AI・機械学習（LLM）エンジニア(Google Cloud Platform(GCP))の求人・転職情報

フルフレックス+リモート可能/クラウドとAIを活用したモダンなシステム開発実績多数!! 元マイクロソフトMVP複数年受賞されている本事業責任者と一緒に、 AIやクラウドを活用したシステム開発の顧客への提案活動/上流工程/開発工程のいずれか、または全てに携わっていただきます。 ・技術選定や実現可能性調査のためのコンサルティング ・クラウドアーキテクチャ設計・構築 ・データ基盤の設計・構築 <案件事例> ・AIを活用した営業支援チャットボットの開発 └Azure OpenAIを活用し、音声データを文字起こし、活用可能なデータに変換し営業メンバ業務効率化を達成 ・社内ナレッジ利活用ツールの開発 └社内に乱雑に配置された様々なナレッジを利活用できる検索ツールのためのRAGの開発 ・3大クラウドが提供するマネージドAIサービス利活用コンサルティング など 【ソフトウェアアーキテクチャ例】 フロントエンド:React/Typescript/Node.js/HTML/CSS/Javascript バックエンド:Java/PHP/Ruby/Python/Go/Haskell クラウド:AWS/GCP/Azure ツール:Github/Slack/Ansible/Kubernetes/Docker 生成AI:OpenAI/Bedlock/Gemini <特徴> ■リモートワーク主体前提の働き方をご用意 週次で自由に参加可能なオープンドアMTGを実施し、リモートワークでも疎外感が生まれないよう、上司部下関係なく気軽に何でも相談できる環境をご用意 ■クラウド系資格取得を全力サポート システムアイでは順調にクラウド資格取得者を増やしており 週2回の勉強会の実施や、資格取得に関わる費用の会社全額負担 取得時の報奨金もご用意しております。

【まずお任せしたいこと】 入社後まず注力いただくのは、ジョブメドレーにおけるレコメンド・検索領域の ML システム開発と MLOps 基盤整備です。 データ基盤の構築整備が急ピッチで進んでおり、内部のデータ分析だけでなくプロダクト機能としての価値提供に差し掛かる中で、以下の取り組みに着手しています。 -レコメンドエンジンの設計・開発・改善(協調フィルタリング、コンテンツベース、深層学習ベースなど) -検索ランキングの最適化・パーソナライゼーション -Google Cloud(BigQuery, Vertex AI, Cloud Run 等)を中心としたMLインフラ(特徴量ストア・モデルレジストリ・実験管理基盤等)の設計・開発・運用 -学習・推論パイプラインの設計・構築・自動化(CI/CD) 例えば、レコメンドエンジンに関しては基盤の刷新を進めていることもあり、アーキテクチャの設計段階から携わることができます。 【バックグラウンドや志向に応じた広がり】 上記を中心としつつ、ご経験や志向に応じて以下のような領域にも携わっていただけます。 ●データサイエンス寄りの方には: -ジョブメドレーが保持する様々なデータを活用した新たなマッチングモデルの検証・開発 -事業指標予測、LTV 予測など事業課題に直結する予測モデルの構築と改善 -A/B テストの設計・実施・効果検証によるプロダクト改善サイクルの推進 ●データエンジニア寄りの方には: -dbt を用いた特徴量生成・分析用データモデルの設計・開発 -KPI設計・効果測定のための分析基盤・BI 環境(Metabase x 生成 AI)整備 -プロダクト開発を始めとする他部署と連携した仮説検証のためのデータ整備 -いずれの志向であっても、事業課題の発見・具体化から成果の創出まで一貫して関わることを期待しています。 ※業務の変更の範囲:会社の定める業務

●業務概要 顧客企業と伴走しながら、生成AIや機械学習を組み込んだアプリケーションの設計〜開発〜運用までを担当します。 ●<主な業務例> ・生成AIを組み込んだAIエージェントアプリケーションの開発 ・生成AIアプリケーション/システムのLLMOps/AgentOps設計・開発 ・機械学習アプリケーション/システムのMLOps設計・開発 ・機械学習アプリケーション/システムの新規技術・サービス調査検証 ※詳細は面接時に説明します。 ●プロジェクト事例 AI自動発注システム 未来型無人化店舗「SECURE AI STORE LAB」開発　 ●技術スタック 言語:Python、SQL、Scala、Java DWH:Snowflake、BigQuery、Redshift データ基盤:Databricks、Spark、Presto、Hadoop BIツール:Tableau、Looker、PowerBI、Datorama、DOMOなど クラウド:AWS、GCP、Azure ETL/ELTツール: dbt、Fivetran、trocco、Airbyte、Talend、AWS Glue AIフレームワーク:VertexAI、SageMaker、AzureML IaCツール:Terraform、CloudFormation、Ansible

