バックエンドエンジニア（サーバーサイドエンジニア）(RAG)の求人・転職情報

●配属予定部署: クライアント・システム開発事業本部 ●配属予定部署の特色・PR 事業部設立より右肩上がりで成長を続けており、優秀な人材が多く在籍しております。 現在の業務領域としてメーカーなどの製造業の案件が多くを占めておりますが、今後は金融業や小売業、流通、物流、デベロッパーなどの製造業以外の業界も拡大を進めていく方針です。 開発案件の多くがプライム案件となり、お客様と直接折衝する機会も多く、要件定義や基本設計など、開発工程の上流から対応する業務が多く、PM、PL、SMも多く在籍しております。 ※職務内容変更の可能性:有 ※変更の範囲:会社の定める業務 不動産会社、ハウスメーカー、デベロッパー、ゼネコンなどの不動産・建設業向けWebシステム開発プロジェクトにおいて、技術的なリーダーシップを発揮しつつ、プロジェクトやチームの運営をお任せします。 これまで培ったWebシステム開発経験と不動産・建設業務知識を活かし、設計からリリース、さらにはチームマネジメントまでを幅広く担当していただきます。 ・不動産・建設業向け業務システムの要件定義・基本設計・詳細設計 ・顧客(営業部門/情報システム部門)との折衝・課題ヒアリング・改善提案 ・不動産・建設業務知識を活用した業務改善・DX推進 ・担当領域またはチーム(数名～10名規模)の進捗/品質管理 ・技術選定・設計方針の策定およびレビュー ・メンバー指導・育成、コードレビュー ●プロジェクト事例 施工・生産管理系システム: ・大手ゼネコン向け施工現場システムの新規構築(現場の進捗・安全管理をリアルタイムに可視化) ・建材・部材メーカー向け生産管理システムの開発(需要予測と連動した生産計画の最適化) ・複数拠点の見積データを一元化する見積もり自動統合システムの構築(見積工数の大幅な削減とコスト精度の向上) 不動産・ビル運営系システム: ・大型オフィスビル向け就業者サービスの開発(入退館管理、館内サービス予約など就業者体験の向上) ・大型商業施設向けポイントサービスの構築(テナント横断での購買データ活用、来店促進施策の実現) ・ビル管理会社向け自動検針システムの開発(IoTセンサーと連携した電力・水道使用量の自動収集・分析) 不動産・駐車場管理系システム: ・駐車場管理Webシステムの開発・保守(駐車場運営における各機能のリモート管理を実現) ・駐車場事業者向け基幹システムの開発・保守(契約支払および営業支援システムの最適化による、業務効率の向上) ・駐車場会員向けシステム・アプリの開発(個人・法人会員向けサービスの利便性向上と、利用促進施策の実現) デベロッパー・街づくり系システム: ・デベロッパー向け地域オンデマンドサービスの構築(住民の移動・生活を支えるサービス基盤とまちづくりDXの推進) Webフロントエンド / バックエンド開発: ・パブリッククラウドのマネージドサービスを前提としたプラットフォームの構築 ・CI/CDパイプラインによる自動化など、モダンなDevOps環境下での開発 AIエージェント開発: ・生成AIを活用した見積もり自動化・需要予測業務の効率化 ・社内データと連携するRAG環境の構築、施工図面検索・応答エージェントの開発

●配属予定部署: クライアント・システム開発事業本部　 ●配属予定部署の特色・PR 事業部設立より右肩上がりで成長を続けており、優秀な人材が多く在籍しております。 現在の業務領域としてメーカーなどの製造業の案件が多くを占めておりますが、今後は金融業や小売業、流通、物流、デベロッパーなどの製造業以外の業界も拡大を進めていく方針です。 開発案件の多くがプライム案件となり、お客様と直接折衝する機会も多く、要件定義や基本設計など、開発工程の上流から対応する業務が多く、PM、PL、SMも多く在籍しております。 ※職務内容変更の可能性:有 ※変更の範囲:会社の定める業務 銀行、証券、クレジットカード会社などの金融機関向けWebシステム開発プロジェクトにおいて、技術的なリーダーシップを発揮しつつ、プロジェクトやチームの運営をお任せします。 これまで培ったWebシステム開発経験と金融システム業務知識を活かし、設計からリリース、さらにはチームマネジメントまでを幅広く担当していただきます。 ・金融機関向け業務システムの要件定義・基本設計・詳細設計 ・顧客(業務部門/情報システム部門)との折衝・課題ヒアリング・改善提案 ・金融業務知識を活用した業務改善・DX推進 ・担当領域またはチーム(数名～10名規模)の進捗/品質管理 ・技術選定・設計方針の策定およびレビュー ・メンバー指導・育成、コードレビュー ●プロジェクト事例 銀行他、金融系システム: ・モダンアーキテクチャによるインターネットバンキング、銀行口座開設システムの構築 ・API駆動型でのBaaSプラットフォーム、オープンAPIの開発 ・ユーザー体験を重視したバーコード決済アプリ、クレジットカード向けモバイルアプリ開発 Webフロントエンド / バックエンド開発: ・パブリッククラウドのマネージドサービスを前提とした次世代金融プラットフォームの構築 ・CI/CDパイプラインによる自動化など、モダンなDevOps環境下での開発 AIエージェント開発: ・生成AIを活用した金融業務(引受審査やバックオフィス業務など)の効率化 ・社内データと連携するRAG環境の構築、高度なマルチエージェントシステムの開発

●担当プロダクト AI時代の組織知基盤「Findy Context」 Findy Contextは、Slack、Microsoft Teams、GitHub、GitLab、Notion、Confluenceなど、企業内のさまざまな場所に存在する情報をつなぎ、意思決定の背景や業務上の文脈を、人とAIが利用できる形で蓄積・提供するプロダクトです。 単に情報を検索しやすくするだけではなく、 ・なぜこの方針が選ばれたのか ・過去にどのような選択肢が検討されたのか ・どのような制約や判断基準が存在するのか ・誰がどのような知識や経験を持っているのか といった、これまで組織内で失われやすかった文脈を扱います。 企業固有の知識や判断の文脈をAIが理解できる状態にし、人とAIが協働して業務、組織、意思決定のあり方そのものを変えていく。 Findy Contextを、日本企業の真のDX/AXを支える基盤へ、そして世界で使われるエンタープライズAIプロダクトへ育てていきます。 ●Mission 日本企業の知を武器に、日本発のエンタープライズAIで世界に勝つ。 このポジションは、顧客の業務、組織、データ環境に深く入り込み、解決すべき課題の特定から、ソリューション設計、プロトタイプ開発、導入、効果検証までをend-to-endで担います。 既存のプロダクトをそのまま導入するだけでも、顧客の要望どおりに個別開発するだけでもありません。 顧客固有の課題を技術によって解決すると同時に、そこで得られた知見や実装を、次の顧客にも利用できるプロダクト、テンプレート、データ連携、導入方法へ還元します。 顧客の現場で組織知をAIが扱える仕組みとして実装し、個社の成功を世界で戦えるプロダクトへ変えることが、このポジションのミッションです。 ●具体的な業務内容 1.顧客課題のディスカバリー ・顧客の経営層、事業部門、開発組織、情報システム部門などと対話し、業務や意思決定の構造を理解する ・顧客から提示された要望だけでなく、その背景にある本質的な課題や情報の流れの詰まりを特定する ・Findy Contextによって解決するユースケースと、成果指標を設計する 2.ソリューション設計・プロトタイプ開発 ・顧客が利用するSlack、Microsoft Teams、GitHub、GitLab、Notion、Confluenceなどのデータ構造を理解する ・API、データ連携、生成AI、検索などを組み合わせ、課題を解決するアーキテクチャを設計する ・必要に応じて自らコードを書き、プロトタイプや検証用機能を短期間で実装する ・顧客のセキュリティ、権限、データ管理上の要件を踏まえて導入方法を設計する 3.導入・価値検証 ・顧客の実際の業務環境へソリューションを導入し、利用者とともに検証を進める ・AIの回答精度だけでなく、業務時間、意思決定、知識共有、利用定着などへの効果を評価する ・不確実な状況でも、仮説構築、実装、検証、改善のサイクルを素早く回す ・PoCで終わらせず、本番利用や他部門展開につながる状態をつくる 4.プロダクトへの還元 ・個社固有の要件と、複数企業に共通する課題を切り分ける ・PdMや開発チームと協働し、案件で得られた知見を共通プロダクトのロードマップへ反映する ・コネクタ、テンプレート、評価方法、導入手順など、次の案件で再利用できる資産を整備する ・顧客数に比例して個別開発が増えない、再現可能な提供モデルを構築する 5.Biz/Dev/CSとの横断連携 ・営業と連携し、商談段階における課題整理、技術提案、導入可能性の評価を行う ・顧客への提案内容や期待値を整理し、適切なPoCや導入計画を設計する ・導入後はCSと連携し、利用定着、効果測定、他部門への展開につなげる ・FDEの業務プロセスや成功基準を設計し、Findy ContextにおけるFDEの役割そのものをつくる ●キャリアパス 1.FDE Lead/Head of FDE 複数の顧客プロジェクトを横断し、FDE組織の採用・育成、導入方法、技術標準、成果創出に責任を持つポジションへ 2.プロダクト・エンジニアリングリーダー 顧客課題と技術の双方に対する理解を活かし、共通プロダクトの戦略と開発をリードするポジションへ 3.事業責任者・事業開発責任者 顧客への価値提供を起点に、GTM、事業KPI、P/L、組織づくりまで含めてFindy Contextの成長に責任を持つポジションへ ※業務の変更の範囲:会社の定める全ての業務

