持ち株会制度あり BigQueryのITエンジニア求人・転職情報

東証グロース上場企業として、エンタープライズ企業(主に東証プライム上場企業)の「0次DX」を推進するリードエンジニアとしてご活躍いただきます 。 単なる実装作業の請負ではなく、顧客の隣で「ビジネス要求の言語化」から「最適なアーキテクチャ設計・実装」までを一貫して担い、技術的な意思決定をリードする役割を期待しています 。 【業務詳細】 技術リード・設計: プロジェクトにおける技術的指針(ビジョン)を提示し、静的型付け言語を用いた高度な実装および詳細設計による品質管理を主導します 。 モダン開発の推進: 生成AI(LLM等)の活用やクラウドネイティブな構成への移行など、最新技術を用いたPoC・新規サービス立ち上げを牽引します 。 チームマネジメント(技術面): コーディング規約の策定、コードレビュー、開発プロセスの標準化を通じてチーム全体のアウトプットを最大化します 。 顧客折衝・提案: 顧客のビジネス課題を技術的視点から分析し、実現可能な解決策を提案・実装へと落とし込みます 。 若手育成: 技術責任者として、主体的に若手エンジニアの教育・メンタリングを行い、組織全体の底上げに貢献します 。 【技術スタック・使用ツール】 言語: Java, PHP, Go, Ruby, Python, JavaScript, TypeScript, Kotlin, Swift, SQL, HTML/CSS など フレームワーク: Spring Boot, Laravel, Vue.js, React.js, Angular, Node.js, echo など クラウド: AWS, Azure, GCP インフラ: Docker, Kubernetes, Terraform, Ansible, Jenkins, GitLab CI, GitHub Actions など データベース: MySQL, PostgreSQL, Aurora, Oracle, SQL Server, BigQuery, DynamoDB など ツール: Git, GitLab, GitHub, Slack, Jira, Confluence, Backlog, Looker, Figma など その他: 生成AI (Azure OpenAI, Amazon Bedrock, Google Gemini, GitHub Copilot), ローコード (Pega, Outsystems), BPM (Bonita) など

エンタープライズ企業(主に東証プライム上場企業)のDX・業務改革を支援する直請けSIerとして、顧客の「0次DX」を実現するためのプロジェクトマネジメントを担っていただきます。 単なるシステム構築や基盤整備に留まらず、顧客の隣でビジネス要求を言語化し、データ活用や最新技術を用いて「顧客のビジネスをどう変えるか」まで踏み込んだ企画・リードがミッションです。 【業務詳細】 ●戦略立案・要件定義:顧客の業務課題を深く理解し、ビジネス判断の根拠となる「データの使いどころ」の整理や、開発を考慮したプロジェクト設計(現状調査、ロードマップ策定など)を行います。 ●全体設計・進行管理:データ収集から分析・活用までを横断した全体設計、およびアジャイル(スクラム)を用いた柔軟なプロジェクト推進・品質管理を担当します。 ●ステークホルダー調整(橋渡し):ビジネス部門・IT部門・エンジニア間の「翻訳」を行い、顧客と対等なパートナーとして意思決定に関与します。 ●チームビルディング・組織成長:自社のエンジニアや専門チーム(インフラ、AI、データエンジニア等)を統率し、組織の成長に向けたチームビルディングや若手育成を行います。 ●新規案件獲得サポート:営業と連携し、見積もり検討や客先訪問を通じて新規案件獲得や案件拡大のサポートを行います 。 【技術スタック・使用ツール】 クラウド: AWS / Azure / GCP など バックエンド: Java (Spring Framework), Go, Python, PHP (Laravel) 手法・ツール: アジャイル/スクラム, Git, Jira, Slack, 生成AIツール (ChatGPT, Claude等)

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。

AI・データを活用した複数のプロジェクトをプログラムとして束ね、事業・プロダクト・エンジニアリング・データ専門組織を横断しながら、構想から成果創出・定着までを推進していただきます。 ●事業・プロダクト課題を構造化し、AI・データ戦略、活用テーマ、実行ロードマップを策定 ●複数プロジェクトの優先順位・依存関係・リスクを統合し、組織横断の推進体制と意思決定プロセスを設計 ●PoC・MVPから本番展開、定着、成果検証までを推進し、得られた学びを他領域へ展開 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 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 / SQL ●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

