機械学習・データ活用 データ・AI・機械学習の求人・転職情報

【ポジション概要】 世界有数の金融グループであるMUFGには、個人3400万人、法人100万社のお客さまのお取引情報をはじめとする膨大なデータが存在します。 (MUFGレポート 2025年) MUFGのビジネス戦略立案にデータは不可欠となり、この5年で管理するビッグデータはペタバイトを優に超え、BI・AIの拡大による開発量は10倍になりました。 ビジネスアジリティを高めるデータを提供するために、人やAIが利用しやすいデータを加工し提供するデータエンジニアと、それを支えるアーキテクト、またシステム全体を統括するデータマネジメントの活躍が重要になります。 加えて、20年来MUFGで稼働しているデータ基盤の大規模な更改を控えており、ゼロからシステム・MUFGの未来を設計・開発できる転換期を迎えています。 三菱UFJ銀行をはじめとする膨大なデータをMUFGすべての事業部門が活用できるデータとプラットフォームを開発し、変化の激しいビジネスに迅速に応える開発を推進するために、データそのものに価値を見いだせる人、MUFGの未来・ビジネス変革に大きく貢献いただける方を募集しています。 【業務内容】 (雇入れ直後) ・データエンジニアとしてデータの構造化・加工・処理高度化等の企画・開発 ・エンタープライズ データプラットフォーム(データウェアハウス・データレイク・マーケットプレイス)の企画・推進 ・データマネジメントとしてデータガバナンス、データアーキテクチャの企画・開発 ・ITアーキテクトとしてデータ活用を支えるプラットフォームの企画・開発 ・超大規模なデータ基盤の更改をはじめとした大中小の開発プロジェクトにおけるプロジェクトマネジメント ・生成系AIの活用推進・システム開発・データエンジニアリングへの活用 (変更の範囲) 会社の定める業務 【役割・責任】 ・膨大なデータの収集から利活用に向けた加工などのデータエンジニアリング開発における小規模から大規模の企画・開発担当及びプロジェクト推進 ・AI-Readyなプラットフォームと利活用のためのポータルWeb開発における中規模から大規模の企画・開発担当及びプロジェクト推進 ・データ基盤の更改における、システムアーキテクチャ、AI活用等、先進技術の適用検討及び、プロジェクト推進 【配属想定部署】 ・データエンジニアリング第一部 ・データエンジニアリング第二部 (共に情報本部配下) 【配属想定部署概要】 ・MUFGのあらゆる情報をビッグデータとして管理し、エンタープライズなデータウェアハウス、データレイクハウスの企画・開発・保守を担う 【配属想定部署の人員構成】 データエンジニアリング第一部、第二部共に約40名(計80名)が在籍。 若手社員から中堅社員まで幅広く在籍。 ・部長をはじめ中途採用者も多く在籍、活躍しており、風通しの良い環境 ・開発需要旺盛で、最新のテクノロジーを採用するなど若手のうちから様々なことにチャレンジできる風土 【おもな関係者】 三菱UFJ銀行のデジタル戦略(AI・BI推進等)及び経営基盤業務(経営情報管理・活用等)の業務・企画部門。 担当するプロジェクトに関わる当社各部及び、当部に在籍し、開発作業の一部をご担当頂くビジネスパートナー各社。 検討、採用する製品の営業、プロダクト担当。 【想定担当案件(例)】 ・MUFG各社で取り扱うデータをビッグデータ基盤に集約し、AIやBIをはじめとした利活用のためのデータを提供するパイプライン構築 ・20年来稼働してきたデータ基盤(メインフレーム)の超大規模更改(オープン化・クラウド化)及び、モダナイズ ・データとAIの融合(AI-Readyなプラットフォーム)及び、データ利活用のためのポータル開発

【ポジション概要】 世界有数の金融グループであるMUFG(S&Pグローバル,2020年4月)は、3,400万人の個人、100万社の法人のお客さま(MUFGレポート,2024年)のお取引情報をはじめとする膨大なデータを活用し、店舗におけるお客様対応・事務、本部バックオフィス業務も含めた多岐にわたる業務の高度化・効率化のため、画像・音声認識、自然言語処理、ロジック処理などあらゆる形態でAI・MLを活用しています。 三菱UFJ銀行をはじめとする事業部門と至近距離で協働し、ビジネス理解及びデータ分析タスクの設定、モデル構築を主体的に推進し、MUFGのビジネス変革・デジタライゼーション(DX)に大きく貢献いただける方を募集しています。 【業務内容】 (雇入れ直後) ・データ分析テーマの選定、データ分析プロジェクトの企画・推進 ・データ分析業務(設計・構築、データ解析、可視化、データ分析結果の評価等)を通じた業務革新・効率化 ・AIや機械学習を用いたモデル実装、運用を通じた銀行業務高度化 ・データの構造化・加工・分析処理等のデータエンジニアリング ・生成系AIの活用推進・分析への活用 (変更の範囲) 会社の定める業務 【業務内容】※補足 ・データ分析・AIモデル開発に加え、企画〜運用まで一貫して関与 ・ビジネス部門と連携し、課題設定から価値創出まで担うプロジェクト推進 ・不正検知、マーケティング、業務効率化など多様なテーマに対応 ・大規模データ(数千万件規模)を活用した分析・開発 ・MLOps等を用いたモデル運用・改善の高度化 【役割・責任】 ・MUFG事業部門と協働し、ビジネス課題からデータ分析タスクの抽出、評価基準を設定 ・データの前処理、モデル構築、モデル評価 ・業務特性を鑑みてモデルの運用、評価基準を設定および最適なシステムアーキテクチャを検討する ・当該領域の高い知識とスキルを持つプロフェッショナルとして、組織全体のデータサイエンスやデータエンジニアリングに関するスキル・知識の啓蒙・伝搬を担う。 ・開発エンジニアチームに対する技術的なリーダーシップ提供(ツール・インフラ整備・利用指南・コードレビュー・設計等)、およびコーチング・メンタリング。 【配属想定部署】 データサイエンス部(グループ事業部門・デジタルイノベーション本部配下) 【配属想定部署概要】 ・AI/データサイエンス推進に係る企画・推進・管理・取り纏め(※銀行と協働) ・AI/データサイエンスの人材開発、体制整備 ・データ分析業務 【配属想定部署の人員構成】 約50名が在籍。 若手社員から中堅社員まで幅広く在籍。 ・20代-30代のメンバーが大半 【おもな関係者】 各業務を所管するMUFG事業部門、社内開発チーム、外部企業等と、マネジメント層・メンバーを問わず、連携いただきます。 また、社内やMUFG全体に対する啓蒙活動や情報発信等を担っていただくため、社内マネジメントとの連携やレポーティング機会も多くあります。 学術機関、外部コミュニティ等との連携も積極的に実施いただきます。 【想定担当案件(例)】 銀行各部門の様々な業務に関連するデータ分析を行っていただきますが、以下のようなプロジェクトに携わっていただきます。 ・セールス部署への顧客動向分析、レコメンデーション提供 ・自然言語処理等を活用した銀行業務高度化 ・生成系AI活用案件 ・金融サービスに係わる不正検知 【インタビュー記事】 https://www.it.mufg.jp/recruiting/career/work/projects.html ・データサイエンス部：[データサイエンスで推進するMUFGのビジネス変革](https://www.bizreach.jp/job-feed/public-advertising/rgpw7g8/)

