カジュアル面談可 AI・機械学習（LLM）エンジニアの求人・転職情報

●具体的実例(入社後のイメージ) 年功序列なし。2年で大きく飛躍したメンバーの実例を紹介します。 当社には年功序列の評価はありません。意欲と成果次第で、誰もがスピーディーに活躍の場を広げられる環境です。 ・未経験から生成AIシステムの実装主担当へ 大学院で心理学を専攻し、実務未経験で入社したメンバーが2年でNext.js/FastAPIによる生成AI連携システムの実装主担当に成長。日次バッチ処理を1.5時間から7分へ短縮し、実行コストも11,000円から900円へと大幅な改善を達成しました。 ・年次を問わない早期キャリアアップ 新卒入社1年1ヶ月でサブリーダー、2年でプロジェクトリーダーに抜擢された事例や、20代・30代前半で部長を務めるメンバーも複数在籍しています。 ・自分らしく描ける3つのキャリアパス 技術を極める「エキスパート」、組織を牽引する「マネジメント」、技術基盤を支える「AIスペシャリスト(MLOps/LLMOps)」など、ご自身の志向に合わせたキャリアを選択できます。 【職務内容】 AI基盤・データ・クラウド環境を一気通貫で手掛ける開発業務をお願いしたいと考えております。 AIがビジネス価値を生み出すためのプラットフォーム設計・構築を軸に、開発から運用、データ基盤整備まで幅広く手掛け、顧客のビジネス課題解決に伴走します。 ・AIプラットフォームの設計・構築 ビジネス価値の創出に向けたAI基盤の設計・構築 ・Web/バックエンド開発 堅牢で拡張性の高いアプリケーション・システムの開発 ・高品質なデータ基盤の構築 AI利活用を最大化・スムーズにするデータパイプラインの整備 ・クラウドネイティブ環境での開発・運用 AWS / Azure / GCP を活用したシステム開発および伴走型の運用支援 【役割とプロジェクト推進体制】 キャリア形成に寄り添う戦略的なプロジェクトアサインをAMBLでは行っております。 キャリアのご希望を上長が定期的にヒアリングし、一人ひとりの志向に合わせた案件を戦略的に獲得・提案する体制を整えています。 ・ミスマッチを防ぐ事前共有 内定段階で配属予定のプロジェクト概要をお伝えします。 ・計画的なスキルアップ 意図的なローテーション設計により、着実な成長を支援します。 課題定義からアプローチする上流フェーズへの参画をしております。 クライアントの事業ドメインを深く理解し、「AIでどのような課題を解決すべきか」という問いを定義する最上流から参画します。 ・技術的なリード 要件定義にとどまらず、技術選定やアーキテクチャ設計を主導する立場へキャリアを広げられます。 【事業部としてのバックアップ体制と働く環境】 一人にしない、事業部のバックアップ体制 ● 助け合い、高め合える「チーム体制」 当社メンバーが複数名参画するチーム体制が基本です。社内の専門家コミュニティも活発で、高度な技術的課題もいつでも気軽に相談・解決できる安心感があります。 ● 柔軟でメリハリのある「働き方」 基本スタイルは週4日リモート・週1日出社。プロジェクトの状況に応じて客先常駐が発生する場合があります。リモートの比率より、必要な場所で成果を出すことを優先できる方を求めます。 ● 成長を強力に後押しする「育成・学習環境」 270種以上の資格取得支援制度をはじめ、自社オリジナルの学習システム「AMBL PANEL」や社外研修費の会社負担など、エンジニアの成長機会を最大限に用意しています。 ●具体的なプロジェクト例 現在、事業部では以下のような最新テクノロジーを用いたプロジェクトが多数稼働しています。 1.生成AI・LLM領域 グラフRAG・Advanced RAGの構築 AIエージェントの設計・実装(LangGraph/Dify等) LLM基盤の最適化(Context Engineering等) 2.AI・データインフラ領域 MLOps/LLMOps基盤の構築 Snowflake/dbtによるデータ基盤構築 Azure OpenAI/AWS Bedrock上でのシステム構築 3.高度技術・社会実装領域 画像解析・数理最適化の社会実装

