年収1000万円以上 PythonのITエンジニア求人・転職情報

AIプロダクトソリューション部は、会社全体の成長を支えるAIソリューション開発を担う部門です。 転職希望者と求人企業のマッチング精度向上や応募率・成約率の改善など、事業の根幹に関わるテーマを扱っており、その実現に向けて研究開発から事業実装までを一貫して推進しています。 現在、生成AIやLLMの進化によって、人材サービスの在り方は大きな変化の可能性を迎えています。 一方で、人材マッチングの領域には依然として多くの未解決課題が存在しています。 たとえば、 ・転職希望者の経験・スキル・志向性の理解 ・求人企業の期待や組織特性の構造化 ・複雑なキャリアパスの予測 ・膨大な非構造化データの活用 ・マッチング精度と説明可能性の両立 ・継続的なモデル改善と運用高度化 などは、依然として高い技術的難易度を持つテーマです。 今回のポジションでは、データサイエンスのエキスパートとして、全社のAIモデルおよび機械学習モデルの設計・開発・チューニングを技術的にリードし、人材マッチングの高度化に向けた新規マッチングロジックを自ら企画・設計・実装したうえで、応募率や成約率などの重要KPI改善まで推進いただきます。 また、ビジネス課題を自ら構造化し、事業責任者やPdM、エンジニアと密に連携しながら仮説検証を進めるだけでなく、新技術や新たなデータ活用を全社へ展開し、標準モデルや共通コンポーネントとして浸透させていくことも期待しています。 担当業務例 具体的には下記の様な業務・プロジェクトを牽引いただくことを想定しております。 ●全社共通AIモデル・マッチングロジックの企画・アーキテクチャ設計 -「doda」をはじめとする複数プロダクトで横断利用される標準AIモデル・アルゴリズムの全体設計および技術選定 -単一のレコメンドにとどまらない、全社的なマッチング精度向上に向けた基盤・コンポーネント化の推進 ●事業課題の構造化とAIソリューションロードマップの策定 -事業責任者・PdMと対等に議論し、抽象度の高いビジネス課題やユーザー体験上の課題を「解くべきAI技術課題」へ構造化 -KPI(応募率・成約率・CVR・マッチング品質等)向上に直結する仮説検証(PoC)の設計と、本番適用までのプロジェクトリード ●最先端技術(生成AI・LLM等)の調査・検証および事業実装の主導 -生成AI、大規模言語モデル(LLM)、マルチモーダルAI等の最新論文・技術動向のキャッチアップ -実務適用に向けたプロトタイプ(PoC)開発、費用対効果・技術的実現性の評価、および本番システムへの実装推進 ●データサイエンスチーム全体の技術向上・標準化推進 -チーム内メンバー(ミドル〜ジュニアDS)への技術指導、コードレビュー、モデリング手法のナレッジ共有 -データ基盤・MLOps部門と連携した、実験・開発・運用プロセスの効率化および標準化の牽引 ●社内外への技術発信・ブランディング活動 -社内外でのセミナー講演、技術ブログの執筆、学会発表・論文制作等を通じた技術的プレゼンスの向上 【主な技術テーマ例】 ●大規模言語モデル(LLM)&エージェンティックAI活用 -LLM(API利用 / ファインチューニング / MCP / Agentic AI 等)を活用した、求職者の経験・志向性分析および求人情報の構造化・高度解析 ●高度な推薦システム(RecSys)&マッチングアルゴリズム開発 -双方向マッチング(求職者×求人企業双方の意向・相性を考慮した推薦)の最適化 -テキスト埋め込み(Embedding)やグラフニューラルネットワーク(GNN)等を活用した高精度類似度算出・レコメンドエンジンの開発 ●マルチモーダルデータ&非構造化データの活用 -職務経歴書・求人票などのテキストデータに加え、行動ログ・スカウト文面・選考結果などの定性・定量的データの統合モデリング ●AIアプリケーション・プロトタイプの高速検証・社会実装 -LLM/SLMを用いたAIエージェントやインタラクティブなマッチングアシスタント機能のPoCシステム構築 ●MLOps&全社AIプロダクト基盤の最適化 -Databricks、BigQuery、AWS/Google Cloud環境におけるモデルの継続的学習・評価・デプロイパイプライン(MLOps)の構築・運用推進 技術環境 【プログラミング言語】Python、SQL、Java、Scala、C 【データベース/データ基盤】Oracle Database、PostgreSQL、MySQL、Amazon Redshift、Google BigQuery、Databricks 【クラウドプラットフォーム】Amazon Web Services(AWS)、Google Cloud、Microsoft Azure 【ソースコード管理】GitHub、GitLab 【プロジェクト・タスク管理】Backlog、Microsoft Loop、Microsoft Planner、Jira、Confluence 【コミュニケーションツール】Slack、Microsoft Teams ●所属組織について AIプロダクトソリューション部には、マネージャー2名、エキスパート3名、メンバー16名のデータサイエンティストが在籍しています。 データをもとにマーケット状況、カスタマーニーズ、テクノロジーの変化などを総合的に判断し、事業を成長させていきます。 私たちは単に精度の高いモデルを開発する組織ではありません。 「人と仕事のより良い出会いをテクノロジーで支援する」という共通の目的を持ち、事業とテクノロジーの両面から課題解決に取り組んでいます。 技術議論やナレッジ共有も活発で、学び続けながら挑戦できる環境です。 働き方 ライフステージに合わせて、はたらき方をご自身でデザインしたい方にマッチする環境です。 ・有給休暇の積極的な取得が推奨されており、ご自身で業務調整をした上で積極的に活用が可能です。 ・裁量労働制を導入しており、子育てと両立しているエンジニアや副業を行っている社員もいるなど、ご自身の裁量で働く時間のコントロールが可能です。 ・大半のメンバーが在宅勤務をしています。リモート勤務手当の支給といったサポートがあります。 ・データサイエンティストとして市場価値を高めるための活動を推奨しており、研修受講やイベント登壇、副業等の活動をしているメンバーもいます。 ・書籍購入、学会やイベントの出張参加、クラウドを使った技術検証、AI関連サービスを実際に利用しての検証等の業務活動に対し、会社が費用を負担しています。

●ポジション概要 AIソリューション事業のForward Deployed Engineer(FDE)として、業界最大手グループ企業をはじめとする大手クライアントの業務現場に深く入り込み、業務フローをAIネイティブに再構築する変革(AX)を要件定義から実装・運用まで一気通貫でリードしていただきます。 FDEは「顧客の現場に最も近い場所で課題を解決するエンジニア」です。当社では戦略コンサルティングファーム出身のAIコンサルタントとペアを組み、クライアントの経営課題・オペレーション課題をAIで解ける形に翻訳し、自らプロトタイプを実装して現場に届け、フィードバックを得ながら本番システムへと育てていきます。 ただし、個社のAX実現はこのポジションのミッションの一部にすぎません。現場に深く入り込むからこそ得られる不動産業界のリアルなドメイン課題への理解を起点に、当社SaaS「カナリークラウド」をエージェンティックなアプリケーションへと進化させ、「マスター物件DB構想」の実現へと近づけていく——個社への実装で終わらせず、カナリーが目指す「不動産領域におけるバーティカルAIエージェント」の基盤構築へとつなげていくことが、FDEに期待するより大きなミッションです。 ●業務内容 ・クライアントの業務プロセスの理解・分解と、AIエージェントによる代替・高度化余地の特定 ・AIコンサルタントと協働した要件定義、ソリューション設計、PoC〜本番実装 ・マルチエージェントアーキテクチャの設計・開発(エージェントオーケストレーション、Tool Use / Function Calling、Human-in-the-Loopの組み込み等) ・RAGパイプラインの構築(業務ドキュメント・データの取り込み、検索基盤の設計、コンテキストエンジニアリング) ・AIエージェントの品質・信頼性の担保(評価基盤(Evals)の構築、ガードレール設計、本番運用のモニタリング) ・クライアント環境・データとの連携設計(API連携、データパイプライン、セキュリティ要件対応) ・個社実装で得たドメイン知見の還元による、「カナリークラウド」のエージェンティックな進化と「マスター物件DB構想」実現への貢献 ●開発環境 ・言語:Go(バックエンド、AIエージェント、MCPツール開発)、TypeScript(フロントエンド開発)、Python(AIエージェント開発) ・AIエージェントフレームワーク:ADK(Agent Development Kit) ・インフラ:GCP(Gemini Enterprise Agent Platform、GKE、Cloud Spanner 等)

