機械学習・データ活用 AI・機械学習（LLM）エンジニアの求人・転職情報

調達見積プロセスにおける図面類似検索・見積プロセス自動化の技術開発を担当。 図面からの特徴抽出・大規模品番の類似検索エンジン構築・過去見積実績を活用した見積支援など、調達プロセスの高度化を推進します。 ●具体的な業務内容 【大規模類似検索】数百万品番規模の図面に対する形状特徴量ベースの類似検索エンジン構築、検索精度の評価・改善 【見積支援AI】類似図面と過去見積実績のマッチング、見積根拠の提示、AIエージェントによる見積効率化 【図面特徴抽出】品番・形状特徴・寸法の自動認識、類似検索に最適化した特徴量設計 【検索精度の継続改善】フィードバックループ設計、特徴量・類似度指標のチューニング、類似根拠の可視化 【チーム連携】業務部門・外部パートナーとの要件調整 職種の変更範囲:技術職・事務職・技能職業務

経営KPIの構造モデリング、外部知見を活用した情報収集エージェント、シナリオ分析に基づく意思決定支援の技術開発を担当。データ統合・分析基盤の構築からAIエージェントの設計・実装まで一貫して推進します。 ●具体的な業務内容 【KPI構造モデリング】経営KPI間の依存関係・先行指標の特定、異種データソースの統合とKPIツリー構築 【シナリオ分析・予測】施策効果予測、リスクシナリオの定量評価、モデルの解釈可能性担保 【外部知見活用エージェント】業界動向・市場情報・技術トレンドの自動収集、経営判断へのコンテキスト提供 【意思決定支援基盤】分析結果の自動可視化・レポート生成、判断に必要な情報の統合提示 【チーム連携】業務部門・外部パートナーとの要件調整、設計ノウハウ共有 職種の変更範囲:技術職・事務職・技能職業務

設計プロセスに散在する業務知見(設計ルール・過去不具合事例・判断根拠等)を構造化し、AIエージェントが設計審査やレビューを支援できるナレッジ基盤として整備する技術開発を担当します。 ●具体的な業務内容 【ナレッジ構築】設計ルール・不具合事例・判断根拠の構造化、ハイブリッド検索・リランキング等を用いたナレッジ基盤の設計・実装 【知識グラフ】エンティティ・関係抽出、グラフ構造を活用した推論・検索の高度化 【暗黙知の形式知化】設計者の判断基準を対話的に引き出し構造化するエージェントの設計 【AIレビュー】設計文書に対するAI自動レビュー機能の設計・実装・精度改善 【チーム連携】業務部門・外部パートナーとの要件調整 職種の変更範囲:技術職・事務職・技能職業務

経営KPIの構造モデリング、外部知見を活用した情報収集エージェント、シナリオ分析に基づく意思決定支援の技術開発を担当。データ統合・分析基盤の構築からAIエージェントの設計・実装まで一貫して推進します。 ●具体的な業務内容 【KPI構造モデリング】経営KPI間の依存関係・先行指標の特定、異種データソースの統合とKPIツリー構築 【シナリオ分析・予測】施策効果予測、リスクシナリオの定量評価、モデルの解釈可能性担保 【外部知見活用エージェント】業界動向・市場情報・技術トレンドの自動収集、経営判断へのコンテキスト提供 【意思決定支援基盤】分析結果の自動可視化・レポート生成、判断に必要な情報の統合提示 【チーム連携】業務部門・外部パートナーとの要件調整、設計ノウハウ共有 職種の変更範囲:技術職・事務職・技能職業務

AI開発向けにMLOps環境、データ基盤の構想立案、技術検討、構築をお任せします。 クラウド(PaaS)上への構築をベースに検討いただきます。 加えて、オンプレ・クラウドのハイブリット構想も担当いただきます。 ●具体的な業務内容 AI開発・データ分析に関わるデータ基盤やMLOps環境の整備、IoTや自動車の規格に適切なクラウドのサービスの検討等に関する以下の業務をお任せします。 ・技術検討 ・企画・構想立案 ・システム要件定義 ・データモデリング ・設計、開発 言語:Python、C++、JavaScript、TypeScript、SQL OS:Windows、Linux 環境:AWS ツール:Databricks、IaC (AWS CDKなど)、生成AI(GPT、Claude、Gemini) 愛知をはじめ、他の拠点(東京、博多)のメンバーともリモート環境等で連携しながら業務にあたってもらいます。 入社後3か月は、OJTを中心に業務キャッチアップをしていただき、その後メイン業務を担当していただきます。 職種の変更範囲:技術職・事務職・技能職業務

