データ・AI・機械学習(RAG)の求人・転職情報

●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

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

●AXRの強み ―― なぜ、結果を出せるのか このポジションで「売る」ものの中身は、次の4つの構造的な違いです。 ①ナレッジの蓄積: これまで3年以上にわたり、200社・累計20,000名以上の変革を通じて、業種別・職種別の業務ナレッジをため続けてきました。 研修を開発するたびに、AI-BPRを実行するたびに、顧客の業務をヒアリングするたびに、このナレッジは増えていきます。 業界を横断してこの密度で業務データを持つ会社は、他にありません。 ②再現性のあるフレームワーク: 我々はあらゆる仕事をタスクベースで捉えます。 業務を棚卸ししてAIで代替可能な単位まで分解し、 タスクごとにAI適用度を判定し、人間もAIも扱いやすい形式知化されたタスクへ変換する─ ─このAIタスクアプローチは、業種・職種を問わず同じ型で機能します。 よって着手前から「どこを、どれだけ」改善できるかを定量的に示すことができ、研修にも コンサルティングにも人材提供にもAI-BPRにも、同じコアが展開できるのです。 ③統合力: AXの成功には、戦略とKPI設計、業務の分解と形式知化、人材育成、AI実装、現場定着という複数の機能が必要です。 しかし、研修会社は教育だけ、戦略コンサルは構想だけ、ベンダーは開発だけを担い、機能の間に断絶が生まれます。 我々はHX・DX・BXを統合し、この全部を1社で担う。 だから変革が途中で止まることはありません。 ④我々自身が最も徹底的にAIを使う会社であること: ビジョンも業務もナレッジもmd化し、AI経営OSとして自社で実践しています。 自分たちで実証していない方法論を、お客様に提案することはありません。 ●上場企業や開発のプロ企業やが選ぶ実績 レポートだけの提案も中身のない研修も一瞬で見抜く「プロ企業」自身が、AXRを選び、共に変革を取り組んでいます。 上場企業や開発を得意とするエンタープライズ企業が「AXRと組むことで企業価値を上げている」これは、あなたが商談で背負う信用の裏付けになります。 ●業務内容 クライアント企業の AX(AI 変革)を、上流の業務分析から本番運用・定着支援まで一気通貫でリードします。 ・クライアント企業の業務プロセス分析と AI 適用箇所の特定 ・LLM を組み込んだ業務アプリケーション・エージェントの設計・実装・運用 ・RAG 基盤、社内データ連携、既存システム(SaaS/基幹系)とのインテグレーション ・クライアント開発チームへの AI 導入伴走支援(開発プロセスへの AI コーディングツール組み込み、 ルール/コンテキスト整備、レビュー体制の再設計、ペアプログラミングや実装レビューを通じた定着支援) ・評価基盤(Evals)の構築、精度・コスト・レイテンシのチューニング ・セキュリティ・ガバナンス要件への対応、本番運用の監視体制構築 ・PoC から本番導入までのリード、クライアントの技術者への引き継ぎ ※ 顧客は全国のため出張が発生する場合があります。 ●一緒に働く仲間 当社の代表・前田は、これまで70社以上への投資・設立をしてきた事業家であり、投資家です。 また、前田自身が設立した関連会社代表への抜擢もあり、設立初期に株式を得ながら事業を牽引するポジションへのアサイン実績もあります。 「入社後に、自分のキャリアを活かして勝てる市場で自分の事業を持てる」 ―前田のキャリアがあるからこそ提供できる当社のベネフィットです。 また、当社の技術を担うメンバーは、まだ世界でも定義が曖昧であるFDE(Forward Deployed Engineer)の要件定義をし、 FDEの育成するためのAI駆動開発研修やカリキュラムを日本で最速級に形にしているチームです。 AI領域に強いとされる開発のプロ企業にも、AXRが最新技術をお伝えし、ご支援させていただいています。 一人一人の実力を考えれば、個人でも事業が成り立つメンバーが、 今、このタイミングだからこそAXRというチームで仕事をしている理由は、今であれば日本を変えられる可能性があるから。 営業が商談で語る技術的裏付けは、この本物のチームが支えます。 国内の AI 市場支出は 2025 年の約 2.4 兆円から 2029 年には約 6.9 兆円(年平均成長率 36%)へと拡大が見込まれ、 LLM を組み込んだ業務アプリケーションや AI エージェント、RAG 基盤への需要が急増しています。 AXR では、PoC で終わらせず本番導入・運用・定着まで踏み込む案件が拡大しており、顧客の業務そのものを作り変えるエンジニアを募集します。

本ポジションは、ITエンジニアとしての仕事を本業としながら、eスポーツチームの運営にも携わる「デュアルキャリア」ポジションです。 本業はITSOのプロジェクトに参画し、AI・RPA・ローコード・クラウド等を活用したシステム開発や業務改善を担当。 これまで培ってきたIT経験や、入社後に身につける技術力を活かしながら、エンジニアとしての市場価値を高めていきます。 同時に、eスポーツチームの運営スタッフとして、 ・選手の指導、サポート ・試合/プレイデータの収集・分析 ・資料作成 ・チーム公式サイトの運営 ・動画撮影、編集、画像制作 ・コミュニティ運営 ・イベント企画 ・Discordサーバーの管理・運営 など、チームづくりにも関わっていただきます。 ITも、eスポーツも、中途半端にしない。 将来の生活・キャリアを支える専門性を身につけながら、自分が本当に好きな領域にも挑戦し続けられる働き方です。 クライアント企業の業務課題に対して、AI・RPA・ローコード・プロセスマイニング等を活用し、業務改善・BPR・DX/AXを支援します。 具体的には、 ・クライアントの業務ヒアリング ・業務整理、課題分析 ・要件定義、設計 ・システム/アプリケーション開発 ・AI/RPA/Power Platform等を活用した業務自動化 ・PoC、テスト、導入支援 ・運用、保守 ・経験に応じて顧客提案や上流工程への参画 など。 生成AI、LLM、RAG、AIチャットボット、Power Automate、Automation Anywhere、AWS、Azure、Salesforce、Power Platformなど、幅広い技術を扱う環境です。

