機械学習・データ活用 macOSのITエンジニア求人・転職情報

役割 toC、toB、社内向けシステム含め、様々なユーザの声を聞きつつ、フルスタックに開発に携わっていただきます。 既存サービスの最適化を進めるプロジェクトにおいては、事業・マーケ・開発の3者を巻き込みながら、技術面をリードする立場として設計方針の策定や改善提案を行っていただきます。 また、レバテックが保有する日本最大級のデータの価値を最大化するためにプロダクトとオペレーションの観点から再設計していくプロジェクトが進行しており、設計や開発推進に携わっていただきます。 業務内容の例 ●フロント、バックエンド、インフラを一気通貫し、複数システムにまたがるアーキテクチャ設計 ● 担当サービスの新規機能開発と継続的改善のマネジメント ●アジャイルを通じた開発プロセス改善や、プロジェクトの目的に応じた体制構築 ●コードレビュー/最適な内部品質の探索や技術的負債への方針策定 ●新技術導入調査/チームへの導入推進 等 進行中のプロジェクト例 ●レバテックへのユーザ登録体験の最適化 レバテックIDという認証・認可基盤を元に、いかにユーザがストレスなくサービスを受けられるかを考え、営業やマーケティングメンバーと協力しつつ最適なUXを探り、施策を作って開発していくプロジェクト ●マスタデータの最適化、機械学習エンジンとの連携(MLOps)を通じたマッチングの効率化 エンジニアと企業のデータの最適化を行い、ユーザ自身やキャリアアドバイザーがよりマッチする相手(企業もしくはエンジニア)を探すことができる基盤を整えていくプロジェクト ●複数システム連携部分のアーキテクチャ再設計 システム統合、モノレポ化、モジュラーモノリス化など、様々なアーキテクチャを考えつつシステム連携のあるべき姿に向けて設計と再構築(実装)を行っていくプロジェクト ●オブザーバビリティ(o11y)の強化 マイクロサービスのシステム間トレーシング・APMや、事業目標に応じたSLI/SLOの策定を通じて開発体験の改善や可観測性を高めるプロジェクト 他にも様々なプロジェクトが進行・計画されています。 全てに関わるわけではなく、ご志向と適性に合わせてどんなプロジェクトに携わっていただくか、一緒にミッションを考えさせていただきたいです。 開発組織について レバレジーズグループでは創業以来、代理店や外注業者をほぼ使わずインハウス型でノウハウを蓄積している環境で、自社サービス開発を行っております。 CTO室について CTO室は、2023年11月に立ち上げた組織となります。 現在はレバテック社長直下の組織として、配下1名体制で主にシステム戦略を立てる動きをしています。 直近で3~4名体制を目指しており、それぞれが得意分野を元に、システム戦略策定に関わる動き、また戦略を元に他開発メンバーを巻き込んでフルスタックに開発を主導していく動きを期待しています。 開発組織は、正社員・業務委託メンバー合わせて80名ほどの体制になっています。 ▼詳細は以下の記事をご確認ください [「日本を、IT先進国に。」に向けて、レバテックCTO室を設立。](https://tech.leverages.jp/entry/2023/10/02/130539) 開発環境 開発言語・フレームワーク: ・TypeScript-Node.js、React.js / Next.js、Vue.js / Nuxt.js、NestJS、Frourio ・PHP-Laravel ・Dart-Flutter インフラストラクチャ:AWS-EC2、ECS、S3、RDS、ElastiCache、Lambda、Opensearch、SQS、EventBridge、Amplify　他 DB:MySQL(AWS Aurora) 構成管理ツール:CDK、Terraform CI/CD:Github Actions 監視ツール:Cloudwatch、Datadog その他:Docker、GitHub、gRPC、GraphQL、StoryBook 開発マシン:Mac Book Pro

