生成AI開発ツール導入 AI・機械学習（LLM）エンジニアの求人・転職情報

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

●主に担当する業務内容 画像認識AIを用いたプロダクト開発・ソリューション開発 プロダクト開発・運用 アルゴリズム・モデルの組み込み実装 プロトタイプの開発 ●プロダクトの利用事例 [AI-App人数カウント・AI-App人物検索](https://safie.jp/ai-app/people-count/) カメラ内のAIアクセラレータを用いてリアルタイムに人物の検出・集計や店舗等で人物の識別を行う 利用事例:店舗入口にSafie Oneを設置し「AI-App人数カウント」で来店者数を計測。肌感覚に頼らない定量データに基づき、店頭キャンペーン施策のPDCAを効率化 [Safie AI Studio](https://safie.jp/ai-studio/) 物体検出アプリ 利用事例:人・車両・生活用品など多様な物体を識別し、設定エリアへの侵入やライン通過を検知する汎用物体検知アプリとして提供。(建設・製造・小売など幅広い業界のPoCで活用)⁠ 重機近接アプリ 利用事例:建設現場において、重機と作業員の危険な接近をリアルタイムに検知し、音声通知などと連携して重大事故の未然防止に貢献。⁠ ショッピングカート検知アプリ 利用事例:小売店舗のカート置き場の滞留状況(過多・不足)を自動検知し、店舗あたり出店コスト削減に活用。 ●技術‧開発環境について 開発言語 Python、C++ ディープラーニング PyTorch AWS EC2、S3、ECR、SageMaker CI/CD GitHub Actions コミュニケーション Slack GitHub Google Workspace Backlog Notion ●生成AIツール利用 Amazon Bedrock/Gemini/GitHub Copilot/Notion AI/Claude Code ●部署の今後の目標・目下の取り組み 目標 多様な画像認識モデルを開発し、プロダクトとしてリリースする。 AIプラットフォームの提供を進めるために、自社のみならずサードパーティーも巻き込んだ開発を推進する。 取り組み 顧客からの要望と技術的な動向を同時に捉えながら、開発の戦略を立てていくこと。 画像認識AI開発組織の拡充に伴う、属人化緩和のための育成用ドキュメント作成など、より一層のチーム力強化。 AIプラットフォームの実現のために、社内・社外を巻き込んで開発を推進できる人材の確保。 ●従事すべき業務の変更の範囲 <雇入れ直後>システムの設計・開発・デザイン、その他これらに付随する一切の業務 <変更の範囲> 会社の定める業務

●主に担当する業務内容 画像認識AIのアルゴリズム・モデル開発 調査テーマの提案 アルゴリズム・モデルの調査・評価 アルゴリズム・モデルの改善・軽量化 PoCの実施 プロダクトの開発 ●プロダクトの利用事例 [AI-App人数カウント・AI-App人物検索](https://safie.jp/ai-app/people-count/) カメラ内のAIアクセラレータを用いてリアルタイムに人物の検出・集計や店舗等で人物の識別を行う 利用事例:店舗入口にSafie Oneを設置し「AI-App人数カウント」で来店者数を計測。肌感覚に頼らない定量データに基づき、店頭キャンペーン施策のPDCAを効率化 [Safie AI Studio](https://safie.jp/ai-studio/) 物体検出アプリ 利用事例:人・車両・生活用品など多様な物体を識別し、設定エリアへの侵入やライン通過を検知する汎用物体検知アプリとして提供。 (建設・製造・小売など幅広い業界のPoCで活用)⁠ 重機近接アプリ 利用事例:建設現場において、重機と作業員の危険な接近をリアルタイムに検知し、音声通知などと連携して重大事故の未然防止に貢献。 ⁠ ショッピングカート検知アプリ 利用事例:小売店舗のカート置き場の滞留状況(過多・不足)を自動検知し、店舗あたり出店コスト削減に活用。 ●技術・開発環境について 開発言語 Python、C++ ディープラーニング PyTorch AWS EC2、S3、ECR、SageMaker CI/CD GitHub Actions コミュニケーション Slack GitHub Google Workspace Backlog Notion ●生成AIツール利用 Amazon Bedrock/Gemini/GitHub Copilot/Notion AI/Claude Code ●部署の今後の目標・目下の取り組み 目標 多様な画像認識モデルを開発し、プロダクトとしてリリースする。 AIプラットフォームの提供を進めるために、自社のみならずサードパーティーも巻き込んだ開発を推進する。 取り組み 顧客からの要望と技術的な動向を同時に捉えながら、開発の戦略を立てていくこと。 画像認識AI開発組織の拡充に伴う、属人化緩和のための育成用ドキュメント作成など、より一層のチーム力強化。 AIプラットフォームの実現のために、社内・社外を巻き込んで開発を推進できる人材の確保。 ●従事すべき業務の変更の範囲 <雇入れ直後>システムの設計・開発・デザイン、その他これらに付随する一切の業務 <変更の範囲> 会社の定める業務

