データ・AI・機械学習(AWS)の求人・転職情報

NTTデータの掲げているグリーンビジネスの拡大を目的とし、当社のGHG排出量可視化ソリューション「C-Turtle」の開発・運用を担う ・GHG排出量可視化ソリューションの開発推進 ・GHG排出量可視化ソリューションの運用 ・GHG排出量可視化に必要となるデータの収集、分析

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

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

クライアント企業(主に製造業)向けに、生成AI・AIエージェントを活用した業務システムの設計・開発・実装を担当します。要件定義から、AIモデル・エージェントの設計、開発、既存システムとの連携、本番環境への実装・運用まで、技術面から一貫してプロジェクトを推進します。 <具体的な業務内容> ・生成AI/AIエージェントを活用したシステムの要件定義・設計・開発 ・LLM(大規模言語モデル)を活用したアプリケーション・ワークフローの構築 ・RAG(検索拡張生成)、プロンプトエンジニアリングによる精度改善 ・既存システム(ERP、基幹システム等)とのAPI連携・データ連携の実装 ・AIモデルの評価・チューニング、MLOps基盤の構築・運用 ・クラウド環境(AWS、Azure、GCP等)上でのAIシステムの構築・運用 ・クライアントのIT部門・開発チームと連携したプロジェクト推進 【案件の例】 ・製造業における経理AIエージェントの開発 ・需要予測AIモデルの構築 ・社内向け生成AIチャットボット・ナレッジ検索システムの開発 ・基幹システムとAIエージェントを連携した業務自動化システムの構築

●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

生成AI(LLM)を活用したWEBアプリケーションや社内業務改善ツールの要件定義、PoC検証、設計、開発、性能評価をご担当いただきます。 <具体的な業務例> ・LangChain / LlamaIndex 等を活用した RAG(検索拡張生成)システムのアーキテクチャ設計・開発 ・LLM API(OpenAI, Claude等)を活用したプロンプトエンジニアリングおよび AI Agent 構築 ・FastAPI / Django 等を用いた AI連携バックエンドAPIの基本設計・開発・テスト ・生成AI出力結果の評価・精度改善・性能チューニング(性能評価) ・データ前処理(Python, SQL)およびベクトルデータベース連携基盤の構築 ・Docker や CI/CD ツールを用いたコンテナ環境・自動テスト環境の構築 【就業と成長に関するサポート】 <引越し費用補助> 入社に伴う引越し費用を補助いたします。 (要領収書実費精算) <AWS資格取得お祝い金> AWSプレミアティアサービスパートナー認定を目指している当社では、部署や職位に関係なく資格取得をされた社員全員にお祝い金を支給いたします。 ・AWS認定クラウドプラクティショナー　50,000円 ・AWS認定AIプラクティショナー　50,000円 ・AWS認定ソリューションアーキテクトアソシエイト　100,000円 ・AWS認定デベロッパーアソシエイト　100,000円 ・AWS認定ソリューションアーキテクトプロフェッショナル　200,000円 ・AWS認定DevOpsエンジニアプロフェッショナル　200,000円 ・AWS認定アドバンスドネットワーキングスペシャリティ　200,000円 ・AWS認定セキュリティスペシャリティ　200,000円 【実績】 ・テレビ配信サービス(TVer、DMM TV) ・決済サービス(楽天ペイメント) ・資産運用サービス(ウェルスナビ) ・求人サービスのUI/UX改善(dip,マイナビ) ・マンション居住者向けDX支援(三菱UFJ信託銀行) ・3Dアバター接客サービス開発(トランスコスモス) ・ECサイト構築(セブン&アイ,au PAYマーケット,ヨドバシカメラ,カクヤス) ・オンデマンド映像配信サービス開発(NTT docomo) ・業務管理システム開発(at home) ・iOS版POSレジアプリ開発(RECRUIT) ・DMM TV ・eスポーツ運営のDX対応 ・富裕層向け人間ドックサービス開発

