データ・AI・機械学習(GitHub Actions)の求人・転職情報

株式会社BuySell Technologies

業務内容 【ご入社後に期待する成果】 ・〜6ヶ月後:特定ドメイン(例:査定・CRM・物流)をリードエンジニアとして牽引 ・〜1年後:AI・自動化技術を活用した生産性10倍化プロジェクトの中心を担っていただき、開発スピードと品質を両立し、チーム全体の技術生産性を底上げ 【職務内容】 ■リユースプラットフォーム「Cosmos」の開発チームのリード リユースプラットフォームCosmosは「日本全国誰もが簡単にリユースにアクセスできる世界の構築」をビジョンとして想い描いています。 事業理解と共に、プロダクトと関わるメンバーのサポートをお任せいたします。 ・Cosmosのサブプロダクトのフロントエンド開発 ・EM・PdMと協力して、高品質なプロダクトを目指す取り組みや仕組みづくり ・DX(Developer Experience)向上や技術的負債解消の計画と実行 ・フロントエンド領域でのアーキテクチャ設計構築や技術選定 ■フロントエンド領域での横断的な取り組み 取締役CTOの今村が着任以降、エンジニア組織は35名から90名まで増加しており、今後も拡大を予定しています。 一方でプロダクト品質や開発生産性を維持することへの課題が顕在化し、組織全体としてエンジニアスキルのレベルアップが求められています。 次世代のテックリードを創出すべく、CTOやEMと議論してより良い組織づくりへもご助力いただきたいです。 ・開発ガイドラインの策定 ・オブザーバビリティ・モニタリングの強化 ・AI活用を前提とした開発体制の構築 【組織/配属先の特徴】 ・CTOや本部長(プロダクト責任者)と密接に連携 ・PdM・SWE・データサイエンティスト・AIエンジニアなど100名規模の技術組織 ・PdM・AIエンジニア・SREと協働し、事業課題に直結する開発を推進 ・AIによるコーディング率46.07%、開発量+41%など、生産性改善を定量管理 ・開発生産性への意識が高く、フルスタックな働き方が好まれる ・仕様がトップダウンで降りることはなく、エンジニアが「なぜつくるか」を理解して開発 ・業務を通して得た知見をtech blogや外部登壇で発表することを推奨 ・1プロダクトあたり10人未満のチーム構成

株式会社ディー・エヌ・エー

●仕事概要 DeNAでは、AIネイティブな新規事業を次々と立ち上げています。 生成AIを活用した言語学習、受験学習の伴走型コーチング、AI×ゲームによる新しい体験など、その領域は多岐にわたります。 本ポジションは、AI技術開発部のソフトウェアエンジニア(LLM)として、これら複数の新規事業のいずれかに入り、LLMを活用した機能・ワークフローの開発と継続改善を担うポジションです。 業務では、サービス開発の現場に密に入り、PdMやフルスタックエンジニアとワンチームで、複雑なLLMワークフローの設計・実装、プロンプトとワークフローの改善、評価ハーネスやログ基盤の整備を担います。 作って終わりではなく、実ユーザーに提供されるプロダクトの中で、出力品質・応答速度・コスト・安定性を粘り強く改善していくことを期待しています。 必要に応じて、推論基盤、ファインチューニング用の実験・実行環境、GPUワークロード基盤など、LLMプロダクトを支える基盤領域にも関わります。 ●職務詳細 ご自身のスキル適性や志向性を踏まえ、以下のいずれかのプロジェクトでLLMワークフロー開発とLLMOpsを担当いただきます。 ●展開中の主なプロジェクト例 ●AI英会話アプリ ・LLMによるシナリオ生成とエージェント技術を用いた、挫折しない言語学習体験の構築 ●AI受験コーチング ・手書き答案の思考プロセス分析と学習計画の自動最適化により、教育格差を解消する伴走型プロダクト開発 ●AIネイティブゲーム ・AIをゲームバランスや体験の核に据えた、新しいエンターテインメントの創造 ●ミッション ・LLMプロダクトの「動く」を「ユーザー価値」に引き上げる ・個別プロダクトのLLMワークフローを、実ユーザーの反応やログに基づいて継続的に改善する ・評価、ログ、推論、運用の仕組みを整え、データドリブンな改善基盤を作る ●業務内容 ●LLMワークフローの設計・実装 ・多段プロンプト、条件分岐、ツール呼び出し、エージェントワークフローの設計・実装 ・LangChain / LangGraph等を用いたワークフロー構築、既存ワークフローの改善 ・ストリーミング、コンテキスト長・出力トークン管理、リトライ、タイムアウト、フォールバックなどLLM特有の挙動を踏まえた設計 ・LLMマイクロサービスの実装 ・評価用・アノテーション用社内ツールの実装 ●プロダクト開発・運用改善 ・PdMや事業部エンジニアと連携した要件定義、コア価値・コアユーザーの探索 ・ユーザー体験上の課題がLLMワークフロー、UI/UX、サーバー、データのどこにあるかを切り分けるための仕組みづくり ・立ち上げ期は検証速度を重視し、運用改善期は保守性・スケーラビリティを高める開発 ・本番運用に必要なセキュリティ、権限管理、監査ログ、障害対応、コスト管理 ●LLMOps・評価基盤の構築 ・入出力ログ、ユーザー行動ログ、評価ログの収集・構造化・保存設計 ・評価データセットや評価ケースを用いた評価ハーネスの構築 ・LLM-as-a-judge、自動評価、回帰テスト、品質モニタリングの仕組み化 ・プロンプトやワークフロー変更の影響を定量的に確認できるCI/CD・検証フローの整備 ・レスポンス品質、レイテンシ、コスト、エラー率などの可視化・監視 ●利用技術・開発環境 ●開発言語 ・Python ・SQL ●LLM / AIアプリケーション ・OpenAI API、Anthropic Claude、Google Gemini、その他LLM API ・LangChain、LangGraph ・RAG、ベクトル検索、Embedding、AIエージェント ・LLM-as-a-judge ●インフラ ●Google Cloud ・Cloud Run ・Cloud SQL ・BigQuery ・Vertex AI / Agent Builder ・Cloud Logging ●Docker ●Terraform ●GitHub Actions ●開発支援ツール ・GitHub ・Claude Code ・Codex ・Cursor ・Devin ●業務内容 雇入れ直後　仕事概要に記載のある業務内容 変更の範囲　会社の定める業務

Sansan株式会社

●サービスについて AI契約データベースである、取引管理サービス「Contract One」は、企業の契約に関わるあらゆる意思決定を支援するデータソースとして機能します。契約データの活用は企業によりさまざまであり、あらゆるユースケースに対応するデータ表現、および検索インターフェースが「Contract One」の根幹となります。当社が長年培ってきたデータ化技術やオペレーション体制と、最先端AI技術や高度な情報検索領域のエンジニアリングを組み合わせることにより、他社では実現できない多くの機能がエンジニアの手によって開発されています。 ●組織のミッション 契約データを活用するためには単にデータを保持するだけではなく、情報要求に対して的確な応答を行うことが重要です。Contract OneのAI・検索チームは生成AIの回答、および検索品質に関してエンドツーエンドで責任を持ち、契約領域における品質課題をゼロにすることをミッションとしています。 ●具体的な業務 取引管理サービス「Contract One」において、根幹機能である生成AI・検索機能の改善を行います。UI/UXを含めた生成AI・検索体験の設計・実装・運用・評価・改善のすべてを担当します。 ・検索体験の向上 — サジェスト、ハイライト、ランキング、パフォーマンスなどを含む契約書検索体験の設計・改善 ・評価指標の設計 — 生成AI出力、検索品質の評価指標の設計と改善 ・可観測性の向上 — パフォーマンスメトリクス、検索品質、生成AI出力の継続的な評価と監視基盤の構築 ・AIエージェント — ランタイム、ループ設計、メモリ、ツールセットを含めたエコシステムの全体設計・基盤構築・運用 ●開発環境、使用するツールなど ・フロントエンド:TypeScript, React, Vite, Storybook, HTML, CSS ・サーバーサイド:Kotlin, Ktor, Spring Boot, Gradle, Python ・データベース:Cloud SQL(PostgreSQL), Elasticsearch ・運用・監視:Splunk, Cloud Logging ・CI:GitHub Actions, Cloud Build ・バージョン管理・コラボレーションツール:GitHub, Notion, Gather ・インフラ:Google Cloud(Cloud Run/Cloud Functions/Cloud Tasksなど), Cloudflare ●従事すべき業務の変更の範囲 会社の定める業務

