リモート可 macOSのITエンジニア求人・転職情報

●プロダクト概要 「Loglass 経営管理」は、企業の中に散在する経営データ(財務数値/KPIの予算・見込・実績)の収集・統合・一元管理までを効率化し、高度な分析を可能にするクラウド経営管理システムです。 「Loglass 経営管理」を2020年から提供開始した後、2023年からはマルチプロダクト展開にも注力し、計5つのプロダクト/サービスを提供するまでに至りました。 また、プロダクトビジョンである「MAKE NEW DIRECTION」の実現に向け、今後はデータとAIの活用を推進し、経営リソースの最適配分を意思決定できる、真のプランニング・プラットフォームを目指します。 ●IT基盤の企画・構築・運用 ・Google Workspaceをはじめとする各種SaaSの管理・運用基盤の最適化 ・ゼロトラストの考えに基づいた、将来的なセキュリティアーキテクチャの企画・導入 ●業務プロセスの改善・自動化の推進 ・スクリプトやiPaaSを活用した業務自動化の企画・実装 ●ヘルプデスク・IT資産管理の高度化 ・PCキッティング、トラブルシューティング、アカウント発行などのヘルプデスク業務 ・IT資産の管理台帳整備と運用プロセスの構築 ●情報セキュリティ・IT統制の推進 ・ISMS認証取得や内部統制を見据えた、セキュリティポリシーの策定・運用 ・IT監査への対応や、証跡管理プロセスの整備 入社後はアカウント管理やヘルプデスクなどの定常業務の運用に従事いただきます。 その後ご経験やご希望に応じて周辺業務に展開していき、不定期に発生する各種プロジェクトをリードしていただくことを期待しています。 中長期的には、業務改善やセキュリティなどそれぞれの領域により特化したポジションにシフトしていくことができる環境です。 コラボレーション:Google Workspace コミュニケーション:Slack ドキュメント/タスク管理:Notion セキュリティ:Kandji, SentinelOne, 1Password iDaaS:Okta iPaaS:Make, Zapier PC:macOS, Windows その他:Zoom(ZoomPhone), Figma, SmartHR, バクラク など

●現在抱えている課題 60,000名以上の受講生を抱える日本一のスクールである「GFS」において、日々発生するサービス改善案件(生徒用サイト、裏側の管理システム、配信システム等)のデリバリーを停止させることなく、既存機能の刷新・新機能の実装と、次世代基盤への安全な移行を両立させる新旧システムの並行稼働が直近の最大の課題です。 新機能開発・UI/UX刷新とリプレイス・技術的負債の解消の両面を同時に推進したい一方で、それを技術的に牽引するリード層が不足しています。また、立ち上がったばかりの「シゴトAI」を含め、複数プロダクトを横断する次世代アーキテクチャの構想・実現を牽引し、AI活用を前提とした新たな開発プロセスへと進化させていくための技術的・組織的な基盤づくりも急務となっています。 ●業務内容 バックエンド・フロントエンドの境界をなくし、Webプロダクトの要件定義から設計・開発・運用まで一気通貫でお任せします。単なるマネジメントではなく、自ら現場で手を動かしながらプロジェクトを牽引していただきます。 ・アーキテクチャ設計:マルチプロダクト展開や事業の急拡大を見据えた、技術選定およびスケーラブルな全体システム設計の主導 ・既存機能の刷新と新規機能の実装: 学習管理システム、コミュニティ機能、シミュレーションツールなどにおける、継続的なUI/UX改善および機能追加・リニューアル開発 ・次世代基盤への移行: 現行のPHP/Laravel環境から、Kotlin/Spring Boot・React/Next.jsを用いた次世代モダン環境への段階的かつ安全なリプレイスの推進 ・AI駆動開発の推進: AIエージェントが開発を進めやすい仕様書・ドキュメント・コンテキストの整備や、自動検証・レビューライン・品質管理・開発プロセスの設計と継続的改善 ●チームや組織に関して CTO直下の非常にフラットな開発組織への配属となります。現在の開発業務をすべて停止させるわけではなく、並行して新基盤へ移行するという難易度の高いミッションに携わり、迅速な意思決定のもと、大きな裁量を持って未来のアーキテクチャ設計や実装を推進していただけます。 現在はフロントエンドとバックエンドで役割を分担していますが、将来的には技術領域の境界をなくしていくことを目指しています。決められた役割に閉じず、UI/UX、API設計、データ設計、インフラなどプロダクト全体を見渡しながら、自らチームとプロセスを作り上げていくオープンなカルチャーです。巨大プロダクトのリプレイスを主導しながら、次々と立ち上がる新規事業の0→1フェーズに関わるチャンスも豊富にあります。 ●AI活用・開発生産性について Copiaでは、AIツールを単なる補助としてではなく、「開発の実行主体」として活用する最先端の「AI駆動開発」を推進しています。 Copilot / Cursor / Codex / Claude CodeなどのAIコーディングエージェントが自律的に開発を進めやすいよう、仕様書・ドキュメント・コンテキストの整備や、自動検証・レビューラインの設計を実施。経営陣・CTO直下のフラットな環境で、人とAIが協働する開発プロセスそのものを日々進化させています。 また、エンジニアの開発生産性を最大化するため、他社には類を見ない「月額10万円のAI利用手当」を福利厚生として全社導入しています。各メンバーが最新のAIモデルやツールをコストを気にせず自由に活用し、圧倒的なスピードと品質でプロダクトを生み出せる環境を整えています。 ●開発環境 <次世代の開発環境(AI教育事業・リプレイス後基盤)> ・言語 / フレームワーク:Kotlin / Spring Boot / NestJS / React / Next.js / TypeScript / Storybook <現行の開発環境(GFS事業)> ・言語 / フレームワーク:PHP / Laravel / React / Next.js / JavaScript / jQuery <インフラ・共通基盤> ・クラウド:AWS(ECS / Fargate / ELB / S3 / RDS / CloudFront) ・データベース:PostgreSQL ・インフラ管理:Pulumi ・その他:Docker / GitHub / Backlog / Slack ・AIツール:Copilot / Cursor / Codex / Claude Code ・OS:Windows / Mac(選択可) ・開発手法:アジャイル <デザイン・プロトタイピング> ・デザインツール:Figma(全社横断でのUI/UXデザイン、プロトタイプ作成、デザインシステム構築に活用) ●参考情報・関連リンク(More Info) ・[株式会社Copia 企業サイト](https://copia-group.co.jp/) ・[投資の学校 GFS(Global Financial School)](https://gfs.tokyo/introduction/) ・[AI教育サービス シゴトAI](https://shigoto-ai.com/introduction) ・[【note】エンジニアリングマネージャー鈴木の記事](https://note.com/copia/n/nb64ab429acf7)