●このポジションの3つの特徴 01　「本番で信頼できるAIエージェント」をサービスにします LLM・RAGを使ったAIエージェントを作るだけでなく、評価・品質の担保まで含めて顧客に届けます。作る側(AI開発)と確かめる側(品質保証)が同じ組織にあるからこそできるサービスです。 02　AI開発・品質保証のエンジニアを率いて、サービスをつくります 一人で作り込む仕事ではありません。社内のエンジニアでチームを組み、役割を分け、設計とレビューを担い、技術の判断をしながら開発を進めます。ご自身も手を動かし、チームに見本を示します。 03　仕事のキモは「チームで提供できる」状態をつくることです 作って終わりではありません。開発の型(AI駆動開発の標準・品質ゲート)と評価の型に落とし、誰が作っても品質を落とさずに提供できるチームをつくることが、このポジションの成果です。 ●このポジションで得られるもの ・AIエージェント×品質保証という、まだ勝者の決まっていない領域で、サービスを立ち上げる経験。 ・作る(AI開発)・確かめる(品質保証)・直すがひとつの組織にそろった環境で、チームを率いて開発できること。 ・自分たちがつくった型に価格がつき、チームで顧客に届く経験。 ・サービスの責任者として、サービスとチームを育てていく道。 ## 業務内容 担当するサービスについて、次の5つを担っていただきます。どれも切り離せない仕事ですが、最も大切にしていただきたいのは「4. チームで提供できるようにする」です。作って終わりではなく、ご自身がいなくても、チームが同じ品質で提供できる状態をつくることが、このポジションの成果です。 【1. 決める ― サービスの中身と、提供の形を決める】 ・顧客の業務と課題から、AIエージェントで何を解き、どの水準の品質を約束するかを決めます。 ・提供メニュー・手順・品質基準・価格の考え方を、事業の責任者と相談しながら決めます。 【2. 作る ― 自らも手を動かし、技術の判断を担う】 ・AIエージェントの設計、RAG・データ基盤との連携、評価の仕組みなど、要となる部分はご自身でも作り、試します。 ・担当する範囲のアーキテクチャ・技術選定・品質の基準について、技術の判断を担います。 【3. 率いる ― AI開発・品質保証のエンジニアを動かして開発する】 ・社内のAI開発・品質保証のエンジニアでチームを組み、役割を分け、開発を進めます。 ・設計・コードのレビュー、評価結果の確認を通じて、チームの成果物の品質に責任を持ちます。 【4. チームで提供できるようにする ― 型にして、誰が作っても品質を落とさない状態にする】 ・開発の手順、AI駆動開発の標準、品質ゲート、評価の設計を「型」として書き起こし、チームで使える状態にします。 ・型をメンバーに教え、ご自身がいなくても、チームが同じ品質でサービスを作り、提供できるようにします。 【5. 届ける ― 顧客の前に立ち、最初の提供をやり切る】 ・営業担当と組み、技術面の提案を担います。 ・最初の案件では、チームを率いて導入・提供をやり切り、社外の実績をつくります。 #### ●技術環境 【言語 / フレームワーク】 React、TypeScript(フロントエンド)/Python、C#(バックエンド) 【クラウド】 Azure(AWS・GCPのご経験も歓迎) 【データベース / 基盤】 PostgreSQL、Databricks 【AI領域】 生成AI(LLM/RAG/AIエージェント)を活用したAI駆動開発 【AI開発ツール】 Claude Code、Cursor、GitHub Copilot、Codex、CodeRabbit 【品質保証・評価】 テスト設計、テスト自動化、CIの品質ゲート、AIの評価設計(評価データセット・自動評価・回帰評価) ●入社後のロードマップ 【入社〜3ヶ月】 進行中のAIエージェント基盤・品質担保の型づくりに加わり、チームと技術の現状をつかみます。あわせて、自社の業務を題材にしたAIエージェントの開発を、評価の設計まで含めてリードし、サービスの原型を1つ形にしていただきます(例:営業支援のAIを、品質の基準まで含めて自社で使える状態にする)。 【3〜6ヶ月】 自社で確かめた結果をもとに、提供メニュー・品質基準・価格の案を固め、営業担当とともに既存の顧客に提案します。開発と評価の手順を、チームの型として書き起こします。 【6ヶ月〜1年】 社外の顧客への提供実績をつくります。チームのメンバーが型に沿って、品質を落とさずに作れる状態にします。 【1年〜】 サービスの責任者として、サービスとチームを育てていただきます。次のサービスの立ち上げや、型を使えるエンジニアの育成もリードいただきます。 ※ 進む速さはご経験と成果によって変わります。どこから担っていただくかは、ご経験をうかがったうえで一緒に決めます。 ●あえてお伝えしたい「厳しいリアル」 【サービスはまだ「売れる形」になっていません】 社外への提供は、最初の1件をつくる段階です。提供メニュー・価格・品質基準は整備の途中で、何を型にするかを決めるところから関わっていただきます。 【チームのメンバーは、顧客の案件と兼務の人もいます】 サービス開発に関わるエンジニアの稼働は、事業の責任者と調整しながら確保します。限られた時間の中で、役割を分け、成果につなげるリードが求められます。 【立ち上げの段階は、ご自身が手を動かす場面も多くあります】 チームを率いる役割ですが、型ができるまでは、要となる部分をご自身で作り、見本を示す場面が多くなります。 【営業を一人で背負う必要はありませんが、顧客の前には立っていただきます】 営業担当と組む体制で進めます。一方で、技術面の提案や最初の提供では、ご自身が顧客と直接向き合います。 【原則「出社」の環境です(リモートワーク不可)】 立ち上げの段階は、事業の責任者・チームのエンジニアとの密なコミュニケーションと、速い意思決定が欠かせないと考えているためです。 ●このポジションではないこと ミスマッチを防ぐため、あらかじめお伝えします。 ・全社のDX・変革を企画し、推進する役割ではありません。担っていただくのは、AIエージェント×品質保証のサービスです。 ・資料づくりや取りまとめが中心の、PMO・企画の役割ではありません。技術の判断と、ご自身が手を動かすことが欠かせません。 ・一人で作り込むスペシャリストの役割でもありません。エンジニアのチームを動かし、チームで提供できる状態をつくることが仕事の中心です。 ●担当していただくサービス 【サービスの方向性】 本番で信頼できると担保されたAIエージェントを、顧客に届けるサービス 【サービスの中身(例)】 ① AIエージェントの構築:業務の分解から、AIエージェント・ワークフロー型AIの設計・構築、既存システム・データとの連携(LLM・RAG、AIエージェントを支えるデータ基盤を含む)、運用まで ② 品質の担保:正確性・タスクの完了・権限・安定性・安全性・業務への適合の観点での評価設計、評価データセットと自動評価、モデル更新時の回帰評価 ③ 作り方の型:AI駆動開発で、速く、品質を落とさずに作るための開発標準・レビュー基準・品質ゲート 【いまの進み方】 複数のチームが並行して、AIエージェント基盤と品質担保の型づくりを進めています。自社の業務(営業支援のAIなど)を題材に作り、まず自社で効果を確かめてから社外へ届けます。大手SIerのプロジェクトにはチームで参画し、AIエージェントを支えるデータ基盤の開発も進めています。 【一緒に動くメンバー】 社内のAIソリューション開発のエンジニア、品質保証(QA・テスト)のエンジニア、営業担当 【いまの状態】 社外への提供は、最初の1件をつくる段階です。提供メニュー・価格・品質基準は整備の途中です。 ※ どこから担っていただくか、サービスの中身をどう広げるか、社内のリードエンジニアとどう役割を分けるかは、ご経験と得意な領域をうかがったうえで一緒に決めます。 ●従事すべき業務の変更の範囲 →会社の定める業務

