マネジメント・経営・上流(機械学習)の求人・転職情報

※弊社にてご経歴を確認の上マッチする部署を選定させていただく応募コースとなります。 【業務内容】 海外の新しい技術や製品を顧客へ展開するCTCの強みを活かし、システムエンジニア職として顧客に対し、アプリケーション開発、製品導入の案件を担当いただきます。 担当業務例) ・ユーザ企業向けのソリューション提案 ・プロジェクト計画 ・進捗管理/品質管理/調達管理/リスク管理などプロジェクト管理全般 ・上流設計(要件定義、外部仕様設計、アーキテクチャ設計)業務 ・協力会社(オフショア企業を含む)との協業 ・顧客へのプロジェクト状況報告

業務内容 ※弊社金融事業担当開発部署の中から、ご経歴を確認の上マッチする部署を選定させていただく応募コースとなります。 【担当業界】 ・大手金融機関(メガバンク、政府系金融機関、ネット銀行、証券、カードなど) 【業務内容】 海外の新しい技術や製品を顧客へ展開するCTCの強みを活かし、システムエンジニア職として顧客に対し、アプリケーション開発、製品導入の案件を担当いただきます。 担当業務例) ・ユーザ企業向けのソリューション提案 ・プロジェクト計画 ・進捗管理/品質管理/調達管理/リスク管理などプロジェクト管理全般 ・上流設計(要件定義、外部仕様設計、アーキテクチャ設計)業務 ・協力会社(オフショア企業を含む)との協業 ・顧客へのプロジェクト状況報告

●ミッション 本ポジションのミッションは、Physical AIシステムにおけるソフトウェアレイヤー全体を設計・実装し、ロボット、データ、AIが一貫してつながる状態を実現することです。 ハードウェアおよびミドルウェアの制約条件を理解したうえで、データ収集から学習、推論、現場での運用までを支えるソフトウェア基盤を構築し、プロジェクトを技術的にリードしていただきます。 ●業務内容 ・ロボットシステム全体を俯瞰し、ハードウェア、ミドルウェア、AIモデル、アプリケーションをつなぐソフトウェアアーキテクチャを設計する業務 ・ロボットから取得されるセンサデータやログを安定的に収集・管理するためのデータ収集基盤およびパイプラインを設計・実装する業務 ・学習および推論システムと連携するバックエンドサービスやAPIを設計し、ロボット実機や上位アプリケーションと接続する業務 ・ロボットにインテグレーションされるアプリケーションやサービスレイヤーを開発し、現場運用を前提とした機能実装や改善を行う業務 ・クラウドおよびオンプレミスを含むインフラ構成を設計し、開発・検証・運用を支える基盤を整備する業務 ・顧客ごとに開発した内容を抽象化し、共通するプロダクト開発を行う業務 ・実機検証や顧客導入の過程で明らかになる要件や制約を踏まえ、ソフトウェア設計や実装を柔軟に見直しながら改善を進める業務 ・ハードウェアエンジニア、ミドルウェアエンジニア、データサイエンティスト、プロジェクトマネージャーと連携し、技術的な意思決定や設計方針を主導する業務 【変更の範囲】 会社の定める業務へ配置転換の可能性あり

生成AIでビジネスの未来を「革新」する自然言語処理アーキテクトを募集 生成AI(特にLLM)を用いた業務効率化・知的業務支援のプロジェクトにて、技術選定・設計・開発の中核を担っていただきます。 「PoC止まりで終わらない」本番実装の案件が豊富で、NLPの専門性をビジネスに結びつけたいエンジニアに最適な環境です。 【具体的な業務】 以下を想定しております。 ・エンドクライアントとの技術ディスカッション、業務分析、PoC仮説設計 ・LLMや検索技術(RAGなど)を用いたプロトタイプ開発、本番導入 ・ジュニアメンバーの技術支援、コードレビュー ・PM・Biz側への技術提案・交渉・仕様調整 ・LLMの評価設計(指標設計、ベンチマーク設計など)

本ポストは開発経験者を対象にした第一金融事業本部の銀行・クレジットの開発を希望する方向けの集約ポストです。 貴方のご経験・希望をもとに、幅広いポストからマッチするプロジェクトをご提案します。 職種 ・業務アプリケーションエンジニアとして、顧客企業の要望を実現、または自ら新たなサービスを企画提案し、設計・開発する。 ・インフラエンジニアとして、オンプレサーバ・クラウドやネットワーク・データベース・OS・ミドルウェア等、各種基盤の設計・構築する。 ・プロジェクトマネージャとして、大規模なプロジェクトから小規模なチームまで、ご経験に応じた運営を行う。 配属予定プロジェクト 例 1.銀行系 ・大規模基幹系システムのシステム更改や機能改善の企画検討、業務アプリケーション開発、基盤開発 ・インターネットバンキング/スマホアプリ/オープンAPIなどのデジタル技術を活用したシステム開発 2.クレジット系 ・メガバンク系クレジットカード会社のシステム開発(基幹系システムのモダナイズ案件、オープン系システムの開発) ・国内最大級のデータ利活用基盤構築、最先端のクラウドデータプラットフォーム構築 ・数百万~数千万会員を抱える会員向けスマホアプリ、QRコード決済サービス、ポイントサービスや各種新サービスなどのアプリ開発・クラウドプラットフォーム構築 関連する技術やサービス 言語:Java(Spring Framework)・JavaScript・HTML・C++・PL/Ⅰ・COBOL など 製品/サービス:Linux・Windows・AIX・RHEL SAS Viya・Oculus-CDD・Oculus-Filter・VMware・intra-mart Docker・Kubernetes・Ansible AWS・Azure・GCP・Salesforce・ServiceNow Oracle・Postgre Systemwalker・Hinemos など 開発手法:CI/CD・DevOps・SAFe・TERASOLUNA開発標準 など お客様例 日本最大の金融機関を含む、本邦5大金融グループの一角を担う金融機関のうち、3銀行。 大規模かつ先進的なクレジットカード会社 多数。 セーフティネットを担う金融機関(国内外) 組織情報 金融業界における大規模先進企業と共に社会変革・業界変革の最前線に立つ

