QAエンジニア・テストエンジニア（テスター）(React)の求人・転職情報

●職務内容 大手法人向け統合人事システム「COMPANY」の製品品質の改善を行います。 外部・内部品質の向上の為、自動化を推進します。 ●具体的な業務内容 ・自動テストの推進・運用・改善 └ユニット、E2E、パフォーマンスなど ・自動テスト環境の構築・運用 ・コード品質改善ツールの推進・運用・改善 └静的解析(SonarQube)、Linter、フォーマッターなど ・テスト設計、マニュアル作成支援 ・品質改善計画の策定・実行 ・開発、QA、DevOpsチームとの連携 ●SETとQAの違い どちらもソフトウェアの品質を向上させる役割を担う職種ですが、 SETはソフトウェアテストの自動化を担当するエンジニアであり、 QAはソフトウェアの品質管理全般を担当する職種です。 ●技術スタック サーバーサイド: Java, TypeScript, Kotlin, COBOL フロントエンド: 開発言語:HTML, CSS, JavaScript, TypeScript ライブラリ:jQuery, Vue.js, React, LESS データストア: Oracle Database, PostgreSQL, Amazon DynamoDB ミドルウェア: Nginx, Apache Tomcat, IBM WebSphere クラウド: AWS, GCP, Azure, OCI CI/CD: Jenkins, AWS CodeBuild, Gradle, Maven, Ant モニタリング: CloudWatch, Zabbix, AppDynamics, Datadog デザインツール: Figma ソースコード管理: GitHub, AWS CodeCommit, Gitlab, Subversion タスク管理: GitHub issues, GitLab issues, Redmine, Trac 開発ツール: Visual Studio Code, Eclipse コミュニケーション: Slack, Google Workspace 【入社後のフォロー体制】 ・1か月程度の教育(インプット)期間の後、1～3か月のOJTでの軽微な修正や開発を行い、3～6か月程度でひとり立ちしていただきます。 ・運用マニュアルや業務wiki、先輩などの有識者へ気軽に聞ける環境が整っていますので、 ご経験が浅い方でも安心して業務を遂行できます。 ・入社直後は経験豊富なメンターの指導を受けながら開発・運用に従事いただき、 徐々に企画・設計などの裁量の大きい仕事へとチャレンジしていただくことが可能です。 【職種について】 変更の範囲:入社後は本職種に従事いただきます。その後、ご本人の適性等により当社業務全般に変更の可能性があります。

【職務内容】 大手法人向け統合人事システム「COMPANY」の製品品質の改善を行います。 外部・内部品質の向上の為、自動化を推進します。 【具体的な業務内容】 ・自動テストの推進・運用・改善 └ユニット、E2E、パフォーマンスなど ・自動テスト環境の構築・運用 ・コード品質改善ツールの推進・運用・改善 └静的解析(SonarQube)、Linter、フォーマッターなど ・テスト設計、マニュアル作成支援 ・品質改善計画の策定・実行 ・開発、QA、DevOpsチームとの連携 【SETとQAの違い】 どちらもソフトウェアの品質を向上させる役割を担う職種ですが、 SETはソフトウェアテストの自動化を担当するエンジニアであり、 QAはソフトウェアの品質管理全般を担当する職種です。 【キャリアパス】 ご経験・適性に応じて担当業務を決めます。 半年後には主担当へ、2年後にはリーダーへのステップアップを期待します。 手挙げ制度や年1回の全社公募制度もあるため、 ご希望に応じて幅広いキャリアパスの提供が可能です。 <事例> ・エンジニアリーダー￫マネージャー(プロダクト責任者)またはスペシャリスト ※年齢での評価は行っていないため、入社後数年でリーダー￫5年を目安に マネージャーを目指していただける環境です。 ・プロダクト開発、テックリード、SREなど他職種への異動 ・導入コンサル、採用人事などエンジニア以外の組織へ異動 ●技術スタック サーバーサイド: Java, TypeScript, Kotlin, COBOL フロントエンド: 開発言語:HTML, CSS, JavaScript, TypeScript ライブラリ:jQuery, Vue.js, React, LESS データストア: Oracle Database, PostgreSQL, Amazon DynamoDB ミドルウェア: Nginx, Apache Tomcat, IBM WebSphere クラウド: AWS, GCP, Azure, OCI CI/CD: Jenkins, AWS CodeBuild, Gradle, Maven, Ant モニタリング: CloudWatch, Zabbix, AppDynamics, Datadog デザインツール: Figma ソースコード管理: GitHub, AWS CodeCommit, Gitlab, Subversion タスク管理: GitHub issues, GitLab issues, Redmine, Trac 開発ツール: Visual Studio Code, Eclipse コミュニケーション: Slack, Google Workspace 【入社後のフォロー体制】 ・1か月程度の教育(インプット)期間の後、1～3か月のOJTでの軽微な修正や開発を行い、3～6か月程度でひとり立ちしていただきます。 ・運用マニュアルや業務wiki、先輩などの有識者へ気軽に聞ける環境が整っていますので、 ご経験が浅い方でも安心して業務を遂行できます。 ・入社直後は経験豊富なメンターの指導を受けながら開発・運用に従事いただき、 徐々に企画・設計などの裁量の大きい仕事へとチャレンジしていただくことが可能です。 【職種について】 変更の範囲:入社後は本職種に従事いただきます。 その後、ご本人の適性等により当社業務全般に変更の可能性があります。