従業員エンゲージメント調査・人材データ等の構造化データに対する統計的因果分析と、生成AIを組み合わせた施策提案の技術開発を担当。 因果モデル構築から施策効果予測、分析結果の解釈可能な可視化まで一貫して担います。 ●具体的な業務内容 【因果分析】エンゲージメント調査・人材データからベイジアンネットワーク等による因果構造推定、施策効果予測 【施策提案AI】因果モデルと生成AIによる部署別・職種別の施策提案、説明可能な出力設計 【データ統合・分析基盤】異種人事データの統合、解釈可能性の担保、自動可視化・レポート生成 【分析手法の高度化】分析粒度の最適化、時系列変化追跡、施策→効果のフィードバックループ設計 【チーム連携】業務部門・外部パートナーとの要件調整、知見共有 職種の変更範囲:技術職・事務職・技能職業務

経営KPIの構造モデリング、外部知見を活用した情報収集エージェント、シナリオ分析に基づく意思決定支援の技術開発を担当。データ統合・分析基盤の構築からAIエージェントの設計・実装まで一貫して推進します。 ●具体的な業務内容 【KPI構造モデリング】経営KPI間の依存関係・先行指標の特定、異種データソースの統合とKPIツリー構築 【シナリオ分析・予測】施策効果予測、リスクシナリオの定量評価、モデルの解釈可能性担保 【外部知見活用エージェント】業界動向・市場情報・技術トレンドの自動収集、経営判断へのコンテキスト提供 【意思決定支援基盤】分析結果の自動可視化・レポート生成、判断に必要な情報の統合提示 【チーム連携】業務部門・外部パートナーとの要件調整、設計ノウハウ共有 職種の変更範囲:技術職・事務職・技能職業務

従業員エンゲージメント調査・人材データ等の構造化データに対する統計的因果分析と、生成AIを組み合わせた施策提案の技術開発を担当。因果モデル構築から施策効果予測、分析結果の解釈可能な可視化まで一貫して担います。 ●具体的な業務内容 【因果分析】エンゲージメント調査・人材データからベイジアンネットワーク等による因果構造推定、施策効果予測 【施策提案AI】因果モデルと生成AIによる部署別・職種別の施策提案、説明可能な出力設計 【データ統合・分析基盤】異種人事データの統合、解釈可能性の担保、自動可視化・レポート生成 【分析手法の高度化】分析粒度の最適化、時系列変化追跡、施策→効果のフィードバックループ設計 【チーム連携】業務部門・外部パートナーとの要件調整、知見共有 職種の変更範囲:技術職・事務職・技能職業務

●本ポジションの役割 Forward Deployed Engineer(FDE)は、顧客の現場とGRIDの技術をつなぐポジションです。 顧客の業務現場や意思決定の場に入り込み、現場責任者・業務担当者・経営層と対話しながら、業務の構造、制約条件、意思決定の難しさを理解します。そのうえで、数理最適化・AI・データ分析・システム開発の知見を用いて、解決すべき課題を定義し、解決策の仮説をプロトタイプとして形にしていきます。 受注前は、顧客理解、課題仮説の構築、簡易プロトタイプやデモの作成、PoCテーマの設計を担います。受注後は、プロジェクトチームと連携しながら、本開発・プロダクト化・運用定着に向けた橋渡しを担います。 ●仕事内容 技術共創室のForward Deployed Engineerとして、以下の業務を担当いただきます。 ・顧客企業の現場責任者、業務担当者、経営層とのディスカッション ・顧客の業務プロセス、意思決定プロセス、制約条件、現場課題の理解 ・顧客自身がまだ言語化できていない課題や改善余地の発見 ・顧客業務を数理最適化、AI、システム開発の観点から構造化 ・Python等を用いた簡易プロトタイプ、デモ、モックアップの作成 ・PoCテーマの設計、検証観点、成功条件の整理 ・エンジニア、PM、コンサルタント、営業と連携した本開発・プロダクト化への橋渡し ●働き方 ・CTO直下の技術共創室に所属いただきます。 ・リモートワークを基本としつつ、顧客訪問、現場理解のために出張が発生する場合があります。 ・顧客の現場に深く入り込むポジションですが、常駐型の働き方ではありません。 ・顧客理解、課題発見、プロトタイプ開発、PoC設計、本開発への橋渡しを、社内外のメンバーと連携しながら進めます。 ・裁量労働制またはフレックスタイム制を想定しています。

