年収900万円以上 データ・AI・機械学習の求人・転職情報

【配属組織名】 研究開発グループ Digital Innovation R&D　先端AIイノベーションセンタ　メディアインティジェンス研究部 【配属組織について(概要・ミッション等)】 当部署は、人間との対話能力やセンサ信号から世界を理解する能力をAIに持たせるための、音声/音響/時系列信号/意思決定支援に関する生成AIや基盤モデルについての研究開発を通して、海外を含む日立グループ全体の事業に貢献しています。 【携わる事業・ビジネス・サービス・製品など】 海外事業を含む日立グループが提供する音声ソリューション (コンタクトセンター、デジタル対話、音声テキスト化ソフトウェア「Ruby Dictation」、感性分析サービスなど)、音響ソリューション (Hitachi Intelligent Platform 保守DX、異音検知ソリューション)、ならびに現場から収集されるIoTセンサデータに基づく自社の様々なコネクティブプロダクトのリカーリングビジネスや新事業の拡大に関わります。 ●最近の発表文献リスト https://hitachi-speech.github.io/ ●最近のニュースリリース・新聞記事など 日本経済新聞「日立、AIが音から機械の不具合特定　熟練工の「耳」再現」 https://www.nikkei.com/article/DGXZQOUC22D7V0S5A120C2000000/ 日刊工業新聞「工場設備の異常音、生成AIが文章化…日立が新技術でメンテを高精度化する」 https://www.nikkan.co.jp/articles/view/00737868 ●サービス・製品紹介 コンタクトセンター https://www.hitachi.co.jp/products/it/lumada/cs/00002/index.html デジタル対話サービス https://www.hitachi.co.jp/products/it/appsvdiv/service/digital-dialogue/index.html 感性分析サービス https://www.hitachi.co.jp/products/it/appsvdiv/service/sentiment-analysis/index.html Hitachi Intelligent Platform https://www.hitachi.co.jp/products/it/IoTM2M/list/hipf/ レトロフィット無線センサー異音検知ソリューション https://www.hitachi.co.jp/products/it/control_sys/retrofit/inspection/ 【職務概要】 以下のキーワードのいずれかが関係する音声/音響/時系列信号/意思決定支援に係る生成AIと基盤モデルに関する研究開発を担当いただきながら、チームメンバーや後進の研究開発の指導を行っていただくことも期待します。 -音声 (音声汎用基盤モデル、ASRモデル適応、対話、偽音声検知、音声感情認識、音声強調/分離、話者認識/同定など) -音響 (音響汎用基盤モデル、異常音検知、audio-to-text、text-to-audio、シーン分類/イベント検出など) -時系列信号 (時系列信号汎用基盤モデル、signal-to-text、text-to-signal、異常検知、検索、予測、意思決定支援など) 将来的に研究チームを引っ張るリーダーとなっていただき、音声/音響/時系列信号/意思決定支援に係る生成AIと基盤モデルの研究戦略検討や新事業の構想なども担っていただく人財となることを期待します。 【職務詳細】 音声/音響/時系列信号/意思決定支援に関する生成AIと基盤モデルのいずれかの技術における以下の職務 ・試作・実証を含む研究開発、特許出願、研究レポートの執筆、対外発表 ・顧客へのプレゼンや社内での研究ファンドの提案 ・研究チームのリードと後進の研究指導 【働く環境】 ①配属組織/チーム:研究ユニット内の研究者は10数名規模ですが、プロジェクトごとに他部署や事業部と流動的にチームを組んで活動することになりますので、チームの規模や構成はケースバイケースです。 ②ご自身の業務状況に応じた出社頻度での業務実施が可能です。 ※上記内容は、募集開始時点の内容であり、入社後必要に応じて変更となる場合がございます。予めご了承ください。

【配属組織名】 研究開発グループ Digital Innovation R&D　先端AIイノベーションセンタ　ビジョンインテリジェンス研究部 【配属組織について(概要・ミッション)】 日立グループ本社の研究開発部門として、イノベーション創生を主導。我々、先端AIイノベーションセンタのビジョンインテリジェンス研究部では、画像処理・認識技術をベースに、人々の業務を革新する新たなソリューションやサービスの研究開発を行っています。 その一部として、日立の強みである検査・計測装置から得られる希少なデータを価値に変え、社会の人々のQoL向上に貢献する新たな医用システム・サービス事業の創出を目的とした研究開発を推進しています。 【携わる事業・ビジネス・サービス・製品など】 血液分析装置(免疫分析、生化学分析含む)、病理画像・細菌画像などを対象とした医用画像解析、診断支援サービス ●ニュースリリース 「正確で高感度な血液検査を実現する画像処理技術の発明」において令和6年度全国発明表彰の「発明賞」を受賞」 https://www.hitachi.co.jp/New/cnews/month/2024/06/0604a.html ●最近の主な発表文献リスト Diagnostic Support Technology for Clostridioides difficile Infection using SEM Fecal Images, 2024 Deep Learning Based Bacteria Classification from SEM Images using Region-wise and Subregion-wise Feature, 2023 Deep Learning Based Bacteria Classification from SEM Images Using a Combination of Membrane and Internal Features, https://ieeexplore.ieee.org/document/9751170, 2022 Quantitative Analysis System for Bacterial Cells in SEM Image using Deep Learning, https://ieeexplore.ieee.org/abstract/document/9400322, 2021 ●その他文献リスト https://hitachi-speech.github.io/ 【職務概要】 研究開発全般を担い、製品・サービスにおけるイノベーションと破壊的技術の創生のために、自組織の責任者として、社内外の多様なステークホルダーとのバランスを加味し、社内外の関係者との関係を構築する。 自身の経験や先行研究から積極的に学習し、組織と人財のマネジメントを通じて、最善の方法を生み出す。 【職務詳細】 ・全社および事業部門への新規研究・事業の提案と、最新ソリューション開発 ・国内外のお客様との共同研究やPOCの推進と、技術のエンハンス ・チームマネジメント、円滑な組織運営への貢献 ・特許創出、ニュースリース、学会発表 【働く環境】 ①3～5名規模の単位でチームを作り、個々人がその技術の専門家として自主性を重視して開発内容を分担するとともに、他部門の研究者や事業部門のリーダおよびチームと連携して業務を進めます。 ②在宅勤務を主として、週に数回程度の出社頻度での業務実施が可能です。 ※上記内容は、募集開始時点の内容であり、入社後必要に応じて変更となる場合がございます。予めご了承ください。