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

●入社後のステップと育成体制 まずはご自身の得意領域(開発や上流工程)からプロジェクトに参画していただきます。 その後、早期に以下のFDEフェーズへステップアップしていただきます。 ●FDEの支援フェーズ(実戦で鍛える) ・顧客理解 ・課題構造化(業務フロー・オントロジー化) ・解決策設計(AI統合・RAG・エージェント) ・プロト導入・開発 ・PoC設計・精度検証 ・トライアル評価 ・本番導入・開発 ・運用設計 → ・システム運用保守 ・業務運用改善 一連の流れを実戦で経験することで、「課題構造化・AI統合・PoC設計」の確固たる型を習得できます。 ●この仕事で解決いただく課題(プロジェクト例) 顧客の現場に入り込み、属人化している業務を生成AIやSaaS、自動化技術を用いて根本から再構築します。 ・大手通信業界の事例 問い合わせ業務をAIによる要約と自動分類で半減させるプロジェクトや、RAGと業務データを組み合わせたPoC設計・精度検証、AIエージェントを用いた業務フローの自動化から運用までの支援など。 ・自治体DXの事例 文書管理業務のオントロジー構造化、AI検索基盤の構築からPoC・本番導入、さらに業務運用改善までの伴走支援など。 ※直近の具体的な案件詳細は、選考時に詳しくお伝えいたします。 ●従事すべき業務の変更の範囲 →変更の範囲　会社の定める業務

【ミッション】 開発組織におけるAI Native化への変革をリードし、技術起点で継続的な価値創出に貢献する 【主な業務】 社内既存AIツールの活用促進と新規AI技術の検証/導入 【具体的な業務】 ・本部横断でのAI駆動開発の推進 ・社内外の先進技術/AI活用事例の調査と検証/展開 ・LLMモデル活用方針の策定/展開 ・業務効率化に向けたAI PoCの企画/推進 ・各開発チームへのAI活用伴走支援 ・Skills/Agent.mdなどAI活用アセットの整備/運用 ・ハーネスエンジニアリング/ループエンジニアリングの検証/仕組み化 ・自律開発/夜間自動開発など新しい開発プロセスの検証

当部門は、生成AI・LLM・AIエージェントを活用し、技術部門の業務変革を促進するAIプラットフォームを企画・開発する組織です。 Difyを中心に、RAG、ベクトルDB、ナレッジDB、MCPなどの技術を組み合わせ、AIエージェントを安全かつ継続的に業務利用できる共通基盤を構築しています。 目指しているのは、システム開発の専門知識を持たない社員でも、ローコード/ノーコードで自らAIエージェントを作成し、業務に活用できる環境です。 プラットフォームの機能開発に加え、各種業務システムとの連携、ナレッジ活用、実行ログやフィードバックを用いた評価・改善の仕組みづくりにも取り組んでいます。 利用部門の課題やニーズを捉えながら、より使いやすく、信頼性が高く、幅広い業務に展開できるプラットフォームへ進化させることが私たちの役割です。 通信ネットワーク運用やITシステム運用など、大規模かつ社会的影響の大きい業務領域を支えるAI基盤の開発を通じて、AI時代の新しい仕事の進め方を広げていく、技術的な挑戦機会の大きな部門です。 【ミッション】 LTMおよび関連LLMを活用したAIエージェント実行プラットフォームシステムを開発し、通信業務・ITシステム運用業務などへの実装を通じて、ネットワーク運用・システム運用の効率化・高度化・自律化を推進することがミッションです。 数年前から開発を進めてきたAIエージェント実行プラットフォームシステムは既に本格始動済ですが、エージェント監視/制御などの付随した機能開発や他システムとの連携の仕組みなどの開発テーマを推進いただきます。 【主な業務】 AIエージェントを動かすプラットフォームとなるシステムの開発と、社内業務への適用推進 【具体的な業務】・Difyを中心としたAI活用プラットフォームの設計/開発 ・ベクトルDBやRAG、ナレッジDBの設計/開発 ・MCPを活用した業務システムとの連携機能の設計/開発 ・評価データ、実行ログ、フィードバックを活用した精度評価/改善の仕組み化 ・AIエージェントや業務アプリケーションの機能改善/高度化 ・社内関係部署と連携した業務課題の整理、要件定義、AI活用推進

本ポジションでは、RAGやMCP環境の構築、マルチモーダルAIを中心に、技術選定から設計・開発まで幅広く担当いただきます。 PoC(技術検証)からリリースまで携わりながら、将来的にはAIソリューション開発の中核メンバーとしてプロジェクトを推進していただくことを期待しています。 【業務内容】 ・RAG環境の設計・構築 ・企業向けAI基盤・ナレッジ活用基盤の開発 ・顧客課題の整理および要件定義 ・システムアーキテクチャの設計 ・プロジェクト推進およびチームリード

事業内容 お客様が抱える様々な経営課題に対し、以下のサービスを組み合わせ解決のための最適なソリューションを提供します。様々な現場を知る当社のきめ細かでスピード感溢れるサービスは、有名企業をはじめ高いサービスレベルを求めるお客様からも高評価をいただいています。 ・コンサルティング、業務設計 ・営業支援 ・マーケティング支援 ・システム開発・運用 ・オペレーション 業務内容 ●AIエージェント(AgentOps)の構想立案および社内・顧客への導入推進 ●AIOpsのアーキテクチャ設計、および自律型AIを用いた運用自動化の設計 ●DevOps+AI駆動開発のアーキテクチャ設計および運用設計(CI/CDパイプライン構築等) ●既存ツール(WinActor、PowerPlatform等)を用いた運用の可視化とAIによる工数削減・アーキテクチャ見直し 事業内容と今後の事業展開 コムテックでは、IT/ビジネス・プロセス・アウトソーシング (BPO)を二軸としたサービスをお客様へ展開しています。 ●業務調査/分析 ●課題解決 BPO 配属先の組織構成 5名程度(※プロジェクトによって変動します) その他 ※※宿泊を伴う出張あり

