ストックオプション（信託型等）あり ITエンジニアの求人・転職情報

クライアント企業の業務課題に対して、AI・RPA・ローコード・クラウドなどを活用し、業務改善からシステムの設計・開発・導入まで一気通貫で支援します。 一般的な開発会社との大きな違いは、 「何をつくるか」が最初から決まっているとは限らないこと。 まず現場の業務を知り、 課題を見つける ↓ どう変えるかを考える ↓ 最適なテクノロジーを選ぶ ↓ 実際につくる ↓ 現場で使われるところまで支援する ところまでがITSOの仕事です。 具体的には ・クライアントへの業務ヒアリング ・As-Is業務／業務フローの整理 ・自動化候補業務の選定 ・要件定義、仕様策定 ・RPAシナリオの設計・開発 ・テスト、リリース ・既存RPAの改修、保守 ・障害対応、原因分析、再発防止 ・RPA運用ルール／ガバナンス整備 ・業務改善／BPR支援 ・Power Platform等を活用した業務アプリ開発 ・生成AI等を組み合わせた次世代業務自動化

このポジションでは、VPoT直下で特定のプロダクトに限定されない横断的な技術課題に取り組みます。業務は大きく2つの側面があります。 【1. 全社基盤・未解決領域の実現】 ・技術POCと新規領域の実装 — 新規事業仮説や技術的課題に対し、生成AIをフル活用して迅速にプロトタイプを構築・検証 ・プロダクト横断基盤の企画・構築 — 複数事業にまたがるデータ分析基盤、顧客基盤、マスタデータ管理、認証基盤などの整備・運用 ・プロダクト間連携の中間システム開発 — 複数プロダクトを統合するAPIやデータパイプラインの設計・構築 【2. プロダクトチームの支援・能力向上】 ・複雑度の高い技術課題(アーキテクチャ分離、信頼性改善等)への、設計リード・並走 ・設計レビュー・壁打ち・モブプログラミングを通じた、各チームのテックリード・エンジニアへの技術支援 ・生成AI活用の全社推進 — ハンズオン実施、スキル・ワークフローの整備、エンジニア以外の部門への活用展開 ・チームの開発プロセス改善支援(スクラムイベントのファシリテート等) 支援においては「人手の貸し出し」ではなく、関与が終わった後にチームに高まった能力が残ることを大切にしていきます。2つの側面の配分は固定せず、組織の状況に応じて優先度を判断しながら取り組みます。 【業務内容】 雇入れ直後:システム開発部 変更の範囲:会社の定める業務 ●開発環境 POCの開発や特定のプロダクトに限らない開発を行うため使用する言語やフレームワークは多岐にわたります。ここでは一例を記載します。 ・開発言語/フレームワーク等: 　-Backend: Ruby on Rails、Kotlin、Java、Go 　-Frontend: TypeScript、React、Vue.js 　-特性: 特定の言語・フレームワークに限定せず、プロダクトやチームの最適な技術選択に対応する横断開発ポジション 　-DB: PostgreSQL、MySQL ・インフラ: AWS(EC2, S3, RDS, Lambda, CodeBuild等)、GCP(Firebase, BigQuery, Cloud Functions等) ・バージョン管理: Git/GitHub ・CI/CD: GitHub Actions、Jenkins、CircleCI、AWS CodeBuild ・AI開発支援ツール: Claude(Claude API、Claude Code)、GitHub Copilot、Gemini、Devin ・コミュニケーション: Slack, Notion, Google Workspace 【作業環境】 ・Mac Book Pro / Air (機種・キーボードレイアウト選択可)支給 ・外付けモニター: フリーアドレスで利用可能 ・フリーアドレス制なので、気分に合わせて好きな場所で作業可能 ●キャリアパス 領域を限定せずに広くチャレンジすることが歓迎されるカルチャーが浸透し、「本人の意志・志向性に応じて、柔軟に役割を広げていく」考え方がベースにあります。 横断開発という特殊なポジションは、通常のチーム開発では得られない成長機会を提供します。複数プロダクトの技術スタックやアーキテクチャを経験しトレードオフの判断力が養われるほか、基盤層の開発知見をプロダクト開発へ展開する循環が生まれます。VPoTと共に部全体の技術戦略を策定し、他チームをリードする立場へのキャリアも開かれています。 ▼キャリア事例 ・入社5年目でVPoTにキャリアアップ ・20代でエンジニアリングマネージャーにキャリアアップ ・新卒2年目でカスタマーサクセスに挑戦するメンバー ・エンジニアからPdMへキャリアチェンジ 等 年齢を問わずご活躍できるフィールドがあり、20-30代の若手メンバーも多く活躍しています! また横断組織は今後も継続的に拡大していく計画です。組織の成長に伴い、プラットフォーム機能やイネイブリング機能の専門チーム化を見込んでおり、その立ち上げをリードするポジションへの道が開かれています。初期メンバーとして入ることで、組織設計そのものに関与する機会があります。 ●配属組織 本ポジションはシステム開発部直下に配属されます。通常のチームベースの組織構成とは異なり、部直下のエンジニアとしてVPoTとともにdev全体に横断的に関わる責務を担当します。 エンジニアチームだけでなく、PdM、セールス、CS、それぞれのチームと関わり、一緒に協力して取り組むことを大切にしています。 ▶︎[開発組織の体制について/VPoE・VPoTのインタビューはこちら](https://note.com/hacobell/n/n77ab6e3a81fe) ●カルチャー ・スクラム開発を推進 ・積極的なペアプロやモブプロ ・週次でチーム横断のエンジニア定例 ・自発的な勉強会やハッカソンの開催 ・VPoEやEMとの1on1 ・メンター役が伴走するオンボード支援 ・生成AIをフルに活用した開発スタイルを全社的に推進。チーム内での学習・議論を常に行い、技術の進化に合わせて開発スタイルを進化させ続けている ●AI活用状況 【開発プロセスそのものをAIで作り替えている組織です】 ハコベルにとってAI活用は、個人の生産性ツールではなく経営アジェンダです。プロダクト戦略と対になる「Tech戦略」の中で「AI自律開発による開発生産性10x」を経営レベルの方針として定義し、開発組織のファーストプライオリティに位置づけています。 私たちが取り組んでいるのは、コーディングをAIに委託することではありません。 ・要件定義: 開発マイルストーン→PBI→SBIへの分割・プランニングをAIが担い、NotionをSSoTとして運用 ・設計: 実装前にAIとdesign.md/ADRを作成し、設計判断は組織の資産として蓄積 ・実装: 複数サブエージェントによる並列実装を含め、AI主体の実装が全チームで稼働 ・レビュー: design.mdとの差分ベースのレビューや、観点別レビューエージェントの整備 ・QA: ケース自動生成、Gherkin×PlaywrightによるE2E自動化 といったように開発フローの全工程をAIが自律的に駆動できる形に再設計している最中です。AIが安全かつ有効に動ける環境・コードベース・ワークフローそのものを設計する「ハーネスエンジニアリング」に組織として取り組んでおり、「AI活用推進会」で各チームの知見を集約・横展開しています。成果・進捗はDORAメトリクス(デプロイ頻度・リードタイムなど)や実装量で計測し組織的に前進させています。 しかし、正直に言えばまだまだ道半ばです。実装のAI化が進んだ結果、レビューとQAが新たなボトルネックとして顕在化しており、まさに今この構造問題を解いているフェーズです。「完成されたAI開発環境を使う」のではなく、「AI時代の開発のあり方を自分の手で定義する」ことに面白さを感じる方に入社いただき、試行錯誤も含めてチャレンジしていきたいと考えています。