【配属組織名】 デジタルサービスビジネスユニット(ディフェンスシステム) 情報システム本部 衛星・画像システム部 【配属組織について(概要・ミッション)】 ディフェンスシステム事業部は、防衛、航空宇宙、セキュリティの責任事業部として、日立グループの成長へ貢献すべく活動しております。 ※ディフェンスシステム事業について:https://www.hitachi.co.jp/recruit/newgraduate/field-navi/defense/ 情報システム本部は、防衛分野を中心として、中央官庁向けに、システム提案から保守および技術開発を担っています。 衛星・画像システム部は、画像処理を含むシステムの設計や開発、衛星画像データを活用するためのサービスを提供しています。 【携わる事業・ビジネス・サービス・製品など】 安全保障に関する新分野に対するプレ活動や、デジタルソリューションに関する市場調査、他業種への横展開を担当頂きます。 その他、システムの提案、開発、納品、保守、運用まで、幅広い職務に携わって頂きます。 (1)防衛省他安全保障関連省庁に対するシステムの提案及び設計 (2)研究所等と連携した画像処理及びAI関連技術の開発及び提案 (3)(1)に関わる計算機構成の検討と環境構築及び維持・保守 【職務概要】 中央省庁(安全保障関連)向け情報システムにおけるエンジニアリング業務 システムエンジニア:衛星情報事業(システム及びサービス)の上流設計(提案)/設計開発/運用支援 画像データなど大容量データを扱うシステムの提案・設計開発・運用支援(保守サービスを含む)に係わるエンジニアリング ・画像から得られる情報と他の情報を組合わせて可視化するためのアプリケーションの開発 ・大容量データを取り扱うためのシステムの提案・設計開発・運用支援 ・衛星画像を利用したサービス事業の提案・サービス設計・運用支援 【職務詳細】 ・業務の効率化、運用に関わる総コストを削減することなどにより、技術とアーキテクチャーを発展させ、技術とデジタルの力によってもたらされる価値を高める。 ・「As Is(現状)」と「To Be(あるべき姿)」のプロセスを文書化し、「To Be」に移行するために必要な変更を提案する。 【働く環境】 ・一つのプロジェクトは、10人から50人規模で、3年～5年程度の工期です。 ・20～40代まで幅広い年齢層の方が活躍しています。 ・語学力やプロジェクトリーダーの経験などに応じて、役割を決定します。 ※上記内容は、募集開始時点の内容であり、入社後必要に応じて変更となる場合がございます。予めご了承ください。

【職務概要】 生成AIアセットおよびサービスを活用し、SIを組み合わせて、お客様に対し最適な提案、デリバリに携わって頂きます。 複数のお客様の案件管理も実施いただきます。 また、生成AIを活用したソリューションに関する新技術の適用提案、新規ソリューションの開発についても参画いただきます 【職務詳細】 ・市場の変化を捉え、お客様課題を解決するための最適なアセットやサービスをソリューションとして提案。 ・お客様が抱える課題や社会背景などを踏まえ、お客様との議論や折衝を通じ、タスク優先付けを行う。 ・PoCやシステム開発を確実に遂行するためのチームマネージメントも推進。 ・サービスの企画や提案活動も合わせて推進。 ・複数の案件管理の実施 【配属組織名】 AI&ソフトウェアサービスビジネスユニット(アプリケーションサービス) アプリケーションサービス事業部 HMAX&AIサービス本部 AIプラットフォームサービス開発部 【配属組織について(概要)】 ラインオブビジネス向けのフィジカルAI、間接業務含めた幅広い業務を支援するAI Agentをサービスとして提供するために、生成AIの学習、アプリ開発、AI AgentやフィジカルAIの開発、それを稼働する基盤の開発・運用迄をトータルでお客様に提供する組織となります。そしてさらに外部のお客様だけでなく日立社内、グループ会社での業務効率化に向けた全社向けの生成AI基盤の開発・運用も行っています。 【配属組織について(ミッション)】 ・AIを通じて社会課題を解決するために必要となるAIに関するサービスを社外に展開、また日立全社に向けたAI基盤提供を通して全社の業務効率改善に貢献することをミッションとしています。 【働く環境】 ①配属組織/チームについて 配属組織は、30名弱が所属しています。 生成AIおよびそれを稼働する基盤迄を網羅的に開発・提供する組織であるため、研究所含めた様々な出身母体のメンバーから成る組織です。 ②働き方について 出社と在宅勤務を組み合わせた働き方が可能です。 なお、プロジェクトによっては全国各地に出張が発生する場合もございます。 ※上記内容は、募集開始時点の内容であり、入社後必要に応じて変更となる場合がございます。予めご了承ください。

当社は、大阪エリアの金融機関向けにITコンサルティングおよびAI活用支援をより強化すべく、新たに大阪オフィスを開設いたしました。 立ち上げのフェーズから参画し、拠点づくりと事業成長をリードしていただける方を募集しています。 職務概要 本ポジションでは、プロジェクトマネージャーとしてデータ分析・AI活用案件をリードし、金融業界の多様な顧客に対してデータサイエンスを起点とした価値提供を担っていただきます。 ジュニア〜ミドルクラスのデータサイエンティストとチームを組みながら、分析戦略の設計・提案から、モデル構築、実装、運用設計(MLOps)までを一貫して主導。さらに、実務を通じて得た知見や技術資産を基に、当社独自の技術パッケージや自社プロダクトの創出にも関わっていただきます。 金融業界の幅広い業種・領域に触れながら、分析×ビジネスを結ぶ上流工程から現場実装までを横断的に担えるポジションです。 プロジェクト体制 2名～6名程度でチーミング 具体的な業務内容 ・金融機関向けのデータ分析・AIプロジェクトにおける技術リードおよびプロジェクトマネジメント ・テーブルデータを中心とした機械学習モデルの設計・構築・評価の全体統括 ・Pythonを用いたデータ処理、特徴量エンジニアリング、評価設計の高度化・標準化 ・本番運用を見据えたMLOps設計、モデルの継続的改善と運用支援 ・AIコンサルタントや顧客と連携した、分析方針の策定・技術提案・要件定義 ・ジュニア・ミドル層のデータサイエンティストへの技術的支援・コードレビュー・育成 ・社内外で再利用可能な分析パターン・技術資産・プロダクトの企画・設計・蓄積 プロジェクト事例 ・銀行における市場分析モデルの開発・運用支援 ・銀行におけるAutoMLツールの評価・導入に向けた技術検証 ・金融事務の効率化を目的とした生成AIの業務適用支援 ・金融機関における機械学習モデル開発に向けたデータ前処理・分析支援 ・データ分析基盤構想におけるモデル実装・評価フローの設計・技術検討 ・金融グループ横断でのデータ活用に向けたモデリング実証(PoC)支援 ※業務変更の範囲 (雇入れ直後)IT専門職 (変更の範囲)すべての業務への配置転換あり