●プロダクト概要 本プロダクトは、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営業支援プラットフォームです。CRM・SFAの概念を取り入れ、広告実績・配信データのリアルタイム可視化と案件管理を一元化した社内システムとして構築しています。 社内の開発者・依頼者・利用者が一体となってプロダクトを育てられる環境で、国内取扱高No.1のインターネット広告事業をシステムの側面から直接支えるポジションです。 ●業務内容 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営業支援プラットフォームの開発を担当していただきます。 広告実績・配信データの可視化や案件管理を一元化する社内システムにおいて、Python(FastAPI)を用いたバックエンド開発を中心に、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、大規模な広告事業を支えるデータ連携・システム基盤の整備や、新規機能開発、既存機能の改善にも取り組んでいただきます。 ●開発環境 ・言語:Python(Fastapi) ・FW : Next.js ・データ基盤:Snowflake ・インフラ : AWS, GitHub Actions, Datadog ・その他 : Claude Code

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。

【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 Software Defined Vehicleに必要な自動運転、コネクティッドサービス、車両データ解析の実現に向けたAIエンジニアとして、下記いずれかの業務をお任せいたします。 ●機械学習のモデル構築 ●物体認識、画像認識、走路認識などの認識アルゴリズム構築 ●認識情報に応じた行動計画アルゴリズム構築 ●構築したアルゴリズムのデバイス実装 ●ドライバー状態、車内空間認識技術の開発 ●各種データ収集およびデータマイニング技術の開発 ●生成AIを活用した新サービスの開発 ●MLOps、自動テストなどの開発環境の構築 ●AI技術のトレンド調査、技術評価、お客様のニーズ調査 ●AIセキュリティガバナンス構築 上記に伴う研究開発業務、および、大学や国内外企業との共同研究開発の推進などをお任せ致します。また、他部門やベンダー等、様々な関係者とコミュニケーションをとりながら業務を進めていきます。 海外現地法人へのデモンストレーションや海外研究機関との共同研究等、海外とのやりとりも発生する場合があります。 ※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

【こんな方におすすめ】 ●生成AIや機械学習を使い、ソフトウェア開発の生産性向上・自動化に取り組みたい方 ●コーディング支援や品質検証の自動化など、AIを開発の中に組み込みたい方 ●クラウド/組込み/データなど多様な領域と連携し、大規模プロジェクトにAIを適用したい方 ●既存の開発手法を刷新し、Honda全体の開発プロセスを変革したい方 【業務委細】 SDV開発を支えるソフトウェア開発プロセスの自動化・効率化に向けて、生成AIや機械学習を活用したシステムや環境構築の企画・開発していただきます。 ※下記より適正に応じて、相談の上業務を決定させていただければと存じます。 ●生成AIを活用したコード生成・コードレビュー支援ツールの開発 ●開発プロセス分析に基づく自動化システム(CI/CD, テスト, 品質評価等)の設計 ●ナレッジグラフ/ドキュメント自動生成基盤の構築(例:設計書、仕様書生成) ●車載開発やクラウド開発で得られるデータのAI分析・要求分析自動化 ●クラウド/オンプレ統合のAI駆動開発に向けた仕組み構築(AWS, Azure, GCP) ●開発現場でのAI活用事例の発掘・PoC推進・社内展開 ※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】 AI/機械学習:OpenAI API, Azure OpenAI, TensorFlow, PyTorch クラウド基盤:AWS, GCP, Azure 開発言語:Python, TypeScript, C++, Shell Script データ/自動化:GitHub Copilot, Jenkins, Docker, Kubernetes, Terraform ナレッジ/可視化:Confluence, JIRA, Power BI, 連携領域:AUTOSAR, PREEvision, Enterprise Architect, Jazz PlatformなどのALMツール

1.MLOps基盤の設計・構築(パイプライン自動化) データ収集、前処理、学習、評価、モデル変換、デプロイに至るEnd-to-EndのCI/CD/CT(Continuous Testing)パイプラインの構築 AIサービス開始後のAIの振る舞いを監視し、AIの性能向上にFBできるシステムの構築 AI独自のリスクに対する対応(AIガードレール等)を共通で提供する基盤の設計・構築 クラウド(AWS/GCP/Azure)とオンプレミスを組み合わせた、スケーラブルなGPU計算資源の管理・最適化 2.自動テスト・品質評価環境の構築 AIモデルの精度検証や、エッジケース(特殊な走行シーン)に対する自動シミュレーションテスト環境の整備 コードレビューの自動化や、静的・動的解析ツールの開発プロセスへの統合 ISO26262やその他車両関連法規を満たすソースコード、AIモデル、モデルデプロイ管理が自動化された開発環境の整備 【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