AIを使う会社ではなく、AIで会社そのものをつくる。 SENXYAのTechnology領域の中心として、業務・データ基盤「SENXYA DB」のProduct Ownershipを担い、AI Nativeな開発体制そのものを0→1でつくるポジションです。 ●このポジションのミッション 一般的な「要望整理→エンジニアへ依頼→仕様策定→開発→納品」という開発方法そのものを変えます。 目指すのは、現場 → Product Owner → AI → 仕様・設計 → AI Coding → 自動テスト → 社員が利用 → データ・フィードバック → AIと人が改善、という開発Loopです。 人間のエンジニアがすべてのコードを書くことを前提とせず、 AI Coding Agent・LLM・Low-Code / No-Code・Workflow Automationなどを組み合わせ、少人数でも高い開発速度を持つ「AI Nativeな開発組織」を構築します。 開発の主体はあくまで社内とAIに置きながら、外部の専門家は、Security Review・Architecture Review・大規模Migration・障害対応など専門性が必要な領域で活用します。 現場・AI・社内メンバー・外部専門家をつなぎ、要件や優先順位を整理しながら、開発プロジェクト全体を推進していただきます。 ●最初に取り組んでいただきたいこと まずは現在開発中のSENXYA DBを理解し、「既存システムを活かすのか、SENXYA DB 2.0として再構築するのか」を含め、今後の技術方針を整理していただきます。 ・Source Code / GitHub・Database Schema・Infrastructure / Cloud環境の把握 ・Data Dictionaryの整備、API / 認証まわりの整理 ・未実装機能・Bug・Technical Debt・Security / Permission / RLS等の確認 ・Migration方法の検討、外部開発会社への依存関係の整理 これらをもとに「残す / 改善する / 捨てる / AIで作り直す」を判断していきます。 技術構成はPostgreSQL / Supabase・GitHub・AI Coding Agent・n8n・LLM API・RAG等を検討していますが、ツールありきではなく「今、何を使うべきか」を継続的に判断することもこの役割です。 ●主な業務内容 ①SENXYA DBのProduct Ownership 社内各部署へのヒアリング、業務フローの整理・再設計、Product Roadmap策定、Requirement / Specification作成、UI / UX設計、Data Model設計、開発優先順位の決定。 「言われたものをつくる」のではなく、「そもそもその業務は必要か」「AI時代にはどうあるべきか」から考えます。 ②AI Native Development AI Coding Agentを利用した開発、LLMによる仕様作成、Prototype開発、Test生成・自動化、Documentation生成、Code Review、Workflow Automation。 人間がコードを書く量を増やすのではなく、AIを活用して開発生産性そのものを高めます。 ③Data Infrastructure 案件・顧客・見積・原価・機材・在庫・発注・人工・請求・粗利・施工など日々蓄積されるデータを、AIが利用できる形へ構造化。 「会社で起きた出来事が、次の案件の知能になる仕組み」を目指します。 ④SENXYA AI / AI Agent 見積AI・原価予測AI・発注Agent・在庫最適化Agent・施工計画AI・Knowledge Agent・経営分析AIなどの開発。 将来的には「この会場で、この規模のライブをつくりたい」という情報から、過去案件検索・機材選定・見積作成・施工計画・発注までAIが支援する世界を目指します。 ⑤Digital Twin 3D・CAD / BIM・点群データ・Unreal Engine・Computer VisionなどとSENXYA DBを接続し、Physical WorldとDataをつなぐ基盤へ発展させます。 ⑥Physical AI / Robotics その先に見据えるのがPhysical AIです。Robot Forklift・AMR・墨出しRobot・Drone・ROS / ROS2・IoT・Autonomous Constructionなどにより、フィジカルなライブ施工産業も変わっていくと考えています。 このポジションは、SENXYA DBから将来のPhysical AIまでつながる入口です。

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

●AXRの強み ―― なぜ、結果を出せるのか このポジションで「売る」ものの中身は、次の4つの構造的な違いです。 ①ナレッジの蓄積: これまで3年以上にわたり、200社・累計20,000名以上の変革を通じて、業種別・職種別の業務ナレッジをため続けてきました。 研修を開発するたびに、AI-BPRを実行するたびに、顧客の業務をヒアリングするたびに、このナレッジは増えていきます。 業界を横断してこの密度で業務データを持つ会社は、他にありません。 ②再現性のあるフレームワーク: 我々はあらゆる仕事をタスクベースで捉えます。 業務を棚卸ししてAIで代替可能な単位まで分解し、 タスクごとにAI適用度を判定し、人間もAIも扱いやすい形式知化されたタスクへ変換する─ ─このAIタスクアプローチは、業種・職種を問わず同じ型で機能します。 よって着手前から「どこを、どれだけ」改善できるかを定量的に示すことができ、研修にも コンサルティングにも人材提供にもAI-BPRにも、同じコアが展開できるのです。 ③統合力: AXの成功には、戦略とKPI設計、業務の分解と形式知化、人材育成、AI実装、現場定着という複数の機能が必要です。 しかし、研修会社は教育だけ、戦略コンサルは構想だけ、ベンダーは開発だけを担い、機能の間に断絶が生まれます。 我々はHX・DX・BXを統合し、この全部を1社で担う。 だから変革が途中で止まることはありません。 ④我々自身が最も徹底的にAIを使う会社であること: ビジョンも業務もナレッジもmd化し、AI経営OSとして自社で実践しています。 自分たちで実証していない方法論を、お客様に提案することはありません。 ●上場企業や開発のプロ企業やが選ぶ実績 レポートだけの提案も中身のない研修も一瞬で見抜く「プロ企業」自身が、AXRを選び、共に変革を取り組んでいます。 上場企業や開発を得意とするエンタープライズ企業が「AXRと組むことで企業価値を上げている」これは、あなたが商談で背負う信用の裏付けになります。 ●業務内容 クライアント企業の AX(AI 変革)を、上流の業務分析から本番運用・定着支援まで一気通貫でリードします。 ・クライアント企業の業務プロセス分析と AI 適用箇所の特定 ・LLM を組み込んだ業務アプリケーション・エージェントの設計・実装・運用 ・RAG 基盤、社内データ連携、既存システム(SaaS/基幹系)とのインテグレーション ・クライアント開発チームへの AI 導入伴走支援(開発プロセスへの AI コーディングツール組み込み、 ルール/コンテキスト整備、レビュー体制の再設計、ペアプログラミングや実装レビューを通じた定着支援) ・評価基盤(Evals)の構築、精度・コスト・レイテンシのチューニング ・セキュリティ・ガバナンス要件への対応、本番運用の監視体制構築 ・PoC から本番導入までのリード、クライアントの技術者への引き継ぎ ※ 顧客は全国のため出張が発生する場合があります。 ●一緒に働く仲間 当社の代表・前田は、これまで70社以上への投資・設立をしてきた事業家であり、投資家です。 また、前田自身が設立した関連会社代表への抜擢もあり、設立初期に株式を得ながら事業を牽引するポジションへのアサイン実績もあります。 「入社後に、自分のキャリアを活かして勝てる市場で自分の事業を持てる」 ―前田のキャリアがあるからこそ提供できる当社のベネフィットです。 また、当社の技術を担うメンバーは、まだ世界でも定義が曖昧であるFDE(Forward Deployed Engineer)の要件定義をし、 FDEの育成するためのAI駆動開発研修やカリキュラムを日本で最速級に形にしているチームです。 AI領域に強いとされる開発のプロ企業にも、AXRが最新技術をお伝えし、ご支援させていただいています。 一人一人の実力を考えれば、個人でも事業が成り立つメンバーが、 今、このタイミングだからこそAXRというチームで仕事をしている理由は、今であれば日本を変えられる可能性があるから。 営業が商談で語る技術的裏付けは、この本物のチームが支えます。 国内の AI 市場支出は 2025 年の約 2.4 兆円から 2029 年には約 6.9 兆円(年平均成長率 36%)へと拡大が見込まれ、 LLM を組み込んだ業務アプリケーションや AI エージェント、RAG 基盤への需要が急増しています。 AXR では、PoC で終わらせず本番導入・運用・定着まで踏み込む案件が拡大しており、顧客の業務そのものを作り変えるエンジニアを募集します。