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)

自社プロダクトであるSaaS「SmartF」の受注が決まったお客さまに対して、経営課題や業務課題をヒアリングし、導入に向けてプロジェクト推進していくポジションとなります。3カ月～半年程かけてシステム導入～運用支援を行います。 システムは、導入することは目的ではなく、導入して利用できて初めて価値を発揮します。 お客さまがシステムを活用し、課題解決ができるよう伴走してくことがミッションです。 ・システム導入に向けた経営・業務課題のヒアリング ・業務改善提案や業務フローに応じたシステム設定 ・システム導入のPM業務(プロジェクトマネジメント) ・現場への運用説明・マニュアル構築 ・機能開発に向けたFBと案件管理(バックログ管理)　等 プロダクトに関する要望を最もいただくポジションでもあり、その声を開発部門へフィードバックをしていき、プロダクトのさらなる成長にも貢献します。 ※従事すべき業務の変更の範囲:会社の定める業務 組織について 導入支援部に配属となります。 ・人数:25名 ・チーム:4チーム(大阪3チーム、東京1チーム) 業務の進め方 お客様ごとにプロジェクトチームを構成します。 コンサルタント、オンボーディング担当、アシスタントで主に構成します。 オンラインでの対応を中心としていますが、必要に応じてお客様のもとに訪問も発生します。 営業から引き継いだらキックオフミーティングを開催し、お客様の要望を落とし込み運用やシステム要件を検討していきます。 教育体制について 入社後はまずは動画コンテンツなどで製造業や生産管理の理解を深めます。 その後、システム理解を深めるための学習コンテンツをおこない、システム利用の基礎を学びます。 インプットをしつつ、実際の案件にも入っていき、実践的に学んでいきます。 この時、バディ制度として先輩社員が教育担当としてつき、約4カ月～半年かけて独りで案件を担当できるようにサポートしていきます。 キャリアパス 皆さんのwill(やりたいこと)に応じて、以下のようなキャリアパスが想定されます。 ・スペシャリスト: 導入コンサルタントとして専門性を磨き、より大規模で複雑な案件をリードするトップコンサルタントを目指す。 ・マネジメント: チームリーダーとしてメンバーの育成やチームの成果最大化に貢献する。 ・プロダクト企画(PdM): 「Smart F」の機能開発や新プロダクトの企画を担うプロダクト企画などにもチャレンジ可能です。 ・事業開発: 導入支援の事業そのものやこれから始める新規事業の企画・推進を担うポジションへの挑戦。 はたらく環境 忙しい中でも仕事もプライベートも料率できるように以下のような制度を整えています。 ・フレックス制(コアタイム10〜16時) ・リモートワーク(出勤と組み合わせたハイブリット勤務が可能) ・時短正社員制度(子供の年齢による制限や、期限等もなし) ・アニバーサリーギフト(家族やパートナー、ペットの特別な日に対し、祝い金と休暇を会社からプレゼント) 実際に時短正社員として、子供を育てながら働いている社員も多数在籍しており、一人一人のライフスタイルに合わせた業務ミッションを任せています。

運送会社向けクラウド業務支援システム「トラックマネージャー」の開発・保守をお任せします。 ハコベルではエンジニアも、プロダクトマネジャーやカスタマーサポートと共にヒアリング、オンボードなどを通した理解を大事にしています。 良い品質のプロダクト開発とユーザーの理解両方を通してユーザーの体験、提供できる価値を最大化できるようなアクションに共感できるような方を募集しています。 具体例 ・新機能の設計・実装(バックエンド / フロントエンド) ・GraphQL APIの設計・実装 ・既存機能の改善・バグ修正 ・コードレビュー、テスト整備 ・PMI(事業譲渡後の統合)に伴うシステム改善 ●開発環境 フレームワーク : Ruby 3.2 / Rails 7.1 フロントエンド : React 18 / TypeScript 5.1 / Apollo Client (GraphQL) デザインツール:Figma など データベース : Amazon RDS インフラ : AWS (ECS) バージョン管理 : Git/GitHub コミュニケーション/タスク管理 : Slack, Google Meet, Notion ●キャリアパス 領域を限定せずに広くチャレンジすることが歓迎されるカルチャーが浸透し、 「本人の意志・志向性に応じて、柔軟に役割を広げていく」考え方がベースにあります。 ▼キャリア事例 ・入社5年目でVPoTにキャリアアップ ・20代でエンジニアリングマネージャーにキャリアアップ ・新卒2年目でカスタマーサクセスに挑戦するメンバー ・エンジニアからPdMへキャリアチェンジ 等 年齢を問わずご活躍できるフィールドがあり、20-30代の若手メンバーが活躍しています! ●配属組織 配属されるトラックマネージャーシステムGは、4名のメンバーが在籍しています。 EM含むエンジニア3名とPdMの体制で開発をおこなっており、開発領域は区切らずにフルスタックエンジニアとして全ての領域に全員でチャレンジをしております。 エンジニアチームだけでなく、PdM、セールス、CS、それぞれのチームと関わり、一緒に協力して取り組むことを大切にしています。 ▼在籍メンバー例 ・EM坂東 ・TL北川 ●カルチャー ・スクラム開発を推進 ・週次でチーム横断のエンジニア定例 ・自発的な勉強会やハッカソンの開催 ・VPoEやEMとの1on1 ・メンター役が伴走するオンボード支援 ●作業環境 ・Mac Book Pro / Air (機種・キーボードレイアウト選択可)支給 ・外付けモニター: フリーアドレスで利用可能 ・フリーアドレス制なので、気分に合わせて好きな場所で作業可能 【業務内容】 雇入れ直後:システム開発部 変更の範囲:会社の定める業務