｢意思決定の質と量を高めることで事業成長を実現させる｣ため、必要なデータの整備からデータ活用環境の構築および活用推進を担っていただきます。 基本的には、エンジニア、セールス、マーケター、データサイエンティストなど様々な職種と関わりながらプロジェクトを進めます。 データ系職種の中でデータアナリスト・データアーキテクトの領域に該当する業務を担当いただきます。 ●データアナリスト:データ分析及びそれに基づいた事業部への施策提案 事業の抱える課題を解決して成長を実現するために、下記の業務をご担当いただきます。 ・事業課題に即したデータ分析の設計 ・データの抽出・可視化・分析 ・分析結果の報告及び施策提案 ・その他事業課題解決に向けたプロジェクトの立案及び実行 ●データアーキテクト:データ分析環境の構築・改善 事業に関わるメンバーがデータ分析を適切に行える環境を作るため、下記の業務をご担当いただきます。 ・KPI設計及びデータの定義 ・DWHの構築及び改善 (BigQuery) ・データ活用を促進するための社内教育 ・その他事業におけるデータ活用を促進するためのプロジェクトの立案及び実行 ・BIツールを用いたデータの可視化及び改善 (Tableau、QuickSight、LookerStudio、Google Spreadsheet) ●データアナリスト/データアーキテクト共通 ・事業責任者に対するデータ活用施策の提案および施策ディレクション ・要件定義から施策実行までのプロジェクト計画、品質管理、工数管理、進捗管理 ・事業成長につながるデータ戦略の立案及び実行 <<扱うデータ >> ・自社サイトのアクセスログデータ(ビュー、クリック、スクロール) ・顧客の属性データ、顧客の時系列情報 ・自社社員の行動(架電履歴など)データ ・WEB広告(主にgoogle系)の配信成果データ等 ・テキストデータ(QAサイトのデータ、求人票のデータ、経歴データなど) ・音声データ(通話) <<使用技術>> ・言語:Python、R、SQL ・データ基盤:BigQuery ・データ可視化:Tableau、AWS QuickSight、LookerStudio ・環境:Linux ・クラウド:Google Cloud(Dataform、Dataplex)、AWS ・バージョン管理:Git、Github

<<詳細>> 「意思決定の質と量を高めることで事業成長を実現させる」ために、必要なデータの整備からデータ活用環境の構築および活用推進を担っていただきます。 基本的には、エンジニア、セールス、マーケター、データサイエンティストなど様々な職種と関わりながらプロジェクトを進めます。 データ系職種の中でデータアナリスト・データアーキテクトの領域に該当する業務を、事業状況に応じて担当いただきます。 ●データアナリスト:データ分析及びそれに基づいた事業部への施策提案 事業の抱える課題を解決して成長を実現するために、下記の業務をご担当いただきます。 ・事業課題に即したデータ分析の設計 ・データの抽出・可視化・分析 ・分析結果の報告及び施策提案 ・その他事業課題解決に向けたプロジェクトの立案及び実行 ●データアーキテクト:データ分析環境の構築・改善 事業に関わるメンバーがデータ分析を適切に行える環境を作るため、下記の業務をご担当いただきます。 ・KPI設計及びデータの定義 ・DWHの構築及び改善 (BigQuery) ・データ活用を促進するための社内教育 ・その他事業におけるデータ活用を促進するためのプロジェクトの立案及び実行 ・BIツールを用いたデータの可視化及び改善 (Tableau、QuickSight、LookerStudio) <<扱うデータ >> ・自社サイトのアクセスログデータ(ビュー、クリック、スクロール) ・顧客の属性データ、顧客の時系列情報 ・自社社員の行動(架電履歴など)データ ・WEB広告(主にgoogle系)の配信成果データ等 ・テキストデータ(QAサイトのデータ、求人票のデータ、経歴データなど) ・音声データ(通話) ※事業の特性上、ゲーム系のように大容量データをリアルタイムに処理する機会はありません。 <<使用技術>> ・言語:Python、R、SQL ・データ基盤:BigQuery ・データ可視化:Tableau、AWS QuickSight、LookerStudio ・環境:Linux ・クラウド:Google Cloud(Dataform、Dataplex)、AWS ・バージョン管理:Git、Github