設計図面に対する製造性評価をAIで支援する技術開発を担当。図面からの情報抽出・製造ルールに基づく自動チェック・過去品質不具合との照合など、製造品質の向上に直結するAIエージェントの設計・実装を推進します。 ●具体的な業務内容 【製造性評価AI】製造ルール・品質不具合に基づく設計形状の自動チェック、素材・工法ごとの判断ロジック設計・実装 【製造知見の構造化】図面・仕様書・不具合履歴を横断活用するナレッジ基盤構築、製造ルールの体系化 【図面情報抽出】OCR+レイアウト解析による形状・注記・寸法の自動認識 【設計・製造連携】製造性チェック結果の可視化・修正提案、設計変更の製造影響評価 【チーム連携】業務部門・外部パートナーとの要件調整 職種の変更範囲:技術職・事務職・技能職業務

工場現場における人作業の自働化(ロボット導入)を加速させるため、フィジカルAIの現場活用に向けた技術開発を担当していただきます。シミュレーションと実機を連携させた開発環境での検証から、実際の現場への適用に伴って生じる課題の解決まで一貫して取り組み、現場での実用化を目指します。 ●具体的な業務内容 フィジカルAIの工場現場への適用 ・ロボット実機(ヒューマノイド含む)を活用した現場動作検証(検証エリア・工場現場) ・ロボット-センシング機器の制御・通信技術開発 ・データ収集・モデル学習 Ubuntu(LINUX)、ROS2、Python、Issac Sim AI処理PC保有、クラウド環境、各種ロボット保有、ロボット評価用実機検証エリア保有 職種の変更範囲:技術職・事務職・技能職業務

調達見積プロセスにおける図面類似検索・見積プロセス自動化の技術開発を担当。図面からの特徴抽出・大規模品番の類似検索エンジン構築・過去見積実績を活用した見積支援など、調達プロセスの高度化を推進します。 ●具体的な業務内容 【大規模類似検索】数百万品番規模の図面に対する形状特徴量ベースの類似検索エンジン構築、検索精度の評価・改善 【見積支援AI】類似図面と過去見積実績のマッチング、見積根拠の提示、AIエージェントによる見積効率化 【図面特徴抽出】品番・形状特徴・寸法の自動認識、類似検索に最適化した特徴量設計 【検索精度の継続改善】フィードバックループ設計、特徴量・類似度指標のチューニング、類似根拠の可視化 【チーム連携】業務部門・外部パートナーとの要件調整 職種の変更範囲:技術職・事務職・技能職業務

開発メンバーとともに必要な体制や人員を検討/提案し、技術開発は主に以下項目のいずれかに携わって頂く予定です。 ・ロボット/デバイスに搭載するAIモデルの開発・最適化 ・センサー情報(触覚、視覚など)を用いた認識・推論アルゴリズムや、エッジデバイス上でのリアルタイム推論環境の構築 ・自律制御・行動計画(Planning & Control)の設計 ・ハードウェアチームとの協働によるプロトタイプ開発 ●具体的な業務内容 開発メンバーとともに社内外組織と連携しやすい開発環境構築を検討する。 想定されるツール:ROS/ROS2,NVIDIA Isaac Sim,Linux,Matlab/Simlinkなど 言語: Python、C++、C等 その他: Office(Excel、Word、PowerPoint)、CATIA、JMAG等 職種の変更範囲:技術職・事務職・技能職業務