●AXRにおけるFDEとは 私たちが考えるFDEは、単に「顧客の近くで開発するエンジニア」ではありません。 経営・業務課題と、本番環境で実際に使われるシステムとの隔たりを、自ら埋めきる技術者です。 AXRにおけるFDEは、 Software Engineer、AI Engineer、Consultant、Business Analyst、Project Managerの専門性を横断し、 最終的なBusiness Outcomeの実現に責任を持ちます。 「この業務にAIを入れられるか」ではなく、 ・その会社が目指すKGIは何か ・それを動かすKPIは何か ・どの業務を変えればKPIが改善するのか ・AI・システム・人の役割をどう再設計すべきか まで考え、自ら実装し、本番で使われる状態まで届け、数字で成果を確かめます。 通常のSoftwareやWorkflowの変更で解決できるなら、それを選ぶ。 AIを使わないことも、AXR FDEにとって正しいEngineeringの選択です。 ●FDEが担う7つのStep(不変の基本動作) AXR FDEの仕事は、提案・PoC・実装・納品のいずれか一つで完結しません。 次の7つのStepを、利用する技術や製品が変わっても変わらない基本動作とし、個人として一気通貫で前進させます。 1.Discover ── 解くべき課題を見つける 現場に入り、Workflow・Pain・Root Cause・Baseline・Stakeholderを把握し、本当にAIを使うべき問題かを見極めます。 到達状態は、なぜこの課題を解く必要があり、解くとどんな価値が生まれるのかを、事実と定量的なEvidenceで説明できること。 2.Design ── 課題を実装可能な解へ変える To-Be Workflow、Human/AI Boundary、Solution、Architecture、Scope、KGI/KPIを設計し、 Build/Buy/No-code/Codeを同一軸で比較します。 到達状態は、技術から逆算せず、課題から必要な解を導き、その選択理由を説明できること。 3.Build ── 自ら動くものを作る AIを活用しながら、自らSoftware/Agent/Workflowを実装します。 必要ならCodeを書き、 No-code/Low-codeも自ら構築・統合します。 到達状態は、顧客価値を実際に検証できるSoftwareが動作していること。 4.Productionize ── 安心して使い続けられる状態へ Security、Performance、Reliability、Integration、AI Eval、Observability、運用設計を整えます。 到達状態は、正常時だけでなく、障害時の挙動・監視・復旧・変更・運用まで設計されていること。 5.Deploy ── 実業務へ組み込む 顧客環境へ展開し、実際のWorkflow・User Enablement・Support・運用体制へ組み込みます。 到達状態は、システムが実業務で使われ、利用者・運用責任者・運用Processが明確になっていること。 6.Measure ── 価値を数字で確かめる KGI/KPI/ROI/TCOを測定し、Business/Financial Impactを検証します。 到達状態は、投資を継続・拡大・改善・停止するための判断材料がそろっていること。 7.Improve ── 本番から学び、価値を高め続ける Production Dataと現場Feedbackをもとに、System・Workflow・運用を改善します。 到達状態は、得られた学びが継続改善と次の展開へ反映されていること。 私たちは、この工程の境界で仕事をHand offしません。 Business と Engineering、Design と Build、Build と Deploy、Deploy と Measure の間で担当を切り分けず、 専門家の助言を活用する場合も、FDE自身が論点を理解し、解へ反映し、次のStepまで自ら前進させます。 ●業務内容 クライアント企業のAX(AI変革)を、経営・業務課題の分析からAIソリューションの実装・定着・成果創出まで、 上記7Stepに沿って一気通貫でリードしていただきます。 ・経営・事業・業務課題の構造化、Root Causeの特定、KGI/KPI・改善仮説の設計 ・現行業務プロセスの分析、To-Be Workflow・Human/AI Boundaryの設計 ・AI適用領域の特定、要件定義・アーキテクチャ選定 ・LLM・AIエージェント・RAG等を活用したソリューションの設計・実装 ・Security/Reliability/Eval/Observability等を含む本番品質への作り込み ・クライアント環境への導入、既存システムとの統合、運用体制の構築 ・KPIモニタリング、ROI/TCOを含む効果測定と経営層への報告 ・現場Feedbackとデータに基づく継続改善 ・経営層・事業責任者・現場・エンジニアとの折衝 ●働き方の目安 案件ごとに異なりますが、基本的には週1回程度の定例を軸に、随時クライアントとの質疑応答やディスカッションを進めます。 プロジェクトによってはオンサイト対応が発生する場合があります。

●AI SaaSプロダクト開発チーム 法人向け対話エンジン開発や新規プロジェクトのソフトウエアエンジニアとして各領域専門の機械学習エンジニアとチームを組み、ソフトウエアエンジニアリングで解決できる課題を解決していただきます。 ・法人向けに提供している対話エンジンサービスのバックエンド開発 ・機械学習以外の各種対話ロジックの開発 ・機械学習のモデルをサービングするアプリケーションの開発 ・他サービスとのインテグレーション ● Al Solution チーム 多岐に渡る大手企業に、自然言語処理・画像認識・音声認識・予測・数理最適化等の領域で、機械学習・深層学習を軸にしたアプリケーション開発を行っていただきます。 ご希望やご経験に応じて、下記のような開発実績例を持つチームに参画していただき、開発力だけでなく課題解決力を得ることができます。 ・LINEや資生堂、飲食・小売など幅広い領域で100社以上に取り入れられ、カスタマーサポートや社内問い合わせの自動化を支援するチャット型対話エンジン ・国内クレジットカード決済流通網のうち約10兆円の規模を支える不正利用検知 ・MaaS時代の自動車移動を支える駐車場業界のDXを推進する精算機とAPI ● MaaS & SmartCity チーム MaaS領域におけるアルゴリズムの社会実装に向けてIoT機器の開発や、コンピュータビジョン技術・深層学習技術を用いた、画像・動画解析アルゴリズム、ソフトウエアの開発に携わって頂きます。 より詳細を知りたい方は、[SoftwareEngineer Entrance Book](https://pksha.notion.site/Software-Engineer-Entrance-Book-242b8721424280378a8ffd13605c1491)をご覧ください。