以下の中から個々のスキルや事業状況に応じた業務を担当いただきます。 ●ABEJA Platform / ABEJA LLM Series / ABEJA Insight for Retail などのプロダクトに関連する開発・運用業務の実施 ・AIパイプライン基盤、LLMOps基盤、数千台のカメラ・センサーデバイス等のデータ分析・可視化 B2B SaaS プロダクトなどの強化活動にバックエンドエンジニアとして参画し、提供価値を最大化、定期的なメンテナンス活動を実施 ●プロダクト研究・開発に必要な技術検証業務の実施 ・以下一例、スキルに応じて ・LLM/生成AIに関する技術検証 ・新しいフレームワーク、新しい基盤の技術検証 ・新しいIoTデバイスの価値検証 ●各種スクラムイベントへの参加 ・スプリントレビュー、レトロスペクティブ、スプリントプランニングの定例会議への参加 ・開発進行に関する議論に参加 ●サービスレベル改善と運用効率化業務(SRE業務)の実施 ・KAIZEN DAY(週1回)に参加し、デプロイ頻度の向上、変更リードタイムの短縮、変更障害率の低減を実現 ●その他の業務 ・エンジニアチームの強化のための採用活動や勉強会登壇などに積極的に参加 ・技術スタック一覧(StackShare)に基づいた開発や技術の選択と活用 【変更の範囲】 会社の定める業務へ配置転換の可能性あり

ミッション 「テクノロジーの力で産業構造を変革する」 お客様の抱える経営課題/事業課題を、機械学習(LLM含む)・統計・数理最適などデータサイエンスの力を駆使することで根本から解決へ導きます。 そのために、本ポジションでは、プロジェクトマネージャなどのビジネスサイドやエンジニアと密に連携しながら、要件定義・技術選定・モデル開発・運用まで、一連の流れを率いていただきます。 また、組織全体のパフォーマンスを最大化するため、メンバー育成やカルチャー醸成など多方面でリーダーシップを発揮し、ABEJAが描く未来を共に創っていただきます。 業務内容 プロジェクトマネージャやエンジニアと連携しながら、様々なデータサイエンス技術を駆使して、お客様の経営課題/事業課題を解決に導いていただくポジションです。 グループ全体のアウトプットが顧客満足に繋がるよう、シニアメンバーと共にその品質向上に務め、価値提供に向けて必要なアクションを取っていただきます。 ●データ分析、モデル作成データ要件の整理、技術スタック選定 ・データの前処理、EDA、可視化 ・最適な手法の調査・選定 ・モデルの作成、精度・性能評価 ・ディープラーニングを含む機械学習(画像・自然言語・構造化データ) ・大規模言語モデル(LLM)の活用(学習、推論含む) ・統計解析・因果推論などの統計モデリング ・数理最適化などの数理モデリング ●エンジニアと連携したモデルの商用実装 ・定期的なモデルのパフォーマンス評価、パフォーマンスの維持・向上(ML ops / LLM ops) ●提案活動、提案内容レビュー ・受注前のプロジェクトにおける顧客との折衝、プロジェクトの要件整理 ・整理した要件に基づく、提案内容のレビュー、実現可否判断 ・提案を魅力的にするための最新技術知見を踏まえた示唆だし ●技術の横展開・技術ブランディング ・実装ロジックの汎用化およびプロダクト化 ・技術ナレッジの公開(論文投稿・学会発表・勉強会登壇・Meetup、テックブログ等)

●ミッション 「テクノロジーの力で産業構造を変革する」 生成AIが業務の中核へ入り込む時代において、ミッションクリティカル領域でも安心して使えるLLMを研究開発し、社会実装可能な形で届けることで、お客様の経営課題/事業課題を根本から解決へ導きます。 そのために本ポジションでは、大規模言語モデル(視覚言語モデルを含む)の研究開発を推進し、データ設計・学習/評価・推論最適化・運用を見据えた開発基盤整備までを一体で担います。プロジェクトマネージャなどのビジネスサイド、プロダクト/プラットフォームを支えるエンジニアと密に連携しながら、要件に沿ったモデル方針の策定から、品質を担保するベンチマーク設計、継続的な改善サイクルの確立まで、価値提供の中核をリードしていただきます。 また、組織として研究開発力を継続的に高めるため、知見の体系化や開発プロセスの標準化、メンバー育成やカルチャー醸成にも主体的に関わり、ABEJAが描く未来を共に創っていただきます。 ●業務内容 高い性能と利便性を両立する国産大規模言語モデルの開発、改善、研究を中核として推進いただくポジションです。単にモデルを作って終わりではなく、得られた成果をプロダクトやソリューションへ落とし込み、業務価値として継続的に届け切るところまで一気通貫で担っていただきます。 ・大規模言語モデル(LLM)の開発・改善・研究 　-モデルアーキテクチャ、学習手法、推論最適化に関する調査・設計・実装 　-継続事前学習、指示チューニング、アライメント、強化学習等による性能向上 　-長文対応、ツール利用、エージェント化を見据えた能力拡張の検討 　-日本語および業務特化領域での品質・安全性・信頼性の向上に向けた改善サイクルの確立 ・評価・ベンチマーク設計 　-日本語/業務ドメインに即したベンチマークの設計・運用 　-オフライン評価とオンライン評価の設計、継続的な性能モニタリングと劣化検知 　-ハルシネーション、情報漏洩、プライバシー等のリスクを踏まえた検証と対策 ・開発基盤・データ基盤の整備 　-学習/評価/推論のパイプライン設計・運用、再現性の高い実験環境の構築 　-データ収集、品質管理、フィルタリング、アノテーション方針の策定と運用 　-コストやスループットを意識した推論環境の最適化、LLM Opsの整備 ・プロダクト/ソリューションへの接続 　-PM/PdMと連携した要求整理、ロードマップへの反映、要件に沿ったモデル方針の策定 　-エンジニアと連携した商用実装(API化、周辺機能、運用設計)、クライアント環境での導入支援(オンプレミス含む) 　-業務プロセスへの組み込み、検証設計、運用定着までの伴走と改善 　-再利用可能なコンポーネント化やプロダクト化による横展開 ・チームリーディング、技術横展開・技術発信 　-技術アプローチレビュー、コードレビュー、ナレッジ共有を通じた開発品質の向上 　-メンバー育成やカルチャー醸成への貢献 　-技術ナレッジの公開(論文投稿・学会発表・勉強会登壇・テックブログ等) 【変更の範囲】 会社の定める業務へ配置転換の可能性あり