フリー株式会社

●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

株式会社GROWTH VERSE

ご経験と志向性に合わせて、下記のような役割をお任せいたします。 【概要】 2024年にM&Aで獲得した「ミセシル」事業のエンジニアを募集しています。 ミセシルは3,000万人規模の位置情報データを扱う人流分析AI Agentです。 上記のデータを活用した分析プロダクトの開発を進めており、一緒に手を動かして事業を前に進めるメンバーを新たに迎えたいと考えています。 【主な業務内容】 3,000万人規模の位置情報データを活用し、商業施設向けの分析プロダクトを開発しています。今までのミセシルのダッシュボードを刷新していく開発と、新たに進めているPoC向けの新規開発の両方に携わります。 担当領域を技術で固定することはなく、プロダクトの状況に応じて、アプリケーション開発からデータ基盤の構築まで横断的に手を動かします。 並行して、稼働中の既存システムの安定運用・改善も担います。 ・ダッシュボードの刷新に向けた開発 ・PoC向けの新規開発 ・位置情報データを用いたデータ基盤の開発 ・稼働中の既存システムの安定化・改善 【技術スタック】 ・バックエンド:Python、FastAPI ・フロントエンド:TypeScript、React、Vite ・データ基盤:Snowflake、dbt ・データ取り込み:S3、Snowpipe、Snowflake Tasks ・データベース:Aurora PostgreSQL Serverless v2 ・インフラ:AWS(ECS、ECR、S3、Aurora)、Terraform、Valkey ・開発環境:GitHub、GitHub Actions、Docker、Claude Code

パーソルキャリア株式会社

●部門概要 私たちは、「AIと人の協調をデザインし、事業の進化と『はたらいて、笑おう。 』を加速する」をミッションに掲げています。 2030年に目指す姿は、 「テクノロジーにより支援の制約を取り払い、最速ですべての人にキャリア機会を提供すること」 です。 その実現に向けて、私たちはAIネイティブ企業への進化を推進しています。 配属先となる組織では、生成AI・データ活用・プロダクト開発を支える基盤技術を担い、事業とテクノロジーの両面から変革を推進しています。 本ポジションは、単なるクラウドインフラの運用担当ではありません。 全社のAI活用を支えるプラットフォームの設計・構築を通じて、データとAIを最大限活用できる事業基盤を実現する役割を担います。 ●これまでの取り組みと今後の方針 当社では、生成AI活用やデータドリブンなサービス開発を加速するため、全社規模でシステムアーキテクチャの進化を進めています。 <現在の課題> ・レガシーシステムと新しいAI基盤が混在している ・データ活用のための統合基盤整備が途上 ・プロダクトごとにインフラ運用やクラウド構成が分散している ・AI活用を前提としたアーキテクチャ標準化が必要 ・セキュリティと開発スピードの両立が求められている 今後は、「レガシー脱却」と「AIによる短期収益創出」を両立する2層並走戦略を推進しながら、 全社データを安全かつ一元的に供給するSingle Source of Truth(SSOT)の実現を目指します。 ●業務内容 <主なミッション> 2030年に向けたAIネイティブ企業への進化を支える基盤づくりがミッションです。 クラウドインフラ、統合データ&AI基盤、共通開発基盤の設計・運用を通じて、全社のAI活用を加速させるとともに、システム全体の可用性・拡張性・セキュリティを高い水準で実現します。 さらに、LLMOpsおよびPlatform Engineeringを推進し、事業部門や開発チームが新たなサービスやAI機能を迅速に提供できる環境を構築していただきます。 <具体的な業務例> ・AWSを中心としたクラウドインフラの設計・構築・運用 ・Databricksを活用したデータ基盤構築 ・AIアプリケーション実行基盤の設計 ・TerraformによるInfrastructure as Code推進 ・GitHub Actionsを活用したCI/CD構築 ・Kubernetes/ECSによるコンテナ基盤運用 ・Datadog、CloudWatch、Grafanaによる監視基盤設計 ・セキュリティ設計およびガバナンス強化 ・クラウドコスト最適化 ・アーキテクチャレビューおよび技術方針策定 ●技術スタック・関連技術 クラウド:AWS/Google Cloud/Azure コンテナ:Docker/ECS IaC:Terraform CI/CD:GitHub Actions 監視・ログ:Datadog/CloudWatch/Grafana データ・AI基盤:Amazon Bedrock/OpenAI API/Azure OpenAI Servic/Vector Database/Snowflake/Databricks ソースコード管理:GitHub

株式会社kubell

ChatworkおよびBPaaSの事業に貢献する顕在ニーズに応えるAIサービスやプロダクトの開発。 加えて、ニーズが顕在化していないプロダクトアウトアプローチによる中長期に向けた研究開発を行います。 プロダクトマネージャーは、要件定義からリリースまでのマネジメント・推進を担って頂きます。 ● AI基盤開発の推進 ● AIエージェントや機械学習等の仕組みを利用したプロダクト開発 ● 中小企業の経理・労務・人事のバックオフィス業務においてAIエージェントが効果的な業務を抽出 ● AIエージェント導入後のToBeの業務プロセスの具体化 ● バックオフィス業務のナレッジを活かし専門家からのヒアリングをもとにAIエージェントのプロンプトを作成生成AIおよびフロントエンドなど全体を設計 ● Dify/n8n等のAIエージェントのノーコードツールを用いたPoCの実行 ● AIエージェントを実装するエンジニア開発メンバーとコミュニケーションをしながら開発方向性をリード ● AIエージェントの運用と改善 ● 開発したAIエージェントに関する社内や顧客への導入推進 ● プロダクトおよびサービスの設計・開発・運用にエンジニアと伴走 所属部門・チーム ● Chatwork事業、BPaaS事業の開発とプロダクト組織が横断に関わる横断プロジェクトチーム ● AIベンチャーの上場経験があるAI活用の現実を理解するビズとエンジニアリングを両面対応できるメンバーが立ち上げ中のチーム ● AI開発のビズや開発、運用経験を持つビズメンバー、生成AIを中心としたエンジニアメンバー数名による一丸となった開発を進めるチーム ● LINEヤフー、グリー、グルーポン、リクルート、良品計画、富士通グループ、ABEJA、PwC、Laboro.AI、トライアルカンパニー、NRI、グラファーなど 技術スタック 【フロントエンド】 ・開発言語:TypeScript, Python ・フレームワーク:Next.js, Streamlit ・AI統合:Vercel AI SDK ・アプリ開発プラットフォーム:AWS Amplify, Firebase 【バックエンド】 ・開発言語:Python, TypeScript ・AIエージェント開発:LangChain, Dify, Strands Agents, Agent Development Kit (ADK), Mastra 等 ・ブラウザ自動操作:Playwright ・テスティング:pytest 【AI基盤】 ・生成AIプラットフォーム:Amazon Bedrock, Google Vertex AI ・AIエージェント運用基盤:Amazon Bedrock AgentCore, Vertex AI Agent Engine 【インフラ・DevOps】 ・クラウド:AWS, Google Cloud, GCP ・IaC (Infrastructure as Code):Terraform, AWS CDK ・CI/CD:GitHub Actions, AWS CodeBuild 【開発ツール】 ・バージョン管理:GitHub ・プロジェクト管理:JIRA ・ドキュメンテーション:Confluence, Miro ・コミュニケーション:Chatwork ・AIアシスタント:Cursor, Claude Code 等 ・仮想化環境:Rancher Desktop(AIアシスタントローカル実行環境)

三井住友カード株式会社

●配属部署 マーケティング本部　マーケティングユニット ●概要 全社横断のデータ利活用を推進するため、キャッシュレス決済データ(取扱高58.9兆円、会員数3893万人、月間数億件のトランザクション)に代表される社内外の膨大なデータを扱う、モダンかつスケーラブルな次世代データ基盤の構築・運用をお任せします。 ●仕事内容 具体的には、以下の業務を通じて、ビジネス部門や顧客向けのデータ利活用をエンジニアリングの側面からリードしていただきます。 ・データ基盤の設計/構築/運用:AWS、Snowflake、Databricksを用いた、スケーラブルで堅牢な全社向けデータプラットフォームのエンジニアリング ・データパイプラインの開発:dbtを用いたデータ変換(モデリング)の高度化、およびGitHub ActionsによるCI/CD環境の構築・自動化 ・データマネジメントの実装:メタデータ管理、データ品質、ガバナンスを担保したデータモデリングの実践 ・データ利活用の支援:Lightdash等のBIツールを用いたデータ可視化や、顧客向けデータ提供サービスのバックエンド実装支援 ・内製開発文化の醸成:技術選定や開発プロセスの改善を通じ、モダンな技術スタックを用いたアジャイルな内製開発チームのリード ●開発チームの環境・カルチャー 内製化を強力に推進するにあたり、エンジニアがパフォーマンスを最大限に発揮し、自律的に改善を行えるモダンな開発環境の整備を進めています。 ・コミュニケーションとナレッジ:Slackを用いたスピーディーなコミュニケーションと、Notionへのドキュメント集約による、透明性の高いナレッジ共有を徹底しています。 ・開発生産性の可視化/継続的改善:Findy Team+を導入してチームの開発パフォーマンス(Four Keysなど)を定量的に計測し、データに基づいた開発プロセス改善に取り組んでいます。 ・AIエージェントによる開発の加速: Claude Codeを活用したエージェントコーディングを導入開始しており、エンジニアがより本質的な設計やデータモデリングに注力できる環境づくりを進めています。