Overview We are looking for a motivated Product Designer (UI/UX Designer) with a passion for product design to join our team to work on reshaping complex products with intuitive and effective solutions in the cloud security industry. Fluency in both English and Japanese is a must, along with strong communication skills to seamlessly collaborate with our cross-functional teams. You will be working in a leading cloud-based security provider in Japan, focusing on projects related to our flagship product, HENNGE One, which offers access control, email archiving, and other security and productivity-related functionalities for enterprise companies. Therefore, experience in BtoB projects or a strong interest in this field would be advantageous. Key Responsibilities Develop visually appealing and user-centered designs based on requirements and research findings. Collaborate with product managers and developers in the design process for new features and enhancements. Utilize our established design system to maintain consistency and coherence across our interfaces. Continuously improve user experience through iterative design and feedback analysis. Advocate for user-centred design principles and contribute to the refinement of our design system. Assist in creating and maintaining design documentation, including style guides, design principles, and user personas. Work closely with customer support teams to address user feedback and identify areas for product improvement.

エージェント体験 (AX) の設計 エージェント対話フロー・インタラクションパターンの設計 不確実性の可視化・信頼度表示の UI 設計 可逆操作 (Undo / 修正) ・権限付与 UI の設計 エージェント行動のトレーサビリティ表示設計 Human-in-the-Loop 評価 UI・フィードバックループの設計 エージェントのパーソナ (性格・振る舞い・トーン) の設計 ユーザーリサーチ ユーザーインタビュー、ユーザビリティテスト、A/B テストの設計・実施 定性・定量データに基づくデザイン判断 ペルソナ・ジャーニーマップの作成・更新 AI エージェントに対するユーザーの信頼度・満足度の測定 デザインシステム・プロトタイピング AI プロダクト向けデザインシステムの構築・運用 高速プロトタイピング (Figma、コードプロトタイプ等) 情報アーキテクチャ (IA) 設計 デザインパターンのドキュメント化・チーム間共有 【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 : 稟議承認 AI の信頼度表示 UI 設計 JAPAN AI STUDIO の稟議承認ワークフローで、AI エージェントが「この稟議を承認すべき」と判断した際、ユーザーが「この判断はどの程度信頼できるか」を直感的に判断できる UI を設計。 信頼度スコア、参照した過去の承認パターン、判断根拠の表示方法をプロトタイプし、ユーザビリティテストで検証。 「AI が参照したデータソース (楽々精算の金額データ + SmartHR の部門予算データ)」を可視化することで、エージェント信頼度スコアが 20% 向上。 ● シナリオ 2 : SaaS 横断ワークフローの可逆操作 UI 設計 JAPAN AI STUDIO で AI エージェントが楽々精算 → SmartHR → Salesforce を横断して自律的に実行したアクション (経費承認、人事データ更新、CRM 記録更新) に対し、ユーザーが安心して「取り消し」「修正」できる UI を設計。 