●ミッション 「テクノロジーの力で産業構造を変革する」 フィジカル領域にも生成AIの波が押し寄せる中で、大規模基盤モデルによるロボット制御・ロボット動作生成等に関する研究開発を推進し、実現場で安全かつ安定して価値を発揮する形で社会実装することで、お客様の現場課題を根本から解決へ導きます。 そのために本ポジションでは、Embodied AI/VLA(Vision-Language-Action)を含む大規模基盤モデルの研究開発を中核として、データ設計・学習/評価・推論最適化・運用を見据えた開発基盤整備までを一体で担います。 プロジェクトマネージャなどのビジネスサイド、プロダクト/プラットフォームを支えるエンジニアと密に連携しながら、現場要件に沿ったモデル方針の策定から、品質を担保する評価設計、継続的な改善サイクルの確立まで、価値提供の中核をリードしていただきます。 また、組織としての研究開発力を継続的に高めるため、知見の体系化や開発プロセスの標準化、メンバー育成やカルチャー醸成にも主体的に関わり、ABEJAが描く未来を共に創っていただきます。 ●業務内容 大規模基盤モデルによるロボット制御・ロボット動作生成等に関する研究開発を中核として推進いただくポジションです。単にモデルを作って終わりではなく、学習データ収集からシミュレーション構築、sim2real、実機での検証・改善を回しながら、得られた成果をプロダクトやソリューションへ落とし込み、現場価値として継続的に届け切るところまで一気通貫で担っていただきます。 ・Embodied AI / VLAの研究開発 　ｰEmbodied AI/VLAを用いたロボット制御・動作生成の調査、設計、学習、実装 　ｰ模倣学習や強化学習等を用いたエンドツーエンド方策の開発、実験設計、性能評価 　ｰ実機制約(レイテンシ、計算資源、安全性)を踏まえた推論最適化、モデル軽量化・高速化、バスト性向上(ノイズ/外乱/環境変化への耐性) ・学習データ収集・データ基盤整備 　ｰ実機・現場からのセンサデータ/操作ログ/デモの収集設計(テレオペ、デモ収集、計測設計)、評価用データ整備と継続的なデータ更新 　ｰデータ品質管理、アノテーション方針、学習/評価に使える形への整形・再現性確保(データセット/メタデータ設計) 　ｰ合成データの作成戦略作りおよび活用 ・シミュレーション環境構築 　ｰ物理シミュレーション/閉ループシミュレーションの開発・運用、学習や評価を回せる環境・ツールの整備(キャリブレーション、センサ/アクチュエータ/制御のモデリング含む) ・評価・ベンチマーク設計 　ｰタスク成功率だけでなく、安全性、異常系耐性、環境変動への頑健性、運用時の安定性を含めた評価設計 　ｰオフライン評価(ログ/リプレイ/シミュレーション)とオンライン評価(実機/現場)を組み合わせた継続的な性能モニタリング 　ｰデータ収集と評価を一体で回し、改善の根拠を定量化 ・プロダクト/現場価値への接続(価値提供まで一気通貫) プロジェクトマネージャと連携した現課題の整理、要件定義(安全・品質・コスト・運用制約)とモデル方針への落とし込み 　ｰプロダクト/プラットフォームを支えるエンジニアと連携し、学習・評価・推論のパイプライン、運用設計、現場導入、改善運用(再学習/再評価/リリース)まで推進 　ｰ導入後の運用データを活用した継続改善、再利用可能なコンポーネント化・横展開 ・チームリーディング、技術横展開・技術発信 　ｰ技術アプローチレビュー、コードレビュー、ナレッジ共有を通じた開発品質の向上 　ｰメンバー育成やカルチャー醸成への貢献 　ｰ技術ナレッジの公開(論文投稿・学会発表・勉強会登壇・テックブログ等) 【変更の範囲】 会社の定める業務へ配置転換の可能性あり

●フロントからバックエンドまで、ソフトのみならずハードウェア・IoTデバイスも含めたフルスタックなDXプロジェクトの要件定義 ●プロトタイプのAI・機械学習モデルを実運用可能な形にするためのデータパイプライン・インフラ基盤構築の設計およびサービス/システムの開発 ●運用保守を見据えたデプロイ環境構築(クラウド・エッジ含む) ・こちらのブログにて、業務やチームの取り組みについてご紹介しています。 https://tech-blog.abeja.asia/entry/abeja-system-dev-team-202112 ・技術スタックについては、こちらをご覧ください。 https://stackshare.io/abeja/abeja-system-dev

●データプラットフォームの企画、アーキテクチャ設計 ●プロジェクトの技術面におけるリードデータパイプラインの設計・構築 　・データ分析のためのBIの開発・運用 　・継続的なモニタリングプロセスの構築・運用 　・顧客のデータ活用の実態や関連業務、ドメイン知識の理解 ●プロトタイプのAI・機械学習モデルを実運用可能な形にするためのデータパイプライン・インフラ基盤構築の設計およびサービス/システムの開発 ●プロジェクトマネージャーと協力し、プロジェクトの目的・方針・計画などを策定 ●運用保守を見据えたデプロイ環境構築(クラウド・エッジ含む) 【変更の範囲】 会社の定める業務へ配置転換の可能性あり

【お任せする業務内容】 職種:研究開発 "当社パーパス ”くらしの礎を「創る」「担う」「つなぐ」Just For the Earth” を指標に、多様な商品・技術に対して以下のような研究開発を取り組む。 ・AI/ビッグデータとプラントエンジニアリングを融合させた技術・システム ・生成AIに当社独自のデータも学習させてプラント運営やものづくりの技能伝承に繋がる技術・システム" 具体的には、 予算規模 数千万円～数億円/年の研究開発テーマを商品本部や社外研究機関等と連携しながら、研究開発テーマの提案・推進をしていただきます。 開発テーマの企画・立案段階では、技術・マーケット調査、実用構想の立案などを行います。 開発過程では、実施計画の立案、技術開発、試験の実施・検証などを行います。 実用化段階では、事業部と協力して開発技術の実装に携わります。 【仕事の進め方】 研究開発テーマは、企画立案者を中核に数名の研究員で取り組みます。 担当テーマは、1つに専従することはほとんどなく、複数を同時並行で進めるケースが多いです。 働き方は、担当テーマの状況に応じて、出社と在宅を組み合わせています。 職種の変更範囲:当社業務全般

