研修・勉強会あり MLopsエンジニアの求人・転職情報

【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

プロダクト基盤グループでプロダクトマネージャーを担当していただきます。 プロダクト基盤グループは、マルチプロダクト戦略を支える基盤を構築するグループで、プロダクト数や領域拡大に伴う課題解決やスケーラビリティの向上、プロダクト間のデータやプロセス連携のための開発を担当します。 具体的には以下のようなプロダクトを開発しています。 ・権限基盤 ・課金基盤 ・従業員データ基盤 ・各プロダクトに散在するデータの集約と活用API基盤 SmartHRにおけるプロダクトマネージャーの役割は、「何を作るか」「なぜ作るか」の2点に責任を持ち、開発チームと協働しながらユーザーにプロダクトを届けることです。 具体的には以下のような業務を担当していただきます。 ・共通基盤のプロダクトビジョンや目標、ロードマップの策定 ・新規の共通基盤や連携機能の企画や設計、推進 ・既存の共通基盤やAPI改善のための企画や設計、推進 ・解像度を高めるためのディスカバリー(ヒアリングやデータ分析など) ・メトリクス設計・データ分析 ・各プロダクトチームと認識を揃えるためのドキュメント作成やコミュニケーション、調整 なお、以下のような業務はプロダクトマネージャーの役割に含まれません。 ・事業計画の策定や予算の管理 ・開発メンバーの人的マネジメント ・キャンペーン設計や広告出稿などのマーケティング業務 ・サービスサイトやLPなどのウェブディレクション業務 ・ヘルプページやユーザー向け学習コンテンツの作成 ※業務内容変更範囲:会社の定める業務

●組織としての担当業務 データを力に顧客と開発者の体験を革新しソニーの感動創造に貢献する。そのために、ソニーの製品・サービスから収集される様々なデータの収集基盤、AIへのデータ活用、分析環境の開発運用を行う業務です。 社内外の各種データとも連携し、AIや分析に必要となる膨大なデータを柔軟かつ高速に扱うデータ収集分析基盤の開発と運用を通じて、ソニーの新しい顧客体験と開発者体験を一緒に創っていきましょう。 ●担当予定の業務内容 ・各種ログや顧客データを収集し分析を行うデータレイク・分析環境の開発運用 ・高度分析のためのAI/MLや新たな分析環境の開発/検証と導入 ・データをリアルタイム処理し個人最適化に活用可能なシステムの開発運用 ・リーダー職の場合は、国内外の関係者との技術検討、チームリーディング業務を含む

●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。

GOのデータ基盤では、3,500万ダウンロードのタクシーアプリ『GO』のデータなど、1日に10億レコード規模のデータを収集し、活用しています。 データの主な活用方法は二つあります。 一つはデータプロダクトの開発であり、データをもとにAIや高度なアルゴリズムを開発しタクシーアプリ『GO』に機能として組み込んでいます。 もう一つは意思決定支援であり、約30名のデータアナリストやデータサイエンティストがデータ分析し、その結果を元にビジネス担当やプロダクトマネージャがプロジェクトの効果測定や意思決定をしています。 本ポジションは、このデータ基盤を支えるデータエンジニアです。 仕事内容 データ基盤とデータプロダクトの実行基盤を担当いただきます。 ●データ基盤 ・大規模な車両データをDataflow等を用いてBigQueryに収集 ・3,500万ダウンロードのアプリケーションのDBとログのデータをBigQueryに収集 ・地図を始めとした外部データをデータ基盤に収集 ・データ加工バッチの開発・運用、Google Cloudの様々なサービスを用いて実現 ・StreamlitやLookerなど分析ツールのホスティング ・100人規模の利用者の管理、セキュリティコントロール ●データプロダクト実行基盤 ・タクシーアプリ『GO』でAIや高度なアルゴリズムを用いたデータプロダクトの実行基盤を設計・開発・運用 ・データサイエンティストの開発支援 ・AIモデルの学習バッチや、本番での推論サービング ・高性能かつ高可用性を担保するための設計・実装・システム運用 ・24/365のオンコール体制(待機なし・システム障害時に当番順にコールがあり対応) ●業務内容の変更範囲 会社が指定する業務全般 開発環境 ●データ基盤 ・データストア: BigQuery ・ETL: Dataflow, 独自開発(Python) ・SQLフレームワーク: Dataform ・ワークフローエンジン: Cloud Composer(Airflow) + GKE ・メタデータ管理:Dataplex ・その他ツール: Streamlit, Kepler.gl, Kubeflow ・言語: Python ●データプロダクト実行基盤 ・データストア:Redis, AWS Aurora(MySQL, PostgreSQL) ・実行基盤:AWS:AKE etc ・言語: Go, Python ・モニタリング: Grafana, Sentry ・その他ツール:Feast ●開発環境 ・LLM: Github Copilot, Claude code, gemini, MCPs etc ・IDE: VS Code etc ・CI / CD: GitHub Action ・VCS: GitHub ・その他 Google Workspace, Slack 所属組織 AI技術開発部 データプラットフォームグループ:4名 ※関連チーム ・データサイエンティスト:20名 ・データアナリスト:8名 ・データアーキテクト:5名

