AI・機械学習（LLM）エンジニア(Notion)の求人・転職情報

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

AI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

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。

提案からデモ開発、マネジメントまでを一気通貫で担う「AIコンサルティングサービス」にて、最先端の生成AI(GPT-4oなどのLLM)を活用した開発プロジェクトを、"プロジェクトリーダー(PL)候補"として、まずは開発工程から参画いただきます。 PMの元でメンバーの業務をリードするだけでなく、実装で技術を磨きつつ、段階的に設計などの上流工程へも参画いただけます。 はじめは開発経験を活かしながら、設計・実装フェーズでプロジェクトをリード。 将来的に、技術とビジネスの両面を理解した"PM"や"ITコンサル"として成長できるポジションです。 ●具体的な業務 ・生成AI/LLMを活用したシステムやアプリケーションの開発、性能向上 ・大規模言語モデルにおけるプロンプトエンジニアリング ・AIエージェントプラットフォームの設計・開発・運用 ・ユーザーのニーズに応じたAIエージェントのカスタマイズ・チューニング ・LLMを活用したAIエージェントの実装 ・Google Cloud/AWS/Azureなどのクラウド環境の構築・運用 など 取引先は、伊藤忠商事、Mizkan、T&Dフィナンシャル生命などの大手企業が中心。 ●開発環境 開発言語:Python, Go, JavaScript, TypeScript, HTML, CSS フレームワーク:Node.js, React, Django, Flask 生成AIツール:Claude, Gemini クラウド:AWS, Azure, GoogleCloud 開発基盤:GitHub, Docker 情報共有ツール:Slack, Notion など ●開発体制 プロジェクト毎にチームを編成(5~10名程度)し、少人数で裁量を持って働いているチームです。 また、全社に「ニックネーム制度」を導入。年齢や役職関係なくコミュニケーションが活発な環境です。 20代後半〜30代が殆どで、パパママ社員もライフスタイルに合わせて働いています!

●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

【仕事概要】 本ポジションでは、営業領域のLLM新規プロダクトにおいて、PdM・デザイナー・エンジニア・事業メンバーと連携しながら、ディスカバリーからデリバリーまで一気通貫でプロダクト開発に携わっていただきます。 単に仕様通りに開発するのではなく、顧客課題や業務プロセスを深く理解し、「どのようなプロダクト体験であれば営業活動の成果につながるのか」をチームで探索しながら、LLMを活用した機能開発、アーキテクチャ設計、技術品質の向上、開発プロセス改善を推進いただく役割です。 また、開発チームではCursorやClaude Codeなどを活用したAI駆動開発を積極的に推進しています。AIプロダクトを、AIネイティブな開発プロセスで高速に作り、PMF達成と事業成長に直接コミットすることができます。 【業務内容】 ●LLMを活用したコア機能の設計・実装 ・商談データや営業活動データなど、マルチモーダルな情報を活用したプロダクト機能の設計・実装 ・プロンプトエンジニアリング / コンテキストエンジニアリングを含む、LLM活用機能の改善 ・Kotlin / Python / Next.js / TypeScript を用いた継続的な機能開発 ●PMF達成に向けたプロダクト開発 ・PdMや事業メンバーと連携した顧客課題の探索、要求整理、仕様検討 ・ユーザーフィードバックや利用状況を踏まえた改善仮説の立案・実装 ・顧客価値と事業成果につながるプロダクト体験の継続的な磨き込み ●アーキテクチャ設計・技術品質の向上 ・将来のスケールと保守性を見据えたアーキテクチャ設計 ・技術的負債の解消、パフォーマンス改善、セキュリティ・信頼性向上 ・コードレビューや設計レビューを通じた開発品質の向上 ●AI駆動開発・開発生産性の向上 ・Cursor、Claude Code、Geminiなどを活用した開発プロセスの高速化 ・チームの生産性を高めるための自動化、開発フロー改善、ナレッジ共有 ・AIを活用した開発体験・開発組織の進化に向けた取り組み ●外部サービス・データ連携の設計・実装 ・Salesforceなど外部SaaS / API連携の設計・実装 ・顧客環境や業務データを踏まえたプロダクト連携の改善 【開発環境】 ・サーバーサイド 　Kotlin / Python ・フロントエンド 　React / Next.js / TypeScript ・インフラ 　AWS / Terraform / Fargate / ECR ・DB 　Aurora PostgreSQL ・テストツール 　Datadog synthetics / Playwright ・コミュニケーションツール他 　Slack / Gather / Figma / Findy team+ / Notion / diaglams.net / Cursor / Claude Code / Gemini ※業務内容の変更範囲 :会社の定める業務

