機械学習・データ活用のITエンジニア求人・転職情報

データサイエンスグループでは主に「マッチング体験の向上」「プラットフォームの信頼性・安全性向上」「それらを支えるML/LLM基盤の構築・運用」の3つの領域に注力しています。 本ポジションの主戦場は、マッチング領域およびTrust & Safety(信頼性・安全性)領域におけるAI/MLのプロダクト実装・運用です。社内のML/LLM基盤を活用しながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアなどと連携し、課題設定から実装、リリース後の改善までを推進していただきます。 課題設定や改善テーマの探索はデータサイエンティストや事業・プロダクト側と連携しながら進め、プロダクトへの実装はソフトウェアエンジニアと協働して推進します。MLOpsエンジニアはML/LLM基盤・推論基盤・開発環境の構築・運用を担い、本ポジションはそれらを活用しながら、マッチング機能やTrust & Safety機能の価値実装、評価、運用設計を担います。将来的には、事業課題に応じて担当領域を広げていただくことを期待しています。 シニアポジションでは、加えて技術方針の策定、重要テーマの優先順位付け、四半期単位の重要テーマのリード、複数職種をまたいだ推進まで担っていただくことを期待しています。 1.マッチング体験の向上 ●マッチング機能の技術リード ワーカーと求人の最適なマッチングを実現するために、マッチングに必要なモデル・ロジック・業務ルールをプロダクト要件に合わせて設計・実装し、安定運用と継続的な改善をリードする ●マッチングに必要なデータ・特徴量・Feature Store改善の設計と推進 マッチング機能の精度と運用を支えるために、特徴量やモデル入力データを設計し、Feature Store等の基盤も活用しながら、改善方針の設計から実装・運用までを推進する ●ML基盤近接領域の機能実装・改善 Vertex AI Pipelines等の基盤を活用し、マッチング機能に必要なモデル・ロジックの実装、評価、運用に加え、Recommend API周辺を含む基盤近接領域のプロダクト実装・安定運用をリードする ●LLMを活用した自律的な改善ループの設計・推進 LLMを活用し、マッチング機能における評価、改善候補の生成、モデリングの見直し、比較検証までを含む継続的な改善ループを設計・推進する 2.プラットフォームの信頼性・安全性向上 ●AI機能の安全性設計・実装のリード LLM等の基盤モデルを活用し、事実整合性の確保、防御的プロンプト設計、ガードレール実装などを通じて、安全性に配慮したAI機能の設計・実装・改善をリードする ●運用を踏まえたリスク制御の設計 AI/MLによる判定だけでなく、業務ルールや現場オペレーション、人による確認フローも組み合わせながら、実運用で機能する安全性担保の仕組みを設計・運用する ●リスク予測・異常検知モデルの開発リード 構造化データから、プラットフォームの信頼性を損なうパターンを特定する分類・回帰・異常検知モデルの設計、実装、評価、運用をリードする ●データセット設計・品質改善の主導 多様なリスクを網羅するデータの設計・収集、高度なアノテーション管理、合成データの生成を通じて、評価・学習データセットの品質改善を主導する 3.共通基盤を活用した実装・改善 ●LLMOps/評価基盤の活用と改善提案のリード 実験の追跡と管理、プロンプトのバージョン管理、「AI as a Judge」等を用いた自動評価パイプラインの活用・改善を主導する ●品質・コスト・レイテンシーの継続的な可視化と最適化 モデルやAI機能の品質、レイテンシー、コストを継続的に計測し、ユーザー行動やモデル挙動の変化を捉えながら改善サイクルを回す ●重要テーマの推進 マッチングまたはTrust & Safety領域における重要テーマについて、技術方針の設計、関係者との合意形成、実行計画の具体化、推進管理まで担う 入社後の期待イメージ 入社後3ヶ月 :担当テーマの1つで、モデル・AI機能・業務ロジック・評価設計の改善を本番に反映し、周辺の関係者を巻き込みながら改善サイクルをリードし始めている状態 入社後6ヶ月 :マッチングまたはTrust & Safety領域における重要テーマの1つを自走して前進させ、課題設定、技術方針、評価設計、実装、運用までを一貫して推進しながら、周辺関係者の意思決定にも影響を与え始めている状態 入社後12ヶ月 :マッチングまたはTrust & Safety領域において、複数の重要テーマを横断的にリードし、技術方針・評価設計・運用設計の基準を形にしながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアの意思決定と実行を前進させ、領域全体の改善速度と意思決定の質向上に明確に貢献している状態 【技術スタック(主要な部分の抜粋)】 ●クラウド Google Cloud ●開発言語 Python ●データ基盤 BigQuery / Fivetran / dbt Cloud ●ML / LLM基盤 Vertex AI / MLflow / LiteLLM / Datadog LLM Observability ●BIツール Looker / Looker Studio ●IaC Terraform ●開発環境・ツール Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc 【扱っているデータ】 以下のようなデータを扱っています ・アプリユーザーのアクセスログ、募集内容に関する情報 ・マッチングに関する情報 ・レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ ・問い合わせに関するデータ ・営業活動情報のデータ

●業務内容(概要) 製造業を中心としたクライアントのDX推進を支援し、業務改善・データ活用・工場立ち上げを通じて課題解決を推進します。 ●業務内容(具体的に) クライアント企業のデータを活用し、課題抽出から分析、モデル構築、可視化・レポーティングまでを担当 SQLやPythonを用いたデータ抽出・前処理 統計解析や機械学習モデルの設計・評価 ダッシュボード開発(Tableau、Power BI) PoCから本番導入までの支援 業務改善・工場立ち上げ推進 アジャイル(スクラム)開発の推進 PL候補として、プロジェクトのQCDS管理、顧客折衝、技術選定を担当 ●使用ツール・技術 言語:Python、SQL ライブラリ:Pandas、NumPy、scikit-learn 機械学習:TensorFlow、PyTorch BI:Tableau、Power BI バージョン管理:Git、GitHub クラウド:AWS、Azure 開発管理:Redmine、Backlog、Jira ※変更の範囲:会社の定める業務

