資格取得支援制度あり MLopsエンジニアの求人・転職情報

【配属組織名】 デジタルサービスビジネスユニット(金融システム) デジタルサービスビジネスユニット(金融システム) 金融デジタルイノベーション本部 第3部 【配属組織について(概要・ミッション)】 ●組織のミッション パブリッククラウド案件で利用する新規ソリューション創出(主にIaC)・事業部展開などCoEとして金融事業部のパブリッククラウド案件の受注・利益貢献 ●担当業界 事業部CoEとして銀行、保険、証券などの金融業界を担当しております。 ●提供サービス・製品 パブリッククラウド技術を扱った事業部内案件向けのソリューションの創出/技術コンサルティング/既存ソリューションの事業部内展開 ●組織構成 課長1名、主任3名、担当3名 キャリア入社者も在籍している部署です。 【携わる事業・ビジネス・サービス・製品など】 ●以下に関連する新規ソリューション創出 日立のパブリッククラウド領域に対する事業拡大(受注貢献、利益貢献)に貢献できるようなソリューションの新規創出活動 ●社内向け技術コンサルティング パブリッククラウドにおける専門家集団として、他部署向けに案件受注に向けた技術コンサルティング活動 パブリッククラウドはAWSとAzureを想定しております。 【職務概要】 ・パブリッククラウド技術を利用した事業部内向けのソリューション創出 ・パブリッククラウド領域での社内の技術コンサルティング活動 ・既存ソリューション(パブリッククラウドシステムテンプレートソリューション)の事業部展開(ソリューションの提案からソリューション適用) 入社後は既存のプロジェクトに既存メンバーとともにチームプレイを意識しながらプロジェクトに従事いただきます。 【職務詳細】 パブリッククラウドにおけるIaC技術をベースとしたシステム開発高度化(高速・高品質開発)の推進 ・先進技術やサービスの調査・研究、および社内での活用企画・導入推進 ・IaC関連のツール開発(主にPython)、生成AIと連携したIaCのコード生成の技術検証及び評価 ・生成AIを活用したシステム運用高度化のためのツール開発と展開 【働く環境】 ①配属組織/チーム構成 案件の技術支援などで1名のみで参画するケースもありますが、大半の業務や案件においては、2名～4名のチームで複数案件を担当し、チームとして業務に取り組んでいただきます。 ②働き方 顧客との対面コミュニケーションやプロジェクトルームでの現地作業が必要な場面もありますが、多くの業務は在宅勤務で進めております。 ※上記内容は、募集開始時点の内容であり、入社後必要に応じて変更となる場合がございます。予めご了承ください。

【具体的なプロジェクト例】 ●大規模レコメンドエンジンの刷新: 数十万〜数百万ユーザー規模のEC・HRアプリにおいて、機械学習モデルをAPI化し、AWS/GCP環境でのバッチ処理・リアルタイム推論基盤を構築。 ●次世代AIエージェントの企画・開発: 総合商社のDXプロジェクトにて、LLM(ChatGPT/Claude等)を活用した意思決定支援ツールのプロトタイピングから本実装まで。 ●技術的意思決定のリード: アルゴリズムの選定から、MLOps(継続的学習・デプロイ)の体制構築、ビジネスサイドへの技術的フィードバックまでを主導。

「AIエンジニア=数学やプログラミングの天才」だと思っていませんか? 実際、AIをビジネスで動かすために今最も求められているのは、安定したサーバーを立て、データを安全に運び、クラウドを最適に設定できる「インフラのプロ」です。既存のインフラ・クラウドスキルを活かせる業務からスタートし、徐々にAI特有の基盤構築へステップアップしていただきます。 ●具体的なプロジェクト例 ・AI実行環境の構築: AWSやAzure上に、ChatGPTなどのAIアプリが動くためのサーバー(EC2/Container)やネットワーク(VPC)を構築。 ・データ連携の仕組み作り: 分析に必要なデータをS3などのストレージからAI(SageMaker等)へ安全に届けるための設定。 ・運用監視と自動化: AIが止まらないための監視設定や、Terraformを用いた環境構築の自動化。 ・最新ツールの導入補助: ベクトルデータベースやDifyなど、AI開発に欠かせない新しいミドルウェアのインストールと設定。