ハコベルの物流DXシステムである「ハコベル配車管理」「ハコベル配車計画」のサーバサイド・フロントエンドの開発をお任せします。 ハコベルではエンジニアも、プロダクトマネジャーやカスタマーサポートと共にヒアリング、オンボードなどを通した理解を大事にしています。 良い品質のプロダクト開発とユーザーの理解両方を通してユーザーの体験、提供できる価値を最大化できるようなアクションに共感できるような方を募集しています。 <具体的には…> ・BizやPdMメンバーと連携し、担当プロダクトのビジョン、目標達成に向けての開発および運用 ・担当プロダクトがユーザーに提供する価値を理解し、その実現方法を検討・実践 ・TLと連携したプログラミング言語やフレームワーク、ライブラリの技術調査・選択 ・担当プロダクトの安定した運用と定期的な改善サイクルの実現 ●開発環境 ・バックエンド: Ruby, Ruby on Rails, Go ・フロントエンド: TypeScript, React ・API/スキーマ定義: Swagger, GraphQL, Protocol Buffers ・インフラ: AWS (ECS, EC2, RDS/Aurora, DynamoDB, S3, SQS, Lambda, etc), Docker ・バージョン管理: Git/GitHub ・CI/CD: CircleCI, GitHub Actions, CodeBuild ・AIツール: Claude Code, GitHub Copilot, Devin, Gemini ・コミュニケーション: Slack, Notion, Google Workspace ●作業環境 ・Mac Book Pro / Air (機種・キーボードレイアウト選択可)支給 ・外付けモニター: フリーアドレスで利用可能 ・フリーアドレス制なので、気分に合わせて好きな場所で作業可能 ●キャリアパス 領域を限定せずに広くチャレンジすることが歓迎されるカルチャーが浸透し、 「本人の意志・志向性に応じて、柔軟に役割を広げていく」考え方がベースにあります。 <キャリア事例> ・入社5年目でVPoTにキャリアアップ ・20代でエンジニアリングマネージャーにキャリアアップ ・新卒2年目でカスタマーサクセスに挑戦するメンバー ・エンジニアからPdMへキャリアチェンジ 等 年齢を問わずご活躍できるフィールドがあり、20-30代の若手メンバーが活躍しています! ●配属組織 配属されるシステム開発部TMSソリューションシステムGは、7名のメンバーが在籍しています。 <在籍メンバー例> ・EM吉岡 　https://note.com/hacobell/n/n2d873ca7971c ・堀崎 　https://note.com/hacobell/n/n169ca16fd0b9 エンジニアチームだけでなく、PdM、セールス、CS、それぞれのチームと関わり、一緒に協力して取り組むことを大切にしています。 ●カルチャー ・スクラム開発を推進 ・積極的なペアプロやモブプロ ・週次でチーム横断のエンジニア定例 ・自発的な勉強会やハッカソンの開催 ・VPoEやEMとの1on1 ・メンター役が伴走するオンボード支援 ●AI活用状況 【開発プロセスそのものをAIで作り替えている組織です】 ハコベルにとってAI活用は、個人の生産性ツールではなく経営アジェンダです。プロダクト戦略と対になる「Tech戦略」の中で「AI自律開発による開発生産性10x」を経営レベルの方針として定義し、開発組織のファーストプライオリティに位置づけています。 私たちが取り組んでいるのは、コーディングをAIに委託することではありません。 ・要件定義: 開発マイルストーン→PBI→SBIへの分割・プランニングをAIが担い、NotionをSSoTとして運用 ・設計: 実装前にAIとdesign.md/ADRを作成し、設計判断は組織の資産として蓄積 ・実装: 複数サブエージェントによる並列実装を含め、AI主体の実装が全チームで稼働 ・レビュー: design.mdとの差分ベースのレビューや、観点別レビューエージェントの整備 ・QA: ケース自動生成、Gherkin×PlaywrightによるE2E自動化 といったように開発フローの全工程をAIが自律的に駆動できる形に再設計している最中です。AIが安全かつ有効に動ける環境・コードベース・ワークフローそのものを設計する「ハーネスエンジニアリング」に組織として取り組んでおり、「AI活用推進会」で各チームの知見を集約・横展開しています。成果・進捗はDORAメトリクス(デプロイ頻度・リードタイムなど)や実装量で計測し組織的に前進させています。 しかし、正直に言えばまだまだ道半ばです。実装のAI化が進んだ結果、レビューとQAが新たなボトルネックとして顕在化しており、まさに今この構造問題を解いているフェーズです。「完成されたAI開発環境を使う」のではなく、「AI時代の開発のあり方を自分の手で定義する」ことに面白さを感じる方に入社いただき、試行錯誤も含めてチャレンジしていきたいと考えています。 【業務内容】 雇入れ直後:システム開発部 変更の範囲:会社の定める業務

・Bring Out の対話解析AIを、顧客のシステム基盤(CRM / SFA / 音声解析 / ERPなど)に統合 ・API設計・連携、LLM・RAG・音声認識などの要素を組み合わせた新ユースケースのアーキテクチャ設計 ・複雑な非構造データを処理する解析パイプラインの最適化・汎化設計 ・クライアント課題をもとにした高速PoC〜MVP開発 ・OpenAI / Anthropic / Vertex AI など各種モデルを用いたLLM統合・パフォーマンス検証 ・新しい対話解析ユースケースの技術検証・再利用可能な仕組み化 ・BizDev・AI・Backend チームと協働し、現場実装の知見を設計原則に昇華 ・技術的リスクを特定し、再現性ある開発プロセスを設計 ・技術標準化・共通モジュール化を推進し、プロダクトのスケーラビリティを向上 技術スタック ・バックエンド: Node.js, TypeScript, Python, GraphQL ・データストア: PostgreSQL, AWS S3, DynamoDB ・インフラ系: AWS, Terraform, Docker, CircleCI