タイミーのプロダクト組織におけるプロダクトマネジメントチームの運営を担い、その有効性と効率性を最大限に高めることがミッションになります。具体的には、プロダクト戦略をプロダクト開発の現場に浸透させ、実行される体制を構築・推進をお任せします。 プロダクトマネージャーチームの育成やコーチング、部門横断での連携強化、そしてプロダクトマネジメントプロセスの最適化を通じて、プロダクト組織全体の生産性とアウトカムの向上に責任を持っていただきます。また、プロダクト開発の運用プロセスを最適化し、プロダクトマネージャーが戦略的な価値創造に集中できる環境を整えることで、プロダクト組織の生産性向上と事業目標達成に貢献していただきます。 具体的な業務内容 ●プロダクト組織の強化と人材育成 ・プロダクトマネージャーなど、プロダクト関連職種の採用、オンボーディング、育成の支援 ・プロダクトゴールと主要KPIの策定をサポートし、トラッキングを通じて適切なコーチングの実施 ・プロダクト戦略とその意図をメンバーやステークホルダーに伝達し、円滑なコミュニケーションと目標設定の実現 ●データドリブンな意思決定の支援 ・プロダクトの主要KPIの仕組み構築、データ分析(トレンドや変動要因の特定)、プロダクトパフォーマンスに関する明確なレポートの作成、関係者への報告 ・プロダクトチームの目標(OKRなど)や成果の進捗を効率的に可視化する仕組みを設計・実装、リソース配分や計画策定に役立つレポートの作成 ・プロダクト分析プラットフォームを整備・運用に責任を持ち、組織全体のデータに基づいた意思決定の促進 ●プロダクトマネジメントプロセスの設計・運用と最適化 ・意思決定の質を向上を目的としたプロダクト戦略の展開やロードマップレビューなど、重要な会議体の設計・運営 ・プロダクトチーム横断で必要な戦略実行のプロセスを標準化、必要なツール群を整備・最適化 ・円滑な連携の実現のためのプロダクト、エンジニアリング、デザインなど多様なチーム間のコミュニケーションハブとして機能 技術スタック(主要な部分の抜粋) ●Backend ・言語: Ruby 3.4系 ・アーキテクチャ: Ruby on Rails 8.0系、RSpec ●Frontend ・開発言語: TypeScript ・アーキテクチャ: Next.js CSR(SPA), React Hooks, SWR ●Mobile(iOS) ・開発言語: Swift ●Mobile(Android) ・開発言語: Kotlin ●Infrastructure ・AWS:ECS Fargate, Aurora, RDS, S3, ElastiCache, CloudFront, etc…Elasticsearch(AWS Marketplace) ・Google Cloud(一部サービス) ・IaC:Terraform ・ログ:Datadog LogsとS3に集約 ●Monitoring ・Datadog, Sentry ●CI/CD ・GitHub Actions, Dependabot ●その他 ・コード管理: GitHub ・コミュニケーションツール: Slack, Notion ・その他: Firebase, twilio, ImageFlux, OneSignal, Figma etc… ・AIエージェント・LLMツール: GitHub Copilot Coding Agent, Devin, Cursor, Claude Code

データサイエンスグループでは主に「マッチング体験の向上」「プラットフォームの信頼性・安全性向上」「それらを支えるML/LLM基盤の構築・運用」の3つの領域に注力しています。 本ポジションの主戦場は、マッチング領域およびTrust & Safety(信頼性・安全性)領域におけるAI/MLのプロダクト実装・運用です。社内のML/LLM基盤を活用しながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアなどと連携し、課題設定から実装、リリース後の改善までを推進していただきます。 課題設定や改善テーマの探索はデータサイエンティストや事業・プロダクト側と連携しながら進め、プロダクトへの実装はソフトウェアエンジニアと協働して推進します。MLOpsエンジニアはML/LLM基盤・推論基盤・開発環境の構築・運用を担い、本ポジションはそれらを活用しながら、マッチング機能やTrust & Safety機能の価値実装、評価、運用設計を担います。将来的には、事業課題に応じて担当領域を広げていただくことを期待しています。 1.マッチング体験の向上 ・マッチングロジックの実装・運用 :ワーカーと求人の最適なマッチングを実現するために、マッチングに必要なモデル・ロジック・業務ルールをプロダクト要件に合わせて実装し、安定運用と継続的な改善を担う ・マッチングに必要なデータ・特徴量の設計と実装 :マッチング機能の精度と運用を支えるために、特徴量やモデル入力データを設計し、Feature Store等の基盤も活用しながら実装・運用する ・ML基盤上での機能実装・運用 :Vertex AI Pipelines等の基盤を活用し、マッチング機能に必要なモデル・ロジックの実装、評価、運用、およびRecommend API周辺のプロダクト実装・安定運用を担う ・LLMを活用した自律的な改善ループの構築 :LLMを活用し、マッチング機能における評価、改善候補の生成、モデリングの見直し、比較検証までを含む継続的な改善ループを構築する 2. プラットフォームの信頼性・安全性向上 ・AI機能の安全性実装 :LLM等の基盤モデルを活用し、事実整合性の確保、防御的プロンプト設計、ガードレール実装などを通じて、安全性に配慮したAI機能を実装・改善する ・運用を踏まえたリスク制御の設計 :AI/MLによる判定だけでなく、業務ルールや現場オペレーション、人による確認フローも組み合わせながら、実運用で機能する安全性担保の仕組みを設計・運用する ・リスク予測・異常検知モデルの開発 :構造化データから、プラットフォームの信頼性を損なうパターンを特定する高精度な分類・回帰モデルの構築、および特徴量エンジニアリング ・データセット設計・品質改善 :多様なリスクを網羅するデータの設計・収集、高度なアノテーション管理、合成データの生成によるモデルの堅牢性強化 3. 共通基盤を活用した実装・改善 ・LLMOps/評価基盤の活用と改善提案:実験の追跡と管理、プロンプトのバージョン管理、「AI as a Judge」等を用いた自動評価パイプラインの活用・改善 ・品質・コスト・レイテンシーの継続的な可視化:モデルやAI機能の品質、レイテンシー、コストを継続的に計測し、ユーザー行動やモデル挙動の変化を捉えながら改善サイクルを回す 技術スタック(主要な部分の抜粋) ●クラウド Google Cloud ●開発言語 Python ●データ基盤 BigQuery / Fivetran / dbt Cloud ●ML / LLM基盤 Vertex AI / MLflow / LiteLLM / Datadog LLM Observability ●BIツール Looker / Looker Studio ●IaC Terraform ●開発環境・ツール Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc 【扱っているデータ】 以下のようなデータを扱っています ・アプリユーザーのアクセスログ、募集内容に関する情報 ・マッチングに関する情報 ・レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ ・問い合わせに関するデータ ・営業活動情報のデータ

当社のデータアナリティクス部門にて、データアナリストとしてご活躍いただきます。ご本人の志向性やこれまでのご経験を考慮し、以下「中核事業」または「新規事業」のいずれかの領域へ配属となります。 中核事業 タイミーの中核である「スポットワーク領域」において、ToB・ToCの膨大なデータを武器に事業を牽引。抽出したインサイトをもとに、プロダクトからビジネス展開まで全方位の意思決定を支援し、顧客への提供価値を最大化し続けます ▼分析を通した事業貢献 ・各種データから事業課題を特定し、データに基づいた サービス改善による顧客体験の向上に貢献 ・分析から事業成長の鍵となるビジネスレバーを導き出し、より 確度の高い事業戦略の実行を後押し ・定性情報からユーザーへの深い理解を促し、ユーザーに刺さる プロダクト開発・マーケティング施策の創出に貢献 ▼データを用いた仕組みづくり ・既存機能や施策に対する効果検証の設計、および検証業務の推進 ・大規模データを活用した、継続的な事業モニタリングや意思決定の標準化 新規事業 タイミーの次なる柱となる「新規事業領域全般」を担当。既存事業の膨大なデータ資産と分析知見を武器に、ゼロからの事業立ち上げに挑戦。不確実性の高い環境下でも精緻な仮説検証と高速なPDCAを回し、事業のスケールを力強く牽引します。 ▼分析を通した事業貢献 ・新規事業の立ち上げ・初期フェーズにおける事業課題をデータから特定し、 ゼロからの事業創出と早期のトラクション獲得を牽引 ・不確実性の高い環境下での分析から勝ち筋(ビジネスレバー)を発見し、 新規事業の早期マネタイズやスケールをリード ・限られた初期データからインサイトを抽出し、 不確実な事業の方向性を決定づける、精度の高い戦略策定に貢献 ▼データを用いた仕組みづくり ・事業の立ち上げフェーズに適した、データ収集・検証・意思決定の仕組みのゼロからの構築 ・新規施策に対するスピード感を持ったA/Bテスト等の効果検証の設計と検証 扱っているデータ ●アプリユーザーのアクセスログ ●募集内容やマッチングに関する各種データ ●地理空間データ ●レビュー情報や評価データ ●広告データ ●SFA/CRMツールによる営業活動に関するデータ ●アンケートやサーベイデータ

