MLopsエンジニア(機械学習)の求人・転職情報

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。

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

本ポジションの役割 本ポジションでは最新のAI技術を活用し、業務効率化や開発支援ツールの設計・開発を担当します。主に、大規模言語モデル(LLM)やAI支援ツール(Devin、GitHub Copilot Workspace など)の導入・活用を検討し、エンジニアリングの生産性向上に貢献する役割を担っていただきます。 具体的な職務内容 ●AIを活用した開発支援ツールの設計・開発・導入 ●Devin、GitHub Copilot Workspace などの導入検討と最適な運用設計 ●LLMなどの最新AI技術のリサーチ・評価・実装 ●社内エンジニアがAIツールを活用しやすい環境の構築と推進 ●APIやクラウドサービスを活用したAIツールの統合・開発 <開発環境> ・ミドルウェア PostgreSQL, CloudRun, Cloud Pub/Sub, MongoDB, Cloud Storage, Okta, Tailor Platform ・監視 Datadog ・環境構築関連 Docker, docker-compose, Terraform ・言語 TypeScript, Go, Rust ・そのほか GitHub Copilot

DX Solution事業部のAIエンジニアとして、産業特化型のアルゴリズム開発・実装を担当していただきます。 単にモデルを作成するだけでなく、WebシステムやAPIへの組み込みを含めた「社会実装」までを一貫して担えるエンジニアを目指していただきます。 【具体的なタスク例】 ●データ前処理・データセット作成 メンターの指示に基づき、学習に必要なデータ整形(画像のりサイズ、ノイズ除去、テキストの正規化など)を行う。既存の前処理スクリプトを活用・改修し、顧客ごとのデータ特性に合わせた学習用データセットを構築する。 ●アルゴリズムの適用・実装 社内の既存モジュールや、メンターが選定したオープンソースの実装を参考に、今回の課題に適したモデルを構築・実行する。コードをゼロから書くのではなく、既存のベースコードを読み解き、必要なパラメータ変更や部分的な修正を行って動作させる。 ●モデルの学習・評価 指示された実験設定(ハイパーパラメータ等)で学習を回し、評価指標を算出する。学習曲線を確認し、過学習や学習不足が起きていないか等の基礎的なチェックを行う。 ●結果分析・レポーティング 「なぜこの精度になったのか」「どのデータで失敗しているか」を分析し、結果をメンターに報告する。数値結果だけでなく、失敗事例を目視で確認し、次回の実験に向けたデータ改善のヒントを探す。 【開発例】 ●画像認識による非構造化データの自動整理 数百万枚規模の現場写真を対象とした、高精度な画像分類パイプラインの構築・API実装 ●点群データを活用した幾何学的シミュレーション 3Dスキャンデータ(点群)を用いた、巨大部材の輸送経路・干渉チェックアルゴリズムの実装 ●動画解析によるインフラ異常検知システム 車載カメラ等の動画データから、道路や構造物の変状箇所を特定する物体検出モデルの開発 ●ドメイン特化の大規模言語モデル 建設業・製造業など特定のドメインに特化した大規模言語モデルのファインチューニングを行い、ドメイン特化のモデルの学習・推論パイプラインの構築 ●ロボット行動学習 VLA・VLMを用いたロボットの行動制御モデルの最新手法のサーベイと、学習・推論パイプラインの構築 ● RAGを用いた会社独自のエージェント 社内に眠る膨大な技術文書やトラブル事例をベクトル化し、最適な解決策を提示する検索システムの開発 【技術スタック(一例)】 ●AI:Python/Numpy/Pandas/Pytorch/OpenCV ●AI開発ツール:Devin/Claude Code/v0.dev/GitHub Copilot/Gemini

