AI・機械学習（LLM）エンジニア(Kubernetes)の求人・転職情報

【ミッション】 開発組織におけるAI Native化への変革をリードし、技術起点で継続的な価値創出に貢献する 【主な業務】 社内既存AIツールの活用促進と新規AI技術の検証/導入 【具体的な業務】 ・本部横断でのAI駆動開発の推進 ・社内外の先進技術/AI活用事例の調査と検証/展開 ・LLMモデル活用方針の策定/展開 ・業務効率化に向けたAI PoCの企画/推進 ・各開発チームへのAI活用伴走支援 ・Skills/Agent.mdなどAI活用アセットの整備/運用 ・ハーネスエンジニアリング/ループエンジニアリングの検証/仕組み化 ・自律開発/夜間自動開発など新しい開発プロセスの検証

・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)

●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/Techコンサルタントが描いたビジネスソリューションの構想を、技術的に実現可能な、スケーラビリティと品質を担保したシステムアーキテクチャへと落とし込む技術的ポジションです。フルスタックの幅広い技術基盤を背景に、設計から開発、運用保守まで責任を持ち、システムデリバリー全体を牽引します。 ●経営・事業を支えるシステムアーキテクチャの方向性検討と設計 ●AI/MLを活用したシステムの技術選定、プロトタイピング、実装リード ●開発チームのリーダーとして、コードレビューや技術指導を実施 ●システムデリバリー経験を活かし、開発プロセス全体の生産性向上を主導 使用技術詳細 ●言語・FW・バックエンド: Python / Java / Rust / Go 等 ●フロント・バック: React / Next.js / Nuxt.js / Node.js / Express.js / Django / Spring Boot 等 ●AI/ML/RAG: TensorFlow / PyTorch / Hugging Face / LangChain / OpenAI API / Vertex AI / SageMaker / Elasticsearch ●インフラ: AWS / GCP / Azure / IaC (Terraform 等) ●その他: Docker / Kubernetes / GitHub / CI/CD (GitHub Actions 等) / 生成AIツール (ChatGPT / Copilot / Cursor / Claude 等) / その他データ処理・分析、メッセージング、ワークフロー、監視、セキュリティ等の各種ソフトウェア プロジェクト例 ・ヘルスケア業界: 社内基幹プロセスを担うWebシステム構築 ・エネルギー業界: 臓器システム刷新プロジェクト ・自治体: 警察システム刷新プロジェクト ・石油業界: 保全管理システム開発プロジェクト