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

デジタル推進統括本部 クロスドメインプラットフォーム本部 クラウド管理部にて、クラウド環境の最適化、マルチクラウドソリューションの企画・実行をお任せします。 <具体的な業務内容> ①クラウド環境のプラットフォーム最適化(要件定義・設計・構築・運用・テスト) ・既存IaaS・PaaS環境からのクラウドネイティブ化対応 ・サーバーレス/コンテナ/マイクロサービスなどを活用したクラウドネイティブ技術の実装 ②マルチクラウドソリューションの企画・推進 ・AWS/Azure等の強みを活かしたプラットフォーム設計と活用戦略立案 ・グローバル拠点を含めた導入展開・標準化・セキュリティ施策の推進 ③クラウド環境上の生成AI環境構築 ・企業プラットフォームからMCP等を活用したLLM連携の構築・活用検証 ・トラストモデルの検証 ・技術強化部門へPoC環境提供 ④プロジェクト運営 ・グローバルプロジェクトのPM/PL/PMO等の各役割に応じたリード ・プロジェクト進捗管理、課題管理、コスト管理、リスク管理、ステークホルダ管理 等 ・プロジェクト会議アレンジ、ファシリーテート、資料作成 等 <現状推進しているプロジェクト> ・マルチクラウド間データ連携基盤の構築 ・クラウド基盤エンタープライズアーキテクチャのグランドデザイン、標準化 <対象クラウドについて> 日立ハイテクグループを対象にしたクラウド基盤、もしくは日立グループを対象にしたクラウド基盤となります。 ボリュームとしては日立ハイテクグループを対象にしたクラウド基盤が多くを占めており、こちらの基盤構築・管理がメインとなります。 日立グループ全体を対象にしたクラウドを使用する場合は、日立製作所や他グループ会社とも連携をとりながら業務を進めていくため、大規模なプロジェクトの推進経験をすることができ、与えるインパクトが大きくやりがいを感じることができます。 ※業務の変更範囲※ 会社の定める業務 ※転勤:茨城県勝田市、および山口県下松市の工場にデジタル推進統括本部のIT部門があるため、ローテションによる転勤の可能性があります。

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

【プロダクト】 テックタッチ(既存プロダクト × 生成AI組み込み) システム導入だけで終わらせない、利活用のためのDXを推進するAI型デジタルアダプションプラットフォーム(DAP)「テックタッチ」。 あらゆるWebシステムの画面上に、操作ガイドやナビゲーションを表示させることで、すべてのユーザーが迷わず・間違わずにシステムを使いこなすことができる世界を目指すプロダクトです。 すでに多くの企業で利用されている本プロダクトに、生成AI機能を組み込む開発が進行中です。 既存プロダクトへのAI組み込みには、新規開発とは異なる難しさがあります 既存ユーザーの業務に影響を与えないよう、AIの出力品質を担保する必要がある 確立された品質基準に、AI特有の「確率的・非決定論的な振る舞い」の評価観点を追加していく 予測困難なAIの出力が、既存機能やユーザー体験と整合するかを検証する こうした課題に対応するため、AI精度評価の仕組みを構築していくフェーズにあります。 ★テックタッチの技術力と信頼 操作ガイドやナビゲーションをノーコードで作成することができる(開発部門を介さないユーザーの体験改善を実現) システムの特性やクライアントごとのルールに応じた設定/メンテナンスを簡単にした技術力 エンタープライズ企業を中心に、SaaS企業や自治体など、幅広い顧客への導入実績 新規プロダクト・その他 上記以外にも、立ち上げ初期の新規プロダクトや、AI/生成AIを活用した機能開発が複数進行中です。 詳細は選考時にお伝えします。 【主な業務内容】 プロダクト横断で、全社のAI精度評価の基準・プロセスを整備していきます。 1.プロンプト・設定の最適化(AI Accuracy) 「AIが賢く、期待通りの回答をすること」を追求します。 全社共通の評価フレームワークを構築し、各プロダクトに適用します。 評価基準の策定 プロンプトエンジニアリング 評価データセットの構築 2.品質保証プロセスの構築(Process & Strategy) 開発ライフサイクル全体におけるAI品質保証の「仕組み」と「ロードマップ」を策定し、各プロダクトチームへ展開します。 シフトレフト/シフトライトの実践 フィードバックループの構築 ロードマップ策定 3.全社横断での標準化推進 評価ガイドラインの策定 ナレッジ共有 評価基盤の整備