●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

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

●概要 クリエイティブ業務の生産性・品質向上を目的とした、AI活用推進と業務プロセス改革をお任せいたします。 単なるツール導入に留まらず、企画から制作、効果検証までのバリューチェーン全体を俯瞰し、本質的な課題解決に取り組んでいただきます。 また効率化で創出したリソースを新たな価値創造へと繋げ、将来的には顧客から指名される専門性を確立していただきます。 詳細 ●クリエイティブ業務におけるAI化の推進 └国内外の最新AIツールのリサーチ、選定、導入、PoCの実施 └効果的なプロンプトの開発、集約、ナレッジ └AI活用定着に向けた社内メンバーへのハンズオン支援や研修プログラムの企画・実施 ●クリエイティブ業務プロセスの分析と再設計 └クリエイティブディレクター/アートディレクターへのヒアリングを通じた業務プロセスの可視化と課題抽出 └AIやテクノロジーを活用したクリエイティブの自動化・省力化の企画と推進 └トッププレイヤーの思考プロセスを分析し、汎用性の高いフレームワークやツールに落とし込む ●「仕組み」の浸透と行動変容の促進 └開発・導入したクリエイティブツールや業務フローの社内ドキュメンテーション整備 └社内勉強会の開催や成功事例の共有など、「使いたくなる」仕掛けづくり └利用状況のモニタリングとフィードバックに基づく継続的な改善活動 取り扱うツール・技術領域 ※特定のツールや言語に固執せず、プロジェクトの目的に応じて最適な技術を柔軟に選定・活用することを期待しています。 ●UI/UXデザイン・プロトタイピング └Figma, Adobe XD などのデザイン/プロトタイプツール ●ジェネレーティブAI活用 └画像生成、テキスト生成、動画生成などのAIサービス・API全般 ●インタラクティブコンテンツ開発 └Unity, Unreal Engine, TouchDesigner 等を用いた開発経験 ●Web/アプリ開発 └JavaScript, React, Vue.js, Python 等を用いたフロントエンド/バックエンド開発スキル ●XR・フィジカルコンピューティング └VR/AR技術や Arduino 等を活用した体験設計に関する基本的知識 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) ▼組織構成　※2025年8月時点 組織全体:約870名 今回の配属先:統合マーケティングコミュニケーション局

「AI開発部」でAIプロダクトマネージャーを担当していただきます。 AI開発部は各プロダクトチームと連携しながら、AIを用いた機能を実験、実装、運用するチームです。将来的には学習パイプライン、各プロダクトで横断的に利用するデータ基盤の整備など、ML/LLMOpsにも取り組みます。 現在は具体的に以下のようなテーマに取り組んでいます。 ・他社プロダクトとのデータ連携の効率化 ・書類からのデータ入力の効率化 ・タレントマネジメント関連データの分析高度化 AIプロダクトマネージャーの役割は、各プロダクトの解決しなければいけない課題を理解し「何をつくるのか」「なぜつくるのか」に責任を持ち、開発チームと一緒に「どのようにつくるか」「どう実現するか」を考え、推進していくことです。 具体的には以下のような活動を行います。 ・各プロダクトチームと認識を揃えるためのドキュメント作成やコミュニケーション、調整 ・中長期ミッション達成のためのチームの目標やロードマップの作成 ・新規のAIを利用したソリューションの企画、実験計画、推進 ・既存のAIを利用したソリューションの企画、実験計画、推進 ・共通モジュール、データパイプライン整備のための企画や設計、推進 ※業務内容変更範囲:会社の定める業務

【期待役割】 ・当社の事業課題に向き合い、AI・機械学習を活用して事業成果につなげるところまで、一貫して担っていただきます。 ・与えられた要件に対してモデルを開発するだけではなく、事業・業務を深く理解した上で、解くべき課題を見極め、機械学習・統計・数理最適化・生成AIなどを用いて扱える問題へと落とし込み、適切なアプローチを設計・実装していただきます。 ・単なる「検証(PoC)」にとどまらず、事業の粗利向上や生産性向上、顧客体験の改善につながる仕組みを実際のプロダクトや業務フローに組み込み、継続的に改善していくところまでを担っていただきます。 【具体的なプロジェクト例】 現在、以下のようなAI・データ活用プロジェクトが進行中であり、これらのさらなる磨き込みや新規ユースケースの立ち上げをお任せします。 ・コールセンター業務のAI化(LLM / 音声認識等) ・数理最適化による訪問ルート最適化 ・画像認識を用いた査定のAI化 ・データ基盤・MLOps構築 【主な業務内容】 ・ビジネスサイド(事業部等)の抽象的な課題を整理し、機械学習・生成AIを活用した問題設定・テーマの企画立案 ・課題特性(自然言語、画像、テーブルデータ、最適化問題など)に応じた最適なモデル・アルゴリズムの技術選定および設計 ・PoC・オフライン検証による実現性の見極めから、本番環境へのデプロイ、実運用を見据えたモデル開発 ・モデルの精度だけでなく、業務KPIや事業成果を踏まえた評価設計・効果検証、および継続的な改善 ・モデルの監視・評価・再学習など、継続的な運用・改善を可能にするMLOps環境や開発プロセスの設計・改善 【プロダクト開発環境】 ・開発言語:Golang, React.js(Next.js), TypeScript ・インフラ:GCP(Cloud Run, BigQuery, Cloud SQL...), Terraform, Docker ・CI/CD:GItHub Actions ・テスト:MagicPod, Storybook ・バージョン管理:GitHub ・エラー管理:Sentry ・APM:NewRelic ・開発生産性管理:Findy Team+ ・課題管理:Jira ・ドキュメント管理:Confluence ・その他:Elastic Cloud, Terraform Cloud, Chromatic