1.クライアントに伴走した生成AI活用支援（コンサルティングワーク） 日常的に使用するMS Office や Slack などの業務ツールに、生成AIを組み込み活用することで、クライアント企業の日常業務の生産性向上を目指します。 生成AIの「活用方法が分からない」「効果的な使い方がイメージできない」といった現場の課題に対し、個別のニーズに寄り添い、具体的な解決策を提供します。 例えば・・・ ・提案書作成の効率化： 営業担当者からの「提案書を作るのに時間がかかる。Copilot で何ができるのか？」という相談に対し、PowerPoint上での要点抽出、資料の自動構成、過去資料との統合方法などを実演を交えて提案 ユーザー自身が業務で使いこなせるよう、マニュアルやテンプレートも整備 ・定型報告書作成の自動化： 経理や人事部門からの「毎月同じ報告書を作成しており、効率化したい」という要望に対し、ExcelのCopilot機能やPower Automateとの連携による自動化手順を提案 担当者と共に試行錯誤を重ねながら、実用的な自動化の仕組みを構築 ・AI活用アイデアの創出： クライアントと共に「AIを活用した業務改善アイデアコンテスト」を開催 応募されたアイデアを、実現可能性、インパクト、創造性の観点から評価し、優秀なアイデアは実際の業務改善プロジェクトとして採用 従業員のAI活用への関心の向上、当事者意識の醸成に貢献 2.アポロ社内のDX業務 コンサルティングワークと比較すると業務割合としては低いですが、同様の観点から、AIツールを用いたアポロ社内のDXもお任せしたいと思っております。 【こんな方にピッタリ】 ・AIツールに触れることが好きな方 ・ツールの新機能や、新しいツールのキャッチアップが得意な方 ・「今あるツールでどういうことができるのか」を考えられる方 ・ AIツールやデジタルツールを活用して業務効率化を行うことが好きな方 ・黙々とエンジニアリングするというより、顧客折衝やカスタマサポートの要素もあるお仕事がしたい方 ・現在社内DXを担当をしており、他の企業の社内DXや柔軟なDX推進をしていきたいと思っている方

●事業概要 テックタッチのAI Central事業部では、企業が持つ様々な文章データを独自のデータベースへとAIを使い構造化し、その企業だけのナレッジベースを作り上げる革新的なプロダクトを開発しています。特に定性データを感情や要望を含めた分析可能な形に変換する技術や、業界・企業特有の文脈を理解した分析が可能な点が特徴的です。 また、蓄積されたデータをもとにAIがディスカッションパートナーとなり、製品開発やマーケティング戦略の意思決定をサポートする機能も顧客から評価されているポイントです。 テックタッチは「すべてのユーザーがシステムを使いこなせる世界に」をミッションに掲げ、生成AIを活用した新規事業の立ち上げを行なっています。AIの活用は企業の経営として今後なくてはならないものになると信じており、特に弊社の顧客基盤である大企業ではAIの活用は待ったなしの状況となっています。 AI Central事業部では、BizチームとProductチームが共同しながら、常に新しいAI技術へのキャッチアップ、トレンド理解、技術理解、顧客活用に勤しんでいます。本ポジションで具体的に担っていただきたい仕事の例は以下の通りです。 ●使用技術 ▼現状採用している技術スタック Backend: Python, FastAPI Frontend: Typescript, Remix Infrastructure: AWS(Fargate, Aurora, S3, ElastiCache etc), Terraform ▼開発環境 コード管理: Github コミュニケーション: Slack ドキュメント管理: Notion ▼生成AIツールへの投資状況 当社では、社員の創造性と生産性を最大限に引き出すために、最新の生成AIサービスを積極的に導入しています。 特に、機密情報や社内秘情報といった重要なデータも安心して入力できる、高度なセキュリティを備えたAIサービスを活用している点が大きな特徴です。 以下は、社内で利用が許可されているサービス/APIの一部です。 今後も常に最先端のAIを検討、導入していきます。 API ・OpenAI API ・Anthropic API ・Gemini API ・Perplexity API 開発ツール ・Github Copilot ・Cursor Business ・Devin 生成AIサービス ・ChatGPT Team/Enterprise ・Azure OpenAI Service ・Claude Team/Enterprise ・Gemini Advanced/Gemini for GWS ・Perplexity Enterprise Pro ・NotebookLM Plus ・Zoom AI Companion