・顧客技術対話 顧客のAI推進部門・情報システム部門・技術部門と対等に技術議論を行い、データ基盤・AIシステムの設計合意を主導します。上流フェーズのチームから本番化フェーズへの引き継ぎを技術的に完結させます。 ・チームマネジメント クラウドエンジニア・データエンジニア・AIエンジニア等数名のメンバーの業務設計・進捗管理・品質レビュー・育成を担います。プレイングマネージャーとして自分自身も技術的な主担当を持ちながらチームを率います。 ・AI実装品質の設計監督 データ基盤(スキーマ・ETL・品質管理)・AIアーキテクチャ(品質ゲート・評価基準)・AI駆動開発(コンテキスト設計)の各レイヤーの整合性を担保します。LLMへのコンテキスト不足がドメイン誤り・ハルシネーションを引き起こすリスクを構造的に排除します。 ・顧客内製化支援 外部ベンダー依存から脱却し、顧客組織が自走できる状態を作ることを最終目標として設定します。AI駆動開発ガイドライン・標準プロセスの整備と顧客チームへの移転を担います。 ・実装ノウハウの標準化 案件で確立したアーキテクチャパターン・実装手法・品質基準を汎用テンプレートとして整備し、チーム全体のデリバリー品質と速度の向上に貢献します。 ・AI・データ動向の事業反映 クラウドAIサービス・MLOps・LLMOps・AI駆動開発・フィジカルAI等の最新動向を継続的に把握し、設計判断・顧客提案・チームの技術方針に積極的に組み込みます。 ●仕事についての詳細 この事業領域の公開情報 事業説明 メインサイト(https://www.mamezou.com/services/strategic) note記事(活動報告、インタビュー記事、等)(https://note.com/mamezou_info/m/mb5c4d71c8358)

●現状の課題/今後取り組みたいこと freee のデータ活用は長らくデータ分析が主軸でした。 しかし生成 AI の台頭により、データを資源とした活用ニーズは多様化・複雑化し、マルチプロダクト戦略のもとプロダクトを横断したデータ活用ニーズも急増しています。 私たちは 「AI Ready の正体はデータマネジメントである」 と考えています。 AI Ready とは、LLM に収まるコンテクストかつ解釈可能なレベルまで、高品質なデータが構造化・管理されている状態を指します。 これは AI 技術だけの問題ではなく、データマネジメントそのものの問題です。 freee は現在、ハブ・アンド・スポーク型のデータメッシュ(Provider / Hub / Consumer)への変革期にあり、メダリオン 2.0(Bronze / Silver / Gold + Platinum)を共通言語に、全社プロジェクトを同時並行で推進しています。 本ポジションは、その中でも 「データを人とエージェントに届ける最終区間(ラストワンマイル)」 を担い、以下を推進します。 ・指標・ディメンションの一元管理とガバナンス LookML、BigQuery、dbtを用いて定義の一元化と変更管理を行う。 ・AI向けコンテキストの構造化 エージェントが参照可能なビジネス用語やメタデータを「AI-ready」な状態に整備する。 ・リモートMCPの設計・運用 社内外のAIクライアントに対し、セマンティックレイヤーやコンテキスト基盤を開放する仕組みを構築する。 ・回答品質の評価と改善サイクルの確立 正答率や解決率をロギングし、それを起点とした継続的な改善を行う。 ・評価駆動開発へのシフト 評価駆動開発への移行が進み、品質改善が人手の勘ではなくデータ(評価)で回るようになっている ・データプロダクトマネジメント 部門からの要望をインテークし、優先度付けや「作らない」判断を含めた製品マネジメントを担う。 ●業務内容詳細 freee の全社員が、エージェントとの対話だけで信頼できるデータに到達できる状態をつくる。 セマンティックレイヤーとコンテキスト基盤をユーザー需要から逆算して設計し、その回答品質をロギング・評価で計測しながら、分析エージェントとして届けきる。 具体的には以下を担っていただきます。 ・セマンティックレイヤー / コンテキスト基盤の整備 ・分析エージェント / リモートMCPの開発・運用 ・ ロギング・評価基盤の設計・運用 ・データプロダクトマネジメント ・ファシリテーション / 全社への浸透 ※会社の事業状況やご本人の適性に応じて担当する業務内容が変更となる場合があります 業務内容の変更範囲:会社の事業状況やご本人の適性に応じて担当する業務内容が変更となる場合があります