●全社のプロダクト戦略策定・推進 ●フィナンシャルクラウド事業を中心とした複数プロダクトのポートフォリオ管理 ●プロダクトマネジメント組織のマネジメント・育成 【業務内容詳細】 (1)プロダクト戦略の立案・実行 └全社プロダクトのポートフォリオ設計(既存プロダクト・新規プロダクト含む) └投資アロケーションおよび予算管理 └プロダクトロードマップの策定と進捗管理 (2) KPI/顧客価値指標の最大化 └LTV向上施策の立案・実行 └顧客満足度向上および継続利用率向上のための施策実施・改善 └プロダクト品質とユーザー体験の向上に向けた戦略策定 ●期待する具体的な成果 ・全社のプロダクト戦略を再定義し、ロードマップを策定する ・組織体制の課題を洗い出し、PMの増員や教育計画を策定 ・LTVやNPSなど主要指標を一定期間(四半期など)で継続的にモニタリングし、前年比より向上 ・必要なリソース(予算・人材)を確保し、段階的に組織体制を整備 ・現場レベルの実行力を高めるPDCAサイクルやツール整備 ・経営目標である売上拡大・顧客継続率向上に直結するプロダクト戦略を実行 ・全社的な事業ポートフォリオの最適化に貢献 ・就任後3か月以内に戦略および組織体制の問題点を洗い出し、アクションプランを策定 ・就任後6か月以内に主要プロダクトのKPIを設定し、実行プランを浸透させる ●開発環境など ・開発言語:C# / PHP / JavaScript / Python / Powershell / Shell ・ミドルウェア:MySQL / Apache / SQL Server / IIS / Redis ・フレームワーク:Codeigniter / .NET 6 / .NET Framework / ASP.NET MVC ・バージョン管理:GitHub ・CI/CD:Jenkins / CodePipeline / CodeBuild / CodeDeploy ・コミュニケーション:Slack / Notion / Confluence ・タスク管理:Backlog / Toggl / Redmine ・監視:Newrelic / Pagerduty / Mackerel / Cloudwatch / Trend Micro CloudOne ・構成管理:Terraform / Ansible / SAM / Cloudformation ・インフラ:AWS / RDS / Elasticache / FSx / ALB / S3 / WAF / Cloudwatch / EC2 - Windows/Amazon Linux 2 / DirectConnect ・その他:Docker Compose / デュアルディスプレイ / Mac・Windows選択可 / 好みのエディタ・IDE選択

本ポジションでは、単なるAI機能の実装にとどまらず、 「どの業務課題にAIを適用することで本質的な価値を生むか」から設計し、プロダクトに実装・運用するところまでを一貫して担っていただきます。 プロダクトはすべて立ち上げ〜グロース初期フェーズにあり、AIを前提としたプロダクト設計・再構築を推進していく重要なポジションです。 ・業務課題に対するAI活用の企画・価値設計 ・LLM / MLを用いた機能設計・実装・改善 ・RAG構成の設計、チューニング、評価基盤の構築 ・モデルの学習・推論パイプラインの設計・運用 ・プロダクトへのAI機能の本番実装(PoCで終わらせない) ・パフォーマンス・精度・コストの最適化 ・継続的な改善のためのログ設計・評価指標設計 ・プロダクトチーム(PM / エンジニア / デザイナー)との協働 プロダクトフェーズ Dress Code株式会社はワークフォースマネジメントプラットフォーム「DRESS CODE」を開発・提供するスタートアップです。 人事・労務・採用・情シス・総務といった複数業務領域を横断し、分断された業務データ・プロセスを統合することで、企業の生産性を構造的に改善するプロダクト群を開発しています。 顧客価値を根本から見直し、引き算思考で 『DRESS CODE』 を開発し、企業ごとにカスタム機能を作るのではなく、泥臭く業務シナリオを徹底的に洗い出し、全てを標準装備として実装しています。 Dress Code創業 - 「誰もやらないから、挑戦する意義がある」(https://note.com/dresscode/n/n5a808cbf3d46) シードで累計14.1億円を調達済み(https://prtimes.jp/main/html/rd/p/000000001.000160565.html) 日本・インドネシア・ベトナム・タイ・シンガポールなど、アジアを中心にグローバル展開 200社を超える顧客を獲得 ●開発環境 アジャイル・スクラム（2週間スプリント）を採用 Feature（価値・機能）単位でフルスタックに開発 ペアプロ・モブプロは積極的に採用 イベントストーミング・ドメインモデリングは特に注力 ●バックエンド ・NestJS ・Prisma RustエンジンからTSネイティブアダプタへ移行 ・Aurora PostgreSQL v17 Blue/Green Deployments でメジャーアップデートを運用 ・モジュラモノリス Force分割 ・ECS Fargate ●非同期・バッチ基盤 ・AWS Batch on Fargate ・EventBridge ・S3トリガー ・Noisy Neighbor 対策 ●参照系・整合性の設計 ・CQRS ・QueryService + DTO パターン ・Choreography → Orchestration Saga ・Event Sourcing 的なデータ設計 ・Prisma の onCommit フック ●フロントエンド・BFF ・Next.js SSR / BFF ・React Compiler annotationモード＋Oxlintで段階導入 約7,500ファイル規模のTypeScriptプロジェクト ・TanStack Query ・Dexie.js ・Server-Driven UI（SDUI）による台帳画面の運用 ・型共有：oRPC OpenAPIコード生成からの移行 ●認証・権限基盤 ・Ory Kratos 将来 Ory Hydra を検討 ・Permission & Roles プロダクト横断の権限共通基盤 Default Deny / Default Allow の設計判断 ●インフラ ・AWS WAF v2 ALB ECS Fargate Graviton（ARM64） Secrets Manager Bedrock ・IaC：AWS CDK ・GCP連携 Service Account Workload Identity Federation Domain-wide Delegation によるキーレス認証 ●CI/CD ・GitHub Actions self-hosted ARM64 ランナー ・Docker buildx ・SOCI デプロイ時間を約50%短縮 ●開発手法・QA・AI活用 ・仕様駆動開発 OpenSpec ・ADR ・Playwright ・runn ・AIコーディング Cursor Claude Code Claude Code in Chrome ・AIが書いたコードのPRレビュー／Approveのメンタルモデルづくり ●AI環境 AIへの投資を惜しまない開発環境です。 「顧客への提供価値が向上するなら、もっと投資していい」という代表の方針のもと、必要性を説明できれば使いたいAIツールをためらわず導入できます。 AI開発合宿のように、意図的に集中して挑戦する機会もあります。 Cursor / Claude Code に加え、Claude Code in Chrome でのブラウザ操作の自動化や、AIが書いたコードをどうレビュー・Approveするかといった「AIと協働する開発文化」そのものを、チームで議論・更新しています。