複数の SaaS にまたがるアクションの Undo / Redo のインタラクションパターンを定義し、「どの SaaS のどのデータが変更されたか」を一覧で確認できるトレーサビリティ表示を実装。 エラー回復成功率が 35% 向上。 ● シナリオ 3 : 「企業の脳」のデザインシステム構築 9 つのプロダクトで一貫した「企業の脳」体験を提供するため、エージェント対話コンポーネント (チャットバブル、ツール呼び出し表示、SaaS 連携進捗インジケーター、信頼度バッジ、可逆操作ボタン等) を標準化したデザインシステムを構築。 コンポーネント再利用率が 60% 向上し、新機能のデザイン工数を 40% 削減。 ●ミッション 「企業の脳」を信頼できる存在にする 人間と AI エージェントの間に「信頼」を生むインタラクションを設計し、透明性・可逆性・説明可能性を備えたエージェント体験 (AX) を実現する。 ●Human-AI Collaboration Architect とは Human-AI Collaboration Architect は「人と Agent の信頼を設計する人」です。 従来の UX デザイナーとは以下の点で根本的に異なります。 従来のUXデザイン ユーザーの操作に対して確定的な結果を返す UIの動作は予測可能 エラーは明確 (404、入力ミス等) ユーザーが操作する 一貫した UI で信頼を構築 ・Human-AI Collaboration Architect AI の出力は確率的で、毎回異なる可能性がある エージェントの行動は不確実で、説明が必要 エラーは曖昧 (「回答が不正確かもしれない」) エージェントが自律的に行動し、ユーザーが監督する 透明性・可逆性・説明可能性で信頼を構築 ●期待する役割について Human-AI Collaboration Architect として、JAPAN AI の全プロダクト (STUDIO / CHAT / SPEECH / AGENT 等) における AI エージェント体験の設計をリードしていただきます。 エージェントの対話フロー・インタラクションパターンを設計し、ユーザーが AI を信頼して業務に活用できる体験を実現する 不確実性の可視化、信頼度表示、可逆操作 (Undo / 修正)、トレーサビリティ表示など、AI 特有の UX 課題を解決する ユーザーリサーチ (インタビュー、ユーザビリティテスト、A/B テスト) に基づくデータドリブンなデザイン判断を行う AI プロダクト向けデザインシステムを構築・運用し、プロダクト横断で一貫した体験を提供する エンジニア・PM・AI 研究者と密に連携し、技術的制約を理解した上でデザインする ●成果責任 (KR/メトリクス) ユーザータスク完了率 エージェント信頼度スコア (ユーザーサーベイ) エラー回復成功率 (ユーザーが自力で修正できた割合) ユーザーリテンション率 デザインシステムコンポーネント再利用率 ●チーム体制 約120名が開発組織に在籍しています。 密接に連携する役割: Product Manager — プロダクト設計・要件定義 Agentic Product Engineer — エージェント機能開発 AI Quality Scientist — 品質評価・ユーザビリティ Research Engineer — AI 技術の最新動向・制約の理解 ●開発環境 デザイン : Figma, FigJam プロトタイピング : Figma Prototyping, Framer リサーチ : Maze, Hotjar, Google Analytics コラボレーション : Slack, Confluence, Linear, Google Workspace, 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

●課題を定義する 顧客の業務プロセス・データ環境・既存SaaS群の全体像を把握し、AIがどこに介入すれば効果が最大化するかを特定します。経営層から現場担当者までと直接対話し、仕様書を受け取るのではなく、仕様を自ら定義します。 ●爆速で作る JAPAN AI STUDIOで、現場が実際に使うワークフロー（稟議承認、リソース最適配置、見込み顧客探索、データ連携 等）を構築します。顧客の既存SaaS（Salesforce / SmartHR / kintone 等）とのAPI連携、LLM・AIエージェントを用いたPoCの高速実装から本実装まで、フルスタックで自ら手を動かします。 ●本番に載せ、プロダクトに還す 本番導入の技術支援、セキュリティ・コンプライアンス要件への対応、導入後の利用定着まで伴走します。現場で得たパターンはプロダクトチームへ還元され、次の標準機能になります。 例：全国50店舗を展開する小売業。紙ベースで平均5営業日かかっていた発注稟議を、過去の承認パターンをAIが学習して一次判断するワークフローに置き換え、リードタイムを1営業日に短縮。この事例は標準テンプレートとして他顧客にも展開されました。 ●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。 ●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60名が開発組織に在籍しています。 FDEチームは現在10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