Agent Harness の設計・実装 エージェント実行エンジン (Graph Runtime / State Machine) の設計・実装 Agent SDK の設計・開発 — 社内エンジニアがエージェントを構築するためのインターフェース セッション管理・チェックポイント・リカバリ機構の実装 ガードレール / ポリシー実行エンジンの構築 — エージェントの行動を制御するルール実行基盤 AI/ML システム統合 モデルルーティング — 複数の LLM プロバイダ / モデルタイプを跨いだ推論リクエストの最適ルーティング コンテキスト管理・メモリ基盤の設計 (長期記憶、ワーキングメモリ、RAG 統合) 推論パイプラインの最適化 (レイテンシ削減、コスト効率化、キャッシュ戦略) Research Engineer と連携した最新研究成果の本番基盤への統合 オーケストレーション・パフォーマンス ワークフローオーケストレーション・キューイングシステムの開発 コスト/性能最適化 (オートスケーリング、キャッシュ、バッチ処理) 推論リクエストのルーティング・ロードバランシング 信頼性・運用 プラットフォーム稼働率 99.9% 以上の維持 インシデント対応・ポストモーテム データアクセス・権限管理基盤の設計 【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: エージェント実行エンジンの設計 JAPAN AI STUDIO 上で顧客が構築する AI エージェントの実行基盤を設計。 Graph Runtime を採用し、エージェントの各ステップを DAG (有向非巡回グラフ) として表現。 チェックポイント機構により、長時間タスクの途中失敗からの自動リカバリを実現。 ● シナリオ 2: モデルルーティングの最適化 複数の LLM プロバイダ (OpenAI / Anthropic / Google 等) を跨いで、タスクの種類・コスト・レイテンシに応じた最適なモデルを自動選択するルーティングエンジンを設計。 推論コストを 25% 削減しつつ、タスク成功率を維持。 ● シナリオ 3: ガードレール実行エンジンの構築 金融機関向けエージェントが「投資助言」に該当する回答を生成しないよう、ポリシー実行エンジンを構築。 ルールベース + LLM ベースのハイブリッド判定により、レイテンシを 50ms 以内に抑えつつポリシー準拠率 99.5% を達成。 ●ミッション 「企業の脳」の心臓部を設計する AI エージェントが安全・高速・確実に動作するための Agent Harness — 実行エンジン、オーケストレーション、ガードレール、メモリ、モデルルーティングを設計・実装する。 JAPAN AI STUDIO 上で動く数百のワークフローの制御基盤を、自社で構築する。 ●Agent Harnessとは Agent Harnessは、AIモデルを包み込む制御・実行基盤レイヤーです。 Agent Framework (LangChain等) がエージェントの「構築」を担うのに対し、Agent Harnessはエージェントの「制御・運用」を担います。 ●Backend Engineer 構築対象 : Web API・マイクロサービスの設計・実装 AI/ML との関わり : ML モデルを API 経由で呼び出す 状態管理 : ステートレスなリクエスト / レスポンス 安全性制御 : 認証・認可・入力バリデーション | ガードレール / ポリシー実行エンジン — LLM の出力を制御するルール実行基盤 ●Agent Harness Engineer 構築対象 : LLM を中核としたエージェント実行エンジン・SDK・オーケストレーターの設計・実装 AI/ML との関わり : モデルルーティング、RAG 統合、コンテキスト注入、推論最適化をシステムレベルで設計 状態管理 : エージェントのセッション管理・チェックポイント・長期記憶・ワーキングメモリの設計 安全性制御 : ガードレール / ポリシー実行エンジン — LLM の出力を制御するルール実行基盤 JAPAN AI では、この Agent Harness を自社開発し、全プロダクト (JAPAN AI STUDIO / CHAT / SPEECH / AGENT 等) の共通基盤として運用しています。 ●期待する役割について Agent Harness Engineer として、AI / ML の知識を活かしながらエージェントの制御・実行基盤を設計・実装していただきます。 LLM / AI エージェントの動作原理を深く理解した上で、実行エンジン (Graph Runtime / State Machine) を設計・実装する モデルルーティング、コンテキスト管理、メモリ基盤 (長期記憶・ワーキングメモリ) など、AI 特有のシステム設計を担う 社内 120名のエンジニアが使う Agent SDK を設計・開発する ガードレール / ポリシー実行エンジンを構築し、エージェントの行動を安全に制御する Research Engineer と連携し、最新の研究成果を本番基盤に統合する ●成果責任 (KR/メトリクス) Agent SDK 採用率 (社内チームの利用率・満足度) エージェント実行成功率 (タスク完了率、チェックポイントからのリカバリ成功率) Harness 起因の障害率 (ガードレール突破率、状態不整合率) 実行レイテンシ P95 / P99 (Harness 層のオーバーヘッド) 推論コスト効率 (モデルルーティングによるコスト最適化) 開発者体験スコア (SDK / API の社内 NPS) ●チーム体制 約120名が開発組織に在籍しています。 Agent Harness Engineerは以下のチームを横断して活動します: Infra — クラウドインフラ・SRE Data — データパイプライン・分析基盤 Agent Harness — エージェント実行フレームワーク 密接に連携する役割: Agentic Product Engineer — エージェント機能開発 (SDK のユーザー) Research Engineer — 研究開発・新手法の基盤統合 AI Quality Scientist — 評価パイプラインとの連携 Product Manager — プロダクト設計・非機能要件定義 ●開発環境 言語 : Python, Go (バックエンド・基盤開発) , TypeScript / React / Next.js (フロントエンド部) / NX インフラ : GCP (コンテナ / K8s) , Docker, Terraform メッセージング : Kafka / Pub/Sub 監視 : Prometheus, Grafana, OpenTelemetry 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

【仕事概要】 本ポジションでは、営業領域のLLM新規プロダクトにおいて、PdM・デザイナー・エンジニア・事業メンバーと連携しながら、ディスカバリーからデリバリーまで一気通貫でプロダクト開発に携わっていただきます。 単に仕様通りに開発するのではなく、顧客課題や業務プロセスを深く理解し、「どのようなプロダクト体験であれば営業活動の成果につながるのか」をチームで探索しながら、LLMを活用した機能開発、アーキテクチャ設計、技術品質の向上、開発プロセス改善を推進いただく役割です。 また、開発チームではCursorやClaude Codeなどを活用したAI駆動開発を積極的に推進しています。AIプロダクトを、AIネイティブな開発プロセスで高速に作り、PMF達成と事業成長に直接コミットすることができます。 【業務内容】 ●LLMを活用したコア機能の設計・実装 ・商談データや営業活動データなど、マルチモーダルな情報を活用したプロダクト機能の設計・実装 ・プロンプトエンジニアリング / コンテキストエンジニアリングを含む、LLM活用機能の改善 ・Kotlin / Python / Next.js / TypeScript を用いた継続的な機能開発 ●PMF達成に向けたプロダクト開発 ・PdMや事業メンバーと連携した顧客課題の探索、要求整理、仕様検討 ・ユーザーフィードバックや利用状況を踏まえた改善仮説の立案・実装 ・顧客価値と事業成果につながるプロダクト体験の継続的な磨き込み ●アーキテクチャ設計・技術品質の向上 ・将来のスケールと保守性を見据えたアーキテクチャ設計 ・技術的負債の解消、パフォーマンス改善、セキュリティ・信頼性向上 ・コードレビューや設計レビューを通じた開発品質の向上 ●AI駆動開発・開発生産性の向上 ・Cursor、Claude Code、Geminiなどを活用した開発プロセスの高速化 ・チームの生産性を高めるための自動化、開発フロー改善、ナレッジ共有 ・AIを活用した開発体験・開発組織の進化に向けた取り組み ●外部サービス・データ連携の設計・実装 ・Salesforceなど外部SaaS / API連携の設計・実装 ・顧客環境や業務データを踏まえたプロダクト連携の改善 【開発環境】 ・サーバーサイド 　Kotlin / Python ・フロントエンド 　React / Next.js / TypeScript ・インフラ 　AWS / Terraform / Fargate / ECR ・DB 　Aurora PostgreSQL ・テストツール 　Datadog synthetics / Playwright ・コミュニケーションツール他 　Slack / Gather / Figma / Findy team+ / Notion / diaglams.net / Cursor / Claude Code / Gemini ※業務内容の変更範囲 :会社の定める業務