<「AIを導入したい」だけで、本当に業務は変わるのでしょうか。> 現在、多くの企業で生成AIやAIエージェントの導入検討が進んでいます。 一方で現実には、「何から始めればいいのか分からない」「PoCは実施したが業務へ定着しない」「現場で使われない」といった課題が数多く発生しています。 AIは、導入するだけでは価値になりません。 業務を理解し、課題を整理し、適切なプロセスへ組み込み、現場で使われ続ける状態まで設計してはじめて、事業価値へつながります。 豆蔵のAIエンジニアは、単なる“AIツール導入支援”を行うポジションではありません。 顧客の業務課題へ深く入り込み、AI・データ・業務プロセス・システム構造を整理しながら、「AIをどう使うべきか」から実装・定着までを一気通貫で支援します。 また、ITエンジニアとしてのバックグラウンドを活かしながら、顧客との対話・課題整理・提案・設計へと役割を広げていけることも特徴です。 「実装するだけ」から次のステージへ進みたい。 「技術」と「業務」の両方を理解できる人材になりたい。 そんな想いを持つエンジニアを歓迎しています。 <このポジションの位置づけ> ●“AIを使う”ではなく、“AIで業務を変える” 豆蔵は、AIツールの導入だけを行う会社ではありません。 顧客の経営・業務課題へ入り込み、AI戦略・業務設計・AIアーキテクチャ・システム実装・内製化支援までを一気通貫で伴走しています。 単なるPoCやデモ開発ではなく、「実際に現場で使われる状態」を作ることを重視しています。 ●業務とAIをつなぐ 当組織では、以下のようなテーマに取り組んでいます。 ・生成AI活用支援 　LLM・AIエージェントを活用し、業務プロセスを再設計する ・AI業務改善支援 　BPR・業務分析を通じて、AI活用余地を整理し業務へ落とし込む ・AIアーキテクチャ設計 　RAG・ナレッジ活用・AIエージェント等を含め、信頼できるAIシステムを構造から設計する ・PoC〜実装支援 　ローコード・ノーコードも活用しながら、スピード感を持って業務実装まで伴走する ●専門性の異なるメンバーとチームで戦う 豆蔵のコンサルタントは、“PowerPointだけ作るコンサルタント”ではありません。 エンジニアとしての理解を持ちながら、顧客課題を整理し、業務・AI・システムの橋渡しを行うポジションです。 ITエンジニアから、より上流の課題解決やコンサルティングへ挑戦したい方に適した環境です。 <主な業務内容> ●顧客課題整理・業務分析 顧客の業務課題や現状プロセスを整理し、AI活用可能性を分析します。 「何をAIで解決すべきか」というテーマ設定から担います。 ●AI活用提案・PoC支援 生成AI・AIエージェント・RAG等を活用し、業務改善や新業務フローの提案を行います。 ローコード・ノーコードツール等も活用しながら、迅速なPoC支援を実施します。 ●要件整理・AI設計支援 顧客要件を整理し、AIシステム・業務プロセス・データ構造を踏まえた設計支援を行います。 ●開発チーム連携 AIエンジニア・クラウドエンジニア・データエンジニア等と連携し、顧客要件を実装へ落とし込みます。 ●内製化・定着支援 AIを“導入して終わり”にせず、顧客組織が継続活用できる状態まで伴走します。 <AIネイティブ開発グループの主な実績> 〇 AIネイティブ開発支援サービスの提供 概要:クライアント企業における生成AI・AIエージェント関連の新規事業や研究開発(R&D)において、「内製化」および「自走」に向けたAI人材育成からシステム企画、システム開発まで、フルスタックでの支援サービスを提供。現在はさらなるサービス拡大に向け、仕様駆動開発(SDD)を自動化する自社AIエージェントを鋭意開発中。 技術・ツール:Dify, Copilot Studio, Gemini Enterprise 等 主要顧客:大手生命保険会社様、大手自動車メーカー様、大手商社様 など 〇 AIエージェントシステム開発 概要:ChatGPTをはじめとするLLMを活用し、社内データ検索(RAG)アプローチを実現する高度なAIエージェントシステムを開発。 技術・ツール:Dify, LangChain, Copilot Studio 等 主要顧客:大手総合電機メーカー様、大手損害保険会社様 〇 生成AI・AIエージェント実践トレーニングコース開発 概要:生成AIの基礎知識から、生成AIを活用した成果物(ソースコード、コーディング規約、アーキテクチャ図、テストケース、プロンプト設計書等)の効率的な作成手法までを網羅した、実践的な総合研修サービスを開発・提供。 技術・ツール:主要LLM(ChatGPT, Gemini等)、各種AIノーコードツール 主要顧客:大手生命保険会社様、大手SIer様 〇 生成AI開発ガイドライン策定支援 概要:OpenAI APIを活用したシステム開発を想定し、安全かつ効率的な開発手順や具体的なシステム開発事例をまとめた、実践的な開発者向けガイドライン・規約を作成。 技術・ツール:Azure OpenAI Service, ChatGPT,　Claude 等 主要顧客:大手自動車部品メーカー様 〇 要求開発モデリングサービス『おしごとモデルズ®』の提供 概要:生成AIを活用し、業務改革(DX)やシステム開発の上流工程において必須となる各種モデル図(UML等)を自動生成する独自の自社サービス。 主要顧客:大手通信キャリア様、大手商社様 など 〇 対話型AIエンジン『MZbot®』の提供 概要:自社開発のチャットボット製品『MZbot』の販売、および生成AI(ChatGPT、ローカルLLM等)連携機能の実装・導入支援。 主要顧客:大手総合電機メーカー様、大手自動車部品メーカー様、大手商社様、官公庁をはじめ、累計40社以上へ導入 <技術領域・活用例> 顧客環境に応じて、以下のようなクラウド・データ・AI関連技術を活用しています。 ●クラウド AWS / Azure / Google Cloud ●データ基盤 Snowflake / Databricks / BigQuery / Redshift 等 ●データエンジニアリング dbt / Airflow / ETL・ELT基盤 / データ品質管理 ●AI/LLM関連 OpenAI / Claude / RAG / Vector DB / AIエージェント設計 ●MLOps / LLMOps MLflow / CI/CD / GitHub Actions / Kubernetes 等 ●AI駆動開発 GitHub Copilot / Cursor / Claudecode / AIコーディング支援ツール活用 ※特定製品ありきではなく、顧客課題・既存環境・将来の内製化を踏まえて最適な技術選定を行います。 また、AWSをはじめとしたクラウドベンダーとの連携や最新技術のキャッチアップも積極的に行っており、クラウドネイティブ・AI時代を前提としたアーキテクチャ設計に取り組んでいます。

