ITエンジニア(BigQuery)の求人・転職情報

ウェルスナビ株式会社

AIの企画・開発・運用からAIガバナンスまでAIに関するあらゆる業務を一手に引き受けており、社内の各部署とコミュニケーションをしながら10倍規模を実現するAIドリブンな事業基盤の構築を目指しています。 ●AIドリブンな事業基盤の戦略策定・実行 ・全社AIプロジェクト企画と推進 ・プロジェクト企画と評価のためのデータ分析 ●AIによるビジネス課題の特定と解決 ・社内各部署とのコミュニケーションを通じた業務課題の特定とAIによる改善施策の立案 ・プロダクトチームとのコミュニケーションを通じたAI導入プロジェクトの推進 ・プロジェクト企画と評価のためのデータ分析 ●AIドリブンな事業基盤の開発・運用(DevOps) ・AIモデルを中心としたAIシステムの要件定義・設計・開発・運用 ●AIガバナンス ・AI導入時のリスク分析・評価およびリスク管理施策の検討・運用 ・AIを安全かつ最大限に活用するための社内ルール整備、社員教育の推進 ※AIは統計モデル、機械学習、LLMを含む学習モデル全般を意味する 期待する役割 グループ責任者やチーム責任者と共に業務効率化と顧客体験向上のプロジェクト企画や推進を担っていただきます。チームを牽引するリーダーとしてご活躍いただくことを期待しています。 ●AIプロジェクトへの積極的な参画: 各プロジェクトにおいて、自身の専門知識を活かしてAI技術の導入とその適用をサポートし、プロジェクトの目標達成に貢献する。 ●部門間コミュニケーションの担い手: 社内の他部門と円滑にコミュニケーションを取り、部門間協力を促進してAIシステムの適切な導入を支援する。 ●チームで成果を出す: チームメンバーのフォローと育成。 ●投資対効果の高い施策の見極め: データに基づく根拠をもとに、プロジェクト企画や評価を行っていただき、投資対効果の高い施策を見極めて、施策優先度を適切に判断 ●バランスを考慮した推進: AIを安全かつ最大限に活用するための社内ルール整備、リテラシー向上や活用促進のための社員教育の推進 技術スタック ・クラウドサービス: AWS(実行環境やBedrockの利用), Azure(OpenAIの利用), GCP(Geminiの利用や分析基盤) ・実行環境:AWS ECS, AWS EKS, AWS Lambda ・データベース:AWS Aurora MySQL, AWS DynamoDB ・開発言語:Python ・コード管理:GitHub ・CI/CD:GitHub Actions, ArgoCD ・コンテナオーケストレーション:Kubernetes ・外部サービス:Datadog ・分析基盤:BigQuery ・ドキュメンテーション:Notion ・エディタ:VSCode ・開発支援AI:GitHub Copilot, GPT-4o(Azure OpenAI Service経由) ・生成AI API:Azure OpenAI Service, AWS Bedrock, Gemini API

ウェルスナビ株式会社

企画段階からモバイルアプリの新機能開発をリードいただくことはもちろん、ユーザー体験を損なわず、各事業のグロースを見据えた中長期的なシステム設計、コードの品質改善、それらをチームに落とし込むためのコミュニケーション設計など幅広く取り組んでいただきたいです。 『ウェルスナビ』のiOS版アプリの設計/開発/運用 ・金融の「難しい」を「シンプルで簡単」にするためのUI/UX開発 ・スタートアップのスピード感と金融の堅牢性を両立する開発環境の構築 ・万単位のアクティブユーザーを抱えるアプリの新機能開発 ・運用されていくコードを生産性高く維持するための設計改善、リファクタリング ・チーム間を越えたアプリ全体での開発推進 ・アーキテクチャや使用技術の選定 モバイルアプリ開発の課題 ・SwiftUIへの移行(現在進行中) ・テスト自動化・品質保証 　-UIテストのカバレッジを担保するためのCI/CDパイプラインの整備 ・パフォーマンス最適化 　-UI側のパフォーマンスを見れるツールは未導入であるため仕組みづくりから行なっていきたい 上記以外にも課題の発見から解決策の提案、実行まで裁量を持って取り組んでいただきたいです 技術スタック ・言語　　　　　　:Swift ・フレームワーク　:SwiftUI,UIKit ・バージョン管理　:Git, GitHub ・プロジェクト管理:Jira ・その他　　　　　:Figma, Firebase, Google BigQuery, AWS ・CI環境　　　　　:Bitrise, GitHub Actions,MagicPod ※サーバサイド開発言語はJava(Kotlin) + SpringBoot、インフラはAWSやGoogle Cloudなどクラウドをフル活用しています。 チーム体制と魅力 【体制】 iOS・Androidエンジニアがそれぞれ3名ずつの計6名のメンバーで構成 【特徴】 ・7割以上が金融未経験 ・20代中盤〜40代前半までバランスよく在籍している 【魅力】 ・チームの雰囲気やカルチャー 　-コミュニケーションが活発であり、チームワークを大切にしている 　-プロダクト志向なメンバーが多く、『技術をどう活かしてユーザーに価値を届けるか』という建設的な議論、提案が生まれる ・開発と事業が共に、挑戦できる環境 　-『ものづくりする金融機関』としてエンジニアの提案が届きやすい環境 　-基盤改善と新機能開発を並行して進めており、スピード感のある開発をしている 　-金融サービスとしての堅実さと、自由度の高い技術選定が両立されている ウェルスナビの技術広報について 開発組織の強化・活性化を目的とし、技術広報にも積極的に取り組んでいます。 社内外のイベントへの出展やテックブログの執筆など手法は様々。 iOSDCやDroidKaigiではゴールドスポンサーとして参画、弊社エンジニアが登壇いたしました。 アウトプットする機会も多くあるため、エンジニアとしてのポータブルスキルを身につける環境があると言えます。

