401k（確定拠出年金）あり MLopsエンジニアの求人・転職情報

生成AIを活用して現場の課題解決を最短最速で実現いただくことを期待します。 急速に進む技術革新の中で、事業・プロダクトの両方の成長に対して主体的に関与し、推進し、意思決定する機会を得られるチャレンジングなポジションです。 ●現場の課題特定とソリューション開発 ・人事、法務、ファイナンス、事業部門などの各現場における業務プロセスに潜む課題の特定 ・特定した課題に対し、AIを中核とした実行アーキテクチャを構築し、PoCに留まらない実装・運用・現場定着までを担う ●全社基盤への統合、昇華 ・部分最適で構築されたAIツール群を横断的に再設計し、社内AIプラットフォームへと統合 ・Rapid Prototypingから本番運用までを一気通貫で担い、AIによる業務実行モデルを構築 ●業務プロセスの再定義(Re-design) ・現場業務をAI前提で再構築し、実行可能な形で実装・定着までを担う ・人とAIの協働を前提とした体験設計および実行フローの最適化 技術環境(全社共通の一例) ・クラウドインフラ 　AWS, Google Cloud, Azure ・コラボレーション 　Google Workspace, Slack, Confluence, Linear, GitHub etc. ・AI関連ツール 　Claude Code, Cursor, GitHub Copilot, Devin, Langfuse etc. ・思考支援・問題解決ツール 　ChatGPT, Gemini, Claude, NotebookLM ・AI 開発プラットフォーム 　Dify, n8n ※業務の変更の範囲:会社の定める業務

●具体的にお任せしたい業務領域は下記になります。 ・人材採用PF開発に関わる業務全般 ・ユーザの利用状況の分析と改善案の提案 ・人材採用PFの新規・既存案件のアーキテクチャ設計および実装 ・人材採用PFの安定稼働に必要な保守運用業務 ●使用技術 ・Ruby on Rails / GraphQL / Protocol Buffers ・React / TypeScript / Nexts.js ・Flutter ・MySQL / OpenSearch / Redis / BigQuery ・AWS / Terraform / Azure OpenAI ※業務の変更の範囲:会社の定める業務

【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

●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

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

機械学習エンジニアは、入札最適化ロジックに関わるエンジニアリング業務を担当します。私たちは、フルサイクルなデータサイエンスチームです。ビジネス課題に対し、データ分析を通した仮説の構築から始まり、プロダクト環境でのA/Bテストまでを行います。 ●具体的に次のようなタスクを担います。 ・入札ログ等を用いた探索的分析 ・入札ログの再設計や外部データの活用 ・CTR/CVR予測モデルなど機械学習モデルの構築 ・数理最適化や制御工学などを用いた入札価格最適化ロジックの構築 ・オンライン実験を含めたプロダクト環境での仮説検証 ・大規模データを活用するための分析基盤および、MLパイプラインの構築・運用 ・学会参加や論文調査による情報収集 ●業務上触れる分野や技術スタック 【分野】 ・機械学習 ・統計学 ・数理最適化 ・制御工学 ・因果推論、計量経済学 【スタック】 ・Python, Kotlin(一部のみ) ・AWS ・dbt, Snowflake ・Prefect ・Terraform ・GitHub ・Slack

