カジュアル面談可 SnowflakeのITエンジニア求人・転職情報

AI基盤・データ・クラウド環境を一気通貫で手掛ける開発業務をお願いしたいと考えております。 大手エンタープライズ企業のプロジェクトにて、データアナリスト/データエンジニアとして参画いただきます。データの抽出・加工・分析やモダンデータ基盤の構築・運用を通じて確かな 「データやAI実装の足腰」を磨いた後、最先端のAI領域へ専門性を拡張できるキャリアパス をご用意しています。 ●具体的な業務内容 データ基盤の構築・運用 : Snowflake、BigQuery等を活用したデータパイプラインおよび基盤の設計・構築 データ抽出・加工・可視化 : 案件に応じたデータの抽出・加工・分析、ダッシュボードの設計・構築 その他 AI開発(改修)等、AI開発の中でも比較的ハードルの低い案件をお任せす可能性有。 ●具体的実例(入社後のイメージ) 地味な「泥臭い1年」を抜けた先にしか、見えない景色を伝えさせて下さい。 ハイポテンシャルの皆様に率直にお伝えします。最初の1年は、データの抽出・加工・分析、ダッシュボード保守、基盤運用、AI実装(回収)といった「基礎固め」が中心です。決して華やかな仕事ばかりではありません。 しかし、この 「データや実装と真摯に向き合う1年」を抜けたメンバーが、今どんな挑戦をしているかをお伝えさせてください。 ①心理学専攻・未経験から、生成AI連携システムの実装主担当へ(入社2年目) 大学院で心理学を専攻していた実務未経験メンバーが、Next.js/FastAPIを活用した生成AIシステムを開発。日次バッチ処理を1.5時間から7分へ短縮し、実行コストも11,000円から900円へ(約92%削減)という劇的な成果を上げています。 ②異業種(製造業の生産技術)から、AIエージェントのPLへ AI未経験で入社後、現在は最先端の「AIエージェントのガードレール設計」をプロジェクトリーダー(PL)として牽引しています。 ③入社1年1ヶ月でサブリーダー、2年でPL。20代・30代で部長へ 年功序列は一切ありません。新卒入社から1年強でリーダー層へ駆け上がり、20代〜30代前半で事業部を率いる部長を務めるメンバーも複数在籍しています。 ●役割とプロジェクト推進体制 キャリア形成に寄り添う戦略的なプロジェクトアサインをAMBLでは行っております。 キャリアのご希望を上長が定期的にヒアリングし、一人ひとりの志向に合わせた案件を戦略的に獲得・提案する体制を整えています。 ・ミスマッチを防ぐ事前共有 内定段階で配属予定のプロジェクト概要をお伝えします。 ・計画的なスキルアップ 意図的なローテーション設計により、着実な成長を支援します。 課題定義からアプローチする上流フェーズへの参画をしております。 クライアントの事業ドメインを深く理解し、「AIでどのような課題を解決すべきか」という問いを定義する最上流から参画します。 ・技術的なリード 要件定義にとどまらず、技術選定やアーキテクチャ設計を主導する立場へキャリアを広げられます。 【具体的なプロジェクト例】 現在、事業部では以下のような最新テクノロジーを用いたプロジェクトが多数稼働しています。 ●データ・AIインフラ領域(モダンデータ・クラウド) Snowflake / dbt を用いたデータ基盤構築 大規模データの統合・加工・パイプラインの自動化 クラウドAI実行環境(AWS / Azure)の構築 Amazon Bedrock / Azure OpenAI Serviceを活用した安全・堅牢なシステム基盤の設計 ※その他 データ抽出・可視化・レポーティングのような微経験者向け案件もございます。 ● 生成AI・LLM領域(最先端エンジニアリング) グラフRAG(GraphRAG)/Advanced RAGの構築 複雑な企業ドメイン知識を構造化し、高精度な生成AI検索基盤を実装 AIエージェントの設計・実装 LangGraphやDify等を活用した自律型ワークフロー・AIエージェントの開発 LLM基盤のコスト・品質評価と改善設計 LLM出力の品質・精度の定量評価設計、およびContext Engineering等による運用コスト削減 ● 機械学習・高度アナリティクス領域 需要予測・異常予兆検知モデルの設計 統計解析・時系列分析・機械学習を用いたビジネス課題解決型モデルの構築