【入社後のミッション 】 「顧客の課題解決を技術で牽引し、自律駆動型のモダン開発組織を共創する」 ●お客様に寄り添う上流工程の推進 お客様と丁寧に対話を重ね、業務課題のヒアリングから要件定義、データモデル設計までを一気通貫でリードしていただきます。 ●AIを組み込んだバックエンド設計・実装 PythonやTypeScriptを活用し、生成AIと連携するWebアプリケーションのバックエンドアーキテクチャ設計から実装までをお任せいたします。 ●最適な技術の選定と導入検証 お客様の課題を解決に導くため、LLM(RAG、要約、分類機能など)の導入検証や最適な技術選定に、あなたのご知見をぜひ活かしてください。 ●チームの技術底上げとサポート ご自身の開発にとどまらず、若手メンバーに向けてAIを開発に組み込む際のスタンダードやベストプラクティスをご指導いただき、チーム全体の成長を優しく牽引していただくことを期待しています。 【プロフェッショナルとしての評価基準】 当社は現場に大きな裁量を委ね、エンジニアが自律的に動ける環境を大切にしています。 以下の行動と成果を正当に評価し、年収・上位ポジションで還元します。 ●上流工程からの参画と顧客価値の創出 基本設計以上の段階から参画し、DB設計・クラウドを前提としたアーキテクチャの意思決定に関与。エンジニアならではの視点で、顧客への最適な解決策を提案から実行まで担う(※ご経験に応じて担当工程は調整します)。 ●AI・モダン技術の探求とチームへの還元 最新技術や生成AIツールを実務へ柔軟に取り入れ、自身の生産性にとどまらず、プロジェクト全体の品質・生産性向上に貢献する(生成AIを活用した開発経験は市場でも新たな評価軸となっています)。 ●チームの牽引とメンバーへの技術サポート 自身の開発だけでなく、コードレビューや若手への技術アドバイスを通じ、チーム全体の技術力とモチベーションを底上げする。 [案件事例はこちら](https://saiyo.skywill.jp/jobs/application/) 【開発スタイル】 ●脱・歯車的な働き方 当社の技術支援は、言われたものを作るだけのリソース提供ではありません。開発者主導で顧客と長期伴走し、要件定義やモダン技術・DB設計の選定から深く入り込める環境です。 ●「技術の固定化」を回避 1つのプロダクトや言語に縛られず、多様なWebシステム開発の現場があります。 React+Python等の最新技術でスキルを磨き続けられます。 ●生成AI活用状況とセキュリティ体制 高い技術倫理とガバナンス意識(ガイドライン・利用誓約の整備)のもと、セキュアな環境で安全にAI技術を導入・提案できる体制を整えています。 1)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

「顧客の生成AI推進に向けたシステム開発」や「自社ソリューションのAIシステム開発」を行っていただきます。 ・顧客に対する特定のユースケースに対応した独自のAIプロトタイプ開発 ・SaaSプロダクトへの生成AI機能の開発〜実装 ・モデル選定から、RAG/ファインチューニングをマルチモーダルで実装 ・PoCの結果を受けたアジャイル開発 ・RAGの精度改善(LLM実装) ※業務の変更の範囲:会社内での全ての業務 案件例 <選考環境構築:地方銀行様> 生成AIの最大限活用のため、「オフライン業務環境で生成AIと自社データを連携」「導入ハードルの軽減」を目的に自社専用環境の構築 ●実施内容 ・導入・活用のための伴走支援(アドバイス&コンサルティング) ・自社専用環境AIアシスタントの構築 ●得られた成果 ・年間約12億円の削減見込み 技術顧問・アドバイザー ・東京大学名誉教授　竹内 郁雄(技術顧問) ・東京大学大学院教授　江崎 浩(技術アドバイザー) ・東京工業大学大学院教授　岡崎 直観(技術顧問) 使用言語　※指定はありませんが、下記が案件で主に使われる言語です ・フロントエンド:TypeScript, React ・バックエンド:Python ・データベース:PostgreSQL(RDS), MySQL ・フレームワーク:Flask ・インフラ:Azure, AWS, GCP 組織データ ・平均年齢31歳 ・新卒3割、中途7割 ・外国籍22%、出身国20カ国以上 ・開発職約30% ・女性執行役員在籍 ・育児中社員在籍 キャリアパス/支給PC ●キャリアパス ・エンジニアとしての道を極めていくか、管理職になるかを選択できます ・入社から半年で役員登用になった方もいます! ●支給PC Windows or Macbook　※最新のMacbook Proを支給することが多いです!

●担っていただきたい役割 AXによって、業務の中でのAI活用を大きく拡大するために、AIエージェントエンジニアとして尽力していただきます。 具体的には以下のような業務に携わっていただきます。 ・業務コンサルタントやテクノロジーコンサルタントと共に、適切なAIエージェントの在り方を構想・PoC開発 ・構想を受けてのAIエージェントをアジャイル開発 ・顧客のビジネス環境の変化に伴う、AIエージェントへの柔軟かつ継続的な改善 ●キャリアアップの上での特長 ・資格取得や書籍購入といった自己成長投資をサポートする制度があります。 ・ChatGPTやAI駆動開発ツールを始めとした先進的なソフトウェアツールに対する補助があります。 ・フレックスタイム、育休制度等、柔軟な働き方を支援しています。 ●働き方 JDSCでは、各メンバーのライフスタイルや価値観に合わせた多様な働き方が実現できます 現在の実績として、出社もしくはリモートを中心として働くことや育休取得、フレックスタイム制度を活用するなどそれぞれの事情に配慮した上で多様な働き方をしている人が多いです。 その他ポジションに関わる福利厚生の一例として以下が挙げられます。創業時代から「まずはやってみる」ということを大切にしている人が多くの結果として以下が実現されています ・書籍購入認証 ・オライリーオンライン ( https://note.com/jdsc/n/n8aced0fb1765 ) ・Claude、ChatGPT等 LLMの業務利用に対する補助 ・インディングエージェントの補助 ・Google Cloud、AWS証明書の資格取得支援 ・社会人修士・社会人博士支援制度

企業のDX化が進む中で、技術選択の幅はますます広がり、プロジェクトの難易度も高まっています。 ALHでは、そうしたお客様の変革を支援するため、サービス領域を拡大しており、なかでもシステム開発分野は高いニーズをいただいています。 Web系システム開発、組込み開発、アプリ開発などの開発分野で、toC領域からtoB領域まで、Webアプリケーション開発、基幹システム開発を中心に官公庁やメガバンク、大手通信キャリア、大手アパレル企業といったビッグユーザー案件、ユーザー系のプライム案件、大手ベンダーの案件に参画いただきます。 お客様の声を直に聞きながら、企画を含めた要件定義～設計～実装～リリース～保守/運用～継続開発までを自社社員中心のチームにおける開発案件の進行をしていただきます。 ●具体的な仕事内容 ・要件定義からアーキテクチャ設計、実装、テスト、リリースまでの一貫した技術的リード ・生成AI等の最新技術を活用したシステム設計、技術選定、およびプロトタイプ開発 ・顧客のビジネス課題に踏み込んだITソリューションの提案活動(プリセールス支援含む) ・自社社員を中心とした開発チームのマネジメント、品質管理、プロジェクトのPL管理 ・若手エンジニアの育成・評価、および組織構築への貢献 ●顧客の業界例 金融/福祉/通信/EC/流通/商社/官公庁/モビリティ/SAP/飲食/航空 ●数千万ユーザー規模のSaaSプラットフォーム新規開発 使用技術:TypeScript、Go、Next.js、AWS (ECS, Aurora)、Docker等 担当工程:要件定義、基本設計、詳細設計、実装、テスト、リリース、プロジェクト管理(PM) 働き方:リモート50% 出社50% ●大規模基幹システムのクラウドネイティブ化およびマイグレーション 使用技術:Java、Spring Boot、PostgreSQL、Google Cloud (GCP)、Kubernetes等 担当工程:要件定義、アーキテクチャ設計、詳細設計、実装、テスト、移行推進、顧客折衝 働き方:リモート50% 出社50% ●技術・環境スタック例 ・開発言語 :Java, Python, TypeScript, JavaScript, Go, PHP ・フレームワーク :Spring Boot, React, Vue.js, Node.js, Next.js, Django ・プラットフォーム/ツール :OutSystems (ローコード), Docker, Kubernetes ・クラウドサービス :AWS, Azure, Google Cloud (GCP) ・データベース :PostgreSQL, MySQL, Oracle, NoSQL (DynamoDB等) ・AI関連技術 :LLM (GPT-4等) のAPI利用, LangChain, RAG (検索拡張生成) ・開発支援/管理 :GitHub, GitLab, Backlog, Slack, CI/CDツール ●事業部について ALHは現在、ブランドリニューアルを実施し、「技術で変化をつくる主体者」として、顧客の事業課題解決に伴走する存在へと進化しています。 2025年9月のカンパニー型組織体制の導入に伴い、カンパニー単位で大きな裁量を持ち、採用・育成・営業推進・組織運営まで一貫して意思決定できる仕組みになりました。 この変革期において、顧客のビジネス課題に直結する技術提案を行い、自社組織の成長をともに牽引していただける方を募集しています。 ●関東のカンパニー 情報通信/金融/産業・流通・サービス/公共・社会インフラ/基盤ソリューション ●役割・ミッション 上級エンジニアとして、技術主導によるプロジェクト全体のリード、またはPM/PLとしてのチーム統括をお任せします。 特に現在は、生成AI(LLM)の導入やRAGを用いた精度向上など、最新技術を実際のビジネス現場に実装するプロジェクトが加速しています。 これらの技術選定やアーキテクチャ設計から携わり、自社メンバーを中心とした「次代に通用するチームビルド」を実現することが最大のミッションです。 業務変更の範囲:会社の定める業務の範囲