クラウド型人事労務システム『ジンジャー』を通じて、企業の人事労務業務の効率化・生産性向上を支援する法人営業ポジションです。 プリセールスとして「ジンジャー」のスペシャリストとなり、フィールドセールスと二人三脚で顧客課題を深掘りし、安心して導入を決断いただけるよう導く役割を担います。 <具体的な業務内容> 1.顧客への価値提案 ・フィールドセールスと共にWeb/訪問商談を行い、現状の業務フローや潜在課題(AS-IS)をヒアリングします。 ・ヒアリング内容を基に、『ジンジャー』が実現する未来像(TO-BE)を提示し、変革への期待感を醸成します。 ・複雑な要件には、詳細なフィット&ギャップ分析を行い、導入後の具体的な運用イメージまでを明確にした、解像度の高い提案を行います。 ・トライアル環境でお客様の要件を再現し、導入後の世界観をリアルに体験いただくことで、最終的な意思決定を力強く後押しします。 2.ナレッジの創出と組織貢献 ・最前線の商談で得た知見や成功事例を体系化(ナレッジ化)し、セールス組織全体の提案品質の向上に貢献します。 ・顧客の声(VOC)を開発部門へ的確にフィードバックし、プロダクトの価値を最大化する機能開発や改善を推進します。

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

概要 グループ経営ソリューションに関する自社製品の開発・運用・技術設計において活躍いただきます。 これまでに無い新しい製品(クラウドサービス)開発に挑戦し、共に新しい価値の提供を目指していただきます。 ●業務内容 プロダクト(クラウドサービス)の開発者として、設計・実装・テスト・計測・改善・運用を主体的に実行していただきます。 期待する事 ・組織としての業務範囲は上記業務内容のすべてになります。 まずはご自身の得意な専門領域を存分に活かしていただきつつ、ご自身のキャリア志向に沿って、関わる範囲を広げていただくことを期待します。 ・個人で全てを賄うのではなく、チームとして有機的に動いていただきます。 ・依頼された機能をそのまま開発するのではなく、ご自身で考え、調べ、周囲と議論をしながら進めていくことを期待します。 ・現状のアーキテクチャの改善、新規技術の積極的な取り込み、エンジニアとしての継続的な成長を期待します。 ・製品開発プロセスの継続的な改善と最適化を行うことを期待します。 開発の特徴 ・サービス設計から始まり、開発、運用、長期にわたる継続的なサービスのブラッシュアップ等など、仕事内容は多岐にわたります。 テクノロジーでビジネスにイノベーションを起こす為の自動化・AI含む最適化アルゴリズムのようなコア技術開発等にもチャレンジしております。 また、様々な要素を組み合わせて価値創造を推進するため、多様性を重視しております。 配属部門 プロダクト開発本部　プロダクト基盤部

●職務概要 最先端の統計解析、機械学習、そしてLLM(大規模言語モデル)をはじめとする生成AI技術を駆使し、ビジネス課題の解決を推進します。 単なる分析PoC(概念実証)で終わらせるのではなく、データから得た示唆をアルゴリズムとして実装し、システム化・プロダクト化することで、「継続的なビジネス成果」を創出することがミッションです。 ●業務内容 プロジェクトの最上流から参画し、ビジネス課題の特定からアルゴリズムの選定、実装、社会実装まで一気通貫で携わっていただきます。 ・生成AI・LLM活用: RAG(検索拡張生成)を用いた社内知見の活用支援や、LLMによる業務自動化・コンテンツ生成アルゴリズムの技術検証およびシステム開発。 ・予測・最適化モデル構築: 需要予測、顧客離反予測、LTV最大化、マーケティング最適化など、大規模データを活用した数理モデルの設計。 ・社会実装とMLOps: 構築したモデルをWeb API等へ組み込み、運用・改善サイクルを回すことで、実ビジネスで活用され続ける仕組みの構築。 ・研究開発(R&D): 最新論文の調査・トレースを行い、最先端技術を商用利用可能なレベルまで引き上げる研究開発。 ・ステークホルダーとの折衝: クライアントや事業部門に対し、分析結果のレポーティングや、技術的背景に基づいた戦略的な意思決定の支援。

●お任せする業務 まずお任せしたいのは、テレシーのビジネスプロデューサーが顧客に向き合う時間を最大化するための、社内AIエージェント基盤の設計・開発・運用です。 AIエージェント基盤の設計・開発・運用 : LLMプラットフォーム(Bedrock, Vertex AI等)やエージェント基盤(LangGraph, CrewAI等)を活用したシステムの構築 評価・改善サイクルの設計 : AIエージェントの応答品質を測る評価指標、テストデータ、改善プロセスの策定 運用基盤の構築 : MCP(Model Context Protocol)や外部APIを統合し、認証・権限管理・監査ログ・ガードレールを含む、安全かつ再利用性の高い運用基盤の設計 可観測性の確保 : エージェントの判断プロセス、コスト、失敗要因のモニタリングと課題解決 業務ヒアリング・要件定義 : BPや社内メンバーの業務課題を理解し、「何をAI化すべきか」「どこに人の判断を残すべきか」を整理・設計 実業務への組み込み : AIエージェントを実際の情報収集・分析・資料作成・提案準備フローへ組み込み、運用・改善まで推進 標準化・プロダクト化 : 個別案件で得られた解決策を抽象化し、複数業務で再利用可能な標準機能・共通アーキテクチャへ展開 ●直近で取り組んでいること セキュアなAI基盤の構築 : 広告・売上・CRM等の機密データを扱うためのローカルLLM環境、ガードレール、権限管理、監査ログを備えた基盤整備 BP業務へのAI実装 : 情報収集、資料作成、分析、提案準備など、顧客提案前後に発生する業務をAIで支援し、提案のスピードと質を高める仕組みづくり ●将来的に取り組みたいこと ・ライトニングMMMのAIエージェント化 : WebUIによる複雑な設定ではなく、自然言語での問いかけから意思決定サマリや推奨アクションを即時生成するUXの提供 ・マーケティングAIエージェントの提供 : 現在、社内メンバーが行っている情報収集、情報整理、分析、戦略立案等の業務をAIエージェント化 ・Human in the loop設計の高度化 : AIによる自動化と、人間による最終判断・ディレクションが最適に融合する業務プロセスの構築 AI活用の標準化・プロダクト化 : 個別の業務改善に留めず、うまくいった仕組みを共通化し、複数のBP・案件・プロダクトに展開できる状態をつくる ●開発環境 ・LLMエンジニアリング : vLLM, OSS LLM(Llama / Qwen / gpt-oss), LiteLLM, RouteLLM, Semantic Router, LangGraph, CrewAI, NeMo Guardrails, Guardrails AI, Promptfoo, Ragas, PostgreSQL (pgvector), Langfuse (Self-hosted), Prometheus, Grafana, Ray 等 ・MLエンジニアリング : JAX, NumPyro, statsmodels, Dagster, Python, MLflow 等 ・データエンジニアリング : Snowflake, dbt cloud, Adverity, fivetran 等 ・インフラ(AI) : AWS, GCP (Amazon Bedrock, Google Vertex AI) ・共通 : Docker, Terraform, GitHub, Slack 単に特定技術を使うだけではなく、AIエージェントを安全に、継続的に、業務の中で使える状態にするための評価・監視・権限管理・ログ設計・ガードレール設計まで含めて取り組みます。 ●参考記事 (外部リンク) ・[テレシー コーポレートサイト](https://telecy.tv/) ・[脳内で、事業の「正解」を描き切る](https://evolution.cartaholdings.co.jp/article-0087/) 　・オウンドメディア『EVOLUTiON』 テレシー社員紹介記事 ・[データドリブンで実現するテレビCM変革!テレシーの取り組みとは?](https://telecy.tv/column/sendenkaigi-mmm-telecyanalytics/) ・[疲労回復パジャマ「BAKUNE」躍進の裏側](https://telecy.tv/column/crosstalk-sendenkaigi-tential/)