タイミーのQAエンジニアは、開発チームとともにプロダクト品質に向き合いながら、AIを前提に品質管理プロセスそのものを見直し、チームが自律的に品質を作り込める仕組みを設計・実装する役割を担います。 事業フェーズやプロダクトのリスクに応じて、必要なQAの強度を見極めながら、品質基準、AI向けのルール、評価モデル、テスト戦略を整備し、それらをCI/CD、自動テスト、テスト実行環境、監視・フィードバックの仕組みに接続していきます。単なるテスト工程の自動化ではなく、要求整理、レビュー、リスク分析、検証計画、フィードバックまで含めた開発プロセス全体を改善していきます。 具体的には、以下のような業務を想定しています。 ●品質基準・QAプロセスの設計と構造化 QA Handbook、QA Skills、テスト戦略、品質基準を整備し、チームが再現性をもって品質を担保できる状態をつくります。 要求仕様、AC、DoD、テスト観点を開発チームやAIが扱いやすい形に構造化し、開発プロセスの中で活用できるようにします。 ●リスクベースの品質設計 プロダクトや機能の特性を踏まえて品質リスクを整理し、どこに重点を置いて検証すべきかを設計します。 事業フェーズやリスクの大きさに応じてQA強度を調整し、人による判断と自動化のバランスを見極めます。 ●AI駆動開発に対応した品質ルール・評価の設計 AIエージェントが品質判断に活用できるよう、品質ルール、プロンプト、レビュー観点、評価基準を設計します。 AI生成物に対する品質ゲートやフィードバックの仕組みを整備し、AIを活用した開発でも品質を継続的に担保できる状態をつくります。 ●自動検証・テスト基盤の構築 プロダクトのテスタビリティ向上を主軸に、テストしやすい設計・テストデータ・実行環境・検証観点の整備を進めます。 自動テストやCI/CDと接続し、開発チームが継続的かつ効率的に品質を確認できるテスト基盤を構築・改善します。 ●セルフQA基盤の導入・展開 開発チームが自律的に品質を確認・改善できるよう、品質ガードレールや標準プロセスを設計・導入します。 品質基準を開発プロセスや自動検証の仕組みに接続し、品質保証を人手に閉じないスケーラブルな仕組みへ進化させます。 開発環境(主要な部分の抜粋) ●Backend 開発言語: Ruby 4.0系 アーキテクチャ: Ruby on Rails 7.2系、RSpec ●Frontend 開発言語: TypeScript アーキテクチャ: Next.js CSR(SPA), React Hooks, SWR ●Mobile(iOS) 開発言語: Swift ●Mobile(Android) 開発言語: Kotlin ●Infrastructure AWS:ECS Fargate, Aurora, RDS, S3, ElastiCache, CloudFront, etc… Elasticsearch(AWS Marketplace) Google Cloud(一部サービス) IaC:Terraform ログ:Datadog LogsとS3に集約 ●その他 コード管理: GitHub コミュニケーションツール: Slack, Notion その他:Firebase, twilio, ImageFlux, OneSignal, Figma etc… AIエージェント・LLMツール: GitHub Copilot Coding Agent, Devin, Cursor, Claude Code ●組織的な品質文化の醸成 サイクルタイム(要件定義からリリースまでの完了時間) やFour Keysなどのメトリクスを活用し、「フィードバックサイクルの短縮」が「品質改善スピード」に直結するという考え方を浸透させます。 ポストモーテムのファシリテーションや、テスト設計技法のレクチャーなどを通じて、チーム全体の品質意識とスキルを高め、自律的な改善サイクルを回せるように支援します。 開発環境(主要な部分の抜粋) ●Backend 開発言語: Ruby 3.4系 アーキテクチャ: Ruby on Rails 7.2系、RSpec ●Frontend 開発言語: TypeScript アーキテクチャ: Next.js CSR(SPA), React Hooks, SWR ●Mobile(iOS) 開発言語: Swift ●Mobile(Android) 開発言語: Kotlin ●Infrastructure AWS:ECS Fargate, Aurora, RDS, S3, ElastiCache, CloudFront, etc… Elasticsearch(AWS Marketplace) Google Cloud(一部サービス) IaC:Terraform ログ:Datadog LogsとS3に集約 ●その他 コード管理: GitHub コミュニケーションツール: Slack, Notion その他:Firebase, twilio, ImageFlux, OneSignal, Figma etc… AIエージェント・LLMツール: GitHub Copilot Coding Agent, Devin, Cursor, Claude Code 組織カルチャー ●開発組織のカルチャー タイミーの開発組織は個々人の志向や特性の多様性を「許容」するのではなく「歓迎」する組織です。 