株式会社エンジニアのミカタ

首都圏、関西エリア(大阪・兵庫)を中心とした大手クライアント先にて、生成AI・LLMを活用したシステムの設計・開発から、クラウドインフラ構築・アーキテクチャ設計までを一貫して担当いただきます。 ・LLM/生成AIを活用したシステム開発(AIエージェント、RAG、自動化ツール等) ・AIコードレビュー・CI/CDパイプライン高度化等によるDevEx(開発体験)向上の推進 ・クラウド基盤(AWS/Google Cloud等)の設計・構築、Terraform等を用いたIaC化 ・Clean Architecture/DDD/マイクロサービス/モジュラーモノリス等を用いたアーキテクチャ設計

キャディ株式会社

●期待する役割 Enterprise Solution 部において、ソリューション提供における Technical PdM としての役割を担っていただきます。 本ポジションでは、大きく2つの軸で「何を作るか」の意思決定を主導していただきます。 1つ目は 個社ソリューションの企画・推進 です。顧客の経営課題を深く理解し、課題の発見・仮説立案・ソリューション企画・優先順位づけを行い、エンジニアリングチームと協働してソリューションを形にしていきます。 2つ目は ソリューションプラットフォームの設計・構築 です。ソリューション数の増加に伴い、プラットフォームとして実装すべきコア機能と、ソリューションごとの Configuration で実現する部分の境界を設計し、スケーラブルな基盤を構築します。 いずれの軸においても、ビジネス理解に基づいて自らプレイングし、ソリューション提供で得られた知見をプロダクトへ還流することで、全社レベルでの価値向上にも貢献していただきます。 ●想定される業務例 (以下に限定されるものではありません) ・顧客の経営課題に基づくソリューションのディスカバリー・企画・仕様策定 ・個社ソリューションのロードマップ策定・優先順位づけ・進捗管理 ソリューションプラットフォームのコア機能定義・ロードマップ策定 　-プラットフォームとして実装すべきコア機能と、ソリューションごとの Configuration で実現する部分の境界設計 ・定性・定量リサーチ(顧客ヒアリング・利用データ分析・問い合わせ分析など)の企画・遂行 ・ソリューション提供で得られた知見のプロダクトへの還流に向けた、他部署 PdM との協働 ・顧客および社内ステークホルダーとの調整・合意形成 ●所属組織について ・Enterprise Solution 部への配属を想定しています。 ・開発組織の全体像は[こちらのスライド](https://speakerdeck.com/caddi_eng/enziniaxiang-kehui-she-shao-jie-zi-liao)をご参照ください。 ●開発環境 ・バックエンド: Java, Python ・インフラ: Amazon Web Services,, Google Cloud, Google Kubernetes Engine, Anthos Service Mesh, Istio, Cloudflare, Argo Workflows ・Event Bus: Cloud Pub/Sub ・DevOps: GitHub, GitHub Actions, ArgoCD, Kustomize, Helm, Terraform, Datadog ・Data: AlloyDB for PostgreSQL, Apache Iceberg, Dagster, Polars ・開発ツール: GitHub Copilot, Claude Code, Devin ・コミュニケーションツール: Slack, Discord, JIRA, Asana, Miro, Confluence

株式会社BuySell Technologies

【ご入社後に期待する成果】 〜6ヶ月後: ・特定事業領域(例:査定・CRM・在庫)における業務課題を深く理解し、プロダクト課題を構造化 ・AI/データ活用で解決すべき課題と、PoC〜プロダクト化のロードマップを策定 〜1年後: ・AI/機械学習を用いた新機能・業務変革プロジェクトを主導 ・データ/AIチーム・SWE・事業責任者と連携し、AI活用の成功事例をグループ横断で展開 ・「事業×AI×プロダクト」の実装パターンを社内標準化 【職務内容】 ・各事業領域の業務プロセスを可視化し、課題を構造化(AI/データ観点を含む) ・AI/データ活用プロダクト(需要予測、査定モデル、業務自動化等)の企画〜要件定義〜プロダクト実装リード ・AIモデル開発の要件整理(学習データ要件、評価指標、MLOps連携) ・データ分析に基づく問題発見と改善案の策定 ・技術チーム(SWE・AIエンジニア、データサイエンティスト)との連携によるリリースマネジメント ・グループ横断でのプロダクトガバナンス・優先順位管理 ・社内ステークホルダー(営業・オペ・経営企画など)との合意形成 【組織/配属先の特徴】 ・CTOや本部長(プロダクト責任者)と密接に連携 ・PdM・SWE・データサイエンティスト・AIエンジニアなど100名規模の技術組織 ・PdM出身者例:元リクルート・大手事業会社など、事業理解×推進力の強い人材が活躍中 【あなたに提供できる価値】 ・事業と直結したプロダクトマネジメント経験 ・AI・データを活用した実業変革の経験 ・戦略から実行まで裁量を持って動ける環境 ・経営層との距離が近く、意思決定スピードが速い 【プロダクト開発環境】 ・開発言語:Golang, React.js(Next.js), TypeScript ・インフラ:GCP(Cloud Run, BigQuery, Cloud SQL...), Terraform, Docker ・CI/CD:GItHub Actions ・テスト:MagicPod, Storybook ・バージョン管理:GitHub ・エラー管理:Sentry ・APM:NewRelic ・開発生産性管理:Findy Team+ ・課題管理:Jira ・ドキュメント管理:Confluence ・その他:Elastic Cloud, Terraform Cloud, Chromatic

キャディ株式会社

●このポジションのミッション 「図面・3D CAD・テキスト等の多種多様な製造業データを統合的に理解・対応付けできる独自のAI基盤を研究・実装し、設計レビューや品質判断といった顧客の重要な意思決定の質を劇的に向上させること」 ※半年〜1年程度の研究開発計画における意思決定と成果責任を担い、要素技術の開発にとどまらず、自ら適切な研究のスコープを定義し、プロトタイプ実装、PoC、実データ上での価値検証までを一気通貫でリードしていただきます。アウトプットの一形態として論文執筆等の学術的貢献も推奨しますが、本ポジションにおける最大のミッションは「生み出した研究成果を、PdMやエンジニアとの連携を通じて事業価値へ接続すること」にあります。 ●このポジションの業務例 以下に業務例を示します。実際の業務はこれに限定されるものではありません。入社後の業務内容は、技術や専門知識、経験等を考慮のうえ決定します。 【業務例1】3D幾何形状の詳細な認識と2D/3D統合モデリング 汎用AIでは捉えきれない、製造業特有の複雑な幾何情報(2D/3D)の深い理解と表現学習に取り組みます。3Dデータから製造・設計上意味を持つ局所的な特徴を抽出し、幾何的・意味的側面を統合するモデリングや 、図面上の多様な要件(寸法、公差、注記等)を3D空間の要素と高度に対応付けるための基盤技術の研究開発をリードしていただきます 。 【業務例2】製造業特化のVLM改善とマルチモーダル基盤構築 図面や3D CAD、テキスト(仕様書や不具合報告等)を横断して検索・推論するためのマルチモーダル埋め込みモデルを開発します。また、既存の汎用VLMが抱える言語偏重のバイアスを解消し、図面上の微細な記号や空間的な配置を正確に推論するための独自ベンチマークの継続拡張や、類似図面検索・寸法漏れ検出モデルの継続的な性能改善(Post pre-training等を含む)を担当します。 【業務例3】研究成果の事業実装とPoC検証による価値創出 開発した2D/3D認識技術を活用し、実際の業務課題(例:特定の局所形状に起因する不具合リスクの予測や、コスト増加箇所の特定など)に対するモデル学習とPoCを推進します 。PM、ソフトウェアエンジニア、ドメインエキスパートと密に連携し、「モデルの精度検証」にとどまらず、顧客の意思決定の質向上や業務時間短縮といった具体的な事業価値へと繋げる製品化の橋渡しを行います。その際、推論やデータ作成にかかるコスト・予算を考慮した費用対効果の高い技術選定や、研究開発におけるリスクマネジメント(代替プランの検討等)も主導します。 ●参考資料 [製造業×AIの最前線:キャディが挑む研究課題と、CV・AIの「いま」が交わる場所](https://caddi.tech/2026/03/10/110057) [製造業の課題解決に向けた機械学習の活用と、製造業特化LLM開発への挑戦](https://speakerdeck.com/knt44kw/zhi-zao-ye-noke-ti-jie-jue-nixiang-ketaji-jie-xue-xi-no-huo-yong-to-zhi-zao-ye-te-hua-llmkai-fa-henotiao-zhan) [CADDi Tech ](https://caddi.tech/) [企業向けソフトウェアの新しいバンドルとアンバンドル(AIの台頭を受けたプロダクト戦略)](https://note.com/yosukeshirai/n/nc993ecff8c13) [AI時代を生き残る、次世代のエンジニアに必要なこと](https://newspicks.com/news/14438945/body/?ref=book_4394) ●会社の雰囲気を知るために: [【第1回】キャディ赤裸々会!(CEO加藤, CHRO幸松出演)](https://www.youtube.com/watch?v=xAkk2x7o288) [【キャディCPO×VPoE対談】グローバルに挑むプロダクト/組織づくりのあれこれ](https://www.youtube.com/watch?v=ywnYuwhlVZo) 開発組織全体では、エンジニア・デザイナー・プロダクトマネージャーが機能開発(図面活用・検索・見積等)、データ基盤、機械学習/MLOps、Enablingなどのチームに分かれて活動しています。チームトポロジーの考え方を取り入れ、「各チームの裁量とスピード感」と「全体最適」の両立を目指しています。 Research Engineerが所属するResearchチームは、これら既存の組織に対して、高度なAI技術に対する専門性から中長期的な影響を与え、全社の技術的優位性(Moat)構築を牽引するためのチームです。 ●開発環境 言語 フロントエンド:TypeScript バックエンド:Rust, TypeScript, *Python* フレームワーク・ライブラリ フロントエンド:React, Next.js, WebGL, WebAssembly バックエンド:Rust (axum), Node.js (Express, Fastify, NestJS), *PyTorch* インフラ:*Google Cloud*, Google Kubernetes Engine, Anthos Service Mesh データベース・データウェアハウス:CloudSQL(PostgreSQL), AlloyDB, Firestore,* BigQuery* API:GraphQL, *REST*, gRPC 監視・モニタリング:Datadog, Sentry, *Cloud Monitoring* 環境構築:*Terraform* CI/CD:*Github Actions* 認証:Auth0 開発ツール:*Claude Code, GitHub, GitHub Copilot*, Figma, Storybook コミュニケーションツール:*Slack*, Discord, *JIRA, Miro, Confluence* ※特に関係するものを太字にしています