まずご一緒すること 具体的には、主に以下のテーマでご活躍いただくイメージです。 1. 生成AI・Agentic LLMおよびRAG基盤の設計・開発・運用 ● マルチLLM(OpenAI / Claude / Gemini / Local LLM等) や Amazon Bedrock を活用した生成AIアプリケーションおよび基盤の設計・開発 ● LangChain や LangGraph、MCP (Model Context Protocol) を活用した自律型AIエージェント(Agentic Workflow)の構築・評価 ● Vector DB や RAG(検索拡張生成) パイプラインの実装、および LangSmith 等を用いた評価基盤・プロンプトエンジニアリングの最適化 2. コンピュータビジョン(CV)・機械学習モデルの最適化&開発 ● PyTorch や TensorFlow を用いた深層学習モデル(CNN / Swin Transformer / YOLO等)の開発・精度向上および推論高速化 ● 画像認識・物体検出・マルチモーダル処理におけるデータ拡張や不均衡データ対策、アノテーション効率化(能動学習/BaaL等)の仕組み化 ● ビジネス要件に応じた適切なアルゴリズム選定(scikit-learn等を用いた統計解析・機械学習から最新の生成AIまで)と精度検証 3. MLOps基盤構築・API化・本番運用(PoCからプロダクト化へ) ● FastAPI や Docker、各種クラウド(AWS / Azure / GCP)を活用した堅牢なML API・推論パイプラインの構築 ● MLflow や Optuna を活用した実験管理・ハイパーパラメータ自動探索、および CI/CD(GitHub Actions等) による継続的学習(Continuous Training)環境の自動化 ● 推論レイテンシの削減、コスト最適化、システムのモダナイズ(レガシーからの移植やコード変換支援)の推進 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 Almondoではエンジニアメンバーが越境的な役割に挑戦しており、例として以下のような関わり方を実践中です。 ・AIソリューション企画〜提案メニューの作成〜実提案 ・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 ・グループを巻き込んだ数百名規模のAIネイティブな組織作り など 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

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

エイジレスの人材紹介業務を支える自社システムのプロダクトエンジニアとして、担当範囲内の業務テーマや機能について、現場の課題理解から設計・実装、本番運用、効果検証、改善までを一貫して担当していただきます。 【具体的な業務内容】 ・業務担当者へのヒアリング、業務観察、利用データの分析を通じた課題の整理 ・担当機能における業務フロー、UI、データモデル、業務ルールの提案 ・フロントエンドからバックエンドまでを含むWebアプリケーションの設計・開発 ・生成AIを組み込んだ機能や業務自動化のプロトタイプ開発、精度検証 ・候補者、求人、選考などのコアデータの品質・信頼性を高めるための機能開発 ・コードレビュー、テスト、リリース、モニタリングを含む継続的な運用 ●開発環境 ・フロントエンド:Next.js, TypeScript, MUI ・バックエンド:Node.js, TypeScript ・データベース:SQL Server / PostgreSQL ・インフラ:AWS(ECS, Fargate, ECR, RDS, S3) ・AIツール:Codex, Claude Code, Cursor など ・その他:GitHub Actions, Docker, Linear, Slack, Google Workspace, Notion ※SQL Server→PostgreSQLへ移行中 ●チームについて CTO直下の正社員エンジニア2名で構成されるチームです。現在、3人目となるメンバーを募集しています。 専任PdMはおらず、開発メンバーが業務部門と連携しながら課題の特定、優先順位づけ、設計、開発、運用、改善を担います。フロントエンドやバックエンドといった職能で担当を固定せず、機能単位でフルスタックに開発しています。 チームのミッションは、事業部の粗利目標達成をAI×システムで牽引することです。「AI活用による営業の生産性向上」が重要テーマであり、システム開発だけでなく業務オペレーションを設計し、現場で使われ、成果が生まれるところまで責任を持つチームです。 ・開発した機能が実際に現場で使われているか ・システムを継続的かつ安全に変更できる状態になっているか ・技術的な改善が開発速度や営業生産性、粗利などの数値に変化を生み出しているか こうしたアウトカムまで見届け、必要な改善を続けることを開発チーム共通の責任としています。