どれだけ優れたAIモデルも、安定したインフラと高品質なデータ基盤がなければ「ただの箱」です。 あなたには、生成AIや機械学習が24時間365日、高速かつ安全に動き続けるためのインフラ・プラットフォーム構築をお任せします。 【具体的なプロジェクト例】 ●MLOps基盤の構築(Amazon SageMaker / Vertex AI): モデルの学習からデプロイ、監視までを自動化するCI/CDパイプラインの構築。 ●大規模データレイク・DWHの設計(Snowflake / BigQuery / Databricks): 数億レコード規模の非構造化データをAIが即座に読み込めるよう、パーティショニングやクラスタリングを最適化。 ●GPUリソースの最適化とスケーリング: LLM(大規模言語モデル)の推論環境における負荷分散、オートスケーリング、コストマネジメント。 ●データガバナンス・セキュリティ設計: 企業の機密データをAIに学習させる際のアクセス制御(IAM)、PII(個人情報)保護、暗号化の実装。 あなたらしい働き方をサポート

【ミッション】 国内最大級の自社GPUインフラと通信ドメインデータを武器に、通信業界向け大規模言語モデル「Large Telecom Model(LTM)」の学習・評価・チューニングパイプラインを構築/主導します。 実業務に耐えうる高精度かつ安全性の高いモデルへと継続的に高度化し、現場への実装を通じてネットワーク運用の効率化・高度化・自律化を推進します。 【主な業務】 ・LTMモデルの性能向上 ・学習パイプラインの構築 ・最先端生成AI技術の検証および実業務適用に向けた技術リード 【具体的な業務】 【モデル開発・学習】 LLMの継続事前学習(Continued Pre-training)やFine-tuning(SFT/RLHFなど)の実装/学習レシピの最適化 【データ基盤・加工】 基地局データや運用ログなどの大容量通信ドメインデータの収集/整形/学習データセットの設計、クレンジング 【評価・ベンチマーク】 自動評価フレームワークの構築および評価指標(Benchmark)の設計/精緻化 【技術調査・PoC】 最先端論文(ArXivなど)やOSS(最新のモデル・学習手法)のキャッチアップとPoCによる検証 【現場連携・要件定義】 社内関係部署(アプリ開発チーム・現場)との連携による課題の整理およびモデル要件へのフィードバック

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/システムの設計〜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PoCプロジェクトの本番化/製品化に向けての開発 ・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

車載向けエッジモデルおよび机上評価用の大規模モデル開発を支える MLOps 基盤の構築・運用 をお任せいたします。 <具体的には> 膨大な量の運転データを効率的に活用するための計算基盤とモデル学習・評価パイプラインの構築、データの質と量でモデル改善に貢献するデータセットのキュレーション、モデル分析を支援するBIツール環境の整備など、ML エンジニア/MLリサーチャーの開発を加速する仕組みづくりを行っていただきます。 【業務遂行いただくうえで必要になる技術例】 ・クラウド/オンプレミス上における学習・評価パイプライン(MLOps)の設計・構築および保守・運用 ・大規模データ学習の高速化を目的とした計算基盤・分散処理・アルゴリズム最適化の検討と実行 ・データセットのキュレーション(バランス設計、データリーク防止、品質管理)およびデータセット生成パイプラインの構築 ・データやモデル評価指標を統合的に可視化する BI ツール環境の設計・構築 【使用するツール】 ※状況により柔軟に変わります ・開発言語/データ操作言語:Python、SQL ・クラウド:GCP、AWS ・OS:Linux、Windows ・深層学習フレームワーク:TensorFlow(Keras)、PyTorch ・実験管理/設定/可視化:MLflow、Hydra、TensorBoard ・MLプラットフォーム/パイプライン:Vertex AI、SageMaker ・CI/CD:GCP Cloud Build、AWS CodeBuild、AWS CodePipeline ・データETL/分散処理:Dataflow、EMR(Spark/Hadoop) ・データ分析:BigQuery、Amazon Redshift ・BIツール:Looker Studio、Amazon QuickSight ・オーケストレーション:Apache Airflow、Amazon MWAA ・コンテナ:Docker ・その他:GitLab、Confluence、Jira、Teams 【変更の範囲】 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。

●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

最先端の生成AI(GPT-4oなどのLLM)を使った開発に挑戦できます。 具体的には、AIと外部システムをつなぐAPI連携や、高性能な検索システム(RAG)、AIエージェントなどのアプリケーション開発に取り組みます。 未経験の分野でも、新しいサービスを生み出すプロジェクトに参加し、エンジニアとして技術・キャリアの幅を大きく広げられる環境です。