具体的な技術に関する情報は「歴史に残る模範的なソフトウェアを作ろう(https://hello-world.smarthr.co.jp/)　」をご覧ください。 ●役割 SmartHRのAI開発基盤ユニットは、全プロダクトのAI開発を支援する横断組織として新設されます。 このポジションでは、チームの立ち上げを技術面・組織面の両軸でリードし、各プロダクトチームが安心してAI機能を開発できる共通基盤を作り上げることが期待されています。 AIを組み込んだプロダクト開発が当たり前になりつつある今、可用性・セキュリティ・運用性を考慮した基盤設計は、事業成長の速度を左右する重要な要素です。 コンテキスト基盤やLLM Gateway、認証・認可の仕組みなど、個々のチームが解決しきれない課題を抽象化し、全社に届ける役割を担うのがこのポジションです。 要件定義から関係者との合意形成、実装・運用まで主体的に動ける方に、SmartHRのAI基盤の未来を一緒に描いていただきたいと考えています。 ●具体的な業務内容 入社直後は、マネージャーやAI開発部の仲間のサポートを得ながら複数のプロダクトチームと対話し、AI開発基盤の大きな方向性・要件を関係者と合意していくことからスタートする予定です。 現場の実態を正確に把握し、中長期の計画に紐づく形でチームのロードマップを描いていただきます。 技術的には、LangfuseをはじめとするLLMOpsツールの本格運用設計、コンテキスト基盤やLLM Gatewayのアーキテクチャ設計・実装など、横断的に影響を持つ仕組みの構築が主な業務です。 入社3ヶ月以内にはMVPとなる取り組みに着手し、2027年にかけてチームを最大5名規模へと拡大しながら、基盤全体のオーナーとして開発・運用を推進していただくことを期待しています。 コードを書く割合は状況に応じて変動しますが、プレイングマネージャーとして手を動かしながらチームをリードしていただきます。 ●開発規模・開発体制 チーム規模 新設チームのため現在0名 2027年にかけてプレイングマネージャー1名+メンバー4名、最大5名体制を目指す予定 開発体制 複数のプロダクトチームと連携しながら、共通基盤の要件定義〜設計〜実装〜運用を一気通貫で担う AI開発部の既存プレイングマネージャー・マネージャーとのサポート体制(ゼロからの立ち上げでも安心して取り組める環境) ●事業概要 SmartHRは「well-working 労働にまつわる社会課題をなくし、誰もがその人らしく働ける社会を作る。」をミッションに掲げ、クラウド人事労務ソフト「SmartHR」を開発・提供しています。 今後、SmartHRが目指すのは「人事労務の効率化ツール」ではなく、日本の働き方そのものを変える社会インフラです。給与・勤怠・タレントマネジメントを横断する「人的資本経営プラットフォーム」への進化を挑戦し、企業が「人」に投資できる社会の実現を目指しています。 数百万人のユーザーに支えられるプロダクトがすでにありながら、日本全法人へのカバー率はまだ数パーセント。解くべき課題の広さは、市場の広さそのものです。2030年に売上1,000億円を目標に掲げ、「日本全体の企業とそこで働く人々の当たり前を変える」という大きな挑戦に挑んでいます ●現在取り組んでいる、または今後取り組みたい課題 LLMOpsの整備(LLMの運用管理・モニタリング・バージョン管理の仕組み化) コンテキスト基盤の構築(各プロダクトが共通利用できる情報基盤の設計) LLM Gatewayの整備(全社横断でのLLMアクセス制御・コスト管理) 認証・認可の実装(AIエージェントを安全に運用するための権限管理設計) ガードレールの整備(AIの安全な利用を保証する仕組みの構築) ●配属先 AI開発本部 / AI開発部 / AI開発基盤ユニット / プレイングマネージャー 業務内容変更範囲 会社の定める業務 ●参考情報 AIでSaaSは死なないし、業務システムをAIで内製化してはいけない(https://real.smarthr.co.jp/articles/times_serizawa_0008) 「人的資本経営プラットフォーム」へ進化。2030年売上1000億円を目指し、新たな事業戦略を発表(https://smarthr.co.jp/news/press/20250603_jigyousenryaku/) 2030年に向けた事業戦略─CEOが語る「働く人を支えるインフラ」への挑戦 - YouTube(https://www.youtube.com/watch?v=isrl9YdOjgQ) ●参考資料 SmartHR 会社紹介資料 / We are hiring(https://speakerdeck.com/smarthr_pr/smarthr-company-introduction1) エンジニア採用サイト(https://hello-world.smarthr.co.jp/ SmartHR Tech Blog(https://tech.smarthr.jp/) SmartHR プロダクトデザイン(https://note.com/smarthr_co/m/m0b87dcc52cb0) SmartHR note(https://note.com/smarthr_co) GPTW Japanの「働きがい認定企業」に選出(https://smarthr.co.jp/news/press/27057/)

