データ・AI・機械学習(Slack)の求人・転職情報

●具体的な仕事内容 端的にいえば、「クライアントの最前線に深く入り込み、技術的な専門性とビジネスの洞察力を駆使して、複雑な課題を『解ける形』に再定義し、その場で実装・解決すること」をお任せしたいと考えております。 一般的なエンジニアが「何を作るか(What)」が決まった後に動くのに対し、FDEは「何を作るべきか(Why/How)」を顧客の現場から導き出し、プロトタイプを爆速で組み上げるのがミッションです。 ・現場での課題抽出とモデリング:クライアントのドメイン(業界)知識を吸収し、散在するデータ構造を理解して、技術的に解決可能な課題へと翻訳する。 ・高速なプロトタイピング:現場で得たフィードバックをもとに、その日のうちにコードを書き換え、実運用に耐えうるソリューションを構築・デプロイする。 ・データパイプラインの設計・構築:複雑で「汚い」実データを、分析や意思決定に活用できるクリーンな状態へと統合する。 ・ステークホルダーとの技術的対話:現場の担当者から経営層まで、技術的なポテンシャルを非エンジニアにも分かりやすく伝え、プロジェクトを推進する。 【採用技術/フレームワークサンプル】 フロントエンド層:　 TypeScript /JavaScript Next/React/Vue/Angular/Astro アプリ層:　　　　　 Java/PHP/C#/C/Python/Go/Ruby/Haskell SpringBoot/Spring/Laravel/Django/Nest API Gateway(Kong / APIGW ) gRPC / Protocol Buffers SDD(Spec Driven Development) モバイル:Flutter/Kotlin/swift/React Native/Dart/Firebase インフラ層:　　　　 AWS/Azure/Google Cloud Kubernetes(EKS / GKE) IaC(Terraform / CDK / Pulumi) GitOps(ArgoCD / FluxCD) サーバーレス(Lambda / Cloudflare Workers) デプロイ基盤(Vercel / Cloud Run など) SREプラクティス SaaS/OSS活用:　　 Slack/Teams GoogleWorkspace/Backlog/Box Auth0 / Firebase Auth GitHub Actions / GitLab CI Cloudflare/Datadog データ/AI層:　　　 Gemini/ChatGPT/ClaudCode/ Devin/cursor/Antigravity Vector Database(Milvus / Weaviate / Chroma) RAG基盤(Retrieval Augmented Generation) Feature Store(Feast / Vertex AI Feature Store) BigQuery / Snowflake MLOps(MLflow / VertexAI / Kubeflow) オブザーバビリティ(OpenTelemetry/Prometheus/Grafana/Sentry) etc...

生成AIを活用して現場の課題解決を最短最速で実現いただくことを期待します。 急速に進む技術革新の中で、事業・プロダクトの両方の成長に対して主体的に関与し、推進し、意思決定する機会を得られるチャレンジングなポジションです。 ●現場の課題特定とソリューション開発 ・人事、法務、ファイナンス、事業部門などの各現場における業務プロセスに潜む課題の特定 ・特定した課題に対し、AIを中核とした実行アーキテクチャを構築し、PoCに留まらない実装・運用・現場定着までを担う ●全社基盤への統合、昇華 ・部分最適で構築されたAIツール群を横断的に再設計し、社内AIプラットフォームへと統合 ・Rapid Prototypingから本番運用までを一気通貫で担い、AIによる業務実行モデルを構築 ●業務プロセスの再定義(Re-design) ・現場業務をAI前提で再構築し、実行可能な形で実装・定着までを担う ・人とAIの協働を前提とした体験設計および実行フローの最適化 技術環境(全社共通の一例) ・クラウドインフラ 　AWS, Google Cloud, Azure ・コラボレーション 　Google Workspace, Slack, Confluence, Linear, GitHub etc. ・AI関連ツール 　Claude Code, Cursor, GitHub Copilot, Devin, Langfuse etc. ・思考支援・問題解決ツール 　ChatGPT, Gemini, Claude, NotebookLM ・AI 開発プラットフォーム 　Dify, n8n ※業務の変更の範囲:会社の定める業務

「AIによる開発爆速化。 だからこそ『セキュリティ』がビジネスの勝敗を分ける」 生成AIの登場により、ソフトウェア開発のスピードは劇的に向上しました。 アイデアが数時間で動くプロトタイプになる時代、開発の主役は人間からAIへと移りつつあります。 しかし、AIが生成するコードは本当に安全なのでしょうか?プロンプトインジェクション、データ汚染、巧妙な脆弱性の混入など、AI時代にはこれまで想像もしなかったセキュリティリスクが潜んでいます。 開発のハードルが下がった今、開発の初期段階からセキュリティを組み込み、 ビジネス価値に直結する「本質的な信頼性」 を確保することの重要性が飛躍的に高まっています。 AIが生成したコードを、本番環境でセキュアに、かつ高い信頼性で動かし続けるためには、従来よりも高度なエンジニアリングと、脅威を予測する先見性が必要です。 私たちは、このパラダイムシフトをチャンスと捉え、セキュリティを「開発のブレーキ」から「ビジネスを加速させるアクセル」へと昇華させる挑戦を始めます。 単なる脆弱性対応ではない、AIを駆使して脅威を予見し、ビジネス価値を最大化する「攻め」のセキュリティチームで、業界の新しいスタンダードを共に創りませんか。 ●業務内容 AIが生み出すリスクを制御し、開発スピードと安全性を両立させることで、顧客のビジネス成長に貢献するポジションです。 従来の脆弱性診断やインシデント対応に留まらず、AI時代の新たな脅威(LLMの脆弱性対応、AI生成コードのレビュー等)に対応し、セキュリティ運用そのものをAIで自動化・高度化させていただきます。 ●具体的には以下内容を想定しております。 1. AI-Nativeなセキュリティアーキテクチャの設計・実装 ・AI生成コードの脆弱性を自動検知/修正するCI/CDパイプラインの構築。 ・プロンプトインジェクションやデータ漏洩を防ぐ、LLMアプリケーションのセキュア設計ガイドライン策定と実装。 ・AIを活用した脅威インテリジェンス分析、異常検知システムの開発・運用。 2.高度なセキュリティ運用と改善提案(Business-driven Security) ・Google Cloudを中心とした顧客システムの脆弱性管理、パフォーマンスとセキュリティを両立する改善提案。 ・インシデント発生時、AIを駆使して根本原因を即座に特定し、再発防止策を講じる。 ・コスト、信頼性、セキュリティのバランスを最適化するリアーキテクチャ提案。 3.セキュリティ業務を自動化する「AI Agent」の開発 ・定型的なセキュリティチェックやレポート作成を自動化する、自社AIエージェントの開発・改善。 ・Devin等の最新AIツールを積極的に活用し、「人間が介在しないセキュアな運用フロー」を構築する。 ●開発関連情報 私たちはオペレーターではなく、最先端の技術者集団です。 AIと最新技術への投資を惜しみません。 Cloud Platform: Google Cloud, AWS, Azure AI Assistants: Cursor, Devin, Gemini, GitHub Copilot, ChatGPT Team 等(随時最新ツールを検証) Security Tools: SAST, DAST, WAF, SIEM, CSPM, CWPP 等 IaC / DevOps: Terraform, Kubernetes (GKE), Cloud Build, GitLab CI Languages: Python, Go, TypeScript Observability: Cloud Monitoring, Grafana, OpenTelemetry ●組織体制 本求人の対象エンジニアは、顧客のビジネス課題を技術で解決するプロフェッショナル集団である「技術本部」における「クラウドセキュリティコンサルティングラボ」に所属します。 専門領域を持つエンジニアが集まり、AI を活用しながら技術領域を横断して協働するチーム体制です。 ● 技術本部の構成 クラウドセキュリティコンサルティングラボ 技術本部配下に新設された、クラウドセキュリティ専門の組織です。 「攻めのセキュリティ」をコンセプトに、サービスの標準化やブランディングを推進し、事業を能動的に拡大することをミッションとしています。 組織の立ち上げから事業を牽引する、コアメンバーとして活躍できます。 コンサルティング部 顧客のビジネス課題を深く理解し、IT 戦略の提案からプロジェクトの全体管理(PM/PMO)までを担い、課題解決の道筋を描きます。 開発部(第一～第四) 技術的な観点でリーダーシップを発揮し、ビジネス課題を解決するためにアプリケーションを形にします。 開発部は、顧客のビジネス領域(ドメイン)に特化した 4 つの部で構成されており、各エンジニアはそれぞれの事業領域で専門性を磨きながら活躍しています。 ・第一開発部:小売り・製造業 ・第二開発部:ゲーム・デジタルメディア ・第三開発部:商社・金融・通信業界 ・第四開発部:パブリックセクター ●風土/カルチャー 挑戦を賞賛する: 「まずはやってみる」精神で、新しいアイデアや技術への挑戦を歓迎します。 心理的安全性: 「正直を仕事にする」を掲げ、役割に関わらず「もっと面白くするには?」を率直に議論できるフラットな関係性です。 柔軟な働き方: リモートワーク主体の働き方ですが、定期的な対面交流でチームワークを高めています。 ●配属部署 技術本部

