株式会社GROWTH VERSEのITエンジニア求人・転職・採用情報

事業・プロダクト ●AIMSTAR LTV向上に必要なCDP・MA・分析・AIを搭載したAll in Oneマーケティングツール ●ミセシル 3000万人規模の行動データで自店/自施設・競合・商圏を分析する人流分析AI Agent ●Zero 紙運用が中心だったテナントの売上管理業務をデジタル化する売上管理AI Agent ●DHK CANVAS IVRを中心としたコールセンター業務自動化AI Agent ●Agent Platform FDE・SREが使う共通基盤 加えて、まだプロダクトがない事業ドメインへのトライも進んでいます。 プロダクト化される前の"意思決定の最前線"に立てる場所があります。 ●5つのバリュー ・INTEGRITY(誠実さ) 誠実に行動し言行一致。 オープンであること、自分の言動に責任を持つこと、倫理的な判断 ・DEEP DIVE(徹底的な探究) 本質を捉え、深く掘り下げて問題解決する。 お客様以上にお客様を理解する ・OURS(自分の責任で行動する) 目の前のタスク・問題を「自分ごと」として責任を持って行動する ・WILD SPEED(スピード感を持った行動) 完璧主義に陥らず、柔軟・迅速に最速最高のアウトプットを出す ・LASTMANSHIP(最後までやり抜く姿勢) 責任を持って最後の仕上げまでやり遂げ、目標を達成する 3つの道 どれが上・下ではありません。 それぞれ違うチャレンジができる3つのルートです。 ① プロダクトエンジニアの道 多くの顧客に届けるSaaS/BtoBプロダクトを、設計・実装・改善する。 プロダクトエンジニア — 長期運用されるプロダクトを育てる AIエンジニア — プロダクトへのAI機能組み込みを中心に担う ② FDEの道(Forward Deployed Engineer) まだ解のない現場に入り込み、ゼロからAIの解を作る。 顧客先の業務・意思決定プロセスを理解し、AI Agentで構築できる形に分解・再設計します。 課題定義から要件定義、技術説明、定例MTGのファシリテーション、ハンズオン研修、障害対応まで。 PoCで終わらせず、本番運用・定着までを1つのチーム(2〜3名)で一貫して担当します。 少人数の体制なので、1人が受け持つ範囲は自然と広くなります。 言われたものを作る受託開発ではありません。 要望をそのまま受け取るのではなく、データと 現場の業務そのものに踏み込み、相手の理解度を引き上げながらAI Agentを提案し、実際に使われる 状態まで持っていきます。 入り込む先は、経営の意思決定に近いところです。 そこで得た知見は、納品して終わりにせず自社のアセットとして残します。 FDEは、社員として入ることを前提にした職種です。 再委託に制約のある領域では、外から手を 貸すのではなく、内側に入って責任を持つことが求められます。 案件と顧客の広がりに合わせて、 この体制を広げていく方針です。 客先の曖昧な要望を要件に落とし込み、進む方向を決める仕事です。 技術力よりも、自分で課題を見つけて動きたい人に向いています。 (TypeScript/Python等が主流ですが、二の次で構いません。 キャッチアップする意欲があれば十分です) ③ Agentic Enabling Engineer の傘 開発と運用そのものを、AI Agentで作り変える。 SRE — 信頼性・可用性を守りながら、AI Agentによる運用の自動化と進化(Agentic SRE) プラットフォームエンジニア — 安全・高速なAI Agent開発基盤を支えるEnabling Team QAエンジニア — 品質保証のAgentic化。 テスト自動化・継続的品質担保 インフラエンジニア — クラウド/オンプレ基盤運用 技術スタック クラウド: AWSがメイン(ECS / Lambda / S3 / Terraform / GitHub Actions) データ基盤: Snowflake などのデータウェアハウス・分析基盤 AI/LLM: Python / LangChain / AI Agent開発フレームワーク 開発文化: IaC / SRE思想 / Agentic SRE / 生成AI活用 / 品質最優先 AI駆動開発: ハーネスエンジニアリングなど、最新のグッドプラクティスにも柔軟に取り組む 社内の開発運用そのものも、すでにAI Agentで回しています。 スプリントのチェックイン、放置されたPRのリマインド、クラウドコストの週次レポートなど、 誰かが手でやっていた定期業務をAgentに移してきました。 いまはそれを Agent Platform として作り直している最中です。 成長環境:DAX Boost Lab 同じClaudeを使っていても、エンジニアのアウトプットには差が出ます。 社内でその差が起きたとき、それを「個人の才能」で片付けず、成長要素を分解して カリキュラム化しました。 教えているのは「ツールの使い方」ではありません。 重点は 事業数値を伸ばすためにAI Agentが最大のパフォーマンスを出せる環境をどう設計するか 教材は空想上のアプリではなく、実際の開発現場に近い課題を扱います 設計しているのは現役の技術責任者(VP of Technology 稲田)です 到達段階は3つのPhaseで整理しています。 ●Phase 1 プレイヤー 自分でAIを動かし、ほぼ最高速度に近い開発ができる状態 ●Phase 2 マネージャー 複数のAIと周囲のメンバーをマネジメントし、チームとして成果を出す状態 ●Phase 3 事業部CTO AI Agentが開発・運用の一部を担う前提で、事業がより少人数で回る環境全体をアーキテクトする状態 学び合いと、アウトプットの文化 TGIF(月次) — Tech部全体で集まるLT会。 2026年7月に第1回を開催しました。 指名枠に加えて有志のLT枠があり、テーマは自由。 1人5分。 オンライン参加もできます 社内勉強会 — プロダクトをまたいだナレッジシェアの場をオンラインで開いています。 ここで話したことが、そのまま社外向けのテックブログ・登壇のネタになる導線があります 外部イベントへの登壇・共同運営 — 2026年8月には golang.tokyo #44 を共同運営し、 GVのエンジニアが登壇しました 働き方(正直にお伝えします) 出社を基本としつつ、リモートワークも可能です(基本は出社推奨ですが絶対ではなく、 実際にフルリモートのメンバーもいます) 専門業務型裁量労働制(労働時間の制度であり、出社/リモートとは別の話です) 成果責任型の文化。 時間管理より成果で評価します 必須の対面イベントがあります 全社集会・懇親会(半期/四半期に1回) エンジニアTGIF等(月1回程度)