課題にあわせたハード、AI、ソフトを適切に組み合わせたソリューションを設計、提案、構築をする

機械学習領域の技術方針・技術判断 ・事業課題・プロダクト要件を踏まえた機械学習の活用方針の検討 ・機械学習を使用する/使用しない判断を含む技術的な実現方法の選定 ・モデル・アルゴリズム・特徴量等の選定と技術的な妥当性の検証 ・複数の機械学習テーマを見据えた技術方針・開発優先順位の検討 ・精度、開発工数、運用負荷、保守性、コストを考慮した技術的な意思決定 大規模LLMとの連携・活用に向けた技術設計・開発 ・業務要件やユースケースに応じた大規模MLMの選定・評価および技術的な活用方針の策定 ・大規模LLMとのAPI連携や既存システムへの組み込みを見据えたアーキテクチャの設計・実装 ・Pythonを用いたモデル連携機能の開発および推論処理・データ連携の最適化 ・出力精度・応答速度・コストなどの評価指標の設計および検証結果に基づく継続的な改善 ・大規模LLMのプロダクション環境への導入・運用における技術的課題の解決や難易度の高い開発テーマのリード システム設計・MLOpsの推進 ・機械学習モデルをプロダクトに組み込むためのAPI・バッチ処理・推論基盤の設計 ・データ処理・学習・推論パイプラインの設計・構築 ・モデルの本番環境への導入、監視、運用改善 ・精度低下やデータ変化を踏まえた再学習・改善プロセスの設計 ・再現性、可観測性、保守性、運用コストを考慮したMLシステムの改善 開発品質・技術基盤の整備 ・モデル・コード・実験結果・評価設計に関する技術レビュー ・モデルの評価方法や開発手順の標準化 ・技術的負債や運用課題の可視化、改善方針の策定 ・実験管理、CI/CD、モデル監視等を含む開発・運用環境の改善 ・機械学習領域における技術知見のドキュメント化・共有 関係部門との連携・技術支援 ・PdMや事業側と連携した課題整理、技術的な実現可能性の検討 ・アプリケーションエンジニア等との連携によるプロダクトへの機械学習機能の実装 ・AIデータ品質担当との連携による学習・評価データの品質向上 ・開発メンバーへの技術レビューや設計・実装面での支援 ・技術選定の理由、評価結果、リスク等の関係者への説明 ※人員管理や組織マネジメントはEM等と役割を分け、本ポジションでは機械学習領域の技術的な意思決定と開発・運用品質を中心に担っていただきます。 課題や事業上の優先順位はPdM等と連携し、AIデータ品質担当とはデータ品質に関する役割を分担します。

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

【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

Tech Lead としての仕事 ●音声処理基盤の技術戦略とアーキテクチャ設計 ・ストリーミング音声の取り込みから、認識・話者分離・要約までの処理パイプライン全体を設計します。精度・レイテンシ・推論コストのどれを、どこまで、どうやって取りに行くか — その判断の責任を持ちます。技術選定、技術的負債の返済計画、スケーラビリティとコストの設計もここに含まれます。 ●プロダクト機能の設計・実装リード ・会議横断分析、LLMを用いた要約・論点抽出、Zoom / Teams / Meet からの音声取り込み、Salesforce / Slack など業務ツールへの連携。PdM と要件を詰めながら、自ら手を動かして設計・実装をリードします。ISMS / Pマーク準拠、データ暗号化、日本リージョン処理といったエンタープライズ要件も設計に織り込みます。 例: 大規模会議での話者分離精度が伸び悩んでいた。音声波形ベースの分離モデルと後段のLLM補正を組み合わせる構成に切り替え、GPU推論をバッチング化。精度と推論コストを同時に改善する。 ●チームの技術リード ・設計レビュー・コードレビューを通じた品質の底上げ、メンバーのメンタリング、開発プロセスの整備。技術面接への参加を通じて、チームを一緒に作る側に回っていただきます。 ●チーム体制 約60名がエンジニア組織に在籍しています。 全社256名、エンジニアの外国籍比率は44%です。 Speech チームは5名。PdM、AI Platform チーム (GPU / Kubernetes 基盤)、Product Engineerと連携して進めます。 【開発環境】 ●言語 : Python (バックエンド) , TypeScript / React / Next.js (フロントエンド) / NX ●AI/LLM : LangChain, LangGraph, JAPAN AI STUDIO SDK ●インフラ : GCP (コンテナ / K8s) , Docker ●データ : BigQuery, PostgreSQL, 各種顧客データソース ●ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion ●AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin ●作業環境 : Mac (Apple Silicon) , デュアルモニタ対応 【学習と開発の支援】 ●AIツール利用サポート ・JAPAN AI SaaS サービス, Cursor, ChatGPT, ClaudeなどAIツール全般を会社負担で利用可能 ●開発ツール支援 ・利用したい開発ツールが有償である場合、その費用を負担 (年3万円まで) ●書籍購入補助 ・技術書など学習のために利用する書籍を会社費用で購入可能 (半期3万円まで) ●語学学習 / 資格取得支援 ・日本語や英語の学習プログラムや資格の取得を会社費用で利用可能 ●リフレッシュ手当 ・ご自身のリフレッシュのために使用するサービスの費用を負担 (月5000円まで) ・e.g. ジム, ヨガ, 整体、水族館、映画, テーマパークのチケットなど各種適用可能 ●家賃手当 ・該当エリアにお住いの方に家賃手当を支給 (月3万円まで) 【働き方】 ハイブリッド勤務 : 週3出社、週2リモート ●従事すべき業務の変更の範囲 会社の定める業務