●お任せする業務 まずお任せしたいのは、テレシーのビジネスプロデューサーが顧客に向き合う時間を最大化するための、社内AIエージェント基盤の設計・開発・運用です。 AIエージェント基盤の設計・開発・運用 : LLMプラットフォーム(Bedrock, Vertex AI等)やエージェント基盤(LangGraph, CrewAI等)を活用したシステムの構築 評価・改善サイクルの設計 : AIエージェントの応答品質を測る評価指標、テストデータ、改善プロセスの策定 運用基盤の構築 : MCP(Model Context Protocol)や外部APIを統合し、認証・権限管理・監査ログ・ガードレールを含む、安全かつ再利用性の高い運用基盤の設計 可観測性の確保 : エージェントの判断プロセス、コスト、失敗要因のモニタリングと課題解決 業務ヒアリング・要件定義 : BPや社内メンバーの業務課題を理解し、「何をAI化すべきか」「どこに人の判断を残すべきか」を整理・設計 実業務への組み込み : AIエージェントを実際の情報収集・分析・資料作成・提案準備フローへ組み込み、運用・改善まで推進 標準化・プロダクト化 : 個別案件で得られた解決策を抽象化し、複数業務で再利用可能な標準機能・共通アーキテクチャへ展開 ●直近で取り組んでいること セキュアなAI基盤の構築 : 広告・売上・CRM等の機密データを扱うためのローカルLLM環境、ガードレール、権限管理、監査ログを備えた基盤整備 BP業務へのAI実装 : 情報収集、資料作成、分析、提案準備など、顧客提案前後に発生する業務をAIで支援し、提案のスピードと質を高める仕組みづくり ●将来的に取り組みたいこと ・ライトニングMMMのAIエージェント化 : WebUIによる複雑な設定ではなく、自然言語での問いかけから意思決定サマリや推奨アクションを即時生成するUXの提供 ・マーケティングAIエージェントの提供 : 現在、社内メンバーが行っている情報収集、情報整理、分析、戦略立案等の業務をAIエージェント化 ・Human in the loop設計の高度化 : AIによる自動化と、人間による最終判断・ディレクションが最適に融合する業務プロセスの構築 AI活用の標準化・プロダクト化 : 個別の業務改善に留めず、うまくいった仕組みを共通化し、複数のBP・案件・プロダクトに展開できる状態をつくる ●開発環境 ・LLMエンジニアリング : vLLM, OSS LLM(Llama / Qwen / gpt-oss), LiteLLM, RouteLLM, Semantic Router, LangGraph, CrewAI, NeMo Guardrails, Guardrails AI, Promptfoo, Ragas, PostgreSQL (pgvector), Langfuse (Self-hosted), Prometheus, Grafana, Ray 等 ・MLエンジニアリング : JAX, NumPyro, statsmodels, Dagster, Python, MLflow 等 ・データエンジニアリング : Snowflake, dbt cloud, Adverity, fivetran 等 ・インフラ(AI) : AWS, GCP (Amazon Bedrock, Google Vertex AI) ・共通 : Docker, Terraform, GitHub, Slack 単に特定技術を使うだけではなく、AIエージェントを安全に、継続的に、業務の中で使える状態にするための評価・監視・権限管理・ログ設計・ガードレール設計まで含めて取り組みます。 ●参考記事 (外部リンク) ・[テレシー コーポレートサイト](https://telecy.tv/) ・[脳内で、事業の「正解」を描き切る](https://evolution.cartaholdings.co.jp/article-0087/) 　・オウンドメディア『EVOLUTiON』 テレシー社員紹介記事 ・[データドリブンで実現するテレビCM変革!テレシーの取り組みとは?](https://telecy.tv/column/sendenkaigi-mmm-telecyanalytics/) ・[疲労回復パジャマ「BAKUNE」躍進の裏側](https://telecy.tv/column/crosstalk-sendenkaigi-tential/)

●コーポレートセキュリティ 貸与端末のセキュリティ インシデント対応 MS Defenderの運用、改善活動 SOC対応（アラート対応） ●プロダクトセキュリティ 事業子会社向けのセキュリティ対応 開発工程におけるセキュリティ相談 インシデント対応支援 DevSecOps（静的コードスキャン） 各事業子会社やバックオフィスの担当者とコミュニケーションをとりながら、セキュリティリスクに立ち向かうための総合的なサポートをします。 サポートの内容については特定の手法に限ることはなく、担当者個人のセキュリティ専門性の強みを活かした方法を選択していただいて構いません。 総合力を問われることは前提にありつつも、原則としては、セキュリティ技術の専門性や実務経験を基にした活動が求められます。 各現場のセキュリティリスクに立ち向かう上で、ICT本部やCTO室によって管理・運用され全社に提供されている基盤や、過去にセキュリティチームが取り組んだ施策とその成果物などを利用できます。 業務基盤としては、google workspaceを主体とし、認証・認可についてはMicrosoft EntraIDを利用しています。 開発環境はIaaS環境、githubを利用しております。 主なセキュリティツールは ●EDRとしてMicrosoft Defender for Endpoint ●ASMとしてtenable.io ●SIEMとしてSumo Logic ●脆弱性診断として、Burp Suite ●バグバウンティとしてIssueHunt 等を利用しております。 一連のセキュリティ関連業務には、時に技術以外の面で調整が必要な状況に直面する可能性があります。 そのような状況においてはセキュリティチームマネージャーが全力でサポートいたします。 また、ICT本部本部長やICT本部担当役員を通じて、経営陣や外部チームとのコミュニケーションをとることで何らかの調整ができる場合もあります。