このポジションのミッション ・LLM/RAGを業務課題に落とし込み、PoC→本番を完走させる ・再現性ある実装パターンをチームの資産にする 業務イメージ ・RAG/LLMを本番運用前提で設計・実装(セキュリティ、監視、性能、障害時の設計) ・ユースケースの要件整理と設計(“何を自動化し、どこを人が見るか”の線引き) ・評価基盤の整備(自動評価、回帰テスト、プロンプト/検索の改善サイクル) ・クラウド上でのアーキ設計・実装(API、データ、権限、コスト最適化) ・チームの型づくり(実装標準、ナレッジ、再利用可能な部品・テンプレ整備) 案件事例はこちら https://saiyo.skywill.jp/jobs/ai/ ※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 仕事の難しさ ・本番運用前提で、セキュリティ・監視・性能・コストのトレードオフ判断が発生します。 ・評価(回帰)を作らないと品質が崩れるため、仕組みとして改善サイクルを回す必要があります。 ・関係者が多く、期待値調整と合意形成がプロジェクトのスピードに直結します。

お客さまのデータ利活用のため、データ分析基盤の構築、BI レポートの開発を行います。 データ分析基盤構築では、主に Microsoft Azure の製品を用いたデータの統合・蓄積・加工を担う一連のシステム群の要件定義から構築・開発、保守・運用を行います。 BI レポート開発では、Microsoft Power BI を用いた BI レポートの要件定義から開発、保守・運用を行います。 分析基盤構築や BI レポートの導入を検討中のお客さまに対する提案や BI レポートのモックアップ開発などを行います。 【具体的な業務内容】 ■データ分析基盤構築の提案・デリバリー・保守運用・教育 ・Azure RDB などを用いたデータ分析基盤の構築 ・Azure Synapse Analytics や Azure Databricks などを用いたビックデータ分析基盤の構築 ・Azure Data Factory などを利用した ETL 機能の開発 ・Azure Cognitive Services や Azure Machine Learning などを用いた AI 機能構築 ・AWS、オンプレミスでの Hadoop、Snowflake などを使ったデータパイプラインの実装 ■BI レポート開発の提案・デリバリー・保守運用・教育 ・データ分析基盤に蓄積されたデータを可視化するための BI レポートの開発 <プロジェクト事例> ・大手総合商社:BS / PL などデータを収集・蓄積するデータ分析基盤構築、Power BI レポートの開発 ・外資系衣料系ブランド:在庫/売上の把握などのデータ分析基盤の構築、Power BI レポートの開発 ・大手消費財メーカー:社員の働き方の見える化のため Power BI レポートの開発 ・大手出版社:各店舗 POS ・ Web 販売データを収集・蓄積するデータ分析基盤構築と Power BI レポートの開発

業務内容 完成車メーカーの開発部門にて、以下の業務を担当いただきます。 ●ECUソフト開発業務の自動化 ・ECUソフト開発業務の効率化・自動化 → ビルド、テスト、リリース工程の自動化 ・GitHubのコード管理の即時実行とClaude連携による解析効率化 → 差分解析、影響範囲推定、レビュー支援 ・GitHub IssueのAI活用まとめとJIRA起票の自動化 → 課題管理の自動化、トレーサビリティ強化 ●開発効率化・CAE代替化 ・開発効率化に向けた自動化・AI導入 ・データ管理(構造化、モデル設計、収集基盤構築) **CAE代替化技術(Surrogate/Meta-model)**の構築・運用 → 衝突・流体などの大規模シミュレーションを高速化する3Dサロゲートモデルの設計・評価 ●シミュレーション最適化 × LLM/生成AI ・シミュレーションによる最適化とLLM/生成AIを組み合わせたエージェント技術構築・運用展開 → Copilot Studio連携によるパラメータ探索、感度解析、レポート自動生成 ・モデル入出力仕様の標準化、プロンプト設計、ワークフロー自動化(CI/CD連携) ●データプラットフォーム運用 ・Amannectシステムの運用業務 → データ管理、運用ルール整備、問い合わせ対応