企業のクラウド サービスの利活用が進む中で、セキュリティと利便性を両立させる有効な手段として HENNGE One は今後もニーズの拡大が見込まれています。 サービスの成長に伴い、ユーザーの利用ログは増加の一途を辿っており、これらのデータをいかに効率的かつ安全に管理するかが、今後のサービス発展の鍵を握っています。 単なるシステム管理者ではない、データ基盤の構築・運用のスペシャリストとして一緒にビジネスの発展を支える仲間を募集します。 膨大なユーザーログやサービス利用状況のデータを活用するための社内向けの Web アプリケーション開発を担っていただきます。 Web サービスの要件定義から仕様策定、AWS 上での開発・テスト・リリースまで、一貫して携わっていただきます。 データ可視化ツールの UI/UX 改善や、業務効率化に繋がる機能開発などといった地道な作業も含まれますが、これらは社内メンバーの生産性向上に直結する重要なプロセスです。 具体的な業務内容 ●具体的なプロジェクト例 HENNGE One ビジネスを支える各部門における業務のボトルネックにを横断的に解決するためのツールの選定・開発・運用支援を行うことで、会社全体の業務効率を向上する 顧客がどのようにサービスを利用しているかの状況を把握するための利用ログの可視化ツールを構築することで HENNGE One の製品開発の方針策定を支援する <依頼元とチーム体制> 依頼元はプロダクトマネージャー、セールス、マーケティング、カスタマーサクセスといった HENNGE Oneビジネスを推進する各部門のメンバーです。 HENNGE One ビジネスの状況を深く理解し、彼らがデータをスムーズに利用できるよう、技術的な側面から支援します。 チームの垣根を越え様々な部門と密に連携を取りながら、ビジネスの成長という共通の目標に向かってプロジェクトを推進していきます。 <業務の裁量範囲> Web エンジニアとして、HENNGE One のデータ活用のための社内向け Web アプリケーションの開発全体に責任を持って取り組んでいただきます。 要件定義から開発、リリースまで、業務改善の施策を主体的に立案し、実行できる大きな裁量があります。 あなたのアイデアとスキルで、ビジネス部門の生産性向上に貢献し、HENNGE One の成長を加速させるコアメンバーとなることができます。 ※従事すべき業務の変更の範囲:会社の裁量により、変更となる可能性があります。 入社後のキャリアパス まずは、AWS 上のデータ基盤の管理・運用に関する業務からスタートし、当社のビジネスや担当製品である HENNGE One について理解を深めていただきます。 その後は、あなたのスキルや志向性に合わせて、以下のようなキャリアパスを描くことができます。 フルスタック エンジニア : フロントエンドからバックエンド、インフラまで幅広い開発スキルを習得し、フルスタックエンジニアとして活躍できます。 クラウド アーキテクト : AWSに関する深い知識と経験を活かし、クラウドアーキテクトとして大規模システムの設計・構築を担えます。 セキュリティ エンジニア : Webアプリケーション開発で培ったセキュリティ知識を活かし、セキュリティエンジニアとして活躍できます。 データ エンジニア : 大規模データ処理の経験を活かし、データエンジニアとしてデータ基盤の構築やデータパイプラインの開発を担えます。 テクニカル プロダクト マネージャー : 技術知識とビジネス理解を活かし、Webアプリケーション開発をリードするテクニカルプロダクトマネージャーとして活躍できます。

数千万ユーザーが利用するコンシューマ向けWebサービスの新規機能開発、および既存機能改善に対して、アーキテクトとして、Webサービスの技術的ロードマップ策定から参画いただきます。 具体的には、ユーザーのニーズを捉えた新機能の要件定義フェーズから、最適な技術スタック選定、システム全体の設計、そして開発チームを技術を通してリードしながらの実装・テスト・デプロイまで、一貫して技術的責任者としてプロジェクトを牽引します。 特に、大規模トラフィックを捌くためのマイクロサービス化推進や、データ駆動型意思決定を支えるリアルタイムデータ基盤の構築など、最先端の技術課題に挑戦し、技術的負債の解消と未来志向のシステム構築を主導していただきます。 【規模】　　　　50人月～100人月

企業のクラウド サービスの利活用が進む中で、セキュリティと利便性を両立させる有効な手段として HENNGE One は今後もニーズの拡大が見込まれています。 サービスの成長に伴い、ユーザーの利用ログは増加の一途を辿っており、これらのデータをいかに効率的かつ安全に管理するかが、今後のサービス発展の鍵を握っています。 単なるシステム管理者ではない、データ基盤の構築・運用のスペシャリストとして一緒にビジネスの発展を支える仲間を募集します。 ●業務概要 HENNGE One の各種データ (ユーザーの利用ログ・サービス ステータス等) の活用を通じて、サービスの発展や会社の成長に貢献いただきます。 社内メンバー向けのデータ閲覧ツールとしての BI ツールの選定から運用策定およびリリース、その後の運用まで、幅広い業務を担う BI エンジニアを募集します。 部署ごとのデータ活用の目的に合わせた BI 環境を提供いただくことで、あなたのスキルと経験を活かしてビジネスの発展のために活躍できる環境があります。 ●具体的な業務内容 全社に向けたデータ分析基盤の設計・構築・管理を通じて、ビジネスの成長を加速させるデータ活用プロジェクトを推進します。 BIツールの導入・運用から、ダッシュボードの構築、アクセス権限管理まで、一貫して担当します。 地道なデータクレンジングや権限管理も、誰もが安全かつスムーズにデータを利用できる環境を築くための重要な業務です。 ●具体的なプロジェクト例 ビジネス部門のメンバーが必要なデータ閲覧ツールに必要な要件をヒアリングし、データ可視化ツールの選定、構築および利用部署への展開を行う 現場のメンバーが必要な情報を得るために HENNGE One の開発チームとの技術的な調整を行い、これまでになかった視点でのデータ活用を支援する ●依頼元とチーム体制 依頼元はプロダクトマネージャー、セールス、マーケティング、カスタマーサクセスといった HENNGE One ビジネスを推進する各部門のメンバーです。 彼らの業務と HENNGE One ビジネスの状況の双方を深く理解し、彼らのニーズを満たすためのデータをスムーズかつ効果的に提供できるよう技術的に支援します。 チームの垣根を越え様々な部門と密に連携を取りながら、ビジネスの成長という共通の目標に向かってプロジェクトを推進していきます。 ●業務の裁量範囲 BI エンジニアとして、データ分析基盤全体に責任を持って取り組んでいただきます。 BI ツールの選定・導入、ダッシュボードの設計、アクセス権限管理方針の策定など、幅広い業務を主体的に立案・実行できる大きな裁量があります。 あなたのアイデアとスキルで、会社全体のデータ活用を次のレベルに引き上げ、HENNGE One の成長に貢献できます。 ※従事すべき業務の変更の範囲 会社の裁量により、変更となる可能性があります。