このポジションでは、VPoT直下で特定のプロダクトに限定されない横断的な技術課題に取り組みます。業務は大きく2つの側面があります。 【1. 全社基盤・未解決領域の実現】 ・技術POCと新規領域の実装 — 新規事業仮説や技術的課題に対し、生成AIをフル活用して迅速にプロトタイプを構築・検証 ・プロダクト横断基盤の企画・構築 — 複数事業にまたがるデータ分析基盤、顧客基盤、マスタデータ管理、認証基盤などの整備・運用 ・プロダクト間連携の中間システム開発 — 複数プロダクトを統合するAPIやデータパイプラインの設計・構築 【2. プロダクトチームの支援・能力向上】 ・複雑度の高い技術課題(アーキテクチャ分離、信頼性改善等)への、設計リード・並走 ・設計レビュー・壁打ち・モブプログラミングを通じた、各チームのテックリード・エンジニアへの技術支援 ・生成AI活用の全社推進 — ハンズオン実施、スキル・ワークフローの整備、エンジニア以外の部門への活用展開 ・チームの開発プロセス改善支援(スクラムイベントのファシリテート等) 支援においては「人手の貸し出し」ではなく、関与が終わった後にチームに高まった能力が残ることを大切にしていきます。2つの側面の配分は固定せず、組織の状況に応じて優先度を判断しながら取り組みます。 【業務内容】 雇入れ直後:システム開発部 変更の範囲:会社の定める業務 ●開発環境 POCの開発や特定のプロダクトに限らない開発を行うため使用する言語やフレームワークは多岐にわたります。ここでは一例を記載します。 ・開発言語/フレームワーク等: 　-Backend: Ruby on Rails、Kotlin、Java、Go 　-Frontend: TypeScript、React、Vue.js 　-特性: 特定の言語・フレームワークに限定せず、プロダクトやチームの最適な技術選択に対応する横断開発ポジション 　-DB: PostgreSQL、MySQL ・インフラ: AWS(EC2, S3, RDS, Lambda, CodeBuild等)、GCP(Firebase, BigQuery, Cloud Functions等) ・バージョン管理: Git/GitHub ・CI/CD: GitHub Actions、Jenkins、CircleCI、AWS CodeBuild ・AI開発支援ツール: Claude(Claude API、Claude Code)、GitHub Copilot、Gemini、Devin ・コミュニケーション: Slack, Notion, Google Workspace 【作業環境】 ・Mac Book Pro / Air (機種・キーボードレイアウト選択可)支給 ・外付けモニター: フリーアドレスで利用可能 ・フリーアドレス制なので、気分に合わせて好きな場所で作業可能 ●キャリアパス 領域を限定せずに広くチャレンジすることが歓迎されるカルチャーが浸透し、「本人の意志・志向性に応じて、柔軟に役割を広げていく」考え方がベースにあります。 横断開発という特殊なポジションは、通常のチーム開発では得られない成長機会を提供します。複数プロダクトの技術スタックやアーキテクチャを経験しトレードオフの判断力が養われるほか、基盤層の開発知見をプロダクト開発へ展開する循環が生まれます。VPoTと共に部全体の技術戦略を策定し、他チームをリードする立場へのキャリアも開かれています。 ▼キャリア事例 ・入社5年目でVPoTにキャリアアップ ・20代でエンジニアリングマネージャーにキャリアアップ ・新卒2年目でカスタマーサクセスに挑戦するメンバー ・エンジニアからPdMへキャリアチェンジ 等 年齢を問わずご活躍できるフィールドがあり、20-30代の若手メンバーも多く活躍しています! また横断組織は今後も継続的に拡大していく計画です。組織の成長に伴い、プラットフォーム機能やイネイブリング機能の専門チーム化を見込んでおり、その立ち上げをリードするポジションへの道が開かれています。初期メンバーとして入ることで、組織設計そのものに関与する機会があります。 ●配属組織 本ポジションはシステム開発部直下に配属されます。通常のチームベースの組織構成とは異なり、部直下のエンジニアとしてVPoTとともにdev全体に横断的に関わる責務を担当します。 エンジニアチームだけでなく、PdM、セールス、CS、それぞれのチームと関わり、一緒に協力して取り組むことを大切にしています。 ▶︎[開発組織の体制について/VPoE・VPoTのインタビューはこちら](https://note.com/hacobell/n/n77ab6e3a81fe) ●カルチャー ・スクラム開発を推進 ・積極的なペアプロやモブプロ ・週次でチーム横断のエンジニア定例 ・自発的な勉強会やハッカソンの開催 ・VPoEやEMとの1on1 ・メンター役が伴走するオンボード支援 ・生成AIをフルに活用した開発スタイルを全社的に推進。チーム内での学習・議論を常に行い、技術の進化に合わせて開発スタイルを進化させ続けている ●AI活用状況 【開発プロセスそのものをAIで作り替えている組織です】 ハコベルにとってAI活用は、個人の生産性ツールではなく経営アジェンダです。プロダクト戦略と対になる「Tech戦略」の中で「AI自律開発による開発生産性10x」を経営レベルの方針として定義し、開発組織のファーストプライオリティに位置づけています。 私たちが取り組んでいるのは、コーディングをAIに委託することではありません。 ・要件定義: 開発マイルストーン→PBI→SBIへの分割・プランニングをAIが担い、NotionをSSoTとして運用 ・設計: 実装前にAIとdesign.md/ADRを作成し、設計判断は組織の資産として蓄積 ・実装: 複数サブエージェントによる並列実装を含め、AI主体の実装が全チームで稼働 ・レビュー: design.mdとの差分ベースのレビューや、観点別レビューエージェントの整備 ・QA: ケース自動生成、Gherkin×PlaywrightによるE2E自動化 といったように開発フローの全工程をAIが自律的に駆動できる形に再設計している最中です。AIが安全かつ有効に動ける環境・コードベース・ワークフローそのものを設計する「ハーネスエンジニアリング」に組織として取り組んでおり、「AI活用推進会」で各チームの知見を集約・横展開しています。成果・進捗はDORAメトリクス(デプロイ頻度・リードタイムなど)や実装量で計測し組織的に前進させています。 しかし、正直に言えばまだまだ道半ばです。実装のAI化が進んだ結果、レビューとQAが新たなボトルネックとして顕在化しており、まさに今この構造問題を解いているフェーズです。「完成されたAI開発環境を使う」のではなく、「AI時代の開発のあり方を自分の手で定義する」ことに面白さを感じる方に入社いただき、試行錯誤も含めてチャレンジしていきたいと考えています。