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

まずご一緒すること クライアントの課題解決や新しい事業基盤創出を目的として、AI・ソフトウェア技術を活用し、業務・プロダクト方針整理→要件の定義→アルゴリズムの開発→ソフトウェアとしての実装を一気通貫で行います。 最初は、ソフトウェアエンジニア/AIエンジニア/PMの3つの参画形態を想定しています! オンボーディングを経て、一部領域から参画し、徐々にスコープ拡張できる体制・チームが整っており、ソフトウェアエンジニアのAI/LLMアプリ開発ディレクション(E2EのLLMアプリ設計・開発推進)にも力を入れています。 業界・業種・技術は問わず多様なプロジェクトがあります。 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おり、食品(日清食品さん他)、エネルギー・インフラ(東京ガスさん・明電舎さん他)、製造業(トヨタさん系列会社、日産さん系列会社他)、人材(Openworkさん他)、SI(CTCさん他)など幅広い業界でのご一緒の実績があります。 プロジェクトの例 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 本ポジションは、これまで募集してきたエンジニア/PMポジションと比べて、業務内容そのものが大きく変わるわけではありません。 一方で、裁量の渡り方や成長スピードが異なります。 早い段階から「プロジェクトの軸」として意思決定に関わることを想定しています! 経験に応じ、通常よりも早くプロジェクト全体の設計・推進・難しい論点整理をご一緒できればと考えております! 将来的に次の中核として事業企画ロールへの成長を想定しています 中長期でご一緒したいこと 少数精鋭のAI企画集団を目指す挑戦をご一緒していきたいと考えており、以下を現在のメンバーがすでに取り組んでいます。こちらの取り組みもご一緒していくことができればと考えています! ソリューション企画・実提案(すでにエンジニアメンバーが提案メニュー作成中) 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 AIネイティブな組織づくり働く環境 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

エンジニアが、課題の定義から実装まで一気通貫で関わります。 クライアントの課題解決や新しい事業基盤創出を目的として、AI・ソフトウェア技術を活用し、業務・プロダクト方針整理→要件の定義→アルゴリズムの開発→ソフトウェアとしての実装を一気通貫で行います。 最初は、ソフトウェアエンジニア/AIエンジニア/PMの3つの参画形態を想定しています! オンボーディングを経て、一部領域から参画し、徐々にスコープ拡張できる体制・チームが整っており、ソフトウェアエンジニアのAI/LLMアプリ開発ディレクション(E2EのLLMアプリ設計・開発推進)にも力を入れています。 業界・業種・技術は問わず多様なプロジェクトがあります。 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おり、食品(日清食品さん他)、エネルギー・インフラ(東京ガスさん・明電舎さん他)、製造業(トヨタさん系列会社、日産さん系列会社他)、人材(Openworkさん他)、SI(CTCさん他)など幅広い業界でのご一緒の実績があります。 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 FDEとしての活躍の先にある「自ら事業をつくる側」へのキャリアパスが開かれています。 少数精鋭のAI企画集団を目指す挑戦をご一緒していきたいと考えており、以下を現在のメンバーがすでに取り組んでいます。こちらの取り組みもご一緒していくことができればと考えています! ソリューション企画・実提案(すでにエンジニアメンバーが提案メニュー作成中) - 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 - AIネイティブな組織づくり 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