このポジションは TSA(テクニカルソリューションアーキテクト)と組みながら、顧客現場で AI モデルの設計・実装・システム化を一気通貫で担うエンジニアポジションです。ML もできる、かつ顧客の目の前でディスカッションしながら主にPythonベースのコードで、手を動かして実装できる人を求めています。 ●このポジションのメンバーがやること ・TSA と一緒に顧客と議論しながら、プロトタイプを組み・動かし・調整する ・AI モデルの設計・学習・評価を担当し、そのまま顧客のワークフローに組み込む ・顧客環境まで、自分の手で届ける ML モデル開発と現場実装の両方を手掛けるエンジニアに向けたポジションです。TSA が「何を作るか」を顧客と定義する役割であるのに対し、このポジションは「モデルも含めて、技術的な知見を加味してどう動くものにするか」を顧客と会話しながら形にします。 ●業務内容 1.顧客現場での実装伴走 ・TSA とペアで顧客との打ち合わせに入り、プロトタイプ要件を定義したうえで実装する ・顧客のフィードバックを受けて、仕様と実装を並行して調整する ・閉域網・顧客施設内での開発・デプロイに対応する ・データを見ながらシステム要件などを微修正する 2.AI モデルの設計・開発・組み込み ・衛星画像解析モデルや生成 AI システムの設計・学習・評価を行う ・既存の社内モデル資産を組み合わせつつ、現場要件に合わせたカスタマイズや追加学習を行う ・学習 / 推論パイプライン、前後処理、API 化、運用監視まで一気通貫で実装する ・現場で得た情報(使われ方、制約、エッジケース)をそのままモデル改善に反映する 3.セキュアな環境でのシステム構築 ・セキュリティ要件を満たすクラウド構成(AWS / GCP / Azure)、必要に応じてオンプレ環境での実装 ・IaC、コンテナ、CI/CD を用いた運用可能なシステムの構築 ・顧客環境の制約を前提にした現実的なアーキテクチャ設計 ●入社後の流れ 〜3ヶ月: 既存案件に TSA とペアでサブ参画。並行して GIS・衛星画像処理・安全保障ドメインのオンボードプログラムを受講 4ヶ月〜: 実際に現場で顧客と話しながら運用を担当(徐々にカバー範囲を広げていただきます)

入社後は、ご本人の適性や希望に応じて、「AI SaaS事業本部」のいずれかのチームに配属されます。メンターとなるエンジニアの指導のもと、業務を担当していただきます。 【タスク例】 ・Webアプリケーション開発: React, Next.js, TypeScriptを用いたフロントエンド開発、Python (FastAPI) を用いたバックエンド開発。 ・AI機能の実装: 自社開発のMLモデルやLLMをアプリケーションに組み込むAPI連携の実装。 ・UI/UXの実装: Figmaのデザインを基にした、直感的で使いやすいUIコンポーネントの実装 。 ・品質保証: テストコード(Unit/E2E)の記述、GitHub上でのコードレビュー(レビュイーおよびレビュアー)。 ・AI活用: DevinやClaudeを活用した、定型コードの自動生成、リファクタリング、ドキュメント作成の効率化 。 ※配属先によってはAIエンジニアと連携しながら、アルゴリズムのサービス実装を行う場合もあります。 【技術スタック】 ・フロントエンド:TypeScript/Node.js/React/Next.js ・バックエンド:TypeScript/Node.js/Python/NestJS/FastAPI/GraphQL/Hasura/gRPC ・インフラ:Terraform/Kubernetes/AWS/Microsoft Azure ・AI:Python/NumPy/Pandas/Pytorch/OpenCV 【AI開発支援ツールの導入】 当社では、最新のAI開発支援ツールを実務に組み込み、効率と品質を同時に高めています。主な活用例は以下の通りです。 ・Devin:自動タスク実行、同時並行実装数を上昇 ・Claude Code:自然言語からの高度なコード提案・改善で、実装スピードを向上、同時並行実装数を上昇 ・v0.dev:高速なUIモックアップ生成で、要件確認を迅速化 ・GitHub Copilot:日常的なコーディング補助で、作業効率を底上げ ・Gemini:Deep Research/Python実行を含む情報検索・解析で、調査や設計の精度を向上 〇開発例 ・建設業特化の生成AI AIコンストシェルジュ「光/Hikari」:建設業特化の生成AIエージェントプロダクト。ローンチ1年強で400社以上の契約を達成。 ・製造業特化の生成AIエージェント「工/Takumi」:製造業特化の生成AIエージェントプロダクト。累積データの検索・分析が可能。 ・物流業特化の生成AIエージェント「運/Hakobi」:物流業特化の生成AIエージェントプロダクト。配送・輸送コストの見直しが可能。 ・卸売・小売業特化の生成AIエージェント「商/Akinai」:小売業特化の生成AIエージェントプロダクト。仕入れ・販売計画の作成が可能。