●事業概要 医療従事者の過重労働(特に医師の時間外労働の大きな要因となっている医療文書作成)という社会課題に対し、生成AIを活用した「オンプレミス環境で稼働する医療文書DXシステム(NEXT Stage Document Assistant)」を開発・提供しています。 多くの医療機関では、高度な情報セキュリティ維持のため電子カルテがインターネットから分離運用されており、一般的なクラウド型AIサービスをそのまま導入することが困難です。 TXP Medicalでは、社内在籍の現役医師らと連携し、院内の閉域ネットワーク(オンプレミス)上でセキュアかつ高精度に稼働する文書生成システムを構築しています。 この取り組みは「中小企業イノベーション創出推進事業」にも採択されており、医療現場のみならず国からも大きな期待が寄せられています。 当社の急性期医療プラットフォーム(NEXT Stage ER等)は、すでに全国の大病院100施設以上に導入されており、大学病院・救命救急センターにおいて約50%のトップシェアを有しています。 当システムもこの強固な顧客基盤を軸に導入が進んでおり、単なるPoCにとどまらず、全国の基幹病院の実運用へ直結する社会的重要度の高いプロジェクトです。 サービスページ:https://txpmedical.jp/service/next-stage-document-assistant サービス紹介動画:https://youtu.be/SRmW7tV5ViM ●業務内容 医療文書自動生成システム(NSDA)の設計・開発、および病院現場への導入・運用業務ををお任せします。 医療現場のDX課題は多く、新たなプロダクト案も日々生まれているため、新規開発にも携わっていただける環境です。 ・Webアプリケーション開発: Python (FastAPI) や React (TypeScript) を用いたバックエンド・フロントエンドの設計・実装 ・アーキテクチャの改善・運用基盤整備: 導入施設拡大に伴う運用耐性の向上、リファクタリング、CI/CDパイプラインや自動テスト環境の構築 ・オンプレミス・インフラの構築・検証: 病院内の物理GPUサーバ、ローカルLLM環境(vllm等)、および検証用クラウド(AWS)の環境整備 ・現場要件の具体化と導入支援: 社内の現役医師との仕様策定、導入先医療機関への訪問・現地システム接続・運用検証 ※ ご志向に応じて、ローカルLLMのプロンプト最適化・ファインチューニングなどのAIエンジニアリング領域にも深くコミット頂く事も可能です。 ●主な技術スタック ・フロントエンド: React (TypeScript) ・サーバーサイド: Python (FastAPI) ・インフラ:物理GPUサーバ、AWS、Docker、vllm ・データベース:PostgreSQL ・その他: Slack / GitHub / Claude Code ●開発チーム体制 ・エンジニアリングマネージャー:1名 ・Webアプリケーションエンジニア:3名 ・データエンジニア:1名 ・現役医師:2名 本プロダクトの要件定義には医療現場を深く理解する必要があるため、医師とセールスやカスタマーサクセスが一体となり、現場ニーズに即した設計・開発・導入・運用を行います。 専門分野で活躍してきたメンバーが、技術と医療ドメインの深い理解を融合して素早くPDCAを回しているチームです。

●PROEVERとは MSOLがプロジェクトマネジメント専門会社として培ってきたノウハウと経験を結集し、「プロジェクトマネジメントプラットフォーム」としてSaaS展開しているのが PROEVER です。プロジェクトデータを一元的に集約し、AI技術も活用することで、マネジメント層の意思決定を支援し、プロジェクトの成功とプロジェクトマネジメント成熟度の向上を実現します。 主なお客さまは、全社横断で多数のプロジェクトを推進するマネジメント層(PM含む)です。プロジェクトの状況をリアルタイムかつ正確に把握し、迅速な意思決定が可能になります。一般的なPMツールがタスクや課題管理に主眼を置くのに対し、PROEVERは複数プロジェクトを俯瞰的・横断的に可視化できる点を大きな特長としています。 ※[PROEVERのサービス概要はこちら](https://proever.com/) ※[事業部の紹介対談はこちら](https://note.msols.com/n/n1472dff92988?gs=6f6dff9594a4) ●仕事内容 当社SaaSプロダクト「PROEVER」のプロダクトエンジニア(AI・アプリケーション基盤)として、競争優位性の核となるAIエージェント機能の開発と、それを支えるバックエンド基盤の実装をリードしていただきます。 現在は少数精鋭の体制のため、定型的な管理業務ではなく、自ら手を動かして未知の技術課題をブレイクスルーしていく役割です。 ・AIエージェント基盤構築: Azure AI Foundry / Azure OpenAI をフル活用し、LangGraph.js等を用いたマルチステップ推論・自律型ワークフロー制御のバックエンド実装。 ・RAG(検索拡張生成)の最適化: Azure AI Search や Vector DB を用いた検索拡張生成システムの設計・チューニング。 ・LLMの品質・ガバナンス担保: AIの回答精度向上、およびZod等を用いた出力構造化、ガードレール(安全性・セキュリティ)の仕組みづくり。 ・データアクセス&パイプラインの構築: 複雑なプロジェクトマネジメントデータをAIが最適に解釈・処理できる形式へ変換するパイプラインの開発、および Hasura (GraphQL) / PostgreSQL を用いた効率的なAPI開発。 ・技術組織への還元: コードレビューや設計レビュー、最新のAI技術調査・評価を通じて、チーム全体のAI技術力の底上げ。 ●技術環境 OS: Windows Server, Linux フロントエンド:TypeScript / Next.js / TailwindCSS / shadcn/ui バックエンド:TypeScript / Next.js / (Python) データベース:PostgreSQL / GraphQL (Hasura) インフラ:Azure / Docker CI/CD:GitHub Actions バージョン管理:GitHub プロジェクト管理:PROEVER デザイン管理:Figma / Storybook コミュニケーション:Slack / Notion / GoogleWS / MS365 その他:GitHub Copilot / GitHub Codespaces / Claude Code / Keeper ●業務の変更範囲について 「変更の範囲:当社及び出向(転籍)先における各種業務全般 」 ●人数体制(2026年1月現在) ・計27名(カスタマーG:11名、プロダクトG:12名、その他:4名)

●主に担当する業務内容 画像認識AIを用いたプロダクト開発・ソリューション開発 プロダクト開発・運用 アルゴリズム・モデルの組み込み実装 プロトタイプの開発 ●プロダクトの利用事例 [AI-App人数カウント・AI-App人物検索](https://safie.jp/ai-app/people-count/) カメラ内のAIアクセラレータを用いてリアルタイムに人物の検出・集計や店舗等で人物の識別を行う 利用事例:店舗入口にSafie Oneを設置し「AI-App人数カウント」で来店者数を計測。肌感覚に頼らない定量データに基づき、店頭キャンペーン施策のPDCAを効率化 [Safie AI Studio](https://safie.jp/ai-studio/) 物体検出アプリ 利用事例:人・車両・生活用品など多様な物体を識別し、設定エリアへの侵入やライン通過を検知する汎用物体検知アプリとして提供。(建設・製造・小売など幅広い業界のPoCで活用)⁠ 重機近接アプリ 利用事例:建設現場において、重機と作業員の危険な接近をリアルタイムに検知し、音声通知などと連携して重大事故の未然防止に貢献。⁠ ショッピングカート検知アプリ 利用事例:小売店舗のカート置き場の滞留状況(過多・不足)を自動検知し、店舗あたり出店コスト削減に活用。 ●技術‧開発環境について 開発言語 Python、C++ ディープラーニング PyTorch AWS EC2、S3、ECR、SageMaker CI/CD GitHub Actions コミュニケーション Slack GitHub Google Workspace Backlog Notion ●生成AIツール利用 Amazon Bedrock/Gemini/GitHub Copilot/Notion AI/Claude Code ●部署の今後の目標・目下の取り組み 目標 多様な画像認識モデルを開発し、プロダクトとしてリリースする。 AIプラットフォームの提供を進めるために、自社のみならずサードパーティーも巻き込んだ開発を推進する。 取り組み 顧客からの要望と技術的な動向を同時に捉えながら、開発の戦略を立てていくこと。 画像認識AI開発組織の拡充に伴う、属人化緩和のための育成用ドキュメント作成など、より一層のチーム力強化。 AIプラットフォームの実現のために、社内・社外を巻き込んで開発を推進できる人材の確保。 ●従事すべき業務の変更の範囲 <雇入れ直後>システムの設計・開発・デザイン、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

●主に担当する業務内容 画像認識AIのアルゴリズム・モデル開発 調査テーマの提案 アルゴリズム・モデルの調査・評価 アルゴリズム・モデルの改善・軽量化 PoCの実施 プロダクトの開発 ●プロダクトの利用事例 [AI-App人数カウント・AI-App人物検索](https://safie.jp/ai-app/people-count/) カメラ内のAIアクセラレータを用いてリアルタイムに人物の検出・集計や店舗等で人物の識別を行う 利用事例:店舗入口にSafie Oneを設置し「AI-App人数カウント」で来店者数を計測。肌感覚に頼らない定量データに基づき、店頭キャンペーン施策のPDCAを効率化 [Safie AI Studio](https://safie.jp/ai-studio/) 物体検出アプリ 利用事例:人・車両・生活用品など多様な物体を識別し、設定エリアへの侵入やライン通過を検知する汎用物体検知アプリとして提供。 (建設・製造・小売など幅広い業界のPoCで活用)⁠ 重機近接アプリ 利用事例:建設現場において、重機と作業員の危険な接近をリアルタイムに検知し、音声通知などと連携して重大事故の未然防止に貢献。 ⁠ ショッピングカート検知アプリ 利用事例:小売店舗のカート置き場の滞留状況(過多・不足)を自動検知し、店舗あたり出店コスト削減に活用。 ●技術・開発環境について 開発言語 Python、C++ ディープラーニング PyTorch AWS EC2、S3、ECR、SageMaker CI/CD GitHub Actions コミュニケーション Slack GitHub Google Workspace Backlog Notion ●生成AIツール利用 Amazon Bedrock/Gemini/GitHub Copilot/Notion AI/Claude Code ●部署の今後の目標・目下の取り組み 目標 多様な画像認識モデルを開発し、プロダクトとしてリリースする。 AIプラットフォームの提供を進めるために、自社のみならずサードパーティーも巻き込んだ開発を推進する。 取り組み 顧客からの要望と技術的な動向を同時に捉えながら、開発の戦略を立てていくこと。 画像認識AI開発組織の拡充に伴う、属人化緩和のための育成用ドキュメント作成など、より一層のチーム力強化。 AIプラットフォームの実現のために、社内・社外を巻き込んで開発を推進できる人材の確保。 ●従事すべき業務の変更の範囲 <雇入れ直後>システムの設計・開発・デザイン、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