Full Cycle Engineer は、顧客価値の創出を最初から最後まで担います。 単に要件を実装するのではなく、顧客課題を発見し仮説を立てソリューションを設計し AIを活用して開発し本番へ届け効果を測定し継続的に改善するというプロダクト開発の全サイクルをリードします。 ただし、すべてを一人で抱えるわけではありません。Product Manager や Subject Matter Expert、ビジネスチームと協働し、フェーズごとに主担当を持ちながら、成果にオーナーシップを発揮します。 アイデアから顧客価値の創出まで、一つの取り組みをオーナーとして推進します。 例えば、 顧客課題の発見 仮説検証 プロダクト体験の設計 AIを活用した開発 本番リリース KPIの計測 継続的な改善 AIを前提とした新しい開発プロセスの構築 などに携わります。 チケットを担当するのではなく、成果に責任を持つ仕事です。 顧客業務やワークフローを理解する 顧客・社内メンバーへのヒアリング 解くべき課題を見極める 仮説を素早く検証する 曖昧な課題を具体的なソリューションへ落とし込む Product Manager や Subject Matter Expert と協働する ユーザー体験を設計する 短期的な成果と長期的な保守性を両立する AIを前提とした開発スタイルを実践する AIを活用した開発プロセスを改善する 新しいAI技術を検証・導入する 社内の生産性を高めるツールや仕組みを構築する アーキテクチャ設計 本番品質の実装 可用性・セキュリティ・運用性の担保 本番運用と継続改善 プロジェクト全体をリードする 技術・プロダクト両面で意思決定する リリース後の効果を測定する データをもとに改善を続ける 技術水準を引き上げる チームメンバーを支援・育成する 開発プロセスを改善する 技術的な意思決定をリードする ●製品紹介 対話データ解析 AI SaaS「Bring Out」を開発しています。ブラックボックス化されやすい対話データ(商談・社内会議・サービス現場で交わされる会話)を分析し、重要情報を抽出することで、導入企業や働く人々の生産性向上に貢献します。 すでに IT・人材・M&A・不動産・製造・医療など様々な業界で活用され、営業・商品開発・R&D・ファイナンス・人事など幅広い職種で使われています。現在は主にエンタープライズ企業向けに提供しており、高い機密性・可用性・柔軟なデータ連携が求められます。 ●技術環境 バックエンド:Node.js、TypeScript、Python、GraphQL データストア:PostgreSQL、AWS S3、DynamoDB インフラ:AWS、Terraform、Docker、CircleCI AI 活用:AI コーディングツール(GitHub Copilot 等)、LangChain / CrewAI / AutoGen、OpenAI・Anthropic 等の LLM、RAG ●評価指標 私たちは、アウトプットではなくアウトカムを評価します。 例えば、 顧客への価値 ビジネスへのインパクト プロダクト品質 デリバリースピード チーム全体へのレバレッジ AI活用による改善 チームへの貢献 などを総合的に評価します。 ●入社後30日 まずはBring Outを理解する期間です。 ●期待すること プロダクトと事業を理解する システム構成・アーキテクチャを理解する AI Firstな開発スタイルを習得する 顧客やユースケースを理解する 初めての本番リリースを経験する 設計レビューや議論に参加する ●入社後60日 少しずつオーナーシップを持ち始めます。 ●期待すること 中規模機能を主体的にリードする 技術的な設計判断を行う プロダクト企画に参加する 開発プロセスを一つ改善する コードレビューを通じてチームへ貢献する ●入社後90日 Bring OutのFull Cycle Engineerとして自立することを期待します。 ●期待すること 顧客課題の発見からリリースまでを自ら推進できる 顧客との対話を通じて課題を定義できる プロダクトの方向性について提案できる AIを活用した開発を主体的に実践できる 顧客・事業へのインパクトを生み出せる 開発プロセスそのものを改善できる ●キャリアパス Full Cycle Engineerはゴールではありません。 経験や志向に応じて、 Principal Engineer Technical Lead Product Lead Solution Architect Forward Deployed Engineer Engineering Manager 新規事業・新規プロダクト責任者 など、多様なキャリアへ広がります。 技術領域ではなく、「どれだけ大きな課題を解決できるか」がキャリアを決めます。