AIおよびLLMを活用したAIアルゴリズム・AIエージェントの開発・評価を担当し、サービスへの実装まで一貫して関わっていただきます。LLMOpsなどのLLM運用の改善も担当していただきます。 ●具体的には ・LLMを用いた情報検索・情報抽出アルゴリズムの開発・評価 ・LLMを用いたAIエージェントの開発・評価 ・LLM・AIエージェントを活用したサービス開発 ・Languse, WeaveといったLLMOpsツールの活用推進 ●技術スタック(一例) ・フロントエンド 　Typescript/Node.js/React/Next.js ・バックエンド 　Typescript/Node.js/Python/NestJS/FastAPI/GraphQL/Hasura/gRPC ・インフラ 　Terraform/Kubernetes/AWS/Microsoft Azure ・AI 　Python/Numpy/Pandas/Pytorch/OpenCV ●AI開発支援ツールの導入 当社では、最新のAI開発支援ツールを実務に組み込み、効率と品質を同時に高めています。主な活用例は以下の通りです。 ・Devin:自動タスク実行、同時並行実装数を上昇 ・Claude Code:自然言語からの高度なコード提案・改善で、実装スピードを向上、同時並行実装数を上昇 ・v0.dev:高速なUIモックアップ生成で、要件確認を迅速化 ・GitHub Copilot:日常的なコーディング補助で、作業効率を底上げ ・Gemini:Deep Research/Python実行を含む情報検索・解析で、調査や設計の精度を向上

JDSCは「Upgrade Japan」をミッションに掲げ、大企業のAX(AIトランスフォーメーション)・DX推進を支援するテクノロジー企業です。本ポジションでは、AIエージェント開発とデータ基盤・MLOpsの両軸を担うエンジニアとして、顧客の業務変革を技術面からリードしていただきます。 【担っていただきたい役割】 ●ビジネスコンサルタント・テクノロジーコンサルタントやデータサイエンティストと連携し、AIエージェントの構想・PoC開発・アジャイル開発を推進 ●顧客ビジネス環境の変化に応じたAIエージェントの継続的改善・運用 ●データパイプライン・データ基盤(DWH)の設計・開発・運用 ●MLOps環境の構築・整備、CI/CDパイプラインの運用 ●隣接するソフトウェア領域に関する開発・コミュニケーション・事業推進 【主な業務内容】 当社では多様なビジネス領域に向けてDX推進、AI実装等を代表とする様々なB2B系プロジェクトを推進しており、一つの枠に縛られない様々なソフトウェア開発をご経験いただくことができます。 物流領域、ヘルスケア、エネルギー、製造といった領域で事業を強化しており、事業状況に応じて様々なソフトウェア開発を行っています。下記のような段階のソフトウェア開発プロジェクトがあります。 ●プロトタイプ・試行錯誤の色彩が強い段階 ●顧客の業務で使用される本番運用段階 ●単一顧客向けから同一領域で広く使われるVertical SaaS的な運用開発の段階 当社の特長であるビジネスやデータサイエンスの文脈も交えた多様なチャレンジを通じて経験を積んでいただくことが出来るものと思います。 【主な開発環境】 言語:TypeScript, JavaScript, SQL, Python等 採用フレームワーク: GraphQL, Node.js, Prisma等 データベース:MySQL, PostgreSQL, BigQuery, Databricks, Microsoft Fabric等 クラウド環境:Google Cloud, AWS, Azure, Snowflake等 ソフトウェア管理ツール:GitHub, Jira, Slack, Confluence BIツール:Power BI, Tableau