私たちは今、自社のプロダクト開発そのものをAI-nativeな仕組みへと再設計しようとしています。その中核を担うのが、AI Product Manager です。ブリングアウトのプロダクトを「AIが自律的に進化するプロダクト」へと変革し、そのプロセス自体を顧客が採用できる形にパッケージ化することが役割です。顧客の声、商談・CS情報、開発要望、プロダクト利用メトリクス、品質データを LLM が継続的に統合・構造化し、プロダクトの改善機会を発見し、優先順位を提案し、開発チームがすぐに動ける要件へ落とし込むワークフローを設計・運用する責任者です。 単に AI 機能を企画するのではなく、PM の仕事そのもの ── 「顧客の声をどう捉え、何を作るべきかをどう判断し、どのように開発チームへ渡し、リリース後にどう学習するか」というプロダクト開発の OS を、AI で再発明する仕事です。 ① AI-nativeなプロダクト開発ワークフローの設計・運用 顧客の声、開発要望、プロダクト利用メトリクス、品質データをもとに、LLM がプロダクト改善の機会を発見し、優先順位付けし、要件化するワークフローを設計・運用します。 ●VoC、商談ログ、CS情報、開発要望、利用メトリクスの統合設計 ●LLM による分類・要約・クラスタリング・優先度スコアリングの設計 ●バックログトリアージ、ロードマップ更新、PRD ドラフト生成のワークフロー化 ●PdM・Engineering・CS・Sales が継続的に使える運用プロセスへの落とし込み 顧客インタビューや商談・CSから得られる一次情報を、プロダクト判断と開発実行に使える形へ変換します。 ●顧客課題の抽出、構造化、パターン化 ●開発チームが48時間以内に動き始められる粒度の PRD・Issue ドラフト作成 ●問題定義、ユースケース、成功指標、受け入れ条件、制約、リスク、未決事項の整理 ●顧客の言葉と、開発チームの要件言語をつなぐドキュメント設計 AI が出す提案を、組織が信頼して意思決定に使える状態にします。 ●優先順位付けの判断軸設計 ●事業インパクト、顧客価値、開発工数、戦略整合性、リスクを踏まえた評価フレームの設計 ●AI が生成する提案の説明可能性・再現性・レビュー観点の設計 ●ロードマップレビュー、スプリント計画、仕様レビュー、リリース後レビューへの組み込み LLM や AI エージェントの出力を、プロダクト開発の実務で使える品質に高めます。 ●PRD、Issue、優先度提案、要約、分類結果の Evaluation 設計 ●AI 出力の品質基準、レビュー基準、Human-in-the-loop 設計 ●誤分類、過剰要約、幻覚、重要要望の見落としを防ぐガードレール設計 ●AI ワークフローの継続改善 AI が生成するインサイトや優先度提案をもとに、プロダクトロードマップと開発投資判断を継続的にアップデートします。 ●What-if 分析を用いたロードマップシナリオ設計 ●CTO・Engineering との投資対効果レビュー ●プロダクト改善テーマの言語化 ●短期の開発優先度と中長期のプロダクト進化の接続 ●① PMの仕事そのものをAIで再定義できる 既存プロダクトの一機能を担当するPMではありません。顧客の声をどう集め、どう解釈し、何を作るべきかをどう判断し、どのように開発へつなげるかという、プロダクト開発の中核プロセスそのものを AI で再設計する役割です。今後多くの企業で必要になる新しいテーマであり、職種としてもまだ世の中に完成形がない領域です。 ●② AIを実験ではなく、日々の開発プロセスに組み込める LLM や AI エージェントを、PoC やデモで終わらせるのではなく、実際のロードマップ判断、バックログ管理、要件定義、開発プロセスに組み込んでいきます。AI を「便利ツール」ではなく、会社のプロダクト開発の中枢に据える仕事です。 ●③ 顧客価値と開発生産性の両方にインパクトできる 顧客の声がより早く、より正確にプロダクトへ反映されることで顧客価値を高めます。同時に、PdM・Engineering・CS・Sales の連携を滑らかにし、開発チームが迷いなく動ける状態をつくることで、開発生産性にも直接インパクトできます。顧客満足・開発スピード・売上貢献のすべてに関わる、レバレッジの高い仕事です。 ●④ CTO直下で、開発組織全体の進化をリードできる 所属は開発組織、CTO 直下です。プロダクト戦略、AI 活用、開発プロセス、データ基盤、組織運営が交差する領域で、経営・開発・ビジネスの意思決定に近いところから変革をリードできます。Principal IC として、組織横断の仕組みづくりに専念できる環境です。 ●⑤ まだ世の中に完成形がない、新しい職種を創り出せる このポジションは、従来の PdM、Product Ops、AI 活用推進、業務設計、データ活用の要素が混ざった新しい役割です。すでに決まった型を運用する仕事ではなく、「AI 時代のプロダクト開発はこうあるべきだ」という型を自分で作る仕事です。