●事業概要 昨今のビジネス環境では、SaaSをはじめとする最新テクノロジーの活用が組織の生産性向上に不可欠となっています。しかし一方で、SaaSの急速な普及に伴い、不正アクセスや情報漏洩等のセキュリティリスクや運用管理の煩雑さなど、様々な課題も浮き彫りになっています。 HENNGEでは、このような課題を包括的に解決し、企業の安全かつ便利なクラウドサービスの活用をサポートする、クラウドセキュリティサービスの「HENNGE One」を提供しています。 HENNGE Oneはサブスクリプション型のクラウドサービスとしてお客様にご提供していますが、解約率は一般的なSaaSビジネスの解約率を大幅に下回る0.3%前後で推移しており*、お客様から必要とされるサービスとして、上場企業を含む多くの企業にご利用いただいています。今後も継続的な顧客拡大やサービスの拡充を進め、企業のクラウドサービス活用を促進するため、積極的な人員増員を行っています。 *2025年9⽉期決算説明資料より 参考:[会社紹介資料](https://speakerdeck.com/hennge/company-introduction) ●具体的な業務内容 膨大なユーザーログやサービス利用状況のデータを扱う、データ管理基盤の設計・改良・運用が主な業務です。 AWS 上のデータパイプラインやデータベースの最適化、ETL プロセスの設計・開発を通じて、ビジネスの意思決定を支える情報インフラを構築します。 データクレンジングやフォーマット変換など、地道な作業も含まれますが、これらはデータ活用の精度を左右する重要なプロセスです。 ●具体的なプロジェクト例 HENNGE One の新サービスや新機能の効果測定を行うため、新しい機能のリリースに合わせて取得されるデータ集計のプロセス策定を行う ビジネス部門のマネージャーと連携しながら、既存顧客のサービス利用状況分析のために必要なデータの定義を行うことで、販売戦略の意思決定を支援する ●依頼元とチーム体制 依頼元はプロダクトマネージャー、セールス、マーケティング、カスタマーサクセスといった HENNGE Oneビジネスを推進する各部門のメンバーです。 HENNGE One ビジネスの状況を深く理解し、彼らがデータをスムーズに利用できるよう、技術的な側面から支援します。 チームの垣根を越え様々な部門と密に連携を取りながら、ビジネスの成長という共通の目標に向かってプロジェクトを推進していきます。 ●業務の裁量範囲 データエンジニアとして、HENNGE One のデータ管理基盤の全体に責任を持って取り組んでいただきます。 ETL プロセスの設計・開発はもちろん、データパイプラインのアーキテクチャ改良、AWS リソースの最適な運用方法の提案と実行まで、大きな裁量があります。 あなたのアイデアとスキルで、データ活用の新たな可能性を切り開き、ビジネスの成長を加速させることができます。 ●従事すべき業務の変更の範囲 会社の裁量により、変更となる可能性があります。

本ポジションでは、単なるAI機能の実装にとどまらず、 「どの業務課題にAIを適用することで本質的な価値を生むか」から設計し、プロダクトに実装・運用するところまでを一貫して担っていただきます。 プロダクトはすべて立ち上げ〜グロース初期フェーズにあり、AIを前提としたプロダクト設計・再構築を推進していく重要なポジションです。 ・業務課題に対するAI活用の企画・価値設計 ・LLM / MLを用いた機能設計・実装・改善 ・RAG構成の設計、チューニング、評価基盤の構築 ・モデルの学習・推論パイプラインの設計・運用 ・プロダクトへのAI機能の本番実装(PoCで終わらせない) ・パフォーマンス・精度・コストの最適化 ・継続的な改善のためのログ設計・評価指標設計 ・プロダクトチーム(PM / エンジニア / デザイナー)との協働 プロダクトフェーズ Dress Code株式会社はワークフォースマネジメントプラットフォーム「DRESS CODE」を開発・提供するスタートアップです。 人事・労務・採用・情シス・総務といった複数業務領域を横断し、分断された業務データ・プロセスを統合することで、企業の生産性を構造的に改善するプロダクト群を開発しています。 顧客価値を根本から見直し、引き算思考で 『DRESS CODE』 を開発し、企業ごとにカスタム機能を作るのではなく、泥臭く業務シナリオを徹底的に洗い出し、全てを標準装備として実装しています。 Dress Code創業 - 「誰もやらないから、挑戦する意義がある」(https://note.com/dresscode/n/n5a808cbf3d46) シードで累計14.1億円を調達済み(https://prtimes.jp/main/html/rd/p/000000001.000160565.html) 日本・インドネシア・ベトナム・タイ・シンガポールなど、アジアを中心にグローバル展開 200社を超える顧客を獲得 ●開発環境 アジャイル・スクラム（2週間スプリント）を採用 Feature（価値・機能）単位でフルスタックに開発 ペアプロ・モブプロは積極的に採用 イベントストーミング・ドメインモデリングは特に注力 ●バックエンド ・NestJS ・Prisma RustエンジンからTSネイティブアダプタへ移行 ・Aurora PostgreSQL v17 Blue/Green Deployments でメジャーアップデートを運用 ・モジュラモノリス Force分割 ・ECS Fargate ●非同期・バッチ基盤 ・AWS Batch on Fargate ・EventBridge ・S3トリガー ・Noisy Neighbor 対策 ●参照系・整合性の設計 ・CQRS ・QueryService + DTO パターン ・Choreography → Orchestration Saga ・Event Sourcing 的なデータ設計 ・Prisma の onCommit フック ●フロントエンド・BFF ・Next.js SSR / BFF ・React Compiler annotationモード＋Oxlintで段階導入 約7,500ファイル規模のTypeScriptプロジェクト ・TanStack Query ・Dexie.js ・Server-Driven UI（SDUI）による台帳画面の運用 ・型共有：oRPC OpenAPIコード生成からの移行 ●認証・権限基盤 ・Ory Kratos 将来 Ory Hydra を検討 ・Permission & Roles プロダクト横断の権限共通基盤 Default Deny / Default Allow の設計判断 ●インフラ ・AWS WAF v2 ALB ECS Fargate Graviton（ARM64） Secrets Manager Bedrock ・IaC：AWS CDK ・GCP連携 Service Account Workload Identity Federation Domain-wide Delegation によるキーレス認証 ●CI/CD ・GitHub Actions self-hosted ARM64 ランナー ・Docker buildx ・SOCI デプロイ時間を約50%短縮 ●開発手法・QA・AI活用 ・仕様駆動開発 OpenSpec ・ADR ・Playwright ・runn ・AIコーディング Cursor Claude Code Claude Code in Chrome ・AIが書いたコードのPRレビュー／Approveのメンタルモデルづくり ●AI環境 AIへの投資を惜しまない開発環境です。 「顧客への提供価値が向上するなら、もっと投資していい」という代表の方針のもと、必要性を説明できれば使いたいAIツールをためらわず導入できます。 AI開発合宿のように、意図的に集中して挑戦する機会もあります。 Cursor / Claude Code に加え、Claude Code in Chrome でのブラウザ操作の自動化や、AIが書いたコードをどうレビュー・Approveするかといった「AIと協働する開発文化」そのものを、チームで議論・更新しています。

以下の業務をご担当いただきます。 ・AI・データ分析領域における、データ基盤構築(DataLake を中心とし、ETL、プリパレーションの連携、DWH と BI の構築までカバー)の専門家・プロジェクトマネージャー ・AI・データ分析領域における、MLOps 基盤構築(AWS、GCP、Azure 等のクラウドサービスを活用した MLOps 導入、OSS を組み合わせた MLOps 環境構築)の専門家・プロジェクトマネージャー ・上記領域に関するコンサルタント業務 ・上記領域に関する案件獲得に向けた提案活動(新規・継続ともに)※営業はおりますが、提案オーナーはお任せします。 【プロジェクト例】 ・AI事御者向けのAI開発ライブラリの開発、MLOps基盤構築(DataRobot+クラウドベンダー)、船向けの異常検知アプリ、画像解析アプリ、データマネジメント基盤構築、BI構築