ウェルスナビ株式会社

【本ポジションのミッション】 ～10X(10倍の成長)に耐えうる、攻めのデータプラットフォームへの進化～ 現在、当社のデータ基盤は、主軸サービスであるロボアドバイザーがユーザー数45万人・預かり資産1兆9,000億円(2026年2月時点)を突破したことに加え、個人向け金融プラットフォームを目指し、新規事業の多角化により、扱うデータ量と複雑性が飛躍的に増しています。 単なるデータの蓄積や可視化に留まらず、10倍のデータ量や多様なステークホルダーの要望を先回りして解決する、スケーラブルなデータプラットフォームへと再構築することがミッションです。自ら課題を抽出し、技術で事業成長を加速させる攻めのデータエンジニアリングを作る仲間を募集しています。 【業務内容(期待する役割)】 ●データ基盤・パイプラインの設計と構築 ・AWSとGCPを跨ぐクロスクラウド環境において、セキュリティを考慮した権限設計および安全なデータ連携・受け渡しの仕組みの設計・構築 ・Airflow等のワークフロー管理ツールを用いた、Pythonによるメンテナンス性・可読性の高いデータパイプライン(DAG)の開発 ●事業要件に基づくデータモデリング・システム設計 ・事業チームと密にコミュニケーションを取り、分析要件をシステム仕様へ落とすコミュニケーション ・データ利用者にとって理解しやすく、かつや運用負荷を考慮した、持続可能なデータモデリングの設計・実装 ●データマネジメントの確立とセキュリティ・信頼性の担保 ・Knowledge Catalog等のデータカタログを活用したメタデータ管理と、データ品質チェックパイプラインの組み込み・自動化 ・金融機関に求められるセキュリティ(機密データの精査、アクセス権限設計等)の考慮、障害監視、およびパイプラインの依存関係の整理・最適化による高可用なシステム設計 ●パフォーマンス最適化とアーキテクチャ改善 ・今後の急激なデータ量増大を見据えた、各種マネージドツールのスケールアップ・バージョンアップ、およびパイプライン全体のボトルネック解消 ・ビジネスの拡大に合わせた、最適なツールやアーキテクトの選定・検証および移行計画の策定と実行 【データ基盤を強くするために今後取り組みたいこと】 ●データカタログの導入 ・複数プロダクト投入前にカタログの運用フローを固める ・AI Readyなデータ基盤の実現 ●複数プロダクトデータの投入 ・事業ごとのデータソースの違い ・個人情報のリスク ・分析したいKPIの定義 ・関連ツール(CRM・MA)のマルチプロダクト化 ●アーキテクトの強化 ・マネージドツールのバージョンアップ戦略 ・デジタルバンク開業による、データ増大への対応 ・データの連携処理の見直し ・全量洗い替え処理の改善 ・データ処理時間の削減・コスト対策 【技術スタック】 ・DWH:BigQuery ・インフラ:AWS, GCP ・IaC: Terraform ・ワークフローエンジン:Apache Airflow ・ETL: Amazon Appflow ・使用言語:SQL, Python など 【働き方】 弊社はフレックス制(コアタイム:10:00〜16:00)のハイブリット型の勤務形態で、週2日リモート可能です。 労働時間の清算期間は月単位(=営業日数×8時間を月単位で担保いただく)となるため、コアタイムを中心とし、柔軟に就業できます。 またチーム内には小さいお子様がいる社員もいるため、何かあった際に相談しやすい環境です。

Ｓｋｙ株式会社

■配属予定部署 ICTソリューション事業本部　SI部 ■配属予定部署の特色・PR Webアプリケーションシステムを中心としたスクラッチ開発を主な事業としていますが、近年はDX市場に向けて、データ分析基盤の構築と活用支援に注力しています。 クラウドDWH、ETLパイプライン、BIツール等を活用し、膨大なデータを価値あるインサイトへと変換する取り組みは、企業のDX推進やデータドリブン経営を支える重要な領域です。 データ分析市場は急速に拡大しており、当社においても案件数は大幅に増加しています。そこで、共に最前線で挑戦し続ける仲間を募集しています。 ※職務内容変更の可能性:有 ※変更の範囲:会社の定める業務 データ分析の領域では、企業が保有する多様なデータを整理・統合し、経営や業務の意思決定に生かすための仕組みづくりを行っています。 当社では、データ活用の上流から下流までを一貫して支援できる体制を整えており、お客様の課題や目的に応じて、最適な分析基盤の設計からデータの可視化、さらには活用定着に至るまでを幅広く担当します。 業務はデータを資産とした活用戦略とデータを守るガバナンス戦略を策定するコンサルティング領域、プロジェクト全体を推進するマネジメント領域、高度な統計・機械学習を活用する分析領域、そして基盤構築やデータ処理を担うエンジニアリング領域に分かれます。 【データマネジメントコンサルタント】 ・データ活用戦略・企画策定 ・各システムに点在するデータの構造・品質調査 ・データ統合・マスタ整備・標準化方針の策定 ・データガバナンス・メタデータ管理の設計支援 ・データレイク/DWH導入に向けた要件定義 ・全社データ活用方針・ロードマップの策定支援 【データ分析プロジェクトマネージャー】 ・分析テーマ、KPI、ロードマップの設計 ・スケジュール・コスト・品質・リスクの管理 ・ステークホルダーの調整と合意形成 ・提案資料・分析報告資料の作成およびプレゼンテーション 【データサイエンティスト】 ・ビジネス課題に基づく分析設計と仮説立案 ・データ収集・クレンジング・特徴量エンジニアリング ・統計分析、機械学習モデルの開発・評価 ・BIレポートや分析結果の可視化・提案 ・分析結果をもとにした改善提案・効果測定 【データエンジニア】 ・ETL/ELTパイプラインの設計・開発 ・クラウドDWHの構築・運用・チューニング ・データモデリング・データマート設計・最適化 ・Power BI/Tableau/Lookerなどを用いたBIレポート・ダッシュボード開発 ・データ品質のモニタリング・自動化・監視ジョブの構築 過去の案件例 ・弊社商品「SKYSEA Client View」のPCログを分析し可視化 ・製造業向けに在庫管理、財務会計の情報をMicrosoft Azure上に統合し分析 ・製品企画部門向けに製品の品質に関する情報をAmazon Web Services上に統合し分析 ・物流業向けに各種システムの業務情報を集約し経営判断情報として活用するための基盤を構築 入社後の流れ 入社後は配属部署にてプロジェクトに参画していただきます。勉強会や研修など、必要に応じて参加できる学びの場も多数あります。ご経験を考慮しつつPL／PMなどのポジションを積極的にお任せしていきます。

ウェルスナビ株式会社

・アプリケーションやデータベースのパフォーマンス分析、最適化の推進 ・インフラの設計・開発・運用 ・開発・運用業務のプロセス改善や自動化 ・インシデント管理とオンコール対応 ・クラウドコストの可視化や最適化 ・監査対応や脆弱性対応、セキュリティのエンハンス ・共通基盤/内部開発者ポータルの設計・開発・運用 ・共通サブシステムの設計・実装・運用(例: Goによるメール送信基盤実装) ・運用業務をAIで効率化し、ナレッジをAI基盤やプロダクトに還元する 直近の取り組みは [ウェルスナビのSREチームの歩みとこれから](https://zenn.dev/wn_engineering/articles/79f8cc1d047861) をご確認ください。 ●期待する役割 上記の業務について、能力やキャリア志向を考慮した上で担当いただきます。 非常に早いスピードで事業が成長しているため、そのボトルネックになっている箇所を見つけ、技術やコミュニケーションを駆使して解決する事を期待します。 リーダーシップを発揮し、チームメンバーと共に粘り強く目標を達成することを期待します。 SRE文化の醸成など、開発組織全体に好影響を与えるような取り組みにも期待します。 ●技術スタック ・インフラ:ECS(新規プロダクトはEKS) ・開発言語: Go, Terraform ・データベース:Aurora MySQL(新規プロダクトはPostgreSQL) ・認証基盤: Auth0 ・CI/CD:GitHub Actions, ArgoCD ・モニタリング: Datadog ・データ基盤: BigQuery ・ドキュメント/コミュニケーション: Notion, Slack, Zoom ・AI: GitHub Copilot, Notion AI, Bedrock, Open AI Service ・セキュリティ: Orca Security, Keeper