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

プロジェクトの技術リードとして、以下の業務を主体的に推進していただきます。 ①データプラットフォームのアーキテクチャ設計・構築 Databricks、Snowflake、およびAWS/Azure/GCPの各種サービスを組み合わせ、最適なデータ分析基盤のアーキテクチャを設計・構築 ② 大規模データ移行プロジェクトのリード オンプレミス環境からクラウドへのデータウェアハウス(DWH)/データレイク移行プロジェクトにおける技術的なリーダーシップ ③技術選定とPoC(概念実証)の実施 プロジェクト要件に基づき、最適な技術やサービスを選定及びその有効性の検証 など 主なクライアント 国内の金融業、製造業、流通業、等々多岐にわたる大手企業がクライアントです。 大手飲料メーカー、大手通信キャリア、大手自動車会社、大手電力会社、大手保険会社、大手信託銀行、大手航空会社、大手家電メーカー　等

【ポジション概要】 世界有数の金融グループであるMUFG(S&Pグローバル,2020年4月)は、3,400万人の個人、100万社の法人のお客さま(MUFGレポート,2024年)のお取引情報をはじめとする膨大なデータを活用し、店舗におけるお客様対応・事務、本部バックオフィス業務も含めた多岐にわたる業務の高度化・効率化のため、画像・音声認識、自然言語処理、ロジック処理などあらゆる形態でAI・MLを活用しています。 三菱UFJ銀行をはじめとする事業部門と至近距離で協働し、ビジネス理解及びデータ分析タスクの設定、モデル構築を主体的に推進し、MUFGのビジネス変革・デジタライゼーション(DX)に大きく貢献いただける方を募集しています。 【業務内容】 (雇入れ直後) ・データ分析テーマの選定、データ分析プロジェクトの企画・推進 ・データ分析業務(設計・構築、データ解析、可視化、データ分析結果の評価等)を通じた業務革新・効率化 ・AIや機械学習を用いたモデル実装、運用を通じた銀行業務高度化 ・データの構造化・加工・分析処理等のデータエンジニアリング ・生成系AIの活用推進・分析への活用 (変更の範囲) 会社の定める業務 【業務内容】※補足 ・データ分析・AIモデル開発に加え、企画〜運用まで一貫して関与 ・ビジネス部門と連携し、課題設定から価値創出まで担うプロジェクト推進 ・不正検知、マーケティング、業務効率化など多様なテーマに対応 ・大規模データ(数千万件規模)を活用した分析・開発 ・MLOps等を用いたモデル運用・改善の高度化 【役割・責任】 ・データ分析案件の担当者として、MUFGの事業部門と協働しビジネス課題からデータ分析タスクの抽出、評価基準策定を支援。 ・データの探索、前処理、モデル構築、モデル評価、プロダクションで稼働しているAIモデルの保守運用 ・エンジニアチームに対する技術的なリーダーシップ提供(ツール・インフラ整備・利用指南・コードレビュー・設計等)、およびコーチング・メンタリング。 【配属想定部署】 データサイエンス部(グループ事業部門・デジタルイノベーション本部配下) 【配属想定部署概要】 ・AI/データサイエンス推進に係る企画・推進・管理・取り纏め(※銀行と協働) ・AI/データサイエンスの人材開発、体制整備 ・データ分析業務 【配属想定部署の人員構成】 約50名が在籍。 若手社員から中堅社員まで幅広く在籍。 ・2022年度、2023年度の中途採用者約10名在籍しており、中途採用者も活躍中 ・20代のメンバーが約4割程度 【おもな関係者】 各業務を所管するMUFG事業部門、社内開発チーム、外部企業等と、マネジメント層・メンバーを問わず、連携いただきます。 また、社内やMUFG全体に対する啓蒙活動や情報発信等を担っていただくため、社内マネジメントとの連携やレポーティング機会も多くあります。 学術機関、外部コミュニティ等との連携も積極的に実施いただきます。 【想定担当案件(例)】 銀行各部門の様々な業務に関連するデータ分析を行っていただきますが、以下のようなプロジェクトに携わっていただきます。 ・セールス部署への顧客動向分析、レコメンデーション提供 ・自然言語処理等を活用した銀行業務高度化 ・生成系AI活用案件 ・金融サービスに係わる不正検知 【インタビュー記事】 https://www.it.mufg.jp/recruiting/career/work/projects.html ・データサイエンス部：[データサイエンスで推進するMUFGのビジネス変革](https://www.bizreach.jp/job-feed/public-advertising/rgpw7g8/)