ご経験と志向性に合わせて、下記のような役割をお任せいたします。 【概要】 人流分析AI SaaS「ミセシル」を中心に、ミセシル/Zero事業部のカスタマーサクセスを担っていただきます。 ミセシルは商業不動産・商業施設の経営課題を人流データで解くための分析プラットフォームです。導入いただいた顧客が分析を業務に定着させ、継続的に成果を出せるよう、活用支援・課題整理・改善提案を行う伴走型のカスタマーサクセスが求められます。 なお、事業状況に応じて、ミセシルに限らず当社が展開する他のAIプロダクト(Zero等)のコンサルティングセールスを担当いただく可能性があります。 【キャリアパス】 コンサルティングセールスとしての実績を積んだ後、ミセシル/Zero事業部を牽引するリーダー・マネージャーへの昇格が可能です。また、複数のAIプロダクトを横断して培った顧客理解・活用支援力を活かし、当社の新規AI Agentプロダクトのソリューションコンサルティング・事業企画へキャリアを広げていくことも将来的に可能です。

ご経験と志向性に合わせて、下記のような役割をお任せいたします。 【概要】 2024年にM&Aで獲得した「ミセシル」事業のエンジニアを募集しています。 ミセシルは3,000万人規模の位置情報データを扱う人流分析AI Agentです。 上記のデータを活用した分析プロダクトの開発を進めており、一緒に手を動かして事業を前に進めるメンバーを新たに迎えたいと考えています。 【主な業務内容】 3,000万人規模の位置情報データを活用し、商業施設向けの分析プロダクトを開発しています。今までのミセシルのダッシュボードを刷新していく開発と、新たに進めているPoC向けの新規開発の両方に携わります。 担当領域を技術で固定することはなく、プロダクトの状況に応じて、アプリケーション開発からデータ基盤の構築まで横断的に手を動かします。 並行して、稼働中の既存システムの安定運用・改善も担います。 ・ダッシュボードの刷新に向けた開発 ・PoC向けの新規開発 ・位置情報データを用いたデータ基盤の開発 ・稼働中の既存システムの安定化・改善 【技術スタック】 ・バックエンド:Python、FastAPI ・フロントエンド:TypeScript、React、Vite ・データ基盤:Snowflake、dbt ・データ取り込み:S3、Snowpipe、Snowflake Tasks ・データベース:Aurora PostgreSQL Serverless v2 ・インフラ:AWS(ECS、ECR、S3、Aurora)、Terraform、Valkey ・開発環境:GitHub、GitHub Actions、Docker、Claude Code