株式会社ACES

本ポジションでは、ACESが推進する「AI OS」構想において、Data Layerの責任者として、設計・構築・案件適用・型化までを一貫してリードしていただきます。 AI OSは、Data Layer / Knowledge Layer / Agent Layer など複数のレイヤから構成されており、特にデータを起点としたAI活用を成立させるためのData Layerを重要な基盤と位置付けています。 現在ACESでは、このData Layerを専門的に担う責任者ポジションが存在しておらず、本ポジションはその中核を担う新設ポジションです。 単なるデータエンジニアリングに留まらず、 ●AI OS全体(Knowledge Layer・Agent Layer)との接続性 ●クラウドを前提としたITアーキテクチャ設計 ●実案件への適用を通じた再現性の高い型化 といった観点を持ち、「構想」と「現場実装」を往復しながら、ACESにおけるデータ活用の中核をつくる役割です。 所属は研究開発チームとなりますが、短期的にはDXパートナーサービスへの関与も多く、事業横断的に活動いただくポジションです。 具体的な業務内容 ●AI OS(Data Layer)の設計・構築 AI OS構想におけるData Layerの設計・技術選定 Databricks・Snowflake等のモダンなデータスタックを活用したデータ基盤設計 Knowledge Layer・Agent Layerとの接続性を考慮したデータアーキテクチャ設計 Azure / AWS / GCP 等のパブリッククラウドを前提とした周辺アーキテクチャ設計 データ連携、権限管理、セキュリティ、運用設計 等 ●プロジェクトへの適用・実装推進 DXパートナーサービス事業案件および社内プロジェクトにおけるData Layerの設計・構築・実装 設計範囲を超えた技術的課題への対応、現場適用可能性の向上 データ基盤に関する方針決定およびプロジェクト内での技術リード ●知見の型化・社内展開 プロジェクトを通じて得られた知見のドキュメント化・型化 Data Layerの実装ガイドライン、再利用可能な開発モジュールの整備 社内向けのナレッジ共有、教育、浸透施策の企画・実行 ●推進体制の構築(協働) 外部パートナー(データ領域)との協業体制の設計・運用 内製・外製の方針設計とプロジェクト品質・スピードの両立 研究開発チームのマネージャーやDXパートナーサービス PMと連携した推進 キャリアパス 入社直後から、ACESにおけるデータ領域の責任者としての役割を担っていただきます。 中長期的には、AI OS全体を見渡したより戦略的な技術ポジションや、事業・組織レベルでの意思決定に関わる役割への拡張も期待しています。 開発環境・技術スタック(一例) クラウド:Azure / AWS / GCP データ基盤:Databricks / Snowflake 等 言語:Python IaC:Terraform CI/CD:GitHub Actions コード管理:GitHub ドキュメント:Notion コミュニケーション:Slack / Zoom ※案件・構想に応じて柔軟に技術選定を行います。

株式会社pragmateches

AI/Techコンサルタントが描いたビジネスソリューションの構想を、技術的に実現可能な、スケーラビリティと品質を担保したシステムアーキテクチャへと落とし込む技術的ポジションです。フルスタックの幅広い技術基盤を背景に、設計から開発、運用保守まで責任を持ち、システムデリバリー全体を牽引します。 ●経営・事業を支えるシステムアーキテクチャの方向性検討と設計 ●AI/MLを活用したシステムの技術選定、プロトタイピング、実装リード ●開発チームのリーダーとして、コードレビューや技術指導を実施 ●システムデリバリー経験を活かし、開発プロセス全体の生産性向上を主導 使用技術詳細 ●言語・FW・バックエンド: Python / Java / Rust / Go 等 ●フロント・バック: React / Next.js / Nuxt.js / Node.js / Express.js / Django / Spring Boot 等 ●AI/ML/RAG: TensorFlow / PyTorch / Hugging Face / LangChain / OpenAI API / Vertex AI / SageMaker / Elasticsearch ●インフラ: AWS / GCP / Azure / IaC (Terraform 等) ●その他: Docker / Kubernetes / GitHub / CI/CD (GitHub Actions 等) / 生成AIツール (ChatGPT / Copilot / Cursor / Claude 等) / その他データ処理・分析、メッセージング、ワークフロー、監視、セキュリティ等の各種ソフトウェア プロジェクト例 ・ヘルスケア業界: 社内基幹プロセスを担うWebシステム構築 ・エネルギー業界: 臓器システム刷新プロジェクト ・自治体: 警察システム刷新プロジェクト ・石油業界: 保全管理システム開発プロジェクト

株式会社メドレー

●具体的にお任せしたい業務領域は下記になります。 ・オンライン動画研修システムの開発に関わる業務全般 ・ユーザの利用状況の分析と改善案の提案、実施 ・プロダクトの安定稼働に必要な保守運用業務 ●使用技術 ・Node.js / TypeScript / GraphQL ・NestJS / Prisma.js / Hono ・Next.js / React / Apollo / TanStack Query, Router ・React Native / Expo ・PostgreSQL / OpenSearch / Redis / BigQuery ・AWS / AWS CDK ・Azure OpenAI ※業務の変更の範囲:会社の定める業務