- 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

● クライアント向け業務(客先・プロジェクト業務) ・顧客の経営・業務課題のヒアリング、受託・プライム案件の企画・提案・獲得 ・システム化構想、DXロードマップ策定、生成AIを活用したPoC企画・業務改善推進 ・要件定義からリリースまでのプロジェクト統括、QCD・リスク管理、ステークホルダーとの合意形成 ・クライアントの開発組織における生成AI活用の導入・内製化支援、伴走 ● 社内組織向け業務(AI利活用促進・開発プロセスの再構築) ・社内エンジニア組織への生成AI利活用促進、プロンプト活用やナレッジの共有・展開 ・生成AIを前提とした新しい受託開発フローの設計、ガイドラインやベストプラクティスの整備 ・AI活用における品質や保守性を担保するための設計・レビュー方針の策定 ・社内向けのAIを用いたシステム開発、および開発生産性向上のためのツール導入・標準化

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

・AIエージェントプロダクトの設計・開発 ・0→1フェーズにおける価値検証・技術検証〜プロダクト立ち上げ・継続改善 ・短期に顧客価値をデリバリーすることと中長期目線での持続的成長(技術負債のコントロールなどを含む)のバランスコントロール ・デザイナー・PdM・営業含む各チームメンバーと協調し事業を前進させる ・顧客の課題解決に向けた要件定義やアーキテクチャー検討​ 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 ・クラウド環境(AWS/GCP/Azure等)を活用したAIエージェントの設計・開発・運用支援 ・AI駆動開発を用いた新規案件や既存クライアント向け機能拡張案件における、システム要件定義・設計・構築 ・クラウドサービス・生成AI関連ツールに関する技術調査・最適技術選定支援 開発環境 主な技術スタック:Python(Fast API), TypeScript(react, hono), AWS(ECS, Auroraなど), GCP(Looker stadioなど) 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

【主な業務内容】 マネーフォワードの各サービス・プロダクトの成長を加速させるために、生成AI・機械学習などのAI技術を活用した機能開発や業務課題の解決に取り組んでいただきます。 ユーザー業務やプロダクト仕様の理解から課題を定義し、最適なAIソリューションを企画・設計・実装・運用まで一貫して担うポジションです。 ・プロダクトマネージャーや業務担当者へのヒアリングを通じた課題発見と要件定義 ・課題解決に向けたAIソリューション(生成AI・RAG・機械学習モデルなど)の提案・検証 ・プロトタイプの開発と効果検証を通じた実現性評価 ・本番環境を見据えたAIシステムの設計・実装・運用設計 ・品質担保のためのテスト方針策定・実装・評価 ・各プロダクトチームと連携したAI機能導入プロジェクトの推進 AIソリューションエンジニアは、単なるモデル開発にとどまらず、ビジネスとAIの橋渡し役として、課題設定から事業価値の創出までをリードするポジションです。 プロダクトの未来を描きながら、AIを活用した新しい業務体験を自らの手で形にしていく-- そんな挑戦に共に取り組んでいただきます。 ※リリースしているプロダクト例はこちら ・https://note.business.moneyforward.com/n/n123cfa1718f0 ●業務内容の変更範囲:会社の定める業務

【具体的な業務内容】 バス・トラックに特化した自動運転の実用化を目指し、全国で実証実験を行い新しいまちづくり・地域の活性化を目指している当社にて、自動運転システムの車両認識ソフトウェア領域をご担当いただきます。 ・Linux環境でのソフトウェア開発(使用言語: C/C++) ・センシングのシステム設計・周辺環境認識アプリケーション・アルゴリズム開発 ・シミュレーションや実車両で、障害物などの認識精度の評価