ミッション "AI の出力品質を科学する — 評価手法の研究・開発で、エージェントの信頼性を証明する" LLM / AIエージェントの出力品質を、機械学習・統計学・計量心理学の手法で定量的に評価・改善します。本ポジションは「テストする人」ではなく、 「何をもって良いAIとするかを定義し、測定する科学者」 です。 期待する役割について AI Evaluation Scientist として、AI エージェントの品質評価基盤の設計・構築・運用をリードしていただきます。 ●評価メトリクスの研究開発 — LLM-as-Judge の校正、報酬モデリング、ベンチマーク設計を通じて「何をもって品質とするか」を科学的に定義します ●自動評価パイプラインの設計・構築 — 研究成果を本番 CI/CD に組み込み、スケーラブルな品質ゲートを実現します ●レッドチーミング・安全性検証 — adversarial testing の自動化、ポリシー準拠検証フレームワークを構築します ●統計的実験計画に基づく品質改善 — A/B テスト・有意差検定でプロンプト戦略やモデル変更の効果を定量的に検証します ●評価シグナルの研究・開発チームへのフィードバック — モデル改善の複利ループを構築します 約 200 社が本番利用するプロダクトの品質を「科学する」アプローチで担保します 業務内容 AI Evaluation Scientistとして、 AIエージェントの評価基盤 (Evaluation Infrastructure) の設計・構築・運用をリードしていただきます。 ●評価メトリクスの研究開発 ・LLM-as-Judge の校正手法の研究・実装 (rubric 設計、バイアス検出、proper scoring rules) ・評価ベンチマークの設計・構築・妥当性検証 (construct validity、contamination detection) ・報酬モデリング / preference learning の評価への応用研究 ・評価メトリクスの選定・設計 (win rate、task success、factuality、harm detection) ・評価セット (合成データ + 実ログ) の設計・構築・メンテナンス ●自動評価パイプラインの設計・構築 ・スケーラブルな自動評価パイプラインの設計・実装 ・CI/CD への評価パイプライン組込みと品質ゲートの構築 ・エージェント評価ハーネスの設計 (マルチターン・ツール利用・ロングコンテキスト対応) ・評価パイプラインの再現性・信頼性の担保 ●安全性・品質検証 ・自動レッドチーミング (automated adversarial testing) の研究・実装 ・安全性 / ポリシー準拠の検証フレームワーク構築 ・ハルシネーション検出・校正手法の研究・実装 ・プロンプト / ツール回帰テストの設計・実行 ●統計分析・実験設計 ・統計的実験計画 (A/B テスト、有意差検定) の設計・分析 ・品質トレンドの可視化・回帰検出の自動化 ・品質レポート作成と改善提案 ・評価シグナルの研究・開発チームへのフィードバック 業務シナリオ ※以下は想定される業務シナリオの例です ●シナリオ1: LLM-as-Judge の校正と妥当性検証 新しい評価メトリクスとして LLM-as-Judge を導入する際、judge モデルの校正 (calibration) を実施します。人間評価との一致率を統計的に検証し、rubric 設計を反復改善します。construct validity を確認した上で、自動評価パイプラインに組み込み、評価コストを 80% 削減しながら人間評価と同等の信頼性を実現します。 ●シナリオ2: 新モデル導入時の品質ゲート LLMプロバイダーが新モデルをリリースした際、既存のベンチマークスイートで回帰テストを実行し、factualityスコアが3%低下していることを検出します。原因を分析し、プロンプト調整で品質を維持したまま新モデルへの移行を完了します。 ●シナリオ3: 自動レッドチーミングによる安全性検証 金融機関向けにJAPAN AI AGENTを導入する際、自動レッドチーミングパイプラインを構築します。adversarial promptの自動生成・分類器による脆弱性検出を実装し、業界固有のリスクシナリオ(機密情報漏洩、不適切な金融アドバイス等)を網羅的にテストします。ポリシー準拠率99%以上を達成します。 ●従事すべき業務の変更の範囲 会社の定める業務 成果責任 (KR/メトリクス) ●評価カバレッジ率(テストケース網羅率) ●回帰検出率(リリース前の品質劣化検出率 ≥ 95%) ●評価パイプライン実行時間(CI/CD内で完了) ●LLM-as-Judge と人間評価の一致率 ●False Positive / Negative 率 ●安全性インシデント発生率(リリース後) チーム体制 約120名が開発組織に在籍しています。 AI Evaluation Scientistは品質保証の専門チームとして、以下のチームと密接に連携します: ●密接に連携する役割: ・Agentic Product Engineer — エージェント機能開発 ・Research Engineer — 研究開発・モデル改善 ・Agent Harness Engineer / Software Engineer (AI Platform) — AI 実行基盤開発 ・Product Manager — プロダクト設計・品質要件定義 開発環境 ●言語 : Python (評価パイプライン・分析), TypeScript / React / Next.js (フロントエンド部) / NX ●評価 / QA : pytest, LangSmith, Weights & Biases, custom eval frameworks ●データ : BigQuery, Spark, Pandas ●インフラ : GCP (コンテナ / K8s), Docker, Terraform ●CI/CD : GitHub Actions ●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