<<業務内容>> ●業務の概要 「契約は、AIが交渉する時代へ」を目指すには、「既存プロダクトの伸長と新規プロダクトの開発」の両立が必要です。 本募集では、そのために必要不可欠な存在である技術的側面のリードをお任せします。 ・[MNTSQ 案件管理](https://mntsq.co.jp/product/casemanage) ・[MNTSQ 契約管理](https://mntsq.co.jp/product/contractmanage) ・[データベース](https://mntsq.co.jp/product/databasemanage) ・[契約レビュー](https://mntsq.co.jp/news/release/ai_keiyakureview) ・[AI契約アシスタント](https://lp.mntsq.co.jp/ai-agent) 基本的な考え方として、ご入社後まずは既存プロダクトでアーキテクチャを含めてキャッチアップしていただきます。その後、経験と希望を踏まえながら、新規プロダクトを担当していただく形となります。 ●業務の詳細 具体的にご担当いただく業務は以下となります。 ・リードエンジニアとしての技術的意思決定(技術選定、アーキテクチャ設計) ・プロダクト開発における生産性向上 ・技術負債解消に向けたアーキテクチャ改善、リファクタリング計画の策定～推進 ・コードレビューを通じたチームメンバーへの技術的なフォローおよび育成 ・チーム全体に知見を共有し、理解を深めコラボレーションを促進するためのドキュメンテーション ※職種の変更範囲:会社の定める業務 <<開発環境と体制>> ●技術スタック ・言語:Ruby, Python, JavaScript, TypeScript ・Webフレームワーク:Ruby on Rails, FastAPI, Vue.js ・CSSフレームワーク:ElementPlus, TailwindCSS, PostCSS, Storybook ・プラットフォーム:Amazon Web Services, Google Cloud ・データベース:Aurora MySQL ・検索エンジン:Elasticsearch, OpenSearch ・監視ツール:CloudWatch, Datadog ・コンテナ基盤:Docker, Docker Compose, ECS/Fargate ・構成管理:Terraform, Itamae ●エンジニア組織の概要 所属する組織は開発本部です。全体で約50名おり、以下4つのチームからなる体制です。 ・CLMチーム ・法務エージェントチーム ・事業部向けチーム ・イネーブリングチーム 今回の募集である、サービス開発を担う組織はイネーブリングチーム以外の3つのチームです。 ご入社いただいた際の想定配属先はそのいずれかとなります(2026年8月時点)。 各チームはそれぞれ6-10名程度の構成となっています。 【参考記事】 ・[WHY-WHAT-HOWを繋げる - MNTSQの掲げる理想のプロダクト開発 -](https://note.mntsq.co.jp/n/ne5d0464613b6) ・[FY26下期、MNTSQ開発組織と向かう先](https://note.com/naomichi_takata/n/n2a2f00242f76) ●リードエンジニアとテックリードの役割の違いについて ・テックリードの役割 　アーキテクチャー設計 　全体最適をふまえた技術意思決定 ・リードエンジニアの役割 　担当開発アイテムのリード 　技術的意思決定・テックリード補佐 【参考記事】 [デリバリーを担保するリードエンジニア](https://tech.mntsq.co.jp/entry/2025/10/17/173401) ●26年度のエンジニア組織のテーマは「開発の高速化」 AI活用はもはや前提です。 26年度は開発スピードのギアを上げ、すでに新機能の立ち上げは加速しはじめています。 組織が拡大し、AIで開発のあり方が急速に変わる中で、自律的に課題を拾い、組織全体で解決していく。自走する人材・牽引する人材で組織力も高めるフェーズにはいっています。 AI活用への積極投資は引き続き行っています(Claude Code、Cursorなど)。 【参考記事】 [AIで変わる開発プロセス。MNTSQのエンジニアが実践する”AI前提”の開発環境について](https://note.mntsq.co.jp/n/n781c05a95daa) 【参考記事】 [MNTSQがAI活用を加速する理由と目指す未来](https://note.mntsq.co.jp/n/ndccc7f6ed56c) 【参考記事】 [「AIにできること/できないこと」を理解し、共に進化する。MNTSQエンジニアのAI活用最前線](https://note.mntsq.co.jp/n/na266148b8d69) <<入社受入の体制>> ●前提となる働き方 コアタイム無しのフルフレックスです。 リモートと出社のハイブリットワークです。出社は月5日以上となります。 エンジニアは、業務に集中するため、Mtgを入れない日や時間帯を設けながら、生産性を追求しています。 【参考記事】[ MNTSQエンジニアの1日に密着!](https://note.mntsq.co.jp/n/n4d1c895ea9eb) ●3ヵ月のオンボーディングプログラム MNTSQはバリューとして「 自由と責任の文化 」を掲げています。 バリューの理解を深めていただくとともに、MNTSQでどう力を発揮するか、全社を挙げてフォローします。 期間中はメンターが付きます。水先案内人として、MNTSQでの活躍を側面支援します。 【参考記事】 [個を見て、伴走し、後押しする。個に向き合うオンボーディングと成長支援文化](https://note.mntsq.co.jp/n/nf1accf0660ae)

<<業務内容>> ●業務の概要 「契約は、AIが交渉する時代へ」を目指すには、「既存プロダクトの伸長と新規プロダクトの開発」の両立が必要です。 本募集では、そのために必要不可欠な存在である技術的側面のリードをお任せします。 ・[MNTSQ 案件管理](https://mntsq.co.jp/product/casemanage) ・[MNTSQ 契約管理](https://mntsq.co.jp/product/contractmanage) ・[データベース](https://mntsq.co.jp/product/databasemanage) ・[契約レビュー](https://mntsq.co.jp/news/release/ai_keiyakureview) ・[AI契約アシスタント](https://lp.mntsq.co.jp/ai-agent) 基本的な考え方として、ご入社後まずは既存プロダクトでアーキテクチャを含めてキャッチアップしていただきます。その後、経験と希望を踏まえながら、新規プロダクトを担当していただく形となります。 ●業務の詳細 具体的にご担当いただく業務は以下となります。 ・テックリードとしての技術的意思決定(技術選定、アーキテクチャ設計) ・プロダクト開発における生産性向上 ・技術負債解消に向けたアーキテクチャ改善、リファクタリング計画の策定～推進 ・コードレビューを通じたチームメンバーへの技術的なフォローおよび育成 ・チーム全体に知見を共有し、理解を深めコラボレーションを促進するためのドキュメンテーション ※職種の変更範囲:会社の定める業務 <<開発環境と体制>> ●技術スタック ・言語:Ruby, Python, JavaScript, TypeScript ・Webフレームワーク:Ruby on Rails, FastAPI, Vue.js ・CSSフレームワーク:ElementPlus, TailwindCSS, PostCSS, Storybook ・プラットフォーム:Amazon Web Services, Google Cloud ・データベース:Aurora MySQL ・検索エンジン:Elasticsearch, OpenSearch ・監視ツール:CloudWatch, Datadog ・コンテナ基盤:Docker, Docker Compose, ECS/Fargate ・構成管理:Terraform, Itamae ●エンジニア組織の概要 所属する組織は開発本部です。全体で約50名おり、以下4つのチームからなる体制です。 ・CLMチーム ・法務エージェントチーム ・事業部向けチーム ・イネーブリングチーム 今回の募集である、サービス開発を担う組織はイネーブリングチーム以外の3つのチームです。 ご入社いただいた際の想定配属先はそのいずれかとなります(2026年8月時点)。 各チームはそれぞれ6-10名程度の構成となっています。 【参考記事】 ・[WHY-WHAT-HOWを繋げる - MNTSQの掲げる理想のプロダクト開発 -](https://note.mntsq.co.jp/n/ne5d0464613b6) ・[FY26下期、MNTSQ開発組織と向かう先](https://note.com/naomichi_takata/n/n2a2f00242f76) ●リードエンジニアとテックリードの役割の違いについて <テックリードの役割> ・アーキテクチャー設計 ・全体最適をふまえた技術意思決定 <リードエンジニアの役割> ・担当開発アイテムのリード ・技術的意思決定・テックリード補佐 ●26年度のエンジニア組織のテーマは「開発の高速化」 AI活用はもはや前提です。 26年度は開発スピードのギアを上げ、すでに新機能の立ち上げは加速しはじめています。 組織が拡大し、AIで開発のあり方が急速に変わる中で、自律的に課題を拾い、組織全体で解決していく。自走する人材・牽引する人材で組織力も高めるフェーズにはいっています。 AI活用への積極投資は引き続き行っています(Claude Code、Cursorなど)。 【参考記事】 [AIで変わる開発プロセス。MNTSQのエンジニアが実践する”AI前提”の開発環境について](https://note.mntsq.co.jp/n/n781c05a95daa) 【参考記事】 [MNTSQがAI活用を加速する理由と目指す未来](https://note.mntsq.co.jp/n/ndccc7f6ed56c) 【参考記事】 [「AIにできること/できないこと」を理解し、共に進化する。MNTSQエンジニアのAI活用最前線](https://note.mntsq.co.jp/n/na266148b8d69) <<入社受入の体制>> ●前提となる働き方 コアタイム無しのフルフレックスです。 リモートと出社のハイブリットワークです。出社は月5日以上となります。 エンジニアは、業務に集中するため、Mtgを入れない日や時間帯を設けながら、生産性を追求しています。 【参考記事】 [MNTSQエンジニアの1日に密着!](https://note.mntsq.co.jp/n/n4d1c895ea9eb) ●3ヵ月のオンボーディングプログラム MNTSQはバリューとして「 自由と責任の文化 」を掲げています。 バリューの理解を深めていただくとともに、MNTSQでどう力を発揮するか、全社を挙げてフォローします。 期間中はメンターが付きます。水先案内人として、MNTSQでの活躍を側面支援します。 【参考記事】 [個を見て、伴走し、後押しする。個に向き合うオンボーディングと成長支援文化](https://note.mntsq.co.jp/n/nf1accf0660ae)