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

エージェント研究開発 異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等) 新しい推論・計画・検索手法の研究開発 マルチモーダル・長文コンテキスト対応の技術開発 最新論文の調査・再現・改良実装 評価・ベンチマーク 大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装 合成データ生成・評価ベンチマーク設計 モデルとプロンプトの自動評価支援 (学習 → プロダクトライフサイクル全体) プロダクション課題の解決 推論レイテンシ / コスト最適化 (量子化、蒸留、キャッシュ等) モデル学習用データミックスの作成・最適化 エージェント評価フレームワークの高度化 本番環境での品質改善・パフォーマンスチューニング 技術移転・発信 Agentic Product Engineer チームへの技術移転・メンタリング 学術機関・OSS コミュニティとの連携 【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 : SaaS 横断検索のためのナレッジグラフ RAG の研究開発 JAPAN AI STUDIO が「企業の脳」として機能するには、顧客の全 SaaS に散在する情報を横断的に検索・統合する必要がある。 既存の RAG では「Aプロダクト の従業員データ」と「Bプロダクト の商談データ」の関係性を捉えられず、回答精度が低い。 ナレッジグラフベースの RAG アーキテクチャを研究・開発し、エンティティ間の関係性を構造化。 SaaS 横断検索の回答精度を 40% 向上させ、Agentic Product Engineer チームに技術移転して全プロダクトに展開。 ●ミッション Agentが降参する問題を解く 現在の AI エージェントでは解決できないフロンティア課題に挑み、新しい推論手法・検索 / 計画・長期記憶・ツール利用の品質限界を突破する。 JAPAN AI STUDIO 上で動く数百のワークフローが、より賢く・速く・安全に動作する未来を、研究で切り拓く。 ●期待する役割について Research Engineer として、AI/LLM/ML の最先端研究と応用研究をリードしていただきます。 異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等) 大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装 モデルとプロンプトの自動評価を支援し、学習からプロダクトライフサイクル全体にわたって品質を担保 プロダクト組織と協力し、エージェントをプロダクトに適用するうえでの最も困難な課題を解決 モデル学習用データミックスの作成・最適化により、エージェントタスクにおける性能と使いやすさを向上 研究成果を Agentic Product Engineer チームに移転し、プロダクト全体の品質を底上げ 論文を書くことがゴールではありません。 研究成果をプロダクションに適用し、約 200 社が利用する本番環境でユーザーに届けることを重視します。 ●成果責任 (KR/メトリクス) ベンチマークスコア改善率 (社内 / 公開ベンチマーク) 新手法のプロダクション適用数 (四半期あたり) 推論レイテンシ / コスト改善率 論文・技術ブログ発表数 社内技術移転完了数 ●チーム体制 約120名が開発組織に在籍しています。 Research Engineerは以下のプロジェクトを横断して活動します: JAI Lab — AI研究開発 AI&Model — モデル学習・最適化 Voice & Tel — 音声AI・電話システム 密接に連携する役割: Agentic Product Engineer — エージェント機能開発 (技術移転先) Agent Harness Engineer — エージェント実行基盤 AI Quality Scientist Specialist — 評価パイプラインとの連携 Product Manager — プロダクト設計 ●開発環境 言語 : Python (研究・フレームワーク部), TypeScript / React / Next.js (フロントエンド部) / NX ML / AI : PyTorch, JAX, Transformers, vLLM, Weights & Biases インフラ : GCP (コンテナ / K8s), Docker 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

Laboro.AIは「全ての産業の新たな姿を作る」、「テクノロジーとビジネスを、つなぐ」をミッションに、お客様の課題に沿ってオーダーメイドのAIソリューション『カスタムAI』を提供します。AIプロジェクトの成功には、安定したネットワーク環境と計算機インフラが不可欠です。そこで、社内ネットワークの構築管理、セキュリティポリシーの運用、オンプレミスサーバ、データセンターやクラウドリソースの管理に精通したインフラエンジニアを募集します。AIの可能性を最大限に引き出し、私たちと共に次世代のイノベーションを推進する志を持った方をお待ちしています。 【本ポジションについて】 エンジニア部門の拡大に伴い、AIやシステム開発に必要なインフラの管理を専任で行っていただけるインフラエンジニアを募集します。弊社の機械学習エンジニアやシステム開発エンジニアと緊密に連携し、オンプレミスのGPUサーバやAWS・GCP・Azureなどのクラウドリソースの管理、セキュリティ対策、情報資産管理体制の整備を推進していただきます。 ※クラウドインフラはAWSを主軸(全体の約7割)としており、AWSの知見を存分に活かせる環境です。AzureやGoogle Cloudを利用する機会もあり、マルチクラウドの経験を広げられます。 【業務内容】 ●以下の業務における企画、要件定義、設計、構築、保守、運用 　- AWS・Azure・Google Cloud上のリソースに関する業務 　- オンプレミス(KVM・Kubernetes)のCPU・GPUサーバーに関する業務 　- オンプレミス及びクラウドリソースのセキュリティに関する業務 　- 社内ネットワーク・VPNに関する業務 ・オンプレミス及びクラウド環境の払い出しプロセス自動化・IaC化 ・社内サーバーの増設やセキュリティの改善に関連する施策、体制作りの企画、運営 ・ユーザー及びリソース管理の仕組みの企画、運営 ・作業手順や各種ノウハウの文書化 ・管理技術や実施体制の継続的な改善 ● 業務の変更範囲:なし