●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

●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

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。

・情報セキュリティポリシーの策定、実施、アセスメント ・新規IT ツールの調査、評価、導入プロジェクトのリード ・社内簡易ツールの開発、改善、運用 ・社内セキュリティ教育プログラムの企画・実施 一緒に働くチームの特徴 ・プライム上場企業でIT 部門を統括経験があり、IT 戦略・プロジェクト管理に長けたメンバー(40 代後半・男性) ・前職でも部長級でシステム管理、DX ツール導入に取り組んでいるメンバー(30 代後半・男性)

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

Google のクラウド基盤(GCP)を活用し、データを「集める・整える・活用する」までを一貫して支えるデータ基盤の設計・構築・運用をお任せします。 単なるデータ処理に留まらず、AI活用を前提とした基盤づくりを通じて、ビジネスの意思決定を支える役割を担っていただきます。 【具体的な業務内容】 ・GCP上でのデータパイプライン(ETL/ELT)の設計・開発・運用 ・データ収集〜加工〜蓄積〜活用までの一貫したデータフロー設計 ・Vertex AI と連携したデータ基盤(フィーチャーストア/MLOps)の構築 ・データ処理の高速化・コスト最適化(BigQuery等の最適化) ・データ品質の担保、監視・障害対応の仕組みづくり 【業務の進め方】 SREやAIエンジニアと連携しながら、安定して動き続けるデータ基盤の設計・改善に集中していただきます。 高可用性・拡張性・メンテナンス性を意識し、「止まらない・育てられる基盤」をつくることがミッションです。 ●部署説明 2026年4月、当社はAIを単なる「補助ツール」ではなく「プロダクト開発の核」として全社的に統合するため、AI開発を専門とする新組織を設立しました。 これまでの実験的な活用フェーズを超え、サービスのユーザー体験(UX)、エンジニアのコーディングプロセス、そして意思決定の源泉となるデータ基盤にいたるまで、AIを実装レベルで徹底的に組み込んでいくことが私たちのミッションです。 「AIプロダクト」「AIシステム改革」「AIデータ基盤」という3つの専門チームが密に連携し、2026年というAIの進化が加速する転換点において、世界で最もAIを使いこなし、価値を創出し続ける組織を目指しています。 この新たな挑戦のスターティングメンバーとして、未来の開発のスタンダードを共に創る仲間を募集します。 ●入社後のイメージ 現在のデータ基盤の運用をキャッチアップしつつ、並行して新規のデータパイプライン構築プロジェクトを実行していきます。 ●開発環境 社内ツール: Slack, Confluence, Google Workspace AIツール: Claude Code, Codex, Gemini, Devin, Cursor クラウド環境: Google Cloud

～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)