配属は、ご経験・志向・適性に応じて、Core領域またはMarketing Cloud領域を想定しています。 ご入社後は、Salesforce導入・活用プロジェクトの中核として、要件整理からプロジェクト推進、リリース後の活用定着まで一気通貫でリードいただきます。 具体的には、以下のような業務をお任せします。 ・Salesforce導入・開発プロジェクトにおける全体計画の策定 ・要件定義、基本設計フェーズにおける顧客折衝・要件整理・論点整理 ・スコープ・進捗・品質・コスト・課題・リスクの管理 ・社内エンジニア、コンサルタント、外部パートナーを含むプロジェクト体制のマネジメント ・クライアントおよび社内関係者との合意形成、会議体の設計・運営 ・リリース後の運用定着、追加提案、改善施策の推進 案件によっては、単なる進行管理にとどまらず、顧客の業務課題やマーケティング課題を踏まえたソリューション設計・提案にも関わっていただきます。 ●今後のキャリアパス 最初の配属チーム(Core/Marketing Cloud)は分かれますが、そこに固定されるわけではありません。 案件は多種多様で、配属チームを起点にしながら、領域横断で幅広い経験を積んでいくことが可能です。 将来的には、以下のようなキャリアパスを描いていただけます。 ・中～大規模案件の統括PMとして、複数プロジェクトを横断して推進 ・PMとしての経験を活かし、提案・要件定義・業務設計まで担うコンサルタントへ拡張 ・Core/Marketing Cloud/AI活用を横断した、より複雑性の高い案件の責任者へステップアップ ・マーケティングDX部門の他事業(DECA)と連携し、Salesforce/AIにとどまらないマーケティングDX全体の変革プロジェクトを推進 国内トップクラスの AI×Salesforce案件 に携われる環境だからこそ、PMとしての市場価値を高めながら、より上流・より広域の役割へ挑戦できます。 ●組織データ ◎平均年齢31歳 ◎新卒4割、中途6割 ◎外国籍25%、出身国20カ国以上 ◎開発職約50% ◎管理職女性比率50%以上 ◎女性役員 ◎育児中役員多数在籍 ●ギブリーグループについて ギブリーグループは、 「すべての人が物心豊かな社会を実現する」 をビジョンに掲げ、企業のAI活用とDX推進を支援する、2009年創業のAIイネーブルメント企業群です。 グローバルな開発組織と事業創造力、スピードを強みに事業を展開し、累計5,000社を支援。 生成AI分野の実績は1,000社以上。 ギブリーグループは、株式会社ギブリーを中心に4つのグループ会社で構成され、 ・人的資本インテリジェンス事業「Track」 ・マーケティングDX事業「DECA」 ・AX(AIトランスフォーメーション)事業「MANA」 ・AI開発支援事業「AI Lab」 ・AIコンサルティング事業「Givery Consulting」 ・サイバーセキュリティ事業「Secure Cycle」 の6つの事業領域でサービスを展開。 グループ各社が連携し、企業のAI活用と変革を支援しています。 ギブリーグループはAI時代を牽引する仲間を募集しています。 ▶︎ギブリー採用ピッチ資料(https://speakerdeck.com/givery_recruit/givery-company-deck) ▶︎ギブリーコンサルティング採用ピッチ資料(https://speakerdeck.com/givery_recruit/givery-consulting-the-entrance-book) ・業務の変更の範囲 会社内での全ての業務

大規模なインフラ基盤導入プロジェクトにおける、全責任者(PM)としてプロジェクトを牽引していただきます。 対象業界:金融、人材サービス、不動産、サービス業、公共、製造等 担当範囲:顧客折衝、要件定義、見積作成、工数積算、要員アサイン、進捗・品質・コスト管理 ※単なる進捗管理ではなく、技術選定から体制構築まで、プロジェクトの全権を掌握して動かしていただきます。 ※クラウドシフトに伴うSASE(Prisma Access, Zscaler等)を軸とした、セキュリティとNWを統合する次世代案件の比率が高まっています。 ●対応事例 ・大手人材サービス企業様:次期VDIシステムを支えるNW基盤(Cisco ACI)再構築。 要件定義から運用まで3年間、最大20名規模のチームを率いて完遂。 ・不動産業・人材サービス業様等:Mist Cloudを用いたNW統合管理基盤の導入。 顧客固有の課題(無線 品質、NAC刷新)を整理し、共通プロセスを軸とした多拠点展開をマネジメント。 ・大手サービス業様:関東/関西の新規データセンター基盤構築。 Cisco ACIをコアとしたインテントベース・ネットワークへの移行を、要件整理から全体管理。 (【変更の範囲:会社の定める業務】)

●期待する役割 顧客規模の拡大やマルチプロダクト化を背景として、規模拡大を可能とする業務効率化と複数サービスを考慮した顧客体験の向上が今まで以上に重要になってきています。業務効率化と顧客体験の向上のためには、自動化やパーソナライズを可能にするAI技術が非常に重要です。 社内AI利活用の浸透とともに、リスク管理・法規制対応・社員教育・ツール導入など、AIガバナンスに関わる業務領域は急速に拡大しています。現場に寄り添いながら「使われるガバナンス」を設計・推進し、プロジェクトをリードできる人材を求めています。 組織横断でAIガバナンスを設計・推進し、現場への浸透を担うリードポジションです。ポリシー策定からツール導入・社員教育・現場伴走まで、一気通貫で担当いただきます。 ●業務内容 【AIガバナンスフレームワークの設計・運用】 ・AIの安全な利用に向けたガイドライン・ポリシーの策定・改定 ・AIリスクアセスメントプロセスの構築・維持 ・AI関連法規制・ガイドラインのモニタリングおよび社内対応 ・セキュリティ・法務部門と連携した継続的なガバナンス強化 【AI利活用の推進・統制】 ・全社的なAIツールの選定・導入・運用 ・AIツール・機能のリスク評価・リスク棚卸し ・全社員を対象としたAI活用の相談対応・伴走支援 ・現場社員向けのAI活用勉強会・リテラシー向上研修の企画・実施 ・ボトムアップのAI活用エコシステム構築(個人利用と組織利用の良いサイクル構築等) 【AI人材育成・教育基盤の整備】 ・社員のAIスキル定義・測定の仕組み構築 ・全社員・管理職向けAI教育コンテンツの企画・制作・展開 ・AIリテラシートレーニングの実施とモニタリング 【ステークホルダー連携・プロジェクトマネジメント】 ・経営層・法務・セキュリティ・人事・現場部門との横断的な連携・調整 ・AIガバナンス関連プロジェクトの計画立案から推進・報告まで一気通貫での管理