エイジレスの人材紹介業務を支える自社システムのプロダクトエンジニアとして、担当範囲内の業務テーマや機能について、現場の課題理解から設計・実装、本番運用、効果検証、改善までを一貫して担当していただきます。 【具体的な業務内容】 ・業務担当者へのヒアリング、業務観察、利用データの分析を通じた課題の整理 ・担当機能における業務フロー、UI、データモデル、業務ルールの提案 ・フロントエンドからバックエンドまでを含むWebアプリケーションの設計・開発 ・生成AIを組み込んだ機能や業務自動化のプロトタイプ開発、精度検証 ・候補者、求人、選考などのコアデータの品質・信頼性を高めるための機能開発 ・コードレビュー、テスト、リリース、モニタリングを含む継続的な運用 ●開発環境 ・フロントエンド:Next.js, TypeScript, MUI ・バックエンド:Node.js, TypeScript ・データベース:SQL Server / PostgreSQL ・インフラ:AWS(ECS, Fargate, ECR, RDS, S3) ・AIツール:Codex, Claude Code, Cursor など ・その他:GitHub Actions, Docker, Linear, Slack, Google Workspace, Notion ※SQL Server→PostgreSQLへ移行中 ●チームについて CTO直下の正社員エンジニア2名で構成されるチームです。現在、3人目となるメンバーを募集しています。 専任PdMはおらず、開発メンバーが業務部門と連携しながら課題の特定、優先順位づけ、設計、開発、運用、改善を担います。フロントエンドやバックエンドといった職能で担当を固定せず、機能単位でフルスタックに開発しています。 チームのミッションは、事業部の粗利目標達成をAI×システムで牽引することです。「AI活用による営業の生産性向上」が重要テーマであり、システム開発だけでなく業務オペレーションを設計し、現場で使われ、成果が生まれるところまで責任を持つチームです。 ・開発した機能が実際に現場で使われているか ・システムを継続的かつ安全に変更できる状態になっているか ・技術的な改善が開発速度や営業生産性、粗利などの数値に変化を生み出しているか こうしたアウトカムまで見届け、必要な改善を続けることを開発チーム共通の責任としています。

●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。

当社の強みでもある「AI駆動開発エンジニア向け研修」の講師と、受講したエンジニアのトレーナーとして、技術力アップの伴走支援をお願いします。 基本形式としては、 ・カリキュラムは、TypeScript や Python 等、AI Friendly な言語での開発がメインです ・受講生からのリアルタイムなリクエストやカスタマイズ要望への回答対応いただきます 対象となる受講者は、 プログラミング経験があり、仕様書があれば基本的なコードの読み書きや単体テストができる「第二新卒を少し超えたレベル」のエンジニアです。 意欲ある若手が力をつけて成長していくプロセスを作り出していただく、成長の角度を上げていただくことができるポジションです。