企業で生成AIの活用が急速に広がる一方、 「PoCまではできたが、本番導入できない」 「ChatGPTを導入したが、業務が変わらない」 「自社データとどう組み合わせればいいか分からない」 といった課題も増えています。 ITSOが目指しているのは、AI技術そのものを検証することではありません。 生成AI・LLM・RAG・AIエージェントを企業の業務へ組み込み、実際に使われ、業務が変わるところまで実装すること。 本ポジションでは、AI活用構想からアーキテクチャ設計、アプリケーション開発、導入・運用まで、一気通貫で携わります。 ●生成AI/LLMアプリケーション開発 ・生成AIを活用した業務アプリケーション開発 ・ChatGPT API/Azure OpenAI Service/Gemini/Claude等を活用したAIシステム開発 ・RAG(Retrieval-Augmented Generation)の設計・構築 ・AIエージェントの設計・開発 ・社内システムとLLMの連携 ・AIチャットボット/ナレッジ検索システム開発 ・AI-OCR/ドキュメント解析システム開発 ・Python/TypeScript等によるAIアプリケーション開発 ●AIアーキテクチャ ・企業向けAIシステムのアーキテクチャ設計 ・Azure/AWS/Google Cloudを活用したAI基盤設計 ・オンプレミス/閉域環境を含むLLM活用環境の設計 ・セキュリティ/ガバナンスを考慮したAI基盤構築 ・大量データを活用するためのデータ基盤設計 ●AI活用・コンサルティング 経験に応じて、 ・顧客の業務課題ヒアリング ・AI活用ユースケースの検討 ・生成AI導入PoCの企画・推進 ・AIロードマップ策定 ・最新AI技術の調査/技術検証 ・顧客向け技術提案 まで担当領域を広げることができます。 ●自社AIプロダクト ・自社AIサービスの企画・開発 ・新規AIプロダクトの立ち上げ ・既存サービスへのAI機能追加 にも挑戦できます。

【職務概要】 SEQSENSEは、AIを搭載した自律移動型警備ロボットの開発を通じて、警備業界の人手不足や業務効率化といった社会課題の解決に取り組むロボティクス企業です。 近年急速に進化する生成AIやVision Language Model(VLM)の技術を活用し、ロボットによる高度な状況認識や自律判断を実現することで、次世代の警備サービスの創造を目指しています。 本ポジションでは、AI・VLMを活用した新機能開発の責任者として、技術戦略の策定からアーキテクチャ設計、開発チームのリードまで幅広く担っていただきます。 【具体的には】 ・警備ロボサービスにおける、AI・VLMを活用した新機能の開発統括 ・アプリケーション全体の方向性決定 ・ユーザーニーズ・市場動向を踏まえた機能ロードマップの策定 ・プロダクトオーナーおよびステークホルダーとの要件合意 ・アーキテクチャの統括 ・クラウド(AWS/GCP)とエッジデバイスを組み合わせたシステム設計 ・スケーラビリティ、セキュリティ、可用性を考慮したインフラ設計 ・VLMを活用したリアルタイム映像解析基盤の設計・レビュー ・開発チームのリード ・エンジニアへの技術方針の展開・レビュー ・外部ベンダー・研究機関との連携マネジメント

●入社後のステップと育成体制 まずはご自身の得意領域(開発や上流工程)からプロジェクトに参画していただきます。 その後、早期に以下のFDEフェーズへステップアップしていただきます。 ●FDEの支援フェーズ(実戦で鍛える) ・顧客理解 ・課題構造化(業務フロー・オントロジー化) ・解決策設計(AI統合・RAG・エージェント) ・プロト導入・開発 ・PoC設計・精度検証 ・トライアル評価 ・本番導入・開発 ・運用設計 → ・システム運用保守 ・業務運用改善 一連の流れを実戦で経験することで、「課題構造化・AI統合・PoC設計」の確固たる型を習得できます。 ●この仕事で解決いただく課題(プロジェクト例) 顧客の現場に入り込み、属人化している業務を生成AIやSaaS、自動化技術を用いて根本から再構築します。 ・大手通信業界の事例 問い合わせ業務をAIによる要約と自動分類で半減させるプロジェクトや、RAGと業務データを組み合わせたPoC設計・精度検証、AIエージェントを用いた業務フローの自動化から運用までの支援など。 ・自治体DXの事例 文書管理業務のオントロジー構造化、AI検索基盤の構築からPoC・本番導入、さらに業務運用改善までの伴走支援など。 ※直近の具体的な案件詳細は、選考時に詳しくお伝えいたします。 ●従事すべき業務の変更の範囲 →変更の範囲　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

●仕事概要 DeNAでは、AIネイティブな新規事業を次々と立ち上げています。 生成AIを活用した言語学習、受験学習の伴走型コーチング、AI×ゲームによる新しい体験など、その領域は多岐にわたります。 本ポジションは、AI技術開発部のソフトウェアエンジニア(LLM)として、これら複数の新規事業のいずれかに入り、LLMを活用した機能・ワークフローの開発と継続改善を担うポジションです。 業務では、サービス開発の現場に密に入り、PdMやフルスタックエンジニアとワンチームで、複雑なLLMワークフローの設計・実装、プロンプトとワークフローの改善、評価ハーネスやログ基盤の整備を担います。 作って終わりではなく、実ユーザーに提供されるプロダクトの中で、出力品質・応答速度・コスト・安定性を粘り強く改善していくことを期待しています。 必要に応じて、推論基盤、ファインチューニング用の実験・実行環境、GPUワークロード基盤など、LLMプロダクトを支える基盤領域にも関わります。 ●職務詳細 ご自身のスキル適性や志向性を踏まえ、以下のいずれかのプロジェクトでLLMワークフロー開発とLLMOpsを担当いただきます。 ●展開中の主なプロジェクト例 ●AI英会話アプリ ・LLMによるシナリオ生成とエージェント技術を用いた、挫折しない言語学習体験の構築 ●AI受験コーチング ・手書き答案の思考プロセス分析と学習計画の自動最適化により、教育格差を解消する伴走型プロダクト開発 ●AIネイティブゲーム ・AIをゲームバランスや体験の核に据えた、新しいエンターテインメントの創造 ●ミッション ・LLMプロダクトの「動く」を「ユーザー価値」に引き上げる ・個別プロダクトのLLMワークフローを、実ユーザーの反応やログに基づいて継続的に改善する ・評価、ログ、推論、運用の仕組みを整え、データドリブンな改善基盤を作る ●業務内容 ●LLMワークフローの設計・実装 ・多段プロンプト、条件分岐、ツール呼び出し、エージェントワークフローの設計・実装 ・LangChain / LangGraph等を用いたワークフロー構築、既存ワークフローの改善 ・ストリーミング、コンテキスト長・出力トークン管理、リトライ、タイムアウト、フォールバックなどLLM特有の挙動を踏まえた設計 ・LLMマイクロサービスの実装 ・評価用・アノテーション用社内ツールの実装 ●プロダクト開発・運用改善 ・PdMや事業部エンジニアと連携した要件定義、コア価値・コアユーザーの探索 ・ユーザー体験上の課題がLLMワークフロー、UI/UX、サーバー、データのどこにあるかを切り分けるための仕組みづくり ・立ち上げ期は検証速度を重視し、運用改善期は保守性・スケーラビリティを高める開発 ・本番運用に必要なセキュリティ、権限管理、監査ログ、障害対応、コスト管理 ●LLMOps・評価基盤の構築 ・入出力ログ、ユーザー行動ログ、評価ログの収集・構造化・保存設計 ・評価データセットや評価ケースを用いた評価ハーネスの構築 ・LLM-as-a-judge、自動評価、回帰テスト、品質モニタリングの仕組み化 ・プロンプトやワークフロー変更の影響を定量的に確認できるCI/CD・検証フローの整備 ・レスポンス品質、レイテンシ、コスト、エラー率などの可視化・監視 ●利用技術・開発環境 ●開発言語 ・Python ・SQL ●LLM / AIアプリケーション ・OpenAI API、Anthropic Claude、Google Gemini、その他LLM API ・LangChain、LangGraph ・RAG、ベクトル検索、Embedding、AIエージェント ・LLM-as-a-judge ●インフラ ●Google Cloud ・Cloud Run ・Cloud SQL ・BigQuery ・Vertex AI / Agent Builder ・Cloud Logging ●Docker ●Terraform ●GitHub Actions ●開発支援ツール ・GitHub ・Claude Code ・Codex ・Cursor ・Devin ●業務内容 雇入れ直後　仕事概要に記載のある業務内容 変更の範囲　会社の定める業務