※本求人はエンジニアリンググループの関西採用を目的とした求人票です。 　エンジニア全職種で募集しています! ●ミッション 最先端のIT技術を使って医療現場の課題を解決し、日本の医療を変革すること ●担当事業・プロダクト エムスリーはテクノロジーを活用し、医療業界にイノベーションを起こすことを目指して、日本国内外で数多くのWebサービスを展開しています。 「m3.com」 日本最大の医療従事者向けプラットフォーム「m3.com」における各サービスの提供を通じて国内30万人以上、世界で600万人以上の医師に適切な情報を配信し、一億人以上の患者に貢献するため、プロダクト開発に取り組んでいます。 「エムスリーデジカル」 医師の「患者と向き合う時間」を最大化する、クラウド電子カルテ「エムスリーデジカル」を開発しています。新規導入施設数でクラウド電子カルテにおいてNo.1となっています。機械学習を用いた新規機能開発、電子カルテならではの安定運用に向けた改善などに取り組んでいます。 https://digikar.co.jp/ 「エムスリーデジカルスマート診療」 クリニックでの患者の待ち時間の短縮、業務のDXのために、予約・問診・決済等の機能をシームレスに提供する「デジスマ診療」を開発しています。電子カルテ連携・患者向けWeb・アプリや医療機関向け管理画面の改善に取り組んでいます。 https://digikar-smart.jp/doctor その他にも、数多くのプロダクトを運用・新規開発しており、選考フェーズの中で志望者様の希望も含めてご担当頂くプロダクトを決定します。 ●担当業務 担当チームが受け持つプロダクトの設計・開発・運用をお任せします。 プロダクトマネージャーやビジネスチーム、デザインチームと協力しながら、ユーザーヒアリング・技術選定・設計・実装・QA・運用保守といった様々なフェーズに関わることが出来ます。 ●チーム体制 プロダクトごとにチームを組んでおり、チーム平均5〜6名のエンジニアに、プロダクトマネージャー、デザイナー、QAを加えた体制を取っています。 スクラムをベースとした開発を行うチームが多く、継続的なリリースによってユーザに素早く価値を届けることを目指しています。 <入社時>上記に記載の業務 <変更の範囲>会社の定める業務、就業規則に従い出向となった場合は出向先の定める業務