「AIを作る」から「AIを動かす」へ。ガバナンスと構造で挑む、社会実装の仕組みづくり。 つくるのはAIそのものではなく、AIが正しく動く「仕組み」です。 私たちのミッションは、単なるプログラミング(実装)ではありません。AIがビジネス現場で安全かつ確実に機能するための「統治(ガバナンス)」と「構造」を設計することです。 ※AI領域の専門知識は、入社後に実案件の中で身につけていただけます。 【具体的な役割・業務内容】 実行境界・信頼性の設計: アクセス権限策定、AIガードレール構築、監査対応、データガバナンスの設計 定量的評価・コスト最適化: LLM基盤の品質評価モデル策定、運用コスト構造の最適化 次世代アーキテクチャの定義: Advanced RAG(GraphRAG等)の設計、マルチエージェント構成のグランドデザイン ビジネス変革の要件定義: クライアントの曖昧な課題からAIが解くべき「真の問題」を抽出し、本番展開へ牽引 【キャリアパスと得られる成長】 調整役で終わらない。AI社会実装をリードし、次世代「AI PM」へ駆け上がりませんか? ・意思決定の主導権を握る 単なる受け身の調整役にとどまらず、技術選定からアーキテクチャ構築、評価指標の策定まで、顧客と共に主導権を持って決定します。 ・実戦派「AI PM」への最短ルート 現場でのアーキテクチャ設計と高度な顧客折衝を同時並行で経験。理論にとどまらない、市場価値の高いプロジェクトマネジメント能力を磨けます。 ・プロジェクトを導く司令塔 顧客の対等なパートナーとして、AI導入の構想策定から本番展開に至る全工程を牽引する役割を担っていただきます。 【成長を支えるバックアップ体制と働く環境】 確かなキャリア形成と柔軟な働き方。プロフェッショナルとして輝き続けられる環境がここに。 ・伴走型キャリア形成 定期的な1on1を通じて目指すPM像を深く理解し、成長に最適なプロジェクトへ優先的にアサインします。 ・知の共有コミュニティ 現場で一人抱え込むことはありません。社内コミュニティを通じ、トップクラスの有識者にいつでも技術相談ができる環境です。 ・持続可能なハイパフォーマンス 基本は週4リモート・週1出社(※プロジェクト状況により客先常駐の可能性あり)。リモートの比率より、必要な場所で成果を出すことを優先できる方を求めます。 ・実力に報いる正当評価 年間平均昇給率6%という実績が示す通り、高めた市場価値や成果に対して確かな還元で応える評価体制を整えています。 ・育成環境 資格取得支援:270種以上が対象、前期221名が利用(年600件・3年で5,000万円の支給実績)/AMBL PANEL(約460コンテンツの自己学習システム)/社外研修費 会社負担/修士・博士を含む専門家100名以上が在籍しています。機会は最大限・平等に用意します。 【どのような市場価値向上が出来るか】 一生モノの市場価値を、AI時代の「ルールメイカー」として手に入れる ・「境界」を語れる希少な人材へ PoCで終わらせず、AIを本番運用まで牽引できるPM・アーキテクトは、現在の市場において極めて稀有な存在です。 ・経営と技術を繋ぐ視座を獲得 ガバナンス・コスト構造・要件定義を一手に担うことで、経営層と対等に渡り合い、事業成長を牽引する高度な視座が身につきます。 ・人間にしかできない「思考」の最大化 定型作業はAIアシスタントに委任。あなたは人間にしかできない「真の問いの定義」と「アーキテクチャの創造」に全エネルギーを注げます。 【具体的なプロジェクト例】 最先端AIからエンタープライズ基盤まで。【AI開発プロジェクトへの参画を前提に配属します】 ・LLM基盤最適化 トークン消費最適化と出力精度の定量評価による品質・コスト設計 ・GraphRAGエージェント 複雑な社内規定を構造化し、AIが論理的回答を行う自動化基盤構築 ・Azure/AKSインフラ エンタープライズ水準を満たす高信頼なSRE・AI基盤の運用設計 ・製造予兆検知 センサーデータ分析によるダウンタイム削減・予兆保全モデルの設計・実装