三菱UFJ銀行を中心にMUFG各社と連携し、AI技術を活用した業務の効率化・高度化を実現するプロジェクトにおいて、データ分析業務を担っていただきます。 具体的には以下のような業務があります。 ・MUFGにおけるビジネス課題解決のためのデータ分析や機械学習モデルの開発 ・顧客への分析結果の説明 ・AIに関する最新技術の調査・研究 ●プロジェクト例 ・市場動向分析モデルの構築 ・市場部門のフロント部署のための機械学習ツール開発 ・オルタナティブデータを用いた与信モデルの構築 ・アンチマネーロンダリング(AML)分野における分析支援 ●変更の範囲 場所:会社の定める場所(在宅勤務を行う場所を含む)

【色々な業界の幅広い案件を担当できる/要件定義から完成まで一貫して担当/ITエンジニアとしてスキルアップが可能】 検査・制御システムや電子・医療機器の特注・受託開発を手掛ける当社のエンジニアとして、生産管理システムなど、お客様のニーズに対応して特注でシステム開発をご担当いただきます。 【仕事内容詳細】 お客様(エンドユーザ)と直接打ち合わせをしながら、上流(要件定義・システム設計)から下流(プログラム・デバッグ、納入、立ち上げ)までの一式業務をお任せいたします。 案件規模によって1人で担当する場合や数名で担当する場合があります。 1つの案件の担当期間も1か月~1年程度と規模により様々です。 全ての案件が直受けの特注ですので、ニーズに合わせて1から完成まで作り上げることができる面白さがあります。 また、様々な業界と取引があるため案件内容も様々です。 【組織構成】 現在4名が在籍しています(40代男性1名、30代男性2名、20代男性1名)。 開発環境 言語:HTML,CSS,JavaScript,TypeScript,C#,PHP,Python,Java, サーバー:Windows Server,CentOS,Ubuntu フレームワーク:ASP.NET Core,.NET Framework,Ruby on Rails, Xamarin, Unity, CakePHP, Django, etc 変更の範囲:会社の定める業務

【概要】 東京大学 松尾・岩澤研究室が主催するAI・ロボティクス領域のモデル開発コンペティション全般を推進するメンバーを募集します。 本ポジションは、教育プラットフォームチーム内のコンペチームに所属し、企画立案からコンペ運営・結果発表・改善まで一気通貫でプロジェクトを動かす役割です。単なる事務局ではなく、ルール設計チームとの連携・ステークホルダー調整・コミュニティ運営を主体的にリードするポジションです。 「AI × 教育 × 社会実装」という希少性の高いフィールドで、国の機関・研究者・企業・学生など多様なステークホルダーと協働しながら、コンペや仕組みを自ら作っていける役割です。 IT・AI系のPM経験をお持ちの即戦力の方はもちろん、PMアシスタント等の経験を持つ方も歓迎します。 将来的には、教育プログラム全体の設計や新規事業開発をリードするPMとして、事業の中核を担っていただくことを期待しています。 【チームについて】 松尾・岩澤研究室の最先端の知見を講座として社会に届け、育成された人材が企業との共同研究や起業を通じて社会に価値を還元し、その知見・資金が再び研究へ循環する――当チームは「研究・教育・社会実装が循環するエコシステム」の中核を担っています。 現在、2026年までに年間20万人へのAI・データサイエンス教育提供を目指し、国内外の大学・企業・自治体と連携しながら、日本発の教育モデルをグローバルに展開しています。 【具体的な教育プログラム】 ●大規模言語モデル(LLM)講座 https://weblab.t.u-tokyo.ac.jp/lecture/course-list/large-language-model-basic-advanced/ ●Physical AI 講座 https://weblab.t.u-tokyo.ac.jp/lecture/course-list/physical-ai/ ●松尾研講座一覧 https://weblab.t.u-tokyo.ac.jp/lecture/course-list/ 【対象コンペティション(例)】 ・松尾研 Physical AI Robot Competition(PAI開発コンペ) ・松尾研 LLM開発コンペティション(https://weblab.t.u-tokyo.ac.jp/lm-compe-2025/) ・その他、松尾研が実施するAI関連コンペティション全般 【業務内容詳細】 ●企画・設計 ・コンペの全体設計(ルール・審査基準・タイムライン設計) ・参加者体験の設計・改善 ・新規コンペの立案・提案支援 ●運営・実行 ・コンペ本番の運営・進行管理 ・参加者コミュニティの運営・サポート ・トラブルシューティング ●プロジェクト推進 ・ステークホルダー調整(国の機関・研究者・企業・大学・開発チーム) ・スケジュール・品質・課題の一元管理 ・インターン・学生メンバーのディレクション ※松尾研では、それぞれの専門性を活かしたチーム展開を行っており、適性に応じて別ポジション・雇用形態やグループ組織をご案内させていただくこともございます。