Directorは、マッキンゼー、BCG、アクセンチュアなどコンサルファーム出身者を中心に構成される Deployment Strategist 部門をリードします。当部門では、最先端のデータ解析AIを活用して顧客の一次情報を自由自在に解析し、様々な業界・業種の経営課題を解くための新たなユースケースの開拓を担っています。戦略提言に留まらず、見つけ出した経営示唆をプロダクトに埋め込むことで、顧客の意思決定を変革し続けます。 また、業界ごとの変革テーマを定義し、トップマネジメントとの関係を築き、戦略から実装まで一気通貫で事業を組み立てる責任者です。若手・中堅メンバーをリードし、エンジニアを含む各領域のプロフェッショナルと組んだ総力戦チームで顧客に成果を届け、そこから事業ポートフォリオを広げていく。コンサルティング・プロダクト・事業創造を一つの組織で握る役割です。 個別顧客レベルで担う「経営視点 × 現場視点 × AI 実装力」の三点を束ねる経験を、業界 Practice として束ね直す立場でもあります。 対話データ × AI を活用した新規変革テーマの構想 業界別 Practice の立ち上げと、勝ちパターンのユースケース化 事業ポートフォリオ戦略の立案 大企業トップマネジメントとの関係構築 経営アジェンダに基づく提案活動と意思決定リード 戦略パートナーシップの設計 DS(Deployment Strategist)チームを率いた受注案件のデリバリー Prompt Expert / Adaption Success / Engineer との連携による実装品質の担保 経営層レビューと成果検証 各ユースケースのサブプロダクト化・アライアンス形成 メンバー育成・採用への関与 再現性ある成長モデルと組織体制の構築

●企業のデジタルマーケティング活動の自動化・効率化を実現するMAツールの導入・定着支援をお任せ! お任せするのは、企業のマーケティング活動の自動化・効率化するためのMAツール導入・定着支援です! 対応ツールはSalesforce Account Engagement、Salesforce Marketing Cloud、HubSpotなど幅広く対応しています。 ツールのエンジニアリングだけではなく、マーケティング活動の効率化・最適化・戦略実行のご支援を行います! ●クライアントは大手企業が多数! ・大手銀行のメールマーケティング業務支援 ・大手ドラッグストアのショッピングアプリから購買を増やすための運用支援 ・大手通信会社の新規見込み顧客獲得の施策提案や営業チームへの連携最適化支援 など、BtoC・BtoB問わず身近なあの企業のマーケティング業務に携わって、活躍できます。 ●お仕事内容 ※適性・希望に合わせて以下業務をお任せします。 ・Salesforce Marketing Cloud/Salesforce Account Engagement/HubSpot導入に際しての要件定義・設計・実装 ・カスタマージャーニーやオートメーションのシナリオ企画・実装 ・運用フロー構築、改善提案 ・マーケティングの戦略立案・効果検証 例えば… ・顧客の属性に合わせたメール、広告の出し分け ・メール開封やクリック、商品購買など個人の行動やタイミングにあわせてメールを自動配信 ・効果検証の分析から次のマーケティング施策の設計 など、1to1マーケティングを設計・実装し、最大限の効果を得られるようにPDCAを回していきます。 実務によりマーケティングやMAツールの経験を積んでいただいた後は、運用だけではなくコンサルタントやプロジェクトリーダーとして導入案件に関わり、ステップアップしていきましょう!

●Salesforce導入済企業の定着化を推進 Salesforce/Tableauを軸にクライアントの業務・組織を変革し、ビジネスを成功に導く「カスタマーサクセス」をお任せします。 導入企業が増え続ける一方、活用方法が分からず「導入しただけ」で留まっている企業も多いのが現状です。 加えて「導入」を専門にしたベンダーは数多くありますが、当社は「定着支援」に特化した数少ない、希少価値の高いポジションです。 ●クライアントは Salesforceを導入をしたけれども活用方法に悩んでいる企業がクライアント。業界は多種多様です。 「現場のメンバーが利用してくれない」「どう活かせば良いかわからない」「導入前と導入後で変化がない」といったさまざまな課題を解決します。 ●お仕事内容 ※適性・希望に合わせて以下業務をお任せします。 (1)Salesforce×カスタマーサクセス ・現状の業務や実装内容の把握、課題の抽出、KPIの再設計 ・カスタマイズ(ノーコード・ローコード) ・ユーザー向けトレーニング、マニュアル作成 など ⇒将来的に開発エンジニアやプロジェクトマネージャに興味がある方や、Salesforceのスペシャリストを目指したい方向けのキャリアもありますので、大歓迎です! (2)Tableau×カスタマーサクセス ・データの加工、分析、可視化 ・データの活用推進 ・ユーザー向けトレニング、勉強会の実施 など ⇒データサイエンティスト、データアナリストを目指したい方や、分析スキルを高めたい方、大歓迎です! ★セールスフォース・ジャパンと共同開発したデータ活用人材育成サービス「Tableau Date Cruise 」もスタート https://prtimes.jp/main/html/rd/p/000000043.000075130.html

●Salesforce導入済企業の定着化を推進 Salesforce/Tableauを軸にクライアントの営業業務・組織を変革し、ビジネスを成功に導く「カスタマーサクセス」をお任せします。 導入企業が増え続ける一方、活用方法が分からず「導入しただけ」で留まっている企業も多いのが現状です。 加えて「導入・システム開発」を専門にしたベンダーは数多くありますが、当社は「定着・活用支援」に特化した数少ない、希少価値の高いポジションです。 ●クライアントは Salesforceを導入をしたけれども活用方法に悩んでいる大手企業がクライアント。業界は多種多様です。 「現場のメンバーが利用してくれない」「どう活かせば良いかわからない」「導入前と導入後で変化がない」といったさまざまな課題を解決します。大手企業の営業変革プロジェクトに関わる事ができ、非常にやりがいのあるお仕事です! ●お仕事内容 ※適性・希望に合わせて以下業務をお任せします。 (1)Salesforce×カスタマーサクセス これまでのご経験から対応可能な範囲からお任せしてますのでご安心ください! ・現状の業務や実装内容の把握、課題の抽出、KPIの再設計 ・カスタマイズ(ノーコード・ローコード・プロコード) ・ユーザー向けトレーニング、マニュアル作成 ⇒将来的に開発エンジニアやプロジェクトマネージャに興味がある方や、Salesforceのスペシャリストを目指したい方  向けのキャリアもありますので、大歓迎です! (2)Tableau×カスタマーサクセス ・データの加工、分析、可視化 ・データの活用推進 ・ユーザー向けトレニング、勉強会の実施 など ⇒データサイエンティスト、データアナリストを目指したい方や、分析スキルを高めたい方、大歓迎です! ★セールスフォース・ジャパンと共同開発したデータ活用人材育成サービス「Tableau Date Cruise 」もスタート https://prtimes.jp/main/html/rd/p/000000043.000075130.html