本ポジションでは、ログラスが展開する新規AIプロダクトのいずれかに参画し、PdM・デザイナー・ドメインエキスパートなどと連携しながら、顧客課題の探索からプロトタイピング、設計、実装、検証、改善までを一気通貫で担っていただきます。 単に決められた仕様を実装するのではなく、顧客との対話を通じて業務や課題を理解し、LLM・AIエージェントをどのように組み込めば新しい価値を実現できるかを考え、実際に動くプロダクトとして届ける役割です。 AIプロダクトは、技術の進化が速く、最初から完成された正解が存在しない領域ではありません。 そのため、精緻な仕様を長期間かけて実装するよりも、顧客の業務を理解し、短期間でプロトタイプを作り、実際の利用を通じて仮説を検証することを重視しています。 プロダクトのフェーズや本人の強みに応じて、フロントエンド・バックエンド・AIアプリケーション・アーキテクチャなど、担当範囲は柔軟に設計します。 領域を限定せず、プロダクトの価値提供に必要な技術課題へ越境して取り組んでいただくことを期待しています。 本ポジションでは、ログラスが展開する新規AIプロダクトのいずれかに参画し、PdM・デザイナー・ドメインエキスパートなどと連携しながら、顧客課題の探索からプロトタイピング、設計、実装、検証、改善までを一気通貫で担っていただきます。 単に決められた仕様を実装するのではなく、顧客との対話を通じて業務や課題を理解し、LLM・AIエージェントをどのように組み込めば新しい価値を実現できるかを考え、実際に動くプロダクトとして届ける役割です。 AIプロダクトは、技術の進化が速く、最初から完成された正解が存在しない領域ではありません。 そのため、精緻な仕様を長期間かけて実装するよりも、顧客の業務を理解し、短期間でプロトタイプを作り、実際の利用を通じて仮説を検証することを重視しています。 プロダクトのフェーズや本人の強みに応じて、フロントエンド・バックエンド・AIアプリケーション・アーキテクチャなど、担当範囲は柔軟に設計します。 領域を限定せず、プロダクトの価値提供に必要な技術課題へ越境して取り組んでいただくことを期待しています。 ●顧客課題の探索とプロダクト設計 顧客へのヒアリングや業務観察を通じた課題・業務フローの理解 PdM、デザイナー、ドメインエキスパートと連携したプロダクト体験の設計 顧客課題と技術的な実現可能性を踏まえた機能要件・仕様の策定 プロトタイプを用いた仮説検証と顧客フィードバックの収集 ●LLM・AIエージェントを活用したプロダクト開発 LLMを組み込んだWebアプリケーションの設計・実装 プロンプトエンジニアリング、コンテキスト設計、RAG等を活用した機能開発 AIエージェントを活用した業務フロー・ユーザー体験の設計 モデルの出力品質を評価する仕組みや評価指標の設計 精度・速度・コスト・再現性を踏まえた継続的な改善 新しいモデルやAI技術の検証とプロダクトへの適用 ●PMFに向けた高速な開発・改善 新規プロダクトや機能のプロトタイピング 顧客利用を通じて得られたフィードバックを踏まえた改善 利用状況や定性・定量データに基づく優先順位の判断 PdM・デザイナー・ビジネスメンバーと連携した開発計画の策定 技術的な知見を踏まえたプロダクト戦略・ロードマップへの提案 ●プロダクトの成長を支える技術基盤の構築 プロダクトの成長を見据えたアーキテクチャ設計 可用性・拡張性・セキュリティ・パフォーマンスの改善 コードレビュー、テスト設計、自動化による開発品質の向上 AIコーディングツールを活用した開発プロセスの改善 複数のAIプロダクトで再利用できる知見・技術基盤の整備 ※参画するプロダクトや具体的な業務範囲は、ご経験・志向、選考時点の事業状況を踏まえて決定します。 ●開発環境 サーバーサイド:Go フロントエンド:React / Next.js / TypeScript インフラ:AWS / Terraform / Fargate / ECR データベース:Aurora PostgreSQL テストツール:Datadog Synthetics / Playwright コミュニケーション・設計・開発支援:Slack Gather Figma Findy Team+ Notion Miro diagrams.net Cursor Claude Code Gemini ※参画プロダクトによって、一部の技術構成が異なる場合があります。 ●業務内容の変更範囲 会社の定める業務

- 顧客業務の理解および課題の構造化(As-Is / To-Be設計) - LLM / RAG / エージェントを活用したユースケース設計・実装 - 顧客環境へのシステム統合、プロトタイプ開発、本番導入 - AIエージェントを前提とした業務プロセスの改善 - AIガバナンスや品質担保の仕組みの設計・実装 - 統計的手法や機械学習・生成AIを用いたアルゴリズムの構築 プロジェクト例 AIネイティブ新規事業の立ち上げ 大手人材系企業様と共同で、AIエージェントを活用した新規事業開発を実施。 キャリアアドバイザーの面談やマッチングといった労働集約的な業務をAIエージェントが代替することで、求職者体験や労働生産性の向上を目指したプロジェクト。 中期経営計画の注力テーマのひとつとして、次世代の事業モデルの構築を行っている。 店舗運営バックオフィスAI化 大手小売企業様において、国内外約1,500店舗の店舗スタッフが担うバックオフィス業務(在庫調整・売上レポート・配送管理・配分業務など)をAIエージェントで代替するシステムを構築。店舗スタッフが顧客対応に集中できる環境を実現し、在庫調整業務75%削減・レポーティング品質の標準化を達成。 入社時にお任せしたいこと - AIを搭載したシステム・アプリケーション構築案件における要件定義・設計・構築 - 構築したシステム・アプリケーションをPoC で終わらせず、業務定着するまで継続改善する支援 開発環境 - 主な技術スタック: Python(FastAPI), TypeScript(React, Next.js, Hono) - エージェントフレームワーク: PydanticAI, OpenAI Agents SDK, Claude Agent SDK, Vercel AI SDK, Mastra - LLM: Claude, GPT, Gemini - AWS: Bedrock, Lambda, Step Functions, ECS/Fargate, Aurora, DynamoDB, S3, API Gateway, SQS - GCP: Vertex AI, Cloud Run, Firebase(Auth, Hosting, Firestore), Cloud Storage, Pub/Sub - コミュニケーション: Slack, Google Meet - コラボレーション: Figma - ドキュメント管理: Notion - チケット管理: Linear - AIツール: Gemini, ChatGPT, Cursor, Claude Code, Codex

主にWebアプリケーションの設計・開発を担当いただき、下記いずれかのプロダクトまたはチームに配属となります。配属先によってはAIエンジニアと連携しながら、アルゴリズムのサービス実装を行う場合もあります。 ●Digital Billderシリーズ(建設業特化バックオフィス業務DXサービス) 建設業に特化したバックオフィスDXサービス。Digital Billder見積書・発注・請求書・経費精算の4サービスから構成されるシリーズ。サービス累計700社以上が導入。 LP:https://www.lp.digitalbillder.com/ ●Hikari(建設業特化生成AIサービス) 建設業特化の生成AIサービス。ローンチ1年で200社の契約を達成。 LP:https://hikari.akariinc.co.jp/ ●チーム Nebula(デジタルツイン領域) 点群・画像データを用いた3Dモデル生成のためのアプリケーション プレス例(道路構造物点検システム):https://prtimes.jp/main/html/rd/p/000000035.000083531.html ●チーム Antares(図面領域) 設計図面を3Dモデルに変換するプロセスの自動化を実現するアプリケーション プレス例(設計図書のダッシュボードシステム):https://www.taisei.co.jp/about_us/wn/2022/220509_8718.html ●チーム Lyra(自然言語処理・シミュレーション領域) 最新の自然言語処理(LLM)を活用した情報抽出・検索アプリケーション プレス例(建物情報の検索チャットシステム):https://prtimes.jp/main/html/rd/p/000000036.000083531.html 【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 ●AI Python/Numpy/Pandas/Pytorch/OpenCV AI開発支援ツールの導入 当社では、最新のAI開発支援ツールを実務に組み込み、効率と品質を同時に高めています。主な活用例は以下の通りです。 ●Devin:自動タスク実行、同時並行実装数を上昇 ●Claude Code:自然言語からの高度なコード提案・改善で、実装スピードを向上、同時並行実装数を上昇 ●v0.dev:高速なUIモックアップ生成で、要件確認を迅速化 ●GitHub Copilot:日常的なコーディング補助で、作業効率を底上げ ●Gemini:Deep Research/Python実行を含む情報検索・解析で、調査や設計の精度を向上