評価システム製品本部 評価ソフトウェア設計部 にて半導体用計測・検査装置のFA(Factory Automation)通信ソフトウェア開発をご担当いただきます。 装置をオートメーションで運用するためSEMI規格に準じた顧客ホストコンピュータとの通信ソフトウェア開発(SECS/GEM/GEM300)、がメイン業務となります。 FA(Factory Automation)通信ソフトウェア開発者としてご入社頂き、ご経験・スキルに応じて、お任せする領域や担当プロジェクトを決定いたします。 FA(FactoryAutomation)通信ソフトウェア開発をメインで行うチームは計測装置をメインにしたチームと検査装置をメインにしたチームの2チームございます。 一方で、いずれの製品もラインナップが多岐に渡るため、横断的に製品プロジェクトにジョインし、複数の開発プロジェクトをご担当いただきます。 ●開発環境 言語: C、C++ 環境: Linux ①当部署は評価システム製品のソフトウェア設計・開発を担っている部署です。 製品ごとにチームに分かれており、要件定義～コーディング、テストまでのソフトウェア開発の全工程を担っております。製品、チームによって異なりますが、詳細設計～プログラミング～テストまでは、社外のソフトウェア開発請負会社に依頼する場合があります。 ②ソフトウェアエンジニアとして、1製品の全工程に携わり、他組織(光学設計、機械設計、電気設計などのハードウェア設計)部隊と協働し製品を開発したり、顧客や顧客先に製品を導入・据付・アフターサービスをする部隊から、実際に現場で使用された際のフィードバックを受けたりできるので、ものづくりの醍醐味を感じることが出来ます。 また、当部署では多岐に渡る製品を担当している為、他製品へチャレンジする機会もございます。 ③海外出張:アメリカ・韓国・台湾・ヨーロッパ 人により海外出張の回数は異なりますが、顧客との仕様打合せ等での出張機会も多く、ワールドワイドで活躍が可能です。 規格を英語で読むなど英語を使うシーンが日常的にございますので語学力を活かしたい/向上させたい方には最適な環境です。 ④評価ソフトウェア設計部は若手～ベテランまで在籍しており、お互いの技術を学びあう機会もございます。 製品によりますが、1チーム5名前後～20名越えとプロジェクトとしても様々な構成がございます。様々なプロジェクトを経験して知識・スキルの幅を広げるだけでなく、ロールモデルも多くいるためソフトウェアエンジニアとしてキャリアを構築したい方には最適な環境です。 【変更の範囲】会社の定める業務 キャリアパスについて ●当部署の中で、製品や工程が複数あるので、組織内でもエンジニアとしてスキルアップ頂ける環境がございます。 どのようなキャリアをご希望されるか次第なものの、現在、当部署では常時2、3名がアメリカの関連会社に出向しており、海外の関連会社への出向やメイン顧客である韓国と台湾への出張など、海外経験を積む機会もございます。 ●キャリア入社者向け育成プログラム、階層別研修、集合研修、外部講座受講による自己開発(費用会社負担)など、日立ハイテクには多種多様な教育・育成支援制度が設けられています。 働き方 ●入社後すぐは業務を覚えていただくために、基本的出社をしていただきますが、後々は在宅勤務と出社勤務、ハイブリットに使い分けて業務していただくことも可能です。 ●残業時間は部内平均で20～25時間程度と比較的少なく、ワークライフバランスの取りやすい環境です。

freeeにおけるAIラボのミッションは、機械学習や統計処理を用いてユーザーに本質的価値（マジ価値）を届けきる事です。「ルーチンワークを自動化して経営状況をリアルタイムにモニタリングする」、「データドリブンな意思決定と経営のアクションをサポートする」など、freeeが提供するサービスにとって必要不可欠なコア技術を一から考えて実現し、継続的な進化を支えています。 本ポジションでは、従来の機械学習技術に加え、LLM, AI Agentを活用したプロダクトへの新しい価値提供や、AI時代のデータストアをリードするエンジニアとして、LLM, AIAgent領域の開発および評価を牽引していただきます。 ●業務内容詳細 freeeの全サービスにまたがる機械学習技術を活用したプロダクト開発、および新規技術分野の研究・調査をお任せします。 ・LLM, AI Agent関連の評価・開発（メインミッション） ・LLMやAI Agentを活用した新規プロダクトの企画・開発、およびモデルやエージェントの精度評価・検証・改善。 ・全社向けに、LLMを活用した業務効率化基盤の構築と運用、プロダクトへのLLM組み込み基盤の構築。 ・機械学習モデルの評価・開発 ・画像認識（OCR）、異常検知などのアルゴリズム開発。 ・MLOps / データ処理パイプライン ・プロダクトの継続運用、効率的な開発を支援するデータ処理パイプライン・学習・評価基盤の構築。 ・継続的改善の為のモニタリングパイプラインの構築と運用。 ●開発環境 AIラボでは、サービスの企画段階から実際の運用に至るまで、ワンチームで行っているという特徴があります。刻々と変化する業界トレンドに合わせて環境も柔軟にアップデートしています。 開発言語: Python（マイクロサービス・開発環境）、Ruby on Rails, Go（アプリケーション） 開発リソース: EKS上のJupyter notebook server on Kubeflow, コンテナ内部で開発, Visual Studio Code Remote MLライブラリ: TensorFlow, PyTorch, scikit-learn, その他状況に応じて選定 フレームワーク: vLLM, strands agent sdk 運用環境: EKS with GitOps CI/CD: Github Actions, Argo CD その他: Datadog, Slack, GitHub, MLFlow, Argo workflows, dbt, langfuse, Looker, Claude Code, terraform etc 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