評価ソリューション開発部において半導体用計測検査装置のアプリケーションソフトウェア開発を担っていただきます。主に検査・計測装置が出力する画像やデータを活用し、顧客に価値を提供するソフトウェアの開発を行います。顧客の業務を理解して課題を推定し、顧客と共にスピーディーに課題解決を行うやりがいのある仕事です。 顧客の製品開発のために当社製品でどのようなことができるか、どのようなアプリケーションを搭載したら顧客ニーズにマッチするのか等、顧客の開発プロセスに合わせたソリューション開発、創生や技術の方向性の見極めを行います。 【職務詳細】 米国、中国、台湾、韓国をはじめとした大手半導体メーカーやパワーデバイスメーカー等で稼働している当社装置が顧客の課題解決に貢献できるよう、 ソフトウェアの開発を行います。担当する業務によって、ニーズ・課題を顧客にヒアリングし、課題解決に向けたアプリケーションの創生を行う場合と、画像や計測データを用いた測長やパターン認識等のアルゴリズム設計・実装を中心に業務を行う間合いがあります。 【開発環境】 言語: C, C++, C#, Python, Rust, TypeScript 環境: Linux、Windows 【開発の流れ/棲み分け】 顧客となる半導体メーカーや、自社現地法人からの要求やニーズを聞き取り、要件定義、仕様レビューを行い設計仕様書を仕上げます。 実装、単体テスト、実機テストを行い、品質保証部門による認定を受けて製品化します。 新製品開発の過程では、顧客との共同開発を行い場合が多く、短期間でプロトタイプを実装、提供して評価とフィードバックを受けながら仕様を固めていくアジャイル開発手法も適用します。 【プロジェクトに関して】 1回納入して終わりではなく、継続サポート型のソフトウェアである特性上、機能追加を順次行っていきます。 また、提供サイクルについては短いもので1か月、大半は半年～1年ほどとなります。 【補足/先端技術導入に関して】 画像処理、データ処理については、AIや深層学習などの先端技術の導入を積極的に推進しております。 開発業務の生産性向上、業務効率改善を目的として、生成AIなどの技術導入も進めております。

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。

ヘルスケア事業統括本部の診断システム事業部、あるいは、治療システム事業部にて、SE(システムエンジニア)・ソフト機能設計者・ソフト開発者・ITデジタル品質保証の中からご希望、ご経験に応じた適性業務を選考の中で確認させていただきます。各適性職務の役割は以下です。 ●医療×DXのサービス企画・推進:単純な要件定義から設計構築のSI業務だけではなく、診断・治療プロセス全体の課題分析を行い、医療DXを推進するための企画立案から病院支援までを担います。 ●デジタル治療ソリューション開発:放射線治療装置や粒子線治療装置と連携したデータ活用基盤の設計・開発 AIを活用した治療計画支援・治療品質向上技術、治療装置効率利用ソリューションの開発 ●システム設計とソフト開発:医療情報システムの設計・開発を行い、品質・安全・法規制を考慮しながら、AI・デジタル技術を活用した業務効率化と医療の質向上を支援。 ●データ管理と分析:患者データや医療データの管理・分析を行い、AIを活用した医療の質向上や診療の最適化に加え、開発・運用の効率化や新たな医療サービス創出に貢献。 ●セキュリティ対策:ネットワーク接続された医療データのセキュリティを確保し、個人情報の保護を徹底。 ●システム統合:異なる医療機関やシステム間でのデータ共有をクラウド環境で円滑に行うためのシステム統合を担当。 ●ユーザーサポート:医療従事者がシステムを効果的に利用できるように、伴走しながら検査室や病院の課題解決を支援。 「診断×治療×デジタル」の実行チームの一員として、AIやデジタル技術を活用した医療分野における革新的なソリューション(デジタルソリューション、サービスソリューション、ホスピタルソリューション)の開発に取り組んでいただきます。また、医療従事者の困り事と課題の解決に繋げるため、世界トップクラスの技術を活かした挑戦により、社会貢献を解決していくソリューション開発のプロジェクトに参加していただきます。 ●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