CTO直下のAI Labチームにソフトウェアエンジニアとして所属し、各事業及び経営基盤の業務における生成AI応用のイネーブリングを行います。 仕事の進め方 プロジェクトに携わる前の段階で、CARTAの20ある事業を横断し、生成AIで解くべき課題を探します。以下のようなプロセスで課題を網羅的に探索しています。 ▼基盤整備 ・全社の土台を整え、各事業で自走して生成AIのビジネス成果を開発できるよう、再利用できるインフラ基盤、ツール、ライブラリ、ガードレール、データフロー類を整備し、横断的に提供する ・新技術の探索と研究を通じて、この先使うべき手段を見定める ・社内外に知見を発信し、CARTAとしての開発生産性とプレゼンスを高める ・AI Lab自身の業務エージェント適応度を向上し、モデルケースとして展開する ▼事業適用 CARTAの生成AI推進ステアリングコミッティと連携し、全社として取り組むべき課題を探索し、真に取り組むべきものを自ら選定します。 以下のようなプロセスで取り組みを進めます。 ●ヒアリング・要求分析 優先度の高まった事業のチームへのヒアリングや観察を通じて問題の解像度を高め、真に事業価値として必要なものを見出す ●何をどのように進めるのかを決める ・どのような方法で、課題を解くのが効果的かつ効率的なのかを考え、事業メンバーと共に決定する ・変化の激しいAI進展と事業環境に耐えうる堅牢性・柔軟性を両立する技術選定が求められる ●実装する 高速なフィードバックサイクルを回し、"作らない"手段も含めて解決策を実現する ●継続して改善する プロダクトのバックグラウンドとなる、Web開発技術・生成AI技術関連のツールセットや開発手法について、継続して投資し、良いプラクティスを探索する。CI/CD、LLM-as-a-judge、LLM自体のモニタリング、ソフトウェア自体のオブザーバビリティの向上など、システムを継続して利用する上でのツール及び運用改善に取り組む ●成果を横展開する 成功事例も学びも含めて、得られた知見をもとに伝播・展開・研鑽することまで全て業務範囲です 開発環境・利用しているツール ●バックエンド Python, Go ●フロントエンド TypeScript, React ●生成AI関連ツール ・基盤モデル: OpenAI, Anthropic Claude, Google Gemini (Vertex AI) ・ツール: LangChain, Langfuse ●インフラ Google Cloud, AWS ●プロビジョニングツール Terraform, CDK ●コード管理 GitHub ●コラボレーション Google Meet, Slack

サービスリリースから数年が経ちデータもある程度蓄積されてきて、改めてデータ活用を強化するためにデータマネジメントできるメンバーを募集しています。 横軸でデータ活用をする組織に所属して、ナレッジの蓄積や共有をしながら事業内に入りデータ活用支援を行っていただきます。 具体的には、データ基盤の既存のアーキテクチャーやシステムの改善、データを正しく扱いサービスの状態を把握できるための環境を構築していただきます。 ●Dataformを中心としたデータパイプライン / CICD の整備 ●データ品質モニタリング、アラート、コスト最適化の実装 ●BIツールによるレポート・ダッシュボードの運用統制 ●属人性を排除した行動ログ設計、データ仕様整備の仕組み化 ●上記に限らない、事業全体のデータ活用における課題発見と解決 なぜデータマネジメントなのか? データは「作って終わり」ではなく、長く・広く使われ続ける資産です。 WINTICKETではユーザーのアプリ内行動、売上、広告、キャンペーンなど多様なデータが日々生まれています。 これらのデータを分析・活用するためには、利用者が迷わず使えるデータ分析基盤の継続的な改善が必要不可欠です。データマネジメントは単なるETL開発ではなく、プロダクトと組織全体の意思決定インフラを育てていく重要な役割です。 また、現在見えている具体的な課題としては以下のようなものがあります。 ・品質の高い行動ログデータの設計・管理 ・生成AI活用を前提としたデータマート開発やメタデータ拡充ルールの策定 ・新規事業のデータモデリングに必要なドメイン知識とリソース不足 上記の課題以外にも様々な課題がありますが、将来に遭遇しうるデータに纏わる課題を先回りして見つけ出し、一緒に解決できるメンバーを求めています。 このプロジェクトで経験できること ・GCPを使ったデータ基盤の整備 ・データアーキテクチャの設計・実装 ・ETL開発、BI/レポーティング環境の整理 主な利用技術 新規に開発する際には技術選定からリードしていただくことを期待していますが、現状多く使われている技術をご紹介します。 ・言語:SQL, Python, JavaScript ・インフラ:Google Cloud, Terraform ・CICD:GitHub Actions ・モニタリング:Grafana, Dataplex ・ツール:GitHub, Slack, Notion ・DWH: BigQuery ・レポート:Tableau , Google Sheets ・AI:Cursor, Claude Code 会社概要 1998年の創業以来インターネットを軸に事業を展開し、スマートフォン向けに多数のコミュニティサービスやゲームを提供しているサイバーエージェント。 メディア事業部は2004年にブログを中心とした「Ameba」をリリース。 アバターサービス「アメーバピグ」、「タップル」「CROSS ME」をはじめとするマッチングアプリ、 ビジネスパーソン向けWEBメディア「新R25」や新しい未来のテレビ「ABEMA」を開始するなど、インターネット産業の変化にあわせて様々なメディアサービスを提供しています。 2019年4月にリリースした「WINTICKET」は、株式会社サイバーエージェントの子会社で、競輪・オートレースのインターネット投票サービスを提供しています。 WINTICKETでは「競輪を若者の新たなエンタメへ」を中期にかけてのビジョンとして掲げ、業界イメージのリブランディングと新たなユーザー体験の提供を目指しています。 現在は、競輪業界No.1として業界を牽引する立場となりました。 これからも高いプロダクト品質と、それを支える技術で業界全体に革命を起こすべく、サービスグロースを一緒に推進してくれる仲間を募集しています! WINTICKETについて ●WINTICKETにおけるAI-Readyなデータ分析基盤の構築 https://developers.cyberagent.co.jp/blog/archives/59626/ ●WINTICKET_佐野代表取締役インタビュー https://www.cyberagent.co.jp/way/list/detail/id=29734 ●競輪の視聴体験を変えたWINLIVEの技術 https://www.cyberagent.co.jp/way/list/detail/id=30240

●ゲーム・エンターテイメント事業部(SGE)の概要 サイバーエージェントでは、メディア、広告、ゲーム事業を主軸とした インターネットサービスを展開しています。 (昨年度実績で　売上約7000億/従業員数約7000名/グループ会社数約110社) 中でも、ゲーム事業部(SGE)は、現在約1700名。計9社のグループ会社で構成され、 スマホゲームを主軸に、グッズ企画・EC・グローバルマーケティング・ NFT・DX・プログラミング教育事業等を展開中。 各社独自の経営をしながらも、各社間で強固に連携し合う独特な文化を持つ組織です。 ●配属先 株式会社サイバーエージェントのゲーム・エンターテイメント事業部における、クライアントエンジニアの募集です。 横断技術組織であるSGEコア技術本部または、各社プロジェクトのいずれかに参画いただき、 ゲームの設計と実装を行なっていただきます。 面談を通して、スキルと経験を踏まえて配属先は相談させていただきます。 ●仕事内容 <各社プロジェクト> ・ゲームコアシステム設計・実装 ・キャラクタ制御(PC・NPC・AI) ・イベントロジック設計・実装 ・UIシステム設計・実装 ・マルチプレイシステムの設計・実装 ・ゲームシステムにおけるリソース管理 <SGEコア技術本部> SGEコア技術本部は、9社のグループ会社を技術で支える横断組織として、 プロダクトの開発効率と品質の最適化というミッションのもとに活動しています。 ・車輪の再発明を防ぐための共通基盤開発 ・モバイルゲームにおけるパフォーマンスの最適化 ・チートを防ぐためのセキュリティ対策 ・手動で行なっているQAの自動化 ミッションを達成するために必要なことを自分たちで考え実行している組織です。 横断チームとして技術でゲーム開発を支えたい方、ぜひご応募をお待ちしております。

企業における基幹系および情報系の業務システムに対する、主にテスト戦略の立案や計画、推進や、既存保守案件のテスティングに関する課題分析や改善の提案などを担当。 プロジェクトの上流工程から関わることにより、テストに閉じずプロジェクト品質を高めるための計画立案を担います。 また、お客様のテスティング業務のアウトソーシング化の計画も担当します。 ●役割・期待 ・システム開発案件における、各案件の特徴を踏まえたテスト戦略/計画の立案、品質評価基準や手法の提案、社内外のステークホルダーを巻き込んだ合意形成、テスト推進 ・テスト手法や観点を踏まえたテストケースの作成、実行 ・システム開発やアプリケーション運用における、生産性や品質課題の分析/評価、改善策の検討、提案 ・オフショアチームを活用したテストチームの組成、管理運営 ・テスト標準の整備、展開、育成 ●使用環境 ・ツール:Slack、JIRA、Confluence、Zephyr、Teams ・Generative AI活用プラットフォームを積極的に活用可能