本ポジションでは、金融機関向けの高度なAI・データサイエンス案件のデリバリーを担いながら、自ら設定した研究テーマに取り組み、論文発表までを行うリサーチサイエンティストとしてご活躍いただきます。 Trustは「金融×データサイエンス」に特化し、大手金融機関に対して高度な分析・モデリング・AI活用支援を提供しています。本ポジションでは、技術力の高さが求められる案件において、先端的な手法の設計・実装・検証をリードしていただきます。 業務時間の約6割は、金融機関向けプロジェクトにおける高度な技術課題の解決に従事いただきます。 残りの約4割は、ご自身が設定した研究テーマに取り組み、論文化・学会発表までを目指していただく時間として確保しています。 実務と研究を往復しながら、金融ドメインにおける実課題に根差した研究を推進できるポジションです。 具体的な業務内容 ●金融機関向け高度案件のデリバリー(60%) ・金融データを用いた高度分析・モデリング設計 ・LLM/生成AI/機械学習を活用したアルゴリズム設計・検証 ・技術的難度の高いPoC設計・実装 ・研究的アプローチを用いた課題解決および顧客への技術提案 ・プロジェクトにおける技術的リード ●研究活動(40%) ・自身で設定した研究テーマの推進 ・学会投稿論文の執筆 ・国内外カンファレンスでの発表 ・研究成果のプロダクト/案件への還元 研究テーマ例 ・金融×LLM ・金融業務自動化 ・エージェント活用 など ※変更の範囲 (雇入れ直後)IT専門職 (変更の範囲)すべての業務への配置転換あり

●職務概要 本ポジションでは、データ基盤およびAI活用基盤の構築プロジェクトにおいて、専門性を発揮するスペシャリストとして参画いただきます。主なクライアントは、大手金融機関およびそのグループ会社(HD)であり、日本を代表する企業の基幹データ環境の構築・刷新に関わることができます。 プロジェクトは、企画・構想、設計、実装、基盤の社内展開・普及まで多岐にわたり、上流から下流まで幅広いフェーズでの参画が可能です。これにより、技術的視点だけでなく、戦略的・全社的なデータ活用設計にも携わることができる貴重なポジションです。また、当社のプロジェクトはほぼ全てが直請けであり、エンドクライアントと密に連携しながら、高い裁量と信頼関係のもとで実行できます。 ●プロジェクト体制 2名～6名程度でチーミング ●具体的な業務内容 ・金融機関向けのデータ基盤・AI活用基盤の構築プロジェクトにおけるアーキテクチャ設計および全体推進 ・顧客要件の整理、現行環境の分析、技術選定を含む最適なデータアーキテクチャ設計のリード ・データ基盤構築フェーズにおけるETL設計、データモデリング、ガバナンス方針策定 ・クラウド環境(AWS/GCP/Azure)を活用したDWH・Datalake設計および導入支援 ・Snowflake、Databricksなどの主要基盤技術を活用した設計方針の策定および開発チームへの技術支援 ・AI・データサイエンス領域との連携による分析基盤整備、AIガバナンス・セキュリティ設計の推進 ・複数プロジェクトを横断したアーキテクチャ標準化およびナレッジ共有の促進 ●プロジェクト事例 ・証券会社様におけるデジタルマーケティング基盤の構築支援 ・金融コングロマリット様でのグループ横断データ活用基盤企画推進支援 ・カード会社様・証券会社様・信託銀行・銀行、金融HD様などでのAI人材育成の推進、データ活用CoE組織 ・銀行様におけるAutoMLツールの比較検討、導入支援 ・銀行様における市場分析モデルの開発、運用支援 ・証券会社様におけるAI活用コンサルティング支援開発支援 ・生成AI等を活用した金融事務の効率化、ビジネスプロセス変革 ・生成AI等を活用したレガシーシステムマイグレーション支援 ●業務変更の範囲 (雇入れ直後):IT専門職 (変更の範囲):すべての業務への配置転換あり

●社内システム開発・保守の技術リード ・業務システム、iPaaS、データ基盤、ポータルサイト等における設計、実装、コードレビュー ・既存システムの保守性、拡張性をふまえた改善提案、技術的負債の整理 ・障害、不具合、性能課題などに対する原因分析、対応方針の策定、実行支援 ●システム間連携・アーキテクチャ設計 ・Workato等のiPaaSを活用したシステム間連携の設計、実装、レビュー ・Salesforce、業務システム、データ基盤、ポータルサイト等をまたぐ連携設計 ・全体アーキテクチャを踏まえた技術選定、設計方針、実装方針の整理 ●ベンダーコントロール・技術レビュー ・開発ベンダー、外部パートナーとの技術領域における折衝、調整 ・ベンダー成果物に対する設計レビュー、コードレビュー、品質確認 ・社内側の技術判断者として、課題の切り分け、対応方針の提示、合意形成を支援 ●データ、AI、DX施策への技術支援 ・Snowflake、TROCCO等を用いたデータ分析基盤の構成・処理内容の管理、改善支援 ・AI、データ活用施策における技術検討、実装支援、業務適用の推進 ・DX施策に関する技術論点の整理、マネジメント層・ステアリングコミッティ向け報告支援 <関わる領域> ●業務システム ・iPaaS(Workato) ・データ分析基盤(Snowflake、TROCCO、Tableau) ・会員向けポータルサイト ●iPaaS(Workato) ・業務改善に向けたAI活用 ・AIマッチング等の事業支援施策 ・既存業務、既存システムへのAI活用の取り組み ※Salesforceは業務システムの一つとして利用しており、特定製品への深い依存よりも、周辺システムを含めた全体像の理解と連携設計・実装の視点を重視しています。