【こんな方におすすめ】 ●生成AIや機械学習を使い、ソフトウェア開発の生産性向上・自動化に取り組みたい方 ●コーディング支援や品質検証の自動化など、AIを開発の中に組み込みたい方 ●クラウド/組込み/データなど多様な領域と連携し、大規模プロジェクトにAIを適用したい方 ●既存の開発手法を刷新し、Honda全体の開発プロセスを変革したい方 【業務委細】 SDV開発を支えるソフトウェア開発プロセスの自動化・効率化に向けて、生成AIや機械学習を活用したシステムや環境構築の企画・開発していただきます。 ※下記より適正に応じて、相談の上業務を決定させていただければと存じます。 ●生成AIを活用したコード生成・コードレビュー支援ツールの開発 ●開発プロセス分析に基づく自動化システム(CI/CD, テスト, 品質評価等)の設計 ●ナレッジグラフ/ドキュメント自動生成基盤の構築(例:設計書、仕様書生成) ●車載開発やクラウド開発で得られるデータのAI分析・要求分析自動化 ●クラウド/オンプレ統合のAI駆動開発に向けた仕組み構築(AWS, Azure, GCP) ●開発現場でのAI活用事例の発掘・PoC推進・社内展開 ※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】 AI/機械学習:OpenAI API, Azure OpenAI, TensorFlow, PyTorch クラウド基盤:AWS, GCP, Azure 開発言語:Python, TypeScript, C++, Shell Script データ/自動化:GitHub Copilot, Jenkins, Docker, Kubernetes, Terraform ナレッジ/可視化:Confluence, JIRA, Power BI, 連携領域:AUTOSAR, PREEvision, Enterprise Architect, Jazz PlatformなどのALMツール

SDV開発を支えるソフトウェア開発プロセスの自動化・効率化に向けて、生成AIや機械学習を活用したシステムや環境構築の企画・開発していただきます。 ※下記より適正に応じて、相談の上業務を決定させていただければと存じます。 ●生成AIを活用したコード生成・コードレビュー支援ツールの開発 ●開発プロセス分析に基づく自動化システム(CI/CD, テスト, 品質評価等)の設計 ●ナレッジグラフ/ドキュメント自動生成基盤の構築(例:設計書、仕様書生成) ●車載開発やクラウド開発で得られるデータのAI分析・要求分析自動化 ●クラウド/オンプレ統合のAI駆動開発に向けた仕組み構築(AWS, Azure, GCP) ●開発現場でのAI活用事例の発掘・PoC推進・社内展開 ※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】 AI/機械学習:OpenAI API, Azure OpenAI, TensorFlow, PyTorch クラウド基盤:AWS, GCP, Azure 開発言語:Python, TypeScript, C++, Shell Script データ/自動化:GitHub Copilot, Jenkins, Docker, Kubernetes, Terraform ナレッジ/可視化:Confluence, JIRA, Power BI, 連携領域:AUTOSAR, PREEvision, Enterprise Architect, Jazz PlatformなどのALMツール

【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

【こんな方におすすめ】 ●生成AIや機械学習を使い、ソフトウェア開発の生産性向上・自動化に取り組みたい方 ●コーディング支援や品質検証の自動化など、AIを開発の中に組み込みたい方 ●クラウド/組込み/データなど多様な領域と連携し、大規模プロジェクトにAIを適用したい方 ●既存の開発手法を刷新し、Honda全体の開発プロセスを変革したい方 【業務委細】 SDV開発を支えるソフトウェア開発プロセスの自動化・効率化に向けて、生成AIや機械学習を活用したシステムや環境構築の企画・開発していただきます。 ※下記より適正に応じて、相談の上業務を決定させていただければと存じます。 ●生成AIを活用したコード生成・コードレビュー支援ツールの開発 ●開発プロセス分析に基づく自動化システム(CI/CD, テスト, 品質評価等)の設計 ●ナレッジグラフ/ドキュメント自動生成基盤の構築(例:設計書、仕様書生成) ●車載開発やクラウド開発で得られるデータのAI分析・要求分析自動化 ●クラウド/オンプレ統合のAI駆動開発に向けた仕組み構築(AWS, Azure, GCP) ●開発現場でのAI活用事例の発掘・PoC推進・社内展開 ※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】 AI/機械学習:OpenAI API, Azure OpenAI, TensorFlow, PyTorch クラウド基盤:AWS, GCP, Azure 開発言語:Python, TypeScript, C++, Shell Script データ/自動化:GitHub Copilot, Jenkins, Docker, Kubernetes, Terraform ナレッジ/可視化:Confluence, JIRA, Power BI, 連携領域:AUTOSAR, PREEvision, Enterprise Architect, Jazz PlatformなどのALMツール