株式会社豆蔵

<「AIを導入したい」だけで、本当に業務は変わるのでしょうか。> 現在、多くの企業で生成AIやAIエージェントの導入検討が進んでいます。 一方で現実には、「何から始めればいいのか分からない」「PoCは実施したが業務へ定着しない」「現場で使われない」といった課題が数多く発生しています。 AIは、導入するだけでは価値になりません。 業務を理解し、課題を整理し、適切なプロセスへ組み込み、現場で使われ続ける状態まで設計してはじめて、事業価値へつながります。 豆蔵のAIエンジニアは、単なる“AIツール導入支援”を行うポジションではありません。 顧客の業務課題へ深く入り込み、AI・データ・業務プロセス・システム構造を整理しながら、「AIをどう使うべきか」から実装・定着までを一気通貫で支援します。 また、ITエンジニアとしてのバックグラウンドを活かしながら、顧客との対話・課題整理・提案・設計へと役割を広げていけることも特徴です。 「実装するだけ」から次のステージへ進みたい。 「技術」と「業務」の両方を理解できる人材になりたい。 そんな想いを持つエンジニアを歓迎しています。 <このポジションの位置づけ> ●“AIを使う”ではなく、“AIで業務を変える” 豆蔵は、AIツールの導入だけを行う会社ではありません。 顧客の経営・業務課題へ入り込み、AI戦略・業務設計・AIアーキテクチャ・システム実装・内製化支援までを一気通貫で伴走しています。 単なるPoCやデモ開発ではなく、「実際に現場で使われる状態」を作ることを重視しています。 ●業務とAIをつなぐ 当組織では、以下のようなテーマに取り組んでいます。 ・生成AI活用支援 　LLM・AIエージェントを活用し、業務プロセスを再設計する ・AI業務改善支援 　BPR・業務分析を通じて、AI活用余地を整理し業務へ落とし込む ・AIアーキテクチャ設計 　RAG・ナレッジ活用・AIエージェント等を含め、信頼できるAIシステムを構造から設計する ・PoC〜実装支援 　ローコード・ノーコードも活用しながら、スピード感を持って業務実装まで伴走する ●専門性の異なるメンバーとチームで戦う 豆蔵のコンサルタントは、“PowerPointだけ作るコンサルタント”ではありません。 エンジニアとしての理解を持ちながら、顧客課題を整理し、業務・AI・システムの橋渡しを行うポジションです。 ITエンジニアから、より上流の課題解決やコンサルティングへ挑戦したい方に適した環境です。 <主な業務内容> ●顧客課題整理・業務分析 顧客の業務課題や現状プロセスを整理し、AI活用可能性を分析します。 「何をAIで解決すべきか」というテーマ設定から担います。 ●AI活用提案・PoC支援 生成AI・AIエージェント・RAG等を活用し、業務改善や新業務フローの提案を行います。 ローコード・ノーコードツール等も活用しながら、迅速なPoC支援を実施します。 ●要件整理・AI設計支援 顧客要件を整理し、AIシステム・業務プロセス・データ構造を踏まえた設計支援を行います。 ●開発チーム連携 AIエンジニア・クラウドエンジニア・データエンジニア等と連携し、顧客要件を実装へ落とし込みます。 ●内製化・定着支援 AIを“導入して終わり”にせず、顧客組織が継続活用できる状態まで伴走します。 <AIネイティブ開発グループの主な実績> 〇 AIネイティブ開発支援サービスの提供 概要:クライアント企業における生成AI・AIエージェント関連の新規事業や研究開発(R&D)において、「内製化」および「自走」に向けたAI人材育成からシステム企画、システム開発まで、フルスタックでの支援サービスを提供。現在はさらなるサービス拡大に向け、仕様駆動開発(SDD)を自動化する自社AIエージェントを鋭意開発中。 技術・ツール:Dify, Copilot Studio, Gemini Enterprise 等 主要顧客:大手生命保険会社様、大手自動車メーカー様、大手商社様 など 〇 AIエージェントシステム開発 概要:ChatGPTをはじめとするLLMを活用し、社内データ検索(RAG)アプローチを実現する高度なAIエージェントシステムを開発。 技術・ツール:Dify, LangChain, Copilot Studio 等 主要顧客:大手総合電機メーカー様、大手損害保険会社様 〇 生成AI・AIエージェント実践トレーニングコース開発 概要:生成AIの基礎知識から、生成AIを活用した成果物(ソースコード、コーディング規約、アーキテクチャ図、テストケース、プロンプト設計書等)の効率的な作成手法までを網羅した、実践的な総合研修サービスを開発・提供。 技術・ツール:主要LLM(ChatGPT, Gemini等)、各種AIノーコードツール 主要顧客:大手生命保険会社様、大手SIer様 〇 生成AI開発ガイドライン策定支援 概要:OpenAI APIを活用したシステム開発を想定し、安全かつ効率的な開発手順や具体的なシステム開発事例をまとめた、実践的な開発者向けガイドライン・規約を作成。 技術・ツール:Azure OpenAI Service, ChatGPT,　Claude 等 主要顧客:大手自動車部品メーカー様 〇 要求開発モデリングサービス『おしごとモデルズ®』の提供 概要:生成AIを活用し、業務改革(DX)やシステム開発の上流工程において必須となる各種モデル図(UML等)を自動生成する独自の自社サービス。 主要顧客:大手通信キャリア様、大手商社様 など 〇 対話型AIエンジン『MZbot®』の提供 概要:自社開発のチャットボット製品『MZbot』の販売、および生成AI(ChatGPT、ローカルLLM等)連携機能の実装・導入支援。 主要顧客:大手総合電機メーカー様、大手自動車部品メーカー様、大手商社様、官公庁をはじめ、累計40社以上へ導入 <技術領域・活用例> 顧客環境に応じて、以下のようなクラウド・データ・AI関連技術を活用しています。 ●クラウド AWS / Azure / Google Cloud ●データ基盤 Snowflake / Databricks / BigQuery / Redshift 等 ●データエンジニアリング dbt / Airflow / ETL・ELT基盤 / データ品質管理 ●AI/LLM関連 OpenAI / Claude / RAG / Vector DB / AIエージェント設計 ●MLOps / LLMOps MLflow / CI/CD / GitHub Actions / Kubernetes 等 ●AI駆動開発 GitHub Copilot / Cursor / Claudecode / AIコーディング支援ツール活用 ※特定製品ありきではなく、顧客課題・既存環境・将来の内製化を踏まえて最適な技術選定を行います。 また、AWSをはじめとしたクラウドベンダーとの連携や最新技術のキャッチアップも積極的に行っており、クラウドネイティブ・AI時代を前提としたアーキテクチャ設計に取り組んでいます。

株式会社システムアイ

●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... ●システムアイの特徴 ・積極的に生成AIやツールを導入可能 当社ではプロジェクトにより使う生成AIやツールを自分たちで判断していただいています。新しいものを導入したい場合は社内で相談をしていただけると柔軟に検討可能です。良いものは積極的に取り入れていく思考を持っているため、新しいものへの導入障壁がかなり低い会社となります。 ・ストリスフリーな環境をできる限り提供 ストレスを感じない環境を整えているのも当社の特徴の一つ。開発標準PCのメモリは最低32GB以上で入社のタイミングでwindowsとMacを選択していただけます。 一人ひとりのエンジニアが求めるスペックを優先して環境面を整えます。 社内で使うデュアルモニタ、他にも必要なソフト、ツールなどあれば、柔軟に利用できる環境です。 品質・生産性の最大化確保はエンジニアにとって大切だと考えています。 ・フルフレックス×リモートワーク主体のフレキシブルな働き方が可能 コロナに関係なくリモートワークを推進してきた当社なので、今後もこの環境は推進していく予定です。

株式会社サイバーエージェント

ゲーム領域における機械学習・AI活用を支えるためのML基盤、MLOps環境、データパイプライン、モデル運用基盤の設計・開発・運用を担当していただきます。 モデルやアルゴリズムを、再現性・拡張性・保守性の高い形で実運用へ接続する役割です。 研究開発とプロダクト運用の間にある技術的なギャップを埋め、ML活用を継続的にスケールさせるための基盤づくりを推進していただきます。 ●業務例 ・機械学習パイプラインの設計・構築・運用 ・モデル学習、評価、デプロイ、監視を行うMLOps基盤の整備 ・実験管理、モデル管理、特徴量管理、データバージョニングの仕組みづくり ・ゲーム内データ・ログデータ・シミュレーションデータの処理基盤構築 ・バッチ推論・オンライン推論・社内ツール向け推論APIの設計・運用 ・モデル性能、データ品質、推論結果のモニタリング・アラート設計 ・GPU・クラウド・コンテナ環境を活用した学習・推論環境の最適化 ・MLエンジニア・リサーチャーが効率よく開発できる社内開発環境の整備 ・セキュリティ、権限管理、コスト管理を考慮したML基盤運用 ●プロジェクト例 ・ゲームAI開発向けの学習・評価パイプライン構築 ・運営型ゲームにおけるバランス調整支援システムの基盤開発 ・生成AI・LLMを活用した社内制作支援ツールのバックエンド基盤 ・複数プロジェクト横断で利用可能なML実験・モデル管理基盤 ・非公開プロジェクトにおけるAI開発基盤の設計・構築

株式会社サイバーエージェント

サイバーエージェントのインターネット広告事業を支えるAIエージェント開発をご担当いただきます。Pythonを用いたバックエンド開発、AIエージェント開発を中心に、要件整理から設計、実装、運用改善まで一気通貫で携わっていただきます。 また、SnowflakeやAWSなどを活用しながら、 ●広告運用を支えるAIエージェントの新機能開発 ●既存機能・内部ロジックの改善 ●AIエージェントと社内基盤の接続 ●AIエージェント実行に必要なデータパイプラインの構築 ●AIエージェント実行ログを可視化するためのデータパイプラインの構築 といった幅広い領域で活躍できるフィールドがあります。 <開発環境> ●言語:Python, TypeScript ●FW : React, dbt ●データ基盤:Snowflake ●インフラ : AWS, GitHub Actions, Datadog ●その他 : Claude Code