日本を代表するエンタープライズ企業を中心としたクライアントに対し、本質的な価値創出に重きを置いたプロジェクトの推進・実行を担当いただきます。経営課題を技術で解決するためのデータアーキテクトのグランドデザインおよびデータモデリングを主導するスペシャリストとして参画いただくポジションとなります。 ・日本を代表するエンタープライズ企業をメインクライアントとするDX支援、AI実装、および中長期的なデータ利活用戦略の立案とアーキテクチャ設計支援 ・AWS、Azure、GCPなどのクラウド環境を活用したデータ基盤・分析基盤の設計 ・分析チームやビジネス部門と連携したデータ活用環境の高度化 ●参考資料 https://note.com/flux_inc/m/mdcbaafdd8d84 ●業務の変更の範囲 会社の定める業務 ※本人の希望を聞かずに転勤させることはありません。

日本を代表するエンタープライズ企業を中心としたクライアントに対し、本質的な価値創出に重きを置いたプロジェクトの推進・実行を担当いただきます。機械学習モデルの実装から推論最適化、MLOpsの構築、実運用における保守・改善までを主導いただくスペシャリストとして参画いただくポジションとなります。 ・顧客のビジネス課題に基づいたAIシステムの設計・開発・運用 ・機械学習・深層学習を用いたAIモデル実装、および推論パイプラインの構築・最適化 ・MLOps基盤の構築、およびモデルのデプロイ・監視・継続的な精度改善フローの運用 ・生成AI(LLM等)を含む先端技術の調査・検証、および実務プロジェクトへの実装 ・データサイエンティストと連携したPoCの推進、技術選定・ベストプラクティスの確立 ●参考資料 https://note.com/flux_inc/m/mdcbaafdd8d84 ●業務の変更の範囲 会社の定める業務 ※本人の希望を聞かずに転勤させることはありません。

【ミッション】 新設された全社横断の品質改革組織において管理職として、以下のテーマをリードしていただきます。 【業務内容】 1.品質可視化要件の構築と運用及び品質データ活用による改善サイクルの確立 ソフトウェア開発の総量や生産性、品質状況をリアルタイムで「見える化」するためのデータ基盤を構築し、データ駆動型の改善サイクルを回します。 ●開発品質データの要件定義 蓄積すべき品質データの検討および品質メトリクスの抽出・定義 開発状況をリアルタイムに把握し、リスクを早期検知するためのデータ可視化環境の構築 ●開発品質データの構築と運用 定義したメトリクスに基づき、各開発現場から効率的に品質データを抽出・自動収集する仕組みの検討 開発状況や不具合収束性をいつでも俯瞰・把握できるダッシュボードの構築と、日常的な運用の確立 2.開発状況アラート判定基準と運用 プロジェクトの遅延や、重大な品質低下をイベント前に早期検知するためのガバナンス体制を構築します ●開発品質における不具合基準の要件定義 開発の途中で「開発状況の是非」をリアルタイムに定量判断するためのアラート閾値の策定 ●上記基準の実行と運用 策定した基準に基づき、開発状況のモニタリングを実行 リスクや異常を検知した際、開発現場へのタイムリーなフィードバックや、マネジメント層への迅速なエスカレーションフローの運用 3.バグ状況可視化方法の標準化 事業領域や開発チームごとにバラつきがある不具合管理を統一し、全社的なソフトウェア品質の横串管理を実現します ●ソフトウェア用の不具合管理方法における要件定義 不具合の定義、ステータス遷移(起票からクローズまで)、深刻度の全社統一ルール策定 ●不具合JIRAルールの標準化構築と運用 Jira等のツールにおいて、放置されがちなバグを無くすためのワークフロー設計および入力ルールの標準化 現場が迷わず正しく入力・管理するための、Jira標準化ルールのマニュアル整備と運用定着 4.ソフトウェア品質の浸透・定着活動 ●各開発組織に対する品質基準等の展開 SDVの各開発組織に設置される窓口担当者と密に連携し、策定した各種品質基準やプロセス、Jiraルール等を能動的に展開・導入 四輪開発センターの品質組織とも連携し、将来的には独立した立場から品質を担保する「第三者評価・品質監査」の仕組みづくりの推進 ●品質意識向上に向けた取り組み 市場で発生した不具合要因の分析結果や再発防止策を、SDV全体の開発プロセス・環境へ横串でフィードバック・共有 勉強会の開催や成功事例の共有を通じ、開発者一人ひとりのソフトウェア品質に対する意識向上と文化の醸成 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります

【具体的には】　※ご経験/スキルに合わせ詳細業務を決定します 【想定業務内容】 ※以下領域における、管理職としての組織マネジメント業務を中心にご対応いただきます。 1.AIプロダクトの開発計画策定と推進 ・サービス企画に基づき、開発スケジュール、リソース計画、マイルストーンを策定 ・AI特有の「学習データ調達→学習→評価→実装」のサイクルを、サービス開発のタイムラインに統合・管理 ・AIサービス企画開発の推進管理 2.開発ディレクションと品質管理 ・AIエンジニア、ソフトウェア開発者、検証チーム等へのタスク割り当てと進捗管理 ・「AIの精度指標(KPI)」と「サービスとしての品質要件」の整合性をとり、リリース判定基準を管理 3.部門間・パートナー企業との調整 ・車両開発部門や関連ITシステム開発部門とのインターフェース(API仕様等)の調整 ・ビジネスオーナー部門と調整しながら、ビジネス要求をベースにシステム企画・設計を推進 ・ベンダーやクラウド事業者等の協力会社様との実務レベルでの交渉・進捗同期 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります 【開発ツール】 ●プロジェクト管理: Azure Boards、Teams、MS Loop等 ●開発言語: Python、Java、TypeScript、HTML、CSS、Kotlin等 ●データベース:MySQL、Oracle等 ●使用ツール:ChatGPT、Gemini、BigQuery、TensorFlow、PyTorch、Tableau等 ●開発環境: Azure、GCP、AWS、Android Studio等