■具体的な仕事内容[雇用直後] ・クラウドエンジニアリング業務 AWS、GCP、Azureなどのパブリッククラウドを使用した基板設計・構築・運用業務 ・オンプレミス・プライベートクラウド環境での基板設計・構築・運用業務 ※2→1の環境への移行なども含む ・Site Reliability Engineering ・インフラ開発・運用戦略および計画の策定 ・インフラの設計・実装・運用 ・構成管理でのプロセスや監視の相関分析などの自動化の仕組みの計画 ・CI/CD 環境の構築改善および、開発効率化に向けた各種施策の提案導入 ・障害や性能に関するのモニタリング環境の構築、運用 ・会社の定める業務 ソフトウェア開発だけでなくインフラ基盤をクラウドで提供していくことを推進していますが、環境によってはオンプレミス・プライベートクラウド環境も扱っていますのでクラウド環境だけではなく、オンプレ環境での設計構築力を鍛えていくことが可能になり、付加価値の高いエンジニアを目指せるだけでなく、上流から下流までワンストップで経験を積んでいくことが可能な職場・キャリア環境が整っています。 アプリケーション側の自動化アーキテクト業務も経験いただく、DevOpsの文化を大切にしていす。 【自社プロジェクト例】※全てプライム案件です ・某エネルギー企業のサーバーレスアーキテクチャーを用いた基盤構築及び運用 ・某社会インフラ企業の一般ユーザー向けサービスのインフラ基盤構築 【働き方】 ・ストリスフリーな環境をできる限り提供 ストレスを感じない環境を整えているのも当社の特徴の一つ。開発標準PCのメモリは最低32GB以上。 一人ひとりのエンジニアが求めるスペックを優先して環境面を整えます。 デュアルモニタ、他にも必要なソフト、ツールなどあれば、柔軟に利用できる環境です。 ・フルフレックス×リモートワーク 皆さんの生産性を最大化するために時間×場所の制約をできる限りなくすように努力しています。 ■具体的な仕事内容[変更の範囲] 変更なし

プロジェクトの例 業界・業種・技術は問わず多様なプロジェクトがあり、各業界をリードするエンタープライズ企業さ んと多くご一緒しています。 大手プロダクト・SaaSにおけるデータ分析基盤・自社用データマートのゼロからの設計・ 構築 Webサービス・ゲーム等のログデータ/取引データを対象としたDWH・マート構築および Redash/TableauでのKPI可視化 全社横断データマネジメントグループでのデータ定義統一、ドキュメント化、クエリチュー ニング Claude Code等の生成AIツールを活用した定型抽出・分析タスクの自動化・効率化推進 技術スタック(一部) AI/機械学習・自動化: Claude, OpenAI, Gemini, Claude Code, PyTorch データ/DWH/ETL: BigQuery, Redshift, AWS (S3, Lambda), GCP (Dataform), Azure Databricks, dbt, digdag 分析/BI/ツール: Tableau, Looker Studio, Redash, Adobe Analytics, Salesforce 言語/DB: SQL, Python, PostgreSQL, MySQL DevOps/環境: GitHub, Docker, Windows, Mac, Linux ツール: Slack, Notion, Google Workspace

Laboro.AIは「全ての産業の新たな姿を作る」、「テクノロジーとビジネスを、つなぐ」をミッションに、お客様の課題に沿ってオーダーメイドのAIソリューション『カスタムAI』を提供します。AIプロジェクトの成功には、安定したネットワーク環境と計算機インフラが不可欠です。そこで、社内ネットワークの構築管理、セキュリティポリシーの運用、オンプレミスサーバ、データセンターやクラウドリソースの管理に精通したコーポレートエンジニアを募集します。AIの可能性を最大限に引き出し、私たちと共に次世代のイノベーションを推進する志を持った方をお待ちしています。 【本ポジションについて】 エンジニア部門の拡大に伴い、AIやシステム開発に必要なインフラの管理を専任で行っていただけるコーポレートエンジニアを募集します。弊社の機械学習エンジニアやシステム開発エンジニアと緊密に連携し、オンプレミスのGPUサーバやAWS・GCP・Azureなどのクラウドリソースの管理、セキュリティ対策、情報資産管理体制の整備を推進していただきます。 ※クラウドインフラはAWSを主軸(全体の約7割)としており、AWSの知見を存分に活かせる環境です。AzureやGoogle Cloudを利用する機会もあり、マルチクラウドの経験を広げられます。 【業務内容】 ・以下の業務における企画、要件定義、設計、構築、保守、運用 　- AWS・Azure・Google Cloud上のリソースに関する業務 　- オンプレミス(KVM・Kubernetes)のCPU・GPUサーバーに関する業務 　- オンプレミス及びクラウドリソースのセキュリティに関する業務 　- 社内ネットワーク・VPNに関する業務 ・オンプレミス及びクラウド環境の払い出しプロセス自動化・IaC化 ・社内サーバーの増設やセキュリティの改善に関連する施策、体制作りの企画、運営 ・ユーザー及びリソース管理の仕組みの企画、運営 ・作業手順や各種ノウハウの文書化 ・管理技術や実施体制の継続的な改善 ● 業務の変更範囲:なし