DX Solution事業部のAIエンジニアとして、顧客課題の解決に向けたアルゴリズム選定から、実装、評価、デプロイまでの一連のパイプライン構築をリードしていただきます。 ビジネス要求から逆算して「どの技術を使うべきか」を選定し、自ら手を動かして実装・検証を行うポジションです。 【具体的なタスク例】 ●課題の数理的定式化と論文サーベイ (Research & Design) 顧客の「なんとなくの悩み」を、機械学習で解けるタスク(分類、回帰、生成、最適化等)に落とし込みます。 関連する最新論文(NeurIPS, CVPR, KDD等)を調査し、ビジネス制約(推論速度、コスト、データ量)に合わせた最適な手法を選定します。 ●SOTAモデルの実装と検証 (Implementation) 選定した論文の手法(Loss関数、Optimizer、独自レイヤー等)を、PyTorch等を用いてスクラッチ、あるいは既存実装をベースに再現・実装します。 実際の顧客データを用いて、アルゴリズムの精度検証サイクルを自律的に回します。 ●プロダクションレベルのコード品質担保 (Engineering) 再現性担保のためのモデル学習・推論のパイプラインを構築します。 Webアプリケーションと統合し、実装したアルゴリズムをプロダクション環境へ統合し、アルゴリズムを実際のユーザーに使っていただきます。 推論APIのI/F設計や、Dockerコンテナ化、CI/CDパイプラインへの統合を主導します。 ●ステークホルダーへの技術説明 (Communication) アルゴリズムを適用した結果とその考察、ビジネス上のインパクトを、ビジネス職やクライアントにも伝わる言葉で翻訳し、説明します。 【開発例】 ●画像認識による非構造化データの自動整理 数百万枚規模の現場写真を対象とした、高精度な画像分類パイプラインの構築・API実装 ●点群データを活用した幾何学的シミュレーション 3Dスキャンデータ(点群)を用いた、巨大部材の輸送経路・干渉チェックアルゴリズムの実装 ●動画解析によるインフラ異常検知システム 車載カメラ等の動画データから、道路や構造物の変状箇所を特定する物体検出モデルの開発 ●ドメイン特化の大規模言語モデル 建設業・製造業など特定のドメインに特化した大規模言語モデルのファインチューニングを行い、ドメイン特化のモデルの学習・推論パイプラインの構築 ●ロボット行動学習 VLA・VLMを用いたロボットの行動制御モデルの最新手法のサーベイと、学習・推論パイプラインの構築 ● RAGを用いた会社独自のエージェント 社内に眠る膨大な技術文書やトラブル事例をベクトル化し、最適な解決策を提示する検索システムの開発 【技術スタック(一例)】 ●AI:Python/Numpy/Pandas/Pytorch/OpenCV ●AI開発ツール:Devin/Claude Code/v0.dev/GitHub Copilot/Gemini

DX Solution事業本部において、クライアント企業のDXを推進するWebアプリケーション開発に携わっていただきます。主に、AIソリューションの実装を担います。画像認識AIや最適化アルゴリズムなどを組み込んだ、Webアプリケーションのフロントエンド/バックエンド実装及びインフラ構築などフルスタックな開発をお任せします。 入社直後は、テックリードやシニアエンジニアの指導のもと、設計思想やコーディング規約を学びながら機能実装を担当していただきます。 また、単なる実装作業にとどまらず、クライアントとのMTG参加などを通じて、顧客に近い距離でシステムを構築する経験を積むことも可能です。シニアメンバーの知見を吸収しながら、将来的にはPMとしてのキャリアを目指すこともできる環境です。 【開発例】 ・RAGを用いた社内ナレッジ検索Webシステムの開発:社内技術文書を検索・回答生成するエージェント機能のバックエンドAPIおよびフロントエンド開発。 ・画像認識AIを搭載した写真管理プラットフォームの構築:数百万枚規模の現場写真を高速に処理するデータベース設計・API実装。画像分類パイプラインと連携したWebアプリケーションの開発。 ・動画解析によるインフラ異常検知ダッシュボードの開発:車載カメラ等の動画データを解析し、変状箇所を可視化する管理画面(UI)の実装。解析結果を蓄積・配信するバックエンドシステムの構築。 ・ドメイン特化LLMを活用した業務支援ツールのAPI開発:建設・製造業向けLLMの推論APIの実装、および業務フローに組み込むためのマイクロサービス設計・開発。 【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/GCP AI:Python/Numpy/Pandas/Pytorch/OpenCV AI開発ツール:Devin/Claude Code/v0.dev/GitHub Copilot/Gemini 【ソフトウェアエンジニアポジションの特徴】 ・日本屈指のアルゴリズムエンジニアと連携しながら、最先端AIをソフトウェアに搭載して社会に実装できる。会社としてAIの研究開発で終わらせず、ソフトウェアを通じてリアルな業務で活用されることを非常に重視している。 ・燈でないと解けない産業の難題がある。燈は最先端な技術を産業特化でバーティカルに深めることで、産業の課題を大きく解決している。技術を固定せず、技術応用の幅を持ってきたからこそ、産業や社会を大きく変えるインパクトのある開発ができる。 ・燈のエンジニアは、顧客に徹底的に向き合う。顧客の難題を解くには、技術だけを追求すればいいわけではない。顧客の課題やビジネスを理解するために直接顧客と話すこともある。 ・技術力が高く志も高いメンバーと一致団結をしながら熱量高く働くことができる。経験の浅いメンバーも追いて行かずに助け合う組織。