概要 通販・EC・小売クライアントに対する複数プロジェクトのマネジメント責任を担います。仮説構築〜業務設計〜AIモデル構築〜新たな顧客体験の実装〜デリバリーまでを、PMとして品質・スケジュール・収益責任を持ち推進します。 詳細 プロジェクトマネジメント 複数プロジェクトの品質・スケジュール・収益管理 リソース配分、メンバー育成、チーム運営 業務改革・プロセス設計(BPR) マーケ・CS・コールセンター等のAs-Is / To-Be業務設計、ROI試算の指揮 マーケティング分析/AIモデル構築の統括 需要予測・離反予測・レコメンド・クリエイティブ生成等のモデル企画 Tech部門との要件整理、モデル検証の統括 新たな顧客体験(CX)の実装 AI Agentを活用した顧客接点再設計(メール・DM・コール・Web・アプリ等)、現場定着化 クライアントマネジメント 経営層・事業責任者との合意形成、期待値調整 組織・ナレッジマネジメント プロジェクトナレッジの形式知化、社内横展開 7. プロジェクト事例(抜粋) 某健康食品通販企業|AIによるDM最適化:DM CVR 20%改善、メール 18%改善、約1億円の粗利創出 某老舗お茶販売企業|DM反応予測モデル:1ヶ月で売上115%、約2,000万円UP 某大手通販企業|DM最適化+統合差配エージェント:主力商品DM最適化で従来比154%の売上向上 某アパレルEC|AIレコメンドエンジン:導入3ヶ月で約3,000万円の売上効果 キャリアパス 短期:Manager → Senior Manager → Director 中長期: GROWTH VERSE本体の事業責任者 M&A買収先企業の経営幹部(事業再生・PMI担当) 新規事業立ち上げ(事業開発ポジションへの転換)

概要 通販・EC・小売クライアントに対する複数プロジェクトのマネジメント責任を担います。仮説構築〜業務設計〜AIモデル構築〜新たな顧客体験の実装〜デリバリーまでを、PMとして品質・スケジュール・収益責任を持ち推進します。 詳細 プロジェクトマネジメント 複数プロジェクトの品質・スケジュール・収益管理 リソース配分、メンバー育成、チーム運営 業務改革・プロセス設計(BPR) マーケ・CS・コールセンター等のAs-Is / To-Be業務設計、ROI試算の指揮 マーケティング分析/AIモデル構築の統括 需要予測・離反予測・レコメンド・クリエイティブ生成等のモデル企画 Tech部門との要件整理、モデル検証の統括 新たな顧客体験(CX)の実装 AI Agentを活用した顧客接点再設計(メール・DM・コール・Web・アプリ等)、現場定着化 クライアントマネジメント 経営層・事業責任者との合意形成、期待値調整 組織・ナレッジマネジメント プロジェクトナレッジの形式知化、社内横展開 7. プロジェクト事例(抜粋) 某健康食品通販企業|AIによるDM最適化:DM CVR 20%改善、メール 18%改善、約1億円の粗利創出 某老舗お茶販売企業|DM反応予測モデル:1ヶ月で売上115%、約2,000万円UP 某大手通販企業|DM最適化+統合差配エージェント:主力商品DM最適化で従来比154%の売上向上 某アパレルEC|AIレコメンドエンジン:導入3ヶ月で約3,000万円の売上効果 キャリアパス 短期:Manager → Senior Manager → Director 中長期: GROWTH VERSE本体の事業責任者 M&A買収先企業の経営幹部(事業再生・PMI担当) 新規事業立ち上げ(事業開発ポジションへの転換)

概要 業界を横断したクライアント案件・新規ソリューション立ち上げ・M&A PMIに対し、PMとして品質・スケジュール・収益責任を持ちプロジェクトを推進します。 詳細 プロジェクトマネジメント 複数プロジェクトの品質・スケジュール・収益管理、リソース配分、チーム運営 業務改革・プロセス設計(BPR) 業界横断でのAs-Is / To-Be業務設計、ROI試算の指揮 マーケティング分析/AIモデル構築の統括 予測・最適化・レコメンド・生成AI等のモデル企画、Tech部門との要件整理 新たな顧客体験(CX)の実装 AI Agentを活用した顧客接点再設計、現場定着化 新規ソリューション立ち上げ Tech部門と連携した新規AI Agentの事業検証・GTM推進 M&A・PMI支援 買収先企業のAI実装による業務改革・事業再生の統括 クライアントマネジメント 経営層・事業責任者との合意形成、ステークホルダー間の利害調整 7. プロジェクト事例(抜粋) ふくおかフィナンシャルグループ(FFG)|リテール顧客LTV予測AIと顧客体験再設計:LTV予測AI構築、年代×金融リテラシーでのセグメント設計、ATM・SNS・Web・iBankアプリ横断の顧客接点再設計 某大手旅行代理店|媒体配送最適化:従来比約90%の申込を維持しつつ配送量60%減 某エンターテインメント企業|PR画像のAI生成:ポスター制作で従来比約70%コスト削減 某大手健康食品通販|AI DM最適化:DM CVR 20%改善・メール 18%改善、約1億円の粗利創出 キャリアパス 短期:Manager → Senior Manager → Director 中長期: GROWTH VERSE本体の事業責任者 M&A買収先企業の経営幹部(事業再生・PMI担当) 新規事業立ち上げ(事業開発ポジションへの転換)