【業務概要】 三菱UFJフィナンシャル・グループ(以下、MUFG)のデジタルトランスフォーメーション(DX)推進を、グループ会社として内側から支援し、クラウド / データ / AIを活用した新しい業務体験・顧客体験の創出を実現します。 今回募集するソリューションアーキテクト(インフラアーキ)は、MUFGグループ各社に対してアーキテクチャの検討、企画・提案活動を行い、プロジェクトにおける技術リードを担当するポジションです。特に、組織内にAIツール / AIエージェント / LLMプロダクトを構築・展開するためのAIプラットフォームの全体設計を専門とします。また、AI / LLM領域に限らず、クラウドプラットフォーム全般の全体設計や個別プロダクトのクラウドアーキテクチャ策定も担当します。 ※異業界出身者歓迎(これまでのご経験をぜひ金融領域で活かしてください) 【職務内容】 ・AIプラットフォーム / クラウドインフラの全体設計を専門とするインフラアーキテクト ・要件が柔らかい構想段階からMUFGグループ各社・各部における検討に参画。ビジネス特性を踏まえたシステム要求・制約事項を整理(状況に応じて、JDDのDXコンサルタント等と協働) ・最新の技術動向を踏まえた初期的な全体アーキテクチャの策定・提案、開発規模見積による案件立ち上げの推進 ・金融グレードの統制・セキュリティ要件を満たすアーキテクチャを策定し、セキュリティ所管部等への技術面の説明責任も担う ・案件立ち上げ後はアーキテクトとして設計指針を策定、インフラエンジニア等とともにアーキテクチャの決定と実装をリード 【会社とメンバー】 Japan Digital Design(以下、JDD)は、MUFGグループ各社に対して金融ソリューション事業を展開しています。 JDDのミッションは「金融の新しいあたりまえを創る」です。JDDの考える「金融の新しいあたりまえ」は、「データと顧客価値の循環」と定義しています。安心・安全な環境でデータを収集・学習し、顧客の需要を知り、使いやすいデザインでサービスを届け、その効果をデータで測る。これら一連の循環を素早く行うことがJDDの目指す価値創出です。 生成AIやAIエージェントの進化により、金融業務・顧客接点・社内オペレーションのあり方は大きく変わりつつあります。JDDでは、金融機関に求められる安全性・信頼性・説明可能性を重視しながら、AIエージェントを活用した新しい業務体験・顧客体験の創出に取り組んでいます。 メンバーとしては、金融業界の経験者に限らず、大手IT企業やクラウドサービス事業者、優れたスタートアップからも経験豊富な人材が集まっています。ビジネス開発、データサイエンティスト、UXデザイナー、ITアーキテクト、Tech PM、インフラエンジニア、ソフトウェアエンジニア、セキュリティエンジニア等の専門人材でプロジェクトごとにチーム編成し、金融機関の各種課題を解決していきます。 【カルチャー】 ・フルフレックス・フルリモート可能な柔軟な働き方(地方からの勤務も可能ですが、対面が有効な場面ではJDDやMUFG各社のオフィスにスポットで出社することはあります) ・職種横断でプロダクトや業務課題に向き合うチーム開発文化 ・新しい技術を実際の金融業務・金融サービスに適用するチャレンジを歓迎 ・AI、クラウドなど先端領域に自由に触れながら実務で成長できるIT環境 ・コーポレートカルチャー推進のためのプログラムが充実 【技術スタック】 クラウドインフラ/IaC ・Amazon Web Services / Google Cloud / Microsoft Azure ・Databricks ・Terraform / AWS CDK コミュニケーションツール / 開発ツール / AIツール ・Slack / Microsoft 365 など ・GitHub Enterprise Cloud / JIRA / Confluence など ・Claude Enterprise(Claude Code)/ ChatGPT(Codex)など ※既存プロジェクトにおける主な利用技術だけを記載しており、プロジェクト特性・システム特性に応じて最適な技術スタックを選定します ※変更の範囲 業務:会社の定める業務

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。

【職務概要】 SEQSENSEは、AIを搭載した自律移動型警備ロボットの開発を通じて、警備業界の人手不足や業務効率化といった社会課題の解決に取り組むロボティクス企業です。 近年急速に進化する生成AIやVision Language Model(VLM)の技術を活用し、ロボットによる高度な状況認識や自律判断を実現することで、次世代の警備サービスの創造を目指しています。 本ポジションでは、AI・VLMを活用した新機能開発の責任者として、技術戦略の策定からアーキテクチャ設計、開発チームのリードまで幅広く担っていただきます。 【具体的には】 ・警備ロボサービスにおける、AI・VLMを活用した新機能の開発統括 ・アプリケーション全体の方向性決定 ・ユーザーニーズ・市場動向を踏まえた機能ロードマップの策定 ・プロダクトオーナーおよびステークホルダーとの要件合意 ・アーキテクチャの統括 ・クラウド(AWS/GCP)とエッジデバイスを組み合わせたシステム設計 ・スケーラビリティ、セキュリティ、可用性を考慮したインフラ設計 ・VLMを活用したリアルタイム映像解析基盤の設計・レビュー ・開発チームのリード ・エンジニアへの技術方針の展開・レビュー ・外部ベンダー・研究機関との連携マネジメント