調達見積プロセスにおける図面類似検索・見積プロセス自動化の技術開発を担当。図面からの特徴抽出・大規模品番の類似検索エンジン構築・過去見積実績を活用した見積支援など、調達プロセスの高度化を推進します。 ●具体的な業務内容 【大規模類似検索】数百万品番規模の図面に対する形状特徴量ベースの類似検索エンジン構築、検索精度の評価・改善 【見積支援AI】類似図面と過去見積実績のマッチング、見積根拠の提示、AIエージェントによる見積効率化 【図面特徴抽出】品番・形状特徴・寸法の自動認識、類似検索に最適化した特徴量設計 【検索精度の継続改善】フィードバックループ設計、特徴量・類似度指標のチューニング、類似根拠の可視化 【チーム連携】業務部門・外部パートナーとの要件調整 職種の変更範囲:技術職・事務職・技能職業務

従業員エンゲージメント調査・人材データ等の構造化データに対する統計的因果分析と、生成AIを組み合わせた施策提案の技術開発を担当。 因果モデル構築から施策効果予測、分析結果の解釈可能な可視化まで一貫して担います。 ●具体的な業務内容 【因果分析】エンゲージメント調査・人材データからベイジアンネットワーク等による因果構造推定、施策効果予測 【施策提案AI】因果モデルと生成AIによる部署別・職種別の施策提案、説明可能な出力設計 【データ統合・分析基盤】異種人事データの統合、解釈可能性の担保、自動可視化・レポート生成 【分析手法の高度化】分析粒度の最適化、時系列変化追跡、施策→効果のフィードバックループ設計 【チーム連携】業務部門・外部パートナーとの要件調整、知見共有 職種の変更範囲:技術職・事務職・技能職業務

設計プロセスに散在する業務知見(設計ルール・過去不具合事例・判断根拠等)を構造化し、AIエージェントが設計審査やレビューを支援できるナレッジ基盤として整備する技術開発を担当します。 ●具体的な業務内容 【ナレッジ構築】設計ルール・不具合事例・判断根拠の構造化、ハイブリッド検索・リランキング等を用いたナレッジ基盤の設計・実装 【知識グラフ】エンティティ・関係抽出、グラフ構造を活用した推論・検索の高度化 【暗黙知の形式知化】設計者の判断基準を対話的に引き出し構造化するエージェントの設計 【AIレビュー】設計文書に対するAI自動レビュー機能の設計・実装・精度改善 【チーム連携】業務部門・外部パートナーとの要件調整 職種の変更範囲:技術職・事務職・技能職業務

設計プロセスに散在する業務知見(設計ルール・過去不具合事例・判断根拠等)を構造化し、AIエージェントが設計審査やレビューを支援できるナレッジ基盤として整備する技術開発を担当します。 ●具体的な業務内容 【ナレッジ構築】設計ルール・不具合事例・判断根拠の構造化、ハイブリッド検索・リランキング等を用いたナレッジ基盤の設計・実装 【知識グラフ】エンティティ・関係抽出、グラフ構造を活用した推論・検索の高度化 【暗黙知の形式知化】設計者の判断基準を対話的に引き出し構造化するエージェントの設計 【AIレビュー】設計文書に対するAI自動レビュー機能の設計・実装・精度改善 【チーム連携】業務部門・外部パートナーとの要件調整 職種の変更範囲:技術職・事務職・技能職業務

生成AIを活用した車載エージェントの中核技術開発を担当いただきます。 車両とユーザーが自然にインタラクションし、ユーザーの意図・状況を理解した上で、車両制御や車載サービスへとつなげるための対話技術・AIモデルの設計・実装・評価を担当いただきます。 ●具体的な業務内容 商品開発部門と連携し、以下の業務を担当いただきます。 ・生成AI・LLM/VLMを活用した車載向け対話エージェント技術の研究・開発 ・音声・テキスト・マルチモーダル入力を用いたユーザー意図理解・状態推定技術の開発 ・ユーザーの発話・行動文脈に基づき、車両機能(ドア、空調、シート、HMI 等)やサービスを制御するロジックの設計 ・車載制約(リアルタイム性、安全性、エッジ実装)を踏まえた生成AIモデルの最適化・評価 ・シミュレーション環境や実車・実機を用いた検証、商品適用に向けた課題抽出と改善提案 ●使用言語、環境、ツール等 使用言語:Python、C/C++ 環境:Windows、Linux(Ubuntu) ツール・技術:各種生成AI/深層学習フレームワーク、クラウド環境(必要に応じて) 職種の変更範囲:技術職・事務職・技能職業務