各メンバーの多様性を彩りとして捉えて決して否定せず、強みとして重ね合わせて、同じチーム、プロダクトの目標を達成を実現できる組織を目指しています。 また、チームトポロジーの考えを活用した組織構造を採用していることも特徴です。例えば、顧客価値に基づいて領域ごとに組織を分割したり、専任のエンジニアリングマネージャーやアジャイルコーチ、スクラムマスターなどマネジメント専門職メンバーを各チームに配置しています。 https://www.youtube.com/live/uJL3M7R8MLc?feature=share&t=3057 ●技術コミュニティ活動 社内の所属チームを超えたiOSやAndroidなど専門的な技術テーマごとに取り扱うコミュニティ活動も活発で、組織図を超えたオープンなコミュニケーションが行われています。 また、RubyKaigi や Kaigi on Railsを始めとしたカンファレンスのスポンサー活動やイベント登壇、記事の発信など技術コミュニティへの貢献や広報にも力を入れています。 ●オンボーディング メンバー一人ひとりが能力を発揮して、チームで活躍できる環境を目指して様々なオンボーディングプログラムを実施しています。 例えば、入社後チームや技術領域が近いメンバーがメンターとして伴走するオンボーディングの実施や、現職のスクラムマスターからスクラムに関する考え方や手法などをインプットするスクラムオンボーディング、配属直後にマネジメント層とのWelcome 1on1を実施しています。これからの取り組みによって、会社への不明点を早期に解決することで、新メンバーがタイミーで活躍しやすい環境を整えています。 https://productpr.timee.co.jp/n/n46122cd3ec6b ●働き方 フルリモート・フレックスの働き方が浸透しており、NotionやSlackを活用したテキストコミュニケーション、ハドルやMeetを使った同期的なコミュニケーションなどによって職種問わずコミュニケーションが活発な環境になっています。 また、所属チームを超えてiOSやAndroidなど専門的な技術テーマごとに取り扱うコミュニティ活動も活発で、組織図を超えたオープンなコミュニケーションが行われています。 https://productpr.timee.co.jp/n/n2dcb5475e249 ●DevEnable室の取り組み エンジニアの市場価値向上につながる成長支援、学習支援、機会提供、生産性向上を行う専門チームDevEnable室を設置しています。 具体的な制度の一部をご紹介します。 ・在宅環境を自分好みに整えられるリモートHQ制度 ・技術コミュニティ発展への貢献を後押しするOSSボーナス制度 ・世界中のカンファレンス参加を支援するKaigi Pass制度 ・最大300万円、勤務年数に応じて返済不要のエンジニア奨学金制度 ・DevEnable室に込めた思いについても記載していますので、よろしければぜひ下記URLもご覧ください。 https://product-recruit.timee.co.jp/tde10

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

●仕事概要 弊社は「エネルギーの制約から人と社会を解き放つ」をミッションに、 日本の電力業界に残る非効率と未開拓領域に挑むエネルギーテック企業です。 私たちの強みはテクノロジー×エネルギー×ファイナンス の掛け算。 従来の常識では不可能だった規模と効率で、前例のない新しい仕組みをつくり出しています。 また、太陽光発電所や蓄熱式エナジーストレージ等の分散エネルギー資源を統合管理する Energy Aggregation Platform を開発・運用しています。 本ポジションは、製品の品質保証活動をリードし、中規模の検証を計画・設計・実施・評価まで完遂するとともに、開発チームが継続的に高品質を出荷できるしくみを作る役割を担います。 スクラムチームの一員として、主に以下を担当します。 ●主な業務内容 ◆品質戦略と計画 当社プロダクトのQAリードとして、品質戦略・テスト計画の策定と実行 ・開発プロダクトに対する新機能テストの計画、設計、実施 ・複数プロダクト間の統合テスト設計・運用 ・非機能テストの設計・実施 ・リリースサイクルにあわせた自動E2Eテストの運用 ・PdM、エンジニア、デザイナー等を含む開発チームの一員としてPJを進行 各プロダクトを担当するQAエンジニアのリード QAチームメンバーの育成・リード、ナレッジ共有の推進 迅速でホスピタリティのある顧客対応のためのカスタマーサクセスや営業との連携 組織全体への品質意識の啓蒙活動 テストプロセスの評価や改善活動 ●開発環境・技術スタック ・バックエンド 言語:C# フレームワーク:ASP.NET Core ORM:Entity Framework Core API:REST(FastEndpoints、MediatR) テスト:xUnit ・フロントエンド 言語:TypeScript フレームワーク:React(Carbon React) ビルドツール:Vite テスト:Vitest、React Testing Library インフラ クラウド:Microsoft Azure データベース:Azure SQL Database ・開発・運用ツール プロジェクト管理/ソース管理/CI/CD:GitHub Enterprise, Azure DevOps(Azure Boards) IDE:Visual Studio 2026(JetBrains ReSharper) コミュニケーション:Microsoft Teams ●チーム体制 所属:テクノロジー本部 本部長(CTO)1名 / テックリード2名 / メンバー6名