●具体的実例(入社後のイメージ) 年功序列なし。2年で大きく飛躍したメンバーの実例を紹介します。 当社には年功序列の評価はありません。意欲と成果次第で、誰もがスピーディーに活躍の場を広げられる環境です。 ・未経験から生成AIシステムの実装主担当へ 大学院で心理学を専攻し、実務未経験で入社したメンバーが2年でNext.js/FastAPIによる生成AI連携システムの実装主担当に成長。日次バッチ処理を1.5時間から7分へ短縮し、実行コストも11,000円から900円へと大幅な改善を達成しました。 ・年次を問わない早期キャリアアップ 新卒入社1年1ヶ月でサブリーダー、2年でプロジェクトリーダーに抜擢された事例や、20代・30代前半で部長を務めるメンバーも複数在籍しています。 ・自分らしく描ける3つのキャリアパス 技術を極める「エキスパート」、組織を牽引する「マネジメント」、技術基盤を支える「AIスペシャリスト(MLOps/LLMOps)」など、ご自身の志向に合わせたキャリアを選択できます。 【職務内容】 AI基盤・データ・クラウド環境を一気通貫で手掛ける開発業務をお願いしたいと考えております。 AIがビジネス価値を生み出すためのプラットフォーム設計・構築を軸に、開発から運用、データ基盤整備まで幅広く手掛け、顧客のビジネス課題解決に伴走します。 ・AIプラットフォームの設計・構築 ビジネス価値の創出に向けたAI基盤の設計・構築 ・Web/バックエンド開発 堅牢で拡張性の高いアプリケーション・システムの開発 ・高品質なデータ基盤の構築 AI利活用を最大化・スムーズにするデータパイプラインの整備 ・クラウドネイティブ環境での開発・運用 AWS / Azure / GCP を活用したシステム開発および伴走型の運用支援 【役割とプロジェクト推進体制】 キャリア形成に寄り添う戦略的なプロジェクトアサインをAMBLでは行っております。 キャリアのご希望を上長が定期的にヒアリングし、一人ひとりの志向に合わせた案件を戦略的に獲得・提案する体制を整えています。 ・ミスマッチを防ぐ事前共有 内定段階で配属予定のプロジェクト概要をお伝えします。 ・計画的なスキルアップ 意図的なローテーション設計により、着実な成長を支援します。 課題定義からアプローチする上流フェーズへの参画をしております。 クライアントの事業ドメインを深く理解し、「AIでどのような課題を解決すべきか」という問いを定義する最上流から参画します。 ・技術的なリード 要件定義にとどまらず、技術選定やアーキテクチャ設計を主導する立場へキャリアを広げられます。 【事業部としてのバックアップ体制と働く環境】 一人にしない、事業部のバックアップ体制 ● 助け合い、高め合える「チーム体制」 当社メンバーが複数名参画するチーム体制が基本です。社内の専門家コミュニティも活発で、高度な技術的課題もいつでも気軽に相談・解決できる安心感があります。 ● 柔軟でメリハリのある「働き方」 基本スタイルは週4日リモート・週1日出社。プロジェクトの状況に応じて客先常駐が発生する場合があります。リモートの比率より、必要な場所で成果を出すことを優先できる方を求めます。 ● 成長を強力に後押しする「育成・学習環境」 270種以上の資格取得支援制度をはじめ、自社オリジナルの学習システム「AMBL PANEL」や社外研修費の会社負担など、エンジニアの成長機会を最大限に用意しています。 ●具体的なプロジェクト例 現在、事業部では以下のような最新テクノロジーを用いたプロジェクトが多数稼働しています。 1.生成AI・LLM領域 グラフRAG・Advanced RAGの構築 AIエージェントの設計・実装(LangGraph/Dify等) LLM基盤の最適化(Context Engineering等) 2.AI・データインフラ領域 MLOps/LLMOps基盤の構築 Snowflake/dbtによるデータ基盤構築 Azure OpenAI/AWS Bedrock上でのシステム構築 3.高度技術・社会実装領域 画像解析・数理最適化の社会実装

●具体的実例(入社後のイメージ) 【キャリア実例】24時間監視からのスタート。8年でデータ基盤の要件定義・プリセールスへ ネットワーク機器の24時間365日監視からキャリアをスタートしたメンバーがいます。仮想PC基盤8,000台の運用保守を経て、IaCによる基盤構築、Snowflakeを用いたデータ基盤構築へと領域を広げ、8年目で上流工程へと到達しました。 転機となったのは、運用の枠にとどまらず「リリース管理・構成管理の設計」を自ら取りにいったこと。「手順を設計する」「作業をコード化する」「改善を提案する」——日々の運用の中で発揮した主体性こそが、上流エンジニアへ突き抜けるための確かな土台です。 【スピード昇進】年功序列なし。微経験入社から2年でリーダー、翌期にはマネージャーへ 当社に年功序列の壁はありません。 微経験で中途入社したあるメンバーは、1年目から大手ガバメントクラウド案件(6名体制)の要件定義へ参画。2年目で同チームのリーダーへ昇格し、翌期には組織を率いるマネージャーへの昇格が決定しています。