●担当業務 以下の業務をご担当いただきます。 ・AI・データ分析領域における、PoC及びAIモデル構築案件の推進 ・データ分析基盤構築及びAIを開発/運用するための基盤の構築 ・生成AIビジネス活用の導入コンサルティング・導入支援の推進 【プロジェクト例】 ・生成AIを活用したナレッジ検索の高度化、体験型アプリのレコメンドアルゴリズム、画像解析による船の沈み具合の計測、製造装置異常検知、金融業界顧客の優良顧客化に向けた分析、製薬業界向けの研究及び営業高度化の分析(MMM等)

テクノロジーセグメントでは、お客様のDX推進や課題解決に向けて、先進技術を活用したソリューションやサービスを提供しており、当セグメントのソリューションやサービスを開発するエンジニアを募集しています。 テクノロジーセグメント内のエンジニアを募集している下記ポジションの中から、書類上のご経験・適性を踏まえて最適なポジションをご提案いたします。 ご自身に適したポストを検討されたい方はこちらにご応募ください。 ◆テクノロジーセグメントとは NTTデータの事業領域のうち、公共・社会基盤、金融、法人分野は顧客業界特化型である一方、テクノロジーセグメントは業界横断で価値提供しています。 最新のテクノロジーを用いて、お客様の課題解決に向けて伴走している組織です。 中でも当セグメントのエンジニアは、ソリューションやサービスの企画・設計・開発・導入・運用・プロジェクトマネジメント等の様々な経験を積むことが可能です。 ◆提案ポジション例 ・データ分析・活用に向けたプラットフォームの企画・開発 ・DX推進に向けたデータサイエンティスト ・働き方改革ソリューションの企画・開発 ・ゼロトラストを前提としたセキュリティエンジニア 等

●業務内容 データサイエンティストとして、ビッグデータ/情報処理/AI/BI/統計学などの情報科学を活用したお客様の事業課題解決を支援します。 <チームの職務内容> ・お客様の課題の把握 ・適切な評価指標の設定/分析計画策定 ・適切な分析手法や技術の評価・選定 ・分析結果の見える化によるお客様の納得感醸成 <マネージャーポジションの職務内容> ・組織方針/計画を基とした具体的な業務計画立案 ・ステークホルダーとの円滑なコミュニケーション、パートナーとの協業推進 ・適切に情報収集、分析を行いながら課題、テーマを解決 ・チーム内の適切な目標設定を行い、進捗を確認しながらチームを牽引、成果創出 ・所属メンバーの適性、意向を踏まえた業務アサイン、中長期的なキャリア形成支援 ●組織情報 ・お客様企業のデータドリブンカンパニーへの変革に向けて上流の構想立案から実行支援まで幅広く対応。コンサル/データサイエンティスト/エンジニアなど多様な人財で組織されており、データドリブンによるビジネスプロセスイノベーション、ビジネスモデルイノベーション、CXイノベーションを推進しています。

クラウドや生成AIなどの技術を活かし、当社が手がけるデータ分析プラットフォームソリューション(DWH、BI、ETL領域)の企画から提案、開発、導入までの業務や、システムグランドデザイン策定におけるアーキテクチャ検討等の業務を行っていただきます。 ●AI・データの民主化を促進するクラウド型ビッグデータ分析基盤「Trusted Data Foundation」 https://enterprise-aiiot.nttdata.com/service/tdf ●お客様事例 https://www.nttdata.com/jp/ja/data-insight/2020/071001/ https://www.nttdata.com/jp/ja/data-insight/2020/071002/ ●参考URL 『テクノロジー起点で描いた未来をデータとデザインで実装。テクノロジーコンサルティング事業本部が目指す世界』 https://www.nttdata.com/global/ja/recruit/uptodata/articles/1931/ 『最先端のソリューションを探求し、日本のデータ活用のレベルを引き上げる。Snowflakeビジネス推進室の目指す姿とは』 https://www.nttdata.com/global/ja/recruit/uptodata/articles/2173/ 『先進技術とデータの利活用で目指す「デジタルサクセス®」とは 』 https://www.nttdata.com/global/ja/recruit/uptodata/articles/1021/ 『ユニコーン企業の最先端技術の目利きとデータマネジメントを武器に、真の事業変革パートナーへ』 https://www.nttdata.com/global/ja/recruit/uptodata/articles/1099/

CMP装置をはじめ、ドライ真空ポンプ、排ガス処理装置などの半導体製造装置およびコンポーネント製品から取得されるデータを活用した自社プラットフォーム(「X-bility」および「EBANET3」等)の開発・強化業務を担当いただきます。 開発チーム/プロジェクトリーダーとして、装置予知保全やデータ基板・アプリケーションの事業化・顧客への価値提供を推進頂けます。 ・装置・コンポーネント群から収集される各種センサーデータ(高頻度時系列データ)の収集・蓄積・解析・可視化を一体としたデータ基盤・アプリケーションのシステム設計および開発リード ・Chamber間・装置間・コンポーネント間のデータ比較・解析による予防保全機能やパフォーマンス最適化機能、故障予知アルゴリズムの組込み ・収集データを活用した新たなデジタルサービスの企画・アーキテクチャ構築およびグローバル展開の推進 ※変更の範囲:会社の定める業務