【具体的には】 ※入社後に発揮いただきたいバリューとしては、特に「開発現場視点」でのプロセス課題の特定と、既存プロセスの刷新です。 ●現場視点での課題特定とプロセス刷新: 開発の最前線で「どこに停滞があるか」を特定し既存のやり方や動線そのものを抜本的に変革 ●AI・自動化ツールの導入と実装: 生成AI等を用い、上流のドキュメント作成やコーディング、テストパターンの生成を自動化する 。 ●検証環境の高度化: HILSや仮想環境を用いた機上テスト(検証工程)の自動化を推進し、内製化スピードを実現させる ●ステークホルダーとの折衝・環境構築: 必要な検証環境やツールについて、名古屋等の他拠点やAI専門部門へ要件を出し、協調してインフラを整備 ※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。 【使用ツール】 ●AIツール:ChatGPT、Gemini、Claude等の生成AI 。 ●開発・検証環境:仮想環境(HILS、SILS、MILS) 。 ●プログラミング:組み込み開発に近い領域(C言語等)に加え、自動化のためのスクリプト言語等 。

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 2026年2月には開発プラットフォームとして「Safie AI Studio*1」をリリース。現場AXを更に加速させてまいります。 ※参考:セーフィー、映像×AIの開発プラットフォーム「Safie AI Studio」を提供開始 <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して働くことに加えて、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、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

【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

パーソルグループ各社およびクライアント企業に対し、AIを活用したビジネス課題解決支援、AI駆動開発、AI実装支援、AI定着化支援、プロジェクト実行管理等の技術リードを担当していただきます。 <具体的な業務内容例> ●各種基盤モデル(生成AI等) ●AI SaaS を活用したAIシステムアーキテクチャの設計 ●業務要件を踏まえたAIモデル選定・評価・PoC 設計 ●エンジニア/データサイエンティストを巻き込みAI実装プロジェクト推進 ●PoC に留めず、本番運用レベルのAIプロダクト導入までを一気通貫でリード ●AI駆動開発 └ 利用可能ツール(Cursor,Claude Cod,GitHub Copilot,Open AI CodeXなど顧客に合わせカスタマイズ) 期待するミッション AI を単なる技術導入ではなく、「業務と事業を変えるプロダクト」として実装することが本ポジションのコアミッションです。 ●AI トランスフォーメーション(AX)推進 └ AI導入ロードマップ策定、技術選定、アーキ設計 ●AI エコシステム整備 └ 生成AI(LLM)・RAG 構成、AI SaaS、データ基盤などを組み合わせた拡張性の高い技術構成の設計 ●AI × ヒトの共進化プロセス設計 └ AI 活用前提の業務フロー再設計、人による最適な介在点の設計、チェンジマネジメント ●実装フェーズの技術リード └ 社内エンジニア・データサイエンティストと連携し、PoC→本番導入へのスケールアップを牽引 プロジェクト事例 以下は案件事例の一部で、今後も多様な案件の獲得を予定しております。 <具体的なプロジェクト例> ●人事領域向け 生成AI(LLM)活用プラットフォーム構想、技術選定 ●営業オペレーション最適化に向けた AI ワークフロー構築、PoC 推進 ●営業スキル向上のための AI ロールプレイ自動生成ツール設計、実装 ●製造業向け最適化 AI(加工条件最適化モデル等)の PoC ～ プロダクション化支援 ●人材マッチングの AI 自動最適化アルゴリズム開発支援

【ミッション】 独自開発のLLM基盤「LTM」や最新の生成AI技術を組み込んだAIエージェント・業務アプリケーションの設計/開発を主導します。 システム企画チームや業務現場と連携しながら、運用データのフィードバックに基づく自律学習メカニズムを構築し、通信オペレーションの自動化・高度化・自律化を推進します。 【主な業務】 LTMを活用したAIエージェントおよび業務アプリケーションの開発と、社内業務への適用の推進 ●具体的な業務 【AIエージェント・ワークフロー開発】 ・LTMおよび各種LLMを組み込んだAIエージェント(Multi-Agentなど)やAIワークフローの設計/実装/コード化 【要素技術・外部連携の実装】 ・RAG、プロンプトエンジニアリング、ベクトルDB、外部API/ツール連携機能の実装/高度化 【アジャイルなPoC・アプリ実装】 ・システム企画担当と連携し、現場の要件/課題に応じた実効性の高いAIアプリケーションの迅速な試作(PoC)/本番実装 【自律学習基盤・LLMOps構築】 ・実行ログ、評価データ、ユーザーフィードバックを収集/活用し、AIエージェントの精度を継続的に向上させる「自律学習ループ」の仕組みづくり/LLMOpsの構築 【モダン開発手法の推進】 ・AI駆動開発ツール(GitHub Copilotなど)や最新ツールを活用した、効率的かつ機動的な開発サイクルの実践

・シミュレーションおよび動作検証 デジタルツインや物理シミュレータ環境を活用した制御アルゴリズムの事前検証および評価基盤の整備。 ・クライアント現場でのPoC推進および実機適用 工場・倉庫等のリアルな現場におけるフィールドワーク、実機ロボット・自動運転機器でのデバッグおよび動作適合。

