QAエンジニア・テストエンジニア（テスター）(Terraform)の求人・転職情報

当ポジションのミッションは、客観的視点とクライアント/顧客の視点、その両方に立って、品質を測定し、担保することです。 計画〜実施までの一連のテスト業務や、製品の要件定義からの品質管理業務など、プロジェクトの上流から下流までの品質管理を担っていただきます。 <配属先部門紹介> 現在クオリティマネジメントオフィスには、20名弱が在籍しており(業務委託含む)、以下のMission・Vision・Valuesを指針に、日々業務を行っています。 ●Mission 高品質・適正価格の「映像ソリューション」を提供し、あらゆる産業の現場DXを実現する ●Vision 創る組織である「開発本部」において、全開発における品質課題に目を向け、品質文化に根ざした改善活動を行えるようにする ●Values より良い品質にしていくために「品質とは何か」を定義し、開発本部全体に広げる その拡大のためにも日々開発プロセスの改善を行う 品質改善をし続けるために新しい技術やプロセスを取り入れ、1人1人が成長する <詳細の業務内容> プロダクトごとに若干の差異はありますが、開発序盤からプロジェクトに参画し、テスト業務に留まらず、プロダクトの品質ならびにその価値を向上させ、保証できるような活動全般に取り組んでいます。 Webアプリケーションおよびネイティブアプリのテスト計画、設計、実行 上記に対する自動テストの実装 要件定義～リリースまでを含む製品の品質向上施策の策定、シフトレフトの推進 継続的な品質改善を行うための欠陥データ収集、測定、分析、プロダクトへのフィードバック　 開発プロセス全体に関する改善および品質向上施策の推進 ●使っている技術・ツール テスト管理:TestRail、Backlog テスト自動化:MagicPod、Playwright 開発言語:Python、 Java、Go、C++ インフラ:AWS、Kubernetes データベース:MySQL、 Redis、PostgreSQL、DynamoDB 構成管理ツール:Terraform、Ansible 監視:Prometheus、 Grafana、PagerDuty、StatusCake、Sentry、Datadog CI/CD:GitHub Actions その他:GitHub、 Docker、Fluentd、Fluent Bit、Redash、Postman ●開発組織の目標 ・クラウド録画サービスの品質向上 カメラ出荷数30万台を突破し、更なる利用者数の急増に伴い、より高品質・ハイパフォーマンスなサービス基盤の開発・運用を行います。カメラを通してクラウド上に収集した"映像データ"を、必要に応じ配信や解析し、付加価値のある情報を抽出する事によりお客様の課題解決を実現しています。 ・上記クラウド基盤上でのアプリケーション開発 動画の収集/配信システムだけでなく、"映像から未来をつくる"というビジョンを達成すべく、それらの動画を利用した顧客課題の解決に繋がるようなアプリケーションの開発を行っております。様々なアプリケーションを提供していくことでより多くの課題解決を実現して参ります。 ・オープンAPI等による他社参画のためのプラットフォーム開発 上記は自社で行っているアプリケーション開発ですが、映像から解決できる問題は多数あり、且つ、業界業種によっても異なります。この全ての課題を解決するためには弊社一社のみで行うのではなく、オープンなプラットフォームを構築し他の技術を持った企業様が参画することで、顧客解決に繋がるサービスをより多く世に出していき、"映像から未来をつくる"を実現していきます。このように、「我々の基盤上で構築〜展開できるようなプラットフォーム開発」を進めております 従事すべき業務の変更の範囲 <雇入れ直後>サービス運営・営業・サポート、その他これらに付随する一切の業務 <変更の範囲> 会社の定める業務

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

●品質管理/改善に関する業務 └テストプロセス全般の管理、改善。 その上で効率的かつ効果的なテスト手法を確立 └開発エンジニア、PdM、ビジネス部門とも密接に協力し、製品の品質に関する期待やリスクの把握 └各種製品リリースにおけるリスク評価と品質リスクを最小限に抑える戦略を策定 ●リードに関する業務 └エンジニアやプロダクトマネージャー等周囲と連携してのプロダクト全体の品質基準と品質維持プロセスの設計と推進 └上記プロセスの実現のためのメンバー育成計画の立案と推進 └上記プロセスの実現のための各種の制度設計、改善、運用 └QA同士の横の繋がりの強化(エンゲージメント強化)の推進 └目標設定、評価のフィードバック <変更の範囲> 本社及び全てのオフィス、自宅、その他就業場所(会社の許可した就業に適した場所)、出向先・転籍先会社の全てのオフィス 開発環境 開発言語:PHP, Go, JavaScript, TypeScript, Dart フレームワーク:Laravel, Gin, React, Flutter 開発/運用環境:Docker, GoLand, PHPStorm, Swagger, Storybook, Figma, GitLab, GitLab CI, TestCafe 構成管理:Ansible, Terraform, CloudFormation ミドルウェア:MySQL, Apache, Nginx, Redis インフラ環境:AWS (EC2, RDS, ElastiCache, S3, CloudFront, Step Functions, Batch, Lambda, ECS, Fargate, ECR, ...) 監視, モニタリング, 運用ツール:Mackerel, Datadog, PagerDuty, Statuspage 社内ツール:Confluence, Redmine, JIRA, Slack, Zoom その他:Yarn, webpack, Atomic Design, Redux, React Hooks, PHPUnit, Redux Toolkit