「ハコベル運送手配」(軽貨物・一般貨物)のフロントエンド領域において、技術方針の策定からアーキテクチャ設計・実装までをリードしていただきます。 現在のフロントエンドはVue.jsで構成されていますが、システムリプレイスプロジェクトが進行中で、React.js + TypeScriptへの移行を進めています。既存コードベースの保守と新アーキテクチャの設計・実装を並行して推進するフェーズであり、中長期の開発速度と品質を両立させるための技術的な意思決定が求められるポジションです。 フロントエンドが主軸ですが、Ruby on Railsで構成されたバックエンドにも拾える範囲で踏み込み、機能開発をフロント〜API層まで一気通貫で完結させることも歓迎しています。PdMやデザイナーとの仕様策定にも深く関わりながら、チーム全体のフロントエンド開発力を底上げする役割を期待しています。 具体的には・・・ ・フロントエンドのアーキテクチャ設計・技術選定・方針策定 ・React.js / TypeScriptを用いた新規設計・実装 ・Vue.jsからReact.jsへのリプレイス計画の推進・実行 ・コードレビューや設計レビューを通じたチームの技術力の底上げ ・パフォーマンス改善、テスト戦略の策定と推進(Jest, Playwright等) ・PdM・デザイナーと連携したUI/UX仕様の検討・フィードバック ・API設計やバックエンドの実装など、フロントエンドに閉じない領域への挑戦 【業務内容】 雇入れ直後:システム開発部 変更の範囲:会社の定める業務 ●開発環境 ・バックエンド: Ruby, Ruby on Rails, Docker ・インフラストラクチャ: AWS(EC2, S3, RDS + Aurora, etc), GCP(Firebase, BigQuery, CloudFunctions, etc) ・フロントエンド: TypeScript, Vue.js, React.js ・テスト環境: Rspec, Jest, Playwright ・バージョン管理: Git/GitHub ・CI/CD: Jenkins, CodeBuild, CircleCI ・開発・運用支援: Sentry, Datadog, GitHub Copilot ・コミュニケーション: Slack, Notion, Google Meet ●キャリアパス 領域を限定せずに広くチャレンジすることが歓迎されるカルチャーが浸透し、「本人の意志・志向性に応じて、柔軟に役割を広げていく」考え方がベースにあります。 ハコベルでは複数プロダクトを展開しており、プロダクトごとに使用する言語が異なります。 ご希望やポジション状況によって、他言語のプロダクト開発に領域を広げていくことも選択肢としてございます。 ▼キャリア事例 ・入社5年目でVPoTにキャリアアップ ・20代でエンジニアリングマネージャーにキャリアアップ ・新卒2年目でカスタマーサクセスに挑戦するメンバー ・エンジニアからPdMへキャリアチェンジ 等 年齢を問わずご活躍できるフィールドがあり、20-30代の若手メンバーが活躍しています!

物流DXプロダクトである「トラック簿」の開発をお任せします。 物流業界に対する高い解像度をもとに、現場の課題やニーズを的確に捉え、それらを技術的な最適解へと昇華していくことが求められます。 単なる機能開発にとどまらず、ユーザー体験や業務変革の視点を持ち、プロダクトを通じて業界全体にインパクトを与えていく役割を担っていただきます。また、技術的な意思決定やチームの開発推進をリードし、メンバーを牽引する存在としての活躍を期待しています。 【具体的な業務内容】 ・BizやPdMメンバーと連携し、プロダクトのビジョン、目標達成に向けての開発および運用 ・プロダクトがユーザーに提供する価値を理解し、その実現方法を検討・実践 ・プロダクトの安定した運用と定期的な改善サイクルの実現 ・技術的な意思決定やアーキテクチャ設計をリードし、開発チームを牽引 ・メンバーへの技術支援や、AIの開発プロセスへの導入・定着を主導し、チーム全体の開発力を底上げ 【業務内容】雇入れ直後:システム開発部/変更の範囲:会社の定める業務 ●開発環境 ・開発言語/フレームワーク等: 　-Backend: Kotlin, Java 　-DB: PostgreSQL 　-Frontend: TypeScript, React 　-Mobile App: Flutter, Dart ・インフラ: AWS,Firebase,GCP ・バージョン管理: Git/GitHub ・CI/CD: GitHub Actions ・コミュニケーション: Slack, Notion, Google Workspace ●作業環境 ・Mac Book Pro / Air (機種・キーボードレイアウト選択可)支給 ・外付けモニター: フリーアドレスで利用可能 ・フリーアドレス制なので、気分に合わせて好きな場所で作業可能 ●キャリアパス例 領域を限定せずに広くチャレンジすることが歓迎されるカルチャーが浸透し、 「本人の意志・志向性に応じて、柔軟に役割を広げていく」考え方がベースにあります。 【キャリア事例】 ・入社5年目でVPoTにキャリアアップ ・20代でエンジニアリングマネージャーにキャリアアップ ・新卒2年目でカスタマーサクセスに挑戦するメンバー ・エンジニアからPdMへキャリアチェンジ 等 年齢を問わずご活躍できるフィールドがあり、20-30代の若手メンバーが活躍しています!