開発メンバーとともに必要な体制や人員を検討/提案し、技術開発は主に以下項目のいずれかに携わって頂く予定です。 ・ロボット/デバイスに搭載するAIモデルの開発・最適化 ・センサー情報(触覚、視覚など)を用いた認識・推論アルゴリズムや、エッジデバイス上でのリアルタイム推論環境の構築 ・自律制御・行動計画(Planning & Control)の設計 ・ハードウェアチームとの協働によるプロトタイプ開発 ●具体的な業務内容 開発メンバーとともに社内外組織と連携しやすい開発環境構築を検討する。 想定されるツール:ROS/ROS2,NVIDIA Isaac Sim,Linux,Matlab/Simlinkなど 言語:Python、C++、C等 その他:Office(Excel、Word、PowerPoint)、CATIA、JMAG等 職種の変更範囲:技術職・事務職・技能職業務

設計図面に対する製造性評価をAIで支援する技術開発を担当。図面からの情報抽出・製造ルールに基づく自動チェック・過去品質不具合との照合など、製造品質の向上に直結するAIエージェントの設計・実装を推進します。 ●具体的な業務内容 【製造性評価AI】製造ルール・品質不具合に基づく設計形状の自動チェック、素材・工法ごとの判断ロジック設計・実装 【製造知見の構造化】図面・仕様書・不具合履歴を横断活用するナレッジ基盤構築、製造ルールの体系化 【図面情報抽出】OCR+レイアウト解析による形状・注記・寸法の自動認識 【設計・製造連携】製造性チェック結果の可視化・修正提案、設計変更の製造影響評価 【チーム連携】業務部門・外部パートナーとの要件調整 職種の変更範囲:技術職・事務職・技能職業務

最先端のAI技術やモーションキャプチャ、シミュレータを用いたヒト認識技術に関わる研究開発 ●具体的な業務内容 経験豊富なメンバーや社外連携先と協力して開発を行います ・AIソフトウェア開発(Python) ・シミュレーションソフトウェア開発(UEなど) ・データ開発(モーションキャプチャ) 職種の変更範囲:技術職・事務職・技能職業務

クライアントが抱える課題に対して、統計的・機械学習的手法によるソリューションを調査研究及び考案し、実装する クライアントとの打ち合わせにおいて、技術的な面での進捗報告や議論に参加する アーキテクトと一体になってプロジェクトを推進する

クライアントのビジネス課題に対し、表データを用いた予測・分類モデルの構築から、最新の生成AIソリューションの開発までを一気通貫で担当します。 単なるプロジェクト進行の管理に留まらず、精度向上のためのアルゴリズム選定や、生成AIの実装におけるプロンプト構成など、技術的な意思決定に深く関与していただきます。 現場のメンバーと議論を交わし、泥臭く精度を追求できる環境です。 ●案件事例 ・生成AIを活用した検索システムの開発 ・ワークフローを自動化するAIエージェントの開発 ・クライアントのAI人材教育のための伴走支援 ・Eコマース領域におけるAIを用いたターゲティング最適化、予測モデルの開発やMLOpsの運用 ・通信業における在庫最適化/予測モデルの開発と改良 ●入社配属部署(AIビジネス部) AIビジネス部は、最新のAI関連技術を応用してお客様のデータ利活用や業務効率化をしている部門です。 機械学習や深層学習のPoCから、生成AIを活用したAIエージェントの開発まで機械学習分野全般を対応しています。 現在募集している人材は、プロジェクトマネジメント能力と技術的専門性を併せ持ち、プロジェクトを牽引できるメンバーになります。 〔新規事業開発・ボトムアップの文化〕 当部門では、現場の「この分析手法なら、もっと精度が出る」「この最新技術で新規事業を作りたい」という声を尊重します。 管理職に回ることで技術が疎かになるのではなく、技術の本質を理解しているからこそ、最高のマネジメントができるという価値観を大切にしています。 変更の範囲:会社が指定した場所