私たちは今、自社のプロダクト開発そのものをAI-nativeな仕組みへと再設計しようとしています。その中核を担うのが、AI Product Manager です。ブリングアウトのプロダクトを「AIが自律的に進化するプロダクト」へと変革し、そのプロセス自体を顧客が採用できる形にパッケージ化することが役割です。顧客の声、商談・CS情報、開発要望、プロダクト利用メトリクス、品質データを LLM が継続的に統合・構造化し、プロダクトの改善機会を発見し、優先順位を提案し、開発チームがすぐに動ける要件へ落とし込むワークフローを設計・運用する責任者です。 単に AI 機能を企画するのではなく、PM の仕事そのもの ── 「顧客の声をどう捉え、何を作るべきかをどう判断し、どのように開発チームへ渡し、リリース後にどう学習するか」というプロダクト開発の OS を、AI で再発明する仕事です。 ① AI-nativeなプロダクト開発ワークフローの設計・運用 顧客の声、開発要望、プロダクト利用メトリクス、品質データをもとに、LLM がプロダクト改善の機会を発見し、優先順位付けし、要件化するワークフローを設計・運用します。 ●VoC、商談ログ、CS情報、開発要望、利用メトリクスの統合設計 ●LLM による分類・要約・クラスタリング・優先度スコアリングの設計 ●バックログトリアージ、ロードマップ更新、PRD ドラフト生成のワークフロー化 ●PdM・Engineering・CS・Sales が継続的に使える運用プロセスへの落とし込み 顧客インタビューや商談・CSから得られる一次情報を、プロダクト判断と開発実行に使える形へ変換します。 ●顧客課題の抽出、構造化、パターン化 ●開発チームが48時間以内に動き始められる粒度の PRD・Issue ドラフト作成 ●問題定義、ユースケース、成功指標、受け入れ条件、制約、リスク、未決事項の整理 ●顧客の言葉と、開発チームの要件言語をつなぐドキュメント設計 AI が出す提案を、組織が信頼して意思決定に使える状態にします。 ●優先順位付けの判断軸設計 ●事業インパクト、顧客価値、開発工数、戦略整合性、リスクを踏まえた評価フレームの設計 ●AI が生成する提案の説明可能性・再現性・レビュー観点の設計 ●ロードマップレビュー、スプリント計画、仕様レビュー、リリース後レビューへの組み込み LLM や AI エージェントの出力を、プロダクト開発の実務で使える品質に高めます。 ●PRD、Issue、優先度提案、要約、分類結果の Evaluation 設計 ●AI 出力の品質基準、レビュー基準、Human-in-the-loop 設計 ●誤分類、過剰要約、幻覚、重要要望の見落としを防ぐガードレール設計 ●AI ワークフローの継続改善 AI が生成するインサイトや優先度提案をもとに、プロダクトロードマップと開発投資判断を継続的にアップデートします。 ●What-if 分析を用いたロードマップシナリオ設計 ●CTO・Engineering との投資対効果レビュー ●プロダクト改善テーマの言語化 ●短期の開発優先度と中長期のプロダクト進化の接続 ●① PMの仕事そのものをAIで再定義できる 既存プロダクトの一機能を担当するPMではありません。顧客の声をどう集め、どう解釈し、何を作るべきかをどう判断し、どのように開発へつなげるかという、プロダクト開発の中核プロセスそのものを AI で再設計する役割です。今後多くの企業で必要になる新しいテーマであり、職種としてもまだ世の中に完成形がない領域です。 ●② AIを実験ではなく、日々の開発プロセスに組み込める LLM や AI エージェントを、PoC やデモで終わらせるのではなく、実際のロードマップ判断、バックログ管理、要件定義、開発プロセスに組み込んでいきます。AI を「便利ツール」ではなく、会社のプロダクト開発の中枢に据える仕事です。 ●③ 顧客価値と開発生産性の両方にインパクトできる 顧客の声がより早く、より正確にプロダクトへ反映されることで顧客価値を高めます。同時に、PdM・Engineering・CS・Sales の連携を滑らかにし、開発チームが迷いなく動ける状態をつくることで、開発生産性にも直接インパクトできます。顧客満足・開発スピード・売上貢献のすべてに関わる、レバレッジの高い仕事です。 ●④ CTO直下で、開発組織全体の進化をリードできる 所属は開発組織、CTO 直下です。プロダクト戦略、AI 活用、開発プロセス、データ基盤、組織運営が交差する領域で、経営・開発・ビジネスの意思決定に近いところから変革をリードできます。Principal IC として、組織横断の仕組みづくりに専念できる環境です。 ●⑤ まだ世の中に完成形がない、新しい職種を創り出せる このポジションは、従来の PdM、Product Ops、AI 活用推進、業務設計、データ活用の要素が混ざった新しい役割です。すでに決まった型を運用する仕事ではなく、「AI 時代のプロダクト開発はこうあるべきだ」という型を自分で作る仕事です。

ポジション概要 クライアントの経営課題を起点に、AIを軸とした変革シナリオとアーキテクチャを設計し、実装までリードする役割です。 AIの全レイヤーに自分の設計思想を落とし込むことができます。 主な業務内容 戦略・構想フェーズ - 経営層と直接議論しながら、AI前提の事業・組織モデルをゼロから設計 - RevOps 観点で KPI・業務プロセス・データ構造の“再定義” - AI導入ロードマップ/優先度を、2〜3年後の未来から逆算して設計 - ROI・KPI などの成果指標を、AIが継続稼働できる構造に最適化 “AIが企業の中枢で動き続けるための未来図を描くフェーズです” アーキテクチャ設計・PoC - LLM選定/RAG構成/Vector DB/ETL/ELT基盤/マルチエージェント構成など 企業ごとに異なる“AIエコシステム”をゼロから設計 - 既存データのアセスメントから、取得すべき新しいデータの定義 - Agentic Workflow × UI/UX による、“自律的に動くAIワークフロー” の構築 - 技術 PoC・プロトタイプ開発リード “技術的な最適解を探りつつ、実際に動くAIの原型をつくるフェーズです” 実装・定着フェーズ - スプリントを設計し、AIが安定稼働するための プロダクトレベルの開発管理 - 戦略コンサルタント・AIエンジニアと協働し、アーキテクチャ→コード→運用をシームレスにレビュー・改善 - 現場で使われ続けるための運用プロセス・トレーニングを設計 “導入して終わりではなく、AIが“使われ続ける”仕組みまで責任を持てます”

【事業概要】 STRACTは「AIショッピングアプリ『PLUG(プラグ)』」を提供しています。国内2,200以上のECサイトと提携し、最安値比較やクーポン自動オファーなどを実現。300万ダウンロードを達成し、年間流通総額は100億円を突破しました。ブラウザ拡張機能から「ショッピング版AIエージェント」へと展開し、検索比較から購入・決済自動化まで、購買ファネル全体をカバーするプロダクトへと拡大を続けています。 業務内容 【具体的な業務内容】 -ビジネス部門(toB向き合いの業務チーム)・コーポレート部門のメンバーと一緒に日々の業務を行いながら、業務フロー・課題・ボトルネックを深く理解する -現場から得たインプットをもとに、オペレーション改善・業務効率化のための仕組み(ツール・自動化・社内システムなど)を設計・開発する -生成AI・LLMなどを活用し、定型業務や情報処理の自動化・省力化を企画〜実装〜運用まで一気通貫で担う -リリース後も現場に張り付き、実際の利用状況や反応を見ながら改善サイクルを回す(「作って終わり」にしない) -開発を通じて得た知見を、属人化させずに仕組み化・ドキュメント化し、他メンバーにも展開する -常時プロダクト開発チームとも連携し、汎用化できる要素はプロダクト側にフィードバックする -ビジネス部門・コーポレート部門メンバーのオペレーション業務をAIで巻き取り・削減し、削減できた時間をより事業成長に直結する提案活動へ再投資できる状態をつくる -必要に応じてお客様とのコミュニケーションにも入り、現場のオペレーションを熟知した立場から提案設計を技術面で後押しすることで、ビジネス部門がよりアグレッシブな提案に安心して踏み出せる環境を構築する 【業務における技術チャレンジ例】 ・業務理解と実装の両立: 非エンジニアである現場メンバーの暗黙知や運用・手作業のフローを分解し、要件として言語化した上で、実際に動くソリューションに落とし込む ・スピード重視の開発: 現場のフィードバックを得ながら素早く反復改善する ・AI活用の実装力: LLM APIやAIエージェント、ノーコード/ローコードツールなどを適材適所で使い分け、最短距離で業務改善を実現する