●配属部署 事業開発本部 【業務概要】 CTOという経営層ポジションで、当社の主力事業の企画から実行を主導していただきます。 既存サービスのアップデートや新規プロダクトの事業開発を通じて、更なる組織の成長を一緒に実現していきましょう。 ・様々な業界のマーケティング支援を行う販促DX事業 ・介護業界/エネルギー業界/教育業界/地方自治体向けの業務DX事業 ・企業内部の効率性や生産性の向上し新たな価値創造を実現する社内DX事業 上記の3つ事業をより伸ばしていくための業務を行っていただきます。 【具体的な業務内容】 ・中長期的な技術ロードマップの作成と実行 ・新技術の導入検討と事業への適用 ・プロダクト設計や開発プロセスの最適化 ・ユーザー体験を向上させる技術的ソリューションの提供 ・組織文化の構築と技術者同士のコラボレーション促進 ・経営戦略に基づいた技術的意思決定のサポート ・CEOやCFOと連携し、技術面から事業成長を支える ・業界の最新動向やトレンドのリサーチ ・現在のシステムやプロセスの課題を特定し、改善を主導 【自社SaaSプロダクトについて】 ・CNポイント ⇒有名なポイントカードと同じようなポイントシステム+顧客管理分析ができるシステム ・+ダイレクト(プラスダイレクト) ⇒LINE公式アカウントのマーケティングの効果を最大化するためにクラブネッツが独自に開発しているDMP(データ・マネジメント・プラットフォーム)です。LINE公式アカウントをマーケティングツールとして運用するための機能が実装されていて、効率なマーケティング施策を実現。 ・CoNnect Board(コネクトボード) ⇒LINE公式アカウントをプラットフォームとした紙の請求書のWEB明細化や遠隔督促WEB決済サービスで郵送コストや労力を大幅カットするガス・エネルギー業界専門のDXサービス。 ・CN GovTech(シーエヌガブテック) ⇒自治体向けに提供するDXサポートパッケージ。全国の自治体に広がるLINE公式アカウント導入の動きをサポート。自治体が住民へ発信したい情報をLINE公式アカウントで配信が可能な仕組みを提供。(地域のイベント情報　ワクチン接種日　災害時の避難所の案内) ・Care Loop(ケアループ) ⇒CareLoopは介護事業者と利用者・ご家族をLINEやメール等のデジタル技術でつなぐコミュニケーションDXサービス。介護事業者と利用者のご家族をLINEでつなぎ、請求書や介護記録のデジタル化などでより良い介護を実現させるシステム 【開発チームについて】 ・ポイントシステム開発チーム →PM1名 + バックエンド3名 ・DMP開発チーム →PM1名+バックエンド4名+業務委託2名 ・採用管理システム開発チーム ⇒PM1名+バックエンド2名+業務委託5名 ・デザインチーム →WEBデザイナー2名+DTPデザイナー3名+フロントエンド1名 ・情報システムチーム →PM1名+バックエンド2名+運用1名+業務委託3名 【開発環境】 ・開発言語(メイン): PHP(Laravel), JavaScript, Python ・開発言語(サブ): Java, C++, JavaScript(JQuery, React) ・データベース: Aurora,RDS(MySQL, PostgreSQL) ・OS: Linux (RedHat, CentOS) ・ミドルウェア: Apache, Nginx, Tomcat ・インフラ環境: AWS ・各種SaaS:STS、Route53、ACM、S3、EFS、Lambda、Cognito、CloudFront、API Gateway、EKS、SQS、DLQ、RDS Proxy、CloudWatch、CloudFormation、IAM、AWS WAFなど ・ツール類:Slack、Backlog、Git、Docker

デジタル流通事業本部におけるデータエンジニアとして、幅広い業界のお客様に対し、技術的視点から最適なソリューションを提案いただきます。小売、航空宇宙など多岐にわたる領域に関わる機会があり、ご自身の業界知見や技術力を活かして、ビジネス成功へ導く重要な役割を担います。 <具体的には> 小売・eコマースクライアント向けにデータパイプラインを構築・運用するデータエンジニアとしてご活躍いただきます。クライアントのデータ活用を加速させるための堅牢かつ柔軟なデータインフラを構築します。 ・クラウド環境(AWS, GCP)でのデータパイプライン設計・構築・運用 ・データストレージ、ETL処理、スケジューリングの設計・実装 ・各種API連携、データ統合処理の開発 ・クライアント、社内メンバーとのコミュニケーション(日本語・英語) ベトナムをはじめとしたグローバルメンバーとONE TEAMで協力しながら開発・運営を進めていきます。 <選考事業部について> デジタル流通事業本部は、流通・物流を中心に、小売、航空宇宙、公共、エネルギーなど多岐にわたる領域に向けて、上流工程から開発、保守運用までを一貫して担うエンドツーエンドの開発ソリューションを提供しています。 各種業界に応じた業務知識と先端技術を組み合わせることで、お客様のビジネス変革(DX)を強力にサポートしてきました。

最高プロダクト責任者として、データ活用を軸にしたSaaSプロダクト「b→dash」と「kpiee」のプロダクト戦略全体を統括いただきます。 CTOと密に連携し、当社の技術力とプロダクトビジョンを融合させ、ユーザー体験の最大化とプロダクトの市場競争力強化を強力に推進する重要なポジションです。 単なる企画・マネジメントに留まらず、大規模な機能追加、パフォーマンス改善、データベース移行といった技術的チャレンジをプロダクト戦略に落とし込み、開発チームと共に最高のプロダクトを創り上げる責任を担います。 【仕事内容】 ●「b→dash」「kpiee」のプロダクト戦略、ビジョン、ロードマップを策定し、市場、競合、最新技術（AI・機械学習等）を深く理解した上での、最適なプロダクト方向性の意思決定 ●大規模機能開発、パフォーマンスチューニング、データベース移行、バージョンアップ等、高度な技術課題をプロダクト戦略に昇華させ、CTO・開発チームと連携しプロダクトの持続的な進化を牽引 ●プロダクトマネジメント組織を構築、採用、育成、マネジメントし、自律的に価値を生み出す組織の創出 ●顧客課題を深く洞察し、高品質な顧客体験を提供するためのUX/UI戦略を策定、デザインチームを統一 ●KPI設定、モニタリング、利用データ分析を徹底し、データに基づいた機能改善・新機能企画を主導することで、プロダクト成長を科学的に加速させる。

<期待する役割> ご自身の専門性と組織課題が最も合致する領域からスタートしていただきます。その後は、経営・CTO・各開発責任者と連携し、その時々で解決すべき「最も解きごたえのある壁」に向き合っていただきます。 <想定される業務例> ●戦略的プロダクト開発・刷新への参画 ・成長痛に直面しているプロダクトに入り込み、ボトルネックの特定からアーキテクチャの再設計、難易度の高い実装までを牽引する。 ●全社横断的な「技術的突破口」の作成 ・特定のチームだけでは解決できない共通基盤(認証、データ連携、CI/CD等)の課題に対し、全社最適なソリューションを構築・展開する。 ●技術的意思決定のリードと品質の担保 ・複数チームが関わる複雑なシステムデザインのレビューや、セキュリティ・スケーラビリティ等の高い基準の策定と実行。 ●技術組織の成熟化への寄与 ・課題解決を通じて、次世代のリードエンジニアを育成し、組織全体の「壁を乗り越える力」を底上げする。 <開発環境> ●フロントエンド:TypeScript,React,Next.js ●バックエンド:Rust(axum),TypeScript,Node.js(Express,Fastify,NestJS) ●機械学習・アルゴリズム:Rust,Python,OpenCV,PyTorch,TorchServe,Elasticsearch,Vertex AI ●インフラ:Google Cloud,Google Kubernetes Engine,Anthos Service Mesh,Istio,Cloudflare,Argo Workflows ●Event Bus:Cloud Pub/Sub ●DevOps:GitHub,GitHub Actions,ArgoCD,Kustomize,Helm,Terraform,Datadog,MixPanel,Sentry ●Data:CloudSQL(PostgreSQL),AlloyDB,BigQuery,dbt,trocco ●API:GraphQL,REST,gRPC ●認証: Auth0 ●開発ツール:GitHub Copilot,Figma,Storybook ●コミュニケーションツール:Slack,Discord,JIRA,Miro,Confluence