事業オーナー(PM / グロース / セールス / オペレーション)と一体となって課題を定義し、データ分析とレポーティングで意思決定を加速します。必要に応じて現場スクワッドに埋め込み、0→1 の仮説設計から 1→n の仕組み化までを推進。AI 支援を活用した再現可能な分析プロセス・可視化を構築し、経営との定点接続を通じて継続的に改善します。 日次/週次単位の短サイクルで仮説検証と展開を行い、time-to-insight / time-to-decision を継続的に短縮します。 【業務範囲】 ・事業側と一体での課題定義・仮説設計・実験設計 ・KPI 設計・可視化と運用(定点観測・レビュー) ・日次/週次の施策モニタリングと迅速な打ち手調整(アラート/運用 SLA 設計) ・指標と意思決定のリードタイム短縮(time-to-insight / time-to-decision 改善) ・BI ダッシュボードの情報設計・構築・運用 ・データモデリング(スキーマ設計、命名規約、ドキュメント化) ・分析レポート作成と意思決定のためのインサイト抽出 ・施策の効果検証デザイン(A/B 等)と改善サイクル運用 ・現場データ収集の仕組み化(トラッキング設計、イベント定義) ・AI 協働による ETL・レポーティング自動化の設計・継続改善 ・ステークホルダーとの要件定義・合意形成・ワークショップ設計/実施 ・経営向けの定例レポート/事業レビュー資料の作成 ・BI/アナリティクス機能の立ち上げ(標準化、カタログ、Runbook 整備) ※業務内容の変更範囲:会社の定める業務 【利用するツール】 ・SQL / BigQuery ・Google Workspace(スプレッドシート等) ・Claude / ChatGPT　※今後変更になる可能性がございます ・各種 MCP ツール ・Notion / Slack 【資質(自律性・構造化力・分析志向)】 ・論理的思考と構造化力 ・定量分析力と仮説検証志向 ・課題解決力と実行力(自走できる) ・ステークホルダーマネジメントと合意形成力 ・オーナーシップと現場への深いコミットメント 【具体スキル】 ・SQL 高度利用(パフォーマンス/品質担保を含む) ・データモデリング(スター/スノーフレーク、命名規約、ドキュメント化) ・BI/ダッシュボードの情報設計・ナビゲーション設計 ・実験デザインと効果検証(統計的有意性の理解) ・分析モデル構築と可視化設計

AIプロダクトソリューション部は、会社全体の成長を支えるAIソリューション開発を担う部門です。 転職希望者と求人企業のマッチング精度向上や応募率・成約率の改善など、事業の根幹に関わるテーマを扱っており、その実現に向けて研究開発から事業実装までを一貫して推進しています。 現在、生成AIやLLMの進化によって、人材サービスの在り方は大きな変化の可能性を迎えています。 一方で、人材マッチングの領域には依然として多くの未解決課題が存在しています。 たとえば、 ・転職希望者の経験・スキル・志向性の理解 ・求人企業の期待や組織特性の構造化 ・複雑なキャリアパスの予測 ・膨大な非構造化データの活用 ・マッチング精度と説明可能性の両立 ・継続的なモデル改善と運用高度化 などは、依然として高い技術的難易度を持つテーマです。 今回のポジションでは、データサイエンスのエキスパートとして、全社のAIモデルおよび機械学習モデルの設計・開発・チューニングを技術的にリードし、人材マッチングの高度化に向けた新規マッチングロジックを自ら企画・設計・実装したうえで、応募率や成約率などの重要KPI改善まで推進いただきます。 また、ビジネス課題を自ら構造化し、事業責任者やPdM、エンジニアと密に連携しながら仮説検証を進めるだけでなく、新技術や新たなデータ活用を全社へ展開し、標準モデルや共通コンポーネントとして浸透させていくことも期待しています。 担当業務例 具体的には下記の様な業務・プロジェクトを牽引いただくことを想定しております。 ●全社共通AIモデル・マッチングロジックの企画・アーキテクチャ設計 -「doda」をはじめとする複数プロダクトで横断利用される標準AIモデル・アルゴリズムの全体設計および技術選定 -単一のレコメンドにとどまらない、全社的なマッチング精度向上に向けた基盤・コンポーネント化の推進 ●事業課題の構造化とAIソリューションロードマップの策定 -事業責任者・PdMと対等に議論し、抽象度の高いビジネス課題やユーザー体験上の課題を「解くべきAI技術課題」へ構造化 -KPI(応募率・成約率・CVR・マッチング品質等)向上に直結する仮説検証(PoC)の設計と、本番適用までのプロジェクトリード ●最先端技術(生成AI・LLM等)の調査・検証および事業実装の主導 -生成AI、大規模言語モデル(LLM)、マルチモーダルAI等の最新論文・技術動向のキャッチアップ -実務適用に向けたプロトタイプ(PoC)開発、費用対効果・技術的実現性の評価、および本番システムへの実装推進 ●データサイエンスチーム全体の技術向上・標準化推進 -チーム内メンバー(ミドル〜ジュニアDS)への技術指導、コードレビュー、モデリング手法のナレッジ共有 -データ基盤・MLOps部門と連携した、実験・開発・運用プロセスの効率化および標準化の牽引 ●社内外への技術発信・ブランディング活動 -社内外でのセミナー講演、技術ブログの執筆、学会発表・論文制作等を通じた技術的プレゼンスの向上 【主な技術テーマ例】 ●大規模言語モデル(LLM)&エージェンティックAI活用 -LLM(API利用 / ファインチューニング / MCP / Agentic AI 等)を活用した、求職者の経験・志向性分析および求人情報の構造化・高度解析 ●高度な推薦システム(RecSys)&マッチングアルゴリズム開発 -双方向マッチング(求職者×求人企業双方の意向・相性を考慮した推薦)の最適化 -テキスト埋め込み(Embedding)やグラフニューラルネットワーク(GNN)等を活用した高精度類似度算出・レコメンドエンジンの開発 ●マルチモーダルデータ&非構造化データの活用 -職務経歴書・求人票などのテキストデータに加え、行動ログ・スカウト文面・選考結果などの定性・定量的データの統合モデリング ●AIアプリケーション・プロトタイプの高速検証・社会実装 -LLM/SLMを用いたAIエージェントやインタラクティブなマッチングアシスタント機能のPoCシステム構築 ●MLOps&全社AIプロダクト基盤の最適化 -Databricks、BigQuery、AWS/Google Cloud環境におけるモデルの継続的学習・評価・デプロイパイプライン(MLOps)の構築・運用推進 技術環境 【プログラミング言語】Python、SQL、Java、Scala、C 【データベース/データ基盤】Oracle Database、PostgreSQL、MySQL、Amazon Redshift、Google BigQuery、Databricks 【クラウドプラットフォーム】Amazon Web Services(AWS)、Google Cloud、Microsoft Azure 【ソースコード管理】GitHub、GitLab 【プロジェクト・タスク管理】Backlog、Microsoft Loop、Microsoft Planner、Jira、Confluence 【コミュニケーションツール】Slack、Microsoft Teams ●所属組織について AIプロダクトソリューション部には、マネージャー2名、エキスパート3名、メンバー16名のデータサイエンティストが在籍しています。 データをもとにマーケット状況、カスタマーニーズ、テクノロジーの変化などを総合的に判断し、事業を成長させていきます。 私たちは単に精度の高いモデルを開発する組織ではありません。 「人と仕事のより良い出会いをテクノロジーで支援する」という共通の目的を持ち、事業とテクノロジーの両面から課題解決に取り組んでいます。 技術議論やナレッジ共有も活発で、学び続けながら挑戦できる環境です。 働き方 ライフステージに合わせて、はたらき方をご自身でデザインしたい方にマッチする環境です。 ・有給休暇の積極的な取得が推奨されており、ご自身で業務調整をした上で積極的に活用が可能です。 ・裁量労働制を導入しており、子育てと両立しているエンジニアや副業を行っている社員もいるなど、ご自身の裁量で働く時間のコントロールが可能です。 ・大半のメンバーが在宅勤務をしています。リモート勤務手当の支給といったサポートがあります。 ・データサイエンティストとして市場価値を高めるための活動を推奨しており、研修受講やイベント登壇、副業等の活動をしているメンバーもいます。 ・書籍購入、学会やイベントの出張参加、クラウドを使った技術検証、AI関連サービスを実際に利用しての検証等の業務活動に対し、会社が費用を負担しています。

●ミッション 医療×ITの分野で日本トップシェアを誇るエムスリーのデータ基盤の設計・開発および、データを活用した施策の推進を通し、データを軸に医療現場を変革する ●担当事業・プロダクト 社内には多くの事業、サービスがあります。 以下に一例を挙げます。 ・医療従事者向けメディア m3.com ・製薬企業のプロモーション支援サービス MR君 ・国内シェアNo. 1のクラウド電子カルテ エムスリーデジカル ・医療施設向け予約〜会計までできる総合サービス デジカルスマート診療 ・コンシューマ向けの健康相談サービス Askdoctors ・グローバル向けプロダクト ●担当業務 BigQueryを中心に構築しているデータ基盤の設計・開発・運用をご担当いただきます。 データの収集・集計加工・可視化までを一気通貫で担い、クライアント企業へのデータ関連サービスの提供、およびエムスリー社内でのデータドリブンな意思決定の支援をすることが業務の中軸です。具体的には、以下のようなチャレンジがあります。 ・各種データマート及びデータパイプラインの設計・開発 ・データ品質担保のための戦略検討やツール導入 ・AI・機械学習チームなど他組織と協調しての新規プロダクトの開発 データを用いたビジネス価値の創出に向け、自ら手を動かしてデータパイプラインや各種アプリケーションを開発していきます。 ●テックブログ記事例: LookerによるダッシュボードのアーキテクチャとTerraform providerの実装と運用 https://www.m3tech.blog/entry/looker-dashboard-architecture エムスリーのデータ基盤を支える設計パターン https://www.m3tech.blog/entry/data-platform-design-pattern ●技術スタック ・開発言語:LookML / Python / SQL / Bash ・データパイプライン:Digdag / Embulk / Fluentd / Dataflow ・DB・データウェアハウス: BigQuery / PostgreSQL / MySQL / Oracle ・インフラ・IaC:AWS / GCP / Terraform / オンプレミス ・BIツール:Looker / Redash / Tableau ・その他: Slack / Figma / GitLab / GitHub / Confluence / Jira ●チーム体制 システム担当も含めたチーム全体では、エンジニア28名、ディレクター10名、デザイナー3名、QA(テスター)10名。うち、データ基盤エンジニアは4名。 社員同士をお互いにプロとして尊重する文化。チーム内のシステム設計のプロとして、方針策定の議論から参加し、実際の開発、リリース、運用フェーズまで担当。 <入社時>上記に記載の業務 <変更の範囲>会社の定める業務、就業規則に従い出向となった場合は出向先の定める業務