本ポジションでは、ログラスが展開する新規AIプロダクトのいずれかに参画し、PdM・デザイナー・ドメインエキスパートなどと連携しながら、顧客課題の探索からプロトタイピング、設計、実装、検証、改善までを一気通貫で担っていただきます。 単に決められた仕様を実装するのではなく、顧客との対話を通じて業務や課題を理解し、LLM・AIエージェントをどのように組み込めば新しい価値を実現できるかを考え、実際に動くプロダクトとして届ける役割です。 AIプロダクトは、技術の進化が速く、最初から完成された正解が存在しない領域ではありません。 そのため、精緻な仕様を長期間かけて実装するよりも、顧客の業務を理解し、短期間でプロトタイプを作り、実際の利用を通じて仮説を検証することを重視しています。 プロダクトのフェーズや本人の強みに応じて、フロントエンド・バックエンド・AIアプリケーション・アーキテクチャなど、担当範囲は柔軟に設計します。 領域を限定せず、プロダクトの価値提供に必要な技術課題へ越境して取り組んでいただくことを期待しています。 本ポジションでは、ログラスが展開する新規AIプロダクトのいずれかに参画し、PdM・デザイナー・ドメインエキスパートなどと連携しながら、顧客課題の探索からプロトタイピング、設計、実装、検証、改善までを一気通貫で担っていただきます。 単に決められた仕様を実装するのではなく、顧客との対話を通じて業務や課題を理解し、LLM・AIエージェントをどのように組み込めば新しい価値を実現できるかを考え、実際に動くプロダクトとして届ける役割です。 AIプロダクトは、技術の進化が速く、最初から完成された正解が存在しない領域ではありません。 そのため、精緻な仕様を長期間かけて実装するよりも、顧客の業務を理解し、短期間でプロトタイプを作り、実際の利用を通じて仮説を検証することを重視しています。 プロダクトのフェーズや本人の強みに応じて、フロントエンド・バックエンド・AIアプリケーション・アーキテクチャなど、担当範囲は柔軟に設計します。 領域を限定せず、プロダクトの価値提供に必要な技術課題へ越境して取り組んでいただくことを期待しています。 ●顧客課題の探索とプロダクト設計 顧客へのヒアリングや業務観察を通じた課題・業務フローの理解 PdM、デザイナー、ドメインエキスパートと連携したプロダクト体験の設計 顧客課題と技術的な実現可能性を踏まえた機能要件・仕様の策定 プロトタイプを用いた仮説検証と顧客フィードバックの収集 ●LLM・AIエージェントを活用したプロダクト開発 LLMを組み込んだWebアプリケーションの設計・実装 プロンプトエンジニアリング、コンテキスト設計、RAG等を活用した機能開発 AIエージェントを活用した業務フロー・ユーザー体験の設計 モデルの出力品質を評価する仕組みや評価指標の設計 精度・速度・コスト・再現性を踏まえた継続的な改善 新しいモデルやAI技術の検証とプロダクトへの適用 ●PMFに向けた高速な開発・改善 新規プロダクトや機能のプロトタイピング 顧客利用を通じて得られたフィードバックを踏まえた改善 利用状況や定性・定量データに基づく優先順位の判断 PdM・デザイナー・ビジネスメンバーと連携した開発計画の策定 技術的な知見を踏まえたプロダクト戦略・ロードマップへの提案 ●プロダクトの成長を支える技術基盤の構築 プロダクトの成長を見据えたアーキテクチャ設計 可用性・拡張性・セキュリティ・パフォーマンスの改善 コードレビュー、テスト設計、自動化による開発品質の向上 AIコーディングツールを活用した開発プロセスの改善 複数のAIプロダクトで再利用できる知見・技術基盤の整備 ※参画するプロダクトや具体的な業務範囲は、ご経験・志向、選考時点の事業状況を踏まえて決定します。 ●開発環境 サーバーサイド:Go フロントエンド:React / Next.js / TypeScript インフラ:AWS / Terraform / Fargate / ECR データベース:Aurora PostgreSQL テストツール:Datadog Synthetics / Playwright コミュニケーション・設計・開発支援:Slack Gather Figma Findy Team+ Notion Miro diagrams.net Cursor Claude Code Gemini ※参画プロダクトによって、一部の技術構成が異なる場合があります。 ●業務内容の変更範囲 会社の定める業務

- 顧客業務の理解および課題の構造化(As-Is / To-Be設計) - LLM / RAG / エージェントを活用したユースケース設計・実装 - 顧客環境へのシステム統合、プロトタイプ開発、本番導入 - AIエージェントを前提とした業務プロセスの改善 - AIガバナンスや品質担保の仕組みの設計・実装 - 統計的手法や機械学習・生成AIを用いたアルゴリズムの構築 プロジェクト例 AIネイティブ新規事業の立ち上げ 大手人材系企業様と共同で、AIエージェントを活用した新規事業開発を実施。 キャリアアドバイザーの面談やマッチングといった労働集約的な業務をAIエージェントが代替することで、求職者体験や労働生産性の向上を目指したプロジェクト。 中期経営計画の注力テーマのひとつとして、次世代の事業モデルの構築を行っている。 店舗運営バックオフィスAI化 大手小売企業様において、国内外約1,500店舗の店舗スタッフが担うバックオフィス業務(在庫調整・売上レポート・配送管理・配分業務など)をAIエージェントで代替するシステムを構築。店舗スタッフが顧客対応に集中できる環境を実現し、在庫調整業務75%削減・レポーティング品質の標準化を達成。 入社時にお任せしたいこと - AIを搭載したシステム・アプリケーション構築案件における要件定義・設計・構築 - 構築したシステム・アプリケーションをPoC で終わらせず、業務定着するまで継続改善する支援 開発環境 - 主な技術スタック: Python(FastAPI), TypeScript(React, Next.js, Hono) - エージェントフレームワーク: PydanticAI, OpenAI Agents SDK, Claude Agent SDK, Vercel AI SDK, Mastra - LLM: Claude, GPT, Gemini - AWS: Bedrock, Lambda, Step Functions, ECS/Fargate, Aurora, DynamoDB, S3, API Gateway, SQS - GCP: Vertex AI, Cloud Run, Firebase(Auth, Hosting, Firestore), Cloud Storage, Pub/Sub - コミュニケーション: Slack, Google Meet - コラボレーション: Figma - ドキュメント管理: Notion - チケット管理: Linear - AIツール: Gemini, ChatGPT, Cursor, Claude Code, Codex