●業務の概要 データエンジニアとして、様々なデータ関連の業務に関わっていただきます。 データ基盤の構築、データ分析、プロダクト開発、生成AI関連開発など、ご志向やご経験に合わせて幅広い業務に挑戦することができます。 ※社内の配属先はご経験やご希望を踏まえた上でご本人様とご相談しながら決定いたします 【具体的な業務内容】 ・データ基盤の設計、構築、テスト、開発、保守、運用 ・自社プロダクトのデータパイプラインの設計、構築、運用 ・生成AI導入における顧客支援 ・事業の推進活動 ・エンジニアメンバーのマネジメントやチームビルディング ●技術スタック Python、dbt、Airflow、Snowflake、Redshift、Terraform、Vue.js、React、AWS、Google Cloud、Azure、OpenAI ●事例 ・自社開発したデータ分析基盤のアセスメントと高度化(三菱地所株式会社) 　https://nowcast.co.jp/case-studies/20240710/ 　https://nowcast.co.jp/news/20260218/ ・ナウキャスト、「Snowflake」を活用し、野村フィデューシャリー・リサーチ&コンサルティングの新たなデータ基盤を構築 　https://nowcast.co.jp/news/20241021/ ・Finatextグループのナウキャスト、ファイナンシャルアドバイザリー業務の効率化を生成AIで支援する「Finatext Advisory Assist」を提供開始 　https://nowcast.co.jp/news/20240419/ ・ニッセイアセットマネジメントの社員発アイデアをもとにした生成AI社内アプリケーションを開発 　https://nowcast.co.jp/news/20240731 ・ナウキャスト、大和アセットマネジメント専用の生成AIアプリケーション「DAM-AICore」を開発 　https://nowcast.co.jp/news/20260107/ ・ナウキャスト、デジタルガレージのグループ横断データ基盤の構築を支援 　https://nowcast.co.jp/news/20260217/ ・ナウキャスト、AIエージェント統制基盤「MCPass」β版を開発 　https://nowcast.co.jp/news/20260417/

VP of Data & AIの大野/Kevin直下で、以下のエンジニアリング業務をリードしていただきます。 【具体的な業務内容】 ●データ基盤の構築やデータマネジメントの仕組みづくり ●セキュアなAI基盤設計・運用 ・高セキュリティ基準下でのサンドボックス環境やガバナンス機能実装 ・AIの評価基盤や、Gateway機能の設計・構築 ●LLMオーケストレーションとMCP実装 ・社内SaaS・DB・ドキュメントをMCP経由でLLMへ提供 ・社内ツールとAIエージェントの統合、業務特化型AIエージェントのワークフロー設計・評価パイプライン構築 【配属先】 「AI+チーム」 CTO直下の独立したチームです。 少数精鋭で、グループ全体の技術スタックを横断的にハックし、全社員の生産性を「10倍」に引き上げることをミッションとします。 【技術スタック】 Python、dbt、Airflow、Snowflake、Terraform、AWS、Google Cloud、Azure、OpenAI

AIで「改善」から「革新」へ!最先端技術で社会を動かすプロジェクトをリードしませんか? AI技術の進化は、あらゆる業界に革新をもたらしています。AMBLでは、その最前線でクライアントのビジネス変革を牽引するAI開発プロジェクトマネージャーを募集しています。 単なる改善に留まらない、真の「革新」を生み出すプロジェクトをまるごと牽引していただきます。トレンドの 生成AI 、 画像AI 、 数理最適化 、 AIエージェント といった最先端技術を駆使し、顧客の抱える複雑な課題をAIで解決に導く、非常にダイナミックな役割です。 具体的には ●プリセールス支援 :営業と共にAI技術の専門家として顧客の課題を深く理解し、最適なソリューションを提案。案件獲得の鍵を握ります。 ●受託PoC・受託案件のプロジェクトマネジメント: 要件定義から設計・開発、テスト、そして納品後のサポートまで、プロジェクトの全工程を統括。スケジュール、品質、コスト、リスクを徹底管理し、プロジェクトを成功に導きます。 ●チームマネジメント: 開発メンバー、営業、そして顧客といった多様なステークホルダーを巻き込み、円滑なコミュニケーションと最適な連携を実現。プロジェクト推進のハブとなり、チームを勝利へ導く司令塔です。 ●顧客との関係構築: 顧客の期待を超える成果を追求し、深い信頼関係を構築。継続的なビジネスチャンスへと繋げます。 ●予算・進捗管理: 限られたリソースの中で最大の成果を生み出すため、予算と進捗を綿密に管理し、常に最適な調整を行います。 組織のミッション AI開発事業部:未来を創造し、社会を動かすAIのプロフェッショナル集団 私たちは、「AIの社会実装を構想・実現する力」と「人を育成する力」をミッションに掲げ、お客様の課題解決とAI活用推進を使命とするAI開発事業部です。めまぐるしく進化するAI領域において、常に最先端を走り続けます。 トレンドの速いAI領域において、 画像解析 、 数理最適化 、 生成AI 、そして AIエージェント といった「使えるAI技術」を常に追求し、社会実装を推進。 20以上の自社サービス開発と300件以上のAIプロジェクト支援実績があります。お客様の課題に合わせたAIソリューション提案から実装、そして内製化支援・教育まで一貫してサポートし、真に活用できるAIを提供します。AIによる効率化、生産性向上、新規ビジネス創出で、社会全体のDXを推進します。 キャリアパス ●専門性の深化と最新技術への挑戦 AI技術の進化は目覚ましく、私たちは常に最先端の技術動向を追い、それを実案件に導入しています。LLMや生成AI、数理最適化など、最新技術を駆使したプロジェクトを通じて、あなたの専門性をさらに深化させることができます。社内外の勉強会や、資格取得支援制度を活用し、常にスキルをアップデートできる環境です。 ●新規事業・サービス開発への参画 あなたのアイデアが、新たなAIソリューションやサービスとして具現化される可能性も大いにあります。顧客のニーズを捉え、AIで社会に新たな価値を生み出す新規事業やサービス開発に、企画段階から参画できるチャンスがあります。 ●組織の中核を担う存在へ AI事業部の拡大に伴い、組織体制も常に進化しています。プロジェクトマネージャーとしての経験を積んだ後は、チームリーダーやマネージャーとして、組織の中核を担い、若手メンバーの育成や組織体制の強化に貢献していただくことも期待しています。