● D.Node(デロイト トーマツ ノード合同会社)とは? デロイト トーマツ コンサルティング(DTC)グループの一員として、日本を代表する大企業(エンタープライズ)のDX(デジタルトランスフォーメーション)戦略の実現を担うテクノロジー集団です。 単なる「システムの受託開発」ではありません。日々変化する経営環境に適応するため、ビジネスの仕組みづくりそのものを変革します。業界の深い知見と高度な技術力を武器に、戦略構想から開発・運用まで「End to End(一気通貫)」で支援できる圧倒的な実績と難易度の高い案件が集まる環境です。 ● 業務内容 AI(または生成AI)および「次世代データ基盤(DWH/データレイク/データパイプライン)」の領域において、実装経験や専門性を武器に、プロジェクト全体の技術品質に責任を持つ「リードエンジニア候補」としてご活躍いただきます。 単なるデータの集約に留まらず、DatabricksやSnowflakeなどのモダンなプラットフォームを活用したデータ基盤の構築や、それらを生成AI(RAG等)とシームレスに連携させる高度なアーキテクチャ設計・実装・レビューを牽引するポジションです。 ●具体的な業務 ①AI・データ基盤プロジェクトの推進・リード AI/生成AI、および大規模データ基盤(ETL/ELT、データパイプラインなど)領域におけるプロジェクト推進(タスク整理・実行、品質管理、コードレビューなど) ②アーキテクチャ設計・実装 大企業のエンタープライズデータを一元化するモダンデータ基盤の設計、生成AIを掛け合わせたシステムの最適なアーキテクチャ設計、および技術仕様書等のドキュメント作成 ③チームリード・メンバー育成 開発チームのメンバーと円滑なコミュニケーションを取り、技術面(データモデリングやAI実装など)でのサポートや教育、指導 ④ビジネスサイドとの連携 プロダクトマネージャーやビジネスサイドのメンバーと協調し、ビジネス要件をデータモデルやAIの機能へと落とし込む技術的な要件定義・技術選定の推進 ●案件事例 ※本求人だけではなくD.Nodeでの過去案件を一部記載させていただきます※ ・自動車業界クライアント向け:複数システムのデータを一元的に連携するクラウドサービス基盤の設計 ・自動車業界クライアント向け:車両から発信される情報を集約、管理、活用するグローバル基盤構築 ・自動車業界クライアント向け:車両から発信されるデータの蓄積と再利用のためのDB基盤構築 ・電気通信事業クライアント向け:デジタルマーケティングシステムにおけるAPIリアルタイム連携構築 ・小売業クライアント向け:オンプレミスのクラウド移行 ・電気ガス事業クライアント向け:生成AIアプリケーション(RAG/AIエージェント)のプロトタイプ、本番開発におけるRAGチューニング・評価など対応 ・デジタル通貨のパイロット実験のアドバイザリー ●取り扱うソリューション ビジネスのスピードに合わせ、モダンな開発環境を採用しています。 開発手法: アジャイル(スクラム開発) ※クライアントや案件属性によって変更あり。 Cloud: ・AWS,Azure,Google Cloud,OCI AI/ML: ・AWS Bedrock,SageMaker,Knowledge Base for Amazon Bedrock etc ・Azure AI Foundry,OpenAI Service,Machine Learning,AI Search, Prompt Flow etc ・Google Cloud Vertex AI,Agent Engine,Vertex AI Search,Gemini Enterprise etc ・NVIDIA NIM,NeMo,Omniverse,Databricks - Agent Bricks データ基盤/活用: ・AWS Redshift / Athena,Glue,Kinesis Data Analytics,EMR,Kinesis + SNS/SQS,Glue Studio etc ・Azure Synapse Analytics,Data Factory,Synapse Pipelines,HDInsight,Event Hubs,Data Factory etc ・Google Cloud BigQuery,Pub/Sub,★Dataplex,Dataflow etc ・Databricks,Snowflake ローコード/ノーコード: ・Power Automate /Power Apps,UiPath,Blueprism,AutomationAnywhere ・Dify,Gemini Enterprise,MS Copilot Studio EMTech: ・★量子コンピュータ,★Physical AI - Robotics,★Web4 プログラミング言語/FW: ・Python,Java,TypeScript,Node.js ・Flask,FastAPI,SpringBoot,React,Next.js,Vue.js,Nuxt.js ・LangChain/LangGraph,MLflow ・★MicrosoftAgentFramework,★SemanticKernel,AutoGen ・★MCP,★MCPPythonSDK,★FastMCP,★ROS2 ・★A2A,★AP2 laC/CI: ・Terraform,CloudFormation,Ansible ・GitHubActions,AWSCodePipeline,AzureDevOps,Jenkins AIツール: ・MSCopilotStudio,M365Copilot,ChatBot(ChatGPTライク) ・GitHubCopilot,★Devin,★v0 AIロボティクス: ・★SLAM,★Navigation,★強化学習・模倣学習・ロボット言語モデル データベース: ・各種RDS,NoSQL,★NewSQL,VectorDB,★GraphDB 監視/評価/セキュリティ: ・★Langfuse,★RAGAS,★RAGChecker,★mlFlow,★Datadog,Snyk ※1　★印以外:D.Nodeに組織としてノウハウがあるもの ※2 　2025年12月時点 ●キャリアについて D.Nodeでは、メンバーの志向性や強みに応じてキャリアを描くことが可能です。 ①スペシャリスト 特定の技術領域(クラウド、生成AI、アーキテクチャなど)で高い専門性を発揮し、プロダクト開発(PD)や社内のコア技術を牽引します。 ②デリバリ/プレイングマネージャー ・大規模プロジェクトにおいて、マネジメントに専任しチームをデリバリーします。 ・中〜大規模プロジェクトにおいて、開発とマネジメントをバランスよく兼任しながら、柔軟性の高いチームをデリバリーします。 ※上記の経験を経て、さらに柔軟かつスケールの大きなキャリアを描くことが可能です。 ③エバンジェリスト ・社内だけでなく、社外の技術コミュニティや業界内でも高い影響力・知名度(エミネンス)を持ち、SMEロールを担います。 ④シニアマネージャー ・複数案件を全体統括し、プロジェクト全体の収益性(P&L)の責任や、次なる投資(新規事業や大規模案件)の獲得までを含めた、ビジネスプロデュースを担います。 ● 働き方 全メンバーフルリモートワークとなり、チャットやビデオ会議でコミュニケーションをとっています。 また、フレックス勤務制を導入しており、ご家庭の都合により中抜け等にも対応しています。 さらなる業務推進のために下記施策も実施しております。 ①社内イベント参加時などの宿泊費・交通費の補助 ②バディ制度・コーチ制度などによる入社後の立ち上がりサポート ③LT会やPool単位での技術情報共有会の開催 ④全体会議でのインタラクティブなセッションの実施 ⑤地方での懇親会開催 ※状況により、出社・顧客先への訪問の可能性あり。