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

●深層学習、強化学習などのアルゴリズムを利用したソフトウェアの開発 ●機械学習技術によるデータ分析やパターン解析、シミュレーションなどのソリューション改善実施 ●システムおよびソフトウェア仕様の理解 ●パフォーマンスとスケーラビリティの向上に向けた施策 ●技術要素、開発プロセス、コード標準の整備 事業部の風土 事業部メンバー構成としては、20代後半～30代前半が60%近く占めて若くて活気のある事業部となっています。また女性社員も20%在籍し、外国人国籍の方も複数人在籍し多様な人材で構成されています。

生成AIを活用したプロダクト・機能開発、および社内向けツールの設計・実装をお任せします。 プロトタイピングから実運用まで幅広く携わることが可能です。 プロダクト開発の最前線で生成AIを活用した新しい価値創出に取り組んでいます。 単なる業務効率化ではなく、プロダクトそのものにAIをどう組み込むか・プロダクト開発プロセスをどう進化させるかという視点から、技術とクリエイティブの交差点でチャレンジしています。 本ポジションでは、会社としてもまだ正解が見えていないテーマに対し、「ゼロイチ」で考え、形にする」フェーズから関わっていただきます。 また他クリエイターと同じく、実際のプロジェクトに携わって頂く等、ご自身の専門領域にとどまらず、さまざまなことにチャレンジできるポジションです。 ●具体的な業務内容: ・AIエージェントのプロトタイピング・運用 ・社内外向けダッシュボード・ツールの開発 ・アンケートや定量データを用いた分析・提案 ・ LangChainを用いたLLMワークフローの設計と実装 ・実プロジェクトでのAI活用(プロダクト開発の効率化・プロダクト自体のAI導入) ※技術スタック ▼バックエンド Python系 ・FastAPI(REST API設計) ・LangChain / LangGraph(AIエージェント構築) ・OpenCV(画像処理) ・pandas / numpy(数値計算・データ操作) ・matplotlib / seaborn(データ可視化) Node.js系 ・express(軽量なREST APIフレームワーク) ▼フロントエンド ・JavaScript / TypeScript ・Next.js(Reactベースのフレームワーク) ▼インフラ / クラウド AWS ・ EC2(仮想サーバー) ・S3(オブジェクトストレージ) ・ Lambda(サーバーレス関数) ・ECS / ECR(コンテナ実行・管理) ・DocumentDB(MongoDB互換のNoSQLデータベース) その他クラウドサービス ・ Pinecone(ベクトルデータベース / 類似検索) ・Snowflake(DWH / ビッグデータ分析基盤) ▼AI実行環境・LLM連携 クラウドLLMプロバイダー ・OpenAI(GPT系) ・Anthropic(Claude) ・Gemini(旧Bard / Google AI) ローカルLLM実行 ・ Ollama(ローカルでの軽量LLM推論) ▼その他ツール ・ Figma / Slack / Cursor / MCP ※CursorはAIペアプログラミングツールとして社内導入中