●ポジション SE、PG 開発メンバー ●案件の特徴 　・AI、機械学習、3次元データ(SLAM)に関わる研究開発、プロダクト、サービス開発を行います 　・エンドユーザーは多岐にわたり、製造業、建築、建設、インフラ、医療など幅広い業界の案件が中心です 　・案件の多くがプライム案件のため、顧客(メーカー)との距離が近い点も特徴です 　・顧客の課題解決に向け、技術提案から検証、成果報告までを一貫して担当し、PDCAを回していきます 　・PoCで開発したアルゴリズムをもとに、社会実装に向けたシステム開発にも携わることができます 　・チームは30代～40代のベテランから20代の若手まで、幅広い世代で構成されています 　・社内コミュニケーションが取りやすく、相談しやすい環境です ●対応フェーズ 　・課題定義(顧客課題の整理・要件の明確化) 　・技術提案(解決に向けたアプローチの検討・提案) 　・技術検証(アルゴリズム開発や実データを用いた検証) 　・成果報告(検証結果の取りまとめ・次フェーズの提案) 　・技術雑誌や論文の執筆など ●入社後の業務 　社内で請け負っているPoC案件に従事していただきます。 　　・技術提案 　　・技術検証 　　・成果報告 　社内での経験を積んだのち、顧客折衝(課題定義、見積もりなど)も行っていただきます。 　また、スキルや意欲がある方はリーダーとしてのポジションもご担当いただきます。 ●変更の範囲 　その他会社の定める業務 開発案件(一部抜粋) ●眼底検査装置への先端技術導入 　□概要 　　AIモデルを使用したアプリ開発、眼底検査装置の制御開発案件です。 　　セグメンテーションAI技術を使用し、眼底画像の自動色分けAIモデル開発を行っています。 　　また、生体組織情報の取得、診察から結果提示までの高速化などを対応します。 　□開発環境 　　OS:Windows10 　□開発言語、技術:C++、Python、CUDA 　□関連技術:DeepLab V3+(セグメンテーション) ●リサイクル選別機開発 　□概要 　　AIを利用したリサイクル選別機器の開発案件です。 　　複数種類の物体をラインカメラで撮像し、物体検知にて判別を行うAIモデルを開発しています。 　　判別結果を表示するGUIアプリケーションの開発や、選別機の周辺機器の制御などを対応します。 　□開発環境 　　OS:Windows、Ubuntu 　□開発言語:Python、C++、CUDAなど 　□関連技術:DeepLearning(物体検知) ●CutPaste手法の高度化による精度改善 　□概要 　　既存手法をベースとした、アルゴリズム改造による精度向上検証案件です。 　　論文調査から手法検証までを対応しています。 　　こちらは大学との産学連携案件であることも特徴です。 　□開発環境 　　OS:Ubuntu 　□開発言語:Python 　□関連技術:CutPaste、DeepLearning、異常検知 以下に弊社の過去開発事例がまとまっています。(ダウンロード可能) ●開発事例集 　・製品/システム開発編:https://www.compmind.co.jp/wp-content/uploads/2025/04/Development_case_collection.pdf 　・研究開発/PoC編:https://www.compmind.co.jp/wp-content/uploads/2025/04/Development_case_collection_rd.pdf

地域金融機関のユーザー利便性向上や業務効率化を実現するAI(生成AI含む)を用いたソリューションを提供するため、当社の保有資産/スキルや商品を(必要に応じて他社商品も)組み合わせて実際に形にしていく、これらに必要なプラットフォームの設計、構築、開発を行います。システムの基盤となる基本的なプラットフォームの設計、構築、導入または、各種技術やソフトウェアを用いたアーキテクチャの設計、構築、導入をお任せします。また、さらなるビジネス拡大に向けて、サービスを拡充していく必要があるため、企画から携わっていただくことも可能です。 具体的な仕事内容 ・システムの基盤となる基本的なプラットフォームの設計、構築、導入 または、各種技術やソフトウェアを用いたアーキテクチャの設計、構築、導入 ・開発協力会社や社内関連部門との連携・調整 ・新規ソリューション・サービスの企画、要件定義、設計

当社は、日本を代表するシステムインテグレーターとして、これまで金融、公共、法人分野など多岐にわたってお客様や社会の変革を支援してまいりました。 2020年に、ニューノーマル時代に対応した「金融ITオープン戦略」とこれに基づく「Open Service Architecture（OSA）」を発表しており、当担当は、OSAにおける「データアナリティクスエリア」ビジネスを主導するチームとして、以下サービスを提供しています。 ・（ビジネス部門向け）SaaS型分析基盤サービス　　※NTTデータのマネージドサービスとして提供中 ・（先進技術志向の強い、主にハイエンドの金融機関向け）ビッグデータ基盤コンサルティング～構築/テスト　　※上流から下流まで一貫した対応を実施中 本ポストは、ソリューションアーキテクトやデリバリーエンジニアとして、上記サービスに関する案件において、プリセールス/コンサルティング/構築をご担当いただきます。 スキル・経験・キャリア志向等に応じてアサインするプロジェクトや役割を決定いたします。 ※アプリケーションスペシャリスト（AP-SP）の場合は、業務チームのリーダ/メンバとして、以下を担当いただきます。 ・DWHやデータマートの仕様調整、設計、ETL開発 ・BIダッシュボードの仕様調整、開発 ・開発プロジェクト全体の推進 等 なお、所属は金融分野となりますが、金融機関以外のお客様のプロジェクトをご担当いただくこともございます。 参考1）プロジェクト例 ・Snowflake×Qlikデジタルデータカップリング on A-gate｜https://www.nttdata.com/jp/ja/news/release/2021/011301/ ・MUFGビッグデータ基盤｜https://www.nttdata.com/jp/ja/case/2020/100100/ 参考2）Open Service Architecture https://www.nttdata.com/jp/ja/lineup/open-service-architecture/

エンジニアとして、最先端の技術をキャッチアップし、衛星から得られる画像やデータを取り扱って、新規事業につながるアプリケーションを開発する 新規事業に求められる技術動向と顧客ニーズを主体的に調べ、開発方針を作成する 課題に対して、具体的な手法を調査し、ソリューション実装する ビジネスメンバーとチームを組んで一体ととなってプロジェクトを推進する

スマホアプリケーション上で展開されるコンテンツを出力するAIモデルの運用保守および改善開発をご担当いただきます。 当該のAIモデルはGCP上に展開されており、これらに関して運用をご担当いただきます。 AIモデルにエラーが発生した場合にはその保守対応についてもご担当いただきます。 AIモデルの実行結果について、効果測定を定期的に実施してデータの取りまとめをご担当いただきます。 またクライアントから要望のあった場合に、モデル改善の実装をご担当いただきます。

生成AIを活用したプロダクト・機能開発、および社内向けツールの設計・実装をお任せします。 プロトタイピングから実運用まで幅広く携わることが可能です。 プロダクト開発の最前線で生成AIを活用した新しい価値創出に取り組んでいます。 単なる業務効率化ではなく、プロダクトそのものにAIをどう組み込むか・プロダクト開発プロセスをどう進化させるかという視点から、技術とクリエイティブの交差点でチャレンジしています。 本ポジションでは、会社としてもまだ正解が見えていないテーマに対し、「ゼロイチ」で考え、形にする」フェーズから関わっていただきます。 また他クリエイターと同じく、実際のプロジェクトに携わって頂く等、ご自身の専門領域にとどまらず、さまざまなことにチャレンジできるポジションです。 ●具体的な業務内容: ・AIエージェントのプロトタイピング・運用 ・社内外向けダッシュボード・ツールの開発 ・アンケートや定量データを用いた分析・提案 ・ LangChainを用いたLLMワークフローの設計と実装 ・実プロジェクトでのAI活用(プロダクト開発の効率化・プロダクト自体のAI導入) ※技術スタック ▼バックエンド Python系 ・FastAPI(REST API設計) ・LangChain / LangGraph(AIエージェント構築) ・OpenCV(画像処理) ・pandas / numpy(数値計算・データ操作) ・matplotlib / seaborn(データ可視化) Node.js系 ・express(軽量なREST APIフレームワーク) ▼フロントエンド ・JavaScript / TypeScript ・Next.js(Reactベースのフレームワーク) ▼インフラ / クラウド AWS ・ EC2(仮想サーバー) ・S3(オブジェクトストレージ) ・ Lambda(サーバーレス関数) ・ECS / ECR(コンテナ実行・管理) ・DocumentDB(MongoDB互換のNoSQLデータベース) その他クラウドサービス ・ Pinecone(ベクトルデータベース / 類似検索) ・Snowflake(DWH / ビッグデータ分析基盤) ▼AI実行環境・LLM連携 クラウドLLMプロバイダー ・OpenAI(GPT系) ・Anthropic(Claude) ・Gemini(旧Bard / Google AI) ローカルLLM実行 ・ Ollama(ローカルでの軽量LLM推論) ▼その他ツール ・ Figma / Slack / Cursor / MCP ※CursorはAIペアプログラミングツールとして社内導入中