年齢や社歴に関係なく、成果と意欲に応じたスピード感のあるキャリアアップが可能です。 ●職務内容 【上流×マルチクラウド】AWSの「その先」へ。要件定義からマルチクラウドを設計する“希少エンジニア”へ 【上流工程】どこまで深く関われるか ゼロベースでの基本設計 既存システムへの単純な機能追加ではなく、顧客の要件をもとにゼロからアーキテクチャを設計します。 技術選定・アーキテクチャ設計への主体的な参与 「AWSやAzureの採用」といった大枠方針に対し、その内部構成や技術スタックの選定は自ら決定・提案。「なぜその構成なのか」を説得し、形にする裁量があります。 非機能要件の全体設計 セキュリティ・可用性・パフォーマンスをはじめとする、システム全体の堅牢性を担保する非機能要件定義・設計を自ら担います。 技術提案からプリセールスまで 単なる設計担当にとどまらず、顧客との技術ディスカッションやプリセールスまで領域を広げていける環境です。 【先端技術】AIが動く基盤を“設計する側”へ AIエージェントが自律的に動く時代において、最大の課題となるのが「セキュリティ」と「堅牢な基盤」です。 生成AIと連携するアーキテクチャ設計、データレイク/データマートの構築、AI推論環境の整備など、クラウドを単なる「システムの土台」ではなく、ビジネス価値を生み出す仕組みとして自ら設計・構築できます。 ●キャリア伴走体制 【放置されないアサイン体制|希望のキャリアへ進むための「3ステップ伴走システム」】 1. キャリアカウンセリング: 上長が個人のキャリア希望をヒアリングし、必要な準備・スキルを明確化します。 2. 案件開拓・アサイン: 準備完了のタイミングに合わせて、営業チームがご希望のプロジェクトを獲得し、エンジニアに提案をします。 3. 成果還元(昇給): 案件が変わるタイミングで、担える役割とお客様への提供価値が広がります。その成果は、半期ごとの評価(賞与)と、再現性のある成長の評価(給与改定・昇格)に反映されます。 ●働き方･育成環境 【働き方×育成】成果を出す最適な環境で働き、豊富な学習機会で市場価値を高める ● 働き方:成果と貢献を最優先にする柔軟なスタンス リモートワークを併用するプロジェクトがメイン ですが、顧客やプロジェクトの状況に応じて客先でのフル出社となる場合もあります。 私たちは「リモートの割合」にこだわること以上に、プロジェクトや顧客にとって「必要な場所で最大限の成果を出すこと」を大切にできる、プロフェッショナルな姿勢をお持ちの方を求めています。 ● 育成環境:成長の機会は全社で最大限提供(自ら掴む文化) エンジニアの成長を後押しする豊富なサポート体制を全社平等に提供しています。 ●資格取得支援制度 : 270種類以上が対象(AWS関連多数)。前期は221名が利用し、さらに33種を追加指定。 ●豊富な学習コンテンツ : 約460コンテンツを学べる「AMBL PANEL」の利用や、社外研修費の全額会社負担。 ●ビジネススキル研修 : 社内アカデミーにて、マネジメントやクリティカルシンキングなどの講義も整備。 チャンスや環境は最大限に用意しています。その機会を自らの成長へ活かしていく主体性のある方を歓迎します。 ●具体的なプロジェクト例 大手金融・医療からガバメントクラウドまで|要件定義から挑む多彩な実績 1.医療・介護領域|業務改善データ分析基盤の構築 担当フェーズ: 要件定義 〜 保守 チーム体制: 4名(PM + 3名) 主要技術: AWS(EC2, Lambda, Glue, RDS) 2.大手金融|住宅ローンアプリ基盤の構築 担当フェーズ: 要件定義 〜 保守 チーム体制: 7名(PM + メンバー6名/うちインフラ2名) 主要技術: AWS(EC2, EKS, RDS) 3.大手サービス|店舗入退店・売上分析基盤の構築 担当フェーズ: データ蓄積・分析基盤の構築 チーム体制: 20名規模の大規模プロジェクト 特徴: 自社AIプロダクトを活用した高度なデータ基盤構築 4.公共・行政|クラウドリフト&ガバメントクラウド案件 概要: オンプレミス環境(Oracle)からのクラウドリフト(全面移行)、およびガバメントクラウドの要件定義〜基盤構築