●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

このポジションのミッション ・LLM/RAGを業務課題に落とし込み、PoC→本番を完走させる ・再現性ある実装パターンをチームの資産にする 業務イメージ ・LLM/RAGを活用した業務アプリの開発(要件整理→プロトタイプ→本番実装まで) ・データ整備・検索設計(ドキュメント分割、メタデータ設計、検索精度の改善) ・評価・品質担保の設計(評価指標、テストケース、ガードレール/プロンプト改善) ・既存システムとの連携実装(API連携、権限、ログ/監視、運用手順の整備) ・学びを資産化(実装パターンのドキュメント化、社内共有、再利用できる部品化) 案件事例はこちら https://saiyo.skywill.jp/jobs/ai/ ※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 得られるキャリア・ベネフィット ・LLM/RAGを“触る”で終わらせず、要件→実装→運用までを経験できる ・プロンプトだけに寄らない設計力が身につく(評価指標、データ整備、ガードレール設計) ・PoCの先にある“現場で使われ続けるAI”をつくる実装力が鍛えられる ・キャリアの分岐が広い(生成AIアプリ/AI×バックエンド/AI-PM・テックリード など) ・キャリアを逆算したアサイン:伸ばしたい軸(上流/技術深掘り/リード)から役割を設計します ・複数の視点で成長を支える体制:定期面談やレビューで、次の一手を一緒に決めます 仕事の難しさ ・LLMは挙動が揺れるため、“動いた”で終わらず評価指標・ガードレール・運用まで作り込む必要があります。 ・要件が曖昧なまま始まることも多く、仮説→検証→改善のサイクルを自走できることが重要です。 ・セキュリティ/権限/ログ/コストなど、プロンプト以外の論点が成果を左右します。

私たちのチームの使命は、お客様に最高のサービスを届けるfreee自らを「世界で最も生産性が高く、最先端な組織」に進化させ続けることです。AIの進化が企業の在り方を根本から変えようとしている今、私たちはその変化を自ら作り出す側として社会をリードします。AIを単なる「ツール」ではなく、経営と業務の「核」に据える。2,000人以上の規模の組織がAIによって爆速化する、その基盤をゼロから構想し、実装する。そんな、歴史の転換点を自らの手で創り出す挑戦をしませんか? ●現状の課題/今後取り組みたいこと ・freeeでは、全社員が「マジ価値(本質的価値)」を届け切ることに集中できるよう、理想の業務環境を追求しています。 ・現在、私たちが目指しているのは、「AIネイティブな業務環境」の実現と継続的な進化です。 -全社横断的なRAG(検索拡張生成)の構築 -自律的に業務を遂行するAIエージェントプラットフォームの導入 -AIの精度を最大化するためのデータパイプラインとルールの再整備 ・今期よりAI開発体制を大幅に強化し、freeeの経営そのものにAIを組み込んでいくフェーズに突入します。 ・この壮大なビジョンを共に描き、技術で牽引してくれるリーダー・マネージャー候補を求めています。 ●業務内容詳細 ・単なる開発にとどまらず、技術選定から組織への実装まで、広範なプロデュース・価値創出をお任せします。 ・AIネイティブな業務体験の設計: n8nなどを活用し、従業員のワークフローをAI前提で再定義し、実装する ・技術選定とアーキテクチャ設計: LLM等の最新ソリューションの選定、社内導入 ・データ基盤の高度化: RAGの構築、セマンティックレイヤーの設計、データパイプラインの整備 ・LLM Opsの確立: 継続的に精度を向上させ、安全に運用するための仕組みづくり ・(マネージャー候補として) AI戦略の策定、チームビルディング、プロジェクトマネジメント 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

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

役割 AI/ML/LLMを活用したソリューションの設計・開発・運用を担い、クライアントの業務変革を技術面から実現する役割。 主たる業務 ●AI/ML/LLMモデルの実装・最適化 ●RAG・エージェント・ワークフローの設計・開発 ●API連携、アプリケーション開発、PoC構築 ●MLOps/LLMOps環境の設計・構築 ●データパイプラインの設計・実装 ●技術アーキテクチャの策定と技術選定