仕事についての詳細 外国人向け生活インフラ(住まい・通信・保証・金融・人材)を支える複数事業を展開しており、それぞれに膨大な顧客データ・業務データが蓄積されています。 また、注目度が高まる外国人市場については、業界団体や行政などから様々なデータが公開されています。 本ポジションでは、社内データとこれらの公開データを集約・整備し、経営・事業部・マーケティングが安心して使えるデータ基盤をつくる マーケティングデータエンジニア として活躍していただきます。 業務内容 全社横断のマーケティングチームに所属いただき、同チームの各事業担当者やデータアナリスト、広告運用担当、デザイナーなどと連携しながら、各事業・各ツールに散らばったデータをBigQueryに集約し、マーケティングと事業部が同じ数字を見て判断できる基盤を作っていただきます。 単なるデータの収集・保守業務ではなく、 「どのデータをどの粒度で持つか」「誰がどう使うか」から設計し、 データの収集 → 整備 → モデリング → 提供 → 運用改善 まで一貫して関われるポジションです。 事業ごとにバラバラだったデータが、ひとつの基盤の上でつながり、意思決定に使われていく手応えを直接感じられる環境です!! 現在、BigQueryへの集約は一部の事業・データで進んでおり、これを全事業に広げながら、データの品質と取り込みの自動化を高めていくフェーズです。 また、AIを積極的に活用し、よりよいデータ環境を社内に作っていただきます。 ●BigQuery を中心としたデータ基盤(DWH)の設計・構築・運用 ●業務システム、外部サービス(GA4・サーチコンソール・広告媒体・Salesforce等)や、公開されている統計、オープンデータを定期的に取り込むパイプラインの設計・実装 ●データマート、中間テーブルの設計と、集計ロジックのSQL実装 ●データ品質(欠損・重複・遅延)の監視と、異常時の検知・復旧の仕組みづくり ●テーブル定義、指標定義、データリネージのドキュメント化 ●Looker Studio 等のBIツールから使いやすい形へのデータ提供、ダッシュボードの基盤整備 ●個人情報を含むデータのアクセス権限設計とセキュリティ運用 ●データアナリスト、マーケティング、事業部からの要件ヒアリングと、基盤側からの改善提案 ●GCPコストの最適化(クエリ・ストレージ・スケジューリング) ※【変更の範囲】会社内での全ての業務

【まずお任せしたいこと】 入社後まず注力いただくのは、ジョブメドレーにおけるレコメンド・検索領域の ML システム開発と MLOps 基盤整備です。 データ基盤の構築整備が急ピッチで進んでおり、内部のデータ分析だけでなくプロダクト機能としての価値提供に差し掛かる中で、以下の取り組みに着手しています。 -レコメンドエンジンの設計・開発・改善(協調フィルタリング、コンテンツベース、深層学習ベースなど) -検索ランキングの最適化・パーソナライゼーション -Google Cloud(BigQuery, Vertex AI, Cloud Run 等)を中心としたMLインフラ(特徴量ストア・モデルレジストリ・実験管理基盤等)の設計・開発・運用 -学習・推論パイプラインの設計・構築・自動化(CI/CD) 例えば、レコメンドエンジンに関しては基盤の刷新を進めていることもあり、アーキテクチャの設計段階から携わることができます。 【バックグラウンドや志向に応じた広がり】 上記を中心としつつ、ご経験や志向に応じて以下のような領域にも携わっていただけます。 ●データサイエンス寄りの方には: -ジョブメドレーが保持する様々なデータを活用した新たなマッチングモデルの検証・開発 -事業指標予測、LTV 予測など事業課題に直結する予測モデルの構築と改善 -A/B テストの設計・実施・効果検証によるプロダクト改善サイクルの推進 ●データエンジニア寄りの方には: -dbt を用いた特徴量生成・分析用データモデルの設計・開発 -KPI設計・効果測定のための分析基盤・BI 環境(Metabase x 生成 AI)整備 -プロダクト開発を始めとする他部署と連携した仮説検証のためのデータ整備 -いずれの志向であっても、事業課題の発見・具体化から成果の創出まで一貫して関わることを期待しています。 ※業務の変更の範囲:会社の定める業務

●業務概要 顧客企業と伴走しながら、生成AIや機械学習を組み込んだアプリケーションの設計〜開発〜運用までを担当します。 ●<主な業務例> ・生成AIを組み込んだAIエージェントアプリケーションの開発 ・生成AIアプリケーション/システムのLLMOps/AgentOps設計・開発 ・機械学習アプリケーション/システムのMLOps設計・開発 ・機械学習アプリケーション/システムの新規技術・サービス調査検証 ※詳細は面接時に説明します。 ●プロジェクト事例 AI自動発注システム 未来型無人化店舗「SECURE AI STORE LAB」開発　 ●技術スタック 言語:Python、SQL、Scala、Java DWH:Snowflake、BigQuery、Redshift データ基盤:Databricks、Spark、Presto、Hadoop BIツール:Tableau、Looker、PowerBI、Datorama、DOMOなど クラウド:AWS、GCP、Azure ETL/ELTツール: dbt、Fivetran、trocco、Airbyte、Talend、AWS Glue AIフレームワーク:VertexAI、SageMaker、AzureML IaCツール:Terraform、CloudFormation、Ansible

【具体的な業務内容】 グループ各社(4社)のバックアップおよび社内におけるIT推進全般を担うポジションとして、以下の業務をお任せします。 ●社内へのIT推進・プロジェクト管理 ・社内システム(Salesforce/Filemaker/基幹システムなど)の導入、運用およびシステム再構築プロジェクトの推進 ・社内要望をもとに社外の開発ベンダーへの提案、進行管理、折衝 ●データ活用・ビジネス分析 ・KPI管理方法の策定や運用方法の決定/BIツールなどでの可視化の仕方の検討 ・グループ各社からのシステム要望のヒアリング、データ調査・分析 ●現場への伴走・サポート ・社内に対する技術的なサポート(項目管理のカスタマイズ、レポート作成、データ抽出など) ・社内啓蒙(ユーザーに向けた利用説明会や勉強会の企画立案、実施) ・PC・携帯等キッティング業務 ●部署 ITソリューション部

<「DX&VX推進部」欠員によるメンバーの募集/正社員> DXという新しい領域で活躍いただだける方を募集します! MIRARTHホールディングスならびにグループ各社(規模:約1,500名)へ向けた情報システム部としての一般的な業務およびDX戦略～推進をお任せ致します。 その中でも特にデータ活用/分析/業務改善周りの業務を主軸として、お願いしたいと考えております。 【具体的には】 ●DX/IT施策検証(企画立案〜計画実施・検証報告まで) ●DX/IT施策における部門間調整 ●DX/IT関連ソリューションの調査、選定 ●DXソリューションの導入、グループ会社への展開導入・定着化 ●・ITシステムの導入、運用業務(インフラ・ネットワーク・セキュリティ・開発等)・社内教育 ※適性や希望を考慮し、できる範囲からお任せしていきます。 【部署の特徴】 メンバー構成:男性6名、女性5名 年齢:20代半ば〜40代 落ち着いた性格の社員が多いです。 効率よく仕事を進めており、ワークライフバランスの改善も叶えられる環境です!