パーソルホールディングス株式会社

業務詳細 グループ各社の事業価値向上や業務生産性の向上をめざし、マッチング迅速化やグループ共通業務の効率化など、AI・データを活用した施策の支援をご担当いただきます。また、グループ内で保持するデータを事業価値につなげていくために、データ基盤の構築を進めています。このデータ基盤の構築や、API/アプリケーション開発などをご担当いただきます。デジタル企画、データサイエンス、エンジニアリング、ガバナンスなどの専門知識を持つメンバーと、プロジェクトごとにチームを編成して活動します。 具体的な担当業務 各ポジションは専門領域を持ちながらも、横断的に連携しながらプロジェクトを推進します。具体的には、下記のような業務を、チームで連携しながら取り組んでいただきます。 ・事業責任者や企画担当と連携して適切なAIアーキテクチャ※を選定 ※LLM、検索拡張生成(RAG)、機械学習モデル、クラウドAIサービスなど ・AIシステム/AIプロダクトの設計・開発 (バックエンド/フロント連携、コンテナ化、CI/CD、Infrastructure as Code) ・AIモデル/パイプラインの設計・実装 ・推論基盤の最適化(レイテンシ、スケーラビリティ、コスト管理) ・モデル評価・精度改善、プロンプト設計/改善、オフライン/オンライン評価 ・モデル品質のモニタリングおよびドリフト検知 ・プロトタイプ作成とPoC実施、スケールに向けたアーキテクチャ最適化 配属組織 ●グループAI本部 データソリューション部 データサイエンス室 デジタル化を推進することで、パーソルグループ全体の業務効率化や生産性向上、データ利活用に寄与する部門です。本部全体で150名ほどの組織になります。立場に関わらず意見を伝え合う風通しの良い社風です。また、主体的な言動や意志を尊重し裁量ある働き方ができる環境であり、成長意欲がある方には組織として全面的にバックアップする環境です。 データサイエンス室は現在メンバー8名程度で、30代前半～40代のデータサイエンティスト、AIエンジニアが中心で構成されます。 コミュニケーションを大切にし、部を跨いだ定期的なイベントや、メンター/管理職との定期的な1on1を行っています。残業時間は20～30時間程度です。 ※場合よってはグループ内で一時的な兼務/出向をいただく場合がございます。 担当職種の変更範囲 会社の定める職種(出向規程に従って出向を命じることがあり、その場合は出向先の定める職種)

Cloud Solution部　Data&AIグループのエンジニアとして、以下のような業務を担当してくださることを想定しています。 ●具体的な仕事内容 ・PJ推進(計画策定、要件定義、設計、テスト、ユーザー教育) ・PJ管理(定例会議運営、メンバー配置最適化等) ・顧客提案(提案資料作成、情報収集、社内調整) ・ナレッジ活用(収集、整理、蓄積、活用施策支援) ・本部、部門運営(本部PJ参画、契約書レビュー支援、サービス企画PJ参画、採用・育成) 想定されるプロジェクト ●プロジェクト事例 ・大手製造業:エンジニアが持つ暗黙知化されたノウハウのデータ化による技術情報の公開

株式会社 Ridge-i(リッジアイ)

このポジションは TSA(テクニカルソリューションアーキテクト)と組みながら、顧客現場で AI モデルの設計・実装・システム化を一気通貫で担うエンジニアポジションです。ML もできる、かつ顧客の目の前でディスカッションしながら主にPythonベースのコードで、手を動かして実装できる人を求めています。 ●このポジションのメンバーがやること ・TSA と一緒に顧客と議論しながら、プロトタイプを組み・動かし・調整する ・AI モデルの設計・学習・評価を担当し、そのまま顧客のワークフローに組み込む ・顧客環境まで、自分の手で届ける ML モデル開発と現場実装の両方を手掛けるエンジニアに向けたポジションです。TSA が「何を作るか」を顧客と定義する役割であるのに対し、このポジションは「モデルも含めて、技術的な知見を加味してどう動くものにするか」を顧客と会話しながら形にします。 ●業務内容 1.顧客現場での実装伴走 ・TSA とペアで顧客との打ち合わせに入り、プロトタイプ要件を定義したうえで実装する ・顧客のフィードバックを受けて、仕様と実装を並行して調整する ・閉域網・顧客施設内での開発・デプロイに対応する ・データを見ながらシステム要件などを微修正する 2.AI モデルの設計・開発・組み込み ・衛星画像解析モデルや生成 AI システムの設計・学習・評価を行う ・既存の社内モデル資産を組み合わせつつ、現場要件に合わせたカスタマイズや追加学習を行う ・学習 / 推論パイプライン、前後処理、API 化、運用監視まで一気通貫で実装する ・現場で得た情報(使われ方、制約、エッジケース)をそのままモデル改善に反映する 3.セキュアな環境でのシステム構築 ・セキュリティ要件を満たすクラウド構成(AWS / GCP / Azure)、必要に応じてオンプレ環境での実装 ・IaC、コンテナ、CI/CD を用いた運用可能なシステムの構築 ・顧客環境の制約を前提にした現実的なアーキテクチャ設計 ●入社後の流れ 〜3ヶ月: 既存案件に TSA とペアでサブ参画。並行して GIS・衛星画像処理・安全保障ドメインのオンボードプログラムを受講 4ヶ月〜: 実際に現場で顧客と話しながら運用を担当(徐々にカバー範囲を広げていただきます)

株式会社 Ridge-i(リッジアイ)

募集背景 近年AI技術の急速な進展とともに、クライアントからのプロジェクト要請が増加しております。 エンジニアとして機械学習/ディープラーニング/最適化等の最先端技術のことを理解しながら、クライアントのビジネス課題を引き出し、理解し、それに最適な技術を考案、提案、合意形成、実装、デリバリーをリードしていただけるメンバーを募集しております。 事業領域について 事業領域 カスタムAIソリューション事業内でいずれかのプロジェクトマネジメントに関わっていただきます。 クライアントやプロジェクト内容によって領域を横断することもあります。 *AI活用コンサルティング・AI開発サービス* ●DX、AI活用アドバイザリー ●AIシステム提案 ・AI PoC、プロトタイプ作成 ●AIシステム開発 *人工衛星データ・AI解析サービス* ●衛星活用アドバイザリー契約 ●GRASP EARTH Forestレポートの提供 ●AI解析エンジンの開発 ●AI解析レポートの提供 *MLOps・継続学習・AIライセンス提供サービス* ●AIの使用量、利用台数に応じたライセンスフィー ●パートナー企業の事業収益に応じたレベニューシェア ●継続学習環境の提供と追加学習支援 成長市場であるAI分野において、大規模プロジェクトを牽引し、ビジネスへのインパクトを生み出すチームメンバーとして役割を担っていただきます。 主な業務内容 ●クライアントが抱える課題に対して、統計的・機械学習的手法によるソリューションを調査研究及び考案、実装、評価 ●AIシステム設計・開発・テスト ●クライアントとの打ち合わせにおいて、技術的な面での進捗報告や議論 ●ソリューションアーキテクトと一体になってプロジェクトを推進

キャディ株式会社

Data Analysis部 Analysis Groupのリーダーとして、プロダクト戦略に基づいた戦略策定・開発計画の策定や実行のリード、メンバーの採用・評価・育成などのマネジメント業務を担当 ※担当する組織規模は3チーム10数名 Analysis Groupのミッションと現在地 製造業で生じる生データ(図面・CAD・文書・テーブルデータなど)を解析し、価値あるデータを生み出すことに責任を持つ。 具体的にはデータの収集・加工、MLモデル開発、MLモデルのデプロイ後の価値化などを担当。 現在はData Analysis部長がグループリーダーを兼務しており、グループのマネジメントを専門で担っていただける方を探しています。 ※Data&Analysis部は30数名、うちAnalysis Groupには10数名が所属しています。 一部はベトナム拠点のメンバーです。 Analysis部以外にも、解析基盤の開発を担うAnalysis Platform Group、AIを用いたプロダクトの価値向上を担うAI for Application Group、Agent基盤の開発を行うAgent Groupがあります。 (2025年10月時点) ※AI for Applicationチームでもマネージャーを募集しています キャディにおけるエンジニアリングマネージャーとは 担当する部やグループの成果を最大化することがミッションです。 向かう先を示すために OKR を設定したり、将来のあるべき姿から逆算して、必要なマネジメント業務を行います。 EMの役割は画一的には決まっておらず、成果の出し方はその人の得意なやり方で良いと考えています。 例えば、他者を動かして成果を出すエンパワーメントが得意な人もいれば、現場で自ら設計や方針決定をリードする人もいます。 テクノロジーマネジメント、プロジェクトマネジメント、プロダクトマネジメント、ピープルマネジメントの割合も各EMの担当領域や注力課題により異なります。 開発環境 言語 フロントエンド: TypeScript バックエンド: Rust, TypeScript, *Python* フレームワーク・ライブラリ フロントエンド: React, Next.js, WebGL, WebAssembly バックエンド: Rust (axum), Node.js (Express, Fastify, NestJS), *PyTorch* インフラ: Google Cloud, Google Kubernetes Engine, Anthos Service Mesh データベース・データウェアハウス: CloudSQL(PostgreSQL), AlloyDB, Firestore, *BigQuery* API: GraphQL, *REST*, gRPC 監視・モニタリング: Datadog, Sentry, *Cloud Monitoring* 環境構築:*Terraform* CI/CD:*Github Actions* 認証: Auth0 開発ツール: *GitHub*, *GitHub Copilot*, Figma, Storybook コミュニケーションツール: *Slack*, Discord, *JIRA*, *Miro*, *Confluence* ※特にAnalysis Groupに関係するものを太字にしています