●このポジションの3つの特徴 01　「本番で信頼できるAIエージェント」をサービスにします LLM・RAGを使ったAIエージェントを作るだけでなく、評価・品質の担保まで含めて顧客に届けます。作る側(AI開発)と確かめる側(品質保証)が同じ組織にあるからこそできるサービスです。 02　AI開発・品質保証のエンジニアを率いて、サービスをつくります 一人で作り込む仕事ではありません。社内のエンジニアでチームを組み、役割を分け、設計とレビューを担い、技術の判断をしながら開発を進めます。ご自身も手を動かし、チームに見本を示します。 03　仕事のキモは「チームで提供できる」状態をつくることです 作って終わりではありません。開発の型(AI駆動開発の標準・品質ゲート)と評価の型に落とし、誰が作っても品質を落とさずに提供できるチームをつくることが、このポジションの成果です。 ●このポジションで得られるもの ・AIエージェント×品質保証という、まだ勝者の決まっていない領域で、サービスを立ち上げる経験。 ・作る(AI開発)・確かめる(品質保証)・直すがひとつの組織にそろった環境で、チームを率いて開発できること。 ・自分たちがつくった型に価格がつき、チームで顧客に届く経験。 ・サービスの責任者として、サービスとチームを育てていく道。 ## 業務内容 担当するサービスについて、次の5つを担っていただきます。どれも切り離せない仕事ですが、最も大切にしていただきたいのは「4. チームで提供できるようにする」です。作って終わりではなく、ご自身がいなくても、チームが同じ品質で提供できる状態をつくることが、このポジションの成果です。 【1. 決める ― サービスの中身と、提供の形を決める】 ・顧客の業務と課題から、AIエージェントで何を解き、どの水準の品質を約束するかを決めます。 ・提供メニュー・手順・品質基準・価格の考え方を、事業の責任者と相談しながら決めます。 【2. 作る ― 自らも手を動かし、技術の判断を担う】 ・AIエージェントの設計、RAG・データ基盤との連携、評価の仕組みなど、要となる部分はご自身でも作り、試します。 ・担当する範囲のアーキテクチャ・技術選定・品質の基準について、技術の判断を担います。 【3. 率いる ― AI開発・品質保証のエンジニアを動かして開発する】 ・社内のAI開発・品質保証のエンジニアでチームを組み、役割を分け、開発を進めます。 ・設計・コードのレビュー、評価結果の確認を通じて、チームの成果物の品質に責任を持ちます。 【4. チームで提供できるようにする ― 型にして、誰が作っても品質を落とさない状態にする】 ・開発の手順、AI駆動開発の標準、品質ゲート、評価の設計を「型」として書き起こし、チームで使える状態にします。 ・型をメンバーに教え、ご自身がいなくても、チームが同じ品質でサービスを作り、提供できるようにします。 【5. 届ける ― 顧客の前に立ち、最初の提供をやり切る】 ・営業担当と組み、技術面の提案を担います。 ・最初の案件では、チームを率いて導入・提供をやり切り、社外の実績をつくります。 #### ●技術環境 【言語 / フレームワーク】 React、TypeScript(フロントエンド)/Python、C#(バックエンド) 【クラウド】 Azure(AWS・GCPのご経験も歓迎) 【データベース / 基盤】 PostgreSQL、Databricks 【AI領域】 生成AI(LLM/RAG/AIエージェント)を活用したAI駆動開発 【AI開発ツール】 Claude Code、Cursor、GitHub Copilot、Codex、CodeRabbit 【品質保証・評価】 テスト設計、テスト自動化、CIの品質ゲート、AIの評価設計(評価データセット・自動評価・回帰評価) ●入社後のロードマップ 【入社〜3ヶ月】 進行中のAIエージェント基盤・品質担保の型づくりに加わり、チームと技術の現状をつかみます。あわせて、自社の業務を題材にしたAIエージェントの開発を、評価の設計まで含めてリードし、サービスの原型を1つ形にしていただきます(例:営業支援のAIを、品質の基準まで含めて自社で使える状態にする)。 【3〜6ヶ月】 自社で確かめた結果をもとに、提供メニュー・品質基準・価格の案を固め、営業担当とともに既存の顧客に提案します。開発と評価の手順を、チームの型として書き起こします。 【6ヶ月〜1年】 社外の顧客への提供実績をつくります。チームのメンバーが型に沿って、品質を落とさずに作れる状態にします。 【1年〜】 サービスの責任者として、サービスとチームを育てていただきます。次のサービスの立ち上げや、型を使えるエンジニアの育成もリードいただきます。 ※ 進む速さはご経験と成果によって変わります。どこから担っていただくかは、ご経験をうかがったうえで一緒に決めます。 ●あえてお伝えしたい「厳しいリアル」 【サービスはまだ「売れる形」になっていません】 社外への提供は、最初の1件をつくる段階です。提供メニュー・価格・品質基準は整備の途中で、何を型にするかを決めるところから関わっていただきます。 【チームのメンバーは、顧客の案件と兼務の人もいます】 サービス開発に関わるエンジニアの稼働は、事業の責任者と調整しながら確保します。限られた時間の中で、役割を分け、成果につなげるリードが求められます。 