ウェルスナビ株式会社

●業務内容 AIの企画・開発・運用からAIガバナンスまでAIに関するあらゆる業務を一手に引き受けており、社内の各部署とコミュニケーションをしながら10倍規模を実現するAIドリブンな事業基盤の構築を目指しています。 ▽AIドリブンな事業基盤の戦略策定・実行 ・全社AIプロジェクト企画と推進 ・プロジェクト企画と評価のためのデータ分析 ▽AIによるビジネス課題の特定と解決 ・社内各部署とのコミュニケーションを通じた業務課題の特定とAIによる改善施策の立案 ・プロダクトチームとのコミュニケーションを通じたAI導入プロジェクトの推進 ・プロジェクト企画と評価のためのデータ分析 ▽AIドリブンな事業基盤の開発・運用(DevOps) ・AIモデルを中心としたAIシステムの要件定義・設計・開発・運用 ▽AIガバナンス ・AI導入時のリスク分析・評価およびリスク管理施策の検討・運用 ・AIを安全かつ最大限に活用するための社内ルール整備、社員教育の推進 ※AIは統計モデル、機械学習、LLMを含む学習モデル全般を意味する ●期待する役割 グループ責任者やチーム責任者のサポートのもと、AI技術導入の企画立案・AI開発運用からAIガバナンスまで、チームの中心メンバーとしてAIドリブンな事業基盤の構築に一緒に挑戦していただける方を募集しています。 ▽AIプロジェクトへの積極的な参画: 各プロジェクトにおいて、自身の専門知識を活かしてAI技術の導入とその適用をサポートし、プロジェクトの目標達成に貢献する。 ▽部門間コミュニケーションの担い手: 社内の他部門と円滑にコミュニケーションを取り、部門間協力を促進してAIシステムの適切な導入を支援する。 ▽AIリスク管理の実施: AI導入時のリスクを認識し、リーダーやチームメンバーとともにリスク管理策の策定と運営に貢献する。 ▽データ分析に基づく実行と評価: データに基づく根拠をもとに、プロジェクト企画や評価を行っていただき、貢献度の高い施策を探求する。 ▽技術向上とナレッジシェア: 最新のAI技術について継続的に学び、チーム内での知識共有を行い、組織全体の技術力向上に寄与する。 ●技術スタック ・クラウドサービス: AWS(実行環境やBedrockの利用), Azure(OpenAIの利用), GCP(Geminiの利用や分析基盤) ・実行環境:AWS ECS, AWS EKS, AWS Lambda ・データベース:AWS Aurora MySQL, AWS DynamoDB ・開発言語:Python ・コード管理:GitHub ・CI/CD:GitHub Actions, ArgoCD ・コンテナオーケストレーション:Kubernetes ・外部サービス:Datadog ・分析基盤:BigQuery ・ドキュメンテーション:Notion ・エディタ:VSCode ・開発支援AI:GitHub Copilot, GPT-4o(Azure OpenAI Service経由) ・生成AI API:Azure OpenAI Service, AWS Bedrock, Gemini API ●オンボーディングおよび育成計画 下記を想定しながら適宜チームでフォローします。 ▽1年目: ・ゴール:AIプロジェクトでのスキル向上 ・内容:プロジェクト参加(サポートを得ながら推進) ・支援:キャリアサポート(月次1on1) ・評価:半年ごとに目標設定と評価 ▽2年目以降: ・ゴール:プロジェクトリーダーへの成長 ・内容:リード役経験、戦略会議参加 ・支援:キャリアサポート(月次1on1) ・評価:半年ごとに目標設定と評価

ウェルスナビ株式会社

具体的な業務内容 ・開発組織が横断して利用する共通基盤の開発、設計、具体的プロセスの整備・改善・維持 ・開発チーム間での具体的開発手続きの共通化(コーディングルール、Git運用ルール整備など) ・持続可能かという目線でのシステム構成、利用技術(フレームワーク等)の課題に対するソリューション策定とその導入支援 ・幅広く開発に関わり、業務全般に理解があるエンジニアへの成長促進 ・技術的負債の解消のリード、改善案の提案

ウェルスナビ株式会社

企画段階からモバイルアプリの新機能開発をリードいただくことはもちろん、ユーザー体験を損なわず、各事業のグロースを見据えた中長期的なシステム設計、コードの品質改善、それらをチームに落とし込むためのコミュニケーション設計など幅広く取り組んでいただきたいです。 『ウェルスナビ』のAndroid版アプリの設計/開発/運用 ・金融の「難しい」を「シンプルで簡単」にするためのUI/UX開発 ・スタートアップのスピード感と金融の堅牢性を両立する開発環境の構築 ・万単位のアクティブユーザーを抱えるアプリの新機能開発 ・運用されていくコードを生産性高く維持するための設計改善、リファクタリング ・チーム間を越えたアプリ全体での開発推進 ・アーキテクチャや使用技術の選定 開発体制について エンジニアの8割は金融未経験であり、様々な業界・業種・企業フェーズにおける、”いいところ”を積極的に取り込みながら、ユーザーファーストなスピード感ある開発を行っています。 モバイルアプリ開発の課題 ・Jetpack Composeへの移行(現在進行中) ・テスト自動化・品質保証 　-UIテストのカバレッジを担保するためのCI/CDパイプラインの整備 ・パフォーマンス最適化 　-UI側のパフォーマンスを見れるツールは未導入であるため仕組みづくりから行なっていきたい 上記以外にも課題の発見から解決策の提案、実行まで裁量を持って取り組んでいただきたいです 技術スタック 言語　　　　　　:Kotlin フレームワーク　:Jetpack Compose バージョン管理　:Git, GitHub プロジェクト管理:Jira その他　　　　　:Figma, Firebase, Google BigQuery, AWS CI環境　　　　　:Bitrise, GitHub Actions,MagicPod ※サーバサイド開発言語はJava(Kotlin) + SpringBoot、インフラはAWSやGoogle Cloudなどクラウドをフル活用しています。

UUUM株式会社

●クリエイターへ価値を届けるプロダクト、またはクリエイターの価値を広告主へ届けるプロダクト、いずれかのプロダクト開発 ●多様な要件を深く理解した上での整理、あるべき仕様への落とし込み ●開発しているシステムの運用と保守 ●さらなる新規プロダクトの開発 【開発環境・使用技術】 ▪アプリケーション ・バックエンド:Ruby on Rails ・フロントエンド : TypeScript / React(Next.js) ・インフラ : AWS / Vercel ▪データ基盤 ・インフラ : GCP(BigQuery / Cloud Composer / Dataflow / VertexAI) ・Python ▪CI/CD:CircleCI / GitHub Actions ▪ツール系:Docker / Terraform ▪モニタリング:CloudWatch / Sentry ▪ドキュメント/Issue 管理:Github Issues / Github Projects / Notion ▪コミュニケーション:Slack / Google Meet 【生成AI活用状況】 当社では開発生産性の飛躍的な向上を目指し、生成AIを積極的に活用しています。 GitHub Copilot、CodeRabbit、Geminiを活用し、コードの自動補完・生成からレビュー支援、デバッグまで、開発フロー全体の効率化に取り組んでいます。 また、直近ではClaude Codeの導入検証も進めており、さらなる生産性向上に向けて前向きに取り組んでいます。 私たちは常に最新技術にアンテナを張り、積極的に取り入れることで、技術的な挑戦を続けたいエンジニアにとって最適な環境を提供したいと考えています。 【変更の範囲】 会社の定める業務