ご入社後は、データユニットの中核メンバーとして、データ基盤の刷新およびデータ活用戦略の推進をリードしていただきます。中長期的には、事業・プロダクト両軸でのデータ活用を牽引し、技術ロードマップの策定やチーム育成にも関わっていただくことを期待しています。 主な業務内容 ●データ基盤の刷新・標準化の推進 ●データガバナンス・セキュリティ戦略の設計および実装体制の構築 ●サーベイ・レコメンド等のサービス開発における学習ループ設計と基盤整備 ●複数サービス・外部システム連携の共通基盤化とデータ統合の戦略策定 ●技術ロードマップ策定およびPdM・事業側との連携によるデータ活用戦略推進 ●技術育成・牽引 ●Peopleマネジメント 開発環境 ▼バックエンド Rails、Python、TypeScript、Sorbet ▼フロントエンド Vue.js、TypeScript、Next.js、Nuxt、Storybook、Chromatic、Figma ▼インフラ・CI/CD AWS、k8s、Terraform、Datadog、Sentry、Autify、Github Actions、Azure、Docker、Codecov ▼生成AI OpenAI、Cursor、Dify、n8n、AWS Bedrock、GitHub Copilo、Gemini、Claude Code、Devin、Cognitive Search、Streamlit、Azure AI Search ▼コミュニケーション GitHub、Jira & Confluence、Slack、Google WP、Qiita Team、Gather

あずさ監査法人におけるAI関連プロダクトの開発運用を担当していただきます。 あずさ監査法人 Digital Innovation & Assurance 統轄事業部(DIA)は、最先端のデジタル技術やAIを駆使し、会計監査の高度化・効率化や不正の検知・防止、データドリブンな意思決定の実現など、会計監査・経理財務領域のDX(デジタルトランスフォーメーション)を推進しています。 <参考> AX for Trustを実現する　あずさ監査法人の監査DX https://kpmg.com/jp/ja/home/services/audit/digital-audit.html <具体的な業務内容> ●生成AI/大規模言語モデル(LLM)を活用した新規ユースケースの探索および業務課題の特定 ●LLMを用いたPoC(Proof of Concept)の企画・設計・開発 ●技術調査(最新LLM、関連ツール・フレームワーク等)および有効性・実現性の評価 ※業務内容の変更の範囲:全ての業務への配置転換あり

あずさ監査法人における分析ツール・業務支援ツールの開発運用を担当していただきます。 あずさ監査法人 Digital Innovation & Assurance 統轄事業部(DIA)は、最先端のデジタル技術やAIを駆使し、会計監査の高度化・効率化や不正の検知・防止、データドリブンな意思決定の実現など、会計監査・経理財務領域のDX(デジタルトランスフォーメーション)を推進しています。 <参考> ●AX for Trustを実現する　あずさ監査法人の監査DX https://kpmg.com/jp/ja/home/services/audit/digital-audit.html <具体的な業務内容> ●分析ツールの内製開発・運用 (https://kpmg.com/jp/ja/services/audit/digital-audit/addressriskoffraud.html) 　・子会社リスクスコアリング 　・ 証憑改ざん検知 　・不正リスク検知モデル　など ●業務支援ツールの内製開発・運用 　・社内AIツール 　・プロジェクト管理ツール　など ※業務内容の変更の範囲:全ての業務への配置転換あり