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。

本ポジションでは、ログラスが展開する新規AIプロダクトのいずれかに参画し、PdM・デザイナー・ドメインエキスパートなどと連携しながら、顧客課題の探索からプロトタイピング、設計、実装、検証、改善までを一気通貫で担っていただきます。 単に決められた仕様を実装するのではなく、顧客との対話を通じて業務や課題を理解し、LLM・AIエージェントをどのように組み込めば新しい価値を実現できるかを考え、実際に動くプロダクトとして届ける役割です。 AIプロダクトは、技術の進化が速く、最初から完成された正解が存在しない領域ではありません。 そのため、精緻な仕様を長期間かけて実装するよりも、顧客の業務を理解し、短期間でプロトタイプを作り、実際の利用を通じて仮説を検証することを重視しています。 プロダクトのフェーズや本人の強みに応じて、フロントエンド・バックエンド・AIアプリケーション・アーキテクチャなど、担当範囲は柔軟に設計します。 領域を限定せず、プロダクトの価値提供に必要な技術課題へ越境して取り組んでいただくことを期待しています。 本ポジションでは、ログラスが展開する新規AIプロダクトのいずれかに参画し、PdM・デザイナー・ドメインエキスパートなどと連携しながら、顧客課題の探索からプロトタイピング、設計、実装、検証、改善までを一気通貫で担っていただきます。 単に決められた仕様を実装するのではなく、顧客との対話を通じて業務や課題を理解し、LLM・AIエージェントをどのように組み込めば新しい価値を実現できるかを考え、実際に動くプロダクトとして届ける役割です。 AIプロダクトは、技術の進化が速く、最初から完成された正解が存在しない領域ではありません。 そのため、精緻な仕様を長期間かけて実装するよりも、顧客の業務を理解し、短期間でプロトタイプを作り、実際の利用を通じて仮説を検証することを重視しています。 プロダクトのフェーズや本人の強みに応じて、フロントエンド・バックエンド・AIアプリケーション・アーキテクチャなど、担当範囲は柔軟に設計します。 領域を限定せず、プロダクトの価値提供に必要な技術課題へ越境して取り組んでいただくことを期待しています。 ●顧客課題の探索とプロダクト設計 顧客へのヒアリングや業務観察を通じた課題・業務フローの理解 PdM、デザイナー、ドメインエキスパートと連携したプロダクト体験の設計 顧客課題と技術的な実現可能性を踏まえた機能要件・仕様の策定 プロトタイプを用いた仮説検証と顧客フィードバックの収集 ●LLM・AIエージェントを活用したプロダクト開発 LLMを組み込んだWebアプリケーションの設計・実装 プロンプトエンジニアリング、コンテキスト設計、RAG等を活用した機能開発 AIエージェントを活用した業務フロー・ユーザー体験の設計 モデルの出力品質を評価する仕組みや評価指標の設計 精度・速度・コスト・再現性を踏まえた継続的な改善 新しいモデルやAI技術の検証とプロダクトへの適用 ●PMFに向けた高速な開発・改善 新規プロダクトや機能のプロトタイピング 顧客利用を通じて得られたフィードバックを踏まえた改善 利用状況や定性・定量データに基づく優先順位の判断 PdM・デザイナー・ビジネスメンバーと連携した開発計画の策定 技術的な知見を踏まえたプロダクト戦略・ロードマップへの提案 ●プロダクトの成長を支える技術基盤の構築 プロダクトの成長を見据えたアーキテクチャ設計 可用性・拡張性・セキュリティ・パフォーマンスの改善 コードレビュー、テスト設計、自動化による開発品質の向上 AIコーディングツールを活用した開発プロセスの改善 複数のAIプロダクトで再利用できる知見・技術基盤の整備 ※参画するプロダクトや具体的な業務範囲は、ご経験・志向、選考時点の事業状況を踏まえて決定します。 ●開発環境 サーバーサイド:Go フロントエンド:React / Next.js / TypeScript インフラ:AWS / Terraform / Fargate / ECR データベース:Aurora PostgreSQL テストツール:Datadog Synthetics / Playwright コミュニケーション・設計・開発支援:Slack Gather Figma Findy Team+ Notion Miro diagrams.net Cursor Claude Code Gemini ※参画プロダクトによって、一部の技術構成が異なる場合があります。 ●業務内容の変更範囲 会社の定める業務