ソフトバンク株式会社

【ミッション】 企業向けシステム開発において、生成AI、クラウド、データ統合基盤などの最先端技術を駆使し、顧客のDX推進および業務改革を実現するためのSE支援を提供 【主な業務】 ・AIエージェント・データ統合基盤など法人顧客向けシステムの提案から要件定義、実装までの各工程をリード ・プロジェクトマネジメントおよび顧客との直接交渉、調整業務 ・社内外のパートナーと連携し、システム構築および導入を主導 【具体的な業務】 ・顧客要件に基づくデータ統合基盤の提案・要件定義・設計書の作成および顧客との伴走による要件整理・方針決定の支援 ・実装・開発:データ統合基盤の開発(データガバナンス、プレパレーション処理、データレイク、DWH、BI、AI活用に至るまで一気通貫での支援) ・プロジェクトマネジメント:社内メンバーおよび協業パートナーをリードし、進捗管理・品質管理・リスク管理・顧客との定例会対応・課題調整の実施 ・ドキュメント管理:提案書、設計書、計画書、テスト仕様書などの各種文書の作成および整備 ・技術調整:関係各所との技術的な折衝や、発生課題に対するトラブルシューティングを通じた問題解決の推進

株式会社SI&C

当社のCloudNativeUnitにて、主にクラウド環境上でのデータ基盤構築・活用支援を担当いただきます。 具体的には以下のような業務に携わっていただきます。 ●データパイプラインの設計・構築 外部サービスなどからのデータ収集を目的としたAPI連携・バッチ連携の設計・実装 CSVやExcelなどファイル形式のデータを取り込むインターフェースの構築 ●データレイク/データウェアハウスの構築 一次データを保管するデータレイク環境の設計・構築(例:Amazon S3, Google Cloud Storage など) 利活用しやすい形で整備するデータウェアハウスの構築(例:BigQuery, Redshift, Snowflake など) ●データ活用支援・可視化対応 BIツール(Tableau、Looker、Power BI等)とデータウェアハウスとの連携支援 データの可視化や分析に向けたリソース・アクセス設計、パフォーマンス管理 ●システムアーキテクチャ設計・技術的課題の解決 AWSやGCPのマネージドサービスを活用した効率的かつセキュアなシステムアーキテクチャの検討・実装 技術的な課題の発見・解決、継続的な改善提案

株式会社NTTデータ

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、Teradata Vantageを活用したデータ活用基盤のデータエンジニア/クラウドエンジニア/PMとして、データ活用基盤の開発やお客様企業のデータ利活用の促進業務を実施します。 ●業務例 基本的にTeradata Vantageの活用を前提とし、またその他データ活用基盤に必要な様々な周辺製品/技術(クラウド各サービス、BI製品等)も活用して、以下のような業務を行います。 ・データ利用部門との課題定義および要件整理 ・データ活用基盤の設計・開発 ・データ活用基盤上のデータモデル設計・開発 ・データ加工処理(ETL・ELT)の設計・開発 ・データ分析を行う上で必要となるデータ可視化(BI)の設計・開発 ・AIモデルの継続的なデリバリー(MLOps)を考慮した環境の設計・開発 ・データ活用促進/データドリブン文化の定着を目的としたユーザトレーニング

株式会社はなまる

DWH(データウェアハウス)の構築および、各種業務システム・マーケティングツール間を繋ぐデータパイプラインの設計・開発を担当いただきます。 現在はDataSpiderを利用していますが、ツールの標準機能のみに頼らず、パフォーマンスを最大化させるためのクエリ実装や、品質を担保するためのデータマネジメント業務をお任せします。 ●データ基盤(DWH)の設計・構築・運用 ●ビジネスニーズに合わせた最適なデータモデルの設計、および基盤構築 ●DataSpider等のツールを活用した、各種業務システムやマーケティングツール間のデータ連携フロー構築 ●再実行性(冪等性)やエラー検知を考慮した、安全で堅牢なバッチ処理の設計・開発 ●大規模データ処理における、パフォーマンスを最大化するための高度なSQLの実装およびチューニング ●外部ツール・マーケティングツールとのデータ連携 ●データマネジメント・品質管理

Trust株式会社（トラスト）

当社は、福岡エリアの金融機関向けにITコンサルティングおよびAI活用支援をより強化すべく、2025年7月に福岡オフィスを開設いたしました。 職務概要 本ポジションでは、シニアデータサイエンティストと連携し、金融業界の多様な現場でデータ分析・モデル構築・運用設計(MLOps)など技術面の支援を担当いただきます。 AIコンサルタントと協働しながら、分析ニーズの整理や技術的提案の支援にも関与。実務を通じて得た知見を活かし、自社の中核技術やソリューションの創出にも貢献していただきます 【プロジェクト体制】 2名～6名程度でチーミング 具体的な業務内容 ・金融機関向けのデータ分析プロジェクトにおける技術支援(シニアDSと協働) ・テーブルデータを中心とした機械学習モデルの設計・構築・評価 ・Pythonによるデータ処理、特徴量エンジニアリング、評価指標設計 ・本番運用を見据えたモデル設計・実装(MLOps観点を含む) ・AIコンサルタントと連携し、技術的観点から分析ニーズや課題の整理・提案支援 ・自社の再利用可能な分析パターン・モデル群の設計・蓄積 ※業務変更の範囲 (雇入れ直後)IT専門職 (変更の範囲)すべての業務への配置転換あり プロジェクト事例 ・銀行における市場分析モデルの開発・運用支援 ・銀行におけるAutoMLツールの評価・導入に向けた技術検証 ・金融事務の効率化を目的とした生成AIの業務適用支援(自社プロダクトTrust GenGAを活用) ・金融機関における機械学習モデル開発に向けたデータ前処理・分析支援 ・データ分析基盤構想におけるモデル実装・評価フローの設計・技術検討 ・金融グループ横断でのデータ活用に向けたモデリング実証(PoC)支援制ラウンジでシアター投影等)

TISI株式会社

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モデル構築案件のプロジェクトマネージャー ・データ利活用に関するコンサルティングワークのプロジェクトマネージャー ・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】 ・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)

株式会社情報戦略テクノロジー

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

株式会社情報戦略テクノロジー

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)

TISI株式会社

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

TISI株式会社

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

TISI株式会社

●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)