●弊社はこれからBtoB事業に本格参入します。 このBtoB事業で2045年に年商5000億円を見込んでいます。 そのために幹部候補の1人目エンジニアが必要です。 toCの部署には既にエンジニアデザイナーは30人以上います。 ●経営幹部直下で新規事業を共に作っていきます。 日本の企業の生産性を上げるシステムを開発し提供します。 詳細内容は面談の時にお伝えします。 入社後の流れ 1.ファウンダー上野と経営幹部安藤と共に ┗経営戦略を考える。 2.戦略に沿って各種実行をする。 ┗企業ヒアリングや開発など。 3.再度戦略をブラッシュアップし ┗再度実行しこれを繰り返して5000億円へ 顧客のニーズをお伺いしてソリューションのご提案をしていただきます。 Slerとしてご提案していただくこともあればそのニーズを負うロダ口に落とし込み、Saasの開発をしていただくことを想定しております。 手段は問わず、足的な手法で顧客の課題解決をしていただきます。

当社は創業以来、DXコンサルティングを通じて企業の変革を支援してきました。 次のステージとして、生成AIを活用したプロダクト開発に注力しています。 その中心となるのが 「AIプロダクトエンジニア」 です。 単なるモデル実装やデータ分析に留まらず、Web開発の実装力 × ビジネス理解 × CX(顧客体験) × AI活用 を掛け合わせ、価値あるAIプロダクトを共に作り上げる仲間を募集しています。 ●業務内容 ・RAG(Retrieval-Augmented Generation)やLangChain等を用いた生成AIアプリケーション開発 ・フロントエンド/バックエンドを含むWebアプリケーションの設計・実装 ・PJにおける要件定義・設計・開発・テストといった一連の工程への参画 ・チームメンバーやコンサルタントと連携したプロダクト開発 ●主なプロジェクト事例 ・保険業向けAIクローンPoC支援 ・情報通信業向けRAG活用ローカルLLM開発 ・インフラ業向けローカルLLM導入・構築 ●従事すべき業務の変更の範囲 ・雇入れ直後:配属先に関する業務一般 ・変更の範囲:会社が定める業務 ●当事業の目指す姿 当社は「CxO firm 1000人のCxOを輩出する企業へ」をVISIONに掲げ、「個の能力を徹底的に磨け」というコアバリューのもとマインド・能力開発できる環境作りを追及し、既に数名のCxOを輩出してきました。 Technology領域においても、技術軸のCxO(CTO、CIO、CDO…)や、社会的にインパクトのあるプロダクト開発、市場トップレベルの技術的な強みの獲得・発揮など、本人の志向に合わせた成長機会を創出していきます。 ●当事業の成長ステップ STEP1:既存顧客へのオポチュニティ開拓・外部リソース含めた体制構築 STEP2:主要サービスラインを確定し、営業戦略再策定・採用強化 STEP3:デリバリーリソースの内製化・当事業起点での案件創出 ●当社クライアントの特徴 Forbes500/Nikkei225を始めとする大手エンタープライズ企業と100%プライム(一次請け)を実現しております。

本ポジションでは、プロジェクトおよび組織全体の「技術的な意思決定」と「標準化」を主導していただきます。 また詳細な実装や各種テスト等の実務については、メンバーや若手・ミドル層のエンジニアを主導しながら実施していただきます。 ●大規模・ミッションクリティカルなシステムの要件定義・設計 数千万人が利用する通信サービスや公共インフラの基幹NW、データセンターNWの最上流工程を担当。 最新のプロトコルや仮想化技術を駆使し、安定性と拡張性を両立した次世代アーキテクチャをデザインします。 ●アーキテクチャ設計および技術選定の最終意思決定 プロジェクト要件に応じたフレームワークやOSS、各種インフラ・ネットワーク機器の調査・評価を行い、最適な技術を選定・導入。 潜在的な技術的課題やリスクを基本・詳細設計の段階で特定し、プロジェクトマネージャーと連携して解決策を構築。 ●クオリティコントロール チーム全体のコードクオリティを担保するための設計レビュー・コードレビュー方針の策定。 テスト - 品質保証(開発クオリティの確認) ●実装 システムのパフォーマンス・堅牢性を左右するコアモジュール ●自社プロダクト創出への貢献(インキュベーション機能) 大手クライアントの最先端ネットワーク環境で得られた知見や共通の課題を抽出し、使い捨てにしない自社資産(新規プロダクトや機能)へと昇華させるための技術的なアプローチ・検討。 ●チーム全体の技術底上げ(メンター・リード) 若手～ミドル層エンジニア(別募集のジュニア～ミドルポジション等)への具体的な技術指導、技術的なベストプラクティスの共有によるチームの生産性向上。 ●開発環境 開発言語 Typescript / Python / Java フレームワーク React, Flask, FastAPI, SQLAlchemy, Spring プロジェクト管理, CI/CD Redmine, Jenkins 情報共有ツール Slack, Google Meet, Microsoft Teams OS Linux/Unix データベース PostgreSQL, mySQL, MariaDB, ElasticSearch 仮想化技術 OpenStack, Docker, Podman バージョン管理 Git クラウド AWS, Azure, GCP AI Claude Code, ChatGPT/Codex, Gemini その他 OSS 全般

●このポジションについて GROWTH VERSEのテックリードは、自社プロダクトの課題に向き合い、的確なテクニカルロードマップを描き、それを遂行する役割です。 特定の言語や技術への習熟よりも、設計・アーキテクチャへの造詣の深さを大切にしています。 私たちが大切にしているのは、言われたものを作ることではありません。 顧客がプロダクトを使ったうえで、どのような状態にたどり着きたいのかを自分たちで考え抜き、その先にある感動(Wow)を体験として届けることです。 プロダクトは、顧客が実現したいビジネス活動の一部です。 その中で、私たちのプロダクトが欠かせない役割を担っている状態を、私たちが主導してつくりにいきます。 このポジションで担うこと プロダクトと、その利用者の業務を深く理解する プロダクトが使われる現場の業務に入り込み、業務の流れと課題の構造を理解する 業種が変わっても、相手よりも深く理解することを目指す プロダクトのテクニカルロードマップを描く 事業の目標から逆算して、プロダクトのテクニカルロードマップを描く 設計・アーキテクチャの観点から、何をどの順で進めるかを判断する ロードマップをチームで遂行する 描いたロードマップを、計画で終わらせずにチームを率いて遂行する 進めながら状況を見て、設計・アーキテクチャの判断を重ねる キャリアパス プロダクトのテックリードとして経験を積んだ先に、事業の現場へ入り込む2つの道があります。 M&A先の企業に入り込む道:グループに加わった企業のシステムと開発体制を統合し(PMI)、自社のAI Agentやプロダクトを組み込んで、事業の価値を引き上げる クライアントに入り込む道(FDE):クライアントの現場に入り込み、AI Agentを設計・実装して、業務の成果につなげる また、テックリードマネージャー(Tech Lead Manager)へと役割を広げ、その先にM&Aで加わった事業を担う事業部CTOという選択肢も検討できます。 いずれも決まったものではありません。 ご本人の志向を伺いながら、一緒に検討します。 技術スタック クラウド: AWSがメイン(ECS / Lambda / S3 / Terraform / GitHub Actions) データ基盤: Snowflake などのデータウェアハウス・分析基盤 AI/LLM: Python / LangChain / AI Agent開発フレームワーク 開発文化: IaC / SRE思想 / Agentic SRE / 生成AI活用 / 品質最優先 AI駆動開発: ハーネスエンジニアリングなど、最新のグッドプラクティスにも柔軟に取り組む 社内の開発運用そのものも、すでにAI Agentで回しています。 スプリントのチェックイン、放置されたPRのリマインド、クラウドコストの週次レポートなど、 誰かが手でやっていた定期業務をAgentに移してきました。 いまはそれを Agent Platform として作り直している最中です。 #### 成長環境:DAX Boost Lab 同じClaudeを使っていても、エンジニアのアウトプットには差が出ます。 社内でその差が起きたとき、それを「個人の才能」で片付けず、成長要素を分解して カリキュラム化しました。 教えているのは「ツールの使い方」ではありません。 重点は 事業数値を伸ばすためにAI Agentが最大のパフォーマンスを出せる環境をどう設計するか 教材は空想上のアプリではなく、実際の開発現場に近い課題を扱います 設計しているのは現役の技術責任者(VP of Technology)です 到達段階は3つのPhaseで整理しています。 Phase 1 プレイヤー:自分でAIを動かし、ほぼ最高速度に近い開発ができる状態 Phase 2 マネージャー:複数のAIと周囲のメンバーをマネジメントし、チームとして成果を出す状態 Phase 3 事業部CTO:AI Agentが開発・運用の一部を担う前提で、事業がより少人数で回る環境全体をアーキテクトする状態 学び合いと、アウトプットの文化 TGIF(月次) — Tech部全体で集まるLT会。 2026年7月に第1回を開催しました。 指名枠に加えて有志のLT枠があり、テーマは自由。 1人5分。 オンライン参加もできます 社内勉強会 — プロダクトをまたいだナレッジシェアの場をオンラインで開いています。 ここで話したことが、そのまま社外での登壇のネタになる導線があります 外部イベントへの登壇・共同運営 — 2026年8月には golang.tokyo #44 を共同運営し、 GROWTH VERSEのエンジニアが登壇しました 働き方(正直にお伝えします) 出社を基本としつつ、リモートワークも可能です(基本は出社推奨ですが絶対ではなく、 実際にフルリモートのメンバーもいます) 専門業務型裁量労働制(労働時間の制度であり、出社/リモートとは別の話です) 成果責任型の文化。 時間管理より成果で評価します 必須の対面イベントがあります 全社集会・懇親会(半期/四半期に1回) エンジニアTGIF等(月1回程度)