【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/)

「AI開発部」でAIプロダクトマネージャーを担当していただきます。 AI開発部は各プロダクトチームと連携しながら、AIを用いた機能を実験、実装、運用するチームです。将来的には学習パイプライン、各プロダクトで横断的に利用するデータ基盤の整備など、ML/LLMOpsにも取り組みます。 現在は具体的に以下のようなテーマに取り組んでいます。 ・他社プロダクトとのデータ連携の効率化 ・書類からのデータ入力の効率化 ・タレントマネジメント関連データの分析高度化 AIプロダクトマネージャーの役割は、各プロダクトの解決しなければいけない課題を理解し「何をつくるのか」「なぜつくるのか」に責任を持ち、開発チームと一緒に「どのようにつくるか」「どう実現するか」を考え、推進していくことです。 具体的には以下のような活動を行います。 ・各プロダクトチームと認識を揃えるためのドキュメント作成やコミュニケーション、調整 ・中長期ミッション達成のためのチームの目標やロードマップの作成 ・新規のAIを利用したソリューションの企画、実験計画、推進 ・既存のAIを利用したソリューションの企画、実験計画、推進 ・共通モジュール、データパイプライン整備のための企画や設計、推進 ※業務内容変更範囲:会社の定める業務

ミッション 「テクノロジーの力で産業構造を変革する」 お客様の抱える経営課題/事業課題を、機械学習(LLM含む)・統計・数理最適などデータサイエンスの力を駆使することで根本から解決へ導きます。 そのために、本ポジションでは、プロジェクトマネージャなどのビジネスサイドやエンジニアと密に連携しながら、要件定義・技術選定・モデル開発・運用まで、一連の流れを率いていただきます。 また、組織全体のパフォーマンスを最大化するため、メンバー育成やカルチャー醸成など多方面でリーダーシップを発揮し、ABEJAが描く未来を共に創っていただきます。 業務内容 プロジェクトマネージャやエンジニアと連携しながら、様々なデータサイエンス技術を駆使して、お客様の経営課題/事業課題を解決に導いていただくポジションです。 グループ全体のアウトプットが顧客満足に繋がるよう、シニアメンバーと共にその品質向上に務め、価値提供に向けて必要なアクションを取っていただきます。 ●データ分析、モデル作成データ要件の整理、技術スタック選定 ・データの前処理、EDA、可視化 ・最適な手法の調査・選定 ・モデルの作成、精度・性能評価 ・ディープラーニングを含む機械学習(画像・自然言語・構造化データ) ・大規模言語モデル(LLM)の活用(学習、推論含む) ・統計解析・因果推論などの統計モデリング ・数理最適化などの数理モデリング ●エンジニアと連携したモデルの商用実装 ・定期的なモデルのパフォーマンス評価、パフォーマンスの維持・向上(ML ops / LLM ops) ●提案活動、提案内容レビュー ・受注前のプロジェクトにおける顧客との折衝、プロジェクトの要件整理 ・整理した要件に基づく、提案内容のレビュー、実現可否判断 ・提案を魅力的にするための最新技術知見を踏まえた示唆だし ●技術の横展開・技術ブランディング ・実装ロジックの汎用化およびプロダクト化 ・技術ナレッジの公開(論文投稿・学会発表・勉強会登壇・Meetup、テックブログ等)