Trackプラットフォーム上のスキルデータ基盤「Skill Data Cloud」およびスキルオントロジーレイヤーを設計・構築・運用し、AIフレンドリーなデータ/ML基盤として高度に整備していくリードポジションです 。 スキルタクソノミーのメンテナンスとスキルデータ分析、ML/生成AIを活用したデータパイプライン・MLOps基盤構築を通じて、プロジェクト実績・学習履歴・アセスメント等の多様なデータの信頼性・関連性をデータドリブンに担保します。 ビジネスサイドと連携しつつ、データサイエンティストチームへの指示出しやプロジェクトディレクションを担い、Skill Intelligence Lab全体の技術・運用標準をリードしていただきます 。 ●スキルタクソノミー・オントロジーの設計・メンテナンス: スキル同士の関連性のモデル化や変更履歴管理プロセスを設計し、組織全体での利用ルールや品質指標を確立します 。 ●Skill Data Cloudの設計・構築・運用: 複数データソースを統合する基盤設計をリードし、AIフレンドリーなデータ基盤の実現に向けたアーキテクチャ指針やロードマップを策定します 。 ●スキルデータ分析基盤の構築: スキル関連性を分析するモデルの選定・実装を行い、プロダクト改善や事業戦略に繋がる指標体系を標準化します 。 ●ML/生成AIモデルの設計・実装・評価; スキルデータ活用に向けたML機能の設計方針をリードし、モデルアーキテクチャの方向性や品質・リスク管理基準を定義します 。 ●MLOps基盤の設計・構築・運用:セキュリティとスケーラビリティを踏まえた最適なMLパイプライン構造を設計し、Feature Storeやモデルレジストリの導入を主導します。 ●モデルの本番デプロイと推論基盤構築: Kubernetes上でのモデル推論基盤の構成を設計し、CI/CDを用いたデプロイパイプラインの標準を定めます。 ●運用監視・品質管理: モデル監視指標の標準化やA/Bテストの設計をリードし、組織横断の品質管理フレームワークを策定します 。 ●プロジェクトマネジメント:プロジェクト計画の策定、データサイエンティストチームへのディレクション、ビジネスサイドとの要件調整をリードします 。 ※業務の変更の範囲:会社内での全ての業務 ●開発環境・ツール ※指定はありませんが、下記が案件で主に使われる技術です ※支給PC:Windows or Macbook ※最新のMacbook Proを支給することが多いです! ・プログラミング・スクリプト言語:Python ・クラウド・インフラ・コンテナ基盤:パブリッククラウド全般 、Kubernetes ・CI/CD・認証:CI/CD環境 、IAM (Identity and Access Management) ・MLOps・MLプラットフォーム:MLflow 、モデルレジストリ 、Feature Store 、実験管理ツール ・データ基盤:DWH (データウェアハウス) 、データパイプライン構築・運用

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

～生成AI・データ基盤・自動化技術を掛け合わせ、業務プロセスを根本から変革する～ 私たちは、RAG/AIエージェント/DWH/MLOpsなどの技術を活用し、“実運用を前提としたAI活用”を通じてプロセスDXを実現しています。 AIエンジニアは、単なるモデル開発にとどまらず、業務構造の理解からソリューション設計、実装、運用・改善までを担い、AIをビジネス価値へと接続する役割を担います。 DX統括部データサイエンス部はAI×データ×自動化を組み合わせ、広範囲なプロセスDXを実現し、 人が行う業務工数の“ゼロ化”を目指す組織 です。 当組織は、データエンジニアリング領域を強みとしており、 DWH・データパイプラインの設計・構築・運用に関する知見を有しています。 そのため、単なるPoCや一部機能開発にとどまらず、 データ取得・加工・検索設計 RAG / AIエージェントの実装 精度改善・運用サイクル構築 まで、実運用を前提とした一気通貫の開発に取り組める点が特徴です。 今回は、市場的なニーズが急増している、 生成AI、AIエージェント、RPA、DWH、MLOps、ローコード、クラウドなど 最新テクノロジーを現場の業務に落とし込む“実装力”を持つAIエンジニア を募集します。 ≪業務内容≫ 1.課題把握・業務構造の分解 業務フロー・KPI・例外処理の可視化 自動化・AI適用が成立する領域/しない領域の見極め 2.ソリューション設計 業務要件・制約(精度/コスト/運用負荷/セキュリティ)を踏まえた 生成AI/AIエージェント/RPA/API/DWH の構成設計 技術選定およびアーキテクチャ設計 3.実装・検証(PoC〜本番導入) Python・API連携による実装 RAG、OCR、音声解析などのモデル・構成選定と検証 PoC結果を踏まえた 本番導入可否の判断・改善 4.本番運用・高度化 KPI設計、精度劣化検知、改善サイクル構築 変更管理、再学習・再設計方針の策定 手順書整備・運用定着支援 5.ステークホルダー連携 技術的制約やリスクを踏まえた期待値調整・合意形成 ROI可視化・報告資料作成