・AI Agent/RAGアプリケーションを支えるクラウド基盤の設計・構築・運用 ・AWS/Azure環境におけるインフラ設計、権限管理、ネットワーク設計 ・Amazon Bedrock、Amazon SageMaker、Amazon Q、Kiroなどを活用したAI基盤構築 ・Bedrock Knowledge Bases、Agents、Guardrailsなどを用いたRAG・AI Agent基盤の設計支援 ・IAM、KMS、VPC、PrivateLink、ゼロトラストなどを踏まえたセキュリティ設計 ・ECS、EKS、Lambdaなどのコンテナ/サーバーレス環境の構築・運用 ・Terraform、AWS CDKなどを用いたIaC・自動化 ・OpenSearch、pgvector、Snowflakeなどを活用した検索基盤・データ基盤の構築支援 ・CloudWatch、モデル呼び出しログ、トークン利用量などの監視・コスト最適化 ●入社後の役割・キャリアパス 入社後は、まずクラウドインフラの設計・構築・運用経験を活かせる領域から参画いただきます。 その後、AI Agent基盤、RAG基盤、Bedrock活用、クラウドセキュリティ、LLMOps/MLOps、データ基盤など、経験や志向に応じて担当領域を広げていただきます。 将来的には、以下のようなキャリアを目指せます。 ・AI基盤/クラウドインフラエンジニア ・AI Agent・RAG基盤の設計・構築リード ・クラウドセキュリティ/ガードレール設計担当 ・LLMOps/MLOps領域の技術リード ・AI駆動開発を支えるクラウドアーキテクト ・インフラ領域のテックリード/アーキテクト クラウドインフラの経験を軸に、AI時代の基盤設計・運用に強いエンジニアとして市場価値を高められる環境です。

マッチング領域やTrust & Safety領域などにおけるAI/ML機能のプロダクト実装・評価・改善は、主にデータサイエンティストやプロダクトAI/MLエンジニア、ソフトウェアエンジニアが担います。本ポジションでは、それらのAI/ML機能がプロダクト上で安全かつ継続的に価値提供できるよう、社内のML/LLM基盤、推論基盤、開発・運用環境、標準パターンを設計・開発・運用していただきます。 ML基盤を、社内のAI/ML活用を支える重要な技術基盤であると同時に、データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが安全かつ再現性高くAI/MLを本番活用するためのプラットフォームとして捉え、標準化・セルフサービス化・Developer Experienceの向上にも取り組んでいただきます。 ●機械学習の学習・評価・予測・デプロイ・監視を効率的に実現するためのML基盤の設計・開発・保守・運用 ・機械学習APIサーバー、オンライン推論基盤、バッチ推論基盤の設計・開発・運用 ・機械学習システムのためのデータパイプライン、特徴量管理、Feature Store等の設計・開発・運用 ・機械学習ワークフロー、実験管理、モデル管理、評価・検証プロセスの設計・開発・運用 ・ML関連の開発業務を効率化する社内ライブラリ、テンプレート、サンプル実装、開発環境の整備 ●プロダクトAI/MLエンジニアやデータサイエンティストが、AI/ML機能を本番環境で安全に実装・運用するためのProduction Readinessの整備 ・モデル精度、データ品質、ドリフト、レイテンシー、エラー率、コストなどの監視・可視化の仕組みづくり ・モデル更新、ロールバック、障害対応、インシデント対応、Runbook整備などの運用標準化 ・個別プロダクト機能の要件を踏まえた、基盤側の非機能要件・運用要件・責務分界の整理 ●生成AI/LLMを複数チームで安全に活用するためのLLMOps基盤・AIガバナンスの設計・開発・運用 ・プロンプト管理、評価データセット、出力品質評価、LLM as a Judge、リグレッションテスト等の共通基盤づくり ・LLMアプリケーションの監視、コスト管理、Fallback、ガードレール、セキュリティ・利用ポリシー整備 ・個別ユースケース実装を担うチームが、安全に生成AI/LLMを利用するためのルール・テンプレート・レビュー観点の整備 ●データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが迷わずAI/ML機能を開発・運用できるゴールデンパスの整備 ・CI/CD、IaC、コンテナ、クラウド、権限管理、Secret管理、監査ログ等を組み込んだ標準パターンの設計・運用 ・テンプレート、ドキュメント、チェックリスト、オンボーディング資料、開発者向けガードレールの整備 ・個別案件から共通パターンを抽出し、セルフサービス化・自動化・再利用可能な形へ昇華 ●上記を実現するための非機能要件・運用品質の継続的な改善 ・IaCによるインフラ構築・管理 ・CI/CDによるテスト・デプロイ自動化 ・サービス監視、ログ、メトリクス、トレース、アラートの設計・運用 ・パフォーマンス、可用性・信頼性、セキュリティ、コスト効率を考慮した設計・実装および継続的な改善 ●社内のデータサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニア等への教育・スキルトランスファー、技術支援 ●ML/LLM基盤活用戦略の作成・推進、全社的なAI/ML活用の環境整備・啓蒙活動 技術スタック(主要な部分の抜粋) ●クラウド ・Google Cloud ●開発言語 ・Python ●データ基盤 ・BigQuery / Fivetran / dbt Cloud ●ML / LLM基盤 ・Vertex AI / MLflow / LiteLLM / Datadog LLM Observability ●BIツール ・Looker / Looker Studio ●IaC ・Terraform ●開発環境・ツール ・Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc 扱っているデータ ・アプリユーザーのアクセスログ、募集内容に関する情報 ・マッチングに関する情報 ・レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ ・問い合わせに関するデータ ・営業活動情報のデータ 上記のようなデータを扱っております。

【職務内容】 ・全リユース事業プロセスを支える基幹プラットフォーム「Cosmos」のバックエンド開発 ・AI自動査定(画像情報から商品特定・真贋判定・プライシングまでを自動化)やコール業務のAI自動化など、業務オペレーションへのAI実装を支えるアーキテクチャ設計 ・グループ買取在庫の統合、AIを活用した商材別最適販路選定など、データドリブン経営を支えるデータ基盤・API設計 ・EM・PdMと連携したプロダクト開発、技術的負債解消とDX推進の計画・実行 ・開発ガイドラインの策定、オブザーバビリティ強化などエンジニアリング組織の基盤づくり ・事業部と一体で開発を進めるFDE組織における次世代テックリードの創出・育成 【組織/配属先の特徴】 ・本部長(プロダクト責任者)や事業部と密接に連携 ・PdM・SWE・データサイエンティスト・AIエンジニアなど100名規模の技術組織 ・PdM・AIエンジニア・SREと協働し、事業課題に直結する開発を推進 ・AIによるコーディング率46.07%、開発量+41%など、生産性改善を定量管理 ・開発生産性への意識が高く、フルスタックな働き方が好まれる ・仕様がトップダウンで降りることはなく、エンジニアが「なぜつくるか」を理解して開発 ・業務を通して得た知見をtech blogや外部登壇で発表することを推奨 ・1プロダクトあたり10人未満のチーム構成 【プロダクト開発環境】 ・開発言語:Golang, React.js(Next.js), TypeScript ・インフラ:GCP(Cloud Run, BigQuery, Cloud SQL...), 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 ・課題管理:Jira ・ドキュメント管理:Confluence ・その他:Elastic Cloud, Terraform Cloud, Chromatic

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

<<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)

具体的な技術に関する情報は「[歴史に残る模範的なソフトウェアを作ろう](https://hello-world.smarthr.co.jp/)」をご覧ください。 ●役割 私たちが期待するのは、Customer Observabilityという新しい技術領域の構想を、実際に動くシステムと社内外に届く成果へと変えていく役割です。これまでエンジニアリングに対する取り組みやその文化・プラクティスを土台に、Webアプリケーション開発とデータ分析基盤の双方を横断しながら、「お客さまがSmartHRから何を得ているのか」を把握する仕組みをかたちにしていただきます。 