AIの企画・開発・運用からAIガバナンスまでAIに関するあらゆる業務を一手に引き受けており、社内の各部署とコミュニケーションをしながら10倍規模を実現するAIドリブンな事業基盤の構築を目指しています。 ●AIドリブンな事業基盤の戦略策定・実行 ・全社AIプロジェクト企画と推進 ・プロジェクト企画と評価のためのデータ分析 ●AIによるビジネス課題の特定と解決 ・社内各部署とのコミュニケーションを通じた業務課題の特定とAIによる改善施策の立案 ・プロダクトチームとのコミュニケーションを通じたAI導入プロジェクトの推進 ・プロジェクト企画と評価のためのデータ分析 ●AIドリブンな事業基盤の開発・運用(DevOps) ・AIモデルを中心としたAIシステムの要件定義・設計・開発・運用 ●AIガバナンス ・AI導入時のリスク分析・評価およびリスク管理施策の検討・運用 ・AIを安全かつ最大限に活用するための社内ルール整備、社員教育の推進 ※AIは統計モデル、機械学習、LLMを含む学習モデル全般を意味する 期待する役割 グループ責任者やチーム責任者と共に業務効率化と顧客体験向上のプロジェクト企画や推進を担っていただきます。チームを牽引するリーダーとしてご活躍いただくことを期待しています。 ●AIプロジェクトへの積極的な参画: 各プロジェクトにおいて、自身の専門知識を活かしてAI技術の導入とその適用をサポートし、プロジェクトの目標達成に貢献する。 ●部門間コミュニケーションの担い手: 社内の他部門と円滑にコミュニケーションを取り、部門間協力を促進してAIシステムの適切な導入を支援する。 ●チームで成果を出す: チームメンバーのフォローと育成。 ●投資対効果の高い施策の見極め: データに基づく根拠をもとに、プロジェクト企画や評価を行っていただき、投資対効果の高い施策を見極めて、施策優先度を適切に判断 ●バランスを考慮した推進: AIを安全かつ最大限に活用するための社内ルール整備、リテラシー向上や活用促進のための社員教育の推進 技術スタック ・クラウドサービス: AWS(実行環境やBedrockの利用), Azure(OpenAIの利用), GCP(Geminiの利用や分析基盤) ・実行環境:AWS ECS, AWS EKS, AWS Lambda ・データベース:AWS Aurora MySQL, AWS DynamoDB ・開発言語:Python ・コード管理:GitHub ・CI/CD:GitHub Actions, ArgoCD ・コンテナオーケストレーション:Kubernetes ・外部サービス:Datadog ・分析基盤:BigQuery ・ドキュメンテーション:Notion ・エディタ:VSCode ・開発支援AI:GitHub Copilot, GPT-4o(Azure OpenAI Service経由) ・生成AI API:Azure OpenAI Service, AWS Bedrock, Gemini API