株式会社NTTデータ

データ基盤の新潮流である「Databricks」の登場により、AIを活用したデータ分析が企業にとってより身近な存在となりました。本ポストではデータエンジニア/クラウドエンジニア/PMとして、Databricksの導入によるデータ基盤開発や顧客企業のデータ利活用の促進業務を担っています。業務を通して、データ活用の各工程に関するコンサルティングから開発・運用まで携わることができ、AI・データ領域のトップエンジニアを目指すことができる点が本ポストの魅力です。 より多くの顧客へとDatabricksを導入し、「データとAIの民主化」を実現するため、プロジェクトの中心メンバーとしてリードできる課長~主任までの人財を募集します。 ●Databricksを用いた顧客のデータ活用基盤開発、データ活用を支援するため、下記の業務を担当します。 ・データ利用部門との課題定義および要件整理 ・データ基盤の設計/開発(AWS、Azure等、他のクラウドと連携したデータ基盤の設計・開発) ・データ基盤上のデータモデル設計・開発 ・データ加工処理(ETL/ELT)の設計・開発 ・データ分析を行う上で必要となるデータ可視化(BI)の設計・開発 ・AIモデルの継続的なデリバリ(MLOps)を考慮した環境の設計・開発 ●上記に加えて、顧客企業内部でのデータ活用促進/データドリブン文化の定着を目的としたユーザトレーニングも行います。 案件例 ・大手保険会社における業務改善や新規サービス開発に向けたデータ分析基盤の構築支援:企業が持つデータを集積・統合する仕組みからそれらを活用する機能の開発を支援 ・https://www.nttdata.com/jp/ja/trends/data-insight/2020/071001/ ・https://www.nttdata.com/jp/ja/-/media/nttdatajapan/files/lineup/databricks/databricks-tokyomarine.pdf?rev=a42ccbfd89154adb8b1aaf2e233a5135 キャリアパス ●下記の様なスキルを磨き、AI・データ活用領域のトップエンジニアを目指すことができます。 ・AI・データ活用領域における最先端の技術を活用したシステム開発における上流のアーキテクチャ検討 ・顧客のシステム環境に合わせたAIモデル等に関する技術的開発力 ●管理職を目指すキャリアだけでなく、テクニカルグレード(TG)と呼ばれる技術職のスペシャリストのポジションを目指すことも可能です。

株式会社タイミー

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。

株式会社タイミー

AI・データを活用した複数のプロジェクトをプログラムとして束ね、事業・プロダクト・エンジニアリング・データ専門組織を横断しながら、構想から成果創出・定着までを推進していただきます。 ●事業・プロダクト課題を構造化し、AI・データ戦略、活用テーマ、実行ロードマップを策定 ●複数プロジェクトの優先順位・依存関係・リスクを統合し、組織横断の推進体制と意思決定プロセスを設計 ●PoC・MVPから本番展開、定着、成果検証までを推進し、得られた学びを他領域へ展開 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 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 / SQL ●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

ハコベル株式会社

「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

GO株式会社

GOのデータ基盤では、3,500万ダウンロードのタクシーアプリ『GO』のデータなど、1日に10億レコード規模のデータを収集し、活用しています。 データの主な活用方法は二つあります。 一つはデータプロダクトの開発であり、データをもとにAIや高度なアルゴリズムを開発しタクシーアプリ『GO』に機能として組み込んでいます。 もう一つは意思決定支援であり、約30名のデータアナリストやデータサイエンティストがデータ分析し、その結果を元にビジネス担当やプロダクトマネージャがプロジェクトの効果測定や意思決定をしています。 本ポジションは、このデータ基盤を支えるデータエンジニアです。 仕事内容 データ基盤とデータプロダクトの実行基盤を担当いただきます。 ●データ基盤 ・大規模な車両データをDataflow等を用いてBigQueryに収集 ・3,500万ダウンロードのアプリケーションのDBとログのデータをBigQueryに収集 ・地図を始めとした外部データをデータ基盤に収集 ・データ加工バッチの開発・運用、Google Cloudの様々なサービスを用いて実現 ・StreamlitやLookerなど分析ツールのホスティング ・100人規模の利用者の管理、セキュリティコントロール ●データプロダクト実行基盤 ・タクシーアプリ『GO』でAIや高度なアルゴリズムを用いたデータプロダクトの実行基盤を設計・開発・運用 ・データサイエンティストの開発支援 ・AIモデルの学習バッチや、本番での推論サービング ・高性能かつ高可用性を担保するための設計・実装・システム運用 ・24/365のオンコール体制(待機なし・システム障害時に当番順にコールがあり対応) ●業務内容の変更範囲 会社が指定する業務全般 開発環境 ●データ基盤 ・データストア: BigQuery ・ETL: Dataflow, 独自開発(Python) ・SQLフレームワーク: Dataform ・ワークフローエンジン: Cloud Composer(Airflow) + GKE ・メタデータ管理:Dataplex ・その他ツール: Streamlit, Kepler.gl, Kubeflow ・言語: Python ●データプロダクト実行基盤 ・データストア:Redis, AWS Aurora(MySQL, PostgreSQL) ・実行基盤:AWS:AKE etc ・言語: Go, Python ・モニタリング: Grafana, Sentry ・その他ツール:Feast ●開発環境 ・LLM: Github Copilot, Claude code, gemini, MCPs etc ・IDE: VS Code etc ・CI / CD: GitHub Action ・VCS: GitHub ・その他 Google Workspace, Slack 所属組織 AI技術開発部 データプラットフォームグループ:4名 ※関連チーム ・データサイエンティスト:20名 ・データアナリスト:8名 ・データアーキテクト:5名