具体的な技術に関する情報は「歴史に残る模範的なソフトウェアを作ろう(https://hello-world.smarthr.co.jp/)　」をご覧ください。 ●役割 SmartHRのAI開発基盤ユニットは、全プロダクトのAI開発を支援する横断組織として新設されます。 このポジションでは、チームの立ち上げを技術面・組織面の両軸でリードし、各プロダクトチームが安心してAI機能を開発できる共通基盤を作り上げることが期待されています。 AIを組み込んだプロダクト開発が当たり前になりつつある今、可用性・セキュリティ・運用性を考慮した基盤設計は、事業成長の速度を左右する重要な要素です。 コンテキスト基盤やLLM Gateway、認証・認可の仕組みなど、個々のチームが解決しきれない課題を抽象化し、全社に届ける役割を担うのがこのポジションです。 要件定義から関係者との合意形成、実装・運用まで主体的に動ける方に、SmartHRのAI基盤の未来を一緒に描いていただきたいと考えています。 ●具体的な業務内容 入社直後は、マネージャーやAI開発部の仲間のサポートを得ながら複数のプロダクトチームと対話し、AI開発基盤の大きな方向性・要件を関係者と合意していくことからスタートする予定です。 現場の実態を正確に把握し、中長期の計画に紐づく形でチームのロードマップを描いていただきます。 技術的には、LangfuseをはじめとするLLMOpsツールの本格運用設計、コンテキスト基盤やLLM Gatewayのアーキテクチャ設計・実装など、横断的に影響を持つ仕組みの構築が主な業務です。 入社3ヶ月以内にはMVPとなる取り組みに着手し、2027年にかけてチームを最大5名規模へと拡大しながら、基盤全体のオーナーとして開発・運用を推進していただくことを期待しています。 コードを書く割合は状況に応じて変動しますが、プレイングマネージャーとして手を動かしながらチームをリードしていただきます。 ●開発規模・開発体制 チーム規模 新設チームのため現在0名 2027年にかけてプレイングマネージャー1名+メンバー4名、最大5名体制を目指す予定 開発体制 複数のプロダクトチームと連携しながら、共通基盤の要件定義〜設計〜実装〜運用を一気通貫で担う AI開発部の既存プレイングマネージャー・マネージャーとのサポート体制(ゼロからの立ち上げでも安心して取り組める環境) ●事業概要 SmartHRは「well-working 労働にまつわる社会課題をなくし、誰もがその人らしく働ける社会を作る。」をミッションに掲げ、クラウド人事労務ソフト「SmartHR」を開発・提供しています。 今後、SmartHRが目指すのは「人事労務の効率化ツール」ではなく、日本の働き方そのものを変える社会インフラです。給与・勤怠・タレントマネジメントを横断する「人的資本経営プラットフォーム」への進化を挑戦し、企業が「人」に投資できる社会の実現を目指しています。 数百万人のユーザーに支えられるプロダクトがすでにありながら、日本全法人へのカバー率はまだ数パーセント。解くべき課題の広さは、市場の広さそのものです。2030年に売上1,000億円を目標に掲げ、「日本全体の企業とそこで働く人々の当たり前を変える」という大きな挑戦に挑んでいます ●現在取り組んでいる、または今後取り組みたい課題 LLMOpsの整備(LLMの運用管理・モニタリング・バージョン管理の仕組み化) コンテキスト基盤の構築(各プロダクトが共通利用できる情報基盤の設計) LLM Gatewayの整備(全社横断でのLLMアクセス制御・コスト管理) 認証・認可の実装(AIエージェントを安全に運用するための権限管理設計) ガードレールの整備(AIの安全な利用を保証する仕組みの構築) ●配属先 AI開発本部 / AI開発部 / AI開発基盤ユニット / プレイングマネージャー 業務内容変更範囲 会社の定める業務 ●参考情報 AIでSaaSは死なないし、業務システムをAIで内製化してはいけない(https://real.smarthr.co.jp/articles/times_serizawa_0008) 「人的資本経営プラットフォーム」へ進化。2030年売上1000億円を目指し、新たな事業戦略を発表(https://smarthr.co.jp/news/press/20250603_jigyousenryaku/) 2030年に向けた事業戦略─CEOが語る「働く人を支えるインフラ」への挑戦 - YouTube(https://www.youtube.com/watch?v=isrl9YdOjgQ) ●参考資料 SmartHR 会社紹介資料 / We are hiring(https://speakerdeck.com/smarthr_pr/smarthr-company-introduction1) エンジニア採用サイト(https://hello-world.smarthr.co.jp/ SmartHR Tech Blog(https://tech.smarthr.jp/) SmartHR プロダクトデザイン(https://note.com/smarthr_co/m/m0b87dcc52cb0) SmartHR note(https://note.com/smarthr_co) GPTW Japanの「働きがい認定企業」に選出(https://smarthr.co.jp/news/press/27057/)

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。

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

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