●業務内容 AIの企画・開発・運用からAIガバナンスまでAIに関するあらゆる業務を一手に引き受けており、社内の各部署とコミュニケーションをしながら10倍規模を実現するAIドリブンな事業基盤の構築を目指しています。 ▽AIドリブンな事業基盤の戦略策定・実行 ・全社AIプロジェクト企画と推進 ・プロジェクト企画と評価のためのデータ分析 ▽AIによるビジネス課題の特定と解決 ・社内各部署とのコミュニケーションを通じた業務課題の特定とAIによる改善施策の立案 ・プロダクトチームとのコミュニケーションを通じたAI導入プロジェクトの推進 ・プロジェクト企画と評価のためのデータ分析 ▽AIドリブンな事業基盤の開発・運用(DevOps) ・AIモデルを中心としたAIシステムの要件定義・設計・開発・運用 ▽AIガバナンス ・AI導入時のリスク分析・評価およびリスク管理施策の検討・運用 ・AIを安全かつ最大限に活用するための社内ルール整備、社員教育の推進 ※AIは統計モデル、機械学習、LLMを含む学習モデル全般を意味する ●期待する役割 グループ責任者やチーム責任者のサポートのもと、AI技術導入の企画立案・AI開発運用からAIガバナンスまで、チームの中心メンバーとしてAIドリブンな事業基盤の構築に一緒に挑戦していただける方を募集しています。 ▽AIプロジェクトへの積極的な参画: 各プロジェクトにおいて、自身の専門知識を活かしてAI技術の導入とその適用をサポートし、プロジェクトの目標達成に貢献する。 ▽部門間コミュニケーションの担い手: 社内の他部門と円滑にコミュニケーションを取り、部門間協力を促進してAIシステムの適切な導入を支援する。 ▽AIリスク管理の実施: AI導入時のリスクを認識し、リーダーやチームメンバーとともにリスク管理策の策定と運営に貢献する。 ▽データ分析に基づく実行と評価: データに基づく根拠をもとに、プロジェクト企画や評価を行っていただき、貢献度の高い施策を探求する。 ▽技術向上とナレッジシェア: 最新のAI技術について継続的に学び、チーム内での知識共有を行い、組織全体の技術力向上に寄与する。 ●技術スタック ・クラウドサービス: AWS(実行環境やBedrockの利用), Azure(OpenAIの利用), GCP(Geminiの利用や分析基盤) ・実行環境:AWS ECS, AWS EKS, AWS Lambda ・データベース:AWS Aurora MySQL, AWS DynamoDB ・開発言語:Python ・コード管理:GitHub ・CI/CD:GitHub Actions, ArgoCD ・コンテナオーケストレーション:Kubernetes ・外部サービス:Datadog ・分析基盤:BigQuery ・ドキュメンテーション:Notion ・エディタ:VSCode ・開発支援AI:GitHub Copilot, GPT-4o(Azure OpenAI Service経由) ・生成AI API:Azure OpenAI Service, AWS Bedrock, Gemini API ●オンボーディングおよび育成計画 下記を想定しながら適宜チームでフォローします。 ▽1年目: ・ゴール:AIプロジェクトでのスキル向上 ・内容:プロジェクト参加(サポートを得ながら推進) ・支援:キャリアサポート(月次1on1) ・評価:半年ごとに目標設定と評価 ▽2年目以降: ・ゴール:プロジェクトリーダーへの成長 ・内容:リード役経験、戦略会議参加 ・支援:キャリアサポート(月次1on1) ・評価:半年ごとに目標設定と評価

当社が提供する各サービスの生産性向上ツールとして、AI・機械学習を活用した機能開発を担当していただきます。AWSのマネージドサービスやサーバーレスアーキテクチャを活用し、Pythonを用いた開発を行います。 特に、以下の領域でのAI技術の活用を進めています。 ①音声解析:音声データのテキスト化、自然言語処理を用いた解析(例:AWS Transcribe、Whisper など) ②OCR(光学文字認識):紙やPDFなどのドキュメントデータをデジタル化し、業務プロセスを効率化(例:AWS Textract、Tesseract 、GoogleGemini など) 生成AI:業務支援のための大規模言語モデル(LLM)の活用、プロンプト設計やファインチューニング(例:Amazon Bedrock、OpenAI API など) データパイプライン構築:AIモデルの学習データ収集・前処理・モデルデプロイの自動化(例:AWS SageMaker、Kinesis、Lambda など) AI推論APIの開発:各種AIモデルのAPI化・運用(FastAPI、Flask などを活用) パフォーマンス改善・精度向上:AIモデルの最適化、推論速度向上、モデル選定 AWSを活用したクラウドネイティブなAI開発に興味があり、技術的な課題解決を楽しめる方を募集しています。

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 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