【ミッション】 新設された全社横断の品質改革組織において管理職として、以下のテーマをリードしていただきます。 【業務内容】 1.品質可視化要件の構築と運用及び品質データ活用による改善サイクルの確立 ソフトウェア開発の総量や生産性、品質状況をリアルタイムで「見える化」するためのデータ基盤を構築し、データ駆動型の改善サイクルを回します。 ●開発品質データの要件定義 蓄積すべき品質データの検討および品質メトリクスの抽出・定義 開発状況をリアルタイムに把握し、リスクを早期検知するためのデータ可視化環境の構築 ●開発品質データの構築と運用 定義したメトリクスに基づき、各開発現場から効率的に品質データを抽出・自動収集する仕組みの検討 開発状況や不具合収束性をいつでも俯瞰・把握できるダッシュボードの構築と、日常的な運用の確立 2.開発状況アラート判定基準と運用 プロジェクトの遅延や、重大な品質低下をイベント前に早期検知するためのガバナンス体制を構築します ●開発品質における不具合基準の要件定義 開発の途中で「開発状況の是非」をリアルタイムに定量判断するためのアラート閾値の策定 ●上記基準の実行と運用 策定した基準に基づき、開発状況のモニタリングを実行 リスクや異常を検知した際、開発現場へのタイムリーなフィードバックや、マネジメント層への迅速なエスカレーションフローの運用 3.バグ状況可視化方法の標準化 事業領域や開発チームごとにバラつきがある不具合管理を統一し、全社的なソフトウェア品質の横串管理を実現します ●ソフトウェア用の不具合管理方法における要件定義 不具合の定義、ステータス遷移(起票からクローズまで)、深刻度の全社統一ルール策定 ●不具合JIRAルールの標準化構築と運用 Jira等のツールにおいて、放置されがちなバグを無くすためのワークフロー設計および入力ルールの標準化 現場が迷わず正しく入力・管理するための、Jira標準化ルールのマニュアル整備と運用定着 4.ソフトウェア品質の浸透・定着活動 ●各開発組織に対する品質基準等の展開 SDVの各開発組織に設置される窓口担当者と密に連携し、策定した各種品質基準やプロセス、Jiraルール等を能動的に展開・導入 四輪開発センターの品質組織とも連携し、将来的には独立した立場から品質を担保する「第三者評価・品質監査」の仕組みづくりの推進 ●品質意識向上に向けた取り組み 市場で発生した不具合要因の分析結果や再発防止策を、SDV全体の開発プロセス・環境へ横串でフィードバック・共有 勉強会の開催や成功事例の共有を通じ、開発者一人ひとりのソフトウェア品質に対する意識向上と文化の醸成 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります 【職場環境・風土】 Hondaは三つの喜び(買う喜び、売る喜び、創る喜び)を基本理念に、創業より数々の製品を生みだしてきました。役員から新入社員まで、あらゆる人材が自由な発想で、夢や理想を徹底的に追求する風土が根付いており、学歴や年齢に関係なく誰もがフラットに活躍できる職場環境です。積極的に仕事に向き合い、推進する力のある従業員には、入社直後であっても大きな仕事が任されます。「こんなクルマが作りたい!」と自ら手を挙げてプロジェクトを立ち上げるような気概を持った方に、是非仲間に入っていただきたいと思います。

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

【ミッション】 -事業戦略に整合したプロダクトロードマップの策定と達成 -AI 協働(生成 AI / MCP)を前提にした開発生産性・品質の最大化 -ユーザー価値を起点とした高速な検証・学習ループの確立 -プロダクト組織(PdM/Eng/Design)の体制構築・採用・育成 【概要】 プロダクト戦略の策定から実行・ガバナンスまでを統括し、 AI を活用した設計・開発・運用の標準を確立します。プロダクトポートフォリオ全体の成果責任を担います。 【業務範囲】 -中長期のプロダクト戦略・ロードマップの策定と合意形成 -開発組織の採用・評価と組織マネジメント -技術選定・アーキテクチャ設計(将来を見据えたスケーラブルな設計) -プロダクト KPI の設計・レビューと意思決定のリズム設計 -AI ファーストな開発標準(テンプレート/スキーマ/レビュー/自動化)の設計・運用 -資源配分(人材/予算/時間)の最適化と投資判断 -組織デザイン(採用・育成・評価)とカルチャー醸成 -ステークホルダーコミュニケーション(経営/事業/コーポレート) 【利用するツール】 -GitHub / Notion / 各種開発・デザインツール(Figma など) -Claude / Claude Code / Cursor / 各種 MCP ツール -GCP / AWS / Vercel など

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。

●ポジション概要 AIソリューション事業のForward Deployed Engineer(FDE)として、業界最大手グループ企業をはじめとする大手クライアントの業務現場に深く入り込み、業務フローをAIネイティブに再構築する変革(AX)を要件定義から実装・運用まで一気通貫でリードしていただきます。 FDEは「顧客の現場に最も近い場所で課題を解決するエンジニア」です。当社では戦略コンサルティングファーム出身のAIコンサルタントとペアを組み、クライアントの経営課題・オペレーション課題をAIで解ける形に翻訳し、自らプロトタイプを実装して現場に届け、フィードバックを得ながら本番システムへと育てていきます。 ただし、個社のAX実現はこのポジションのミッションの一部にすぎません。現場に深く入り込むからこそ得られる不動産業界のリアルなドメイン課題への理解を起点に、当社SaaS「カナリークラウド」をエージェンティックなアプリケーションへと進化させ、「マスター物件DB構想」の実現へと近づけていく——個社への実装で終わらせず、カナリーが目指す「不動産領域におけるバーティカルAIエージェント」の基盤構築へとつなげていくことが、FDEに期待するより大きなミッションです。 ●業務内容 ・クライアントの業務プロセスの理解・分解と、AIエージェントによる代替・高度化余地の特定 ・AIコンサルタントと協働した要件定義、ソリューション設計、PoC〜本番実装 ・マルチエージェントアーキテクチャの設計・開発(エージェントオーケストレーション、Tool Use / Function Calling、Human-in-the-Loopの組み込み等) ・RAGパイプラインの構築(業務ドキュメント・データの取り込み、検索基盤の設計、コンテキストエンジニアリング) ・AIエージェントの品質・信頼性の担保(評価基盤(Evals)の構築、ガードレール設計、本番運用のモニタリング) ・クライアント環境・データとの連携設計(API連携、データパイプライン、セキュリティ要件対応) ・個社実装で得たドメイン知見の還元による、「カナリークラウド」のエージェンティックな進化と「マスター物件DB構想」実現への貢献 ●開発環境 ・言語:Go(バックエンド、AIエージェント、MCPツール開発)、TypeScript(フロントエンド開発)、Python(AIエージェント開発) ・AIエージェントフレームワーク:ADK(Agent Development Kit) ・インフラ:GCP(Gemini Enterprise Agent Platform、GKE、Cloud Spanner 等)