JAPAN AI株式会社

・顧客課題の発見・設計 顧客の業務プロセス・データ環境・既存 SaaS 群の全体像を深く理解し、AI で解決すべき課題を特定 AI がどう介入すれば効率化・最適化できるかを設計する 利害関係者 (経営層〜現場担当者) との関係構築・調整 課題の構造化・仮説構築・ソリューション提案 ・ワークフロー構築・PoC の高速実装 JAPAN AI STUDIO を活用した業務ワークフローの構築 (稟議承認、リソース最適配置、見込み顧客探索、データ連携 等) LLM / AI エージェントを活用した軽量 PoC の高速実装 顧客の既存 SaaS (SmartHR / Salesforce / HRMOS / 楽々精算 等) との API 連携・データ統合 フルスタック開発 (バックエンド + フロントエンド) ・本番導入・伴走 本番導入の技術支援・運用設計 セキュリティ・コンプライアンス要件への対応 導入後の利用定着支援・改善提案 ・プロダクトフィードバック 顧客フィードバックのプロダクトチームへの還元 新規ユースケースの発見・提案 プロダクト改善に繋がるパターンの抽出・体系化 【業務シナリオ例】 ※以下は想定される業務シナリオの例です ● シナリオ 1 : 製造業の「SaaS 疲れ」を解消する企業の脳の構築 従業員 500名の製造業の顧客。 SmartHR / 楽々精算 / kintone / Salesforce を個別に運用しており、部門間のデータ連携は手作業で行われている。 現場ヒアリングで「月末の経費精算に 1人あたり 2時間かかっている」「営業が受注情報を 3つのシステムに手入力している」という課題を発見。 JAPAN AI STUDIO で各 SaaS を API 連携し、経費精算の自動承認ワークフローと受注データの自動連携エージェントを 2週間で構築。 月間 400時間の業務削減を実現し、他部署への展開 (アップセル) に繋げる。 ● シナリオ 2 : 金融機関の 24時間見込み顧客探索エージェント 地方銀行の法人営業部門。 営業担当者が手動で企業情報を調査し、アプローチリストを作成している。 1件あたり 30分かかり、1日 10件が限界。 JAPAN AI STUDIO で企業データベース・ニュースフィード・決算情報を統合し、AI エージェントが 24時間体制で見込み顧客を探索・スコアリングするワークフローを構築。 営業担当者は毎朝、AI が優先順位付けしたアプローチリストを受け取るだけの状態に。 アプローチ数が 3倍に増加し、受注率が 15% 向上。 ● シナリオ 3 : 小売業の稟議承認プロセスの AI 化 全国 50店舗を展開する小売業の顧客。 店舗からの発注稟議が紙ベースで、本部での承認に平均 5営業日かかっている。 現場観察で「承認者が出張中に稟議が滞留する」「過去の類似稟議を参照できない」という課題を特定。 JAPAN AI STUDIO で稟議データを構造化し、AI が過去の承認パターンを学習して一次判断を行うワークフローを構築。 承認リードタイムを 5営業日から 1営業日に短縮。 この成功事例をプロダクトチームにフィードバックし、JAPAN AI AGENT の標準テンプレートとして全顧客に展開。 ●ミッション 顧客の業務プロセスを解体し、AI を前提とした「次世代の基幹システム (企業の脳)」を実装する 顧客の現場に深く入り込み、既存 SaaS 群の全体像を把握し、AI がどう介入すれば効率化・最適化できるかを設計する。 JAPAN AI STUDIO を活用し、現場が実際に使えるワークフローを爆速で構築する。 その過程で得た知見をプロダクトチームにフィードバックし、プロダクトそのものを進化させます。 顧客の現場で発見された課題やユースケースが、直接プロダクトロードマップに反映されます。 ●AI ソリューションエンジニアについて AI ソリューションエンジニアは、Palantir 社が確立した FDE (Forward Deployed Engineer) を、AI エージェント時代にアップデートしたポジションです。 顧客の最も困難な業務課題を、AI と自社プロダクトを武器に解決します。 ・SIer / SES でのエンジニア 受け取った仕様書通りに実装する 客先常駐で開発リソースを提供する 多重下請け構造の中で顧客と距離がある 特定領域・特定技術の深掘り ・本ポジション 顧客と直接対話し、課題を発見して仕様を自ら定義する 自社オフィスを拠点に、自社プロダクトで顧客課題を解決する 経営層から現場担当者まで、顧客と直接信頼関係を築く フルスタック × AI × ビジネス理解 受託開発でも客先常駐でもありません。 顧客現場で課題を発見し、軽量な PoC を高速実装し、本番導入まで伴走する。 その過程で得た知見がプロダクトを進化させます。 ●期待する役割について 顧客の業務プロセスとデータ環境を深く理解し、JAPAN AI STUDIO を活用して課題解決を実装・導入するエンジニアです。 ・顧客の既存システム (SaaS 群) の全体像を把握し、AI がどう介入すれば効率化・最適化できるかを設計する ・JAPAN AI STUDIO を活用し、現場が実際に使えるワークフロー (稟議承認、リソース最適配置、見込み顧客探索 等) を爆速で構築する ・PoC を本番環境へ導入し、利用定着まで伴走する ・現場で得た知見をプロダクトチームにフィードバックし、プロダクトを進化させる ・経営層から現場担当者まで、多様なステークホルダーと関係を構築する ●成果責任 (KR/メトリクス) FDE の動きがプロダクトの成長 (ARR) に直結する設計です。 ・先行指標 (行動とアウトプット) STUDIO での新規ワークフロー構築数 — 顧客の課題をどれだけシステム化できたか SaaS 連携数 — 顧客の既存 SaaS を JAPAN AI に接続した数 (= 企業の脳の「視界」が広がった数) デプロイ速度 — 要件定義から最初の AI エージェント稼働までのリードタイム ・遅行指標 (事業と顧客へのインパクト) アクティブ利用率 (MAU / DAU) — 構築した AI ワークフローが、現場で実際にどれだけ使われているか 顧客の業務削減時間 / ROI — AI 導入によって浮いた工数や、受注率向上などの実数 アップセル・クロスセル額 — 初期導入拠点から、他部署や地方拠点へ展開したことによる追加売上 ●チーム体制 約120名が開発組織に在籍しています。 チームは現在6名で、以下のチーム・ステークホルダーと密接に連携します: Product Architect — プロダクト設計 Agentic Engineer — エージェント機能開発 AI Success Engineer — 導入後の顧客成功支援 Deployment Strategy — 顧客への導入戦略・展開推進 ●開発環境 言語 : Python (バックエンド) , TypeScript / React / Next.js (フロントエンド) / NX AI/LLM : LangChain, LangGraph, JAPAN AI STUDIO SDK インフラ : GCP (コンテナ / K8s) , Docker データ : BigQuery, PostgreSQL, 各種顧客データソース ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon) , デュアルモニタ対応