● クライアント向け業務(客先・プロジェクト業務) ・顧客の経営・業務課題のヒアリング、受託・プライム案件の企画・提案・獲得 ・システム化構想、DXロードマップ策定、生成AIを活用したPoC企画・業務改善推進 ・要件定義からリリースまでのプロジェクト統括、QCD・リスク管理、ステークホルダーとの合意形成 ・クライアントの開発組織における生成AI活用の導入・内製化支援、伴走 ● 社内組織向け業務(AI利活用促進・開発プロセスの再構築) ・社内エンジニア組織への生成AI利活用促進、プロンプト活用やナレッジの共有・展開 ・生成AIを前提とした新しい受託開発フローの設計、ガイドラインやベストプラクティスの整備 ・AI活用における品質や保守性を担保するための設計・レビュー方針の策定 ・社内向けのAIを用いたシステム開発、および開発生産性向上のためのツール導入・標準化

設計図面に対する製造性評価をAIで支援する技術開発を担当。図面からの情報抽出・製造ルールに基づく自動チェック・過去品質不具合との照合など、製造品質の向上に直結するAIエージェントの設計・実装を推進します。 ●具体的な業務内容 【製造性評価AI】製造ルール・品質不具合に基づく設計形状の自動チェック、素材・工法ごとの判断ロジック設計・実装 【製造知見の構造化】図面・仕様書・不具合履歴を横断活用するナレッジ基盤構築、製造ルールの体系化 【図面情報抽出】OCR+レイアウト解析による形状・注記・寸法の自動認識 【設計・製造連携】製造性チェック結果の可視化・修正提案、設計変更の製造影響評価 【チーム連携】業務部門・外部パートナーとの要件調整 職種の変更範囲:技術職・事務職・技能職業務

私たちのチームの使命は、お客様に最高のサービスを届けるfreee自らを「世界で最も生産性が高く、最先端な組織」に進化させ続けることです。AIの進化が企業の在り方を根本から変えようとしている今、私たちはその変化を自ら作り出す側として社会をリードします。AIを単なる「ツール」ではなく、経営と業務の「核」に据える。2,000人以上の規模の組織がAIによって爆速化する、その基盤をゼロから構想し、実装する。そんな、歴史の転換点を自らの手で創り出す挑戦をしませんか? ●現状の課題/今後取り組みたいこと ・freeeでは、全社員が「マジ価値(本質的価値)」を届け切ることに集中できるよう、理想の業務環境を追求しています。 ・現在、私たちが目指しているのは、「AIネイティブな業務環境」の実現と継続的な進化です。 -全社横断的なRAG(検索拡張生成)の構築 -自律的に業務を遂行するAIエージェントプラットフォームの導入 -AIの精度を最大化するためのデータパイプラインとルールの再整備 ・今期よりAI開発体制を大幅に強化し、freeeの経営そのものにAIを組み込んでいくフェーズに突入します。 ・この壮大なビジョンを共に描き、技術で牽引してくれるリーダー・マネージャー候補を求めています。 ●業務内容詳細 ・単なる開発にとどまらず、技術選定から組織への実装まで、広範なプロデュース・価値創出をお任せします。 ・AIネイティブな業務体験の設計: n8nなどを活用し、従業員のワークフローをAI前提で再定義し、実装する ・技術選定とアーキテクチャ設計: LLM等の最新ソリューションの選定、社内導入 ・データ基盤の高度化: RAGの構築、セマンティックレイヤーの設計、データパイプラインの整備 ・LLM Opsの確立: 継続的に精度を向上させ、安全に運用するための仕組みづくり ・(マネージャー候補として) AI戦略の策定、チームビルディング、プロジェクトマネジメント 業務内容の変更範囲:会社の事業状況やご本人の適性に応じて担当する業務内容が変更となる場合があります