キャディ株式会社

Data&Analysis部 AI for Applicationチームに所属。 プロダクト戦略に基づいた戦略策定・開発計画の策定や実行のリード、メンバーの採用・評価・育成などのマネジメント業務を担っていただくことを想定しています。 ●プロダクトに蓄積された様々なデータをアプリケーションで活用することで、アプリケーション自体の価値を高めることに責任を持つ。 ●既存プロダクトの価値向上、新規プロダクトの立ち上げ両方の可能性があります。 ●現在若干名で組織の立ち上げフェーズです。 本ポジションの方に、チームの定義づけや立ち上げを含めて担っていただくことを想定しています。 ※Data&Analysis部は30名程度の組織です。 上記以外にも、データの解析を担うAnalysisチーム、解析基盤の開発を担うAnalysis Platformチーム、データ基盤の開発やデータの利活用を担うData Managementチームがあります。 (2025年4月時点) キャディにおけるエンジニアリングマネージャーとは ●担当する部やグループの成果を最大化することがミッションです。 ●向かう先を示すために OKR を設定したり、将来のあるべき姿から逆算して、必要なマネジメント業務を行います。 ●EMの役割は画一的には決まっておらず、成果の出し方はその人の得意なやり方で良いと考えています。 例えば、他者を動かして成果を出すエンパワーメントが得意な人もいれば、現場で自ら設計や方針決定をリードする人もいます。 テクノロジーマネジメント、プロジェクトマネジメント、プロダクトマネジメント、ピープルマネジメントの割合も各EMの担当領域や注力課題により異なります。 ●開発環境 フロントエンド: TypeScript, React, Next.js バックエンド: Rust(axum), TypeScript, Node.js(Express, Fastify, NestJS) 機械学習・アルゴリズム: Rust, Python, OpenCV, PyTorch, TorchServe, Elasticsearch, Vertex AI インフラ: Google Cloud, Google Kubernetes Engine, Anthos Service Mesh, Istio, Cloudflare, Argo Workflows Event Bus: Cloud Pub/Sub DevOps: GitHub, GitHub Actions, ArgoCD, Kustomize, Helm, Terraform, Datadog, MixPanel, Sentry Data: CloudSQL(PostgreSQL), AlloyDB, BigQuery, dbt, trocco API: GraphQL, REST, gRPC 認証: Auth0 開発ツール: GitHub Copilot, Figma, Storybook コミュニケーションツール: Slack, Discord, JIRA, Miro, Confluence

Sansan株式会社

本ポジションは、Sansanの人事領域におけるデータプラットフォームを整備し、採用・配置・評価といったあらゆる意思決定をデータドリブンに進化させる役割を担います。 HCM(人事基盤)やATS(採用管理システム)などのHRツールを軸に、散在する定性データや非構造化データを整備・統合。単なる「データの可視化」に留まらず、AI活用やピープルアナリティクスを支える次世代型基盤への刷新を主導し、「攻めの人事DX」を実現します。 〔具体的な業務〕 ●HRデータプラットフォームの拡張・最適化 ・採用・配置・評価等の意思決定に最適化された統一データモデルの策定 ・BigQuery、GCS、dbt等を用いたスケーラブルなDWHおよびデータマートの設計・構築 ・各種人事ソースシステムからのETL/ELTパイプラインの設計・実装 ●人事業務の再設計(BPR) ・既存業務の自動化にとどまらず、業務プロセス自体の再設計・AIなどのシステムを用いた完全自動化フローを構築 ・AI/LLMを活用したオペレーションの高度化・自動化 ・人事担当者や経営陣のニーズをくみ取り、人事メンバーが本来の業務に向き合う環境を実装 ●データ活用の民主化とガバナンス設計 ・セキュアな権限管理とセルフサービスBI環境の構築 ・非エンジニアでも意思決定にデータを活用できる仕組みの実装 ●開発環境、使用するツールなど ・言語:Python, SQL, Google Apps Script ・データベース・DWH:BigQuery, Google Cloud Storage, Cloud SQL ・インフラ・プラットフォーム:GCP(Cloud Run, Cloud Functions, Cloud Workflows など) ・CI/CD・運用・監視:GitHub Actions, Terraform, Cloud Logging など ※従事すべき業務の変更の範囲:会社の定める業務

株式会社GA technologies

● 本ポジションにおけるミッション グループ横断のデータ利活用を支える、堅牢かつ柔軟なデータプラットフォームの構築・推進がミッションです。 DMBOK(Data Management Body of Knowledge)の知識体系を基盤とし、データパイプライン構築からデータモデリング、権限・ガバナンス設計、品質管理、運用の標準化まで広範に担っていただきます。 単なるパイプラインの実装に留まらず、再現性・保守性・安全性を兼ね備えた「組織の資産」となる仕組みを構築し、全社が迷いなくデータを活用できる状態を実現することを期待しています。 ● 仕事概要 国内外のグループ会社含めたデータマネジメント業務をお任せします。 ・データ基盤の設計・構築・運用 ・データパイプラインの設計、開発、改善 ・データモデリング、履歴管理、品質管理の設計 ・権限設計、セキュリティ設計、データガバナンス整備 ・CI/CDやコード管理を前提とした、再現性の高い基盤運用の整備 ・属人化した運用や手作業の多いフローの標準化、自動化 ・各部門・各グループ会社におけるデータ基盤立ち上げ支援 ・AI活用や分析活用の前提となるデータ整備、運用設計 ※経営状況、配属先の状況等を総合的に勘案し、会社の指定する部署への配置転換及び会社が指定する業務内容へ変更する場合がございます。 (グループ会社等への出向及び転籍を含む) ● 開発環境 主要:Snowflake x dbt x dagster x Terraform 詳細:Snowflake, Apache Iceberg, dbt, Dagster, Python, dlt, TROCCO, Airbyte, Treasure Data, Terraform, Terragrunt, GitHub Actions, Docker, OpenMetadata, Tableau, Prometheus, Grafana, AWS(ECR, ECS Fargate, S3, DMS) ● Data Managementチームについて 当チームは、高品質で安全なデータ基盤の整備・提供に留まらず、データを武器に事業や業務課題の解決を加速させるプロフェッショナル集団です。 これまでは、意思決定を支えるデータ基盤の構築、品質向上、ガバナンス推進といった「土台作り」に注力してきました。 今後はその基盤を活かし、各事業組織の課題に対して、AI活用や業務支援の仕組みづくりまで踏み込み、データによる直接的な価値創出を担う役割を強化していきます。 ● 私たちが大切にしている価値観 ・高品質で安全なデータ提供を大前提とする ・属人化を排除し、再現性のある仕組み・運用を構築する ・手作業やトイル(作業的負荷)を放置せず、エンジニアリングで解消する ・基盤整備をゴールとせず、常に「現場の価値」に結びつける ・技術的な理想を追求しつつ、現場で機能する「現実的な解」を出す

株式会社エイジレス

【ポジション概要】 当社の「ミドル～シニア層向け人材サービス」のバックエンド開発(プロダクト&社内業務システム)を担うポジションです。 プロダクト面では、人材紹介とダイレクトリクルーティングサービスを一体化し、求職者・企業・エージェントがシームレスにつながる新しい転職体験を実現するための基盤構築をお任せします。年齢ではなくスキルベースで人材情報を可視化し、「エージェントによる支援」と「企業からの直接スカウト」を組み合わせ、ミドル・シニア層の活躍機会最大化を目指しています。 また社内向けには、CA・RAの業務をAIで自動化・効率化する業務システム/ワークフロー開発にも携わっていただきます。すでに初回面談動画や職務経歴書から候補者のスコアリング・スキルタグ等の情報を内製CRMに自動反映する仕組みが稼働中。今後は求人側も含めAIによる情報取得を拡張し、マッチング精度向上と業務の自動化を推進していくフェーズです。 【お任せしたい仕事】 ●TypeScript(Node.js)およびRuby on Railsを用いたWebアプリケーション/API開発 ●各種サービスや社内システムとのAPI連携機能の設計・実装 ●候補者・求人・スキル情報のスコアリング、診断、マッチングアルゴリズムの開発 ●AIを活用した業務自動化やデータ処理基盤の構築 ●PdM・デザイナーと連携した仕様策定、技術選定、改善提案 ●必要に応じたアーキテクチャ設計・リファクタリング ※単一機能にとどまらず、ユーザー体験と社内生産性の両面を支える広範な領域を担当いただきます。 【開発環境】 ●フロントエンド:Next.js/TypeScript ●バックエンド:Ruby on Rails ●DB:PostgreSQL ●インフラ:AWS(Fargate/ECR/S3/RDS)/Vercel ●その他:GithubAction/Docker/Slack/GoogleWorkspace/Notion ●開発プロセス:アジャイル、スクラム 【開発組織のカルチャー】 ●スタートアップならではのスピード感で、余計な承認フローがないため意思決定が早い。生成AIを積極的に活用して開発効率を高めている。 ●プロダクトへの改善提案が盛んで、軽度な仕様変更はデスク上でエンジニアとデザイナーがディスカッションしてその場で実装される。 ●お互いリスペクトし合って建設的な議論が行える。コードレビューで褒める文化がある。 ●1週間単位のスプリントサイクルで、目標を決めてチケットをやり切る文化。一人が機能単位でバック/フロントをフルスタックに実装する。 ●経営陣のITリテラシーが高く、リファクタリングなど開発都合のアクションへも理解がある。 ●オープンな文化で、他チームのやりとりやドキュメントが見れたり、経営の透明性が高く全社の業績などをメンバーでも見ることができる。