JAPAN AI株式会社

ミッション "AI の出力品質を科学する — 評価手法の研究・開発で、エージェントの信頼性を証明する" LLM / AIエージェントの出力品質を、機械学習・統計学・計量心理学の手法で定量的に評価・改善します。本ポジションは「テストする人」ではなく、 「何をもって良いAIとするかを定義し、測定する科学者」 です。 期待する役割について AI Evaluation Scientist として、AI エージェントの品質評価基盤の設計・構築・運用をリードしていただきます。 ●評価メトリクスの研究開発 — LLM-as-Judge の校正、報酬モデリング、ベンチマーク設計を通じて「何をもって品質とするか」を科学的に定義します ●自動評価パイプラインの設計・構築 — 研究成果を本番 CI/CD に組み込み、スケーラブルな品質ゲートを実現します ●レッドチーミング・安全性検証 — adversarial testing の自動化、ポリシー準拠検証フレームワークを構築します ●統計的実験計画に基づく品質改善 — A/B テスト・有意差検定でプロンプト戦略やモデル変更の効果を定量的に検証します ●評価シグナルの研究・開発チームへのフィードバック — モデル改善の複利ループを構築します 約 200 社が本番利用するプロダクトの品質を「科学する」アプローチで担保します 業務内容 AI Evaluation Scientistとして、 AIエージェントの評価基盤 (Evaluation Infrastructure) の設計・構築・運用をリードしていただきます。 ●評価メトリクスの研究開発 ・LLM-as-Judge の校正手法の研究・実装 (rubric 設計、バイアス検出、proper scoring rules) ・評価ベンチマークの設計・構築・妥当性検証 (construct validity、contamination detection) ・報酬モデリング / preference learning の評価への応用研究 ・評価メトリクスの選定・設計 (win rate、task success、factuality、harm detection) ・評価セット (合成データ + 実ログ) の設計・構築・メンテナンス ●自動評価パイプラインの設計・構築 ・スケーラブルな自動評価パイプラインの設計・実装 ・CI/CD への評価パイプライン組込みと品質ゲートの構築 ・エージェント評価ハーネスの設計 (マルチターン・ツール利用・ロングコンテキスト対応) ・評価パイプラインの再現性・信頼性の担保 ●安全性・品質検証 ・自動レッドチーミング (automated adversarial testing) の研究・実装 ・安全性 / ポリシー準拠の検証フレームワーク構築 ・ハルシネーション検出・校正手法の研究・実装 ・プロンプト / ツール回帰テストの設計・実行 ●統計分析・実験設計 ・統計的実験計画 (A/B テスト、有意差検定) の設計・分析 ・品質トレンドの可視化・回帰検出の自動化 ・品質レポート作成と改善提案 ・評価シグナルの研究・開発チームへのフィードバック 業務シナリオ ※以下は想定される業務シナリオの例です ●シナリオ1: LLM-as-Judge の校正と妥当性検証 新しい評価メトリクスとして LLM-as-Judge を導入する際、judge モデルの校正 (calibration) を実施します。人間評価との一致率を統計的に検証し、rubric 設計を反復改善します。construct validity を確認した上で、自動評価パイプラインに組み込み、評価コストを 80% 削減しながら人間評価と同等の信頼性を実現します。 ●シナリオ2: 新モデル導入時の品質ゲート LLMプロバイダーが新モデルをリリースした際、既存のベンチマークスイートで回帰テストを実行し、factualityスコアが3%低下していることを検出します。原因を分析し、プロンプト調整で品質を維持したまま新モデルへの移行を完了します。 ●シナリオ3: 自動レッドチーミングによる安全性検証 金融機関向けにJAPAN AI AGENTを導入する際、自動レッドチーミングパイプラインを構築します。adversarial promptの自動生成・分類器による脆弱性検出を実装し、業界固有のリスクシナリオ(機密情報漏洩、不適切な金融アドバイス等)を網羅的にテストします。ポリシー準拠率99%以上を達成します。 ●従事すべき業務の変更の範囲 会社の定める業務 成果責任 (KR/メトリクス) ●評価カバレッジ率(テストケース網羅率) ●回帰検出率(リリース前の品質劣化検出率 ≥ 95%) ●評価パイプライン実行時間(CI/CD内で完了) ●LLM-as-Judge と人間評価の一致率 ●False Positive / Negative 率 ●安全性インシデント発生率(リリース後) チーム体制 約120名が開発組織に在籍しています。 AI Evaluation Scientistは品質保証の専門チームとして、以下のチームと密接に連携します: ●密接に連携する役割: ・Agentic Product Engineer — エージェント機能開発 ・Research Engineer — 研究開発・モデル改善 ・Agent Harness Engineer / Software Engineer (AI Platform) — AI 実行基盤開発 ・Product Manager — プロダクト設計・品質要件定義 開発環境 ●言語 : Python (評価パイプライン・分析), TypeScript / React / Next.js (フロントエンド部) / NX ●評価 / QA : pytest, LangSmith, Weights & Biases, custom eval frameworks ●データ : BigQuery, Spark, Pandas ●インフラ : GCP (コンテナ / K8s), Docker, Terraform ●CI/CD : GitHub Actions ●ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion ●AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin ●作業環境 : Mac (Apple Silicon), デュアルモニタ対応

JAPAN AI株式会社

●課題を定義する 顧客の業務プロセス・データ環境・既存SaaS群の全体像を把握し、AIがどこに介入すれば効果が最大化するかを特定します。経営層から現場担当者までと直接対話し、仕様書を受け取るのではなく、仕様を自ら定義します。 ●爆速で作る JAPAN AI STUDIOで、現場が実際に使うワークフロー（稟議承認、リソース最適配置、見込み顧客探索、データ連携 等）を構築します。顧客の既存SaaS（Salesforce / SmartHR / kintone 等）とのAPI連携、LLM・AIエージェントを用いたPoCの高速実装から本実装まで、フルスタックで自ら手を動かします。 ●本番に載せ、プロダクトに還す 本番導入の技術支援、セキュリティ・コンプライアンス要件への対応、導入後の利用定着まで伴走します。現場で得たパターンはプロダクトチームへ還元され、次の標準機能になります。 例：全国50店舗を展開する小売業。紙ベースで平均5営業日かかっていた発注稟議を、過去の承認パターンをAIが学習して一次判断するワークフローに置き換え、リードタイムを1営業日に短縮。この事例は標準テンプレートとして他顧客にも展開されました。 ●ミッション 顧客の業務プロセスを解体し、AI を前提とした「次世代の基幹システム (企業の脳)」を実装する 顧客の現場に深く入り込み、既存 SaaS 群の全体像を把握し、AI がどう介入すれば効率化・最適化できるかを設計する。JAPAN AI STUDIO を活用し、現場が実際に使えるワークフローを爆速で構築する。その過程で得た知見をプロダクトチームにフィードバックし、プロダクトそのものを進化させます。 顧客の現場で発見された課題やユースケースが、直接プロダクトロードマップに反映されます。 ●期待する役割について 顧客の業務プロセスとデータ環境を深く理解し、JAPAN AI STUDIO を活用して課題解決を実装・導入するエンジニアです。 顧客の既存システム (SaaS 群) の全体像を把握し、AI がどう介入すれば効率化・最適化できるかを設計する JAPAN AI STUDIO を活用し、現場が実際に使えるワークフロー (稟議承認、リソース最適配置、見込み顧客探索 等) を爆速で構築する PoC を本番環境へ導入し、利用定着まで伴走する 現場で得た知見をプロダクトチームにフィードバックし、プロダクトを進化させる 経営層から現場担当者まで、多様なステークホルダーと関係を構築する ●成果責任 (KR/メトリクス) FDE の動きがプロダクトの成長 (ARR) に直結する設計です。 ・先行指標 (行動とアウトプット) STUDIO での新規ワークフロー構築数 — 顧客の課題をどれだけシステム化できたか SaaS 連携数 — 顧客の既存 SaaS を JAPAN AI に接続した数 (= 企業の脳の「視界」が広がった数) デプロイ速度 — 要件定義から最初の AI エージェント稼働までのリードタイム ・遅行指標 (事業と顧客へのインパクト) アクティブ利用率 (MAU / DAU) — 構築した AI ワークフローが、現場で実際にどれだけ使われているか 顧客の業務削減時間 / ROI — AI 導入によって浮いた工数や、受注率向上などの実数 アップセル・クロスセル額 — 初期導入拠点から、他部署や地方拠点へ展開したことによる追加売上 ●チーム体制 約60名が開発組織に在籍しています。 FDEチームは現在10名で、以下のチーム・ステークホルダーと密接に連携します: Product Architect — プロダクト設計 Agentic Engineer — エージェント機能開発 AI Success Engineer — 導入後の顧客成功支援 Deployment Strategy — 顧客への導入戦略・展開推進 ●開発環境 言語 : Python (バックエンド) , TypeScript / React / Next.js (フロントエンド) / NX AI/LLM : LangChain, LangGraph, JAPAN AI STUDIO SDK インフラ : GCP (コンテナ / K8s) , Docker データ : BigQuery, PostgreSQL, 各種顧客データソース ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon) , デュアルモニタ対応