・顧客技術対話 顧客のAI推進部門・情報システム部門・技術部門と対等に技術議論を行い、データ基盤・AIシステムの設計合意を主導します。上流フェーズのチームから本番化フェーズへの引き継ぎを技術的に完結させます。 ・チームマネジメント クラウドエンジニア・データエンジニア・AIエンジニア等数名のメンバーの業務設計・進捗管理・品質レビュー・育成を担います。プレイングマネージャーとして自分自身も技術的な主担当を持ちながらチームを率います。 ・AI実装品質の設計監督 データ基盤(スキーマ・ETL・品質管理)・AIアーキテクチャ(品質ゲート・評価基準)・AI駆動開発(コンテキスト設計)の各レイヤーの整合性を担保します。LLMへのコンテキスト不足がドメイン誤り・ハルシネーションを引き起こすリスクを構造的に排除します。 ・顧客内製化支援 外部ベンダー依存から脱却し、顧客組織が自走できる状態を作ることを最終目標として設定します。AI駆動開発ガイドライン・標準プロセスの整備と顧客チームへの移転を担います。 ・実装ノウハウの標準化 案件で確立したアーキテクチャパターン・実装手法・品質基準を汎用テンプレートとして整備し、チーム全体のデリバリー品質と速度の向上に貢献します。 ・AI・データ動向の事業反映 クラウドAIサービス・MLOps・LLMOps・AI駆動開発・フィジカルAI等の最新動向を継続的に把握し、設計判断・顧客提案・チームの技術方針に積極的に組み込みます。 ●仕事についての詳細 この事業領域の公開情報 事業説明 メインサイト(https://www.mamezou.com/services/strategic) note記事(活動報告、インタビュー記事、等)(https://note.com/mamezou_info/m/mb5c4d71c8358)

●現状の課題/今後取り組みたいこと freee のデータ活用は長らくデータ分析が主軸でした。 しかし生成 AI の台頭により、データを資源とした活用ニーズは多様化・複雑化し、マルチプロダクト戦略のもとプロダクトを横断したデータ活用ニーズも急増しています。 私たちは 「AI Ready の正体はデータマネジメントである」 と考えています。 AI Ready とは、LLM に収まるコンテクストかつ解釈可能なレベルまで、高品質なデータが構造化・管理されている状態を指します。 これは AI 技術だけの問題ではなく、データマネジメントそのものの問題です。 freee は現在、ハブ・アンド・スポーク型のデータメッシュ(Provider / Hub / Consumer)への変革期にあり、メダリオン 2.0(Bronze / Silver / Gold + Platinum)を共通言語に、全社プロジェクトを同時並行で推進しています。 本ポジションは、その中でも 「データを人とエージェントに届ける最終区間(ラストワンマイル)」 を担い、以下を推進します。 ・指標・ディメンションの一元管理とガバナンス LookML、BigQuery、dbtを用いて定義の一元化と変更管理を行う。 ・AI向けコンテキストの構造化 エージェントが参照可能なビジネス用語やメタデータを「AI-ready」な状態に整備する。 ・リモートMCPの設計・運用 社内外のAIクライアントに対し、セマンティックレイヤーやコンテキスト基盤を開放する仕組みを構築する。 ・回答品質の評価と改善サイクルの確立 正答率や解決率をロギングし、それを起点とした継続的な改善を行う。 ・評価駆動開発へのシフト 評価駆動開発への移行が進み、品質改善が人手の勘ではなくデータ(評価)で回るようになっている ・データプロダクトマネジメント 部門からの要望をインテークし、優先度付けや「作らない」判断を含めた製品マネジメントを担う。 ●業務内容詳細 freee の全社員が、エージェントとの対話だけで信頼できるデータに到達できる状態をつくる。 セマンティックレイヤーとコンテキスト基盤をユーザー需要から逆算して設計し、その回答品質をロギング・評価で計測しながら、分析エージェントとして届けきる。 具体的には以下を担っていただきます。 ・セマンティックレイヤー / コンテキスト基盤の整備 ・分析エージェント / リモートMCPの開発・運用 ・ ロギング・評価基盤の設計・運用 ・データプロダクトマネジメント ・ファシリテーション / 全社への浸透 ※会社の事業状況やご本人の適性に応じて担当する業務内容が変更となる場合があります 業務内容の変更範囲:会社の事業状況やご本人の適性に応じて担当する業務内容が変更となる場合があります

概要 新設された「AI推進課」に参画し、クラウドアーキテクト(AI領域)として生成AIを活用した新規案件の創出から要件ヒアリング、提案・設計をご担当いただきます。 目指すゴールは「サーバーワークスはAIに強い」という市場認知の獲得です。 お客様から求められた内容で構築を進めるだけではなく、お客様の業界ドメインや業務プロセスを調査し、AIで価値を創出するための提案を行うことで、お客様のビジネスをAIでリードするビジネスパートナーになることをめざします。 具体的な業務内容 営業担当と連携した商談初期段階からのヒアリングや提案づくり 受注したプロジェクトのテックリード お客様の業界ドメインや業務プロセスの調査・課題の設定 生成AI関連技術を用いたソリューションの構築・提案 案件について 会社としての実績は累計で1480社/27100プロジェクト(※2025年8月末現在)です。 そのうちの90%以上が直接の受注です。 ⼆次請け・三次請けといった構造を取っておらず、⾃社でヒアリング〜設計・構築〜納品後の運⽤までをサポートしています。 お客様の業界は製造業・⼩売業・⾦融業など幅広く、企業規模も⼤規模から中⼩規模の企業様まで様々です。 当部署では既存顧客へのクロスセル・アップセルを中心に、業務・業界に特化した生成AI案件を強力に推進します。 規模感 小規模では2～3名程度でプロジェクトを担当していただき、大規模なものになれば外部含めて30名ほどのステークホルダーと関わる場合もあります。 得られるスキルやキャリア 生成AIという成長市場で、案件創出・提案フェーズから業務に携わるため、ビジネス開発(BizDev)スキルが身につきます AWSの生成AI・データ関連サービス、LLMの知見 案件創出のためのブログ執筆・顧客向けイベント・ウェビナーを通じた発信力 組織構成 クロスインダストリー第2本部AI推進課への配属となります。 ミッション: 「サーバーワークスはAIに強い」という認知を獲得し、お客様のビジネスをAIでリードするビジネスパートナーになる メンバー構成: 課長1名、メンバー9名 (変更の範囲)会社の定める業務