- 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

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。

・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

事業紹介 【DXパートナーサービス】 各業界をリードする顧客企業と共に、最先端のAI技術を用いたDXプロジェクトの推進やAIを活用した次世代の事業開発を行う事業です。 当社は、「日本で最も顧客の持続的成果を追求するAIソリューション会社」を掲げ、AIの着実な社会実装と顧客現場への価値創出を実現しています。 特に、日本のAI導入PJが成功率3%と低い中で「データの構造化技術と実業務への組み込み力」を強みに、PoCからの開発継続率を87%で維持している点が特徴です。 最先端のAI技術を顧客のビジネスプロセスに組み込み、顧客や社会に「持続的な価値を提供し続けるAIシステム」を開発したい方に最適な環境です。 仕事概要 ソフトウェアアーキテクトとして、AI導入のためのソフトウェア開発において技術選定やアーキテクチャ、システム要件定義〜設計をリードいただきます。 各業界の大手企業が抱える事業課題を解決するAI導入や、協業によるAIを前提とした新たなビジネスモデルの創出を通じて、AI時代の新しい働き方を提供する社会的インパクトの大きい開発案件に関わっていただけます。また、システム導入後も顧客と継続的にコミュニケーションをとるため、作って終わりではなく継続的な支援が可能です。 ※本ポジションはAI領域の経験は不問です。社内の機械学習エンジニアと開発を進めるため、AIに関する不明点はすぐ相談できます。 プロジェクト例 ●モビリティ領域の協業案件( https://prtimes.jp/main/html/rd/p/000000097.000044470.html ) SOMPOグループのモビリティ関連会社と資本業務提携。事故車/中古車の状態や価値を画像認識AIを用いて判定し、B2BオークションのビジネスプロセスをAIで再構築し、デジタル新規事業を開発・推進。 また、ディーラーや中古車販売店向けに事故車の価格を即時算出するAIアプリを開発・リリースしました。 ●大手金融機関に向けたGAI構築案件 SMBCグループにおける社内規定などの書類をAIが読み込み・生成しやすい形で構造データ化し、生成AIを用いて業務効率化を行うSMBC-GAIを構築し全社員に展開。5万時間にのぼる工数削減を実現しました。 開発環境 案件に応じて技術選定を行うため主要なものを記載しています。 コード管理 : Git(GitHub) 主要言語:Python/TypeScript フレームワーク:Django/Flask/FastAPI/ React等 OS:Linux クラウド: AWS/Azure インフラ: Docker, Terraform ドキュメント管理: Notion コミュニケーション: slack, zoom