freeeにはいままでプロダクト開発組織のAI活用を推進する「AI駆動開発チーム」が存在していましたが、それらの役割に加えて全社の業務プロセスを改善するための基盤構築とEnablingを担う「AI Platform Engineering」チームを新設しました。 本ポジションは、単なる社内ツール導入に留まりません。社内に散在する膨大なデータ（BigQuery、Slack、Confluence、Google Drive等）をAIが理解可能な「コンテキスト」として整備し、全社員が安全かつ自律的にAI Agentやワークフローを構築できる「AIプラットフォーム」のエンジニアリングを担当します。 また、基盤構築だけでなく、導入支援も行います。業務プロセスの可視化・ドメイン知識の言語化から現場向けハンズオン・ショーケースを通じた成功事例の横展開まで、グローバル最先端の技術情報を収集・検証しながら、freeeの生産性と創造性を非連続的に向上させる中心メンバーを募集します。 ●現状の課題/今後取り組みたいこと freeeでは現在、Gemini や NotebookLM、自社のLLM基盤、各種コーディングエージェントなどを日々の業務に標準的に取り入れています。さらに「全社AI特区」として、希望者が最新AIツールを業務で試せる環境を提供しており、ChatGPT や Comet、n8n 等の活用が進んでいます。しかし、以下の課題によりAI活用の「天井」が存在します 1.コンテキストの分断 : 社内データ（議事録、ドキュメント、顧客データ）が各SaaSに分散し、AIに十分なコンテキストを提供できていません。現場のドメイン知識や業務プロセスが暗黙知のまま残り、AI Agentやワークフローに組み込める構造化された形で言語化できていない領域が多く存在します。 2.AIツール活用の障壁：エンジニア以外のメンバーが業務自動化やAIエージェント構築を試みても、API連携や認証、データ接続のハードルが高く、AIの能力を十分に発揮させるにはエンジニアのサポートが必要な状況です。 3.ガバナンスとスピードの両立 : 法令やセキュリティ、ガバナンスを守りつつ、最新のAIモデルやツールを即座に現場へ届けるシステム・運用体制が未完成です。 今後取り組みたいことは、「AIが力を発揮できる環境づくり」です。社内に分散したデータや知識をAIに届ける基盤を構築し、n8n等のノーコード/ローコードツールと連携させることで、全社員が自分の業務をAIと共に再発明できる環境を実現したいと考えています。 ●業務内容詳細 CAIO組織直下の「AI Platform Engineering」チームにて、以下の業務を担当します。 プラットフォーム構築 ・社内AIワークフロー基盤（n8n）の運用・提供・Enterprise化：セルフホスト環境の構築、スケーラビリティの確保、カスタムノードの開発 ・「コンテキスト基盤」の設計・開発 : BigQuery、Vector DB等を活用し、社内ドキュメントやデータをRAG / MCP経由でAIに提供するパイプラインの構築 ガバナンス・セキュリティ・コスト ・社内データへのアクセス権限管理（認証・認可）とAIツールの連携実装 ・シャドーITを防ぎつつ、最新ツール（Cursor, Devin, Gemini App等）を安全に利用するための技術的ガードレールや利用ガイドラインの策定 ・導入効果やROIを可視化しつつ、長期的な持続可能性を意識したコスト最適化の実現 Enabling・横展開 ・各部門のヒアリングを通じた業務プロセスの可視化、ドメイン知識の言語化、およびプロンプト・ワークフロー・Agent Skills・A2Aへの落とし込み ・AI活用のショーケース案件のリード（ユースケース選定、要件定義、実装、効果検証）と、その成果の横展開・標準テンプレート化 ・社内メンバー向けハンズオン、勉強会、ドキュメント・教材整備を通じたAIリテラシー向上と自走支援 ・グローバル最先端のAI技術・ツール・ベストプラクティスの調査・検証・社内共有 業務内容の変更範囲：会社の事業状況やご本人の適性に応じて担当する業務内容が変更となる場合があります

役割 AI/ML/LLMを活用したソリューションの設計・開発・運用を担い、クライアントの業務変革を技術面から実現する役割。 主たる業務 ●AI/ML/LLMモデルの実装・最適化 ●RAG・エージェント・ワークフローの設計・開発 ●API連携、アプリケーション開発、PoC構築 ●MLOps/LLMOps環境の設計・構築 ●データパイプラインの設計・実装 ●技術アーキテクチャの策定と技術選定

役割 エンタープライズ企業のデータ活用を推進し、分析・モデル開発・AI実装を通じてビジネス成果を創出する役割。 主たる業務 ● Python、R等を用いた統計モデル・機械学習モデルの設計・開発・評価・運用の支援 ● 各種生成AIやAIエージェントを活用したシステムの設計・開発・評価・運用の支援 ● データ基盤(AWS、GCP、Azure等)の要件定義・設計・運用の支援 ● クライアントへのヒアリング、PoC、本番運用までの一連のプロセス推進 ● クライアントへの分析結果の説明・意思決定支援 ● AI/データ活用に関する技術リード

役割 AI/ML/LLMを活用したソリューションの設計・開発・運用を担い、クライアントの業務変革を技術面から実現する役割。 主たる業務 ●AI/ML/LLMモデルの実装・最適化 ●RAG・エージェント・ワークフローの設計・開発 ●API連携、アプリケーション開発、PoC構築 ●MLOps/LLMOps環境の設計・構築 ●データパイプラインの設計・実装 ●技術アーキテクチャの策定と技術選定

お任せしたいこと 未整備な領域を自らの手で開拓し、将来的に当社の技術的土台を支えるPMへと成長していただくことが、このポジションのミッションです。 ● 入社直後〜 PLとしてプロジェクトを推進 Webアプリ開発(React/TypeScript、Python 等)のPLとして、リーダー層が担ってきた詳細設計・実装・テストの実務を引き継ぎ、生成AI(LLM/RAG/AIエージェント)を用いた実装・検証を自走して推進。 ※ご経験に合わせて担当工程は柔軟に調整します。 ● 半年〜1年後 開発パターンの標準化・アーキテクチャ設計、そしてPMへ 開発パターンの標準化(共通の“型”づくり)に深く関与。 お客様の要件定義から入り込み、生成AIの組み込み方を仮説検証しながら、アーキテクチャの提案と実装を牽引。 まずは自分+若手1名のサブリーダーから、要件定義・詳細設計ができる立場として下に3名程度がつく4名規模のチームを推進。 入社後1年程度でのPM登用を想定しています(早期の登用も歓迎)。 ※中途入社の方はご経験に応じた早期登用を行います。 このポジションならではの希少性 生成AIを活用した開発・テスト自動化・品質評価は、市場でも競争が活発化している成長領域です。 そのなかで当社は、AI駆動開発の専門部隊と品質保証(QA/QC)の専門部隊が同一ユニット内で連携し、開発の“型”と品質の作り込みを両立できる体制を持ちます。 この環境でサービスの立ち上げを牽引できる人材は市場でもまだ希少であり、その経験はエンジニアとしての市場価値を大きく高めます。 技術スタック 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 1)従事すべき業務の変更の範囲 →【変更の範囲】会社の定める業務