【新規構築フェーズ】 当社内に蓄積されているデータ基盤をベースに、AIプラットフォームを新規構築いただきます。 ・社内データ基盤とMLOps/LLMOpsによる継続的な機械学習モデルの設計・構築・運用 ・大量のデータ処理能力や増加するユーザー数に対応できるインフラストラクチャ構築 ・Googleプラットフォーム上へのアプリケーション搭載 ・Googleプラットフォームを活用したデータ処理パイプラインの設計、開発、運用 ・利用技術の選定 【実装/運用フェーズ】 ・生成AIを必要とする部門(社内)への課題抽出/ヒアリング、Fit&Gap分析 ・追加(アドオン)開発の概要設計 ・生成AI導入後の運用設計、導入効果検証、追加打ち手の策定 ・必要に応じたサポート対応 その他 ※従事すべき業務の変更の範囲 本人の能力・適性および事業運営上の必要性に応じ、会社の定める業務に変更する場合があります。

●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

クライアントのビジネス課題に対し、表データを用いた予測・分類モデルの構築から、最新の生成AIソリューションの開発までを一気通貫で担当します。 単なるプロジェクト進行の管理に留まらず、精度向上のためのアルゴリズム選定や、生成AIの実装におけるプロンプト構成など、技術的な意思決定に深く関与していただきます。 現場のメンバーと議論を交わし、泥臭く精度を追求できる環境です。 ●案件事例 ・生成AIを活用した検索システムの開発 ・ワークフローを自動化するAIエージェントの開発 ・クライアントのAI人材教育のための伴走支援 ・Eコマース領域におけるAIを用いたターゲティング最適化、予測モデルの開発やMLOpsの運用 ・通信業における在庫最適化/予測モデルの開発と改良 ●入社配属部署(AIビジネス部) AIビジネス部は、最新のAI関連技術を応用してお客様のデータ利活用や業務効率化をしている部門です。 機械学習や深層学習のPoCから、生成AIを活用したAIエージェントの開発まで機械学習分野全般を対応しています。 現在募集している人材は、プロジェクトマネジメント能力と技術的専門性を併せ持ち、プロジェクトを牽引できるメンバーになります。 〔新規事業開発・ボトムアップの文化〕 当部門では、現場の「この分析手法なら、もっと精度が出る」「この最新技術で新規事業を作りたい」という声を尊重します。 管理職に回ることで技術が疎かになるのではなく、技術の本質を理解しているからこそ、最高のマネジメントができるという価値観を大切にしています。

「楽楽精算」や「楽楽明細」など企業の業務効率化を推進するクラウドサービスを展開するラクスグループにおいて、自社プロダクトに関わるAIモデルの開発、精度改善をミッションとしているチームにジョインいただきます。 要件定義、データ整備、PoC、検証、評価、実運用までの全工程に中心となって携わっていただきます。 (1) AI ロードマップ策定・技術選定 ・AI・データ分析領域における、PoCの策定及びAIモデル構築案件のプロジェクトマネージャー ・既存システムとの統合を考慮した技術要件の検討 (2) 最新技術の調査・手法の選定 ・論文調査などを通じた最新のAI技術・研究動向のキャッチアップ・有用手法の探索・選定 (領域:画像認識・自然言語処理など) (3) データ収集・前処理 ・AIモデルの学習に必要なデータをの収集・整備(ログデータ、画像データ、テキストデータ など) ・学習の質向上を目的としたデータの欠損値処理、ノイズ除去、データ拡張などの前処理 ※学習が必要な場合は、アノテーション作業を実施・管理 (4) PoCの実施・モデル開発 ・最適なアルゴリズムの設計・改善 ・ハイパーパラメータの最適化 (5) 評価指標の設計・精度検証 ・評価データの作成・整備(偏りのない指標で性能を測定) (6) システム実装・運用 ・API化(Flask / FastAPI)、実サービスシステムへの統合/連携 ・クラウド環境(AWS・GCPなど)へのデプロイ、安定した運用確立モデルのパフォーマンス監視、再学習スケジュールの管理 ●環境 利用言語:Python フレームワーク・ライブラリ:TensorFlow、Keras、Pytorch、FastAPIなど 生成AI : OpenAI API、AWS Bedrock、VertexAIなど 開発環境:Mac、Linux、Windows、AWS、GCP 利用AI開発ツール: Github Copilot、Claude Code、Cursurなど コードレビュー:Pull Request ベースでのコードレビュー バージョン管理システム:GitHub チケット管理システム:GitHub ●取り組む課題 主に、当社サービスにおける入力やデータ作成を支援する機能の開発を行います。 機械学習モデルやアルゴリズム実装だけでなく、実際のシステムへの組み込み(API実装)まで含む、AIシステムの開発に取り組んでいただきます。 主に画像認識、自然言語処理、データ分析、不正検知などの分野で開発を進めていただきます。 ●その他 ※従事すべき業務の変更の範囲 本人の能力・適性および事業運営上の必要性に応じ、会社の定める業務に変更する場合があります。