当社のマルチモーダルAI技術全般をリードするAIエンジニアとして、最先端モデルの研究・開発・PoCを担当いただきます。 ・マルチモーダル機械学習におけるアルゴリズムの調査・検証および個別ドメイン向けカスタマイズ・追加学習 ・テキスト、画像、音声等の異種データを統合した独自データセットの構築 ・先進的なAI技術のビジネス展開に向けたプロトタイプ開発および事業部連携によるPoC ・研究成果の知財化(特特許化)および査読付き国内・国際学会での論文発表 【開発環境】 ・言語:Python(PyTorch、Transformers、FastAPI 等) ・クラウド:Microsoft Azure(Container Apps、GPU workload profile 等) ・ツール:Docker、GitHub、VS Code、Jupyter ・データ:動画(YouCook2等の公開データセット、独自収集データ)、音声、センサ時系列データ 【研究支援】 ・GPU計算資源(クラウドGPU利用可) ・論文執筆・学会参加費用の会社負担 ・関連書籍・オンラインコースの受講支援 ※共同研究に伴い、共同研究先(国外含む)での業務が発生する可能性あり

パーソルキャリアにおけるデータサイエンティスト、データエンジニア、AIエンジニア、機械学習エンジニアの各職種の中から、ご経験・専門性に応じて最適なポジションをご提案いたします。 データ・AI領域にご関心をお持ちで、「自身の専門性を最大限発揮できるポジションを見極めたい」「経験を活かし、より上流や高度な領域で選考に進みたい」とお考えの方は、ぜひご応募ください。 ご応募後は社内横断でポジションサーチを行い、スキル・実績および志向性を踏まえ、書類選考を通過したポジションをご案内いたします。 ●募集ポジション例(※以下ポジション以外を打診させていただく可能性がございます) 【データサイエンティスト】 転職サービス「doda」を中心に、全社横断でAI・機械学習モデルの設計・開発・チューニングをリードしていただきます。 人材マッチングの高度化を主軸に、LLMや生成AIなどの先端技術を取り入れながら、再利用可能なマッチングロジックおよびAIモデルの開発から本番導入・運用まで一貫して推進し、事業成長に貢献していただきます。 ・生成AI/機械学習領域の新技術検証・開発 ・Python/PySparkを用いた分析・モデル開発 ・デモ/PoC開発による技術検証 ・業務効率化に向けた分析・自動化・AI活用 ・データ設計および前処理の開発・実装 ・インフラ/データ基盤部門との連携 ・社内外での発信(講演・論文・資料作成) 【データエンジニア/データアーキテクト】 全社最適の観点からデータ活用基盤の整備を推進し、分析基盤の高度化を担っていただきます。 ・データ基盤構想の検討/ロードマップ策定/技術選定 ・現状課題の整理および改善方針の策定・実行 ・データマネジメント方針の策定およびプロセス整備 ・基盤構築および活用プロジェクトの推進 ・データパイプラインやバッチ処理開発 【データエンジニア/アナリティクスエンジニア】 データドリブンな事業運営の実現に向け、分析基盤の整備と意思決定支援を担っていただきます。 「doda」「doda X」において、以下業務を推進します。 ・データマート構築(要件定義～設計～実装～テスト) ・データ収集・加工・集計 ・バッチ基盤の運用保守 ・DMBOKを踏まえたデータマネジメントおよび利活用推進 ・dbtを用いたデータ変換・モデル開発 【AIエンジニア(バックエンド・インフラ)】 LLMやAIエージェントを活用した機能開発に加え、安定・安全かつスケーラブルに活用可能なAI基盤の設計・構築を担っていただきます。 ・AI前提のシステムアーキテクチャ設計 ・API設計/非同期処理/キャッシュ/キュー設計 ・マルチクラウド環境での構成設計(AWS/GCP/Azure) ・バックエンド開発および外部サービス連携設計 ・データ基盤(DWH/Vector DB等)との接続設計 ・スケーリング/レイテンシ/コスト最適化 ・監視/セキュリティ/ガバナンス設計 【機械学習エンジニア】 データサイエンティストが設計・開発した機械学習モデルやレコメンドロジックを、実際のサービスで利用できる形へ実装するサーバーサイド開発を担当します。 モデルそのものを研究・開発することが主な役割ではなく、レコメンド・マッチングをサービスとして成立させるための設計・実装・運用・改善までを一貫して担当します。 また、機能を個別最適で実装するのではなく、共通実装基盤や開発プロセスを整備し、レコメンド・マッチング機能を継続的かつ安全に提供できる仕組みづくりにも携わっていただきます。 ・データサイエンティストが開発した機械学習モデル・レコメンドロジックのプロダクト実装 ・Pythonを用いたAPI・バッチ・データ処理機能の設計・開発 ・レコメンド・マッチング機能のサーバーサイド開発・運用 ・安全かつ継続的に提供するためのシステム設計、性能改善、セキュリティ・運用設計 ・レコメンド・マッチング領域における共通実装基盤や実装パターンの整備 ・A/Bテストやモニタリングを通じた継続的な改善 ・データサイエンティスト、プロダクトエンジニア、PdMと密に連携し、要件整理から設計、実装、リリース、改善までを一貫して担当 ・ご経験に応じた技術リード、プロジェクト推進、メンバー育成

我が国の安全保障環境を支える重要なシステム・サービス案件に参画頂き、マルチモーダルAI・生成AI/LLM・AutoML・オントロジー・仮想データレイク等の世界最先端のデータ活用テクノロジーを活用し、防衛分野(自衛隊等)のお客様の意思決定を強力に支援するサービス提案・実証・開発に携わって頂きます。 　これらシステム・サービスの実現に向けては、Foresight・先見性の視点を重視し、国内先端R&D機関であるNTT及び米軍実績等を有する米国企業等の世界最先端技術・ノウハウを有する企業との連携を積極的に進め、革新的なシステム・サービスを追求しております。 　目まぐるしく変化する安全保障環境・デジタル技術の台頭等を念頭に、提供するシステム・サービスも変革が本格化する中にあり、ソフトウェアの力で防衛力強化の実現を追求し、先進技術・手法の適用を含めたアプリケーション開発に携わることによってエンジニアとしての成長や社会的意義・誇りを感じることができます。