概要 通販・EC・小売クライアントに対する複数プロジェクトのマネジメント責任を担います。仮説構築〜業務設計〜AIモデル構築〜新たな顧客体験の実装〜デリバリーまでを、PMとして品質・スケジュール・収益責任を持ち推進します。 詳細 プロジェクトマネジメント 複数プロジェクトの品質・スケジュール・収益管理 リソース配分、メンバー育成、チーム運営 業務改革・プロセス設計(BPR) マーケ・CS・コールセンター等のAs-Is / To-Be業務設計、ROI試算の指揮 マーケティング分析/AIモデル構築の統括 需要予測・離反予測・レコメンド・クリエイティブ生成等のモデル企画 Tech部門との要件整理、モデル検証の統括 新たな顧客体験(CX)の実装 AI Agentを活用した顧客接点再設計(メール・DM・コール・Web・アプリ等)、現場定着化 クライアントマネジメント 経営層・事業責任者との合意形成、期待値調整 組織・ナレッジマネジメント プロジェクトナレッジの形式知化、社内横展開 7. プロジェクト事例(抜粋) 某健康食品通販企業|AIによるDM最適化:DM CVR 20%改善、メール 18%改善、約1億円の粗利創出 某老舗お茶販売企業|DM反応予測モデル:1ヶ月で売上115%、約2,000万円UP 某大手通販企業|DM最適化+統合差配エージェント:主力商品DM最適化で従来比154%の売上向上 某アパレルEC|AIレコメンドエンジン:導入3ヶ月で約3,000万円の売上効果 キャリアパス 短期:Manager → Senior Manager → Director 中長期: GROWTH VERSE本体の事業責任者 M&A買収先企業の経営幹部(事業再生・PMI担当) 新規事業立ち上げ(事業開発ポジションへの転換)

概要 通販・EC・小売クライアントに対する複数プロジェクトのマネジメント責任を担います。仮説構築〜業務設計〜AIモデル構築〜新たな顧客体験の実装〜デリバリーまでを、PMとして品質・スケジュール・収益責任を持ち推進します。 詳細 プロジェクトマネジメント 複数プロジェクトの品質・スケジュール・収益管理 リソース配分、メンバー育成、チーム運営 業務改革・プロセス設計(BPR) マーケ・CS・コールセンター等のAs-Is / To-Be業務設計、ROI試算の指揮 マーケティング分析/AIモデル構築の統括 需要予測・離反予測・レコメンド・クリエイティブ生成等のモデル企画 Tech部門との要件整理、モデル検証の統括 新たな顧客体験(CX)の実装 AI Agentを活用した顧客接点再設計(メール・DM・コール・Web・アプリ等)、現場定着化 クライアントマネジメント 経営層・事業責任者との合意形成、期待値調整 組織・ナレッジマネジメント プロジェクトナレッジの形式知化、社内横展開 7. プロジェクト事例(抜粋) 某健康食品通販企業|AIによるDM最適化:DM CVR 20%改善、メール 18%改善、約1億円の粗利創出 某老舗お茶販売企業|DM反応予測モデル:1ヶ月で売上115%、約2,000万円UP 某大手通販企業|DM最適化+統合差配エージェント:主力商品DM最適化で従来比154%の売上向上 某アパレルEC|AIレコメンドエンジン:導入3ヶ月で約3,000万円の売上効果 キャリアパス 短期:Manager → Senior Manager → Director 中長期: GROWTH VERSE本体の事業責任者 M&A買収先企業の経営幹部(事業再生・PMI担当) 新規事業立ち上げ(事業開発ポジションへの転換)

概要 業界を横断したクライアント案件・新規ソリューション立ち上げ・M&A PMIに対し、PMとして品質・スケジュール・収益責任を持ちプロジェクトを推進します。 詳細 プロジェクトマネジメント 複数プロジェクトの品質・スケジュール・収益管理、リソース配分、チーム運営 業務改革・プロセス設計(BPR) 業界横断でのAs-Is / To-Be業務設計、ROI試算の指揮 マーケティング分析/AIモデル構築の統括 予測・最適化・レコメンド・生成AI等のモデル企画、Tech部門との要件整理 新たな顧客体験(CX)の実装 AI Agentを活用した顧客接点再設計、現場定着化 新規ソリューション立ち上げ Tech部門と連携した新規AI Agentの事業検証・GTM推進 M&A・PMI支援 買収先企業のAI実装による業務改革・事業再生の統括 クライアントマネジメント 経営層・事業責任者との合意形成、ステークホルダー間の利害調整 7. プロジェクト事例(抜粋) ふくおかフィナンシャルグループ(FFG)|リテール顧客LTV予測AIと顧客体験再設計:LTV予測AI構築、年代×金融リテラシーでのセグメント設計、ATM・SNS・Web・iBankアプリ横断の顧客接点再設計 某大手旅行代理店|媒体配送最適化:従来比約90%の申込を維持しつつ配送量60%減 某エンターテインメント企業|PR画像のAI生成:ポスター制作で従来比約70%コスト削減 某大手健康食品通販|AI DM最適化:DM CVR 20%改善・メール 18%改善、約1億円の粗利創出 キャリアパス 短期:Manager → Senior Manager → Director 中長期: GROWTH VERSE本体の事業責任者 M&A買収先企業の経営幹部(事業再生・PMI担当) 新規事業立ち上げ(事業開発ポジションへの転換)