概要 当社ソリューションを導入済みのクライアント(および新規導入プロジェクト)に対し、ソリューション運用・保守・改善の責任者として以下を担当します。 詳細 ソリューション運用マネジメント 複数クライアントの運用プロジェクトを統括 SLA管理、品質管理、インシデント対応の指揮 クライアント業務要件の翻訳 クライアント固有の業務フロー・システム要件をソリューション運用に落とし込み 運用ルール・手順書の整備 Tech部門との連携 バグ・機能改善要望をプロダクトチームに連携、優先順位調整 新機能リリース時の運用設計 継続的改善 運用データの分析、運用効率化の提案 自動化・AI化による運用コスト削減 クライアント窓口 運用報告、定例会運営、エスカレーション対応 キャリアパス 短期:Manager → Senior Manager → Director 中長期: GROWTH VERSE本体の運用統括責任者・事業責任者 M&A買収先企業の運用改革・PMI担当 Tech部門と連携したCustomer Reliability Engineering領域のリード

概要 クライアント(金融機関:銀行・証券・保険・クレジット等)の経営・事業課題に対し、仮説構築・マーケティング分析・AIモデル構築・新たな顧客体験の実装・プロジェクト推進までを一気通貫で担当します。 詳細 業務改革・プロセス設計(BPR) As-Is業務フローの調査・可視化、To-Be設計、ROI試算 マーケティング分析 顧客データ(取引履歴・属性・接点履歴)の分析、セグメンテーション設計 施策効果検証、KPI設計 AIモデル構築・検証 Tech部門と連携した休眠予測・離反予測・クロスセル・リスク判定等のモデル企画・要件定義 A/Bテスト設計、精度検証 新たな顧客体験(CX)の実装 AI Agentを活用した顧客接点の再設計(コール・チャット・Web・アプリ等) オペレーション実装・現場定着化 戦略策定 AI活用ロードマップ策定、事業KPI設計 プロジェクト推進(PM) Tech部門との要件整理、PMとしての品質・スケジュール管理、クライアント経営層・現場との合意形成 7. プロジェクト事例(抜粋) ふくおかフィナンシャルグループ(FFG)|リテール顧客LTV予測AIと顧客体験再設計 課題:リテール顧客のLTVを個別に予測し、世代・ライフステージに応じた最適な金融商品提案を実現したい 取組: 顧客属性・取引履歴・行動データから特徴量を設計し、LTV予測AIモデルを構築(SHAP解析による説明性担保) 年代 × 金融リテラシーで顧客セグメント設計(Expert / Learner / Beginner × 20〜60代) セグメント別のカスタマージャーニー再設計(NISA・資産運用・ローン等) ATM・SNS・YouTube・Web・iBankアプリを横断した顧客接点の再設計 成果:LTV Top20%顧客の行動パターン可視化、Profit予測モデル精度の獲得、施策優先度(新規/休眠/継続別)の明確化 某大手証券会社|休眠顧客予測AI 課題:月に約2,000人が休眠化。従来の取り組みでは予測・防止が困難 取組:顧客属性/取引履歴/コンタクト履歴から250個以上の特徴量でAIモデルを構築、カバー率と正答率の2パターンで検証 成果:約97%の精度で休眠顧客を特定、事前施策の高度化を実現 キャリアパス 短期:Consultant → Manager → Director 中長期: GROWTH VERSE本体の事業責任者 M&A買収先企業の経営幹部(事業再生・PMI担当) 新規事業立ち上げ(事業開発ポジションへの転換)