まだ確立されていない領域だからこそ、既存の枠にとらわれず、プロダクト開発チーム・ビジネスサイド・データ基盤チーム、といった様々な部署と積極的に協働し、事業と組織の成長に直結する成果を生み出していただきたいと考えています。SmartHRのCREを「この業界における普遍的な技術」として位置づけていく、その中核を担っていただくポジションです。 ●具体的な業務 入社直後は、CREユニットが取り組んでいるCustomer Observabilityの現在地と目指す姿、そしてすでに動き始めている隣接部署(プロダクト開発/データ基盤/ビジネスサイド)の取り組みへの理解を深めることから始めていただきます。その後、マネージャーと連携しながら、BigQueryを中心としたデータ基盤やLookerなどの可視化基盤、既存のプロダクト観測環境(NewRelicやSentryなど)を活用し、プロトタイピングから着手します。 得られた知見をもとにトライアンドエラーを重ねながら、プロダクトチームやビジネスサイドと連携し、意思決定や組織としての学びを支えるインサイトを届ける仕組みへと育てていきます。実装にとどまらず、そのプロセスや成果を社内外に発信していくことも重要な取り組みのひとつです。 ●開発規模・開発体制 ・現在のCREユニットは、プロダクト改善を担うメンバー3名と、本ポジションから本格的に立ち上げていく「Customer Observability」領域で構成されています。 ・Customer Observability領域は、現時点ではマネージャー兼チーフエンジニアが兼務でリードしている立ち上げフェーズです。ジョインいただく方には、その初期メンバーとして構想・実装・発信を一緒に推進いただきます。 ・SmartHR全体のデータ基盤・観測基盤・AI活用の取り組みと密接に連携し、部署の枠を越えたコラボレーションが日常的に発生する環境です。 ・個人コントリビューター(IC)またはプレイングマネージャーとしての活躍を想定しており、将来的にはCREユニット全体のリードをしていただくことを期待しています。 ●配属先 選考を通して、経験や志向性などをもとに配属先を決定しています。現在募集している配属先は以下です。 ・人給基幹プロダクト開発本部 / CREユニット / CRE(Observability) └[SmartHR の CRE チームに興味をお持ちの方へ](https://tech.smarthr.jp/entry/cre-matome) └[テックブログ](https://tech.smarthr.jp/archive/category/CRE) ●現在取り組んでいる課題 「CRE」という、いまだこの業界にデファクトスタンダードと呼べる技術として確立されていない領域において、私たちが「Customer Observability」という概念・プラクティスを提唱したのが2026年4月(["Customer Observability" の対象となりうるものは何かを考えてみる](https://tech.smarthr.jp/entry/2026/04/13/094613))。 ここからの数ヶ月間でのプロトタイピングにより、少なくともSmartHRのビジネスサイドに対しては、とても有用な取り組みになり得ると判断するに十分な結果を出すことができました。 一方で、プロダクト開発サイドに対しては未だに構想止まりの状況のため、「2030年1000億円」という高い目標を達成するためにも、いち早く仮説検証・プロトタイピング・仕組みの構築に着手する必要があります。 ●業務内容変更範囲 会社の定める業務

ミッション 介護領域における「施設探し」と「仕事探し」を利用者/クライアント両面から繋ぎ、ベストマッチングを提供する「リボンモデル」のビジネスを展開し、既存事業から得られる「市場の一次データ」からプラットフォームを構築することで、売上最大化をさせることがミッションです。 業務概要 業界トップクラスの自社プラットフォームで生成・蓄積されるデータを管理・活用することで、プラットフォームとしての競合優位性を構築していただきます。 具体的な業務内容 ・プラットフォームで蓄積するデータの整理・加工・管理 ・蓄積されたデータのビジネスへの活用 ・データ活用・データメンテナンスのためのオペレーションの仕組化、現場への落とし込み ・データの蓄積・活用ためのインフラの設計・構築 ・プラットフォームのマスタデータの管理・活用 ・AIや機械学習などへの活用 ※従事すべき業務の変更の範囲:適性に応じて会社の指示する業務への異動を命じることがある