●Summary マルチプロダクト戦略のもと、当社では会計・人事労務をはじめとする業務データが数万以上のテーブルに蓄積されています。 しかし、社内の活用しやすいデータモデル、コンテキスト等の整備、データ配信システムは発展途上にあります。 特に社内での新しいビジネスモデルとなる事業や、新規プロダクト・新規事業の場合は、ステークホルダーと要件を作りながら、データ収集から活用まで一気通貫でデザイン・実装できる役割が必要です。 また、個別の新規事業における0→1の取り組みを実現しつつ、そこから得られた知見を全社の資産として還元していくことも、筋肉質なデータ組織のために重要となります。 本ポジションでは個別領域のデータ活用に深く入り込み、課題解決に向き合いつつ全社アセットへの還元までを担う方を募集します。 ●課題 freeeには幅・量ともに豊富な業務データが蓄積されています。 一方で、新規の取り組みにおいては、データを用いた分析から活動へどう接続させていくか。分析のインプットとなるとなるデータ自体の収集や、メトリクスの設計など、データ収集から活用まで全体を設計しつつ、パイプライン・ダッシュボードの開発を行うことになります。また、このような取り組みによって得られた知見を構造化し、本流である業務データの活用へどう接続するか、プロセス改善に活かし、資産としての蓄積も同時に行う必要があります。 ●今後取り組みたいこと 個別のデータ活用企画を成功に導き、顧客への価値提供、ビジネス的な価値の実現を取り仕切りきると同時、その過程で得られた知見や成果物が雲散霧消することなく、積み上げ式での再利用可能な資産としての蓄積も同時に行いたいことです。個々のドメインにおける施策実現というレーンと中央的なデータ資産の蓄積の両輪を回し続け、単発的な施策実行に終始することなく、筋肉質なデータ活用ができる組織を目指しています。本ポジションでは、ステークホルダーやデータアナリストと協働しながら、個別のデータ分析・活用施策を実現するとともに、全社データモデルやセマンティックレイヤー、コンテキストレイヤーやデータ活用のプロセスへの知見の還元をお任せしたいと考えています。 ●業務内容詳細(ミッション) ・担当領域におけるデータ活用の企画・推進 freeeプロダクトやBPaaS領域のオペレーションに深く入り込み、PM・サクセス・データアナリスト等のステークホルダーと協働しながら、プロダクトKPIやオペレーション計測・改善上の課題、データ活用機会を発見・定義する。実データを用いて実現可能性を検証し、必要なデータソース、メトリクス、データ提供方法を設計したうえで、取り組みの優先順位やロードマップを具体化する。データアナリストと協働しながら、データパイプライン、データモデル、セマンティックレイヤー、ダッシュボード等を設計・開発し、分析・意思決定やプロダクト・業務上のアクションにつながるところまで推進する。リリース後の安定運用や利用状況を踏まえた改善、利用者がセルフサービスでデータを活用するための環境整備・イネーブルメントまで継続して担う。 ・データパイプライン・データ提供機能の設計・開発・運用 dbt等を用いて、担当領域に必要なデータの収集・統合・変換・提供に関わる仕組みを設計・開発・運用する。 Google Cloud上の既存のIaCコードやモジュールを理解し、担当領域に必要なインフラ変更を安全に設計・実装・運用する。 テスト、データ品質管理、モニタリング、ドキュメンテーション等を整備し、利便性の高いデータを安定的・継続的に提供できる状態をつくる。Reverse ETLやAPI等を通じたWebアプリケーションへのデータサービングについても、チームのエンジニアと協働して設計・実装する。 ・全社で再利用可能なデータアセットへの還元 個別領域で生まれたデータモデル、加工ロジック、インタフェース、ドメイン知識を構造化・汎用化し、全社で再利用可能なデータアセットへ還元する。全社データモデル、セマンティックレイヤー、コンテキストレイヤー、データカタログ、ドキュメント等の整備を、データ基盤・データマネジメント等の関係チームと協働して進める。個別の取り組みで得た成果や学びを継続的に蓄積・再利用できるよう、データ活用のプロセスやアーキテクチャの改善を提言し、定着まで推進する。 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