ご経験や適性に応じて、以下の「開発・構築案件」および「リード・推進案件」をお任せします。 開発・構築案件 AI活用・データ活用のための基盤設計・開発(データ統合・自動化・可視化) ・将来的なLLM・生成AI(RAG等)活用を見据えた先進的なAI-Ready基盤構築 ・社内データ・外部ナレッジのベクトル化パイプラインの構築 ・RAG(Retrieval-Augmented Generation)向けの高精度な検索基盤の整備 ・非構造化データ(PDF・画像・ログ等)のマルチモーダル前処理パイプラインの開発 ・データパイプラインの構築、業務プロセスの自動化、およびデータ可視化・分析環境の整備 ・DatabricksやSnowflake等を用いたデータレイクハウス・DWH/DMの全体設計およびデータ活用基盤の最適化 ・ETL/ELTパイプライン(dbtやAirflow等)によるデータ収集・加工処理の自動化およびBIツール連携 ・データガバナンス・品質向上のためのデータカタログ整備(Atlan, Alation等) データマイグレーションおよびハイブリッド環境構築 ・基幹オンプレミス環境からクラウド(AWS/Google Cloud/Azure)環境、またはハイブリッド環境へのデータシステムの大規模マイグレーション設計・構築 リード・推進案件 上流工程の牽引・技術リード ・クライアントへの技術提案、要件定義、仕様策定、およびプロジェクトマネジメント(PL/PMサポート、または兼務による推進) ・技術的な視点からの意思決定支援、メンバーへのアーキテクチャ指導 使用ツール・開発環境 ・ クラウド環境 : AWS / Google Cloud / Azure ・ オンプレミス / ハイブリッド環境 : 各種基幹データベース(Oracle Database / SQL Server / PostgreSQL等) ・ データプラットフォーム・ツール : Snowflake / Databricks / ベクトルDB(Pinecone / Milvus / pgvector等) / データパイプライン構築ツール(dbt / Apache Airflow / Fivetran等) ・開発言語 : SQL, Python ※技術スキルについては、十分な実務経験をお持ちであれば、記載されている技術・ツールを網羅している必要はありません。

●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

●ミッション・役割 グループ全体の生産性向上・業務変革を、DXの企画から実装・運用まで一貫して推進します。 生成AI・各種SaaS・API連携を活用し、グループ各社の業務支援ツール・業務アプリケーションの開発を業務改善・標準化によって生産性向上を目的に推進します。 アプリケーション開発の規模によって外部ベンダーに依頼する前段のPOCや、情報提供依頼用やユーザ確認用のアプリケーションイメージを自ら内製開発し、スピードとコストの両面からDXを加速する。 ●具体的なミッションとしては以下を想定しています。 ・業務課題の解決と可視化 現場の業務課題を仕組みに落とし込み、意思決定に使えるダッシュボード等を実現する ・全社最適の実現 単なるツール開発・運用にとどまらず、「どの業務を、どう変えるべきか」を構想し、関係者を巻き込みながら推進する 将来的には、経験や適性に応じて企画・要件定義・導入推進・運用改善など以下の様な上流工程も担って頂くことを想定しています。 ・各部門へのヒアリングを通じた業務整理、課題抽出、要件定義、運用設計 ・業務効率化・品質向上を目的としたDX施策・AI活用施策の企画立案 ・業務部門や関係者と連携した導入推進・定着支援 担当する業務内容 ・DX施策の企画立案(業務課題の抽出、優先順位づけ、施策設計) ・生成AIを活用した業務支援ツール・分析機能・業務アプリケーションの設計・開発 ・API連携、スクリプト開発、SaaS活用による業務自動化・システム連携の設計・実装 ・データの収集・加工・分析・可視化、ダッシュボードの構築 ・POCの企画・開発・検証、RFI用等のアプリケーションイメージの内製 ・基幹システムなど社内システムの自動化 ・導入後の保守・運用改善・活用促進

大手エンタープライズ企業のデータ・AI戦略に基づく基盤設計から構築まで一気通貫で支援します。 ●業務イメージ ・データ活用戦略策定(当社コンサルティング部門と共に) ・データ収集・蓄積処理の設計 ・MLOps基盤の設計・構築 ・LLM/RAG向けデータパイプライン構築 ・BIツール向けデータ基盤構築 ・API・システム間データ連携 ●主なプロジェクト事例 ・大手金融機関:顧客体験価値最大化モデル構築と営業活動設計 ・大手エネルギー系インフラ:データ活用基盤企画構想 ・大手製造業:基幹刷新に伴うデータ分析環境の再構築およびデータ分析企画・実施 ・大手製造業:データ利活用の態勢構築とダッシュボード開発 ・大手自動車メーカー:スポーツ動作に関するデータ解析支援 ●プロジェクト組織体制 ・マネージャーとメンバーの比率を1対2程度で編成しています。 ・経験豊富なエンジニアが多く、負荷のかからないバランスの良い組織体制となっています。 ●技術スタック ・開発言語:Java、Python、TypeScript、JavaScript ・クラウド系:AWS、Azure、GCP、Terraform、Docker ・フレームワーク:Spring Boot、Spring、Django、React ・CI/CD:GitHub、CircleCI、GitLab ●当事業の目指す姿 当社は「CxO firm 1000人のCxOを輩出する企業へ」をVISIONに掲げ、「個の能力を徹底的に磨け」というコアバリューのもと、マインド・能力開発できる環境づくりを追求し、既に数名のCxOを輩出してきました。 Technology領域においても、技術軸のCxO(CTO、CIO、CDO…)や、社会的にインパクトのあるプロダクト開発、市場トップレベルの技術的な強みの獲得・発揮など、本人の志向に合わせた成長機会を創出していきます。 ●キャリア機会 事業立ち上げフェーズの中で、案件獲得及び採用が順調で急拡大しており、実力次第で早期にプロジェクトマネージャーとして活躍する機会があります。 また、将来的な自社プロダクト開発を見据え、開発体制の内製化を進めています。 コンサルティング事業への社内異動も可能で、ご志向に合わせたキャリア選択が可能です。 <教育研修制度> 【社内副業制度(+1制度)】 自身の能力開発機会として、社内システム開発、技術広報活動、セキュリティレベル向上施策など、多様な社内業務に関与することができます。 成果は加点評価として賞与に還元しています。 【プロダクト開発研修機会】 オリジナルWebガチャゲーム開発を題材としたプロダクト開発研修を行っています。 企画構想から拡張構想・クラウド環境構築・DB設計・実装・応用まで、プロダクト開発における一連のプロセスを学ぶ機会を作っています。 【AI駆動開発機会】 AI駆動開発の実践機会として、様々な社内システム実装・運用改善の機会を作っています。 <評価制度について> 半期ごとの能力評価で昇給率が高く、大手SIer以上の給与水準を実現しています。 設計思想:顕在化重視・再現性重視 評価軸:人物評価・能力評価・実績評価 ●事業部の雰囲気について 仕事に全力で取り組みつつ、心理的安全性が非常に高い組織です。 また、コンサルティング事業部との繋がりも深く、コミュニケーションがとりやすい環境です。 ●従事すべき業務の変更の範囲 ・雇入れ直後:配属先に関する業務一般 ・変更の範囲:会社が定める業務