マッチング領域やTrust & Safety領域などにおけるAI/ML機能のプロダクト実装・評価・改善は、主にデータサイエンティストやプロダクトAI/MLエンジニア、ソフトウェアエンジニアが担います。本ポジションでは、それらのAI/ML機能がプロダクト上で安全かつ継続的に価値提供できるよう、社内のML/LLM基盤、推論基盤、開発・運用環境、標準パターンを設計・開発・運用していただきます。 ML基盤を、社内のAI/ML活用を支える重要な技術基盤であると同時に、データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが安全かつ再現性高くAI/MLを本番活用するためのプラットフォームとして捉え、標準化・セルフサービス化・Developer Experienceの向上にも取り組んでいただきます。 ●機械学習の学習・評価・予測・デプロイ・監視を効率的に実現するためのML基盤の設計・開発・保守・運用 ・機械学習APIサーバー、オンライン推論基盤、バッチ推論基盤の設計・開発・運用 ・機械学習システムのためのデータパイプライン、特徴量管理、Feature Store等の設計・開発・運用 ・機械学習ワークフロー、実験管理、モデル管理、評価・検証プロセスの設計・開発・運用 ・ML関連の開発業務を効率化する社内ライブラリ、テンプレート、サンプル実装、開発環境の整備 ●プロダクトAI/MLエンジニアやデータサイエンティストが、AI/ML機能を本番環境で安全に実装・運用するためのProduction Readinessの整備 ・モデル精度、データ品質、ドリフト、レイテンシー、エラー率、コストなどの監視・可視化の仕組みづくり ・モデル更新、ロールバック、障害対応、インシデント対応、Runbook整備などの運用標準化 ・個別プロダクト機能の要件を踏まえた、基盤側の非機能要件・運用要件・責務分界の整理 ●生成AI/LLMを複数チームで安全に活用するためのLLMOps基盤・AIガバナンスの設計・開発・運用 ・プロンプト管理、評価データセット、出力品質評価、LLM as a Judge、リグレッションテスト等の共通基盤づくり ・LLMアプリケーションの監視、コスト管理、Fallback、ガードレール、セキュリティ・利用ポリシー整備 ・個別ユースケース実装を担うチームが、安全に生成AI/LLMを利用するためのルール・テンプレート・レビュー観点の整備 ●データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが迷わずAI/ML機能を開発・運用できるゴールデンパスの整備 ・CI/CD、IaC、コンテナ、クラウド、権限管理、Secret管理、監査ログ等を組み込んだ標準パターンの設計・運用 ・テンプレート、ドキュメント、チェックリスト、オンボーディング資料、開発者向けガードレールの整備 ・個別案件から共通パターンを抽出し、セルフサービス化・自動化・再利用可能な形へ昇華 ●上記を実現するための非機能要件・運用品質の継続的な改善 ・IaCによるインフラ構築・管理 ・CI/CDによるテスト・デプロイ自動化 ・サービス監視、ログ、メトリクス、トレース、アラートの設計・運用 ・パフォーマンス、可用性・信頼性、セキュリティ、コスト効率を考慮した設計・実装および継続的な改善 ●社内のデータサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニア等への教育・スキルトランスファー、技術支援 ●ML/LLM基盤活用戦略の作成・推進、全社的なAI/ML活用の環境整備・啓蒙活動 技術スタック(主要な部分の抜粋) ●クラウド ・Google Cloud ●開発言語 ・Python ●データ基盤 ・BigQuery / Fivetran / dbt Cloud ●ML / LLM基盤 ・Vertex AI / MLflow / LiteLLM / Datadog LLM Observability ●BIツール ・Looker / Looker Studio ●IaC ・Terraform ●開発環境・ツール ・Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc 扱っているデータ ・アプリユーザーのアクセスログ、募集内容に関する情報 ・マッチングに関する情報 ・レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ ・問い合わせに関するデータ ・営業活動情報のデータ 上記のようなデータを扱っております。

CTシステム製品本部 半導体ソリューション設計部にて、主に半導体製造・検査向けの解析システム製品のフロント設計(システム設計およびアプリケーション開発)業務をご担当いただきます。 お客さまや社内関係者と直接会話しながらの業務となるため、今までの多様な経験やスキルを十分に生かし、新たなことにチャレンジできる環境です。 【解析システム製品】 ●半導体や材料、バイオなどの幅広い分野において、アカデミアから研究開発、品質管理にいたる多様な場面で、構造理解とその計測・分析・物性把握を目的として活用されています。 ・観察装置:走査電子顕微鏡(FE-SEM、C-SEM)、透過電子顕微鏡(TEM) ・計測装置:微小デバイス特性評価装置(SEM式 ナノ・プローバⓇ) ・前処理装置:集束イオンビーム-走査電子顕微鏡(FIB-SEM)、イオンミリング装置(IM) ●特に半導体製造・検査向けの製品では、自動化による省人化・スキルレス化に加え、データの再現性・信頼性が強く求められています。 【お客さま】 ●半導体デバイスの製造メーカー(前工程、後工程)や製造装置メーカー、受託分析会社が主なお客さまです。 ※米国、韓国、台湾、日本の先端半導体デバイスメーカーとの協創活動に注力しています。 【主な業務内容】 ●システム設計(構想設計～PoC実施) ・お客様との協創活動を通じた顧客ニーズ(潜在ニーズ含む)の把握/ヒアリング ・上記内容を踏まえた構想設計 ・機能仕様書作成(システム/ハード/ソフトの要件定義) ・各設計部門との設計仕様のすり合わせ ・試作品または製品を用いた社内/顧客サイトでのPoC実施 ●アプリケーション開発(応用技術開発) ・技術マーケティング(学会/セミナーでの発表)、購入調査(製品説明/デモ) ・試料前処理～データ取得・解析までの最適な解析手法の開発および提案 ・データ取得/解析の自動化設計(Pythonスクリプト、画像処理、AI活用 等) ※協創活動については、当部署が当社戦略企画部と連携しながら、お客さまとの技術ロードマップの擦り合わせを進めていきます。 そのため、お客さまの表面的な要望だけでなく、真の課題を知る力が求められます。 また、キーカスタマーとは毎週リモートで定例会議を実施し、迅速に開発へフィードバックする体制を構築しています。 一方、既設製品の運用に関する対応は、原則として海外現地法人、代理店、またはサービス部門が担いますが、新たな開発が必要となる案件については、当部署が主体となって対応します。 【業務役割分担について】 原則として、システム設計とアプリケーション開発までを一貫して担当していただきます。 Will(やりたいこと)、Can(スキル)、Must(仕事上のミッション)を踏まえ、3名～10名規模のチーム内で適切に役割分担を行い、チームリーダのもとで主体的に業務を推進していただくことを想定しています。 【担当製品例】 ・高性能FIB-SEM複合装置 Ethos NX5000シリーズ ・超高分解能電解放出形走査電子顕微鏡SU9600 ・電解放出形透過電子顕微鏡HF5000

提案からデモ開発、マネジメントまでを一気通貫で担う「AIコンサルティングサービス」にて、最先端の生成AI(GPT-4oなどのLLM)を活用した開発プロジェクトを、"プロジェクトリーダー(PL)候補"として、まずは開発工程から参画いただきます。 PMの元でメンバーの業務をリードするだけでなく、実装で技術を磨きつつ、段階的に設計などの上流工程へも参画いただけます。 はじめは開発経験を活かしながら、設計・実装フェーズでプロジェクトをリード。 将来的に、技術とビジネスの両面を理解した"PM"や"ITコンサル"として成長できるポジションです。 ●具体的な業務 ・生成AI/LLMを活用したシステムやアプリケーションの開発、性能向上 ・大規模言語モデルにおけるプロンプトエンジニアリング ・AIエージェントプラットフォームの設計・開発・運用 ・ユーザーのニーズに応じたAIエージェントのカスタマイズ・チューニング ・LLMを活用したAIエージェントの実装 ・Google Cloud/AWS/Azureなどのクラウド環境の構築・運用 など 取引先は、伊藤忠商事、Mizkan、T&Dフィナンシャル生命などの大手企業が中心。 ●開発環境 開発言語:Python, Go, JavaScript, TypeScript, HTML, CSS フレームワーク:Node.js, React, Django, Flask 生成AIツール:Claude, Gemini クラウド:AWS, Azure, GoogleCloud 開発基盤:GitHub, Docker 情報共有ツール:Slack, Notion など ●開発体制 プロジェクト毎にチームを編成(5~10名程度)し、少人数で裁量を持って働いているチームです。 また、全社に「ニックネーム制度」を導入。年齢や役職関係なくコミュニケーションが活発な環境です。 20代後半〜30代が殆どで、パパママ社員もライフスタイルに合わせて働いています!