・Bring Out の対話解析AIを、顧客のシステム基盤(CRM / SFA / 音声解析 / ERPなど)に統合 ・API設計・連携、LLM・RAG・音声認識などの要素を組み合わせた新ユースケースのアーキテクチャ設計 ・複雑な非構造データを処理する解析パイプラインの最適化・汎化設計 ・クライアント課題をもとにした高速PoC〜MVP開発 ・OpenAI / Anthropic / Vertex AI など各種モデルを用いたLLM統合・パフォーマンス検証 ・新しい対話解析ユースケースの技術検証・再利用可能な仕組み化 ・BizDev・AI・Backend チームと協働し、現場実装の知見を設計原則に昇華 ・技術的リスクを特定し、再現性ある開発プロセスを設計 ・技術標準化・共通モジュール化を推進し、プロダクトのスケーラビリティを向上 技術スタック ・バックエンド: Node.js, TypeScript, Python, GraphQL ・データストア: PostgreSQL, AWS S3, DynamoDB ・インフラ系: AWS, Terraform, Docker, CircleCI

●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

マッチング領域やTrust & Safety領域などにおけるAI/ML機能のプロダクト実装・評価・改善は、主にデータサイエンティストやプロダクトAI/MLエンジニア、ソフトウェアエンジニアが担います。本ポジションでは、それらのAI/ML機能がプロダクト上で安全かつ継続的に価値提供できるよう、社内のML/LLM基盤、推論基盤、開発・運用環境、標準パターンを設計・開発・運用していただきます。 ML基盤を、社内のAI/ML活用を支える重要な技術基盤であると同時に、データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが安全かつ再現性高くAI/MLを本番活用するためのプラットフォームとして捉え、標準化・セルフサービス化・Developer Experienceの向上にも取り組んでいただきます。 ●機械学習の学習・評価・予測・デプロイ・監視を効率的に実現するためのML基盤の設計・開発・保守・運用 ・機械学習APIサーバー、オンライン推論基盤、バッチ推論基盤の設計・開発・運用 ・機械学習システムのためのデータパイプライン、特徴量管理、Feature Store等の設計・開発・運用 ・機械学習ワークフロー、実験管理、モデル管理、評価・検証プロセスの設計・開発・運用 ・ML関連の開発業務を効率化する社内ライブラリ、テンプレート、サンプル実装、開発環境の整備 ●プロダクトAI/MLエンジニアやデータサイエンティストが、AI/ML機能を本番環境で安全に実装・運用するためのProduction Readinessの整備 ・モデル精度、データ品質、ドリフト、レイテンシー、エラー率、コストなどの監視・可視化の仕組みづくり ・モデル更新、ロールバック、障害対応、インシデント対応、Runbook整備などの運用標準化 ・個別プロダクト機能の要件を踏まえた、基盤側の非機能要件・運用要件・責務分界の整理 ●生成AI/LLMを複数チームで安全に活用するためのLLMOps基盤・AIガバナンスの設計・開発・運用 ・プロンプト管理、評価データセット、出力品質評価、LLM as a Judge、リグレッションテスト等の共通基盤づくり ・LLMアプリケーションの監視、コスト管理、Fallback、ガードレール、セキュリティ・利用ポリシー整備 ・個別ユースケース実装を担うチームが、安全に生成AI/LLMを利用するためのルール・テンプレート・レビュー観点の整備 ●データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが迷わずAI/ML機能を開発・運用できるゴールデンパスの整備 ・CI/CD、IaC、コンテナ、クラウド、権限管理、Secret管理、監査ログ等を組み込んだ標準パターンの設計・運用 ・テンプレート、ドキュメント、チェックリスト、オンボーディング資料、開発者向けガードレールの整備 ・個別案件から共通パターンを抽出し、セルフサービス化・自動化・再利用可能な形へ昇華 ●上記を実現するための非機能要件・運用品質の継続的な改善 ・IaCによるインフラ構築・管理 ・CI/CDによるテスト・デプロイ自動化 ・サービス監視、ログ、メトリクス、トレース、アラートの設計・運用 ・パフォーマンス、可用性・信頼性、セキュリティ、コスト効率を考慮した設計・実装および継続的な改善 ●社内のデータサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニア等への教育・スキルトランスファー、技術支援 ●ML/LLM基盤活用戦略の作成・推進、全社的なAI/ML活用の環境整備・啓蒙活動 扱っているデータ ・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 上記のようなデータを扱っております。 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

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

当社のデータアナリティクス部門にて、データアナリストとしてご活躍いただきます。ご本人の志向性やこれまでのご経験を考慮し、以下「中核事業」または「新規事業」のいずれかの領域へ配属となります。 中核事業 タイミーの中核である「スポットワーク領域」において、ToB・ToCの膨大なデータを武器に事業を牽引。抽出したインサイトをもとに、プロダクトからビジネス展開まで全方位の意思決定を支援し、顧客への提供価値を最大化し続けます ▼分析を通した事業貢献 ・各種データから事業課題を特定し、データに基づいた サービス改善による顧客体験の向上に貢献 ・分析から事業成長の鍵となるビジネスレバーを導き出し、より 確度の高い事業戦略の実行を後押し ・定性情報からユーザーへの深い理解を促し、ユーザーに刺さる プロダクト開発・マーケティング施策の創出に貢献 ▼データを用いた仕組みづくり ・既存機能や施策に対する効果検証の設計、および検証業務の推進 ・大規模データを活用した、継続的な事業モニタリングや意思決定の標準化 新規事業 タイミーの次なる柱となる「新規事業領域全般」を担当。既存事業の膨大なデータ資産と分析知見を武器に、ゼロからの事業立ち上げに挑戦。不確実性の高い環境下でも精緻な仮説検証と高速なPDCAを回し、事業のスケールを力強く牽引します。 ▼分析を通した事業貢献 ・新規事業の立ち上げ・初期フェーズにおける事業課題をデータから特定し、 ゼロからの事業創出と早期のトラクション獲得を牽引 ・不確実性の高い環境下での分析から勝ち筋(ビジネスレバー)を発見し、 新規事業の早期マネタイズやスケールをリード ・限られた初期データからインサイトを抽出し、 不確実な事業の方向性を決定づける、精度の高い戦略策定に貢献 ▼データを用いた仕組みづくり ・事業の立ち上げフェーズに適した、データ収集・検証・意思決定の仕組みのゼロからの構築 ・新規施策に対するスピード感を持ったA/Bテスト等の効果検証の設計と検証 扱っているデータ ●アプリユーザーのアクセスログ ●募集内容やマッチングに関する各種データ ●地理空間データ ●レビュー情報や評価データ ●広告データ ●SFA/CRMツールによる営業活動に関するデータ ●アンケートやサーベイデータ