【立ち上げの段階は、ご自身が手を動かす場面も多くあります】 チームを率いる役割ですが、型ができるまでは、要となる部分をご自身で作り、見本を示す場面が多くなります。 【営業を一人で背負う必要はありませんが、顧客の前には立っていただきます】 営業担当と組む体制で進めます。一方で、技術面の提案や最初の提供では、ご自身が顧客と直接向き合います。 【原則「出社」の環境です(リモートワーク不可)】 立ち上げの段階は、事業の責任者・チームのエンジニアとの密なコミュニケーションと、速い意思決定が欠かせないと考えているためです。 ●このポジションではないこと ミスマッチを防ぐため、あらかじめお伝えします。 ・全社のDX・変革を企画し、推進する役割ではありません。担っていただくのは、AIエージェント×品質保証のサービスです。 ・資料づくりや取りまとめが中心の、PMO・企画の役割ではありません。技術の判断と、ご自身が手を動かすことが欠かせません。 ・一人で作り込むスペシャリストの役割でもありません。エンジニアのチームを動かし、チームで提供できる状態をつくることが仕事の中心です。 ●担当していただくサービス 【サービスの方向性】 本番で信頼できると担保されたAIエージェントを、顧客に届けるサービス 【サービスの中身(例)】 ① AIエージェントの構築:業務の分解から、AIエージェント・ワークフロー型AIの設計・構築、既存システム・データとの連携(LLM・RAG、AIエージェントを支えるデータ基盤を含む)、運用まで ② 品質の担保:正確性・タスクの完了・権限・安定性・安全性・業務への適合の観点での評価設計、評価データセットと自動評価、モデル更新時の回帰評価 ③ 作り方の型:AI駆動開発で、速く、品質を落とさずに作るための開発標準・レビュー基準・品質ゲート 【いまの進み方】 複数のチームが並行して、AIエージェント基盤と品質担保の型づくりを進めています。自社の業務(営業支援のAIなど)を題材に作り、まず自社で効果を確かめてから社外へ届けます。大手SIerのプロジェクトにはチームで参画し、AIエージェントを支えるデータ基盤の開発も進めています。 【一緒に動くメンバー】 社内のAIソリューション開発のエンジニア、品質保証(QA・テスト)のエンジニア、営業担当 【いまの状態】 社外への提供は、最初の1件をつくる段階です。提供メニュー・価格・品質基準は整備の途中です。 ※ どこから担っていただくか、サービスの中身をどう広げるか、社内のリードエンジニアとどう役割を分けるかは、ご経験と得意な領域をうかがったうえで一緒に決めます。 ●従事すべき業務の変更の範囲 →会社の定める業務

・開発チームの一員として、プロダクトの品質保証に関わる業務全般を担当 ・テスト計画・設計・実施・報告など一連のテストプロセス業務 ・チームと協働しながら、品質リスクを把握し、対策を立案・実行 ・ふりかえりやプロセス改善提案など、チーム全体の品質向上活動への参画 【事業概要】 持続的な企業成長には生産性向上が不可欠であり、「人的資本経営」の重要性がかつてないほど高まっています。その中核を担うのが「タレントマネジメント」です。本音の人材情報を活用し、個人と組織の潜在能力を最大限に引き出すことで、企業はさらなる高みを目指せます。 カオナビは、個の力を最大化し、組織をより強くするためのタレントマネジメントシステムです。人事業務の効率化から戦略人事の実現まで、幅広い目的に対応。人材データプラットフォームに蓄積された個のデータをAIと掛け合わせることで、「個の力の最大化」による盤石な組織を築き、企業の成長を力強く後押しします。 会社概要 “はたらく”にテクノロジーを実装し個の力から社会の仕様を変える これまでのカオナビ: 人材データを人事担当者だけのものにせず、経営層、マネージャー、そして現場へと「開く」ことが、カオナビの原点です。この揺るぎない信念のもと、創業以来、多角的な人材データを一元化するプラットフォームを構築し、多くの企業様の潜在能力を最大限に引き出してきました。 ●これからのカオナビ: タレントマネジメントを次のステージへ導くべく、私たちは「タレントインテリジェンス」という新たなビジョンを掲げました。プラットフォームに集約された多角的な人材データをAIが最大限に活用。HRSaaS事業とHRソリューション事業の強力な両輪が駆動し、データが蓄積されるほど進化する、まさに生命体のような循環型モデルを推進していきます。これにより、「個」の力を最大限に引き出すプラットフォーマーとして、社会に革新をもたらし続けます。 私たちは今、5年後の再上場を目指し、非連続的成長を遂げる最もエキサイティングな変革期(第二創業期)にいます。この挑戦は変化、激動、カオスを伴います。しかし、これを困難な逆境と捉えるのか、あるいは未来を切り拓く最高の舞台と捉えるのか。私たちは迷わず後者を選びます。だからこそ、この挑戦を一緒に楽しみに変えられる仲間、「ゲームチェンジャー」を求めています。ゲームチェンジャーの役割を果たすうえで当社が重要視するのは、自己の能力を磨き続け、自律的に働き方を選択することで、他にはない成果を発揮する人材、「ユニーク・パフォーマー」です。その活躍を支える環境として、自律的なキャリア形成をサポートする制度はもちろん、成果を最大化できるよう、働く場所と時間を選択できる制度も導入しています。 さあ、この最高の舞台で、あなたの「個性」を飛躍させませんか。 【参考記事】 「個」の力を最大限に引き出すプラットフォーマーを変わらず目指す。