◆ミッション 社内インフラの専任担当(テックリード)として、課題の特定、設計・構築からトラブルシューティング、新技術の導入までを一貫して担当します。 プレイングマネージャーとしてリアーキテクチャ、運用、トラブル対応も含めて組織体制や中長期的な戦略を含めて根本解決を主導していただきます。 ◆業務内容 ①ゼロトラスト、高可用性の実現 ・本社および国内12拠点以上のオフィスネットワークの運用 ・脱VPN、レガシーNWのリアーキテクト ・ゼロトラストの全社への適用と運用 ②運用改善・信頼性向上 ・AIOpsによる運用改善 ・障害発生時の原因切り分け、恒久対策の実施 ③クラウド・サーバー領域との連携 ・オンプレからAWS/クラウドへの移行 ・ADの運用管理、クラウド移行の検討 事業内容 《東証プライム上場企業》22期連続で増収を継続中 エス・エム・エスは「高齢社会に適した情報インフラを構築することで人々の生活の質を向上し、社会に貢献し続ける」 というミッションを掲げ、多様な事業・ビジネスモデルを展開しています 。 超高齢社会に突入したことで多くの社会課題が発生していますが、人々のニーズや関心の高まりをビジネスチャンスとして捉え、 「高齢社会×情報」を切り口に「医療」「介護/障害福祉」「ヘルスケア」「シニアライフ」領域で、40以上のサービスを運営しています。 例)介護事業者向け業界特化型SaaS、ICTを活用した生活習慣病重症化予防のリモートチャット指導、 医療介護従事者向け専門情報コミュニティサイトやキャリア支援 2011年の東証一部(現:プライム)上場後も国内外で新規事業の創出をさらに加速させており、 22期連続で増収のメガベンチャー企業として存在感を強めています。 また、アジア・ヨーロッパ・オセアニアなど海外17ヵ国でも事業を展開しており、 今後も日本国内に留まらず既存事業の拡大・成長と新規事業の開発を加速度的に進めていく予定です。 配属部署 経営管理本部 経営インフラ部 ITインフラサービスグループ ITインフラ ITインフラチームは現在正社員3名、業務委託3名の計6名体制となっています。 同グループ内にはヘルプデスクチームや音声コミュニケーションチーム(IP電話等を取り扱うチーム)が存在し、連携しながら業務を行っています。 入社後の流れ 入社後は全体研修を実施し、会社の理念や事業内容、各種制度について説明します。 その後は、配属部署にて実務を通じたOJTでキャッチアップを進めていただきます。 即戦力としてご活躍いただけるよう、必要に応じてサポートしますので、不明点や困りごとは気軽に相談できる環境です。 開発環境・利用ツール ・本社(2000名)、地方拠点(10名?500名)のオフィスネットワークと本社サーバールーム、データセンター(VPN拠点用)、AWS ・ネットワーク機器:Foritgate、Aruba、HP、Panasonic AIRRECT(WiFi)など ・ユーザ端末:Windows or Mac ・Hyper-V、Windows Serverなどのオンプレミスまたは仮想環境 ・GoogleWorkSpace、セールスフォース、Kintoneなどのクラウドサービス ・事業や所属部門の状況の変化等により、会社の指示する職務内容へ変更することがある

マーケティング業務を支える社内IT環境の構築・運用・保守全般を担っていただきます。 社員がクリエイティブな活動に集中できるよう、安全でストレスのないIT基盤を提供することがミッションです。 ・IT資産管理・キッティング ・PC(Windows/Mac)および周辺機器、モバイル端末の選定・調達・キッティング ・MDM(Intune, Jamf等)を用いた効率的な端末管理 ・社内ネットワーク・オフィスインフラの保守 ・オフィス内LAN/Wi-Fi環境の運用、VPN管理、拠点間ネットワークの安定稼働 ・会議室システム(Zoom Rooms / Google Meet等)のセットアップ・保守 ・SaaS・アカウント管理 ・Google Workspace / Microsoft 365 / Slack 等のID管理 ・マーケティングツールや各種SaaSのライセンス・権限管理、コスト最適化 ・ヘルプデスク・ユーザーサポート ・社員からの問い合わせ対応(ハードウェア故障、操作方法、通信トラブル等) ・FAQの整備やマニュアル作成による自己解決率の向上 ・情報セキュリティ・ガバナンス ・端末のウイルス対策、資産棚卸し、入退社に伴うアカウント削除の徹底

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

Givery AI Labの一員として、課題発見・PoC、独自AI実装・AI内製化、AI精度評価・改善などの開発支援に携わっていただきます。 ・スクラムイベント(デイリースクラム、スプリントプランニング、レビュー、レトロスペクティブ)のファシリテーション ・チームが自律的に開発を進められるような支援 ・チームの障害(インピーディメント)の除去、外部との調整 ・プロダクトオーナーとの協力によるバックログ管理支援 ・アジャイル/スクラムの啓蒙・浸透活動、チームの継続的改善 ・開発プロセスやチーム文化の成熟度を高める取り組み ※業務の変更の範囲:会社内での全ての業務 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 ・ツール:Terradate 備考 支給PCはWindows or Macbook　※最新のMacbook Proを支給することが多いです!