【ご入社の流れ】 親会社の株式会社BTMにご入社いただき、BTMAIZへ出向という形で就業いただきます。 ※ご本人が望む場合は将来的に、BTMAIZへの転籍も可能です。 ご入社後は現在BTMAIZで請け負っている案件に参画いただきながら、 BTMAIZの案件イメージをつかんでいただき、 並行して、目標設定やキャリアプランのすり合わせも進めて参ります。 【仕事概要】 ・Azure Machine Learning、Azure Cognitive Services、Azure Bot Serviceなどの Azure AIプラットフォームを活用したAIモデルの設計、開発、デプロイ、運用 ・機械学習、深層学習、自然言語処理などのAI技術を用いたソリューション開発 ・データ収集、前処理、特徴量エンジニアリング ・AIモデルの評価、改善、最適化 ・開発したAIシステムのAPI連携、システム統合 ・チーム内および関連部署との連携、技術的なコミュニケーション ・最新のAI技術動向のキャッチアップと検証 【技術】 サーバサイド:Python(FastAPI),Azure App Service/StaticWeb,サーバレス(Azure Functions/LogicApps) スマホアプリ:React Native,Flutter,Kotlin,Swift コンテナ:Kubernetes,Docker,Service Fabric,Container Registry ビッグデータ:Data Lake,Data Factory,Synapse Analytics,Data Explorer,Evetnt Hub データベース:AzureマネージドDB(Cosmos DB,SQL DB,MySQL) セキュリティ:Azureセキュリティ(Application Gateway,Front Door,Private Link,Express Route,Sentinel,AzureAD) 運用管理:Azure Monitor/Application Insights,Azure Automation プロジェクト管理:Azure DevOps,Git ローコード:PowerPlatform(Power Apps,Power Automate/Power Pages) デプロイ自動化、テスト自動化、コンポーネント再利用型で高付加価値な時間配分

AIを使う会社ではなく、AIで会社そのものをつくる。 SENXYAのTechnology領域の中心として、業務・データ基盤「SENXYA DB」のProduct Ownershipを担い、AI Nativeな開発体制そのものを0→1でつくるポジションです。 ●このポジションのミッション 一般的な「要望整理→エンジニアへ依頼→仕様策定→開発→納品」という開発方法そのものを変えます。 目指すのは、現場 → Product Owner → AI → 仕様・設計 → AI Coding → 自動テスト → 社員が利用 → データ・フィードバック → AIと人が改善、という開発Loopです。 人間のエンジニアがすべてのコードを書くことを前提とせず、 AI Coding Agent・LLM・Low-Code / No-Code・Workflow Automationなどを組み合わせ、少人数でも高い開発速度を持つ「AI Nativeな開発組織」を構築します。 開発の主体はあくまで社内とAIに置きながら、外部の専門家は、Security Review・Architecture Review・大規模Migration・障害対応など専門性が必要な領域で活用します。 現場・AI・社内メンバー・外部専門家をつなぎ、要件や優先順位を整理しながら、開発プロジェクト全体を推進していただきます。 ●最初に取り組んでいただきたいこと まずは現在開発中のSENXYA DBを理解し、「既存システムを活かすのか、SENXYA DB 2.0として再構築するのか」を含め、今後の技術方針を整理していただきます。 ・Source Code / GitHub・Database Schema・Infrastructure / Cloud環境の把握 ・Data Dictionaryの整備、API / 認証まわりの整理 ・未実装機能・Bug・Technical Debt・Security / Permission / RLS等の確認 ・Migration方法の検討、外部開発会社への依存関係の整理 これらをもとに「残す / 改善する / 捨てる / AIで作り直す」を判断していきます。 技術構成はPostgreSQL / Supabase・GitHub・AI Coding Agent・n8n・LLM API・RAG等を検討していますが、ツールありきではなく「今、何を使うべきか」を継続的に判断することもこの役割です。 ●主な業務内容 ①SENXYA DBのProduct Ownership 社内各部署へのヒアリング、業務フローの整理・再設計、Product Roadmap策定、Requirement / Specification作成、UI / UX設計、Data Model設計、開発優先順位の決定。 「言われたものをつくる」のではなく、「そもそもその業務は必要か」「AI時代にはどうあるべきか」から考えます。 ②AI Native Development AI Coding Agentを利用した開発、LLMによる仕様作成、Prototype開発、Test生成・自動化、Documentation生成、Code Review、Workflow Automation。 人間がコードを書く量を増やすのではなく、AIを活用して開発生産性そのものを高めます。 ③Data Infrastructure 案件・顧客・見積・原価・機材・在庫・発注・人工・請求・粗利・施工など日々蓄積されるデータを、AIが利用できる形へ構造化。 「会社で起きた出来事が、次の案件の知能になる仕組み」を目指します。 ④SENXYA AI / AI Agent 見積AI・原価予測AI・発注Agent・在庫最適化Agent・施工計画AI・Knowledge Agent・経営分析AIなどの開発。 将来的には「この会場で、この規模のライブをつくりたい」という情報から、過去案件検索・機材選定・見積作成・施工計画・発注までAIが支援する世界を目指します。 ⑤Digital Twin 3D・CAD / BIM・点群データ・Unreal Engine・Computer VisionなどとSENXYA DBを接続し、Physical WorldとDataをつなぐ基盤へ発展させます。 ⑥Physical AI / Robotics その先に見据えるのがPhysical AIです。Robot Forklift・AMR・墨出しRobot・Drone・ROS / ROS2・IoT・Autonomous Constructionなどにより、フィジカルなライブ施工産業も変わっていくと考えています。 このポジションは、SENXYA DBから将来のPhysical AIまでつながる入口です。