JAPAN AI株式会社

●技術オンボーディング・トレーニング FDE から引き継いだ導入済みワークフローの技術オンボーディング設計・実施 顧客の業務ワークフローに合わせた AI 活用方法の設計・提案 トレーニング資料・ベストプラクティスの作成・提供 ●利用定着・ROI実現 成功指標 (KPI) の設計と定期的なROIレビュー 利用状況モニタリングとプロアクティブな改善提案 利用データのダッシュボード構築・定量分析による課題の早期発見 プロンプト最適化・エージェント設定の改善支援 評価基盤 (eval) の運用支援・品質改善 ●テクニカルサポート・問題解決 レポートされた問題の技術的調査・根本原因分析 テクニカルサポートのエスカレーション対応 API/SDK/インテグレーションに関する技術支援 セキュリティ・ガバナンス・コンプライアンス対応 ●プロダクトフィードバック・拡大展開 顧客フィードバックの収集とプロダクトチームへの還元 拡大展開 (アップセル/クロスセル) の技術支援 新規ユースケースの発見・提案 【業務シナリオ例】 ● シナリオ 1 : SaaS 横断ワークフローの利用定着支援 FDE が製造業の顧客に構築した「経費精算自動承認ワークフロー」(楽々精算 → SmartHR 連携) の導入後、利用率が伸び悩んでいる。 利用データを分析し、「現場作業者がスマートフォンから使いにくい」「承認結果の通知が遅い」という課題を特定。 モバイル向けの利用ガイドを作成し、通知設定を最適化。 さらに、現場向けトレーニングを実施。 利用率が 2倍に改善し、月間 400時間の業務削減効果を可視化して経営層に報告。 ● シナリオ 2 : 「企業の脳」の ROI 可視化と全社展開 FDE が金融機関の 1部門に構築した「見込み顧客探索エージェント」の導入後、ROI レビューを実施。 アプローチ数 3倍、受注率 15% 向上という成果を定量化し、経営層向けレポートを作成。 この成果をもとに、他の 5部門への全社展開の意思決定を支援し、アップセルに貢献。 展開先の各部門に合わせたプロンプト最適化とエージェント設定の調整を実施。 ● シナリオ 3 : ワークフロー品質改善のフィードバックループ 小売業の顧客が JAPAN AI AGENT を活用した「稟議承認 AI」で、回答精度に関するフィードバックが増加。 eval 基盤を活用して回答品質を定量分析し、特定の稟議カテゴリで factuality スコアが低いことを特定。 プロンプト最適化とナレッジベースの改善を提案し、回答精度が 15% 向上。 この改善パターンをプロダクトチームにフィードバックし、JAPAN AI AGENT の標準テンプレートとして全顧客に展開。 ●ミッション 「企業の脳」が定着し、成果を出し続ける状態を作る AI プロダクト導入後の顧客成功を技術面から最大化し、利用定着・拡大展開・ROI 実現を推進する。 ●AI Success Engineerとは AI Success Engineerは、OpenAI社やDatabricks社が確立した職種で、AIプロダクトの導入後に顧客の成功を技術面から支援するエンジニアです。 従来のカスタマーサクセスやテクニカルサポートとは異なり、AIプロダクト特有の課題 (プロンプト最適化、eval設計、利用データ分析、ワークフロー改善) を技術的に解決する専門職です。 従来のカスタマーサクセス | AI Success Engineer 利用状況のモニタリング・報告 | 利用データを分析し、プロアクティブに改善提案 機能の使い方を説明する | AIの使い方を設計し、業務ワークフローに組み込む 問い合わせに対応する | 問題の根本原因を技術的に特定・解決する チャーン防止 | ROI実現・拡大展開の推進 ●FDE との分担 FDE | AI Success Engineer 課題発見→PoC→本番導入 | 導入後の定着→活用拡大→ROI 実現 「企業の脳」を実装する | 「企業の脳」が成果を出し続ける状態を作る 新規ワークフローの構築 | 既存ワークフローの改善・最適化 顧客の未来を発見する | 顧客の成功を証明する ●期待する役割について AI Success Engineer として、顧客の AI プロダクト導入後の成功を技術面からリードしていただきます。 FDE が構築した「企業の脳」のワークフローが現場で実際に使われ、成果を出し続ける状態を作る 顧客の業務部門・IT 部門と密接に連携し、AI プロダクトが実際の業務で成果を出し続ける状態を作る 顧客の IT 部門・開発チームと協働し、API 連携やデータ統合の技術支援を行う 利用データの分析に基づくプロアクティブな改善提案を行う レポートされた問題の技術的調査・根本原因分析を行い、エスカレーション対応をリードする 顧客フィードバックをプロダクトチームに還元し、プロダクトの進化に貢献する ●成果責任 (KR/メトリクス) 顧客ヘルススコア (利用率、API呼出数、アクティブユーザー数) チャーン率 ≤ 目標値 拡大展開率 (アップセル/クロスセル貢献) 顧客NPS ≥ 目標値 技術サポートチケット解決時間 (MTTR) ●チーム体制 約120名が開発組織に在籍しています。 AI Success Engineerは以下のチーム・ステークホルダーと密接に連携します: FDE — 導入フェーズからの引き継ぎ Deployment Strategy — 顧客への導入戦略・展開推進 プロダクトチーム — フィードバック還元 サポートチーム — エスカレーション対応 ●開発環境 言語 : Python (自動化・分析), SQL (データ分析) AI / LLM : JAPAN AI STUDIO SDK, プロンプトエンジニアリング, RAG データ : BigQuery, Looker, Pandas インフラ : GCP, Docker (基礎理解レベル) ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon), デュアルモニタ対応

GO株式会社

仕事概要 タクシー配車サービス『GO』の実現に欠かせない車載アプリ(タクシー車内で動いているAndroidアプリ)の開発と継続的な改善をします。 GO Inc.は技術力を強みとしていますが、技術そのものを目的とした会社ではなくプロダクトに向き合うことを大切にしています。 ユーザーの課題やニーズを理解し、より良い体験を追求しながら開発を進めていきます。 今後はタクシー配車にとどまらず、社会課題解決に向けてより複雑なシステムを含めたモビリティプラットフォームを作り上げていきます。 [「日本の"移動"を止めない」──GO IoT本部が挑む、車載システムの統合と品質の裏側](https://go-on.goinc.jp/n/n03b4732753f9?gs=29fb937a7559) 業務内容 タクシー車両内で動く車載システムがあります。 車載システムは、Androidアプリがいくつかの機器と連携して動くことで機能を実現しています。車載システムは次世代のモビリティ体験を支える新規開発が継続しています。 本ポジションでは、従来のアプリ単体のテストにとどまらず、ハードウェア・ソフトウェアが連携する車載システムの品質向上に向けたテストエンジニアリングをリードしていただきます。不具合の検出だけではなく、開発初期から「品質を作り込む」ための計画づくりと実行がミッションです 解決したい課題 ●ハードウェアエンジニア、ソフトウェアエンジニア、QA、PdMなど各専門領域の知見を統合して品質を作り込むプロセスの構築 ●CI基盤と運用フローの構築・改善 ●テスト自動化によるリリースサイクル低下の防止と向上 開発環境 プログラミング言語 :Kotlin, TypeScript, SQL ライブラリ類等 :Android Jetpack, Kotlin coroutines, Appium, Firebase, GCP, BigQuery, etc. CI/CD :Github Actions、Bitrise 所属組織 ソフトウェアエンジニア4名のチームです。カンバンでタスクの状況を把握できるようにしています。コミュニケーションはSlackとGoogle Meetを使っています。 2名がテストエンジニアとして業務をしています。残りの2名はAndroidアプリエンジニアで内部品質の向上を担っています。