとしています。 一部機能はすでに展開が始まっており、「どの機能を、どこまで共通化すべきか」を定義しながら、これから本格的に基盤をつくっていくフェーズです。 ●詳細 ・要件定義からリリースまで、システム開発全体を主導 ・サービス主体者として、品質方針の策定と品質担保を推進 ・企画、要件定義、開発、テスト、リリース、運用、保守までの一貫した対応 ・進捗管理、課題/リスク管理、ステークホルダーマネジメント、解決推進 ・ビジネスパートナーを含む10名規模程度の開発プロジェクトマネジメント ・新任/若手エンジニアの指導、評価、各工程での成果物レビュー ・チームの改善活動(ふりかえりや、出た課題への対処など) ・新技術や業界動向の調査・導入検討 ・WEBはJava、DBはOracle、サーバーOSはLinux中心だが一部クラウドも ・アプリはAndroidはKotlin、iOSはSwift ・DB論理設計、Web/APサーバーなどミドルウェアの設定も一部実施 職務内容の変更範囲:会社が定める業務

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