<<業務内容>> ●業務の概要 「契約は、AIが交渉する時代へ」を目指すには、「既存プロダクトの伸長と新規プロダクトの開発」の両立が必要です。 本募集では、そのために必要不可欠な存在である技術的側面のリードをお任せします。 ・[MNTSQ 案件管理](https://mntsq.co.jp/product/casemanage) ・[MNTSQ 契約管理](https://mntsq.co.jp/product/contractmanage) ・[データベース](https://mntsq.co.jp/product/databasemanage) ・[契約レビュー](https://mntsq.co.jp/news/release/ai_keiyakureview) ・[AI契約アシスタント](https://lp.mntsq.co.jp/ai-agent) 基本的な考え方として、ご入社後まずは既存プロダクトでアーキテクチャを含めてキャッチアップしていただきます。その後、経験と希望を踏まえながら、新規プロダクトを担当していただく形となります。 ●業務の詳細 具体的にご担当いただく業務は以下となります。 ・リードエンジニアとしての技術的意思決定(技術選定、アーキテクチャ設計) ・プロダクト開発における生産性向上 ・技術負債解消に向けたアーキテクチャ改善、リファクタリング計画の策定～推進 ・コードレビューを通じたチームメンバーへの技術的なフォローおよび育成 ・チーム全体に知見を共有し、理解を深めコラボレーションを促進するためのドキュメンテーション ※職種の変更範囲:会社の定める業務 <<開発環境と体制>> ●技術スタック ・言語:Ruby, Python, JavaScript, TypeScript ・Webフレームワーク:Ruby on Rails, FastAPI, Vue.js ・CSSフレームワーク:ElementPlus, TailwindCSS, PostCSS, Storybook ・プラットフォーム:Amazon Web Services, Google Cloud ・データベース:Aurora MySQL ・検索エンジン:Elasticsearch, OpenSearch ・監視ツール:CloudWatch, Datadog ・コンテナ基盤:Docker, Docker Compose, ECS/Fargate ・構成管理:Terraform, Itamae ●エンジニア組織の概要 所属する組織は開発本部です。全体で約50名おり、以下4つのチームからなる体制です。 ・CLMチーム ・法務エージェントチーム ・事業部向けチーム ・イネーブリングチーム 今回の募集である、サービス開発を担う組織はイネーブリングチーム以外の3つのチームです。 ご入社いただいた際の想定配属先はそのいずれかとなります(2026年8月時点)。 各チームはそれぞれ6-10名程度の構成となっています。 【参考記事】 ・[WHY-WHAT-HOWを繋げる - MNTSQの掲げる理想のプロダクト開発 -](https://note.mntsq.co.jp/n/ne5d0464613b6) ・[FY26下期、MNTSQ開発組織と向かう先](https://note.com/naomichi_takata/n/n2a2f00242f76) ●リードエンジニアとテックリードの役割の違いについて ・テックリードの役割 　アーキテクチャー設計 　全体最適をふまえた技術意思決定 ・リードエンジニアの役割 　担当開発アイテムのリード 　技術的意思決定・テックリード補佐 【参考記事】 [デリバリーを担保するリードエンジニア](https://tech.mntsq.co.jp/entry/2025/10/17/173401) ●26年度のエンジニア組織のテーマは「開発の高速化」 AI活用はもはや前提です。 26年度は開発スピードのギアを上げ、すでに新機能の立ち上げは加速しはじめています。 組織が拡大し、AIで開発のあり方が急速に変わる中で、自律的に課題を拾い、組織全体で解決していく。自走する人材・牽引する人材で組織力も高めるフェーズにはいっています。 AI活用への積極投資は引き続き行っています(Claude Code、Cursorなど)。 【参考記事】 [AIで変わる開発プロセス。MNTSQのエンジニアが実践する”AI前提”の開発環境について](https://note.mntsq.co.jp/n/n781c05a95daa) 【参考記事】 [MNTSQがAI活用を加速する理由と目指す未来](https://note.mntsq.co.jp/n/ndccc7f6ed56c) 【参考記事】 [「AIにできること/できないこと」を理解し、共に進化する。MNTSQエンジニアのAI活用最前線](https://note.mntsq.co.jp/n/na266148b8d69) <<入社受入の体制>> ●前提となる働き方 コアタイム無しのフルフレックスです。 リモートと出社のハイブリットワークです。出社は月5日以上となります。 エンジニアは、業務に集中するため、Mtgを入れない日や時間帯を設けながら、生産性を追求しています。 【参考記事】[ MNTSQエンジニアの1日に密着!](https://note.mntsq.co.jp/n/n4d1c895ea9eb) ●3ヵ月のオンボーディングプログラム MNTSQはバリューとして「 自由と責任の文化 」を掲げています。 バリューの理解を深めていただくとともに、MNTSQでどう力を発揮するか、全社を挙げてフォローします。 期間中はメンターが付きます。水先案内人として、MNTSQでの活躍を側面支援します。 【参考記事】 [個を見て、伴走し、後押しする。個に向き合うオンボーディングと成長支援文化](https://note.mntsq.co.jp/n/nf1accf0660ae)