駐車場機器メーカーであるグループ会社のアイテックと共に、PKSHA Technology の高度なアルゴリズムやソフトウェア技術を活用して「AI x IoT x ソフトウエア」による駐車場業界及び MaaS 領域の DX を担っていただきます。 従来、駐車場機器メーカーとしてハードウェアである駐車場機器を運営会社に販売するだけに留まっていたところから、駐車場機器をクラウドにつなげ、ソフトウエア・AIの技術を活用することで、駐車場のアナログ体験の解消、駐車場情報を API 化し外部サービスと連携した新しいサービス体験を創造しています。 プロダクト ● ソフトウエアサービス ・駐車場検索・予約・スマホ精算・車番認識によるハンズフリーな自動精算ができるプラットフォーム及び mobile app『QT-net』 ・駐車場の遠隔管理及び、AI による高度な分析を運営会社に提供する webapp『i-Barms』 ● 駐車場機器 ・車番認識により従来のロック板やチケット管理をなくし、インターネットとつなげ精算機情報を API 化することで外部サービス連携を可能にした精算機『ロックレス』・『チケットレス』 技術スタック ●利用言語 ・Golang ・Flutter ・Next.js ●クラウド ・GCP ・AWS ●バージョン管理 ・Git (GitHub) ●CI/CD ・CircleCI ・Github Actions ・CodeDeploy ●インフラ ・kubernetes(GKE) ・Terraform ・AWS CDK ●ドキュメント管理 ・Notion ●コミュニケーション ・Slack / MS Teams ※未経験のものがある場合でも、キャッチアップいただけると感じていただける方であれば問題ありません

●ミッション あらゆるデータとあらゆる分析技術を活用して、医療に最適な意思決定を適用する。 ●役職/ロール データサイエンティスト(DS)/ジュニアデータサイエンティスト ●担当業務 ・シニアデータサイエンティストと共に、社内外のデータとデータ分析技術を活用して、ビジネス課題を解決します。 ・各事業担当者との議論を通じて、事業のボトルネックを見つけ出し、要件定義を行います。 ・機械学習等の統計技術を活用したレコメンドエンジン開発や複雑な条件下でのプロモーション効果を測定します。 ・DSが開発した分析ソリューションプロダクトを用いて、担当事業や担当クライアントの課題を解決します。 ・中長期的な価値提供を行えるよう、分析ソリューションプロダクトを開発します。 ●所属 データ分析グループ 約20名のDSが在籍しています。 事業インパクトの最大化を目的として、各DSの成果を定量的に評価し、創出した付加価値をKPIとしています。 クライアントの深い理解とニーズ発掘に取り組み、信頼関係を構築できるようクライアント担当制を敷いています。 各DSが、担当事業での課題発見/実装/評価等の全データ分析プロセスを一気通貫で行います。 ●カルチャー ・周囲のグループと協働して、DSが最も付加価値を提供できる企画とロジック開発に特化しています。 ・事業課題に応じたソリューションを提供し、同時並行で複数のプロジェクトを実施します。 ・時間への意識を高め、世の中のライブラリを積極的に活用したデリバリー優先の開発を行います。 ・データサイエンティスト同士の連携を重視し、プロジェクト・分析結果の共有やコードレビュー等を行っています。 ・勉強会にて、各データサイエンティストが定期的に新たなチャレンジをしています。 ●技術スタック 統計技術:機械学習, 因果推論, 組合せ最適化, 自然言語処理等 言語:Python3.x, SQL, Shell Script DB:BigQuery インフラ:PC (Windows / Mac希望に応じて), オンプレミスサーバー, AWS コード管理:GitLab コミュニケーション:Slack, JIRA, Confluence <入社時>上記に記載の業務 <変更の範囲>会社の定める業務、就業規則に従い出向となった場合は出向先の定める業務

●ミッション あらゆるデータとあらゆる分析技術を活用して、医療に最適な意思決定を適用する。 ●役職/ロール データサイエンティスト(DS)/アナリティクスマネージャー ●担当業務 複数名のDSが所属するデータ分析グループ内のチームをリードし、ビジネス課題を解決します。 エムスリーグループ内の各事業部の戦略パートナーとして、担当事業部の課題を解決します。 ニーズ×データ×分析技術の深い理解から、分析ソリューションプロダクト開発の方向性をリードします。 各事業部に留まらず、エムスリーグループの組織横断プロジェクトをリードします。 DSの採用、人材育成、成果物の品質向上を目的とした分析基盤開発などのグループの発展をリードします。 ●所属 データ分析グループ 約20名のDSが在籍しています。 事業インパクトの最大化を目的として、各DSの成果を定量的に評価し、創出した付加価値をKPIとしています。 クライアントの深い理解とニーズ発掘に取り組み、信頼関係を構築できるようクライアント担当制を敷いています。 各DSが、担当事業での課題発見/実装/評価等の全データ分析プロセスを一気通貫で行います。 ●カルチャー 周囲のグループと協働して、DSが最も付加価値を提供できる企画とロジック開発に特化しています。 事業課題に応じたソリューションを提供し、同時並行で複数のプロジェクトを実施します。 時間への意識を高め、世の中のライブラリを積極的に活用したデリバリー優先の開発を行います。 データサイエンティスト同士の連携を重視し、プロジェクト・分析結果の共有やコードレビュー等を行っています。 勉強会にて、各データサイエンティストが定期的に新たなチャレンジをしています。 ●技術スタック 統計技術:機械学習, 因果推論, 組合せ最適化, 自然言語処理等 言語:Python3.x, SQL, Shell Script DB:BigQuery インフラ:PC (Windows / Mac希望に応じて), オンプレミスサーバー, AWS コード管理:GitLab コミュニケーション:Slack, JIRA, Confluence <入社時>上記に記載の業務 <変更の範囲>会社の定める業務、就業規則に従い出向となった場合は出向先の定める業務

●ミッション あらゆるデータとあらゆる分析技術を活用して、医療に最適な意思決定を適用する。 ●役職/ロール データサイエンティスト(DS)/シニアデータサイエンティスト ●担当業務 ・担当事業の主担当として、分析設計、開発、示唆出しを行い、事業インパクトを創出します。 ・エムスリーグループ内の各担当者の問題解決パートナーとして、担当事業部の課題を解決します。 ・ジョイントベンチャーを含む大型分析プロジェクトをリードします。 ・中長期的な価値提供を行えるよう、分析ソリューションプロダクトを開発します。 ・DSの人材育成や成果物の品質向上を目的とした分析基盤開発などのグループの生産性を向上させます。 ●所属 データ分析グループ 約20名のDSが在籍しています。 事業インパクトの最大化を目的として、各DSの成果を定量的に評価し、創出した付加価値をKPIとしています。 クライアントの深い理解とニーズ発掘に取り組み、信頼関係を構築できるようクライアント担当制を敷いています。 各DSが、担当事業での課題発見/実装/評価等の全データ分析プロセスを一気通貫で行います。 ●カルチャー 周囲のグループと協働して、DSが最も付加価値を提供できる企画とロジック開発に特化しています。 事業課題に応じたソリューションを提供し、同時並行で複数のプロジェクトを実施します。 時間への意識を高め、世の中のライブラリを積極的に活用したデリバリー優先の開発を行います。 データサイエンティスト同士の連携を重視し、プロジェクト・分析結果の共有やコードレビュー等を行っています。 勉強会にて、各データサイエンティストが定期的に新たなチャレンジをしています。 ●技術スタック 統計技術:機械学習, 因果推論, 組合せ最適化, 自然言語処理等 言語:Python3.x, SQL, Shell Script DB:BigQuery インフラ:PC (Windows / Mac希望に応じて), オンプレミスサーバー, AWS コード管理:GitLab コミュニケーション:Slack, JIRA, Confluence <入社時>上記に記載の業務 <変更の範囲>会社の定める業務、就業規則に従い出向となった場合は出向先の定める業務

・PjM(プロジェクトマネージャ)と連携したアプリケーションの設計・開発 ・サービス開発に必要なアーキテクチャ設計および実装・開発チームにおける技術的リード ・適切な技術の選択・最適な設計と実装 ・既存サービス/新サービスの新機能の要件定義・設計・開発・テスト ・開発環境の整備や開発プロセスなどの改善による生産性向上 ・リリースの立ち合い/リリース後のテスト ・ログを用いた確認や調査(速度改善や機能の動作テスト) 【具体的な業務内容】 Step1 入社～1か月 〇実際の開発体制に慣れるため軽微な案件にアサイン ・対象環境で軽微な修正/リリースまでを通じて流れの確認 ・ユーザーからの問い合わせや案件を共有するMTGへの参加、他部署からの依頼への対応を通じてシステムへの理解を深める ・同ポジションのエンジニアとコミュニケーションをとり、各環境での開発フロー、既存の機能、設計思想などの認識をすり合わせる Step2 2か月～半年 〇要件のヒヤリングからリリースまでを担当 ・案件内容によっては他部署とコミュニケーションをとり、開発、リリースまで担当する ・不明点がある場合や案件規模が大きい場合には、上長や同ポジションのエンジニアと協力しながら進行する Step3 半年～1年以降 〇担当案件に加え、運用業務や技術面でのリードに貢献 ・お問い合わせへの調査、回答 ・バッチ改修 ・FWや外部サービスの導入など、技術面で品質向上につながる提案