本ポジションは、Sansanの人事領域におけるデータプラットフォームを整備し、採用・配置・評価といったあらゆる意思決定をデータドリブンに進化させる役割を担います。 HCM(人事基盤)やATS(採用管理システム)などのHRツールを軸に、散在する定性データや非構造化データを整備・統合。単なる「データの可視化」に留まらず、AI活用やピープルアナリティクスを支える次世代型基盤への刷新を主導し、「攻めの人事DX」を実現します。 〔具体的な業務〕 ●HRデータプラットフォームの拡張・最適化 ・採用・配置・評価等の意思決定に最適化された統一データモデルの策定 ・BigQuery、GCS、dbt等を用いたスケーラブルなDWHおよびデータマートの設計・構築 ・各種人事ソースシステムからのETL/ELTパイプラインの設計・実装 ●人事業務の再設計(BPR) ・既存業務の自動化にとどまらず、業務プロセス自体の再設計・AIなどのシステムを用いた完全自動化フローを構築 ・AI/LLMを活用したオペレーションの高度化・自動化 ・人事担当者や経営陣のニーズをくみ取り、人事メンバーが本来の業務に向き合う環境を実装 ●データ活用の民主化とガバナンス設計 ・セキュアな権限管理とセルフサービスBI環境の構築 ・非エンジニアでも意思決定にデータを活用できる仕組みの実装 ●開発環境、使用するツールなど ・言語:Python, SQL, Google Apps Script ・データベース・DWH:BigQuery, Google Cloud Storage, Cloud SQL ・インフラ・プラットフォーム:GCP(Cloud Run, Cloud Functions, Cloud Workflows など) ・CI/CD・運用・監視:GitHub Actions, Terraform, Cloud Logging など ※従事すべき業務の変更の範囲:会社の定める業務

業務内容 弊社は現在、データウェアハウス(DWH)を活用した最先端のデータソリューションに注力しており、その戦略の中核を担うデータエンジニアを募集します。DWHを中心としたデータ基盤の設計・構築から、データ活用、さらには高度な分析基盤の構築までを幅広く手掛け、お客様のビジネス課題解決とデジタルトランスフォーメーション(DX)を強力に推進していただきます。 具体的な仕事内容 ●顧客の課題ヒアリングからのソリューション提案、顧客との要件定義 ●データウェアハウス/データレイクの設計・構築・運用・改善 ●BIツールや分析基盤の導入・運用支援、データ可視化 ●データ活用のためのルール整備とセキュリティ強化 使用技術(例) ●クラウドプラットフォーム: AWS (S3, Kinesis, SQS等), Azure (Blob Storage, Event Hubs等), GCP (Cloud Storage, Pub/Sub等) ●データベース: PostgreSQL, MySQL, DynamoDB ●データウェアハウス: Snowflake, Amazon Redshift, Google BigQuery, Databricks ●データ処理基盤: Python, SQL, Java ●ETL/ELT サービス: TROCCO, Fivetran, Talend, dbt, AWS Glue, Azure Data Factory, Google Cloud Dataflow ●BIツール/データアプリケーション: Tableau, Power BI, AWS QuickSight, Looker, Streamlit ●その他: Git, Docker, Terraform メインとなる顧客業界は小売・流通業界となりますが、お客様の課題解決のため、その他の業界のプロジェクトにも積極的に取り組んでいます。 特定の業界経験や深い知識は入社時点では必須ではありませんが、プロジェクトを通じて様々な業界のドメイン知識を習得し、顧客業務への理解を深めていただくことを期待しています。 データエンジニアとして幅広いフィールドで活躍したいという意欲のある方を歓迎します。 顧客課題の解決やプロジェクトの成功を最優先にITプロフェッショナルとして、自身のスキルセットを柔軟に変容させながら、データ技術の進化と共に、自らも成長し続ける意欲のある方をお待ちしています。 ※担当案件によっては当社正社員として、客先企業へ無期雇用派遣となる可能性があります 【変更の範囲※1】 会社内の全ての業務、客先の業務、将来的に出向を実施した場合は出向先の全ての業務(ただし本人と相談の上で決定します) ※1 「変更の範囲」とは、将来の配置転換などによって変わり得る就業場所・業務の範囲を指します。