入社後は、ご本人の適性や希望に応じて「AI SaaS事業本部」のいずれかのチームに配属されます。 詳細な業務内容 【タスク例】 ・仕様策定・設計: PdMが描いた要件のラフ案をもとに、DB設計・API設計・UI/UXの挙動を具体化し、関係者と合意形成を行う。 ・ドメイン連携: 建設業界特有の複雑な商習慣を理解し、現場で本当に使えるロジックをコードに落とし込む。 ・品質向上: 複雑な仕様に対するテスト設計、リファクタリング、技術的負債の解消提案。 【技術スタック】 ・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 ・AI:Python/NumPy/Pandas/Pytorch/OpenCV 【AI開発支援ツールの導入】 当社では、最新のAI開発支援ツールを実務に組み込み、効率と品質を同時に高めています。 主な活用例は以下の通りです。 ・Devin:自動タスク実行、同時並行実装数を上昇 ・Claude Code:自然言語からの高度なコード提案・改善で、実装スピードを向上、同時並行実装数を上昇 ・v0.dev:高速なUIモックアップ生成で、要件確認を迅速化 ・GitHub Copilot:日常的なコーディング補助で、作業効率を底上げ ・Gemini:Deep Research/Python実行を含む情報検索・解析で、調査や設計の精度を向上 〇開発例 ・建設業特化の生成AI AIコンストシェルジュ「光/Hikari」:建設業特化の生成AIエージェントプロダクト。 ローンチ1年強で400社以上の契約を達成。 ・製造業特化の生成AIエージェント「工/Takumi」:製造業特化の生成AIエージェントプロダクト。 累積データの検索・分析が可能。 ・物流業特化の生成AIエージェント「運/Hakobi」:物流業特化の生成AIエージェントプロダクト。 配送・輸送コストの見直しが可能。 ・卸売・小売業特化の生成AIエージェント「商/Akinai」:小売業特化の生成AIエージェントプロダクト。 仕入れ・販売計画の作成が可能。

主にWebアプリケーションの設計・開発を担当いただき、下記いずれかのプロダクトまたはチームに配属となります。 配属先によってはAIエンジニアと連携しながら、アルゴリズムのサービス実装を行う場合もあります。 ●Digital Billderシリーズ(建設業特化バックオフィス業務DXサービス) 建設業に特化したバックオフィスDXサービス。 Digital Billder見積書・発注・請求書・経費精算の4サービスから構成されるシリーズ。 サービス累計1,000社以上が導入。 LP:https://www.lp.digitalbillder.com/ ●Hikari(建設業特化生成AIサービス) 建設業特化の生成AIサービス。 ローンチ1年強で400社以上の契約を達成。 LP:https://hikari.akariinc.co.jp/ ●チーム Nebula(デジタルツイン領域) 点群・画像データを用いた3Dモデル生成のためのアプリケーション プレス例(道路構造物点検システム):https://prtimes.jp/main/html/rd/p/000000035.000083531.html ●チーム Lyra(自然言語処理・シミュレーション領域) 最新の自然言語処理(LLM)を活用した情報抽出・検索アプリケーション プレス例(建物情報の検索チャットシステム):https://prtimes.jp/main/html/rd/p/000000036.000083531.html 【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 ●AI Python/Numpy/Pandas/Pytorch/OpenCV AI開発支援ツールの導入 当社では、最新のAI開発支援ツールを実務に組み込み、効率と品質を同時に高めています。 主な活用例は以下の通りです。 ●Devin:自動タスク実行、同時並行実装数を上昇 ●Claude Code:自然言語からの高度なコード提案・改善で、実装スピードを向上、同時並行実装数を上昇 ●v0.dev:高速なUIモックアップ生成で、要件確認を迅速化 ●GitHub Copilot:日常的なコーディング補助で、作業効率を底上げ ●Gemini:Deep Research/Python実行を含む情報検索・解析で、調査や設計の精度を向上

●本職種のミッション 映像プラットフォームの強みを活かし、映像活用の可能性を実用的なソリューションへと変換することで新しい事業領域を切り拓いていくことが、このチームのミッションです。 Safieプラットフォームを通じたソリューション開発を広げていくための中心的な役割を担い、事業領域ごとに必要とされる価値を具現化してプロダクトに落とし込むフェーズに携わっていただけます。 新部署での取り組みであるため、既にある仕様通りに実装するのではなく、技術検証や要件整理の段階から主体となって関わり、ゼロから最適なアーキテクチャやアプローチを検討することにチャレンジしていただけます。 特定の技術領域に閉じることなく、ユーザーの課題を起点とした社会で実際に機能する価値あるプロダクトをつくりたい方、AIを含む新しい技術も適切に取り入れながら開発に向き合いたい方に適した環境です。 【取り組み事例】 [車両管理・物流現場DX](https://safie.co.jp/news/4660/):AI搭載のクラウド録画カメラを用いたナンバープレート認証システムを、物流拠点や建設現場のゲート管理と統合。 高価な専用センサーや現地サーバーを必要とせず、クラウド上での車両識別・入退場ログの自動化を実現。 [小売・店舗DX](https://safie.jp/article/post_4362/):POSレジのデータと映像を同期させることで、不正検知やレジ待ち解消など、ロス対策といった店舗課題を解決し、現場のオペレーション最適化を支援する商用ソリューションの検討・提供。 [現場コミュニケーションDX](https://safie.jp/article/post_26106/):外部サービスを連携することで、現場の「声」と「映像」を統合し、遠隔地からでも的確な指示や状況把握を可能にするシステムを構築。 [公共・社会インフラ](https://safie.jp/survey/): 人流分析AIを用いた公共空間の利用状況可視化や、都市開発における実態調査など、行政や自治体と連携した社会課題解決をデータドリブンに実装。 その他:最新のLLM(大規模言語モデル)を用いた「映像×〇〇」ソリューションの創出など、自社プラットフォームが持つ膨大なアセットをベースに、次世代のサービスを定義から実装までを推進するプロジェクトが多数進行中。 ●主な業務内容 顧客・市場の課題を理解し、最適な技術アプローチを検討 API / SDK / 内部システムなど各種リソースを活用した機能開発 新規ソリューションのプロトタイプ開発および改善サイクルの実行 システム連携・アプリケーション開発に関わる設計・実装・ドキュメンテーション 利用者のフィードバックを踏まえた改善や運用サポート プロダクト化を見据えた共通化・再利用性の検討 他チームとの連携・調整を通じた価値提案の具体化 開発プロセスや技術基盤の整備・改善 ●部署の今後の目標・現在の目標 ソリューション開発部では、今後の展望として個別の顧客課題を解決するだけでなく、そこから得られた知見を汎用化しプラットフォーム全体に還元できる「高付加価値ソリューションの型」を確立することを目指しています。 映像データを中心にAIや外部APIを組み合わせる開発は可能性が広がっていますが、それを単発の取り組みに止めず、事業の柱へと成長させていくことが大きな目標です。 一方で、新設されたばかりの組織であるため、乗り越えるべき課題も多く存在します。 現在は、各プロジェクトにおいて技術検証から実装までを迅速に進めることを優先していますが、今後は開発プロセスの標準化や、再現性・運用性を意識したアーキテクチャ選定など、組織としての「開発基盤」を整えていく必要があります。 また、多様化するニーズに対して技術的な実現可能性をどう担保し、プラットフォームとしての堅牢性と柔軟性をどう両立させるかといった難易度の高い問いに向き合っている段階です。 そうした未完成なプロセスや設計上の課題に対して、仕組みそのものを形作っていくことに価値を感じていただける方をお待ちしています。 ●従事すべき業務の変更の範囲 <雇入れ直後>システムの設計・開発・デザイン、その他これらに付随する一切の業務 <変更の範囲> 会社の定める業務