大手エンタープライズ企業の経営・事業・業務課題に対して、データサイエンスを活用した課題解決を推進していただきます。 ●業務イメージ ・クライアントの経営・事業・業務課題の整理 ・データ活用戦略策定、分析テーマの企画提案 ・データ分析要件・KPI・評価指標の設計、モデル設計、開発 ・生成AI・LLMを活用した業務・サービスの企画開発 ・分析結果を踏まえた業務改善施策の立案、報告 ・施策実行後の効果検証・改善 ・社内データエンジニア・AIエンジニア・コンサルタントとの協働 ●主なプロジェクト事例 ・大手金融機関:顧客体験価値最大化モデル構築と営業活動設計 ・大手エネルギー系インフラ:データ活用基盤企画構想 ・大手製造業:基幹刷新に伴うデータ分析環境の再構築およびデータ分析企画・実施 ・大手製造業:データ利活用の態勢構築とダッシュボード開発 ・大手自動車メーカー:スポーツ動作に関するデータ解析支援 ●職位一覧 ※上位職順 ・MD/P:Managing Director/Principal ・D:Director ・EM:Engagement Manager ・AM:Associate Manager ・SC:Senior Consultant ・C:Consultant ・A:Analyst ●従事すべき業務の変更の範囲 ・雇入れ直後:配属先に関する業務一般 ・変更の範囲:会社が定める業務

FDEチームの一員として、エンジニア/DS/AIエンジニアと一体で以下を担っていただきます。 ● ドメイン没入と課題設定 ・現場(買取現場・コールセンター・物流倉庫・コーポレート部門)への同行・観察・1次情報収集 ・業務プロセス/顧客/市場の構造を解像度高く理解し、AI/データで解くべき課題を自ら定義 ● 事業KPIに対する仮説オーナーシップ ・担当ドメインKPI(成果向上・生産性改善)に対する仮説立案、優先順位付け、結果の解釈と次手の設計 ・他領域への波及効果も含めた全体最適視点での意思決定 ● AIプロダクトの企画〜実装リード ・AI/データ活用プロダクト(需要予測、査定モデル、業務自動化、レコメンド 等)の企画〜要件定義〜プロダクト実装ディレクション ・AIモデル開発の要件整理(学習データ要件、評価指標、MLOps連携、モニタリング設計) ● AIネイティブ開発プロセスの推進 ・AIエージェントによる高スピード開発を前提とした要件整理・仮説検証・ナレッジベース構築 ・スピード重視で「未完成のものを早期に実験する」プロトタイピング/PoCの設計と運用 ● エンジニアと一体のプロダクト設計 ・「何を作るか」をエンジニア/DS/AIエンジニアと協働で決定 ・Cosmosを中心とした新機能開発/業務標準化プロジェクトの企画〜要件整理〜現場接続 ● ステークホルダーマネジメント ・事業責任者・現場リーダーとの合意形成 ・グループ企業(TL/RGT/NKD)への横展開設計 ● データ/ユーザーインタビューを通じた継続的改善 【組織/配属先の特徴】 ・3層構造の技術組織:FDE層(事業ドメイン没入)/プラットフォームエンジニアリング層(FDEの生産性向上)/コアドメイン層(共通API基盤)の3層に再編し、AIネイティブ前提の組織を構築中 ・配属:データ・AI戦略推進部に所属/いずれかのドメインのFDEチームにジョイン ・PdM出身者例:元リクルート・大手事業会社など、事業理解×推進力の強い人材が活躍中 ・規模:PdM・SWE・データサイエンティスト・AIエンジニアなど約 80名規模 【プロダクト開発環境】 ・開発言語:Golang, React.js (Next.js), TypeScript, Python(AI/ML) ・インフラ:GCP (Cloud Run, BigQuery, Cloud SQL, Vertex AI...), Terraform, Docker ・CI/CD:GitHub Actions ・テスト:MagicPod, Storybook ・バージョン管理:GitHub ・エラー管理:Sentry/APM:NewRelic ・開発生産性管理:Findy Team+ ・課題管理:Jira/ドキュメント管理:Confluence ・AI活用:Claude Code, Cursor, GitHub Copilot ほか(AIエージェント前提のワークフローを推進中) ・その他:Elastic Cloud, Terraform Cloud, Chromatic

事業の急拡大期を迎えているタイミーの事業戦略や組織のスケールに伴う、エンジニアリング組織の不足をあらゆる方法を用いて補うことで、開発組織のフロー効率の向上を目指していただきます。 エンジニアリング組織の生産性を最大化させるためにCTO/VPoEと密に連携しながら、複雑かつ多岐に渡る組織課題に対してチームで連携しながら課題解決をリードしていただく役割です。 組織横断的に動きつつ、担当する機能領域をリードいただくことを期待しております。 業務例 ・Ruby on Railsを使用したWebアプリケーションの設計、開発、レビュー、リリース ・チーム内外の技術的な課題発見、解決策の提案・実行 ・担当領域に関する仕様確認、技術的調査を含めた問い合わせ対応 ・各種スクラムイベントへの参加 ●開発環境(配属先により一部異なります) Backend ・開発言語: Ruby 3.4系 ・アーキテクチャ: Ruby on Rails 8.0系、RSpec Frontend ・開発言語: TypeScript ・アーキテクチャ: Next.js CSR(SPA), React Hooks, SWR Mobile(iOS) ・開発言語: Swift Mobile(Android) ・開発言語: Kotlin Infrastructure ・AWS:ECS Fargate, Aurora, RDS, S3, ElastiCache, CloudFront, etc… └Elasticsearch(AWS Marketplace) ・Google Cloud(一部サービス) ・IaC:Terraform ・ログ:Datadog LogsとS3に集約 その他 ・AIエージェント・LLMツール: 　-開発支援: GitHub Copilot Coding Agent, Devin, Cursor, Claude Code 　-開発基盤・運用: Vertex AI, LiteLLM, MLflow, Datadog LLM Observability 　-その他: Gemini, NotebookLM, NotionAI ・コード管理:GitHub ・ コミュニケーションツール:Slack, Notion