当社のデータアナリティクス部門にて、データアナリストとしてご活躍いただきます。ご本人の志向性やこれまでのご経験を考慮し、以下「中核事業」または「新規事業」のいずれかの領域へ配属となります。 中核事業 タイミーの中核である「スポットワーク領域」において、ToB・ToCの膨大なデータを武器に事業を牽引。抽出したインサイトをもとに、プロダクトからビジネス展開まで全方位の意思決定を支援し、顧客への提供価値を最大化し続けます ▼分析を通した事業貢献 ・各種データから事業課題を特定し、データに基づいた サービス改善による顧客体験の向上に貢献 ・分析から事業成長の鍵となるビジネスレバーを導き出し、より 確度の高い事業戦略の実行を後押し ・定性情報からユーザーへの深い理解を促し、ユーザーに刺さる プロダクト開発・マーケティング施策の創出に貢献 ▼データを用いた仕組みづくり ・既存機能や施策に対する効果検証の設計、および検証業務の推進 ・大規模データを活用した、継続的な事業モニタリングや意思決定の標準化 新規事業 タイミーの次なる柱となる「新規事業領域全般」を担当。既存事業の膨大なデータ資産と分析知見を武器に、ゼロからの事業立ち上げに挑戦。不確実性の高い環境下でも精緻な仮説検証と高速なPDCAを回し、事業のスケールを力強く牽引します。 ▼分析を通した事業貢献 ・新規事業の立ち上げ・初期フェーズにおける事業課題をデータから特定し、 ゼロからの事業創出と早期のトラクション獲得を牽引 ・不確実性の高い環境下での分析から勝ち筋（ビジネスレバー）を発見し、 新規事業の早期マネタイズやスケールをリード ・限られた初期データからインサイトを抽出し、 不確実な事業の方向性を決定づける、精度の高い戦略策定に貢献 ▼データを用いた仕組みづくり ・事業の立ち上げフェーズに適した、データ収集・検証・意思決定の仕組みのゼロからの構築 ・新規施策に対するスピード感を持ったA/Bテスト等の効果検証の設計と検証 扱っているデータ ●アプリユーザーのアクセスログ ●募集内容やマッチングに関する各種データ ●地理空間データ ●レビュー情報や評価データ ●広告データ ●カスタマーサポートへの問い合わせデータ ●SFA/CRMツールによる営業活動に関するデータ ●アンケートやサーベイデータ ●人事データ

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。

本ポジションでは、単なるAI機能の実装にとどまらず、 「どの業務課題にAIを適用することで本質的な価値を生むか」から設計し、プロダクトに実装・運用するところまでを一貫して担っていただきます。 プロダクトはすべて立ち上げ〜グロース初期フェーズにあり、AIを前提としたプロダクト設計・再構築を推進していく重要なポジションです。 ・業務課題に対するAI活用の企画・価値設計 ・LLM / MLを用いた機能設計・実装・改善 ・RAG構成の設計、チューニング、評価基盤の構築 ・モデルの学習・推論パイプラインの設計・運用 ・プロダクトへのAI機能の本番実装(PoCで終わらせない) ・パフォーマンス・精度・コストの最適化 ・継続的な改善のためのログ設計・評価指標設計 ・プロダクトチーム(PM / エンジニア / デザイナー)との協働 プロダクトフェーズ Dress Code株式会社はワークフォースマネジメントプラットフォーム「DRESS CODE」を開発・提供するスタートアップです。 人事・労務・採用・情シス・総務といった複数業務領域を横断し、分断された業務データ・プロセスを統合することで、企業の生産性を構造的に改善するプロダクト群を開発しています。 顧客価値を根本から見直し、引き算思考で 『DRESS CODE』 を開発し、企業ごとにカスタム機能を作るのではなく、泥臭く業務シナリオを徹底的に洗い出し、全てを標準装備として実装しています。 Dress Code創業 - 「誰もやらないから、挑戦する意義がある」(https://note.com/dresscode/n/n5a808cbf3d46) シードで累計14.1億円を調達済み(https://prtimes.jp/main/html/rd/p/000000001.000160565.html) 日本・インドネシア・ベトナム・タイ・シンガポールなど、アジアを中心にグローバル展開 200社を超える顧客を獲得 ●開発環境 アジャイル・スクラム（2週間スプリント）を採用 Feature（価値・機能）単位でフルスタックに開発 ペアプロ・モブプロは積極的に採用 イベントストーミング・ドメインモデリングは特に注力 ●バックエンド ・NestJS ・Prisma RustエンジンからTSネイティブアダプタへ移行 ・Aurora PostgreSQL v17 Blue/Green Deployments でメジャーアップデートを運用 ・モジュラモノリス Force分割 ・ECS Fargate ●非同期・バッチ基盤 ・AWS Batch on Fargate ・EventBridge ・S3トリガー ・Noisy Neighbor 対策 ●参照系・整合性の設計 ・CQRS ・QueryService + DTO パターン ・Choreography → Orchestration Saga ・Event Sourcing 的なデータ設計 ・Prisma の onCommit フック ●フロントエンド・BFF ・Next.js SSR / BFF ・React Compiler annotationモード＋Oxlintで段階導入 約7,500ファイル規模のTypeScriptプロジェクト ・TanStack Query ・Dexie.js ・Server-Driven UI（SDUI）による台帳画面の運用 ・型共有：oRPC OpenAPIコード生成からの移行 ●認証・権限基盤 ・Ory Kratos 将来 Ory Hydra を検討 ・Permission & Roles プロダクト横断の権限共通基盤 Default Deny / Default Allow の設計判断 ●インフラ ・AWS WAF v2 ALB ECS Fargate Graviton（ARM64） Secrets Manager Bedrock ・IaC：AWS CDK ・GCP連携 Service Account Workload Identity Federation Domain-wide Delegation によるキーレス認証 ●CI/CD ・GitHub Actions self-hosted ARM64 ランナー ・Docker buildx ・SOCI デプロイ時間を約50%短縮 ●開発手法・QA・AI活用 ・仕様駆動開発 OpenSpec ・ADR ・Playwright ・runn ・AIコーディング Cursor Claude Code Claude Code in Chrome ・AIが書いたコードのPRレビュー／Approveのメンタルモデルづくり ●AI環境 AIへの投資を惜しまない開発環境です。 「顧客への提供価値が向上するなら、もっと投資していい」という代表の方針のもと、必要性を説明できれば使いたいAIツールをためらわず導入できます。 AI開発合宿のように、意図的に集中して挑戦する機会もあります。 Cursor / Claude Code に加え、Claude Code in Chrome でのブラウザ操作の自動化や、AIが書いたコードをどうレビュー・Approveするかといった「AIと協働する開発文化」そのものを、チームで議論・更新しています。