事業紹介 【DXパートナーサービス】 各業界をリードする顧客企業と共に、最先端のAI技術を用いたDXプロジェクトの推進やAIを活用した次世代の事業開発を行う事業です。 当社は、「日本で最も顧客の持続的成果を追求するAIソリューション会社」を掲げ、AIの着実な社会実装と顧客現場への価値創出を実現しています。 特に、日本のAI導入PJが成功率3%と低い中で「データの構造化技術と実業務への組み込み力」を強みに、PoCからの開発継続率を87%で維持している点が特徴です。 最先端のAI技術を顧客のビジネスプロセスに組み込み、顧客や社会に「持続的な価値を提供し続けるAIシステム」を開発したい方に最適な環境です。 仕事概要 当社のDXパートナーサービス事業のソフトウェアエンジニアとして、AIアルゴリズムを利用したシステム開発の要件定義から実装をお任せします。 様々な業界の企業にAIを導入するためのシステム開発を中心としながら、サービスを安定運用するための基盤システム整備まで幅広い開発をご担当いただきます。 当社は最先端のアルゴリズムを開発する会社であるため、機械学習やMLOpsに興味がある方を歓迎します。 AI技術を活用したDXプロジェクトは生成AIの登場により多くの企業でニーズが高まっています。 属人化した業務をオーダーメイドAIの導入により改革する、社会的なインパクトの強いエンジニアリングを行うポジションです。 ※入社時点で機械学習やMLに関する知見や経験は不問です! 業務内容 ●DXプロジェクトにおける AIアルゴリズム導入のためのサーバーサイド開発およびインフラ設計・構築 ●利用シーンに合わせた データ管理基盤の設計・開発 ●AIアルゴリズムの高速化・最適化 に関する研究開発 ●システムの安定稼働を支える モニタリング・死活監視の仕組みの設計・運用 開発環境 案件に応じて技術選定を行うため主要なものを記載しています。 コード管理 : Git(GitHub) 主要言語:Python/TypeScript フレームワーク:Django/Flask/FastAPI/ React等 OS:Linux クラウド: AWS/Azure インフラ: Docker, Terraform ドキュメント管理: Notion コミュニケーション: slack, zoom

事業概要 当社は、「アルゴリズムで、社会はもっとシンプルになる。」というビジョンを掲げ、アルゴリズムを用いて人の働き方に余白をつくることを目指す、東大松尾研究室発のAIベンチャーです。 アカデミアにおける知見を活用し、業界横断的なビジネスシーンをデジタル化/定量化することで、「複雑・非効率・非合理」がないシンプルで皆がいきいきと生きられる社会を実現していきます。 2017年の創業から、「DXパートナーサービス」と「AIソフトウェアサービス」の2つの事業を軸に、「人とAIが協働する次世代のビジネスプロセス」の構築を実現しています。 DXパートナーサービス 各業界をリードする顧客企業と共に、最先端のAI技術を用いたDXプロジェクトの推進やAIを活用した次世代の事業開発を行う事業です。 当社は、「日本で最も顧客の持続的成果を追求するAIソリューション会社」を掲げ、AIの着実な社会実装と顧客現場への価値創出を実現しています。 特に、日本のAI導入PJが成功率3%と低い中で「データの構造化技術と実業務への組み込み力」を強みに、PoCからの開発継続率を87%で維持している点が特徴です。 最先端のAI技術を顧客のビジネスプロセスに組み込み、顧客や社会に「持続的な価値を提供し続けるAIシステム」を開発したい方に最適な環境です。 仕事概要 DXパートナーサービスにおけるプロジェクトを推進するAIエンジニアのポジションです。 画像・映像・音声・自然言語などをマルチモーダルに掛け合わせ、クライアントの課題を解決するAIアルゴリズムを中心に設計・実装をお任せします。 クライアント企業は金融や製造、モビリティなど多岐に渡り、業界横断的な業務のデジタル化を進める上で重要となるDeep Leanringアルゴリズムの研究開発や、社内で開発を進めるパッケージをベースにしたAIアルゴリズム・システムの開発などを担当して頂きます。 業務内容 ●クライアントの事業課題の解決に適したアルゴリズムの設計・実装 ●クライアントに対する分析結果等のレポート ●ソフトウェアエンジニアと協業し、ソフトウェアやAPIへのアルゴリズムの組み込み プロジェクト例 ●モビリティ領域の協業案件 (https://prtimes.jp/main/html/rd/p/000000097.000044470.html) SOMPOグループのモビリティ関連会社と資本業務提携。事故車/中古車の状態や価値を画像認識AIを用いて判定し、B2BオークションのビジネスプロセスをAIで再構築し、デジタル新規事業を開発・推進。 また、ディーラーや中古車販売店向けに事故車の価格を即時算出するAIアプリを開発・リリースしました。 ●大手金融機関に向けたGAI構築案件 SMBCグループにおける社内規定などの書類をAIが読み込み・生成しやすい形で構造データ化し、生成AIを用いて業務効率化を行うSMBC-GAIを構築し全社員に展開。5万時間にのぼる工数削減を実現しました。 開発環境 言語:Python Deep Learningフレームワーク: PyTorch OS:Linux コミュニケーション: Slack, Zoom タスク管理: Notion

●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