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。

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

エージェント研究開発 異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等) 新しい推論・計画・検索手法の研究開発 マルチモーダル・長文コンテキスト対応の技術開発 最新論文の調査・再現・改良実装 評価・ベンチマーク 大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装 合成データ生成・評価ベンチマーク設計 モデルとプロンプトの自動評価支援 (学習 → プロダクトライフサイクル全体) プロダクション課題の解決 推論レイテンシ / コスト最適化 (量子化、蒸留、キャッシュ等) モデル学習用データミックスの作成・最適化 エージェント評価フレームワークの高度化 本番環境での品質改善・パフォーマンスチューニング 技術移転・発信 Agentic Product Engineer チームへの技術移転・メンタリング 学術機関・OSS コミュニティとの連携 【業務シナリオ例】 ※以下は想定される業務シナリオの例です ● シナリオ 1 : SaaS 横断検索のためのナレッジグラフ RAG の研究開発 JAPAN AI STUDIO が「企業の脳」として機能するには、顧客の全 SaaS に散在する情報を横断的に検索・統合する必要がある。 既存の RAG では「Aプロダクト の従業員データ」と「Bプロダクト の商談データ」の関係性を捉えられず、回答精度が低い。 ナレッジグラフベースの RAG アーキテクチャを研究・開発し、エンティティ間の関係性を構造化。 SaaS 横断検索の回答精度を 40% 向上させ、Agentic Product Engineer チームに技術移転して全プロダクトに展開。 ●ミッション Agentが降参する問題を解く 現在の AI エージェントでは解決できないフロンティア課題に挑み、新しい推論手法・検索 / 計画・長期記憶・ツール利用の品質限界を突破する。 JAPAN AI STUDIO 上で動く数百のワークフローが、より賢く・速く・安全に動作する未来を、研究で切り拓く。 ●期待する役割について Research Engineer として、AI/LLM/ML の最先端研究と応用研究をリードしていただきます。 異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等) 大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装 モデルとプロンプトの自動評価を支援し、学習からプロダクトライフサイクル全体にわたって品質を担保 プロダクト組織と協力し、エージェントをプロダクトに適用するうえでの最も困難な課題を解決 モデル学習用データミックスの作成・最適化により、エージェントタスクにおける性能と使いやすさを向上 研究成果を Agentic Product Engineer チームに移転し、プロダクト全体の品質を底上げ 論文を書くことがゴールではありません。 研究成果をプロダクションに適用し、約 200 社が利用する本番環境でユーザーに届けることを重視します。 ●成果責任 (KR/メトリクス) ベンチマークスコア改善率 (社内 / 公開ベンチマーク) 新手法のプロダクション適用数 (四半期あたり) 推論レイテンシ / コスト改善率 論文・技術ブログ発表数 社内技術移転完了数 ●チーム体制 約120名が開発組織に在籍しています。 Research Engineerは以下のプロジェクトを横断して活動します: JAI Lab — AI研究開発 AI&Model — モデル学習・最適化 Voice & Tel — 音声AI・電話システム 密接に連携する役割: Agentic Product Engineer — エージェント機能開発 (技術移転先) Agent Harness Engineer — エージェント実行基盤 AI Quality Scientist Specialist — 評価パイプラインとの連携 Product Manager — プロダクト設計 ●開発環境 言語 : Python (研究・フレームワーク部), TypeScript / React / Next.js (フロントエンド部) / NX ML / AI : PyTorch, JAX, Transformers, vLLM, Weights & Biases インフラ : GCP (コンテナ / K8s), Docker ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon), デュアルモニタ対応

期待する役割 事業横断での全社AX/DX推進をリードしていただきます。 ●AI活用による事業変革の推進 ・AIを核とした既存事業の再構築、新規事業創出の企画・実行 ●全社横断プロジェクトのリード ・経営層・事業部門・エンジニアを巻き込み、部門横断的なAI活用プロジェクトを推進 ●戦略立案と実行 ・AI活用戦略の策定から、データ基盤構築、AIエージェント導入まで一貫してリード ●業務自律化の実現 ・AIエージェントによる業務プロセスの自動化・自律化を推進し、生産性・実績UPを実現 業務内容 このポジションでは、以下の業務に取り組んでいただきます。 ●AI活用戦略の立案・推進 ・経営層と連携し、AI活用による事業変革戦略を策定 ・既存事業の課題分析とAI活用による解決策の企画・実行 ・全社的なAI活用ロードマップの策定と進捗管理 ●AIエージェントによる業務自律化の推進 ・業務プロセス全体を俯瞰し、AI活用による自律化領域を特定 ・AIエージェントの企画・構築・導入を推進 ・全社AI内製化体制の構築とトレーニング実施 ●AIデータ基盤の設計・構築 ・データモデル設計とアーキテクチャ最適化 ・AIを最大に活かしたデータ連携基盤の構築推進 ・データ統合・クレンジング方針策定 ●データガバナンス・運用体制の構築 ・データ品質管理、セキュリティポリシーの策定 ・アクセス制御、監査ログ管理、バックアップ体制の確立 ・運用マニュアル整備とモニタリング体制の構築 チーム体制 AXDX担当:現在3名(コンサル含む)在籍しています。 AXDX推進PJ:事業含め約30名 ※AXDX担当は、事業メンバーを取りまとめ、推進していく役割を担います。 従事すべき業務の変更の範囲 会社の定める業務