●ミッション 最先端のIT技術を使って医療現場の課題を解決し、日本の医療を変革すること ●担当事業・プロダクト エムスリーはテクノロジーを活用し、医療業界にイノベーションを起こすことを目指して、日本国内外で数多くのWebサービスを展開しています。 「m3.com」 日本最大の医療従事者向けプラットフォーム「m3.com」における各サービスの提供を通じて国内30万人以上、世界で600万人以上の医師に適切な情報を配信し、一億人以上の患者に貢献するため、プロダクト開発に取り組んでいます。 「エムスリーデジカル」 医師の「患者と向き合う時間」を最大化する、クラウド電子カルテ「エムスリーデジカル」を開発しています。新規導入施設数でクラウド電子カルテにおいてNo.1となっています。機械学習を用いた新規機能開発、電子カルテならではの安定運用に向けた改善などに取り組んでいます。 https://digikar.co.jp/ 「エムスリーデジカルスマート診療」 クリニックでの患者の待ち時間の短縮、業務のDXのために、予約・問診・決済等の機能をシームレスに提供する「デジスマ診療」を開発しています。 電子カルテ連携・患者向けWeb・アプリや医療機関向け管理画面の改善に取り組んでいます。 https://digikar-smart.jp/doctor その他にも、数多くのプロダクトを運用・新規開発しており、選考フェーズの中で志望者様の希望も含めてご担当頂くプロダクトを決定します。 ●担当業務 担当チームが受け持つプロダクトの設計・開発・運用をお任せします。 プロダクトマネージャーやビジネスチーム、デザインチームと協力しながら、ユーザーヒアリング・技術選定・設計・実装・QA・運用保守といった様々なフェーズに関わることが出来ます。 ●チーム体制 プロダクトごとにチームを組んでおり、チーム平均5〜6名のエンジニアに、プロダクトマネージャー、デザイナー、QAを加えた体制を取っています。 スクラムをベースとした開発を行うチームが多く、継続的なリリースによってユーザに素早く価値を届けることを目指しています。 <入社時>上記に記載の業務 <変更の範囲>会社の定める業務、就業規則に従い出向となった場合は出向先の定める業務

●ミッション あらゆるデータとあらゆる分析技術を活用して、医療に最適な意思決定を適用する。 ●役職/ロール データサイエンティスト(DS)/シニアデータサイエンティスト ●担当業務 ・担当事業の主担当として、分析設計、開発、示唆出しを行い、事業インパクトを創出します。 ・エムスリーグループ内の各担当者の問題解決パートナーとして、担当事業部の課題を解決します。 ・ジョイントベンチャーを含む大型分析プロジェクトをリードします。 ・中長期的な価値提供を行えるよう、分析ソリューションプロダクトを開発します。 ・DSの人材育成や成果物の品質向上を目的とした分析基盤開発などのグループの生産性を向上させます。 ●所属 データ分析グループ 約20名のDSが在籍しています。 事業インパクトの最大化を目的として、各DSの成果を定量的に評価し、創出した付加価値をKPIとしています。 クライアントの深い理解とニーズ発掘に取り組み、信頼関係を構築できるようクライアント担当制を敷いています。 各DSが、担当事業での課題発見/実装/評価等の全データ分析プロセスを一気通貫で行います。 ●カルチャー 周囲のグループと協働して、DSが最も付加価値を提供できる企画とロジック開発に特化しています。 事業課題に応じたソリューションを提供し、同時並行で複数のプロジェクトを実施します。 時間への意識を高め、世の中のライブラリを積極的に活用したデリバリー優先の開発を行います。 データサイエンティスト同士の連携を重視し、プロジェクト・分析結果の共有やコードレビュー等を行っています。 勉強会にて、各データサイエンティストが定期的に新たなチャレンジをしています。 ●技術スタック 統計技術:機械学習, 因果推論, 組合せ最適化, 自然言語処理等 言語:Python3.x, SQL, Shell Script DB:BigQuery インフラ:PC (Windows / Mac希望に応じて), オンプレミスサーバー, AWS コード管理:GitLab コミュニケーション:Slack, JIRA, Confluence <入社時>上記に記載の業務 <変更の範囲>会社の定める業務、就業規則に従い出向となった場合は出向先の定める業務