【ミッション】 業務課題の洗い出しから解決策の立案、実行までを担い、お客様の業務改革を主導していただきます。指示待ちではなく、自ら現場に入り込んで業務を理解し、適切なテクノロジーを選定・導入し、現場に定着させるところまで責任を持って推進する力が求められます。 【具体的なプロジェクト例】 現在、九州支店で進行している代表的なプロジェクトは以下の通りです。 ● CASE 01:Power Platform を活用したデジタライゼーション推進プロジェクト 　対象顧客・業界: 大手自動車部品メーカー 　プロジェクト概要: 工場現場における紙ベースの記録・運用文化からの脱却を目的に、Microsoft 365 と Power Platform を活用したデジタル化を推進。デジタライゼーション推進チーム(マネジメント/M365活用/SaaS導入/システム内製)を社内に立ち上げ、内部人材のケイパビリティ獲得まで伴走する。 　役割: PMO として、課題の洗い出し・優先順位付け・打ち手選定、M365 実働支援、社内人材向けハンズオン研修の設計と実施支援、推進体制の構築 ● CASE 02:生成AI 活用推進プロジェクト(AI CoE 構築) 　対象顧客・業界: 大手素材メーカー/大手物流企業 　プロジェクト概要: 「生成AI に対する期待はあるが、具体的に何をすべきかわからない」状態から、全社的な活用文化への変革を支援。生成AI 概念資料の整備、ハンズオン研修、プロンプト集作成、活用コンテスト、社内ポータル構築、Copilot Studio を用いた業務自動化、AI CoE(Center of Excellence)立ち上げまでを一気通貫で伴走する。 　役割: PM として、活用ロードマップの策定、施策(教育・啓発/技術支援/コミュニティ形成)の企画・実行管理、各部署とのニーズヒアリングと合意形成、利用促進状況のモニタリング ● CASE 03:グループDX推進体制構築プロジェクト 　対象顧客・業界: 大手持株会社(複数事業会社を持つグループ企業) 　プロジェクト概要: HD全体のDXを推進するため、「DX推進室」「IT検討委員会」「現場個別施策」の3層構造を段階的に構築。電子契約システム導入、AIエージェント開発、データ利活用などの個別プロジェクトを並行して進めながら、グループシナジーを創出する。 　役割: PMO として、HDと各事業会社・各部門間の利害調整、ベンダーマネジメント、施策間の連携推進、マイルストーン管理、経営層への報告

ミッション:地場企業のDXを「隣」で支える 九州エリアを代表する企業のパートナーとして、ビジネスの成功に直結するシステム開発を推進します。 私たちが大切にしているのは、指示通りの開発を行うことではなく、顧客の隣で本質的な課題を議論し、解決策を提案・実装する『 0次DX 』というスタイルです。エンジニアの技術力を、そのまま地元企業の成長と活気へと繋げることが最大のミッションです。 想定業務およびプロジェクト例 クライアントの一員のような距離感で、要件定義から設計・開発まで幅広く携わっていただきます。最近はAIを積極的に活用するプロジェクトも増えています。 1.国内最大級インターネットサービス開発 大手インターネットサービス事業者が提供するホスティングサービスやプロバイダー事業にまつわるシステム開発に携わっていただきます。 技術スタック: C#, TypeScript, React, ASP.NET Core, AWS, MongoDB　等 特色: AI駆動開発(Devin, Claude Code等)の積極導入。マーケターや営業部門と直接折衝し、サービス改善をリードします。 2.大手金融機関向け・資産運用/ライフプラン提案システム開発 投資信託分析やライフプランシミュレーション等、エンドユーザー(行員・顧客)が直接触れる業務支援システムの開発に携わっていただきます。 技術スタック: Java, Kotlin, Spring Boot, React, Vue.js, Docker, AWS　等 特色: エンドユーザーと直接コミュニケーションを取り、アジャイル・スクラム開発で、現場の声を即座に反映させるスピード感のある開発です。

顧客である大手事業会社に対して、顧客直で開発プロジェクトへ参画していただきます。 弊社の現場マネージャー、エンジニアと一緒に、ISTチームとして上流から下流まで一気通貫で携わっていただきます。 ■業務詳細 要件定義～設計～開発～テスト～リリース・リリース後対応など、 上流から下流まで一気通貫でご対応いただきます。 参画直後は、ご自身のこれまでの経験+αをお任せして、 徐々に対応範囲を広げていっていただくケースが多いです。 弊社社員がいる現場(3名～20名)で、業務インプットの支援体制などもある環境で入っていただけるので、 参画からの立ち上がりもスムーズに行えます。 ※案件事例※ ①業務内容 大手証券会社のAI CoE組織にて、LLMと連携したAIアプリケーションのバックエンド開発をご担当いただきます。 AIを活用した新規アプリケーション開発、および既存アプリケーションのエンハンス開発が主な業務です。 アジャイル(スクラム)開発を採用しており、企画段階から顧客と密に連携し、 要件定義、設計、実装、テスト、リリースまで一気通貫で携わっていただきます。 当社からは既に8名のエンジニアがチームとして参画しており、フォロー体制も万全です。 安心して業務にキャッチアップし、パフォーマンスを発揮できる環境です。 ②技術スタック・使用ツール 言語:Java (Spring Boot), Python フロントエンド:Angular, React データベース:MySQL など 開発手法:アジャイル(スクラム) その他:生成AI, LLM 【主要な開発言語】 バックエンド　:Java(Spring Framework) / PHP(Laravel) / Go / Ruby …etc フロントエンド:JavaScript(Vue.js / React.js / Angular) / TypeScript モバイル　　　:Kotlin / Swift / React Native / Flutter ■入社直後のプロジェクト参画イメージ まずはこれまでの経験に応じたフェーズを担当していただきます。 初月はPCセットアップ・環境構築から始まり、 業務把握のためのインプット・ドキュメント読み込み・弊社社員との会話、 上記と並行しながら、徐々に業務にも入っていただきます。 ■参画時のサポート体制 弊社は2次請け・3次請けのSES企業から転職されてくる方が多くいますが、 仕事の進め方や業務上の困りごと・相談事項などは、弊社社員に聞ける環境があります。 Slack等を使ったライトなコミュニケーションも取りやすいため、 スムーズに立ち上がれる方が多いです。 単なる連絡だけでなく、チーム全体で「みんなで話し合いながら問題に立ち向かう」文化が根付いています。 自分の意見を話しやすい環境で、主体性を発揮しながら働けるため、充実感を持って働くことができます。 ※特に、議論や話し合いを通じてチームで物事を進めることにやりがいを感じる方にはフィットする環境です。