カオナビの新ビジョン「タレントインテリジェンス」に込めた想い https://note.com/kaonavi/n/n360f21f6f563 My Work Style制度 ※詳細は就業規則による ●ハイブリット勤務 　リモートワーク可能な場所は原則日本国内の自宅のみ ●スーパーフレックス(コアタイム無し) 　1日あたり最低労働時間4H-、月間所定労働時間あり ●スイッチワーク(中抜け可能) 　役所や病院、お子様の送り迎えなど、都合に合わせて調整可能 ●±20時間 　月所定労働時間に±20時間の幅を設け、各自で労働時間を調整することが可能。 【直近過去事例】 社内の”声”を見える化する新機能「インサイトファインダー」を提供開始 https://corp.kaonavi.jp/news/pr_20240926/ スキル管理に特化 新機能「アビリティマネージャー」を提供開始 https://corp.kaonavi.jp/news/pr_20240307/ 開発環境 ・開発言語:PHP, Go, TypeScript, Dart ・フレームワーク:Laravel, Gin, React, Flutter ・コード管理:GitLab ・DB:MySQL ・インフラ:AWS, Terraform, Docker ・監視ツール:Mackerel, Datadog ・社内ツール:Confluence, Jira, Redmine, Slack, Miro, Figma ・開発環境: JetBrains IDE, Visual Studio Code ・AI開発環境:Github Copilot, Claude Code 【カオナビ関連ページ】 ・カオナビの「人」と「組織」が見えるメディア　kaonavi vivivi(https://vivivi.kaonavi.jp/) ・カオナビの未来図　Future Deck(https://speakerdeck.com/kaonavi/kaonavi-future-deck) ・採用ホームページ(https://recruit.kaonavi.jp/) ・Wantedly(https://www.wantedly.com/companies/kaonavi) ・会社紹介資料 for engineer(https://recruit.kaonavi.jp/)

ミッション ソフトウェアエンジニアリングとAIを駆使して、テストの自動化とテストケースのライフサイクル全体の質を高め、プロダクト品質とリリース速度を両立させる現在、QA業務のうち約50〜60%はすでに自動化されており、基盤としては一定の水準に達しています。このポジションで問われるのは自動化率を積み増すことだけでなく、未自動化領域の自動化・既存テストの品質改善・テストケースのライフサイクル管理を仕組み化し、改善が自走するサイクルを作ることです。 期待する役割について テストの自動化・既存テストの品質改善・テストケースのライフサイクル運用の3方向をリードし、AIを活用しながらQAプロセス全体が継続的に良くなる仕組みを構築・運用していただきます。 ・自動化できていない領域を見極め、優先度をつけて自動化する ・既存の自動化されたテストの品質(網羅性・保守性・シグナルの信頼性)を継続的に改善する ・テストケースのライフサイクル(作成・実行・評価・棚卸し・廃止)を設計し、改善が回る仕組みを構築・運用する ・AI/LLMを用いたテストケース生成・改善エージェントを構築する ・品質課題をプロダクトチームにフィードバックし、エンジニア/ビジネス/CSとの橋渡しを行う ・約400社が本番利用するプロダクトの品質を、自動化・品質改善・仕組み運用の3方向から担保する 業務内容 ●未自動化領域の自動化 ・自動化できていない箇所を洗い出し、優先度をつけて自動化する ・AI/LLMを活用したテストケース生成エージェントの構築 ・CI/CDへの自動テスト組み込み・回帰テストの整備 ●既存テストの品質改善 ・既存テストケースの品質(重複・カバレッジ・保守コスト・シグナルの信頼性)を精査し、改善する ・Flakyテストの検知・修正、形骸化したテストの棚卸し ・テスト設計・品質基準の策定、良いテストケースの記述 ●テストケースのライフサイクル設計・運用 ・テストケースの作成〜実行〜評価〜棚卸し〜廃止までのライフサイクルを設計する ・改善が継続的に回る仕組み(レビュー体制・メトリクス・運用フロー)を構築・運用する ・JAPAN AI STUDIOを活用したQA・テスト業務の仕組み化 ・品質課題をプロダクトチームにフィードバックし、エンジニア/ビジネス/CS/非エンジニアとの橋渡しを行う チーム体制 約150名が開発組織に在籍しています。 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 従事すべき業務の変更の範囲 会社の定める業務

次世代プロダクトのチームに所属し、以下の 2 つの役割を担っていただきます。 1.エンジニアリングスキル・AI スキルを駆使して「サービス品質」「プロダクト品質」を高める テスト自動化の実装・運用、生成 AI を用いたテスト生成・テスト探索、プロダクトに組み込まれる AI 機能の品質保証など、エンジニアリングと AI を武器に、プロダクトの品質水準そのものを直接引き上げる活動をリードしていただきます。 仕様レビューやテスト設計といった従来の QA 業務に閉じず、コードを書き、ツールを構築し、AI を使い倒して、品質を作り込むことを期待します。 2.リードエンジニア・プロダクトマネージャーと相対して「プロセス品質」をリードする 要求・仕様レビューの質を高めるシフトレフト、リリース・デプロイプロセスの改善、インシデント対応と再発防止のループ設計など、開発プロセスそのものの品質をリードエンジニア・プロダクトマネージャーと協働しながら改善していただきます。 