●ChatGPT、Claude、Geminiなどの生成AIを活用したシステム設計・開発・テスト効率化 ●AIサービスやAPIの調査・試行、PoC(概念実証)の実施 ●Pythonやクラウド(AWS/GCP/Azure)を活用したAIアプリ開発 ●AIを活用した業務効率化・自動化の推進 ●他部門との協働による新しいAI活用プロジェクトの立案・実行 <1日のスケジュール例> 9:30～ 出勤・メール対応 10:00～ AIツールの検証・プロトタイプ開発 12:00～ 昼休憩 13:00～ システム設計・実装(AIを組み込んだ開発) 15:00～ チームミーティング/技術共有 16:00～ 新規AIサービス調査・PoC作業 18:30～ 退勤

freeeにはいままでプロダクト開発組織のAI活用を推進する「AI駆動開発チーム」が存在していましたが、それらの役割に加えて全社の業務プロセスを改善するための基盤構築とEnablingを担う「AI Platform Engineering」チームを新設しました。 本ポジションは、単なる社内ツール導入に留まりません。社内に散在する膨大なデータ（BigQuery、Slack、Confluence、Google Drive等）をAIが理解可能な「コンテキスト」として整備し、全社員が安全かつ自律的にAI Agentやワークフローを構築できる「AIプラットフォーム」のエンジニアリングを担当します。 また、基盤構築だけでなく、導入支援も行います。業務プロセスの可視化・ドメイン知識の言語化から現場向けハンズオン・ショーケースを通じた成功事例の横展開まで、グローバル最先端の技術情報を収集・検証しながら、freeeの生産性と創造性を非連続的に向上させる中心メンバーを募集します。 ●現状の課題/今後取り組みたいこと freeeでは現在、Gemini や NotebookLM、自社のLLM基盤、各種コーディングエージェントなどを日々の業務に標準的に取り入れています。さらに「全社AI特区」として、希望者が最新AIツールを業務で試せる環境を提供しており、ChatGPT や Comet、n8n 等の活用が進んでいます。しかし、以下の課題によりAI活用の「天井」が存在します 1.コンテキストの分断 : 社内データ（議事録、ドキュメント、顧客データ）が各SaaSに分散し、AIに十分なコンテキストを提供できていません。現場のドメイン知識や業務プロセスが暗黙知のまま残り、AI Agentやワークフローに組み込める構造化された形で言語化できていない領域が多く存在します。 2.AIツール活用の障壁：エンジニア以外のメンバーが業務自動化やAIエージェント構築を試みても、API連携や認証、データ接続のハードルが高く、AIの能力を十分に発揮させるにはエンジニアのサポートが必要な状況です。 3.ガバナンスとスピードの両立 : 法令やセキュリティ、ガバナンスを守りつつ、最新のAIモデルやツールを即座に現場へ届けるシステム・運用体制が未完成です。 今後取り組みたいことは、「AIが力を発揮できる環境づくり」です。社内に分散したデータや知識をAIに届ける基盤を構築し、n8n等のノーコード/ローコードツールと連携させることで、全社員が自分の業務をAIと共に再発明できる環境を実現したいと考えています。 ●業務内容詳細 CAIO組織直下の「AI Platform Engineering」チームにて、以下の業務を担当します。 プラットフォーム構築 ・社内AIワークフロー基盤（n8n）の運用・提供・Enterprise化：セルフホスト環境の構築、スケーラビリティの確保、カスタムノードの開発 ・「コンテキスト基盤」の設計・開発 : BigQuery、Vector DB等を活用し、社内ドキュメントやデータをRAG / MCP経由でAIに提供するパイプラインの構築 ガバナンス・セキュリティ・コスト ・社内データへのアクセス権限管理（認証・認可）とAIツールの連携実装 ・シャドーITを防ぎつつ、最新ツール（Cursor, Devin, Gemini App等）を安全に利用するための技術的ガードレールや利用ガイドラインの策定 ・導入効果やROIを可視化しつつ、長期的な持続可能性を意識したコスト最適化の実現 Enabling・横展開 ・各部門のヒアリングを通じた業務プロセスの可視化、ドメイン知識の言語化、およびプロンプト・ワークフロー・Agent Skills・A2Aへの落とし込み ・AI活用のショーケース案件のリード（ユースケース選定、要件定義、実装、効果検証）と、その成果の横展開・標準テンプレート化 ・社内メンバー向けハンズオン、勉強会、ドキュメント・教材整備を通じたAIリテラシー向上と自走支援 ・グローバル最先端のAI技術・ツール・ベストプラクティスの調査・検証・社内共有 業務内容の変更範囲：会社の事業状況やご本人の適性に応じて担当する業務内容が変更となる場合があります

役割 エンタープライズ企業のデータ活用を推進し、分析・モデル開発・AI実装を通じてビジネス成果を創出する役割。 主たる業務 ● Python、R等を用いた統計モデル・機械学習モデルの設計・開発・評価・運用の支援 ● 各種生成AIやAIエージェントを活用したシステムの設計・開発・評価・運用の支援 ● データ基盤(AWS、GCP、Azure等)の要件定義・設計・運用の支援 ● クライアントへのヒアリング、PoC、本番運用までの一連のプロセス推進 ● クライアントへの分析結果の説明・意思決定支援 ● AI/データ活用に関する技術リード

お任せしたいこと 未整備な領域を自らの手で開拓し、将来的に当社の技術的土台を支えるPMへと成長していただくことが、このポジションのミッションです。 ● 入社直後〜 PLとしてプロジェクトを推進 Webアプリ開発(React/TypeScript、Python 等)のPLとして、リーダー層が担ってきた詳細設計・実装・テストの実務を引き継ぎ、生成AI(LLM/RAG/AIエージェント)を用いた実装・検証を自走して推進。 ※ご経験に合わせて担当工程は柔軟に調整します。 ● 半年〜1年後 開発パターンの標準化・アーキテクチャ設計、そしてPMへ 開発パターンの標準化(共通の“型”づくり)に深く関与。 お客様の要件定義から入り込み、生成AIの組み込み方を仮説検証しながら、アーキテクチャの提案と実装を牽引。 まずは自分+若手1名のサブリーダーから、要件定義・詳細設計ができる立場として下に3名程度がつく4名規模のチームを推進。 入社後1年程度でのPM登用を想定しています(早期の登用も歓迎)。 ※中途入社の方はご経験に応じた早期登用を行います。 このポジションならではの希少性 生成AIを活用した開発・テスト自動化・品質評価は、市場でも競争が活発化している成長領域です。 そのなかで当社は、AI駆動開発の専門部隊と品質保証(QA/QC)の専門部隊が同一ユニット内で連携し、開発の“型”と品質の作り込みを両立できる体制を持ちます。 この環境でサービスの立ち上げを牽引できる人材は市場でもまだ希少であり、その経験はエンジニアとしての市場価値を大きく高めます。 技術スタック 言語 / フレームワーク React、TypeScript(フロントエンド)/ Python、C#(バックエンド) クラウド Azure(AWS・GCP のご経験も歓迎) データベース / 基盤 PostgreSQL、Databricks AI 領域 生成AI(LLM/RAG/AIエージェント)を活用したAI駆動開発 AI 開発ツール Claude Code、Cursor、GitHub Copilot、Codex、CodeRabbit 1)従事すべき業務の変更の範囲 →【変更の範囲】会社の定める業務