配属先・ポジション 【AI研究部/アソシエイトマネージャー】 AI技術に先行研究および自社プロダクトの開発を担う部門。管理職1名、エンジニア5名の構成。博士号を持つアソシエイトプロフェッサーが在籍し、産学連携を推進。 仕事内容 生成AI/大規模言語モデル(LLM)を活用したシステム開発プロジェクトへの参画・FastAPIを用いた品質重視のREST API設計・実装・運用。　 ・生成AI/LLMを活用した新機能の企画・開発・改善　 ・pytestやPlaywrightを使ったユニットテスト・E2Eテストの設計/実装　 ・mypy・ruff などによる型チェック/Lint/静的解析によるコードクオリティ維持　 ・AWS(EC2・Lambda・S3・RDSなど)を活用したクラウドインフラ設計・構築・運用 ・生成AIによる業務自動化システム(電話応対・チャット応答・議事録など)構築 ・言語:Python3 ・フレームワーク:FastAPI ・開発ツール:mypy、ruff、uv、VSCode、GitHub Copilot ・バージョン管理:Git / GitHub ・テスト:pytest、Playwright など ・CI/CD:GitHub Actions、AWS CodePipeline ・インフラ:AWS(EC2 / Lambda / S3 / RDS …)

●このポジションの3つの特徴 ①AIツールが「例外」ではなく「標準」の開発環境 Cursor・Claude Code・GitHub Copilot・Codex・Dify などを日常の開発プロセスに組み込んでいます。 「使ってもいい」ではなく「使うことが前提」の現場です。 ②スキルレベルに応じて上流から下流まで幅広く活躍できる環境 PM・PL・SE・PGまで、これまでのご経験に応じたポジションをご用意。 初級者は下流工程からスタートし、段階的に上流へとステップアップしていくことも可能です。 ③先端技術を駆使したマルチテック人材キャリアを用意 AI駆動開発を含む多岐にわたる先端技術を習得いただき、マルチテックな人材を目指していただきます。 ●お任せしたいこと AI駆動を前提としたWebシステムやモバイルアプリ開発に携わっていただきます。 「言われた通りのコードを書く」のではなく、AIツールを使いこなしながら、ご自身のスキルレベルに応じて上流の課題整理から設計、実装、運用改善まで幅広く担当します。 Cursor、Claude Code、GitHub Copilot、Codexなどを活用して、上流～下流までを担当し、AI駆動開発のノウハウ・経験やナレッジを積み上げ、組織内に共有いただきます。 ●あなたのこれまでの経験が活きる理由 これまで培ってきたシステム開発の経験は、AI駆動開発の環境下でさらに大きな価値を持ちます。 AIが生成したコードの妥当性を判断し、設計の誤りを見抜けるのは、システムが動く仕組みを実務で理解している方だからです。 さらに、すでにお持ちのAI駆動開発の経験を活かし、チームを牽引する、あるいは幅広いフェーズでご活躍いただくことを期待しています。 ●この経験が、これからの市場でどう効くか 生成AIが要件定義・設計・コード生成・テストの広い範囲を担うようになり、「言われたものを実装する力」だけでは市場価値を保ちにくい局面に入っています。 一方で、AIの出力を設計の観点から評価・統制できる人材はまだ絶対数が少ないため、あなたがすでに持っている開発経験とAIツールの知見をさらに磨き上げ、市場価値を確固たるものにするためのポジションです。 ●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