事業概要(DXパートナーサービス) 各業界をリードする大手企業と共に、最先端のAI技術を用いたDXプロジェクトの推進やAIを活用した次世代の事業開発を行う事業です。 ACESは、「日本で最も顧客の持続的成果を追求するAIソリューション会社」を掲げ、AIの着実な社会実装と顧客現場への価値創出を実現しています。 特に、日本のAI導入PJが成功率3%と低い中で「データの構造化技術と実業務への組み込み力」を強みに、PoCからの開発継続率を87%で維持している点が特徴です。 最先端のAI技術を顧客と近い距離感でスピード感を持って開発し、社会へ「価値の高いAIソリューション」を提供したい方に最適な環境です。 仕事概要 さらなる事業成長に向け、DXパートナー事業のAlエンジニアを募集します。 AIエンジニアとして自然言語・画像・映像・音声をマルチモーダルに掛け合わせ、大手企業の課題を解決するアルゴリズムの設計・実装をお任せします。 技術だけに閉じずビジネス観点を踏まえた上で、上流から関わっていただくことを期待しています。 将来的には複数のAIプロジェクトをリードする立場として、アルゴリズムの品質保証や内部の技術資産設計にも関与いただく想定です。 様々な業界に対して「技術×ビジネス」の観点で最適なAIソリューションを構築し、社会実装まで繋げられる手触り感の強いポジションです。 具体的な業務内容 ■入社直後の業務 クライアントの事業課題の解決に適したアルゴリズムの設計・実装 クライアントに対する分析結果等のレポート ソフトウェアエンジニアと協業し、ソフトウェアやAPIへのアルゴリズムの組み込み ■将来的な業務 AI導入プロジェクトの技術的なリード └クライアントの課題に応じたアルゴリズムの設計・技術方針策定 └モデル設計・検証のプランニングの妥当性判断および品質担保 └機械学習モデルの社会実装における制約・運用面を踏まえた技術判断 AIアルゴリズムの技術戦略策定 └技術の横展開を可能にする戦略的な技術資産の蓄積方針設計 └再利用性の高い仕組み/オペレーションの構築 (希望に応じて)機械学習エンジニアチームに対するピープルマネジメント

事業概要(DXパートナーサービス) 各業界をリードする顧客企業にと共に、最先端のAI技術を用いたDXプロジェクトの推進やAIを活用した次世代の事業開発を行う事業です。 ACESは、「日本で最も顧客の持続的成果を追求するAIソリューション会社」を掲げ、AIの着実な社会実装と顧客現場への価値創出を実現しています。 特に、日本のAI導入PJが成功率3%と低い中で「データの構造化技術と実業務への組み込み力」を強みに、PoCからの開発継続率を87%で維持している点が特徴です。 最先端のAI技術を顧客のビジネスプロセスに組み込み、顧客や社会に「持続的な価値を提供し続けるAIシステム」を開発したい方に最適な環境です。 仕事概要 さらなる事業成長に向けた組織改革の一環として、DXパートナー事業のAlエンジニアを統括するマネージャーを募集します。 技術責任者として複数のAI導入プロジェクトを横断し、アルゴリズムの品質担保に責任をお持ちいただきます。 顧客課題やビジネス上の制約を踏まえた最適なAIソリューションを設計・実装する、クライアントへの価値提供における根幹を担う役割です。 また中長期的な成長を視野に、技術を横展開していくための技術資産の蓄積方針設計、 蓄積した資産の活用を加速させるためのオペレーション構築など技術戦略面にも関与いただく想定です。 具体的な業務内容 ●AI導入プロジェクトの技術品質担保 クライアントの経営/事業課題に応じたアルゴリズムの設計・技術方針策定 モデル設計・検証のプランニングの妥当性判断および品質担保 機械学習モデルの社会実装における制約・運用面を踏まえた技術判断 ●AIアルゴリズムの技術戦略策定 技術の横展開を可能にする戦略的な技術資産の蓄積方針設計 再利用性の高い仕組み/オペレーションの構築 ●(希望に応じて)機械学習エンジニアチームに対するピープルマネジメント

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。