データサイエンスグループでは主に「マッチング体験の向上」「プラットフォームの信頼性・安全性向上」「それらを支えるML/LLM基盤の構築・運用」の3つの領域に注力しています。 本ポジションの主戦場は、マッチング領域およびTrust & Safety(信頼性・安全性)領域におけるAI/MLのプロダクト実装・運用です。社内のML/LLM基盤を活用しながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアなどと連携し、課題設定から実装、リリース後の改善までを推進していただきます。 課題設定や改善テーマの探索はデータサイエンティストや事業・プロダクト側と連携しながら進め、プロダクトへの実装はソフトウェアエンジニアと協働して推進します。MLOpsエンジニアはML/LLM基盤・推論基盤・開発環境の構築・運用を担い、本ポジションはそれらを活用しながら、マッチング機能やTrust & Safety機能の価値実装、評価、運用設計を担います。将来的には、事業課題に応じて担当領域を広げていただくことを期待しています。 シニアポジションでは、加えて技術方針の策定、重要テーマの優先順位付け、四半期単位の重要テーマのリード、複数職種をまたいだ推進まで担っていただくことを期待しています。 1.マッチング体験の向上 ●マッチング機能の技術リード ワーカーと求人の最適なマッチングを実現するために、マッチングに必要なモデル・ロジック・業務ルールをプロダクト要件に合わせて設計・実装し、安定運用と継続的な改善をリードする ●マッチングに必要なデータ・特徴量・Feature Store改善の設計と推進 マッチング機能の精度と運用を支えるために、特徴量やモデル入力データを設計し、Feature Store等の基盤も活用しながら、改善方針の設計から実装・運用までを推進する ●ML基盤近接領域の機能実装・改善 Vertex AI Pipelines等の基盤を活用し、マッチング機能に必要なモデル・ロジックの実装、評価、運用に加え、Recommend API周辺を含む基盤近接領域のプロダクト実装・安定運用をリードする ●LLMを活用した自律的な改善ループの設計・推進 LLMを活用し、マッチング機能における評価、改善候補の生成、モデリングの見直し、比較検証までを含む継続的な改善ループを設計・推進する 2.プラットフォームの信頼性・安全性向上 ●AI機能の安全性設計・実装のリード LLM等の基盤モデルを活用し、事実整合性の確保、防御的プロンプト設計、ガードレール実装などを通じて、安全性に配慮したAI機能の設計・実装・改善をリードする ●運用を踏まえたリスク制御の設計 AI/MLによる判定だけでなく、業務ルールや現場オペレーション、人による確認フローも組み合わせながら、実運用で機能する安全性担保の仕組みを設計・運用する ●リスク予測・異常検知モデルの開発リード 構造化データから、プラットフォームの信頼性を損なうパターンを特定する分類・回帰・異常検知モデルの設計、実装、評価、運用をリードする ●データセット設計・品質改善の主導 多様なリスクを網羅するデータの設計・収集、高度なアノテーション管理、合成データの生成を通じて、評価・学習データセットの品質改善を主導する 3.共通基盤を活用した実装・改善 ●LLMOps/評価基盤の活用と改善提案のリード 実験の追跡と管理、プロンプトのバージョン管理、「AI as a Judge」等を用いた自動評価パイプラインの活用・改善を主導する ●品質・コスト・レイテンシーの継続的な可視化と最適化 モデルやAI機能の品質、レイテンシー、コストを継続的に計測し、ユーザー行動やモデル挙動の変化を捉えながら改善サイクルを回す ●重要テーマの推進 マッチングまたはTrust & Safety領域における重要テーマについて、技術方針の設計、関係者との合意形成、実行計画の具体化、推進管理まで担う 入社後の期待イメージ 入社後3ヶ月 :担当テーマの1つで、モデル・AI機能・業務ロジック・評価設計の改善を本番に反映し、周辺の関係者を巻き込みながら改善サイクルをリードし始めている状態 入社後6ヶ月 :マッチングまたはTrust & Safety領域における重要テーマの1つを自走して前進させ、課題設定、技術方針、評価設計、実装、運用までを一貫して推進しながら、周辺関係者の意思決定にも影響を与え始めている状態 入社後12ヶ月 :マッチングまたはTrust & Safety領域において、複数の重要テーマを横断的にリードし、技術方針・評価設計・運用設計の基準を形にしながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアの意思決定と実行を前進させ、領域全体の改善速度と意思決定の質向上に明確に貢献している状態 【技術スタック(主要な部分の抜粋)】 ●クラウド Google Cloud ●開発言語 Python ●データ基盤 BigQuery / Fivetran / dbt Cloud ●ML / LLM基盤 Vertex AI / MLflow / LiteLLM / Datadog LLM Observability ●BIツール Looker / Looker Studio ●IaC Terraform ●開発環境・ツール Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc 【扱っているデータ】 以下のようなデータを扱っています ・アプリユーザーのアクセスログ、募集内容に関する情報 ・マッチングに関する情報 ・レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ ・問い合わせに関するデータ ・営業活動情報のデータ

データサイエンスグループでは主に「マッチング体験の向上」「プラットフォームの信頼性・安全性向上」「それらを支えるML/LLM基盤の構築・運用」の3つの領域に注力しています。 本ポジションの主戦場は、マッチング領域およびTrust & Safety(信頼性・安全性)領域におけるAI/MLのプロダクト実装・運用です。社内のML/LLM基盤を活用しながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアなどと連携し、課題設定から実装、リリース後の改善までを推進していただきます。 課題設定や改善テーマの探索はデータサイエンティストや事業・プロダクト側と連携しながら進め、プロダクトへの実装はソフトウェアエンジニアと協働して推進します。MLOpsエンジニアはML/LLM基盤・推論基盤・開発環境の構築・運用を担い、本ポジションはそれらを活用しながら、マッチング機能やTrust & Safety機能の価値実装、評価、運用設計を担います。将来的には、事業課題に応じて担当領域を広げていただくことを期待しています。 1.マッチング体験の向上 ・マッチングロジックの実装・運用 :ワーカーと求人の最適なマッチングを実現するために、マッチングに必要なモデル・ロジック・業務ルールをプロダクト要件に合わせて実装し、安定運用と継続的な改善を担う ・マッチングに必要なデータ・特徴量の設計と実装 :マッチング機能の精度と運用を支えるために、特徴量やモデル入力データを設計し、Feature Store等の基盤も活用しながら実装・運用する ・ML基盤上での機能実装・運用 :Vertex AI Pipelines等の基盤を活用し、マッチング機能に必要なモデル・ロジックの実装、評価、運用、およびRecommend API周辺のプロダクト実装・安定運用を担う ・LLMを活用した自律的な改善ループの構築 :LLMを活用し、マッチング機能における評価、改善候補の生成、モデリングの見直し、比較検証までを含む継続的な改善ループを構築する 2. プラットフォームの信頼性・安全性向上 ・AI機能の安全性実装 :LLM等の基盤モデルを活用し、事実整合性の確保、防御的プロンプト設計、ガードレール実装などを通じて、安全性に配慮したAI機能を実装・改善する ・運用を踏まえたリスク制御の設計 :AI/MLによる判定だけでなく、業務ルールや現場オペレーション、人による確認フローも組み合わせながら、実運用で機能する安全性担保の仕組みを設計・運用する ・リスク予測・異常検知モデルの開発 :構造化データから、プラットフォームの信頼性を損なうパターンを特定する高精度な分類・回帰モデルの構築、および特徴量エンジニアリング ・データセット設計・品質改善 :多様なリスクを網羅するデータの設計・収集、高度なアノテーション管理、合成データの生成によるモデルの堅牢性強化 3. 共通基盤を活用した実装・改善 ・LLMOps/評価基盤の活用と改善提案:実験の追跡と管理、プロンプトのバージョン管理、「AI as a Judge」等を用いた自動評価パイプラインの活用・改善 ・品質・コスト・レイテンシーの継続的な可視化:モデルやAI機能の品質、レイテンシー、コストを継続的に計測し、ユーザー行動やモデル挙動の変化を捉えながら改善サイクルを回す 技術スタック(主要な部分の抜粋) ●クラウド Google Cloud ●開発言語 Python ●データ基盤 BigQuery / Fivetran / dbt Cloud ●ML / LLM基盤 Vertex AI / MLflow / LiteLLM / Datadog LLM Observability ●BIツール Looker / Looker Studio ●IaC Terraform ●開発環境・ツール Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc 【扱っているデータ】 以下のようなデータを扱っています ・アプリユーザーのアクセスログ、募集内容に関する情報 ・マッチングに関する情報 ・レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ ・問い合わせに関するデータ ・営業活動情報のデータ