マッチング領域やTrust & Safety領域などにおけるAI/ML機能のプロダクト実装・評価・改善は、主にデータサイエンティストやプロダクトAI/MLエンジニア、ソフトウェアエンジニアが担います。本ポジションでは、それらのAI/ML機能がプロダクト上で安全かつ継続的に価値提供できるよう、社内のML/LLM基盤、推論基盤、開発・運用環境、標準パターンを設計・開発・運用していただきます。 ML基盤を、社内のAI/ML活用を支える重要な技術基盤であると同時に、データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが安全かつ再現性高くAI/MLを本番活用するためのプラットフォームとして捉え、標準化・セルフサービス化・Developer Experienceの向上にも取り組んでいただきます。 ●機械学習の学習・評価・予測・デプロイ・監視を効率的に実現するためのML基盤の設計・開発・保守・運用 ・機械学習APIサーバー、オンライン推論基盤、バッチ推論基盤の設計・開発・運用 ・機械学習システムのためのデータパイプライン、特徴量管理、Feature Store等の設計・開発・運用 ・機械学習ワークフロー、実験管理、モデル管理、評価・検証プロセスの設計・開発・運用 ・ML関連の開発業務を効率化する社内ライブラリ、テンプレート、サンプル実装、開発環境の整備 ●プロダクトAI/MLエンジニアやデータサイエンティストが、AI/ML機能を本番環境で安全に実装・運用するためのProduction Readinessの整備 ・モデル精度、データ品質、ドリフト、レイテンシー、エラー率、コストなどの監視・可視化の仕組みづくり ・モデル更新、ロールバック、障害対応、インシデント対応、Runbook整備などの運用標準化 ・個別プロダクト機能の要件を踏まえた、基盤側の非機能要件・運用要件・責務分界の整理 ●生成AI/LLMを複数チームで安全に活用するためのLLMOps基盤・AIガバナンスの設計・開発・運用 ・プロンプト管理、評価データセット、出力品質評価、LLM as a Judge、リグレッションテスト等の共通基盤づくり ・LLMアプリケーションの監視、コスト管理、Fallback、ガードレール、セキュリティ・利用ポリシー整備 ・個別ユースケース実装を担うチームが、安全に生成AI/LLMを利用するためのルール・テンプレート・レビュー観点の整備 ●データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが迷わずAI/ML機能を開発・運用できるゴールデンパスの整備 ・CI/CD、IaC、コンテナ、クラウド、権限管理、Secret管理、監査ログ等を組み込んだ標準パターンの設計・運用 ・テンプレート、ドキュメント、チェックリスト、オンボーディング資料、開発者向けガードレールの整備 ・個別案件から共通パターンを抽出し、セルフサービス化・自動化・再利用可能な形へ昇華 ●上記を実現するための非機能要件・運用品質の継続的な改善 ・IaCによるインフラ構築・管理 ・CI/CDによるテスト・デプロイ自動化 ・サービス監視、ログ、メトリクス、トレース、アラートの設計・運用 ・パフォーマンス、可用性・信頼性、セキュリティ、コスト効率を考慮した設計・実装および継続的な改善 ●社内のデータサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニア等への教育・スキルトランスファー、技術支援 ●ML/LLM基盤活用戦略の作成・推進、全社的なAI/ML活用の環境整備・啓蒙活動 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 ・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 上記のようなデータを扱っております。

AI・データを活用した複数のプロジェクトをプログラムとして束ね、事業・プロダクト・エンジニアリング・データ専門組織を横断しながら、構想から成果創出・定着までを推進していただきます。 ●事業・プロダクト課題を構造化し、AI・データ戦略、活用テーマ、実行ロードマップを策定 ●複数プロジェクトの優先順位・依存関係・リスクを統合し、組織横断の推進体制と意思決定プロセスを設計 ●PoC・MVPから本番展開、定着、成果検証までを推進し、得られた学びを他領域へ展開 扱っているデータ ・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 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 / SQL ●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

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

デジタル推進統括本部 クロスドメインプラットフォーム本部 クラウド管理部にて、クラウド環境の最適化、マルチクラウドソリューションの企画・実行をお任せします。 <具体的な業務内容> ①クラウド環境のプラットフォーム最適化(要件定義・設計・構築・運用・テスト) ・既存IaaS・PaaS環境からのクラウドネイティブ化対応 ・サーバーレス/コンテナ/マイクロサービスなどを活用したクラウドネイティブ技術の実装 ②マルチクラウドソリューションの企画・推進 ・AWS/Azure等の強みを活かしたプラットフォーム設計と活用戦略立案 ・グローバル拠点を含めた導入展開・標準化・セキュリティ施策の推進 ③クラウド環境上の生成AI環境構築 ・企業プラットフォームからMCP等を活用したLLM連携の構築・活用検証 ・トラストモデルの検証 ・技術強化部門へPoC環境提供 ④プロジェクト運営 ・グローバルプロジェクトのPM/PL/PMO等の各役割に応じたリード ・プロジェクト進捗管理、課題管理、コスト管理、リスク管理、ステークホルダ管理 等 ・プロジェクト会議アレンジ、ファシリーテート、資料作成 等 <現状推進しているプロジェクト> ・マルチクラウド間データ連携基盤の構築 ・クラウド基盤エンタープライズアーキテクチャのグランドデザイン、標準化 <対象クラウドについて> 日立ハイテクグループを対象にしたクラウド基盤、もしくは日立グループを対象にしたクラウド基盤となります。 ボリュームとしては日立ハイテクグループを対象にしたクラウド基盤が多くを占めており、こちらの基盤構築・管理がメインとなります。 日立グループ全体を対象にしたクラウドを使用する場合は、日立製作所や他グループ会社とも連携をとりながら業務を進めていくため、大規模なプロジェクトの推進経験をすることができ、与えるインパクトが大きくやりがいを感じることができます。 ※業務の変更範囲※ 会社の定める業務 ※転勤:茨城県勝田市、および山口県下松市の工場にデジタル推進統括本部のIT部門があるため、ローテションによる転勤の可能性があります。