【JAPAN AI】AI Success Engineer
Google Cloud Platform(GCP)
●技術オンボーディング・トレーニング
FDE から引き継いだ導入済みワークフローの技術オンボーディング設計・実施
顧客の業務ワークフローに合わせた AI 活用方法の設計・提案
トレーニング資料・ベストプラクティスの作成・提供
●利用定着・ROI実現
成功指標 (KPI) の設計と定期的なROIレビュー
利用状況モニタリングとプロアクティブな改善提案
利用データのダッシュボード構築・定量分析による課題の早期発見
プロンプト最適化・エージェント設定の改善支援
評価基盤 (eval) の運用支援・品質改善
●テクニカルサポート・問題解決
レポートされた問題の技術的調査・根本原因分析
テクニカルサポートのエスカレーション対応
API/SDK/インテグレーションに関する技術支援
セキュリティ・ガバナンス・コンプライアンス対応
●プロダクトフィードバック・拡大展開
顧客フィードバックの収集とプロダクトチームへの還元
拡大展開 (アップセル/クロスセル) の技術支援
新規ユースケースの発見・提案
【業務シナリオ例】
● シナリオ 1 : SaaS 横断ワークフローの利用定着支援
FDE が製造業の顧客に構築した「経費精算自動承認ワークフロー」(楽々精算 → SmartHR 連携) の導入後、利用率が伸び悩んでいる。
利用データを分析し、「現場作業者がスマートフォンから使いにくい」「承認結果の通知が遅い」という課題を特定。
モバイル向けの利用ガイドを作成し、通知設定を最適化。
さらに、現場向けトレーニングを実施。
利用率が 2倍に改善し、月間 400時間の業務削減効果を可視化して経営層に報告。
● シナリオ 2 : 「企業の脳」の ROI 可視化と全社展開
FDE が金融機関の 1部門に構築した「見込み顧客探索エージェント」の導入後、ROI レビューを実施。
アプローチ数 3倍、受注率 15% 向上という成果を定量化し、経営層向けレポートを作成。
この成果をもとに、他の 5部門への全社展開の意思決定を支援し、アップセルに貢献。
展開先の各部門に合わせたプロンプト最適化とエージェント設定の調整を実施。
● シナリオ 3 : ワークフロー品質改善のフィードバックループ
小売業の顧客が JAPAN AI AGENT を活用した「稟議承認 AI」で、回答精度に関するフィードバックが増加。
eval 基盤を活用して回答品質を定量分析し、特定の稟議カテゴリで factuality スコアが低いことを特定。
プロンプト最適化とナレッジベースの改善を提案し、回答精度が 15% 向上。
この改善パターンをプロダクトチームにフィードバックし、JAPAN AI AGENT の標準テンプレートとして全顧客に展開。
●ミッション
「企業の脳」が定着し、成果を出し続ける状態を作る
AI プロダクト導入後の顧客成功を技術面から最大化し、利用定着・拡大展開・ROI 実現を推進する。
●AI Success Engineerとは
AI Success Engineerは、OpenAI社やDatabricks社が確立した職種で、AIプロダクトの導入後に顧客の成功を技術面から支援するエンジニアです。
従来のカスタマーサクセスやテクニカルサポートとは異なり、AIプロダクト特有の課題 (プロンプト最適化、eval設計、利用データ分析、ワークフロー改善) を技術的に解決する専門職です。
従来のカスタマーサクセス | AI Success Engineer
利用状況のモニタリング・報告 | 利用データを分析し、プロアクティブに改善提案
機能の使い方を説明する | AIの使い方を設計し、業務ワークフローに組み込む
問い合わせに対応する | 問題の根本原因を技術的に特定・解決する
チャーン防止 | ROI実現・拡大展開の推進
●FDE との分担
FDE | AI Success Engineer
課題発見→PoC→本番導入 | 導入後の定着→活用拡大→ROI 実現
「企業の脳」を実装する | 「企業の脳」が成果を出し続ける状態を作る
新規ワークフローの構築 | 既存ワークフローの改善・最適化
顧客の未来を発見する | 顧客の成功を証明する
●期待する役割について
AI Success Engineer として、顧客の AI プロダクト導入後の成功を技術面からリードしていただきます。
FDE が構築した「企業の脳」のワークフローが現場で実際に使われ、成果を出し続ける状態を作る
顧客の業務部門・IT 部門と密接に連携し、AI プロダクトが実際の業務で成果を出し続ける状態を作る
顧客の IT 部門・開発チームと協働し、API 連携やデータ統合の技術支援を行う
利用データの分析に基づくプロアクティブな改善提案を行う
レポートされた問題の技術的調査・根本原因分析を行い、エスカレーション対応をリードする
顧客フィードバックをプロダクトチームに還元し、プロダクトの進化に貢献する
●成果責任 (KR/メトリクス)
顧客ヘルススコア (利用率、API呼出数、アクティブユーザー数)
チャーン率 ≤ 目標値
拡大展開率 (アップセル/クロスセル貢献)
顧客NPS ≥ 目標値
技術サポートチケット解決時間 (MTTR)
●チーム体制
約120名が開発組織に在籍しています。
AI Success Engineerは以下のチーム・ステークホルダーと密接に連携します:
FDE — 導入フェーズからの引き継ぎ
Deployment Strategy — 顧客への導入戦略・展開推進
プロダクトチーム — フィードバック還元
サポートチーム — エスカレーション対応
●開発環境
言語 : Python (自動化・分析), SQL (データ分析)
AI / LLM : JAPAN AI STUDIO SDK, プロンプトエンジニアリング, RAG
データ : BigQuery, Looker, Pandas
インフラ : GCP, Docker (基礎理解レベル)
ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion
AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin
作業環境 : Mac (Apple Silicon), デュアルモニタ対応