DX統括部データサイエンス部はAI×データ×自動化を組み合わせ、広範囲なプロセスDXを実現し、人が行う業務工数の“ゼロ化”を目指す組織 です。 特定の製品や業界に縛られず、 顧客の現場に合わせた「業務 × AI × 自動化」に裁量を持って取り組めるのは、BPO×DXを強みに持つDX統括部ならではの特徴です。 今回は、市場的なニーズが急増している、 生成AI、AIエージェント、RPA、DWH、MLOps、ローコード、クラウドなど 最新テクノロジーを現場の業務に落とし込む“実装力”を持つAIエンジニア を募集します。 ≪業務内容≫ 1.課題把握・現状分析 業務フロー、KPIの可視化、ボトルネックの抽出 2.ソリューション設計 業務再設計(BPR)、生成AI/AIエージェントの業務組込み、RPA・ワークフロー・API・DWHとの連携設計、UX・アーキテクチャ設計 3.実装・検証(PoC～パイロット) Python/API連携による実装、モデル選定(RAG、OCR、音声解析 など)、A/Bテスト、セキュリティ考慮、本番移行対応 4.運用・改善 KPIモニタリング、モデル精度改修、品質管理、手順書・教育資料作成、運用定着支援、変更管理 5.ステークホルダー連携 現場部門を巻き込んだ合意形成、トレーニング提供、ROI可視化・報告資料作成 利用技術(このポジションで活用する主なツール) ● 生成AI / LLM OpenAI / Azure OpenAI などの LLM API、AIエージェント構築やRAG(検索 × 生成)の活用 ● ローコード / 自動化 Dify を活用したAIエージェント・ワークフロー構築、Power Platform(Power Automate / Power Apps) ● データ基盤・クラウド AWS / Azure / GCP など主要クラウドサービスの基本利用、データベースへの接続、簡易クエリ(SQL)、API・外部サービスとの連携 ※「利用技術の参考例」としてご覧ください。 得意分野を活かしつつ、幅広い技術に触れる機会があります。 ※担当職種の変更の範囲:会社の定める職種(出向を命じることがあり、その場合は出向先の定める職種)

Givery AI Labの一員として、クライアント先に深く入り込み、生成AI/LLMを活用したソリューションを構築・展開・運用する役割です。 単なる設計ではなく、コードを書き、システムを構築し、運用フェーズで起こる課題に責任を持ちます。 ・クライアントの業務フロー・ナレッジを深く理解し、AIソリューション(RAG、エージェント、モデル活用ワークフロー)に落とし込む ・Python/TypeScript等を用いたプロトタイプ開発および本番展開 ・クラウド基盤(GCP/AWS等)上でのAIプラットフォーム構築・デプロイ・運用 ・フロントエンド/バックエンド/データパイプラインなどを含むフルスタックでコード貢献 ・顧客折衝・ユーザーインタビュー・ログ解析・改善施策立案までを含む伴走型実装 ・本番運用時のモニタリング、データドリフト対策、機能追加/改善の実行 ※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 AI開発: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 <選考環境構築:地方銀行様> 生成AIの最大限活用のため、「オフライン業務環境で生成AIと自社データを連携」「導入ハードルの軽減」を目的に自社専用環境の構築 ●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) ・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 組織データ ・平均年齢31歳 ・新卒3割、中途7割 ・外国籍22%、出身国20カ国以上 ・開発職約30% ・女性執行役員在籍 ・育児中社員在籍 技術顧問・アドバイザー 東京大学名誉教授　竹内 郁雄(技術顧問) https://givery.co.jp/news/n20160601/ 東京大学大学院教授　江崎 浩(技術アドバイザー) https://givery.co.jp/news/20240809_1/ 東京工業大学大学院教授　岡崎 直観(技術顧問) https://givery.co.jp/news/20240902_1/

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

●担っていただきたい役割 AX(AIトランスフォーメーション)を「構想」ではなく「現場で機能する仕組み」として実装するために、フォワードデプロイドエンジニア(FDE)として尽力していただきます。 FDE は、顧客企業の業務現場に深く入り込み、課題発見から設計・実装・運用改善までを高い裁量をもってリードするポジションです。 要件が完全に固まっていない状態から、顧客と対話しながら「何を作るべきか」「どこまで作るべきか」を決め、AI/LLM を活用したソリューションを実際の業務に定着させることがミッションとなります。 具体的には以下のような業務に携わっていただきます。 ・顧客企業の業務現場に入り込み、業務フロー・意思決定プロセス・制約条件を踏まえた課題特定 ・業務コンサルタントやテクノロジーコンサルタントと連携し、AI/LLM 活用の方針・優先度を現場視点で整理 ・顧客業務に最適化された AI ソリューションの構想・PoC 開発を主導 ・プロトタイプを迅速に現場へ持ち込み、フィードバックを反映しながら本番実装まで推進 ・導入後も継続的に顧客と向き合い、業務変化や利用状況に応じた改善・高度化をリード