概要 クライアント(総合通販・EC・小売・D2C等)の経営・事業課題に対し、仮説構築・マーケティング分析・AIモデル構築・新たな顧客体験の実装・プロジェクト推進までを一気通貫で担当します。 詳細 業務改革・プロセス設計(BPR) As-Is業務フロー(マーケ・CS・物流・コールセンター等)の調査・可視化 AI Agent導入後のTo-Be業務フロー策定、ROI試算 マーケティング分析 顧客データ(購買履歴・属性・接点履歴)の分析、セグメンテーション設計 施策効果検証、KPI設計 AIモデル構築・検証 Tech部門と連携した需要予測・離反予測・レコメンド・クリエイティブ生成等のモデル企画・要件定義 A/Bテスト設計、精度検証 新たな顧客体験(CX)の実装 AI Agentを活用した顧客接点の再設計(メール・DM・コール・Web・アプリ等) オペレーション実装・現場定着化 戦略策定 AI活用ロードマップ策定、CRM/CDP戦略、事業KPI設計 プロジェクト推進(PM) Tech部門との要件整理、PMとしての品質・スケジュール管理、クライアント経営層・現場との合意形成 7. プロジェクト事例(抜粋) 某健康食品通販企業|AIによるDM最適化 課題:RF分析での絞り込みが最適でなく無駄打ちコスト発生。NET会員への購買促進が未実現 取組:顧客属性/商品/購買履歴/施策履歴からAI反応予測モデル構築、顧客別に最適リスト生成 成果:DM CVR 20%改善、メール 18%改善、約1億円の粗利創出 某老舗お茶販売企業|DM反応予測モデル 取組:機械学習モデルでDM反応予測確率を会員ごとに算出、A/Bテストで効果検証後に定常運用化 成果:1ヶ月で売上115%(約2,000万円UP) 某大手通販企業|DM最適化+統合差配エージェント 取組:DM/メール/架電を横断するスコアリングAI構築、領域横断の統合差配エージェントを構築中 成果:主力商品のDM最適化で従来比約154%の売上向上 某アパレルEC|AIレコメンドエンジン 取組:業界最先端のAIモデルで関連ユーザー/商品を測定、コーデ/スタッフレコメンド・マルチモーダル・リアルタイムパーソナライズを追加実装 成果:導入後3ヶ月で約3,000万円の売上効果 キャリアパス 短期:Consultant → Manager → Director 中長期: GROWTH VERSE本体の事業責任者 M&A買収先企業の経営幹部(事業再生・PMI担当) 新規事業立ち上げ(事業開発ポジションへの転換)

概要 業界を横断したクライアント案件・社内の新規ソリューション立ち上げ・M&A PMIに対し、仮説構築・マーケティング分析・AIモデル構築・新たな顧客体験の実装・プロジェクト推進までを一気通貫で担当します。 詳細 業務改革・プロセス設計(BPR) 業界横断でのAs-Is / To-Be業務設計、ROI試算 マーケティング分析 顧客データの分析、セグメンテーション設計、施策効果検証、KPI設計 AIモデル構築・検証 Tech部門と連携した予測・最適化・レコメンド・生成AI等のモデル企画・要件定義、A/Bテスト設計 新たな顧客体験(CX)の実装 AI Agentを活用した顧客接点の再設計、オペレーション実装・現場定着化 戦略策定 AI活用ロードマップ、事業戦略、KPI設計 新規ソリューション立ち上げ Tech部門と連携した新規AI Agentの事業検証・GTM設計 M&A・PMI支援 買収先企業のAI実装による業務改革・事業再生 プロジェクト推進(PM) Tech部門との要件整理、PMとしての品質・スケジュール管理、クライアント・社内ステークホルダーとの合意形成 7. プロジェクト事例(抜粋) ふくおかフィナンシャルグループ(FFG)|リテール顧客LTV予測AIと顧客体験再設計 取組:LTV予測AIを構築(SHAPで説明性担保)、年代×金融リテラシーでセグメント設計、ATM・SNS・Web・iBankアプリ横断の顧客接点を再設計 成果:LTV Top20%顧客の行動パターン可視化、施策優先度の明確化 某大手旅行代理店|媒体配送最適化 取組:顧客属性/参加履歴/配信履歴からスコアリングモデル作成、媒体特徴×商品特徴の予測AIで配送効率最大化 成果:従来比約90%の申込を維持しつつ配送量60%減 某エンターテインメント企業|PR画像のAI生成 取組:大量保存画像の特徴量をベースに入力要件をエンコーダーで変換、光源等を自動調整 成果:ポスター制作で従来比約70%コスト削減 某大手健康食品通販|AI DM最適化 成果:DM CVR 20%改善・メール 18%改善、約1億円の粗利創出 キャリアパス 短期:Consultant → Manager → Director 中長期: GROWTH VERSE本体の事業責任者 M&A買収先企業の経営幹部(事業再生・PMI担当) 新規事業立ち上げ(事業開発ポジションへの転換)

ご経験と志向性に合わせて、下記のような役割をお任せいたします。 【概要】 クライアントの事業課題を整理し、AI Agentプロダクトを活用した業務変革の提案を行うポジションです。 ・ターゲット戦略の立案・実行 多様な業界に対し、特有の業務課題に合わせたアプローチ戦略を策定。 ・商談のリード HP経由などからの各種リードを起点に、BANT情報を緻密にコントロールし、確実な成約へ導く。 ・AI Agentのソリューション提案 顧客の業務フローをヒアリングし、どの工程をAIに置き換えるべきか、導入後のROIを可視化して提案。プロンプト知識は入社後に習得可能。 ・アジャイルな提案ブラッシュアップ 現場のフィードバックをプロダクトや提案書へ即反映し、顧客にとっての「最善」をアップデートし続ける。 【キャリアパス】 『事業家・経営者ルート』 コンサルティング営業として「AIによる事業変革」の実績を積んだ後は、GROWTH VERSEの営業責任者・事業責任者や、当社がM&Aを行う企業の経営幹部(事業再生・PMI担当)として、経営の一翼を担うキャリアパスが開かれています。