セーフィー株式会社

サーバーサイド部署について サーバーサイドチームは現在、プロダクト・ミッション毎に、5つのグループから構成されています。各グループは約5〜7名程のメンバーで構成されており、それぞれ1〜2名のリーダーがとりまとめています。 加えて、サーバーサイドチーム全体に対して、エンジニアリングマネージャーが2名、テックリードが2名という体制で開発を進めています。 メインの技術スタックは、Python、Go、Javaを用いており、全てAWS上で構築しています。サーバー数は2000台以上と、国内でも上位に入るサーバー数を有している、巨大なアーキテクチャが特徴です。 それぞれのグループの特色によって、開発方式が分かれていますが、基本的にはアジャイル開発(スクラム、カンバン)の形を用いています。 <カルチャー> ●コード/設計レビューを重視:品質の担保だけでなく、チーム全体のスキルアップ・知識の属人化解消の場としてレビューを大切にしています 具体的には、スプリントごとにレビュー会を実施し、メンバー全員で一緒に、リファクタリングできるポイントが無いか、実装指針でずれているところはないかなどの確認をしながらレビューを行っています ●フラットな議論ができる:役職や経験に関わらず、技術的な議論やプロダクト改善の提案を歓迎するフラットな雰囲気です 設計や実装方針の相談はデイリーミーティング等を活用して行っています ●個々のチャレンジを推奨:新しいアイデアや技術的探求・チャレンジを歓迎しており、戦略的にリソースを投資しています 日々の振り返りの中で、KPTだけでなく、思いついたアイデアなどを共有するオープンな文化が根付いており、実際にそこからチームの技術的チャレンジに採択されることもあります AIプラットフォームグループのミッション セーフィーは、映像プラットフォームを実現するべく、映像を視聴するだけではなく機械学習などの技術と連携して「新しい付加価値を提供する開発」にも注⼒しています。 具体的には、API提供を進め、AI企業がセーフィーの映像データを利⽤して画像解析などの仕組みを構築したり、作成された学習モデルをセーフィークラウド上で駆動させる解析システムの構築を⾏っています。 本グループでは、上記の事業に関連して、 AIソリューションプラットフォームの外部公開を目指し、以下のような機能を担う基盤開発を推進しています。 データ収集/アノテーション 学習 エンドユーザーへのAIアプリ提供 また、上記基盤上にホストされるAIアプリケーションの開発自体も行っています。 ※参考:[AIソリューションプラットフォームの紹介](https://engineers.safie.link/entry/20241225/ai_solution_platform) 具体的な業務内容 AIソリューションプラットフォームの開発 画像‧動画の解析システムの設計および開発 既存システムのリアーキテクチャ設計および実装の推進 外部向けAPIおよび開発者向けサイト(SafieDevelopers)の開発 カメラやビューアーの新規機能開発(API開発) リーダー候補について 開発の最前線で活躍し、エンジニアとしての技術力をストイックに磨き続け、その力でプロダクト開発をけん引していただくシニアエンジニアとは異なり、リーダーは業務内容にマネジメント要素を含んでおり、メンバーの育成や開発プロジェクトのマネジメントなども担っていただくポジションです。 ＜具体の業務イメージ＞ 既存システムのリアーキテクチャ設計チームのマネジメント 5〜6名ほどのチームメンバーに対する育成‧教育 組織目標に向かって継続的に活動することでメンバーを鼓舞し組織力を高めていく役割の実践 組織的なプラクティスやプロセスの改善提案と実践、他グループとの共有 ※リーダーとなっても一定の開発・プレイング業務は含まれます セーフィーでは、技術力で開発を導くシニアエンジニア、ピープルマネジメント特化で組織づくりを担うリーダー、どちらのキャリア観も最大限尊重し、個人が思い描く、それぞれの活躍を遂げられるよう、組織でサポートしています。 「マネジメントスキルの有無」によって年収・評価への差をつける一般的な基準とは異なり、エンジニア職専用の、シニアエンジニアとリーダー、それぞれのキャリアに合わせた並列の基準を持っており、その職能自体でのパフォーマンス・活躍によって正当に評価される環境です。 尚、シニアエンジニア、あるいはリーダー、具体の方向性の決定は、選考にてすり合わせを行っております。 また、ご参画後に関しても、常時の1on1にてご相談いただきつつ、キャリアチェンジいただける仕組みになっています。 使っている技術・ツール 開発言語:Python、Go、Java インフラ:AWS データベース:MySQL、 Redis、PostgreSQL 構成管理ツール:Terraform、Ansible、Packer 監視:Prometheus、 Grafana、PagerDuty、StatusCake、Sentry、DataDog CI/CD:Github Actions その他:Github、 Docker、Fluentd, Fluent Bit、Redash 部署全体の今後の目標‧現在の課題 ●クラウド録画サービスの品質向上 現在出荷数30万台を突破し更なる利用者数の急増に伴い、より高品質‧ハイパフォーマンスなサービス基盤の開発‧運用を行います。 カメラを通してクラウド上に収集した"映像データ"を、必要に応じ配信や解析し、付加価値のある情報を抽出する事によりお客様の課題解決を実現しています。 ●上記クラウド基盤上でのアプリケーション開発 動画の収集/配信システムだけでなく、"映像から未来をつくる"というビジョンを達成すべく、それらの動画を利用した顧客課題の解決に繋がるようなアプリケーションの開発を行っております。 様々なアプリケーションを提供していくことでより多くの課題解決を実現して参ります。 ●オープンAPI等による他社参画のためのプラットフォーム開発 上記は自社で行っているアプリケーション開発ですが、映像から解決できる問題は多数あり、且つ、業界業種によっても異なります。 この全ての課題を解決するためには弊社一社のみで行うのではなく、オープンなプラットフォームを構築し他の技術を持った企業様が参画ですることで顧客解決に繋がるサービスをより多く世に出していき、"映像から未来をつくる"を実現していきます。 このように、「我々の基盤上で構築〜展開できるようなプラットフォーム開発」を進めております。 開発関連で私達がこれからやりたいこと、やりたいけど出来ていないこと 様々な業界の現場DXに繋がるプロダクト、アプリケーション開発 上記プラットフォームを利用し、現場DXを実現するアプリケーションの開発 動画データ録画配信サービスとしての更なる強化 競争力のある画質・レイテンシー・プライシングの実現 AI含む様々な解析系サービスが柔軟に構築できる仕組みをPaaSとして提供 多様な外部サービスと連携するための公開APIの拡充

株式会社サイバーエージェント

新規機能開発、インフラ保守・運用管理、CSサポートなど1サービスのバックエンドに関連するすべての事柄を受け持っています。 基本的にはGoアプリケーション開発を行いながら、機能実装する上で必要な様々な分野の技術・インフラを用いた作業を行います。 バックエンドアーキテクチャは当初から変わっておらず、マイクロサービス、クリーンアーキテクチャ、DDD、モノレポを採用しています。 少数精鋭チームで開発を行なっており、API開発はもとより、インフラ構築含めた外部連携、CSサポート、運用まで、バックエンドに関係する工程は全てチーム内で一気通貫で管理しています。 ●チームの文化や体制 現在開発チームは60名程の組織です。そのうちエンジニアは30名程になります。各メンバーが事業グロースを推し進めるという高い意識を持ち、それぞれの意見を持ち寄りながら、時には自分の職域を超えて開発へ取り組んでいます。 また組織の文化として、本人の志向性を尊重した上で年齢に関わらずリーダーポジションへの抜擢が行われるケースがあります。各メンバーのキャリア形成を支援するために定期的な面談も実施しています。 ●環境 ・原則週3日出社、週2日リモートワーク(相談可) ・コミュニケーションツールは Slack や Zoom などを利用 ・定期的な1on1 ・交流ランチ 【チーム体制】 ・サーバーサイドエンジニア: 10名+α 【開発環境関連】 ・GCP, Kubernetes, Cloud Spanner ・AWS(映像関連) ・GitHub, Go, gRPC, envoy, Terraform, Docker ・モノレポ, クリーンアーキテクチャ, マイクロサービス 【チームの雰囲気】 ・少人数(10名程度)ながらも幅広い分野を受け持ち様々なことに挑戦しています。 ・年齢層は若手から中堅まで幅広いです。 ・フリーアドレス制度を採用しているため、出社時は他職種との連携も盛んに行われています。 ・リモート作業時は夕方頃にオフィスアワー時間をとり疑問や相談事の解消に利用しています。 ・チーム活性化を目的とした月イチ懇親会、合宿の実施や、スキルのボトムアップを目的としたドメイン知識の勉強会、実装コードのディスカッション、モブプロを実施しています。