東証グロース上場企業として、エンタープライズ企業(主に東証プライム上場企業)の「0次DX」を推進するリードエンジニアとしてご活躍いただきます 。 単なる実装作業の請負ではなく、顧客の隣で「ビジネス要求の言語化」から「最適なアーキテクチャ設計・実装」までを一貫して担い、技術的な意思決定をリードする役割を期待しています 。 【業務詳細】 技術リード・設計: プロジェクトにおける技術的指針(ビジョン)を提示し、静的型付け言語を用いた高度な実装および詳細設計による品質管理を主導します 。 モダン開発の推進: 生成AI(LLM等)の活用やクラウドネイティブな構成への移行など、最新技術を用いたPoC・新規サービス立ち上げを牽引します 。 チームマネジメント(技術面): コーディング規約の策定、コードレビュー、開発プロセスの標準化を通じてチーム全体のアウトプットを最大化します 。 顧客折衝・提案: 顧客のビジネス課題を技術的視点から分析し、実現可能な解決策を提案・実装へと落とし込みます 。 若手育成: 技術責任者として、主体的に若手エンジニアの教育・メンタリングを行い、組織全体の底上げに貢献します 。 【技術スタック・使用ツール】 言語: Java, PHP, Go, Ruby, Python, JavaScript, TypeScript, Kotlin, Swift, SQL, HTML/CSS など フレームワーク: Spring Boot, Laravel, Vue.js, React.js, Angular, Node.js, echo など クラウド: AWS, Azure, GCP インフラ: Docker, Kubernetes, Terraform, Ansible, Jenkins, GitLab CI, GitHub Actions など データベース: MySQL, PostgreSQL, Aurora, Oracle, SQL Server, BigQuery, DynamoDB など ツール: Git, GitLab, GitHub, Slack, Jira, Confluence, Backlog, Looker, Figma など その他: 生成AI (Azure OpenAI, Amazon Bedrock, Google Gemini, GitHub Copilot), ローコード (Pega, Outsystems), BPM (Bonita) など

エンタープライズ企業(主に東証プライム上場企業)のDX・業務改革を支援する直請けSIerとして、顧客の「0次DX」を実現するためのプロジェクトマネジメントを担っていただきます。 単なるシステム構築や基盤整備に留まらず、顧客の隣でビジネス要求を言語化し、データ活用や最新技術を用いて「顧客のビジネスをどう変えるか」まで踏み込んだ企画・リードがミッションです。 【業務詳細】 ●戦略立案・要件定義:顧客の業務課題を深く理解し、ビジネス判断の根拠となる「データの使いどころ」の整理や、開発を考慮したプロジェクト設計(現状調査、ロードマップ策定など)を行います。 ●全体設計・進行管理:データ収集から分析・活用までを横断した全体設計、およびアジャイル(スクラム)を用いた柔軟なプロジェクト推進・品質管理を担当します。 ●ステークホルダー調整(橋渡し):ビジネス部門・IT部門・エンジニア間の「翻訳」を行い、顧客と対等なパートナーとして意思決定に関与します。 ●チームビルディング・組織成長:自社のエンジニアや専門チーム(インフラ、AI、データエンジニア等)を統率し、組織の成長に向けたチームビルディングや若手育成を行います。 ●新規案件獲得サポート:営業と連携し、見積もり検討や客先訪問を通じて新規案件獲得や案件拡大のサポートを行います 。 【技術スタック・使用ツール】 クラウド: AWS / Azure / GCP など バックエンド: Java (Spring Framework), Go, Python, PHP (Laravel) 手法・ツール: アジャイル/スクラム, Git, Jira, Slack, 生成AIツール (ChatGPT, Claude等)

複数のデジタルツールで建設業界を支援してきた弊社が2019年から取り組んできた「建設 DX Platform」構想。 具体的にいうと、BtoBオンラインマッチングプラットフォームとCMSツールに、新たなSaaSツールを組み合わせることで「建設業がデジタルトランスフォーメーションに舵を切りやすくするための環境」を構築していこう!という取り組みです。 今回、入社していただく方に期待しているのは、以下の3点です。 ①経営層との調整、および経営戦略に紐づいた技術的な方向性の設計と推進 ②社内のエンジニアチームの技術的なマネジメントや制度設計 ③自社サービスのアーキテクチャの設計や構築、またはその運用 弊社のミッションは「スモールビジネスを前進させるブレークスルーカンパニー」。 ビジョンは「建設をテクノロジーでアップデートする」。 日本巨大産業のひとつである建設業界の変革は、他社で経験を積まれた方にとって、とても刺激的かつチャレンジングな仕事になるでしょう。 また社内のエンジニアの技術的なサポートも業務として発生します。 積極的にアウトプットをしながらチーム全体のスキルアップ変化を進められる方を募集します。 開発環境 フロントエンド:TypeScript, Vue.js, Nuxt.js, Sass バックエンド:Ruby, Ruby on Rails, RSpec データベース:MySQL, Redis iOS / Android:Dart, Flutter インフラ:Firebase, AWS, GCP 各種開発ツール:GitHub, Docker, CircleCI タスク管理 / ドキュメント:Slack, Notion, ZenHub 分析 / エラー監視:Sentry, Redash デザインツール:Figma ※プロダクトごとに採用技術が異なります。 ※GitHub Copilotの使用が可能です! https://branu.jp/news/page/230518/