「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」のプロジェクトマネジメントを行っていただきます。 データ分析が得意な方には、RAG等の精度向上や分析関連プロジェクトをお任せすることもございます。 ・AI製品開発プロジェクトの計画立案、進行管理、リソース調整 ・開発チーム(エンジニア、デザイナー、データサイエンティストなど)との連携、調整 ・ステークホルダー(社内外)とのコミュニケーションおよび要件定義 ・プロジェクトの進捗状況のモニタリングとリスク管理 ・プロジェクト後のフィードバック収集と改善提案 ※業務の変更の範囲:会社内での全ての業務 1日のスケジュール例 ※リモート勤務・フレックス制のため、コアタイム(13:00~16:00)以外はご自身で調整可能です! 10:00~ キャッチアップ(Slackやメールの処理) 10:30~ トレンドキャッチアップ 11:00~ PJ進捗確認 12:00~ お昼休憩 13:00~ PM・ハンズオン作業(WBS作成・資料作成・開発業務) →セミナー用資料やお客様向けの資料、社内の作業管理など 15:00~ チームMTG、1on1 16:30~ お客様とのMTG 18:00~ MTGやPM業務・ハンズオン作業など 19:00 退勤 技術スタック ※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 ※支給PC:Windows or Macbook　※最新のMacbook Proを支給することが多いです! ・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 案件例 <自動車・住設メーカー向けAIソリューション開発> 生成AIを活用した業界特化型のソリューション開発を実施 ●自動車設計 ・テキストデータ、画像データから、3D図面の作成や新規自動車の提案をするAI ●商品提案 ・ユーザペルソナ情報、住宅情報など、ショールーム来訪顧客に対して、 ・顧客情報や会話から最適なプランを提案してくれるAIエージェントを構築 <専用環境構築:大手銀行様> 現場のニーズを踏まえた「適切な情報管理」「社内独自の文書やデータの取り込み」などの専用環境構築 ●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 ・全社員・役員向け生成AI研修 ・自社専用環境の構築・音声AIを活用した業務効率化 ●得られた成果 ・働き方改革拡大、DX人材育成、全社員の意識改革に貢献 <社内プロダクトへのAI実装:弊社> ChatGPTを活用した法人向けプラットフォーム「法人GAI」や生成AIで業務を効率化するAIマーケティング支援ツール「マーケGAI」、デジタル人材育成プラットフォーム「Track」のAI機能実装 ・実施内容 -ユーザペルソナ作成から商品開発や検索広告文作成などを提案するAI機能の開発 ●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

楽楽シリーズ(楽楽精算、楽楽明細、楽楽勤怠)の何れかのクラウドサービス製品における 新機能追加、パフォーマンス向上、技術的改善や刷新などのWebアプリケーション開発、プロジェクトマネジメントを行っていただきます。 【例】 1.開発プロジェクト管理 ・開発工程における進捗管理/課題管理を中心とした開発のとりまとめと推進 ・問い合わせや作業依頼の対応指示、トラブルシューティングや不具合調査の指示 2.開発成果物レビューや確認 ・仕様書のレビュー ・設計書の確認 3.メンバーフォロー ・開発進捗管理や1on1等のフォロー ・チームメンバーの育成(技術面や行動面など) 下記、何れかでの組み合わせとなります。 ・使用言語:Java、PHP、JavaScript ・ミドルウェア:Apache、Tomcat ・フレームワーク・ライブラリ:Spring Boot、SAStruts、jQuery、React/Redux、Vue.js ・データベース:PostgreSQL ・IDE:eclipse、IntelliJ ・コードレビュー:Pull Request ベース(GitLabのMergeRequest使用)でのコードレビュー ・手法:アジャイル、ウォーターフォール ・バージョン管理システム:GitLab ・チケット管理システム:Redmine、Trello ・CI、テスト:GitLab CI、Jenkins、gradle、Selenium/Selenide ・その他ツール:Flyway、Docker ・PC:ノートPC(Windows or Mac選択可能) ・ディスプレイ:ワイドディスプレイ2台支給 ・各サービスごとに1チーム5-10名程度でのチーム開発となり、殆どが正社員の内製開発 ・基本構成:管理職/ マネジメント系リーダー /技術スペシャリスト系リーダー/開発メンバー (当社ではマネジメント系とスペシャリスト系で業務を分担しています) ・役割の例 ・プロジェクトマネージャー ・プロダクトマネージャー ・他に他部署となるデザイナー、インフラエンジニア、プロダクトマーケティングマネージャー、カスタマーサポート等と連携します。 ※従事すべき業務の変更の範囲 本人の能力・適性および事業運営上の必要性に応じ、会社の定める業務に変更する場合があります。