まずご一緒すること 具体的には、主に以下のテーマでご活躍いただくイメージです。 1. 生成AI・Agentic LLMおよびRAG基盤の設計・開発・運用 ● マルチLLM(OpenAI / Claude / Gemini / Local LLM等) や Amazon Bedrock を活用した生成AIアプリケーションおよび基盤の設計・開発 ● LangChain や LangGraph、MCP (Model Context Protocol) を活用した自律型AIエージェント(Agentic Workflow)の構築・評価 ● Vector DB や RAG(検索拡張生成) パイプラインの実装、および LangSmith 等を用いた評価基盤・プロンプトエンジニアリングの最適化 2. コンピュータビジョン(CV)・機械学習モデルの最適化&開発 ● PyTorch や TensorFlow を用いた深層学習モデル(CNN / Swin Transformer / YOLO等)の開発・精度向上および推論高速化 ● 画像認識・物体検出・マルチモーダル処理におけるデータ拡張や不均衡データ対策、アノテーション効率化(能動学習/BaaL等)の仕組み化 ● ビジネス要件に応じた適切なアルゴリズム選定(scikit-learn等を用いた統計解析・機械学習から最新の生成AIまで)と精度検証 3. MLOps基盤構築・API化・本番運用(PoCからプロダクト化へ) ● FastAPI や Docker、各種クラウド(AWS / Azure / GCP)を活用した堅牢なML API・推論パイプラインの構築 ● MLflow や Optuna を活用した実験管理・ハイパーパラメータ自動探索、および CI/CD(GitHub Actions等) による継続的学習(Continuous Training)環境の自動化 ● 推論レイテンシの削減、コスト最適化、システムのモダナイズ(レガシーからの移植やコード変換支援)の推進 プロジェクトの例 業界・技術を問わず、エンタープライズ企業のAI課題に直接向き合うプロジェクトが中心です。 プロダクト企業さんの、新規LLMアプリケーション開発の企画構想・要件定義・実装 大手SIerさんの大規模開発における、AI開発部分の監修・ディレクション・実装 動画から特定要素が写っているかを判断するAIモジュールの開発 大手インフラ企業さんの需要予測 中長期でご一緒したいこと Almondoではエンジニアメンバーが越境的な役割に挑戦しており、例として以下のような関わり方を実践中です。 ・AIソリューション企画〜提案メニューの作成〜実提案 ・より大規模なLLMアプリケーション開発の設計/ディレクション ・AI/ソフトウェア/DX 領域におけるビジネス・コンサルティング領域への進出 ・事業開発・技術責任(事業部長/技術責任者)への挑戦 ・グループを巻き込んだ数百名規模のAIネイティブな組織作り など 技術スタック(一部) AI/機械学習 :Claude. OpenAI, Gemini, PyTorch, LangChain, LangSmith バックエンド/アプリ :Python, FastAPI, Node.js, TypeScript, Next.js, React データ/Retrieval :PostgreSQL, MySQL, Pinecone, GraphDB クラウド/インフラ :AWS, Microsoft Azure, Google Cloud, Docker, Firebase DevOps/IaC :GitHub, GitHub Actions, Terraform ツール :Slack, Notion, Google Workspace

プロジェクトの例 業界・業種・技術は問わず多様なプロジェクトがあり、各業界をリードするエンタープライズ企業さ んと多くご一緒しています。 大手プロダクト・SaaSにおけるデータ分析基盤・自社用データマートのゼロからの設計・ 構築 Webサービス・ゲーム等のログデータ/取引データを対象としたDWH・マート構築および Redash/TableauでのKPI可視化 全社横断データマネジメントグループでのデータ定義統一、ドキュメント化、クエリチュー ニング Claude Code等の生成AIツールを活用した定型抽出・分析タスクの自動化・効率化推進 技術スタック(一部) AI/機械学習・自動化: Claude, OpenAI, Gemini, Claude Code, PyTorch データ/DWH/ETL: BigQuery, Redshift, AWS (S3, Lambda), GCP (Dataform), Azure Databricks, dbt, digdag 分析/BI/ツール: Tableau, Looker Studio, Redash, Adobe Analytics, Salesforce 言語/DB: SQL, Python, PostgreSQL, MySQL DevOps/環境: GitHub, Docker, Windows, Mac, Linux ツール: Slack, Notion, Google Workspace

企業で生成AIの活用が急速に広がる一方、 「PoCまではできたが、本番導入できない」 「ChatGPTを導入したが、業務が変わらない」 「自社データとどう組み合わせればいいか分からない」 といった課題も増えています。 ITSOが目指しているのは、AI技術そのものを検証することではありません。 生成AI・LLM・RAG・AIエージェントを企業の業務へ組み込み、実際に使われ、業務が変わるところまで実装すること。 本ポジションでは、AI活用構想からアーキテクチャ設計、アプリケーション開発、導入・運用まで、一気通貫で携わります。 ●生成AI/LLMアプリケーション開発 ・生成AIを活用した業務アプリケーション開発 ・ChatGPT API/Azure OpenAI Service/Gemini/Claude等を活用したAIシステム開発 ・RAG(Retrieval-Augmented Generation)の設計・構築 ・AIエージェントの設計・開発 ・社内システムとLLMの連携 ・AIチャットボット/ナレッジ検索システム開発 ・AI-OCR/ドキュメント解析システム開発 ・Python/TypeScript等によるAIアプリケーション開発 ●AIアーキテクチャ ・企業向けAIシステムのアーキテクチャ設計 ・Azure/AWS/Google Cloudを活用したAI基盤設計 ・オンプレミス/閉域環境を含むLLM活用環境の設計 ・セキュリティ/ガバナンスを考慮したAI基盤構築 ・大量データを活用するためのデータ基盤設計 ●AI活用・コンサルティング 経験に応じて、 ・顧客の業務課題ヒアリング ・AI活用ユースケースの検討 ・生成AI導入PoCの企画・推進 ・AIロードマップ策定 ・最新AI技術の調査/技術検証 ・顧客向け技術提案 まで担当領域を広げることができます。 ●自社AIプロダクト ・自社AIサービスの企画・開発 ・新規AIプロダクトの立ち上げ ・既存サービスへのAI機能追加 にも挑戦できます。

本職種ではデータサイエンス・生成AIに関する高い専門性を活かし、顧客業務に対する当社生成AI PFの適用とその効果検証を実施する。または生成AI PFの技術検証とPF開発を実施する。 さらに顧客業務に合わせたNTT独自の生成AIモデルやオープンウェイトモデルのカスタマイズやハーネス、コンテキストまで含めた全体最適化およびそのための技術検証、ソリューション開発を実施する。 ・顧客の業務課題に基づき生成AIを用いた課題解決策の検討と提案 ・課題解決に必要な顧客データや重要なコンテキストの特定と整備 ・AI PF/RAGシステム・エージェントの顧客適用に向けた構築 ・グローバルのグループ会社や顧客とのコミュニケーション ・生成AIモデルのファインチューニングや事後学習、およびユースケースに応じた評価検証方法の提案と実施 ・上記業務のドキュメンテーションなど ・当社エグゼクティブへのレポーティングの実施 ●組織情報 グローバルなグループ会社とのナレッジシェア、人財育成、提案/案件支援を通じて、グローバルにAI/データ活用のビジネス拡大を図り、NTTデータのグローバル化に貢献することをミッションとする。 ●想定役職 課長 , 課長代理 , 主任