物流DXプロダクトである「トラック簿」の開発をお任せします。 物流業界に対する高い解像度をもとに、現場の課題やニーズを的確に捉え、それらを技術的な最適解へと昇華していくことが求められます。 また、単なる機能開発にとどまらず、ユーザー体験や業務変革の視点を持ち、プロダクトを通じて業界全体にインパクトを与えていく役割を担っていただきます。 【具体的な業務内容】 ・BizやPdMメンバーと連携し、プロダクトのビジョン、目標達成に向けての開発および運用 ・プロダクトがユーザーに提供する価値を理解し、その実現方法を検討・実践 ・TLと連携したプログラミング言語やフレームワーク、ライブラリの技術調査・選択 ・プロダクトの安定した運用と定期的な改善サイクルの実現 【業務内容】 雇入れ直後:システム開発部 変更の範囲:会社の定める業務 ●開発環境 ・開発言語/フレームワーク等: 　-Backend: Kotlin, Java 　-DB: PostgreSQL 　-Frontend: TypeScript, React 　-Mobile App: Flutter, Dart ・インフラ: AWS,Firebase,GCP ・バージョン管理: Git/GitHub ・CI/CD: GitHub Actions ・コミュニケーション: Slack, Notion, Google Workspace ●作業環境 ・Mac Book Pro / Air (機種・キーボードレイアウト選択可)支給 ・外付けモニター: フリーアドレスで利用可能 ・フリーアドレス制なので、気分に合わせて好きな場所で作業可能 ●キャリアパス 領域を限定せずに広くチャレンジすることが歓迎されるカルチャーが浸透し、「本人の意志・志向性に応じて、柔軟に役割を広げていく」考え方がベースにあります。 <キャリア事例> ・入社5年目でVPoTにキャリアアップ ・20代でエンジニアリングマネージャーにキャリアアップ ・新卒2年目でカスタマーサクセスに挑戦するメンバー ・エンジニアからPdMへキャリアチェンジ 等 年齢を問わずご活躍できるフィールドがあり、20-30代の若手メンバーが活躍しています! ●配属組織 配属されるシステム開発部トラック簿システムGは、9名のメンバーが在籍しています。 <在籍メンバー例> ・[EM田中](https://note.com/hacobell/n/n0f6e2e0c9500) エンジニアチームだけでなく、PdM、セールス、CS、それぞれのチームと関わり、一緒に協力して取り組むことを大切にしています。 ●AI活用状況 【開発プロセスそのものをAIで作り替えている組織です】 ハコベルにとってAI活用は、個人の生産性ツールではなく経営アジェンダです。プロダクト戦略と対になる「Tech戦略」の中で「AI自律開発による開発生産性10x」を経営レベルの方針として定義し、開発組織のファーストプライオリティに位置づけています。 私たちが取り組んでいるのは、コーディングをAIに委託することではありません。 ・要件定義: 開発マイルストーン→PBI→SBIへの分割・プランニングをAIが担い、NotionをSSoTとして運用 ・設計: 実装前にAIとdesign.md/ADRを作成し、設計判断は組織の資産として蓄積 ・実装: 複数サブエージェントによる並列実装を含め、AI主体の実装が全チームで稼働 ・レビュー: design.mdとの差分ベースのレビューや、観点別レビューエージェントの整備 ・QA: ケース自動生成、Gherkin×PlaywrightによるE2E自動化 といったように開発フローの全工程をAIが自律的に駆動できる形に再設計している最中です。AIが安全かつ有効に動ける環境・コードベース・ワークフローそのものを設計する「ハーネスエンジニアリング」に組織として取り組んでおり、「AI活用推進会」で各チームの知見を集約・横展開しています。成果・進捗はDORAメトリクス(デプロイ頻度・リードタイムなど)や実装量で計測し組織的に前進させています。 しかし、正直に言えばまだまだ道半ばです。実装のAI化が進んだ結果、レビューとQAが新たなボトルネックとして顕在化しており、まさに今この構造問題を解いているフェーズです。「完成されたAI開発環境を使う」のではなく、「AI時代の開発のあり方を自分の手で定義する」ことに面白さを感じる方に入社いただき、試行錯誤も含めてチャレンジしていきたいと考えています。

「ハコベル運送手配」の軽貨物・一般貨物領域における、要件定義からバックエンド・フロントエンドの実装まで、チームメンバーと協業しながら一気通貫で担当していただきます。 ハコベルではエンジニアも、PdMやCSと共にユーザーヒアリングやオンボードに参加し、ドメイン理解を深めることを重視しています。「言われたものを作る」ではなく、課題の構造を理解した上で何を作るか・どう作るかを一緒に考えられる方を求めています。 <具体的には…> ・BizやPdMと連携した、プロダクトビジョン・目標達成に向けた開発と運用 ・ユーザーが受け取る価値を起点とした、機能設計と実装方針の検討・実践 ・TLと連携した技術選定(言語・フレームワーク・ライブラリ) ・プロダクトの安定運用と改善サイクルの推進 ●開発環境 ・バックエンド: Ruby, Ruby on Rails, Docker ・インフラストラクチャ: AWS(EC2, S3, RDS + Aurora, etc), 　GCP(Firebase, BigQuery, CloudFunctions, etc) ・フロントエンド: TypeScript, Vue.js ・テスト環境: Rspec, Jest, Playwright ・バージョン管理: Git/GitHub ・CI/CD: Jenkins, CodeBuild, CircleCI ・開発・運用支援: Sentry, Datadog, GitHub Copilot ・コミュニケーション: Slack, Notion, Google Meet ●作業環境 ・Mac Book Pro / Air (機種・キーボードレイアウト選択可)支給 ・外付けモニター: フリーアドレスで利用可能 ・フリーアドレス制なので、気分に合わせて好きな場所で作業可能 ●配属組織 配属されるシステム開発部 運送手配システムGは、10名のメンバーが在籍しています。 <在籍メンバー例> ・[EM赤川](https://note.com/hacobell/n/n307bfd7ca39f) ・[TL池松](https://note.com/hacobell/n/n5e644b2abd8b) エンジニアチームだけでなく、PdM、セールス、CS、それぞれのチームと関わり、一緒に協力して取り組むことを大切にしています。 ●カルチャー ・スクラム開発を推進 ・積極的なペアプロやモブプロ ・週次でチーム横断のエンジニア定例 ・自発的な勉強会やハッカソンの開催 ・VPoEやEMとの1on1 ・メンター役が伴走するオンボード支援 雇入れ直後:システム開発部 変更の範囲:会社の定める業務

・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

・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

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

●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

●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

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

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

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

期待する役割 事業横断での全社AX/DX推進をリードしていただきます。 ●AI活用による事業変革の推進 ・AIを核とした既存事業の再構築、新規事業創出の企画・実行 ●全社横断プロジェクトのリード ・経営層・事業部門・エンジニアを巻き込み、部門横断的なAI活用プロジェクトを推進 ●戦略立案と実行 ・AI活用戦略の策定から、データ基盤構築、AIエージェント導入まで一貫してリード ●業務自律化の実現 ・AIエージェントによる業務プロセスの自動化・自律化を推進し、生産性・実績UPを実現 業務内容 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。 ●AI活用戦略の立案・推進 ・経営層と連携し、AI活用による事業変革戦略を策定 ・既存事業の課題分析とAI活用による解決策の企画・実行 ・全社的なAI活用ロードマップの策定と進捗管理 ●AIエージェントによる業務自律化の推進 ・業務プロセス全体を俯瞰し、AI活用による自律化領域を特定 ・AIエージェントの企画・構築・導入を推進 ・全社AI内製化体制の構築とトレーニング実施 ●AIデータ基盤の設計・構築 ・データモデル設計とアーキテクチャ最適化 ・AIを最大に活かしたデータ連携基盤の構築推進 ・データ統合・クレンジング方針策定 ●データガバナンス・運用体制の構築 ・データ品質管理、セキュリティポリシーの策定 ・アクセス制御、監査ログ管理、バックアップ体制の確立 ・運用マニュアル整備とモニタリング体制の構築 チーム体制 AXDX担当:現在3名(コンサル含む)在籍しています。 AXDX推進PJ:事業含め約30名 ※AXDX担当は、事業メンバーを取りまとめ、推進していく役割を担います。 従事すべき業務の変更の範囲 会社の定める業務