プロダクトチームの中核として、品質に関わる意思決定を主導するポジションです。 ●具体的な業務内容 担当プロダクトの品質戦略の立案と実行 開発チームと密接に連携した要求整理、仕様策定、UX レビュー アジャイル開発プロセスにおけるテストプロセスの改善提案・実行 テスト計画策定から分析、設計、実行、不具合報告、リリース後確認まで テスト自動化(E2E / API / 単体)の実装・運用・監視 品質メトリクスの設定と分析 AI を活用したテスト生成・テスト探索の実践と、社内へのナレッジ展開 プロダクトに組み込まれる AI 機能(LLM ベースの構築支援・分析機能等)の品質保証(プロンプト評価、出力品質検証、ハルシネーション検知など) プロダクトチームへの QA 知見の共有・浸透 ●業務内容の変更範囲 会社の定める業務

次世代プロダクトのチームに所属し、以下の 2 つの役割を担っていただきます。 1.エンジニアリングスキル・AI スキルを駆使して「サービス品質」「プロダクト品質」を高める テスト自動化の実装・運用、生成 AI を用いたテスト生成・テスト探索、プロダクトに組み込まれる AI 機能の品質保証など、エンジニアリングと AI を武器に、プロダクトの品質水準そのものを直接引き上げる活動をリードしていただきます。 仕様レビューやテスト設計といった従来の QA 業務に閉じず、コードを書き、ツールを構築し、AI を使い倒して、品質を作り込むことを期待します。 2.リードエンジニア・プロダクトマネージャーと相対して「プロセス品質」をリードする 要求・仕様レビューの質を高めるシフトレフト、リリース・デプロイプロセスの改善、インシデント対応と再発防止のループ設計など、開発プロセスそのものの品質をリードエンジニア・プロダクトマネージャーと協働しながら改善していただきます。 プロダクトチームの中核として、品質に関わる意思決定を主導するポジションです。 ●具体的な業務内容 担当プロダクトの品質戦略の立案と実行 開発チームと密接に連携した要求整理、仕様策定、UX レビュー アジャイル開発プロセスにおけるテストプロセスの改善提案・実行 テスト計画策定から分析、設計、実行、不具合報告、リリース後確認まで テスト自動化(E2E / API / 単体)の実装・運用・監視 品質メトリクスの設定と分析 AI を活用したテスト生成・テスト探索の実践と、社内へのナレッジ展開 プロダクトに組み込まれる AI 機能(LLM ベースの構築支援・分析機能等)の品質保証(プロンプト評価、出力品質検証、ハルシネーション検知など) プロダクトチームへの QA 知見の共有・浸透 ●開発に使っている主なツール サーバーサイド Kotlin / Go / Rust フロントエンド React / Next.js / TypeScript インフラ AWS / Terraform / Fargate / ECR DB Aurora PostgreSQL テストツール Datadog Synthetics / Playwright AI 開発環境 Cursor / Claude Code ●業務内容の変更範囲 会社の定める業務

自社プロダクト・サービスを更に進化させるため、QAエンジニアとしてテスト自動化を主軸とした開発の生産性最大化を担い、プロダクトの品質向上をお任せします。 ●主な業務 ・製品の品質課題の抽出、仕様等へのレビューや開発プロセスに対する改善提案 ・製品開発におけるテスト設計から実行、自動テストの実装 ・要件定義からリリースまでを含む製品の品質向上施策の策定 ・リリース後の品質モニタリング ・不具合内容やユーザからのフィードバックを分析して課題を抽出 自社プロダクト・サービスの品質を守るエンジニアとして、技術を発揮し活躍できる環境です。

自社プロダクト・サービスを更に進化させるために必要なテスト自動化を主軸とした開発の生産性最大化を担い、プロダクトの品質向上をお任せします。 また、パフォーマンス向上のため、本役割組織の推進、メンバーの目標管理、指導・育成等のチームマネジメント業務をお任せします。 ●主な業務 ・製品の品質課題の抽出、仕様等へのレビューや開発プロセスに対する改善提案 ・製品開発におけるテスト設計から実行、自動テストの実装 ・要件定義からリリースまでを含む製品の品質向上施策の策定 ・リリース後の品質モニタリング ・不具合内容やユーザからのフィードバックを分析して課題を抽出 ・チームメンバーの指導、育成、フォロー 自社プロダクト・サービスの品質を守るエンジニアとして、技術を発揮し活躍できる環境です。

担当領域(食べログ既存事業の一領域)のQA業務において、AIが正しく品質判断できるようにハーネスエンジニアリングの枠組みの中でナレッジ・基準を整備し、AIの判断結果をレビュー・承認します。 ●QA業務のナレッジ・基準の整備 ・担当領域のQA業務をテスト分析からテスト設計、テスト実行、テストレポート作成まで一貫してAIが実行できるようにナレッジを整備します。 ・特に「良いテスト」「リスクの見方」「変化に合わせたテスト観点の更新判断」といったQAの判断基準に関する暗黙知を、AIが参照できるコンテキストやガードレールといった形式知に変換します。 ●AIの判断結果のレビューと承認 ・AIが実施したQA業務(リスク分析・コードレビュー・E2Eテスト)におけるAIの判断結果をサンプリングレビューする ・AIに判断を任せきれない、高リスク案件・例外ケース・AI出力の脆弱性(プロンプトインジェクション・ハルシネーション等)が疑われるケースの最終承認を担う ●フィードバックループへの関与 ・不具合・障害のトリアージ結果・ODC分析結果をレビューし、再発防止策の採否を判断する ・AIが誤った判断をしたケースの原因を分析、ナレッジ・ルールへ反映し、同じミスをAIが繰り返さない環境を整備する ●案件のQA業務(並行して実施) ・案件ごとのテスト設計・実行・品質判断を担い、高リスク・複雑な案件においてAIにはできない判断を行う ・QA業務を通じて得た観点・判断基準をCQ by AIのナレッジ基盤として積み上げる 【所属部門】 食べログカンパニー 開発本部 品質管理部 【ミッション】 品質管理部は「QA業務をAIが一貫して担う」ことを目指す長期ビジョン Continuous Quality by AI(CQ by AI) を推進するチームです。 そのAIが正しく品質を判断できるよう、QAの知識と基準をAIに渡すエキスパートとして参画していただきます。 単にテストを効率化するのではなく、「リリース前のチェックポイント」だったQAを、開発プロセスそのものに埋め込まれた自律的な仕組みへと変える取り組みです。 月間数千万人が使う食べログで、AIエージェントがコードレビュー・リスク分析・E2Eテストを担い、最終承認のみ人間が行う品質保証の実現を目指しています。 すでに自動テストコーディングでコード生成精度97%・テスト実行工数52%削減・自動化率64%の実績を上げており、その先のフェーズを共に作る段階にあります。 このポジションは AIが正しく品質判断できるようにQAドメインのナレッジをハーネスエンジニアリングの枠組みの中でガードレールやチェックリスト、基準などとして整備する役割 です。 従来のQAエンジニアが「自分でテストを設計・実行し、品質を判断する」のに対し、このポジションは「AIが判断するための基準を設計・検証し、AIの判断結果をレビューする」へと役割が変わります。 QAエンジニアとしての専門知識を活かしながら、業界でもまだ先例の少ない「AIに品質を教える仕事」を担っていただきます。

QA業務をAIエージェントが自律実行できるハーネスを設計・実装します。 【具体的な業務内容】 ・ハーネスエンジニアリングの実践 └ハーネスエンジニアリングの枠組みの中で、QA業務を担う各工程のAIエージェントを設計、構築します。 ・リスク分析/テスト分析/テスト設計エージェント └仕様書を分析し、その後の実装や自動テストコーディングへの入力を生成するQAの上流工程を担当するAIエージェントを設計、実装します。 ・自動テストコーディング、自動テスト実行エージェント └テスト設計結果を自動テストとして実装し実行するQA業務の中核となるAIエージェントを設計実装します。 ・CQフィードバックパイプラインの設計・実装 ・不具合/障害情報の集積、分析基盤の構築 └エラーログ/AIエージェント実行ログ/不具合レポート/障害レポートなどを集積し、後続の分析や再発防止策の策定を実施するための基盤を整備します。 ・障害分析や再発防止策実施エージェントの設計、実装 └AIや人間のミスの結果である障害情報を分析し、それらをAIエージェントから利用可能なコンテキストやSKILLの形に実装するAIエージェントの設計、実装をします。 ・外部AI動向の追跡と発信 ・Harness Engineering等のAI分野の最新動向を追跡し、業務設計に落とし込む ・社内の実践と学びを技術ブログ・カンファレンス等で外部発信する 【開発環境】 ●AIエージェント:Claude Code(SKILL / Sub-agent / Hooks / Agent Teams)/ Devin / MCP Server ●テスト自動化:Selenium, Appium, Cucumber, Playwright ●CI/CD:CircleCI, Bitrise ●データ基盤:BigQuery, Tableau ●タスク管理・分析:Asana ●コミュニケーション:Slack, Teams, GitHub, Confluence, Miro ●開発技術スタック:Ruby on Rails, React.js, Next.js, Swift/SwiftUI, Kotlin 【所属部門】 食べログカンパニー 開発本部 品質管理部 【ミッション】 品質管理部は「QA業務をAIが一貫して担う」ことを目指す長期ビジョン Continuous Quality by AI(CQ by AI) を推進するチームです。 そのAIが正しく品質を判断できるよう、QAの知識と基準をAIに渡すエキスパートとして参画していただきます。 単にテストを効率化するのではなく、「リリース前のチェックポイント」だったQAを、開発プロセスそのものに埋め込まれた自律的な仕組みへと変える取り組みです。 月間数千万人が使う食べログで、AIエージェントがコードレビュー・リスク分析・E2Eテストを担い、最終承認のみ人間が行う品質保証の実現を目指しています。 すでに自動テストコーディングでコード生成精度97%・テスト実行工数52%削減・自動化率64%の実績を上げており、その先のフェーズを共に作る段階にあります。 このポジションは AIが正しく品質判断できるようにQAドメインのナレッジをハーネスエンジニアリングの枠組みの中でガードレールやチェックリスト、基準などとして整備する役割 です。 従来のQAエンジニアが「自分でテストを設計・実行し、品質を判断する」のに対し、このポジションは「AIが判断するための基準を設計・検証し、AIの判断結果をレビューする」へと役割が変わります。 QAエンジニアとしての専門知識を活かしながら、業界でもまだ先例の少ない「AIに品質を教える仕事」を担っていただきます。