<<業務内容>> ●業務の概要 「契約は、AIが交渉する時代へ」を目指すには、「既存プロダクトの伸長と新規プロダクトの開発」の両立が必要です。 本募集では、そのために必要不可欠な存在である技術的側面のリードをお任せします。 ・[MNTSQ 案件管理](https://mntsq.co.jp/product/casemanage) ・[MNTSQ 契約管理](https://mntsq.co.jp/product/contractmanage) ・[データベース](https://mntsq.co.jp/product/databasemanage) ・[契約レビュー](https://mntsq.co.jp/news/release/ai_keiyakureview) ・[AI契約アシスタント](https://lp.mntsq.co.jp/ai-agent) 基本的な考え方として、ご入社後まずは既存プロダクトでアーキテクチャを含めてキャッチアップしていただきます。その後、経験と希望を踏まえながら、新規プロダクトを担当していただく形となります。 ●業務の詳細 具体的にご担当いただく業務は以下となります。 ・テックリードとしての技術的意思決定(技術選定、アーキテクチャ設計) ・プロダクト開発における生産性向上 ・技術負債解消に向けたアーキテクチャ改善、リファクタリング計画の策定～推進 ・コードレビューを通じたチームメンバーへの技術的なフォローおよび育成 ・チーム全体に知見を共有し、理解を深めコラボレーションを促進するためのドキュメンテーション ※職種の変更範囲:会社の定める業務 <<開発環境と体制>> ●技術スタック ・言語:Ruby, Python, JavaScript, TypeScript ・Webフレームワーク:Ruby on Rails, FastAPI, Vue.js ・CSSフレームワーク:ElementPlus, TailwindCSS, PostCSS, Storybook ・プラットフォーム:Amazon Web Services, Google Cloud ・データベース:Aurora MySQL ・検索エンジン:Elasticsearch, OpenSearch ・監視ツール:CloudWatch, Datadog ・コンテナ基盤:Docker, Docker Compose, ECS/Fargate ・構成管理:Terraform, Itamae ●エンジニア組織の概要 所属する組織は開発本部です。全体で約50名おり、以下4つのチームからなる体制です。 ・CLMチーム ・法務エージェントチーム ・事業部向けチーム ・イネーブリングチーム 今回の募集である、サービス開発を担う組織はイネーブリングチーム以外の3つのチームです。 ご入社いただいた際の想定配属先はそのいずれかとなります(2026年8月時点)。 各チームはそれぞれ6-10名程度の構成となっています。 【参考記事】 ・[WHY-WHAT-HOWを繋げる - MNTSQの掲げる理想のプロダクト開発 -](https://note.mntsq.co.jp/n/ne5d0464613b6) ・[FY26下期、MNTSQ開発組織と向かう先](https://note.com/naomichi_takata/n/n2a2f00242f76) ●リードエンジニアとテックリードの役割の違いについて <テックリードの役割> ・アーキテクチャー設計 ・全体最適をふまえた技術意思決定 <リードエンジニアの役割> ・担当開発アイテムのリード ・技術的意思決定・テックリード補佐 ●26年度のエンジニア組織のテーマは「開発の高速化」 AI活用はもはや前提です。 26年度は開発スピードのギアを上げ、すでに新機能の立ち上げは加速しはじめています。 組織が拡大し、AIで開発のあり方が急速に変わる中で、自律的に課題を拾い、組織全体で解決していく。自走する人材・牽引する人材で組織力も高めるフェーズにはいっています。 AI活用への積極投資は引き続き行っています(Claude Code、Cursorなど)。 【参考記事】 [AIで変わる開発プロセス。MNTSQのエンジニアが実践する”AI前提”の開発環境について](https://note.mntsq.co.jp/n/n781c05a95daa) 【参考記事】 [MNTSQがAI活用を加速する理由と目指す未来](https://note.mntsq.co.jp/n/ndccc7f6ed56c) 【参考記事】 [「AIにできること/できないこと」を理解し、共に進化する。MNTSQエンジニアのAI活用最前線](https://note.mntsq.co.jp/n/na266148b8d69) <<入社受入の体制>> ●前提となる働き方 コアタイム無しのフルフレックスです。 リモートと出社のハイブリットワークです。出社は月5日以上となります。 エンジニアは、業務に集中するため、Mtgを入れない日や時間帯を設けながら、生産性を追求しています。 【参考記事】 [MNTSQエンジニアの1日に密着!](https://note.mntsq.co.jp/n/n4d1c895ea9eb) ●3ヵ月のオンボーディングプログラム MNTSQはバリューとして「 自由と責任の文化 」を掲げています。 バリューの理解を深めていただくとともに、MNTSQでどう力を発揮するか、全社を挙げてフォローします。 期間中はメンターが付きます。水先案内人として、MNTSQでの活躍を側面支援します。 【参考記事】 [個を見て、伴走し、後押しする。個に向き合うオンボーディングと成長支援文化](https://note.mntsq.co.jp/n/nf1accf0660ae)

メディア業界向け開発組織として、AI活用したお客様業務の自動化を行うことで事業部門の課題解決を狙いさらにレイヤーを上げてお客様の経営課題そのものに踏み込むとともに、バリューチェーン全体への展開を加速していきます ●主なプロジェクト内容・提案テーマ ① IPホルダー様のクリエイティブ業務変革案件 ・IPライセンスビジネスを行っている大手ライセンサー様に対して、生成AIを活用してキャラクターデザインや監修等のクリエイティブ業務の効率化・高度化を推進 ・関係者と連携しながら、業務プロセスの最適化および新たな価値創出を推進 ・アジャイル開発によるプロダクト実装 ・お客様向けに提供したプロダクトを他IPホルダーのお客様に展開 ② 広告業界DXプロダクト開発 ・大手広告代理店様に対して、サービス企画フェーズから参画し、プロダクトオーナー(事業部門)と連携しながら業務DXを推進 ・ユーザとの対話を通じたAs-Is/To-Be整理およびサービス設計 ・開発優先順位の整理および要件定義の推進 ・アジャイル開発によるプロダクト実装 ・開発後の社内ユーザ導入支援および定着化推進 ●アサイン先想定 ※上記①②の案件がありますので、ご希望やご経験を鑑み、最適な案件アサインを検討いたします。

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

●配属先 配属先はLumadaソリューション開発部(25年度秋に新設)で、日立製作所からの出向者や兼務者を含めて約15名のチームです。 【Lumadaについて】 Lumadaとは、お客さまのデータから価値を創出し、デジタルイノベーションを加速するための、日立の先進的なデジタル技術を活用したソリューション/サービス/テクノロジーの総称であり、「Illuminate(照らす・解明する・輝かせる)」と「Data(データ)」を組み合わせた造語です。お客さまのデータに光をあて、輝かせることで、新たな知見を引き出し、お客さまの経営課題の解決や事業の成長に貢献していく、という思いを込めています。 Lumada事業推進本部　Lumadaソリューション開発部(25年度秋に新設)にて、生成AI/AIを利用した材料開発支援用デジタルシステム開発のプロジェクト管理をお任せします。 Lumada事業推進本部は日立ハイテクの解析・分析装置などのOT領域の強みと、日立のデジタル領域を融合させた事業の推進をミッションとしており、今後事業の中核に育てていく方針です。 現在は、特に材料開発支援用デジタルシステム開発を進めており、こちらのプロジェクト管理をお任せしますが、将来的には他のデジタルプロジェクト・事業にも幅広く関与いただくことを想定しています。 今回のポジションでは、材料開発支援用デジタルシステム開発のプロジェクト全体管理(事業企画、開発管理、予算策定、スケジュール策定、進捗管理、リスク管理等)がミッションとなります。 ※システム開発における、実装・コーディングは行わない役割です。 日立ハイテクグループは、半導体、ヘルスケア、環境、材料、産業・社会インフラなど、人々の生活を支える幅広い領域において、グローバルに事業を展開しており、各業界ごとで統括部を分けて活動しています。 顧客フロントはこれら統括部や営業が担っており、システム自体の開発(実装・コーディングなど)は日立製作所の開発部隊(開発部隊のとりまとめ担当も存在)が担う体制でプロジェクトを進めています。 そのため、統括部や営業が顧客から持ち帰った要求を受け取り、日立製作所の開発部隊に連携するなど、複数の関連部門と折衝しながらとりまとめとしてプロジェクトを推進する役割となります。 ●開発システムについて [Process Improvement Support AI(PISAI)](https://www.hitachi-hightech.com/jp/ja/products/ict-solution/randd/discoverer/pisai.html) [フィジカルAIに関するイベントでの発表事例](https://www.hitachi.co.jp/products/it/lumada/hmax/physical_ai/events/260520/report3/index.html) ●働き方 現在は週1日出社日を設けており、基本的にはリモート主体での業務となります。 ●出張に関して 顧客への訪問などで大阪・名古屋・東京近辺への出張が発生する可能性がございます。 ●変更の範囲 会社の定める業務 ※変更の範囲:会社の定める場所 (在宅勤務及びサテライトオフィス勤務制度に定める就業場所を含む)