●サービス成長のためのデータ分析 ・KPI分解やセグメント分析などによる仮説立案 例)ボトルネックの特定と打ち手の考 ・ABテストやダッシュボード設計によるPDCA体制の構築 例)データ分析を基に実施した施策の良し悪しを判定および改善策の導出 ・社内のサービス運用フロー最適化のためのアルゴリズム開発 例)チャンネル表編成の数理的な最適化 ・プロダクトの付加価値向上のためのアルゴリズム開発 例)ターゲティング広告商品の開発

●組織ミッション ・ソフトウェア技術部 防衛事業及び宇宙事業に関わるソフトウェアの開発 ・技術第五課 人工衛星を管制する地上設備ソフトウェア(※)の開発 (※)衛星の運用立案、撮像指示、画像処理等を行うソフトウェア 業務内容 地上設備システムとは、衛星のミッション遂行のサポートを地上から行う業務システムを指します。我々は、宇宙空間での衛星運用を地上でシミュレーションして計画立案し、衛星の動作を指示するソフトウェアや、宇宙空間でのミッション遂行後、地上にダウンリンクしたミッションデータを処理・解析する業務システムソフトウェアを開発しています。職務内容は、顧客へのGPU、クラウド、AIなどの最新ソフトウェア技術を使用した仕様提案、PoC、要件定義等の上流設計、ソフトウェア開発(設計・製造・試験)になります。ご経験に応じて、仕様提案、PoC、上流設計および開発プロジェクトの取り纏めをお任せいたします。 会社の定める業務(※) (※)業務の都合によっては会社外の職務に従事するため出向又は転属を命じることがあります。 具体的には ・AI,クラウド,GPUなどのソフトウェア技術を活用した調査研究およびPoC(Proof of Concept) ※人工衛星画像の画像処理・解析技術、地上設備システムの自動異常検知・運用解析等 ・顧客(官公庁)要望のリサーチ、提案・調整(仕様/予算等) ・ソフトウェア開発における上流設計 ・ソフトウェア開発におけるQCD管理等マネジメントや開発リード ・製品据付・納入立会 ※人工衛星や地上設備の知識は必須ではありません。 ※ソフトウェア開発は協力会社と連携しながら進めていきます。 ※開発期間としては新規案件で5年程度、サブシステム等の改修案件で1年程度が基本となりますが、近年は開発期間はより短縮しております。 ※顧客納品前に関東圏中心に出張が発生するケースがございます。 <入社後の活躍イメージ> 【～入社後3か月】 ご経験に応じて一般的なソフトウェア開発の教育・研修等を受けていただきながら、指導担当者のOJTで当社の規定・基準や開発環境を学んで頂きます。 【～入社後6か月】 実際のソフトウェアに触れていただきながら製品の概要や開発プロセスを理解すると共に、仕様書、設計書、お客様との調整資料等を用いて製品ドメイン知識の習得も少しずつ進めて頂きます。 【～入社後1年】 ソフトウェア製品および開発プロセスをしっかりと理解したあかつきには、関係部門との作業調整や製品ドメインの知識を用いたお客様との仕様調整、上流設計にも関わっていただき、コミュニケーションや仕事の幅を広げて頂きます。適性によっては技術提案やソフトウェア開発のマネジメントもお願いするかもしれません。 【～入社後2年】 チームリーダーのもとで、小～中規模プロジェクトの中核的なエンジニアとして、仕様調整、技術提案、上流設計、ソフトウェア開発のマネジメント等の主担当としてご活躍いただきます。 ※設計やマネジメント技術について、当社が用意する技術講座でも学ぶことができますので、積極的に活用して業務のキャッチアップに加え、スキルアップに取り組んで頂きます。業務と並行してソフトウェア技術力向上のためのテックコミュニティに所属してもらい、AI等の新技術の習得に日々励むこともできます。 ●使用言語、環境、ツール 使用言語: Java, C, Python等 OS: Linux,Windows等 開発環境: VSCode,Github/Gitlab等

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