JAPAN AI株式会社
【JAPAN AI】AI ソリューションエンジニア (FDE)
・顧客課題の発見・設計
顧客の業務プロセス・データ環境・既存 SaaS 群の全体像を深く理解し、AI で解決すべき課題を特定
AI がどう介入すれば効率化・最適化できるかを設計する
利害関係者 (経営層〜現場担当者) との関係構築・調整
課題の構造化・仮説構築・ソリューション提案
・ワークフロー構築・PoC の高速実装
JAPAN AI STUDIO を活用した業務ワークフローの構築 (稟議承認、リソース最適配置、見込み顧客探索、データ連携 等)
LLM / AI エージェントを活用した軽量 PoC の高速実装
顧客の既存 SaaS (SmartHR / Salesforce / HRMOS / 楽々精算 等) との API 連携・データ統合
フルスタック開発 (バックエンド + フロントエンド)
・本番導入・伴走
本番導入の技術支援・運用設計
セキュリティ・コンプライアンス要件への対応
導入後の利用定着支援・改善提案
・プロダクトフィードバック
顧客フィードバックのプロダクトチームへの還元
新規ユースケースの発見・提案
プロダクト改善に繋がるパターンの抽出・体系化
【業務シナリオ例】
※以下は想定される業務シナリオの例です
● シナリオ 1 : 製造業の「SaaS 疲れ」を解消する企業の脳の構築
従業員 500名の製造業の顧客。
SmartHR / 楽々精算 / kintone / Salesforce を個別に運用しており、部門間のデータ連携は手作業で行われている。
現場ヒアリングで「月末の経費精算に 1人あたり 2時間かかっている」「営業が受注情報を 3つのシステムに手入力している」という課題を発見。
JAPAN AI STUDIO で各 SaaS を API 連携し、経費精算の自動承認ワークフローと受注データの自動連携エージェントを 2週間で構築。
月間 400時間の業務削減を実現し、他部署への展開 (アップセル) に繋げる。
● シナリオ 2 : 金融機関の 24時間見込み顧客探索エージェント
地方銀行の法人営業部門。
営業担当者が手動で企業情報を調査し、アプローチリストを作成している。
1件あたり 30分かかり、1日 10件が限界。
JAPAN AI STUDIO で企業データベース・ニュースフィード・決算情報を統合し、AI エージェントが 24時間体制で見込み顧客を探索・スコアリングするワークフローを構築。
営業担当者は毎朝、AI が優先順位付けしたアプローチリストを受け取るだけの状態に。
アプローチ数が 3倍に増加し、受注率が 15% 向上。
● シナリオ 3 : 小売業の稟議承認プロセスの AI 化
全国 50店舗を展開する小売業の顧客。
店舗からの発注稟議が紙ベースで、本部での承認に平均 5営業日かかっている。
現場観察で「承認者が出張中に稟議が滞留する」「過去の類似稟議を参照できない」という課題を特定。
JAPAN AI STUDIO で稟議データを構造化し、AI が過去の承認パターンを学習して一次判断を行うワークフローを構築。
承認リードタイムを 5営業日から 1営業日に短縮。
この成功事例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
顧客の業務プロセスを解体し、AI を前提とした「次世代の基幹システム (企業の脳)」を実装する
顧客の現場に深く入り込み、既存 SaaS 群の全体像を把握し、AI がどう介入すれば効率化・最適化できるかを設計する。
JAPAN AI STUDIO を活用し、現場が実際に使えるワークフローを爆速で構築する。
その過程で得た知見をプロダクトチームにフィードバックし、プロダクトそのものを進化させます。
顧客の現場で発見された課題やユースケースが、直接プロダクトロードマップに反映されます。
●AI ソリューションエンジニアについて
AI ソリューションエンジニアは、Palantir 社が確立した FDE (Forward Deployed Engineer) を、AI エージェント時代にアップデートしたポジションです。
顧客の最も困難な業務課題を、AI と自社プロダクトを武器に解決します。
・SIer / SES でのエンジニア
受け取った仕様書通りに実装する
客先常駐で開発リソースを提供する
多重下請け構造の中で顧客と距離がある
特定領域・特定技術の深掘り
・本ポジション
顧客と直接対話し、課題を発見して仕様を自ら定義する
自社オフィスを拠点に、自社プロダクトで顧客課題を解決する
経営層から現場担当者まで、顧客と直接信頼関係を築く
フルスタック × AI × ビジネス理解
受託開発でも客先常駐でもありません。
顧客現場で課題を発見し、軽量な PoC を高速実装し、本番導入まで伴走する。
その過程で得た知見がプロダクトを進化させます。
●期待する役割について
顧客の業務プロセスとデータ環境を深く理解し、JAPAN AI STUDIO を活用して課題解決を実装・導入するエンジニアです。
・顧客の既存システム (SaaS 群) の全体像を把握し、AI がどう介入すれば効率化・最適化できるかを設計する
・JAPAN AI STUDIO を活用し、現場が実際に使えるワークフロー (稟議承認、リソース最適配置、見込み顧客探索 等) を爆速で構築する
・PoC を本番環境へ導入し、利用定着まで伴走する
・現場で得た知見をプロダクトチームにフィードバックし、プロダクトを進化させる
・経営層から現場担当者まで、多様なステークホルダーと関係を構築する
●成果責任 (KR/メトリクス)
FDE の動きがプロダクトの成長 (ARR) に直結する設計です。
・先行指標 (行動とアウトプット)
STUDIO での新規ワークフロー構築数 — 顧客の課題をどれだけシステム化できたか
SaaS 連携数 — 顧客の既存 SaaS を JAPAN AI に接続した数 (= 企業の脳の「視界」が広がった数)
デプロイ速度 — 要件定義から最初の AI エージェント稼働までのリードタイム
・遅行指標 (事業と顧客へのインパクト)
アクティブ利用率 (MAU / DAU) — 構築した AI ワークフローが、現場で実際にどれだけ使われているか
顧客の業務削減時間 / ROI — AI 導入によって浮いた工数や、受注率向上などの実数
アップセル・クロスセル額 — 初期導入拠点から、他部署や地方拠点へ展開したことによる追加売上
●チーム体制
約120名が開発組織に在籍しています。
チームは現在6名で、以下のチーム・ステークホルダーと密接に連携します:
Product Architect — プロダクト設計
Agentic Engineer — エージェント機能開発
AI Success Engineer — 導入後の顧客成功支援
Deployment Strategy — 顧客への導入戦略・展開推進
●開発環境
言語 : Python (バックエンド) , TypeScript / React / Next.js (フロントエンド) / NX
AI/LLM : LangChain, LangGraph, JAPAN AI STUDIO SDK
インフラ : GCP (コンテナ / K8s) , Docker
データ : BigQuery, PostgreSQL, 各種顧客データソース
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