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

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

「資源・エネルギー・環境」「社会基盤」「産業システム・汎用機械」「航空・宇宙・防衛」の4分野を始めとする、IHIグループにおける本社および事業の各現場の業務プロセス変革や価値創出に向けた、データ整備や利活用に必要な基盤の整備に関する企画・設計業務をお任せいたします。会社としての重点施策に対する全体最適と、コングロマリット企業特有の課題に対する個別最適と、それぞれのプロジェクトにおいて、あるべき姿とそこまでの道筋を描きながら、課題解決のためのデータ基盤づくりやAI活用に向けた仕組みづくりを担当いただきます。 ●今後のビジネスの目指す姿に照らした会社全体のデータ戦略の立案～仕組みづくり ●部門やデータサイエンティストなど他職種とのDXプロジェクトに対して関連する既存データを整備し、業務改善・DXにつなげるPoC、検証の支援 ●AI活用を前提としたデータ整備や仕組みづくり、継続的な最適化 実際の基盤構築はIHIの情報子会社やベンダーと進めて行きます。運用成果をもとに新たな仮説を構築し、戦略へ落とし込むサイクルを続けながら、よりスリムにデータが利活用できるような基盤の整備を進めて行きます。

テクノロジー組織が最大限に価値発揮をするための組織マネジメント活動や、事業戦略上の意思決定プロセスへの関与をお任せします。 ※ご経験やご志向を踏まえ、単一チームまたは複数チームのマネジメントを担っていただく想定です。 ・事業戦略やプロダクトビジョンにアラインした目標設定と目標達成マネジメント ・1on1や評価フィードバック等を通じたチームリーダーやマネージャー層の育成 ・事業・プロダクトのスケールを見据えた組織設計 ・日本語/英語の2言語を用いる組織において、生産性を向上させるための情報流通の企画・推進 ・エンジニア採用活動・社外広報活動の推進 ・CADDi Techカルチャーの浸透 ・その他、エンジニアリング組織の価値発揮を最大化するための問題提起や施策の企画・実行 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

AIソリューションアーキテクトとして、顧客の経営課題をAIで解決する一連のプロセスをリードいただきます。 技術的専門性とビジネス理解を兼ね備え、顧客との関係構築からプロジェクトの上流設計まで、ソリューション実現の要となるポジションです。 【担当いただく4つのフェーズ】 ●課題発見・構想策定 顧客経営層・事業責任者との対話を通じて、AI適用領域と事業インパクトを定義します。 ●ソリューション設計 社内のAI/ML専門家やエンジニアと協働しながら、AI技術選定、データ戦略、システムアーキテクチャ、KPI設計など、プロジェクトの上流設計をリードします。 ●プロジェクト推進 社内の研究者・エンジニア、顧客サイドの事業部門・情シス、外部パートナーとの連携をリードします。 ●ビジネスインパクト検証 導入後の効果測定、運用定着、次フェーズ提案までを担当します。

私たちgrasysは、現役のトップエンジニアである代表をはじめ、技術を極めたプロのエンジニア集団です。 その証として、「Google Cloud プレミアパートナー」の称号を持ち、クラウドネイティブな環境でAIを活用した開発を得意とし、お客様が抱える複雑なビジネス課題を解決に導いています。 このポジションでは、国内トップクラスのエンジニアチームを率い、プロジェクトを成功に導く責任者としての役割をお任せします。 セールスが受注した案件の実現可能性を判断し、技術選定から、品質・コスト・納期の管理、そしてクライアントとの折衝まで、プロジェクトの全工程を担っていただきます。 ●具体的な業務 ご経験やスキルに応じて、以下の業務を幅広くお任せします。 ・セールスと連携した、受注前段階での技術的な実現可能性の評価と、プロジェクト計画の策定 ・プロジェクトのスコープ、予算、スケジュール、品質に対する全責任を負った上での、プロジェクト全体の推進 ・クライアントとの折衝、進捗報告、期待値調整といった、プロジェクトのフロント対応全般 ・エンジニアチームのタスク管理、モチベーション維持、課題解決のサポート ・プロジェクト完了後の振り返りと、チームへのナレッジ共有 ●開発環境 ◎開発言語 ・バックエンド:Python, Go, PHP (Laravel) ・フロントエンド:TypeScript (React) ◎クラウドサービス ・Google Cloud, AWS, Microsoft Azure ◎ミドルウェア・コンテナ ・コンテナ:Docker ・データベース:MySQL, PostgreSQL etc... ◎ツール・その他 ・IDE:VS Code, JetBrains製品 ・プロジェクト管理:Backlog, GitHub, Bitbucket ・ドキュメント管理:DocBase, Google Workspace ●案件例・実績 ◎Vertex AI Searchを組み込んだ社内ナレッジ検索システムの開発 【課題】 ・事業部内に散在する膨大な技術文書や過去の資料から、必要な情報を探し出すのに膨大な時間がかかっていました。 【アプローチ】 ・Google Cloudのエンタープライズサーチ技術である「Vertex AI Search」を導入。 自然言語での曖昧な検索にも対応し、AIが関連性の高い文書を瞬時に提示するシステムを構築しました。 これにより、従業員の調査時間を大幅に短縮し、検索業務の効率を80%改善することに成功しました。 ●チーム体制 所属部署:Cloud Tech Division / Cloud Development Sec. Cloud Tech Divisionは、以下の2つの専門チームで構成されています。 ・Cloud Development Sec.:Webアプリケーション開発 ・Cloud Infrastructure Sec.:クラウドインフラ ●変更の範囲 ・入社後1年間は、原則として業務内容の変更なし。 その後、本人のスキルやキャリアプランを考慮し、双方合意の上で変更する場合あり。