各プロジェクトにおけるAIエージェントの設計・実装・品質担保を担当いただきます。 AIオペレーションマネージャーと連携しながら、業務課題を解決するAIエージェントを開発し、本番環境で安定稼働する状態まで作り上げることがミッションです。 また、先行プロジェクトで成果が実証された仕組みを共通ソリューションとして標準化し、全社へ展開可能な基盤として発展させる役割も担います。 ●具体的な業務内容 ・AIエージェントの設計・実装(LLM API、Playwright、マルチエージェント構成を活用した業務自動化システムの開発) ・プロンプト設計およびLLM統合(構造化出力、エラーハンドリング、評価基盤、コスト最適化など) ・RAGシステムやマルチエージェントシステムの設計・実装 ・AIエージェントの品質保証および運用改善 ・先行プロジェクトで構築した仕組みの共通ソリューション化 ・AIテックリードとの連携によるアーキテクチャ設計および技術標準への準拠 ・AIツール環境の構築・運用支援(Claude Enterprise、Cursor等) ▽具体例: 問い合わせ対応、コンテンツチェック、ワークフロー自動化、ナレッジマネジメントなど。 業務オペレーションに組み込まれるAIエージェントの開発を想定しています。 ●この求人のポイント AIエージェントの設計・実装を通じて全社オペレーションのAIネイティブ化を推進するポジションです。 単なるPoC開発ではなく、本番環境で稼働するAIエージェントの設計から実装、運用までを一貫して担当いただきます。 AIオペレーションマネージャーと連携しながら、LLM・マルチエージェント・RAG・ブラウザ自動化などの技術を組み合わせ、人が担っていた業務そのものをAIエージェントへ置き換えていきます。 生成AIを活用したプロダクト開発や業務自動化の経験を活かし、AIエージェント時代の実践的な開発経験を積みたい方を募集しています。 ●開発環境・社内ツール AI開発 :Claude Code、Cursor、Gemini Advanced LLM API:Claude API(Anthropic)、Gemini(Vertex AI)、OpenAI GPT AIフレームワーク:LangChain、LlamaIndex 自動化:Playwright、GitHub Actions、Cloud Scheduler バックエンド:TypeScript(Hono)、Python(FastAPI) データベース:PostgreSQL、Firestore、BigQuery インフラ:GCP(Cloud Run、Cloud Functions、BigQuery) プロジェクト管理:Confluence、Jira、GitHub Enterprise

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

Givery AI Labの一員として、課題発見・PoC、独自AI実装・AI内製化、AI精度評価・改善などの開発支援に携わっていただきます。 ・スクラムイベント(デイリースクラム、スプリントプランニング、レビュー、レトロスペクティブ)のファシリテーション ・チームが自律的に開発を進められるような支援 ・チームの障害(インピーディメント)の除去、外部との調整 ・プロダクトオーナーとの協力によるバックログ管理支援 ・アジャイル/スクラムの啓蒙・浸透活動、チームの継続的改善 ・開発プロセスやチーム文化の成熟度を高める取り組み ※業務の変更の範囲:会社内での全ての業務 使用言語 ※指定はありませんが、下記が案件で主に使われる言語です ・フロントエンド:TypeScript, React ・バックエンド:Python ・データベース:PostgreSQL(RDS), MySQL ・フレームワーク:Flask ・インフラ:Azure, AWS, GCP ・ツール:Terradate 備考 支給PCはWindows or Macbook　※最新のMacbook Proを支給することが多いです!

「顧客の生成AI推進に向けたシステム開発」や「自社ソリューションのAIシステム開発」のプロジェクトマネジメントを行っていただきます。 データ分析が得意な方には、RAG等の精度向上や分析関連プロジェクトをお任せすることもございます。 ・AI製品開発プロジェクトの計画立案、進行管理、リソース調整 ・開発チーム(エンジニア、デザイナー、データサイエンティストなど)との連携、調整 ・ステークホルダー(社内外)とのコミュニケーションおよび要件定義 ・プロジェクトの進捗状況のモニタリングとリスク管理 ・プロジェクト後のフィードバック収集と改善提案 ※業務の変更の範囲:会社内での全ての業務 1日のスケジュール例 ※リモート勤務・フレックス制のため、コアタイム(13:00~16:00)以外はご自身で調整可能です! 10:00~ キャッチアップ(Slackやメールの処理) 10:30~ トレンドキャッチアップ 11:00~ PJ進捗確認 12:00~ お昼休憩 13:00~ PM・ハンズオン作業(WBS作成・資料作成・開発業務) →セミナー用資料やお客様向けの資料、社内の作業管理など 15:00~ チームMTG、1on1 16:30~ お客様とのMTG 18:00~ MTGやPM業務・ハンズオン作業など 19:00 退勤 技術スタック ※指定はありませんが、下記が案件で主に使われる言語です ※支給PC:Windows or Macbook　※最新のMacbook Proを支給することが多いです! ・フロントエンド:TypeScript, React ・バックエンド:Python ・データベース:PostgreSQL(RDS), MySQL ・フレームワーク:Flask ・インフラ:Azure, AWS, GCP 案件例 <自動車・住設メーカー向けAIソリューション開発> 生成AIを活用した業界特化型のソリューション開発を実施 ●自動車設計 ・テキストデータ、画像データから、3D図面の作成や新規自動車の提案をするAI ●商品提案 ・ユーザペルソナ情報、住宅情報など、ショールーム来訪顧客に対して、 ・顧客情報や会話から最適なプランを提案してくれるAIエージェントを構築 <専用環境構築:大手銀行様> 現場のニーズを踏まえた「適切な情報管理」「社内独自の文書やデータの取り込み」などの専用環境構築 ●実施内容 ・導入、活用のための伴走支援　アドバイス&コンサルティング ・全社員・役員向け生成AI研修 ・自社専用環境の構築・音声AIを活用した業務効率化 ●得られた成果 ・働き方改革拡大、DX人材育成、全社員の意識改革に貢献 <社内プロダクトへのAI実装:弊社> ChatGPTを活用した法人向けプラットフォーム「法人GAI」や生成AIで業務を効率化するAIマーケティング支援ツール「マーケGAI」、デジタル人材育成プラットフォーム「Track」のAI機能実装 ・実施内容 -ユーザペルソナ作成から商品開発や検索広告文作成などを提案するAI機能の開発 ●実施内容 ・導入・活用のための伴走支援(アドバイス&コンサルティング) ・自社専用環境AIアシスタントの構築 ●得られた成果 ・年間約12億円の削減見込み

全社生成AIプロジェクトにおいて、内製開発を主導し、企画・実装・運用までを一気通貫で推進することで、事業部の課題解決とAX(AIトランスフォーメーション)の加速を実現いただきます。 ●自社生成AI・AIエージェント基盤の継続的な内製開発・運用(フロントエンド・バックエンド開発、ETL/ELT処理の実装、パブリッククラウド上での最新技術検証) ●LLM/RAG APIの各種業務アプリへの組み込み ●セキュリティを考慮した社内AIエージェントエコシステムの構築 ●技術動向や事業部のニーズを踏まえた開発企画、要件整理、およびプロジェクト/開発チームのマネジメント ●経営層への技術報告や外部発信(事例公開、登壇)への関与 ※変更の範囲:会社の定める業務

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