ご経験と志向性に合わせて、下記のような役割をお任せいたします。 【概要】 クライアントの事業課題を整理し、AI Agentプロダクトを活用した業務変革の提案を行うポジションです。 ・ターゲット戦略の立案・実行 通販・金融・流通・製造など多様な業界に対し、特有の業務課題に合わせたアプローチ戦略を策定。 ・新規開拓〜商談のリード(AE業務) 大手SIer・コンサルティング会社・ベンダー等のアライアンスパートナーと連携したリード獲得。BANT情報を緻密にコントロールし、確実な成約へ導く。 ・AI Agentのソリューション提案 顧客の業務フローをヒアリングし、どの工程をAIに置き換えるべきか、導入後のROIを可視化して提案。プロンプト知識は入社後に習得可能。 ・アジャイルな提案ブラッシュアップ 現場のフィードバックをプロダクトや提案書へ即反映し、顧客にとっての「最善」をアップデートし続ける。 【キャリアパス】 『事業家・経営者ルート』 コンサルティング営業として「AIによる事業変革」の実績を積んだ後は、GROWTH VERSEの営業責任者・事業責任者や、当社がM&Aを行う企業の経営幹部(事業再生・PMI担当)として、経営の一翼を担うキャリアパスが開かれています。

ご経験と志向性に合わせて、下記のような役割をお任せいたします。 【概要】 クライアントの事業課題を整理し、コールAI Agentを活用した導入提案を行うポジションです。 ※グループ会社で最大規模を誇る㈱電話放送局のメインプロダクトであるため、適性に応じてGV採用後に出向いただく可能性もございます 【詳細】 ・ターゲット戦略の立案・実行 通販、金融(地銀)などの注力バーティカル(業界)に対し、特有の業務課題に合わせたアプローチ戦略を策定。 ・新規開拓〜商談のリード(AE業務) 大手SIer等のアライアンスパートナーと連携したリード獲得。 BANT情報(予算・権限・ニーズ・時期)を緻密にコントロールし、決裁プロセスを並走して確実な成約へ導く。 ・コールAI Agentのソリューション提案 顧客の現状の業務フローをヒアリングし、どの工程をAIに置き換えるべきか、導入後のROI(投資対効果)を可視化して提案。 入社時点でのプロンプト知識は不問ですが、顧客の「不」を解消するロジックの構築を担っていただきます。 ・アジャイルな提案ブラッシュアップ 現場のフィードバックを即座にプロダクトや提案書へ反映し、常に顧客にとっての「最善」をアップデートし続ける。 【キャリアパス】 『事業家・経営者ルート』 コンサルティング営業として「AIによる事業変革」の実績を積んだ後は、GROWTH VERSEの営業責任者・事業責任者や、当社がM&Aを行う企業の経営幹部(事業再生・PMI担当)として、経営の一翼を担うキャリアパスが開かれています。