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

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)

プロジェクトマネジメント業務 (PL/PM候補として) ●クライアントとの折衝、ビジネス課題のヒアリング、要件定義 ●プロジェクト計画の策定、WBS作成、見積もり ●チームメンバーのアサイン、タスク管理、進捗・品質管理 データエンジニアリング業務 ●クライアントのビジネス要件に基づくDWH/データレイクのアーキテクチャ設計・構築 ●スケーラビリティやコスト効率を考慮したデータパイプラインの設計・開発・運用 ●dbt、Airflowなどを用いたデータモデリングとワークフロー構築 ●新規技術の調査・PoCの実施と、クライアントへの導入提案 活動事例 ●技術サービス:複数外部システムデータ全社分析基盤構築支援(チーム:4名、期間:約1年半～継続中) ●運輸:帳票業務の自動化と効率化を実現するための分析基盤構築支援(チーム:2名、期間:約3年～継続中) ●小売:需要予測システムの基盤構築支援(チーム:3名、期間:約2年～継続中) スキルアップへのサポートも充実 資格支援制度として統計検定など、一部の資格取得に対しては会社が受験費用を支給。さらに、これまでの実績を活用したデータ分析に関する研修も実施しています。 また、業務後の時間で定期的に有志の勉強会を行い、不明点は適宜上長に相談するなど社員自らが自己研鑽に励んでいます。若手層の勢いがあり、経験が浅い社員に対してもチャレンジを促す風土があります。 意欲的に取り組む姿勢さえあれば、開発案件だけでなく人事や組織形成に関する領域の業務にも携わることが可能。技術的にスキルアップをしながら幅広いキャリアを形成していきたい方にはおすすめの環境です。 個人の働き方に合わせたキャリアパス 分析屋のキャリアパスは、各個人の特性を活かし、「社員のやりたい」を尊重するべきだという思想のもとで作られております。 マネジメント/技術/ライフワークバランスなどの、社員が重視する働き方を実現するためのコースとなります。 ▼将コース(総合職) 一般的に管理職を目指していきたい方向けのコースです。 将来マネージャーとして組織を作っていきたい人、自ら考えを持ち、発信する。 ▼剣コース(技術職) 一般的に技術職でキャリアを積み上げていきたい人向けのコースです。 組織の技術発展を促進する役割を担い、技術でリードする。 ▼武士コース よりライフワークバランスを重視したコースとなります。 中途入社者の前職・入社後のキャリアの例 ＜2019年入社Tさん＞ 【前職/IT業界(交通関係PJ3年)にてSE】 ・集計方法の提案、SQL(SQLServer)からデータの抽出/集計加工 ・ExcelやGISツール等を使ったデータのグラフ化/可視化、報告書作成サポート 【現在PJ/ゲーム業界にて分析エンジニア】 ・SQL(BigQuery)からデータの抽出/集計加工 ・KPI作成及びスプレッドシートとBQの連携 ・抽出したデータから多変量解析(決定木/クラスタリング/SHAP) ・分析設計 ・報告書作成 ＜2019年入社Aさん＞ 【前職/医療関係にて医療技師】 病院での検体検査、及び生理学的検査業務 【現在PJ/マーケティング関連、分析エンジニア) データ集計/分析、BIツールを用いたダッシュボード作成 ＜2019年入社Iさん＞ 【前職/自動車業界にて開発職】 車載ECUのソフトウェアテスト、業務効率向上のためのツール開発 【現在PJ/マーケティング関連、分析エンジニア】 ・毎月の清涼飲料水市場規模や売上動向の推計 ・レポート作成サポート ・使用する分析ツールの作成及び改修

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

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

「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