本ポジションは、OpenID Connect 準拠のアカウント基盤を核とした横断プロジェクトを牽引し、企画・設計からリリース・運用までを一気通貫でドライブする役割です。エンジニアリング、セキュリティ、プロダクト、カスタマーサポートなど多様なステークホルダーと協働しながら、最適なロードマップ策定と開発プロセスの標準化をリードしていただきます。 【具体的な業務】 ●プログラム・ロードマップ・マイルストーン策定とシニアステークホルダーへのレポーティング ●技術トレードオフのファシリテーションと合意形成 ●人員・予算・外部パートナーの最適化によるリソースマネジメント ●KPI/OKR設定とデータドリブンなパフォーマンス改善 ●新規プロセス・ツール定義とベストプラクティスの組織展開 【技術スタック(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 8.0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 <Monitoring> ●Datadog, Sentry <CI/CD> ●GitHub Actions, Dependabot <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 【開発組織の特徴】 タイミーの開発組織はフロントエンドからSREのレイヤまでひとつのチームで解決できることをコンセプトにしています。裁量は各チームに移譲されており、自身の専門分野を中心に、隣接する領域に染み出しながら開発に携わることができます。 エンジニアがユーザーインタビューに参加して課題の探索段階から関わることができ、プロダクト組織と連携しながら顧客価値に基づいて開発を行う文化が浸透しています。 <既存事業領域> タイミーの圧倒的なシェアと収益基盤を支えるコア事業であり、さらなる非連続なグロースを牽引する領域です。 現在は、累積1,000万人以上のワーカーと20万社以上のクライアントが生み出す膨大なデータを武器に、マッチングアルゴリズムの高度化やUXの磨き込みを行っています。私たちは、クライアントの「即時の人材確保」とワーカーの「働きがいの最大化」を、高いレベルで実現するプロダクト開発組織を目指しています。 今後は更に大小問わない様々な企業での導入・活用の拡大や多様な業種への浸透を通じて、本質的なエンゲージメント強化に挑戦しています。クライアント、ワーカー双方にとって必要な時に、必要な「はたらく」を提供する体験を社会の当たり前にするため、ユーザー価値と事業収益の両輪をプロダクト主導で回し続ける、ダイナミックな進化を追求しています。 <新規事業領域> スポットワーク事業で培った強固なアセットを活かし、事業の多角化、そしてマルチプロダクト戦略に基づいて新プロダクト開発を推進する領域です。現在は、正社員紹介事業(タイミーキャリアプラス)や長期雇用、介護などのバーティカル領域に深く踏み込んだプロダクト開発に挑んでいます。既存の枠組みにとらわれず、タイミーが持つ資産を最大活用して、新しい「はたらく」の形をゼロから立ち上げ、成長させることに向き合います。 <プラットフォーム領域> タイミーが「はたらく」のインフラへと進化するための、戦略的基盤を構築する領域です。 私たちは現在、既存の「タイミー」に加え、複数の新規プロダクトを連続的に生み出すマルチプロダクト展開を加速させています。この成長を支えるため、プラットフォーム領域では「はたらく」にまつわるドメインを分解・再定義し、プロダクト間で共通利用できる価値ある資産にすることを目指しています。 単なるシステムの共通化(ID管理・決済・本人確認など)に留まらず、日々の就業実績や評価を「信頼データ」として蓄積・活用することで、「タイミーではたらくほどに信用が積み上がり、人生の選択肢が広がる」--そんなプラットフォームの実現を技術の面から支えます。 この成長を支えるため、プラットフォーム領域では「はたらく」にまつわるドメインを分解・再定義し、プロダクト間で共通利用できる価値ある資産にすることを目指しています。 単なるシステムの共通化(ID管理・決済・本人確認など)に留まらず、日々の就業実績や評価を「信頼データ」として蓄積・活用することで、「タイミーではたらくほどに信用が積み上がり、人生の選択肢が広がる」--そんなプラットフォームの実現を技術の面から支えます。

提案からデモ開発、マネジメントまでを一気通貫で担う「AIコンサルティングサービス」にて、最先端の生成AI(GPT-4oなどのLLM)を活用した開発プロジェクトを、"プロジェクトリーダー(PL)候補"として、まずは開発工程から参画いただきます。 PMの元でメンバーの業務をリードするだけでなく、実装で技術を磨きつつ、段階的に設計などの上流工程へも参画いただけます。 はじめは開発経験を活かしながら、設計・実装フェーズでプロジェクトをリード。 将来的に、技術とビジネスの両面を理解した"PM"や"ITコンサル"として成長できるポジションです。 ●具体的な業務 ・生成AI/LLMを活用したシステムやアプリケーションの開発、性能向上 ・大規模言語モデルにおけるプロンプトエンジニアリング ・AIエージェントプラットフォームの設計・開発・運用 ・ユーザーのニーズに応じたAIエージェントのカスタマイズ・チューニング ・LLMを活用したAIエージェントの実装 ・Google Cloud/AWS/Azureなどのクラウド環境の構築・運用 など 取引先は、伊藤忠商事、Mizkan、T&Dフィナンシャル生命などの大手企業が中心。 ●開発環境 開発言語:Python, Go, JavaScript, TypeScript, HTML, CSS フレームワーク:Node.js, React, Django, Flask 生成AIツール:Claude, Gemini クラウド:AWS, Azure, GoogleCloud 開発基盤:GitHub, Docker 情報共有ツール:Slack, Notion など ●開発体制 プロジェクト毎にチームを編成(5~10名程度)し、少人数で裁量を持って働いているチームです。 また、全社に「ニックネーム制度」を導入。年齢や役職関係なくコミュニケーションが活発な環境です。 20代後半〜30代が殆どで、パパママ社員もライフスタイルに合わせて働いています!

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

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

エージェント研究開発 異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等) 新しい推論・計画・検索手法の研究開発 マルチモーダル・長文コンテキスト対応の技術開発 最新論文の調査・再現・改良実装 評価・ベンチマーク 大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装 合成データ生成・評価ベンチマーク設計 モデルとプロンプトの自動評価支援 (学習 → プロダクトライフサイクル全体) プロダクション課題の解決 推論レイテンシ / コスト最適化 (量子化、蒸留、キャッシュ等) モデル学習用データミックスの作成・最適化 エージェント評価フレームワークの高度化 本番環境での品質改善・パフォーマンスチューニング 技術移転・発信 Agentic Product Engineer チームへの技術移転・メンタリング 学術機関・OSS コミュニティとの連携 【業務シナリオ例】 ※以下は想定される業務シナリオの例です ● シナリオ 1 : SaaS 横断検索のためのナレッジグラフ RAG の研究開発 JAPAN AI STUDIO が「企業の脳」として機能するには、顧客の全 SaaS に散在する情報を横断的に検索・統合する必要がある。 既存の RAG では「Aプロダクト の従業員データ」と「Bプロダクト の商談データ」の関係性を捉えられず、回答精度が低い。 ナレッジグラフベースの RAG アーキテクチャを研究・開発し、エンティティ間の関係性を構造化。 SaaS 横断検索の回答精度を 40% 向上させ、Agentic Product Engineer チームに技術移転して全プロダクトに展開。 ●ミッション Agentが降参する問題を解く 現在の AI エージェントでは解決できないフロンティア課題に挑み、新しい推論手法・検索 / 計画・長期記憶・ツール利用の品質限界を突破する。 JAPAN AI STUDIO 上で動く数百のワークフローが、より賢く・速く・安全に動作する未来を、研究で切り拓く。 ●期待する役割について Research Engineer として、AI/LLM/ML の最先端研究と応用研究をリードしていただきます。 異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等) 大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装 モデルとプロンプトの自動評価を支援し、学習からプロダクトライフサイクル全体にわたって品質を担保 プロダクト組織と協力し、エージェントをプロダクトに適用するうえでの最も困難な課題を解決 モデル学習用データミックスの作成・最適化により、エージェントタスクにおける性能と使いやすさを向上 研究成果を Agentic Product Engineer チームに移転し、プロダクト全体の品質を底上げ 論文を書くことがゴールではありません。 研究成果をプロダクションに適用し、約 200 社が利用する本番環境でユーザーに届けることを重視します。 ●成果責任 (KR/メトリクス) ベンチマークスコア改善率 (社内 / 公開ベンチマーク) 新手法のプロダクション適用数 (四半期あたり) 推論レイテンシ / コスト改善率 論文・技術ブログ発表数 社内技術移転完了数 ●チーム体制 約120名が開発組織に在籍しています。 Research Engineerは以下のプロジェクトを横断して活動します: JAI Lab — AI研究開発 AI&Model — モデル学習・最適化 Voice & Tel — 音声AI・電話システム 密接に連携する役割: Agentic Product Engineer — エージェント機能開発 (技術移転先) Agent Harness Engineer — エージェント実行基盤 AI Quality Scientist Specialist — 評価パイプラインとの連携 Product Manager — プロダクト設計 ●開発環境 言語 : Python (研究・フレームワーク部), TypeScript / React / Next.js (フロントエンド部) / NX ML / AI : PyTorch, JAX, Transformers, vLLM, Weights & Biases インフラ : GCP (コンテナ / K8s), Docker 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】 本ポジションでは、営業領域のLLM新規プロダクトにおいて、PdM・デザイナー・エンジニア・事業メンバーと連携しながら、ディスカバリーからデリバリーまで一気通貫でプロダクト開発に携わっていただきます。 単に仕様通りに開発するのではなく、顧客課題や業務プロセスを深く理解し、「どのようなプロダクト体験であれば営業活動の成果につながるのか」をチームで探索しながら、LLMを活用した機能開発、アーキテクチャ設計、技術品質の向上、開発プロセス改善を推進いただく役割です。 また、開発チームではCursorやClaude Codeなどを活用したAI駆動開発を積極的に推進しています。AIプロダクトを、AIネイティブな開発プロセスで高速に作り、PMF達成と事業成長に直接コミットすることができます。 【業務内容】 ●LLMを活用したコア機能の設計・実装 ・商談データや営業活動データなど、マルチモーダルな情報を活用したプロダクト機能の設計・実装 ・プロンプトエンジニアリング / コンテキストエンジニアリングを含む、LLM活用機能の改善 ・Kotlin / Python / Next.js / TypeScript を用いた継続的な機能開発 ●PMF達成に向けたプロダクト開発 ・PdMや事業メンバーと連携した顧客課題の探索、要求整理、仕様検討 ・ユーザーフィードバックや利用状況を踏まえた改善仮説の立案・実装 ・顧客価値と事業成果につながるプロダクト体験の継続的な磨き込み ●アーキテクチャ設計・技術品質の向上 ・将来のスケールと保守性を見据えたアーキテクチャ設計 ・技術的負債の解消、パフォーマンス改善、セキュリティ・信頼性向上 ・コードレビューや設計レビューを通じた開発品質の向上 ●AI駆動開発・開発生産性の向上 ・Cursor、Claude Code、Geminiなどを活用した開発プロセスの高速化 ・チームの生産性を高めるための自動化、開発フロー改善、ナレッジ共有 ・AIを活用した開発体験・開発組織の進化に向けた取り組み ●外部サービス・データ連携の設計・実装 ・Salesforceなど外部SaaS / API連携の設計・実装 ・顧客環境や業務データを踏まえたプロダクト連携の改善 【開発環境】 ・サーバーサイド 　Kotlin / Python ・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 ・コミュニケーションツール他 　Slack / Gather / Figma / Findy team+ / Notion / diaglams.net / Cursor / Claude Code / Gemini ※業務内容の変更範囲 :会社の定める業務