DHK(電話放送局)事業と本ポジションの位置づけ 「電話放送局(DHK)」は、長年コールセンター/電話業務の領域でサービスを提供してきた実績のある事業です。GVグループにジョイン以降はAI Agent「DHK CANVAS」をリリースし、コールセンター向け音声AI Agentとしての価値提供を広げています。 一方で、電話放送局時代から続くサービスも変わらず継続・稼働しており、現在も多くの顧客に使われ続けています。こうした経緯から、DHKのサービス群は現在オンプレ環境とクラウド環境の両方で稼働しています。 本ポジションが担当するオンプレ環境で稼働しているサービスは、まさにこの長年続いてきた事業の土台にあたります。安定運用があってこそ、DHK CANVASのようなAI Agentによる新しい価値提供も広がっていく——本ポジションは、この両輪を支える重要な役割です。 所属:株式会社GROWTH VERSE Technology部。同部からDHK(電話放送局)へ出向し、DHKサービス開発課・GVのDHKチームと協働する体制で稼働します。 レポートライン:VP of Technology(Technology部を統括)直下。 雇用形態の位置づけ:GROWTH VERSE正社員としての採用・雇用契約です。所属はGROWTH VERSE Technology部で、DHKへの出向という形でDHKの基盤運用に従事します。 主な業務内容 DHKのサービス群はオンプレ環境とクラウド環境が混在しており、本ポジションが担当するのはオンプレ環境で稼働しているサービスの運用・監視・改善です。 オンプレサーバー基盤の運用監視:データセンターに構築されたオンプレサーバーの日常監視・ヘルスチェック・キャパシティ管理 障害対応:一次切り分け、復旧対応、恒久対策の検討・実装 保守・メンテナンス:定期メンテナンス、パッチ適用、機器更改対応(通信交換機・PBX等、音声基盤特有の専用機器に触れる可能性があります) 運用自動化・トイル削減:Python・Goを用いた運用スクリプト・ツールの開発による定型作業の自動化 属人化解消のための体制構築:運用手順・障害対応ノウハウのドキュメント化、引き継ぎ体制の整備 (将来的な発展領域):基盤の安定運用を土台に、クラウド活用や基盤刷新の検討に関わる可能性があります 技術・環境 インフラ オンプレミスインフラ(データセンター基盤) 言語 Python Go(主に運用自動化・ツール開発) その他 音声基盤特有の専用機器(通信交換機・PBX等)を含む場合あり ※DHKの技術基盤はオンプレ環境とクラウド環境が混在しており、本ポジションが担当するのはオンプレ環境で稼働しているサービスです。実際の技術構成・業務範囲は基盤の状況により変動します。 キャリアパス GVのエンジニア像は、技術領域別の分業(フロントエンド/バックエンド/SRE/QA等)から、技術領域を超えて「フルサイクル(要件定義から運用まで一気通貫)+AI Agentのマネジメント」へと変化している過渡期にあります。 GVは入社時の職種・専門性を"入口"として尊重しつつ、育成・リスキリングを積極支援します(書籍・カンファレンス・社内勉強会・ローテーション等)。 短期的な成長の方向性: オンプレ基盤運用のプロフェッショナルとして、属人化のない安定運用体制を確立します。 中長期的な成長の方向性: オンプレ基盤の知見を土台に、クラウド活用・基盤刷新のリード、あるいは技術領域を横断するフルサイクル能力の獲得へと成長の方向性が広がっています。

概要 GROWTH VERSEおよび電話放送局(DHK)の両社を対象に、採用活動の推進を中核としつつ、人事企画・オンボーディング・労務関連業務まで担います。 詳細 採用活動の推進 事業責任者・現場マネージャーへのヒアリングに基づくJD作成、採用要件の整理 採用エージェント・ダイレクトリクルーティング媒体の運用、スカウト送信 カジュアル面談・一次面接の同席、面接日程調整・候補者体験の設計 オファー面談の運営、内定承諾までのフォロー 採用計画・KPI管理 採用ポジションの全社ダッシュボード化、進捗・歩留まりのモニタリング 採用エージェント・媒体のパフォーマンス分析、コスト最適化 オンボーディング設計・運用 入社時の手続き、メンター制度・立ち上がり支援プログラムの設計と運用 人事企画・制度運用 評価制度・等級制度の運用支援(一部設計補佐) 給与改定・賞与査定の事務局運営 労務・コンプライアンス 入退社手続き、就業規則の運用、各種人事関連の問い合わせ対応 AI/Agent活用による業務オペレーション設計 スカウト文生成・候補者管理・要件整理等の採用業務にAI/Agentを実装し、レバレッジを利かせる 経営層へのレポーティング 採用・人事KPIのモニタリングと改善提案 キャリアパス 短期:HRBP → シニアHRBP / 人事マネージャー 中長期: GROWTH VERSE本体の人事責任者 M&A買収先(グループ会社)の人事責任者 採用・組織開発のスペシャリスト

●ミッション 以下のミッションの実現をリードしていだだくことを期待しています。 ・プロダクトの安定稼働のためのSLA/SLO運用 ・クラウドコスト最適化:不要リソースの削除、コストの可視化・継続的な改善 ・トイル(運用負荷)の削減:手作業・繰り返し作業の自動化による運用効率化 ・AIエージェントを活用した運用自動化の推進 ●主な業務内容 ・AWS を中心としたインフラの設計・構築・運用 ・Infrastructure as Code(IaC)によるインフラ管理・整備 ・CI/CD パイプラインの構築・改善 ・クラウドコストの可視化と最適化 ・監視・オブザーバビリティ(New Relic等)による安定運用とSLA/SLO維持 ・運用トイルの洗い出しと自動化による削減 ・AIエージェントを活用した運用自動化の設計・実装 ・コンテナ環境(Docker など)の構築・運用