Trackプラットフォーム上のスキルデータ基盤「Skill Data Cloud」およびスキルオントロジーレイヤーを設計・構築・運用し、AIフレンドリーなデータ/ML基盤として高度に整備していくリードポジションです 。 スキルタクソノミーのメンテナンスとスキルデータ分析、ML/生成AIを活用したデータパイプライン・MLOps基盤構築を通じて、プロジェクト実績・学習履歴・アセスメント等の多様なデータの信頼性・関連性をデータドリブンに担保します。 ビジネスサイドと連携しつつ、データサイエンティストチームへの指示出しやプロジェクトディレクションを担い、Skill Intelligence Lab全体の技術・運用標準をリードしていただきます 。 ●スキルタクソノミー・オントロジーの設計・メンテナンス: スキル同士の関連性のモデル化や変更履歴管理プロセスを設計し、組織全体での利用ルールや品質指標を確立します 。 ●Skill Data Cloudの設計・構築・運用: 複数データソースを統合する基盤設計をリードし、AIフレンドリーなデータ基盤の実現に向けたアーキテクチャ指針やロードマップを策定します 。 ●スキルデータ分析基盤の構築: スキル関連性を分析するモデルの選定・実装を行い、プロダクト改善や事業戦略に繋がる指標体系を標準化します 。 ●ML/生成AIモデルの設計・実装・評価; スキルデータ活用に向けたML機能の設計方針をリードし、モデルアーキテクチャの方向性や品質・リスク管理基準を定義します 。 ●MLOps基盤の設計・構築・運用:セキュリティとスケーラビリティを踏まえた最適なMLパイプライン構造を設計し、Feature Storeやモデルレジストリの導入を主導します。 ●モデルの本番デプロイと推論基盤構築: Kubernetes上でのモデル推論基盤の構成を設計し、CI/CDを用いたデプロイパイプラインの標準を定めます。 ●運用監視・品質管理: モデル監視指標の標準化やA/Bテストの設計をリードし、組織横断の品質管理フレームワークを策定します 。 ●プロジェクトマネジメント:プロジェクト計画の策定、データサイエンティストチームへのディレクション、ビジネスサイドとの要件調整をリードします 。 ※業務の変更の範囲:会社内での全ての業務 ●開発環境・ツール ※指定はありませんが、下記が案件で主に使われる技術です ※支給PC:Windows or Macbook ※最新のMacbook Proを支給することが多いです! ・プログラミング・スクリプト言語:Python ・クラウド・インフラ・コンテナ基盤:パブリッククラウド全般 、Kubernetes ・CI/CD・認証:CI/CD環境 、IAM (Identity and Access Management) ・MLOps・MLプラットフォーム:MLflow 、モデルレジストリ 、Feature Store 、実験管理ツール ・データ基盤:DWH (データウェアハウス) 、データパイプライン構築・運用

CTO直下のAI Labチームに所属し、各事業及び経営基盤の業務における基盤モデルやデータ整備を中心とした生成AI評価・活用のイネーブリングを牽引します。 仕事の進め方 プロジェクト化以前の段階で、CARTAの事業・組織を横断し、生成AIでのレバレッジポイントを見出し、アプローチを施します。 ▼基盤整備 ・全社の土台を整え、各事業で自走して生成AIのビジネス成果を開発できるよう、再利用できるデータ基盤、評価システム、ツール、ライブラリ、ガードレール、データフロー類を整備し、横断的に提供する ・新モデル、事後学習、データマネジメント技術の探索と研究を通じて、この先使うべき手段を見定める ・社内外に知見を発信し、CARTAとしての開発生産性とプレゼンスを高める ・AI Lab自身の業務エージェント適応度を向上し、モデルケースとして展開する ▼事業適用 CARTAの生成AI推進ステアリングコミッティと連携し、全社として取り組むべき課題を探索し、真に取り組むべきものを自ら選定します。 以下のようなプロセスで取り組みを進めます。 ●ヒアリング・要求分析 ・優先度の高まった事業のチームへのヒアリングや観察を通じて問題の解像度を高め、真に事業価値として必要なものを見出す ●何をどのように進めるのかを決める ・どのような評価手法・学習戦略で課題を解くのが効果的かつ効率的なのかを考え、事業メンバーと共に決定する ●検証する ・高速なフィードバックサイクルを回し、"やらない"手段も含めて評価・学習戦略を検証する ●継続して改善する ・モデル評価技術・LLM-as-a-judge・ファインチューニング・RAG等の最新手法について継続して投資し、良いプラクティスを探索する。精度モニタリング、評価指標の見直し、ガイドラインの更新など、システムを継続して活用する上でのデータサイエンス観点の改善に取り組む ●成果を横展開する ・成功事例も学びも含めて、得られた知見をもとに伝播・展開・研鑽することまで全て業務範囲です 開発環境・利用しているツール ●LLM基盤・ツール ・OpenAI, Anthropic Claude, Google Gemini (Vertex AI) など ・LangChain, Langfuse ●プログラミング言語・フレームワーク ・Python (pandas, scikit-learn など) ・必要に応じて PyTorch, TensorFlow (主に評価・事後学習の検証用) ●インフラ・MLOps ・AWS, GCP ・Terraform, CDK などを用いた環境構築・運用 ●コミュニケーション ・GitHub, Slack, Google Meet ●業務内容備考 変更の範囲:会社の定める業務(出向先会社での業務を含む)