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

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

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

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

伊藤忠商事の第一号社内ベンチャーとして設立された、店舗の総合支援サービスを提供している総合商社である同社。 商社やコンサルティングとは全く異なるメソッドで、大手外食・ホテル・ブライダル・アミューズメント企業への物流全般のソリューションを提供しており、サプライチェーン全体(調達・生産・在庫・物流・需要計画)を横断的に支えるSCMシステムの最適化をお任せいたします。 組織の中長期的な拡大を見据えた新規ポジションとなり、現場業務とITの橋渡し役として、SCM専属でシステム企画・運用を担っていただける方を募集します。 ●求める期待値 SCM業務の効率化・可視化・高度化を目的に、業務要件定義からシステム導入・改善、運用定着までをリードしていただくことを期待しております。 ●業務内容 ・SCM領域(調達/生産計画/在庫管理/物流/需要予測)の業務整理・課題抽出 ・SCM関連システム(ERP、WMS、APS等)の企画・要件定義 ・ベンダーコントロール(選定、進行管理、品質・コスト管理) ・既存システムの運用・改善、障害対応、問い合わせ対応 ・データ活用(KPI設計、レポート・ダッシュボード作成) ・業務部門(購買・生産・物流等)との調整・折衝 ●利用・想定システム例 ・ERP(SAP、Oracle、Dynamics 365 等) ・在庫・倉庫管理システム(WMS) ・生産計画/需要予測(APS) ・BIツール(Power BI、Tableau 等) ・Excel、SQL 等 (業務内容の変更の範囲)当社業務全般

新規・グロースフェーズのサービス開発エンジニアとして、ご経験に応じて下記業務を担当いただきます。 ●アプリケーション開発、API開発 ●アーキテクチャの設計、ミドルウェアの選定 ●ユーザーの行動ログなどの定量・定性的な分析による施策効果測定、サービス改善 ●AWSを中心としたクラウドリフト/シフト、新規構築のインフラの設計、検証、構築、運用 ●パーソルキャリアの各事業(doda、doda Xなどの人材紹介事業)に対して、アプリケーションの実行基盤の整備 「はたらく」を取り巻く環境が多様化する中、Mission 達成に向けて、既存のdodaを主軸とする転職支援以外の新しい領域のサービスを企画・開発中です。 ●doda 業界最大級の求人数、豊富なサポート実績を誇る転職サービスです。 登録者数:約934万人(2024年12月末時点)。 エージェントサービスの他には求人情報サービスや転職イベントなど様々なサービスを運営。 ●dodaダイレクト doda/doda Xのデータベースにアクセスし、企業からスカウトを送れるサービス ●doda X 年収600万円以上の方向けのハイクラス転職サービスです。 業界や企業動向に精通したヘッドハンターからスカウトを受け取れます。 ●dodaキャンパス 学生の就職活動を支えるダイレクトリクルーティングサービスです。 大手~ベンチャー企業まで累計契約企業10,000社以上(2024年6月時点)。 オリコン顧客満足度調査にて4年連続学生満足度、総合1位に選出。 ●MIRAIZ キャリアに役立つスキルの習得、プロによるキャリア相談がすべて無料。 学び×JOBをつなげ、転職に留まらず、一人一人に合わせたはたらくを一生涯サポートするサービスです。 ●HR Analyst 最新のテクノロジーで競り負けない採用を実現する人材分析サービス ●HR forecaster 転職マーケットに即した求人要件を作成できるサービスです。 HR アワード 優秀賞受賞、HR テクノロジー大賞 イノベーション賞 受賞。 ●HR Spanner 中途入社者が入社後スムーズに職場環境に馴染み、早期に即戦力として立ち上がれるようにコンディションチェックやコミュニケーションのサポートをするオンボーディングサービス。 簡単な操作と最小限の工数で、中途入社者の不安や悩みを検知し、現場でのコミュニケーションを促進します。

新規・グロースフェーズのサービス開発エンジニアとして、ご経験に応じて下記業務を担当いただきます。 ●アプリケーション開発、API開発 ●アーキテクチャの設計、ミドルウェアの選定 ●ユーザーの行動ログなどの定量・定性的な分析による施策効果測定、サービス改善 ●AWSを中心としたクラウドリフト/シフト、新規構築のインフラの設計、検証、構築、運用 ●パーソルキャリアの各事業(doda、doda Xなどの人材紹介事業)に対して、アプリケーションの実行基盤の整備 Webサービスについて 「はたらく」を取り巻く環境が多様化する中、Mission 達成に向けて、既存のdodaを主軸とする転職支援以外の新しい領域のサービスを企画・開発中です。 ●doda 業界最大級の求人数、豊富なサポート実績を誇る転職サービスです。登録者数:約934万人(2024年12月末時点)。 エージェントサービスの他には求人情報サービスや転職イベントなど様々なサービスを運営。 ●dodaダイレクト doda/doda Xのデータベースにアクセスし、企業からスカウトを送れるサービス ●doda X 年収600万円以上の方向けのハイクラス転職サービスです。業界や企業動向に精通したヘッドハンターからスカウトを受け取れます。 ●dodaキャンパス 学生の就職活動を支えるダイレクトリクルーティングサービスです。 大手~ベンチャー企業まで累計契約企業10,000社以上(2024年6月時点)。 オリコン顧客満足度調査にて4年連続学生満足度、総合1位に選出。 ●MIRAIZ キャリアに役立つスキルの習得、プロによるキャリア相談がすべて無料。 学び×JOBをつなげ、転職に留まらず、一人一人に合わせたはたらくを一生涯サポートするサービスです。 ●HR Analyst 最新のテクノロジーで競り負けない採用を実現する人材分析サービス ●HR forecaster 転職マーケットに即した求人要件を作成できるサービスです。HR アワード 優秀賞受賞、HR テクノロジー大賞 イノベーション賞 受賞。 ●HR Spanner 中途入社者が入社後スムーズに職場環境に馴染み、早期に即戦力として立ち上がれるようにコンディションチェックやコミュニケーションのサポートをするオンボーディングサービス。簡単な操作と最小限の工数で、中途入社者の不安や悩みを検知し、現場でのコミュニケーションを促進します。 使用技術(一例) 言語: Java,C#,JavaScript, TypeScript, Dart, Python, ShellScript, HDL フレームワーク:Vue, Echo, Flutter ミドルウェア: Terraform, Kubernetes, Docker, クラウドサービス:AWS,Azure,Google Cloud Platform 実行環境: Kubernetes Engine, App Engine, Cloud Function, Cloud Run データベース・ストレージ: BigQuery, CloudSQL, Cloud Firesore, Cloud Storage その他: Cloud Logging, Cloud Monitoring, Cloud Trace, Cloud Pub/Sub, Google Tag Manager アクセス集計: Google Analytics はたらく環境 PC: Windows ノート (標準支給), MacBook Pro 15/16 インチモデル エディター: JetBrains IntelliJ IDEA 等のお好きな IDE, エディター ナレッジサービス: esa コミュニケーションツール: Slack, Zoom, Google Meet グループウェア: Microsoft Offi ce 365, Google Workspace 開発向けサービス: GitHub, ZenHub

事業拡大に伴い、機械学習アルゴリズムの開発を担っていただくエンジニアを募集します。 テーブルデータ・自然言語・画像などの幅広いデータを用いて、クライアントの課題を解決する機械学習アルゴリズムを中心に設計・実装していただきます。 コンサルタント、ソフトウェアエンジニアとチームを組み、金融、小売、製造業など、様々な業界の課題を解決するソリューション/プロダクトを開発していただきます。 AIの検証に留まらず、最先端技術をクライアントが利用し続けるソフトウェアの形にして社会実装し、未来のビジネスを実現するプロセスに関心がある方を歓迎します。 ●ビジネス上の課題、制約条件に適したアルゴリズムの提案 ●ユースケースに合わせた機械学習モジュールの設計、実装 ●クライアントに対する分析結果等のレポーティング ●ソフトウェアエンジニアと協力して、Web API等へのアルゴリズムの組み込み ●最先端技術を社会実装可能なレベルに引き上げるR&D ●自身の開発したアルゴリズムの他業界への横展開や自社プロダクトへの組み込み ※過去事例:クレジットカード不正検知、個人与信推定、小売や流通における需要予測とオペレーションの最適化、教育における出題最適化、レコメンドエンジン、不正投稿監視、コールセンターソリューション(チャット・音声・テキスト)等多岐に渡る