・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

連結決算・開示のプロダクト(自社製品)の企画・開発・機能改善を行うプロダクト開発本部に所属の上、品質管理スペシャリストとして、オンプレミスからSaaSに進化させるプロダクト品質基準の見直し、再設計、推進・改善を担い、製品開発エンジニアと共に“ものづくり”に携わっていただきます。 ※具体的な取り組みとしては、世界基準の品質特性(ISO/IEC25010)を採用した品質管理体制を目指してまいります。 これまでの品質管理体制の現状を踏まえ、まずは簡易プロセスを導入し、その上でリリース基準づくり、フェーズ毎の判断導入、第三者テストの強化、出荷判定の判断基準強化、トラブル時の基準導入と、徐々に進化させていく予定です。 機能改善:BPOで得たノウハウや会計ルール改正を仕組みや既存製品に反映 機能拡大:業務の自動化に繋がるシステムや新製品の開発 サービス向上:オンプレ→クラウド化などを推進して顧客の利便性を高める 開発環境 言語 : C# / Go / Java / TypeScript (Angular) インフラ : AWS / オンプレミス (Windows Server) データベース : Oracle / SQL Server / PostgreSQL ミドルウェア : Terraform / PowerShell / New Relic

具体的な職務内容 Tailor Professional ServiceのSET (Software Engineer in Test) は、開発生産性の向上やプロダクトの品質改善のために、プロジェクト全体の仕様把握や調整、テスト戦略に基づいた自動テストの実装やCI/CD周りの改善など、品質保証に関する業務の推進を通して、クライアントの成功を品質面から牽引していただきます。 SETとして関わる範囲は広く、仕様通りの挙動確認などの、当たり前品質の確認のみならず、仕様レビュー及び仕様の改善を行う事による魅力的品質の向上、ユーザー視点でのUI/UX検証、開発プロセス改善に至るまで、それぞれのビジネス要件や課題を深く理解し、品質に関わる全ての領域に関わっていただきます。 ●Tailorの事業成長に合わせた品質保証の戦略策定とチーム構築 ●テスト効率化及び自動化の推進 ●開発プロセスにおける仕様レビュー及び仕様改善 ●テスト設計・実施及びバグ報告 ●開発プロセス全体に関する改善業務 <開発環境> ・ミドルウェア PostgreSQL, CloudRun, Cloud Pub/Sub, MongoDB, Cloud Storage, Okta, Tailor Platform ・監視 Datadog ・環境構築関連 Docker, docker-compose, Terraform ・言語 TypeScript, Go, CUE, cel-go ・テスト開発フレーム Cypress, Selenium, Playwright, JEST, Vitest ・そのほか GitHub Copilot

●Summary Software Engineering in Quality(SEQ)は、freeeの掲げるミッションの実現のため、freeeのサービスを開発していくために必要となる品質に対するカルチャーを育てていくことをミッションとし、プロダクトの継続的な品質改善を支援しています。 そのために、「テストは手動から自動ベースの世界に」を目指し、今は手動が前提でテストを実施していますが、自動が前提の環境に変えていきたいと考えております。 QAチームを支える重要なポジションとしてQAとエンジニアリングの懸け橋となり、サービスを提供し続けるために最適なことを自律的に考えチームで実践していく仲間を募集します。 ●現状の課題 リグレッションテストの自動化 手動でテストしている内容も多く対応に多くの工数がかかっているため自動化が求められています 検証環境の最適化 500名超規模の開発体制やAIでのコーディングスピードの上昇によって、結果的に検証環境がボトルネックになっていきます。 この課題を解決するため、プロダクトのPR単位で専用の検証環境を作成するpreview環境の作成と構築をやっています ブラウザ(E2E)テスト以外の自動テスト手法のアプローチ SEQチームが開発したブラウザテストの実行基盤は、現在freee内で幅広く利用されています。 しかしながら、ブラウザテストより低レイヤーにあたるインテグレーションテストへのアプローチが不十分であり、テストピラミッドを意識した自動テストの最適化ができていないのが現状です。 今後は、ブラウザテスト以外のテスト手法も社内標準として確立し、展開していくことが課題となります。 ●今後取り組みたいこと E2Eテスト以外の手法へのアプローチ インテグレーションテスト(APIテスト・PageUIテスト・契約テスト)の自動化 QA業務におけるAI活用 開発経験の少ないQAエンジニアの方でもclaude codeなどのAIコーディングエージェントを利用して自力でブラウザテスト等の自動テストの実装までできるようなガードレールの整備と展開 ●業務内容詳細(実際にやって頂く業務の細かい具体例) 自動テストの実行の保守運用 テスト環境に関するボトルネックの解消 新しい検証環境の構築と展開 ●開発に使っている主なツール 言語:Ruby, TypeScript 自動テスト:Playwright, runn CI/CD: GitHub Actions インフラ:AWS, EKS, Aurora, Opensearch, AmazonMQ IaC: Terraform その他:GitHub,JIRA,Slack, Report Portal テスト管理:Zephyr Scale