<<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)

このポジションでは、以下の業務に取り組んでいただきます。 ●プロダクト戦略 ・会社全体のビジョンや事業戦略に基づいたプロダクト戦略の策定 ・市場調査や競合分析を通じたプロダクトの方向性の決定 ・プロダクトロードマップの作成および優先順位の設定 ・KPIの設定と追跡、データに基づく意思決定の推進 ●ハンズオンでのプロダクト開発 ・開発チームと連携し、プロダクトの要件定義や仕様策定を直接リード ・ユーザーインタビューやデータ分析を通じたプロダクト改善の推進 ・プロダクトのリリース計画の策定および実行 ・最新のAI技術動向の把握と自社プロダクトへの応用検討 ●チームマネジメント ・10名規模のプロダクトマネージャーチームの育成・評価 ●チーム全体のパフォーマンス向上を目的とした組織改善 ・メンバーが自律的に成長できる環境の構築およびモチベーション管理 ・多国籍チームにおけるバイリンガルコミュニケーションの推進 ●ステークホルダーとの連携 ・営業やカスタマーサクセスチームとの連携を通じた顧客ニーズの把握とプロダクト改善 ・顧客との直接的なコミュニケーションを通じたフィードバックの収集 ・経営層や他部門との連携を通じたプロダクト戦略の共有と調整 ・グローバル展開を見据えた英語でのコミュニケーション ●開発言語 : TypeScript, Python ●作業環境 : Mac (Appleシリコン)、モニター2台まで利用可能 ※従事すべき業務の変更の範囲 会社の定める業務

●概要 KDDIのネットワーク設計・設定・監視・運用に関わる業務を対象に、データとAIを活用した業務自律化を支える基盤の構想・要件定義・アーキテクチャ設計・導入推進を担っていただきます。 ●詳細 ・ネットワーク業務(企画・開発・運用・品質最適化のE2E)のAs-Is整理、課題抽出、To-Be業務・システム構想の策定 ・OSS/BSS(*注)、ServiceNow等の業務基盤、デジタルツイン、生成AI/AI Agentを組み合わせた自動化アーキテクチャの設計 ・KDDI業務部門、開発部門、外部パートナーとの要件定義・合意形成・プロジェクト推進 ・PoCから本番導入、運用定着、効果測定までの一気通貫支援 ・社内のデータサイエンティスト、AIエンジニア、データエンジニアと連携したソリューション化 *注: OSS:Operation Support System BSS:Business Support System ●キャリアパスの一例 ・1〜2年目:チームリードとして複数プロジェクトを安定運営し、成果の再現性を確立して顧客の信頼を獲得する ・3年目以降:チーム横断でのマネジメントを強化し、後進の育成・採算管理・案件ポートフォリオ設計に取り組む ・その後:部門全体の戦略立案・売上/利益責任を担うUnit Leadとして、数十名規模の組織を統括する

テクノロジー組織が最大限に価値発揮をするための組織マネジメント活動や、事業戦略上の意思決定プロセスへの関与をお任せします。 ※ご経験やご志向を踏まえ、単一チームまたは複数チームのマネジメントを担っていただく想定です。 ・事業戦略やプロダクトビジョンにアラインした目標設定と目標達成マネジメント ・1on1や評価フィードバック等を通じたチームリーダーやマネージャー層の育成 ・事業・プロダクトのスケールを見据えた組織設計 ・日本語/英語の2言語を用いる組織において、生産性を向上させるための情報流通の企画・推進 ・エンジニア採用活動・社外広報活動の推進 ・CADDi Techカルチャーの浸透 ・その他、エンジニアリング組織の価値発揮を最大化するための問題提起や施策の企画・実行 開発環境 ・フロントエンド:TypeScript,React,Next.js ・バックエンド:Rust(axum),TypeScript,Node.js(Express,Fastify,NestJS) ・機械学習・アルゴリズム:Rust,Python,OpenCV,PyTorch,TorchServe,Elasticsearch,Vertex AI ・インフラ:Google Cloud,Google Kubernetes Engine,Anthos Service Mesh,Istio,Cloudflare,Argo Workflows ・Event Bus:Cloud Pub/Sub ・DevOps:GitHub,GitHub Actions,ArgoCD,Kustomize,Helm,Terraform,Datadog,MixPanel,Sentry ・Data:CloudSQL(PostgreSQL),AlloyDB,BigQuery,dbt,trocco ・API:GraphQL,REST,gRPC ・認証: Auth0 ・開発ツール:GitHub Copilot,Figma,Storybook ・コミュニケーションツール:Slack,Discord,JIRA,Miro,Confluence

【職種概要】 Forward Deployed Engineer (FDE)は、CADDiのソリューションを導入・活用いただくお客様に対し、技術的な専門家として最も近い立場で伴走し、ビジネス成果の創出をリードするポジションです。 単なる導入作業や技術サポートに留まらず、顧客のビジネス課題や技術的な制約を深く理解し、CADDiのプロダクト群のポテンシャルを最大限に引き出すためのソリューションを設計・実装します。プリセールス段階での技術的な検証(PoC)支援から、導入プロジェクトの実行、導入後の技術的なコンサルティング、アップセル・クロスセルのための技術提案まで、顧客のライフサイクル全体に関わります。また、現場で得た顧客のニーズや課題を社内のプロダクト開発チームにフィードバックし、プロダクトの進化に貢献することも重要なミッションです。 【期待する役割】 このポジションでは、CADDiの技術的な専門家としてお客様に最も近い立場で伴走し、そのビジネス成果創出に技術面からコミットすることが求められます。 単なる製品導入やサポートに留まらず、エンタープライズ顧客特有の複雑なビジネス課題や既存システム環境を深く理解した上で、CADDi製品のポテンシャルを最大限に引き出すソリューション(API連携、データ移行、カスタマイズ開発を含む)を設計・実装します。 プリセールス段階の技術検証(PoC)支援から、導入プロジェクトの技術的リード、導入後の活用支援・コンサルティング、アップセル・クロスセルの技術提案まで、顧客のビジネス変革を実現する「真の技術的パートナー」として、そのライフサイクル全体を技術でリードしていただきます。 また、顧客の最前線で得た深いニーズや課題をプロダクト開発チームへ的確にフィードバックし、プロダクトの進化や新たなソリューション開発を牽引する「架け橋」としての役割も期待されます。 【想定される業務例】 (以下に限定されるものではありません) ●営業担当と連携し、技術的な観点からの提案支援、デモンストレーション、PoC(概念実証)の設計・実行 ●顧客の要件ヒアリング、課題特定、およびCADDiプロダクトを用いたソリューションのアーキテクチャ設計 ●導入プロジェクトの実行リード(例: 環境構築、API連携、データ移行、カスタマイズのためのスクリプト開発など) ●導入後の技術サポート、トラブルシューティング、パフォーマンスチューニング ●顧客のプロダクト習熟度向上支援、活用状況のモニタリングと、更なる活用のための技術的提案 ●顧客からの技術的な要望やフィードバックを収集・分析し、プロダクト開発チームへ連携・提言 開発環境 ●バックエンド: Java, Python ●インフラ: Google Cloud, Google Kubernetes Engine, Anthos Service Mesh, Istio, Cloudflare, Argo Workflows ●Event Bus: Cloud Pub/Sub ●DevOps: GitHub, GitHub Actions, ArgoCD, Kustomize, Helm, Terraform, Datadog ●Data: AlloyDB for PostgreSQL, Apache Iceberg, Dagster, Polars ●開発ツール: GitHub Copilot, Claude Code, Devin ●コミュニケーションツール: Slack, Discord, JIRA, Asana, Miro, Confluence

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