AIコンサルタント/AIテックリードとして、AIモデルの設計・開発・改善を中心に、プロジェクトの技術面をリードしていただきます。 入社後はデータ分析・モデル開発を中心に担当しつつ、徐々に設計や技術方針の検討にも関わっていただきます。 将来的には、AI開発プロジェクトにおけるコンサルタント/テックリードとして、チームを牽引する役割を期待しています。 ●AI/機械学習モデルの設計・開発・改善 ●データ収集・前処理・分析 ●Pythonを用いたAI実装・テスト ●モデル評価および精度改善 ●技術調査・新技術検証 ●エンジニアメンバーの技術サポート

●職務内容 外資系大手コンサル出身の代表が率いる同社は、技術力に定評があります。 同社はITコンサルティングとシステム開発を内製化し、一貫したサービスを提供しています。 大手SIerが携わる企画構想段階から担当するコンサル案件、プライム案件を継続受注しています。 未経験入社者の育成力にも優れ、組織力が向上しています。 当社では、AI技術を活用したサービス開発・業務改善を推進するため、AIエンジニアを募集しています。 本ポジションでは、機械学習や深層学習を用いたモデルの設計・開発・運用を中心に、データの収集・前処理・分析を通じて、より高精度な予測や分類を実現していただきます。 また、課題解決に向けたAIソリューション提案・実装など、技術力だけではなくコミュニケーション力も活かせるポジションです。 ●ポイント ・最先端のAI技術に触れられる環境 ・大規模データを活用した実践的なプロジェクトに参画できる ●具体的な事例 大手SIer向けチャットボット導入に伴う、カスタマイズやAPI開発に携わることができます。 LLMのモデル変更及び変更後の生成結果確認。環境整備など。 ※変更の範囲:会社の定める業務

【ポジション概要】 当本部は三菱UFJ銀行並びにMUFGグループのデータドリブン経営を支える情報系システムを企画構想から設計・開発・リリース・保守まで一貫してリードしています。 経営のスピード改革が加速する中、グループ各社で日々発生する膨大な取引データを巨大DWHに集約し、意思決定に直結する“使える情報”へと磨き上げて提供。 ITの力で経営の高度化と迅速化を推進しています。 あらゆる意思決定へのデータ利活用のニーズの高まりを受けた旺盛な開発需要に応えるため、以下のポジションで即戦力となる人材を募集します。 クラウド、ERP、SaaS、データレイク/DWH/BI、データパイプライン、生成AI開発など先進技術を横断し、ペタバイト級の金融データから意思決定の質と速度を引き上げる、社会的インパクトの大きい仕事です。 ①アプリケーション開発やデータベースの最適化を主導するITスペシャリスト(アプリケーションスペシャリスト) ②大小並行する複数のプロジェクトを牽引・マネジメントするPMエキスパート ③適切なデータ配置、機能配置、適用技術の選定、テクニカルレビューを担えるアーキテクト・テクニカルリード(ITアーキテクト、ITスペシャリスト) 【業務内容】 (雇入れ直後) 三菱UFJ銀行及びMUFGグループのデータドリブン経営を支える以下いずれかの業務システムの企画・開発・保守をご担当頂きます。 ●ビッグデータ基盤、経営情報システム(企業管理会計) ●財務会計 ●リスク・コンプライアンス管理、人事(従業員・組織管理、給与、勤怠、福利厚生) ●マーケティング、顧客提案支援 (変更の範囲) 会社の定める業務 【役割・責任】 業務内容欄に記載したシステムの開発・保守に於いて、ご経験・適性に応じて以下3ついずれかの役割を担っていただきます。 ①ITスペシャリスト:アプリケーション開発の技術領域における専門性を活かし、主に設計・開発・構築・テスト・運用を主導 ②PMエキスパート:大小並行する複数のプロジェクトの牽引・マネジメント(ユーザー調整・コスト・進捗・品質マネジメント) ③ITアーキテクト・スペシャリスト:適切な機能配置、適用技術の選定・導入支援、テクニカルレビューを主導 【配属想定部署】 情報本部 【配属想定部署概要】 情報本部内の各部に於いて以下の業務システムの開発保守を担う。 ・データエンジニアリング第一部、第二部:ビッグデータ基盤、BI基盤(Tableau)、経営情報システム ・財務データ戦略第一部、財務データ戦略第二部:財務会計、決算ERP ・リスク管理データ戦略部:リスクコンプライアンス管理、信用リスク管理 ・人事データ戦略部:人事システム ・セールスデータ戦略部:マーケティング、顧客提案支援 【配属想定部署の人員構成】 情報本部全体で社員:約220名(ビジネスパートナー約700名)、大規模ですが風通しはよく、若手のうちから様々なことにチャレンジできる風土です。 【おもな関係者】 三菱UFJ銀行の経営基盤業務(経営情報管理・活用、与信、会計、人事、リスク・コンプライアンス、マーケティング等)の業務・企画部門担当者。 システム開発・保守に於いて関係する他システムを所管する当社社員。 当部に在籍し、開発作業の一部をご担当頂くビジネスパートナー各社。 【想定担当案件(例)】 ●ビッグデータ基盤の拡張・刷新 ・AIデータ分析など高まるデータ利活用ニーズに応えるためのデータ収集・加工・管理・配信などのデータエンジニアリング案件 ・業務部門の大規模データの参照、集計・加工等の利便性向上等の多様なニーズに対応する為のビッグデータ基盤、BIツールなどのモダナイズ案件。 ・20年来稼働してきた現行DWH(メインフレーム)中心とした情報系アーキテクチャの更改案件。 (DWHからビッグデータ基盤への移行など) ●財務会計システム更改(連結決算の次世代化) ・グループ横断で決算情報をシームレス集約・統合し、決算早期化と精度向上を両立。 ERPパッケージを軸に、IFRS(国際会計基準)対応や管理会計強化、ワークフロー/統制の高度化を推進する案件。 ●コンプライアンス管理システム刷新 ・M&Aやプロジェクトファイナンス、O&D等、インサイダー情報管理や利益相反管理が重要且つ複雑である領域のビジネス拡大が見込まれる中、企業コンプライアンス管理関連システムの抜本的変更を目的としたシステム更改案件。 ●人事システム更改 構築から35年を経過したメインフレーム/EUCからの脱却。 人事マスタ再設計、権限・セキュリティの最新化、クラウド/SaaS活用、データ連携の再編成で、持続性と拡張性を備えた次世代HR基盤へタレント・勤怠・給与の一気通貫を目指した再構築案件。 ●営業支援システムのレベルアップ 営業力強化をサポートする基盤として銀行営業店が使うアプリケーションを集約する顧客業務統合プラットフォーム上で稼働する営業支援システムのレベルアップ案件。 AIエージェント導入による次アクション提案、リードスコアリング、ドキュメント要約、音声メモ自動化など、現場効率と成果を劇的に高める機能の実装など。