1.クライアントに伴走した生成AI活用支援（コンサルティングワーク） 日常的に使用するMS Office や Slack などの業務ツールに、生成AIを組み込み活用することで、クライアント企業の日常業務の生産性向上を目指します。 生成AIの「活用方法が分からない」「効果的な使い方がイメージできない」といった現場の課題に対し、個別のニーズに寄り添い、具体的な解決策を提供します。 例えば・・・ ・提案書作成の効率化： 営業担当者からの「提案書を作るのに時間がかかる。Copilot で何ができるのか？」という相談に対し、PowerPoint上での要点抽出、資料の自動構成、過去資料との統合方法などを実演を交えて提案 ユーザー自身が業務で使いこなせるよう、マニュアルやテンプレートも整備 ・定型報告書作成の自動化： 経理や人事部門からの「毎月同じ報告書を作成しており、効率化したい」という要望に対し、ExcelのCopilot機能やPower Automateとの連携による自動化手順を提案 担当者と共に試行錯誤を重ねながら、実用的な自動化の仕組みを構築 ・AI活用アイデアの創出： クライアントと共に「AIを活用した業務改善アイデアコンテスト」を開催 応募されたアイデアを、実現可能性、インパクト、創造性の観点から評価し、優秀なアイデアは実際の業務改善プロジェクトとして採用 従業員のAI活用への関心の向上、当事者意識の醸成に貢献 2.アポロ社内のDX業務 コンサルティングワークと比較すると業務割合としては低いですが、同様の観点から、AIツールを用いたアポロ社内のDXもお任せしたいと思っております。 【こんな方にピッタリ】 ・AIツールに触れることが好きな方 ・ツールの新機能や、新しいツールのキャッチアップが得意な方 ・「今あるツールでどういうことができるのか」を考えられる方 ・ AIツールやデジタルツールを活用して業務効率化を行うことが好きな方 ・黙々とエンジニアリングするというより、顧客折衝やカスタマサポートの要素もあるお仕事がしたい方 ・現在社内DXを担当をしており、他の企業の社内DXや柔軟なDX推進をしていきたいと思っている方

● 募集ポジション pocから本開発(システムの本番導入)まで手がける案件の増加により、開発エンジニアリングチームを拡大しています。 弊社のソリューションデザイナや機械学習エンジニア、及び外部の協力会社と連携しながら、機械学習を用いたシステム/サービス開発を推進して頂きます。 具体的には、poc後の本番導入に向けて、機械学習システムの要件定義から設計・開発・テスト・運用までの一貫したフェーズをご担当いただきます。 <具体的な業務内容> ・機械学習を用いたシステム/サービス開発の参画 機械学習エンジニアが実装したモデルをシステム上に載せるというイメージです。 入社時点で機械学習に関する知識が少なくても、入社後にキャッチアップして頂けます。 ●業務の変更範囲:なし ーーーーーーーーーーーーーーーー 弊社はオーダーメイドによるAIモデル「カスタムAI」の開発・提供を行う、AI/機械学習のスペシャリスト集団で、最先端のAI技術とクライアントのビジネスを「つなぐ存在」をミッションとしたスタートアップ企業です。 高い技術力と課題解決能力が評価され、既に大手企業を中心に多くの導入事例とリピート契約があります。 ●カスタムAIソリューション事業とは? 弊社は以下を特徴とするカスタムAIソリューション事業を展開しています。 ・オーダーメイドによるAI開発 　- アカデミア出自の先端の機械学習技術をベースに、ビジネスにジャストフィットする形でAIを受託開発 ・企業のコア業務をAIで変革 　- 画一的なパッケージAでは対応が難しい、ビジネス現場特有の複雑な課題の解決に貢献 また他社との差別化のため、弊社は「バリューアップ型AIテーマ」に注力しています。 ●プロジェクトの開発フロー 弊社では約3ヶ月間という短いサイクルで機械学習モデルやAIに関係するシステムをお客様に提供しています。 顧客折衝は基本的に弊社のソリューションデザイナが行いますが、希望に応じてエンジニアもフロントに立って直接提案したり顧客ニーズを聞いたりすることができます。 ●チーム構成・支援制度 基本的に弊社では1つのPJTに対し、メイン担当としてソリューションデザイナ/エンジニアが1名ずつアサインされます。 またソリューションデザイナ/エンジニアそれぞれを補佐する役割としてSV(スーパーバイザー)がつきます。 一方で大型案件等になりますとPJTの人数は必要に応じて増加します。 ●裁量の大きさについて 弊社はAIコンサルティングの会社としてお客様に”AIソリューションを提供すること”を使命としています。 AIソリューションを提供するためにあらゆることを思案して実行できればと考えているので、提供元のエンジニアは以下のような裁量の大きい環境で自らのプロフェッショナリズムを発揮いただければと考えています。 ・技術者がお客様に対して直接提案をすること ・お客様が設計した問題に対してその問題設計に提言できること ・チームを自ら組閣し案件成功に向けて自ら動くことができること ・会社の承認のもと、必要人員の確保依頼やツールの追加導入について主導、積極的な提案ができること ●技術スタック 使用する技術はプロジェクトにより異なりますが、主に以下の技術スタックを用いて開発を行っています。 ・開発言語(python, rust, javascript) ・インフラ(aws, azure, google cloud, 社内gcpサーバ) ・開発ツール(visual studio, github) ・その他ツール(slack, backlog, cacoo, google meet) ●社内活動 エンジニアリング部では以下のような社内活動を通じて技術的成長やエンゲージメント向上を行っています。 ・技術勉強会の開催(数理最適化、強化学習 etc...) ・最新技術勉強会の開催(マルチエージェント etc...) 　- 本勉強会にはソリューションデザイナー、コーポレートも合わせ、社員の約3/4のメンバーが参加しました。 ・チームビルディング施策 　- “チームメンバーを知る企画“として、レーダーチャートの作成/予想、チームのキャッチコピー作成等のワークを実施

●募集ポジション pocから本開発(システムの本番導入)まで手がける案件の増加により、開発エンジニアリングチームを拡大しています。 弊社のソリューションデザイナや機械学習エンジニア、及び外部の協力会社と連携しながら、機械学習を用いたシステム/サービス開発を推進して頂きます。 具体的には、poc後の本番導入に向けて、機械学習システムの要件定義から設計・開発・テスト・運用までの一貫したフェーズをご担当いただきます。 <具体的な業務内容> ・機械学習を用いたシステム/サービス開発の参画 機械学習エンジニアが実装したモデルをシステム上に載せるというイメージです。 入社時点で機械学習に関する知識が少なくても、入社後にキャッチアップして頂けます。 ーーーーーーーーーーーーーーーー 弊社はオーダーメイドによるAIモデル「カスタムAI」の開発・提供を行う、AI/機械学習のスペシャリスト集団で、最先端のAI技術とクライアントのビジネスを「つなぐ存在」をミッションとしたスタートアップ企業です。 高い技術力と課題解決能力が評価され、既に大手企業を中心に多くの導入事例とリピート契約があります。 ●カスタムAIソリューション事業とは? 弊社は以下を特徴とするカスタムAIソリューション事業を展開しています。 ・オーダーメイドによるAI開発 　- アカデミア出自の先端の機械学習技術をベースに、ビジネスにジャストフィットする形でAIを受託開発 ・企業のコア業務をAIで変革 　- 画一的なパッケージAでは対応が難しい、ビジネス現場特有の複雑な課題の解決に貢献 また他社との差別化のため、弊社は「バリューアップ型AIテーマ」に注力しています。 ●プロジェクトの開発フロー 弊社では約3ヶ月間という短いサイクルで機械学習モデルやAIに関係するシステムをお客様に提供しています。 顧客折衝は基本的に弊社のソリューションデザイナが行いますが、希望に応じてエンジニアもフロントに立って直接提案したり顧客ニーズを聞いたりすることができます。 ●チーム構成・支援制度 基本的に弊社では1つのPJTに対し、メイン担当としてソリューションデザイナ/エンジニアが1名ずつアサインされます。 またソリューションデザイナ/エンジニアそれぞれを補佐する役割としてSV(スーパーバイザー)がつきます。 一方で大型案件等になりますとPJTの人数は必要に応じて増加します。 ●裁量の大きさについて 弊社はAIコンサルティングの会社としてお客様に”AIソリューションを提供すること”を使命としています。 AIソリューションを提供するためにあらゆることを思案して実行できればと考えているので、提供元のエンジニアは以下のような裁量の大きい環境で自らのプロフェッショナリズムを発揮いただければと考えています。 ・技術者がお客様に対して直接提案をすること ・お客様が設計した問題に対してその問題設計に提言できること ・チームを自ら組閣し案件成功に向けて自ら動くことができること ・会社の承認のもと、必要人員の確保依頼やツールの追加導入について主導、積極的な提案ができること ●技術スタック 使用する技術はプロジェクトにより異なりますが、主に以下の技術スタックを用いて開発を行っています。 ・開発言語(python, rust, javascript) ・インフラ(aws, azure, google cloud, 社内gcpサーバ) ・開発ツール(visual studio, github) ・その他ツール(slack, backlog, cacoo, google meet) ●社内活動 エンジニアリング部では以下のような社内活動を通じて技術的成長やエンゲージメント向上を行っています。 ・技術勉強会の開催(数理最適化、強化学習 etc...) ・最新技術勉強会の開催(マルチエージェント etc...) 　- 本勉強会にはソリューションデザイナー、コーポレートも合わせ、社員の約3/4のメンバーが参加しました。 ・チームビルディング施策 　- “チームメンバーを知る企画“として、レーダーチャートの作成/予想、チームのキャッチコピー作成等のワークを実施