ミッション(優先度順) クライアント事業変革の技術的な主体となる クライアント(主に金融・規制産業の大手企業)の現場に深く入り込み、まだプロダクトのない事業・業務領域でも課題を発見・定義し、AI Agentによる解を設計・実装・定着まで一気通貫で担う技術の当事者となること。 AI AgentソリューションのゼロからのPoCおよび社会実装を完遂する プロダクト未整備領域でのAI Agentゼロ設計から本番運用まで、「使われる状態・成果が出る状態」まで確実に持ち込む。概念実証(PoC)で終わらせない。 クライアントとの技術的信頼関係を築き、案件を次フェーズへ拡張する 単なる導入・実装担当ではなく、クライアントの技術パートナーとして機能し、案件スコープの拡大・長期継続につなげる。 FDEとしての知見を組織に還元する クライアント現場で得た課題・解決策・失敗から学んだことを社内ナレッジとして体系化し、後続メンバーの立ち上がりを加速させる。 主な業務内容 [顧客業務のAI Agent化・Platform構築] ・顧客先の業務・意思決定プロセスを理解し、AI Agent で構築できる形に分解・再設計 ・GV の Agent Platform を土台に、顧客固有の AI Agent ソリューションをゼロから設計・実装・本番運用 ・LLM・RAG を活用した業務自動化アーキテクチャの設計(PoC ではなく本番実装) ・予測・最適化モデル(需要予測・LTV最大化・顧客離反予測等)の設計・社会実装 ・運用定着KPIの設定とモニタリング(活用率・業務インパクトの数値化) [顧客への伴走・定着] ・課題定義・要件定義・提案(技術担当者〜経営層まで幅広いオーディエンスへの説明) ・定例MTGのファシリテーション、進捗管理、リスク管理 ・顧客担当者(非エンジニア含む)へのハンズオン・研修設計 ・障害対応・問合せ対応・継続改善の仕組みづくり [セキュリティ・コンプライアンス対応] ・金融機関・規制産業特有のセキュリティ要件(ネットワーク分離、データ保護、監査ログ等)への対応 ・クライアント側のセキュリティ審査・NDA・情報取扱規程への準拠 活用する技術スタック(例) AIエージェント:OpenAI・Claude 等の LLM を用いた設計・実装 言語:Python / TypeScript が中心(実装言語は案件により異なります) クラウド:AWS 等(クラウド種別は顧客環境により異なります) Webアプリケーション開発・運用、クラウドインフラ構築・運用 LLM / RAG を活用した本番システム開発(PoC ではなく本番実装) ※実際の技術構成は案件特性により異なり、入場後に最適な技術選定を行います。 チーム構成 FDEは、案件ごとに4〜5名程度のチームを組成して対応します。案件の特性・フェーズに応じて最適なメンバーでチームを編成し、課題定義から AI Agent の設計・実装・定着までをチーム一体で担います。

ご経験と志向性に合わせて、プレイングリードからマネジメント、技術選定まで流動的に役割を担っていただく想定です。 ＜具体例＞ ・技術組織の牽引: レビュアーとしてコード品質を担保し、若手エンジニア育成や開発文化醸成へ関与 ・バックエンド開発: Go言語での信頼性・可用性を重視したシステム開発・運用 ・リアーキテクチャの推進: 将来的なスケールを見据えた、拡張性の高いシステム設計および実装 ・インフラ最適化: GCPの運用管理、コスト改善 ■ 技術スタック ・フロントエンド: React、TypeScript ・バックエンド: Go、Echo、Python ・インフラ: GCP (Cloud Run、Cloud SQL等) ・データベース: Cloud SQL(PostgreSQL) ・開発環境: GitHub、Docker、GitHub Actions、Cloud Build、Terraform、Cursor、Claude Code ■ 開発スタイル/働き方 ・フルリモート、フレックスで柔軟な働き方 ・1週間スプリントでのアジャイル/スクラム開発 ・Cursorなどの生成AIを活用した効率的な開発

●職務概要 最先端の統計解析、機械学習、そしてLLM(大規模言語モデル)をはじめとする生成AI技術を駆使し、ビジネス課題の解決を推進します。 単なる分析PoC(概念実証)で終わらせるのではなく、データから得た示唆をアルゴリズムとして実装し、システム化・プロダクト化することで、「継続的なビジネス成果」を創出することがミッションです。 ●業務内容 プロジェクトの最上流から参画し、ビジネス課題の特定からアルゴリズムの選定、実装、社会実装まで一気通貫で携わっていただきます。 ・生成AI・LLM活用: RAG(検索拡張生成)を用いた社内知見の活用支援や、LLMによる業務自動化・コンテンツ生成アルゴリズムの技術検証およびシステム開発。 ・予測・最適化モデル構築: 需要予測、顧客離反予測、LTV最大化、マーケティング最適化など、大規模データを活用した数理モデルの設計。 ・社会実装とMLOps: 構築したモデルをWeb API等へ組み込み、運用・改善サイクルを回すことで、実ビジネスで活用され続ける仕組みの構築。 ・研究開発(R&D): 最新論文の調査・トレースを行い、最先端技術を商用利用可能なレベルまで引き上げる研究開発。 ・ステークホルダーとの折衝: クライアントや事業部門に対し、分析結果のレポーティングや、技術的背景に基づいた戦略的な意思決定の支援。