●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

当社グループの事業 ・当社は「システム」「リサーチ」「コンサルティング」の3つの分野を柱に、社会に対して新たな価値を創出する総合シンクタンクです。 ・高い専門性と豊富な経験、さらに3つの機能の相互連携をもとにした付加価値の高い情報サービスを、国内外を問わず幅広い社会、業界、企業に提供しています。 採用部門 採用部門概要 ・Fintechという言葉に象徴されるように、テクノロジーの急激な進歩が、金融業界に大きな影響を及ぼし始めています。グループの先端IT技術の研究・開発を担う当社では、変化する証券ビジネスの新潮流を捉え、価値ある技術の開発に取り組んでいます。 ・例えば人工知能(AI)技術のビジネス活用。最新の機械学習アルゴリズムを取り入れた独自の株価予測は、個人投資家向けサービス「AIによる選定銘柄」として大きな反響を呼んでいます。 ・一方、次世代の金融基盤として注目を集めるブロックチェーン技術の実証実験では、新興国の証券市場における当技術の優位性を世界で初めて示し、レポートを公表しました。更に、国際的に有名なブロックチェーンコンソーシアムへ国内外大手金融機関と共に参画しながら、進化を続けるこれらの技術を追求し、積み上げた知見と技術をもって実用化に向けた検討を進めています。 求人の概要 効果的なビジネス改善を実現するためには、テクノロジーとビジネスプロセスは切っても切り離せません。フロンティア研究開発センターでは、最新のITテクノロジーとユースケースの調査・研究開発を行い、ビジネスに適用して成果を向上させることを目指しています。 - 当センターのAI/データサイエンス研究開発チームは、先進ITテクノロジーとユースケースの研究開発部門の一部です。 - 基礎研究よりも応用研究に重点を置き、最新テクノロジーを迅速に取り入れ、具体的なクライアント企業や社会の課題を解決する新しいAIソリューションの調査・企画・研究・開発・ビジネス実装・プロダクト化を行います。 - 特に、機械学習モデル、自然言語モデル、マルチモーダルモデル、生成AIなど、データサイエンステクノロジーの調査/企画/研究/開発/ビジネス実装がミッションです。 業務の詳細 - AI/機械学習モデルによりビジネス改善をもたらす、新たなメソドロジーやプロダクトの研究開発に、データサイエンティスト/AIコンサルタントとして従事いただきます。 - 研究開発は、グループ各社やグループ外の大企業と共同で推進し、企業向けのAIシステム構築業務へと展開する場合もあります。 - 社内外の関係者と円滑にコミュニケーションを取りながら、様々な課題に対して主体的/自律的に行動し、技術のプロフェッショナルとして、スピード感をもった課題解決に取り組んでいただきます。仮説検証を繰り返しながら、ステークホルダーと折衝を重ねつつ、AIソリューションを作り上げていくことがミッションです。 - 以下のような活動をチームメンバーまたはチームリーダーとして遂行していただきます。 - 先進ITテクノロジーの適用を前提とした、顧客企業の課題解決を可能とするAIソリューションの研究開発 - リサーチ、分析設計、データ加工、データ分析、モデリング、モデル評価、ビジネス効果シミュレーション - 顧客折衝、企画、AIプロダクトの実装と評価、ビジネス適用、PoCの実行 - AI/データサイエンス関連のシステム構築(主にパブリッククラウドを利用、AIエンジン部分中心) - 先進ITテクノロジー、オープンソース、既存プロダクト、既存サービス、事例のリサーチやハンズオン検証 - プリセールスおよび社内情報連携目的のデモアプリ構築 - 調査や研究開発成果の社内外への情報発信 AI研究開発プロジェクトの企画からビジネス適用まで、ひとりですべてを担当するのではなく、それぞれ強みを持ったメンバーがチームを組んでプロジェクトを遂行していきます。入社後はご経験や強みのある分野、目指すキャリアに応じて担当プロジェクトを決定していきます。 具体的な担当案件の例 - 機械学習関連論文の調査、評価、ハンズオン検証、ノウハウ展開。 - 機械学習関連オープンソースの調査、評価、ハンズオン検証、ノウハウ展開。 - 最新クラウドサービスの調査、評価、ハンズオン検証、ノウハウ展開。 - グループ内におけるAIシステムの研究開発、構築。 - グループ外の企業向けのAIプロダクト研究開発。 - 金融業界各種企業向けAIプロダクト - 通信業界各種企業向けAIプロダクト - ヘルスケアデータを活用した人事部向け経営最適化AIソリューション - 自律的生成AIソリューションの研究開発。 - 研究開発成果の社外発信。講演、書籍執筆、論文執筆、メディア露出など。 - 社内のシステムエンジニアを対象とした、AI教育と育成。 選考前の面談および選考プロセスを通して、ご経験およびキャリア志向を踏まえ、アサインする案件についてご相談させていただきます。またご入社いただいた後も、ポジション変更の機会を適宜設けながら従事していただく予定です。