●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

期待する役割 事業横断での全社AX/DX推進をリードしていただきます。 ●AI活用による事業変革の推進 ・AIを核とした既存事業の再構築、新規事業創出の企画・実行 ●全社横断プロジェクトのリード ・経営層・事業部門・エンジニアを巻き込み、部門横断的なAI活用プロジェクトを推進 ●戦略立案と実行 ・AI活用戦略の策定から、データ基盤構築、AIエージェント導入まで一貫してリード ●業務自律化の実現 ・AIエージェントによる業務プロセスの自動化・自律化を推進し、生産性・実績UPを実現 業務内容 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。 ●AI活用戦略の立案・推進 ・経営層と連携し、AI活用による事業変革戦略を策定 ・既存事業の課題分析とAI活用による解決策の企画・実行 ・全社的なAI活用ロードマップの策定と進捗管理 ●AIエージェントによる業務自律化の推進 ・業務プロセス全体を俯瞰し、AI活用による自律化領域を特定 ・AIエージェントの企画・構築・導入を推進 ・全社AI内製化体制の構築とトレーニング実施 ●AIデータ基盤の設計・構築 ・データモデル設計とアーキテクチャ最適化 ・AIを最大に活かしたデータ連携基盤の構築推進 ・データ統合・クレンジング方針策定 ●データガバナンス・運用体制の構築 ・データ品質管理、セキュリティポリシーの策定 ・アクセス制御、監査ログ管理、バックアップ体制の確立 ・運用マニュアル整備とモニタリング体制の構築 チーム体制 AXDX担当:現在3名(コンサル含む)在籍しています。 AXDX推進PJ:事業含め約30名 ※AXDX担当は、事業メンバーを取りまとめ、推進していく役割を担います。 従事すべき業務の変更の範囲 会社の定める業務

新規・グロースフェーズのサービス開発エンジニアとして、ご経験に応じて下記業務を担当いただきます。 ●アプリケーション開発、API開発 ●アーキテクチャの設計、ミドルウェアの選定 ●ユーザーの行動ログなどの定量・定性的な分析による施策効果測定、サービス改善 ●AWSを中心としたクラウドリフト/シフト、新規構築のインフラの設計、検証、構築、運用 ●パーソルキャリアの各事業(doda、doda Xなどの人材紹介事業)に対して、アプリケーションの実行基盤の整備 「はたらく」を取り巻く環境が多様化する中、Mission 達成に向けて、既存のdodaを主軸とする転職支援以外の新しい領域のサービスを企画・開発中です。 ●doda 業界最大級の求人数、豊富なサポート実績を誇る転職サービスです。 登録者数:約934万人(2024年12月末時点)。 エージェントサービスの他には求人情報サービスや転職イベントなど様々なサービスを運営。 ●dodaダイレクト doda/doda Xのデータベースにアクセスし、企業からスカウトを送れるサービス ●doda X 年収600万円以上の方向けのハイクラス転職サービスです。 業界や企業動向に精通したヘッドハンターからスカウトを受け取れます。 ●dodaキャンパス 学生の就職活動を支えるダイレクトリクルーティングサービスです。 大手~ベンチャー企業まで累計契約企業10,000社以上(2024年6月時点)。 オリコン顧客満足度調査にて4年連続学生満足度、総合1位に選出。 ●MIRAIZ キャリアに役立つスキルの習得、プロによるキャリア相談がすべて無料。 学び×JOBをつなげ、転職に留まらず、一人一人に合わせたはたらくを一生涯サポートするサービスです。 ●HR Analyst 最新のテクノロジーで競り負けない採用を実現する人材分析サービス ●HR forecaster 転職マーケットに即した求人要件を作成できるサービスです。 HR アワード 優秀賞受賞、HR テクノロジー大賞 イノベーション賞 受賞。 ●HR Spanner 中途入社者が入社後スムーズに職場環境に馴染み、早期に即戦力として立ち上がれるようにコンディションチェックやコミュニケーションのサポートをするオンボーディングサービス。 簡単な操作と最小限の工数で、中途入社者の不安や悩みを検知し、現場でのコミュニケーションを促進します。

新規・グロースフェーズのサービス開発エンジニアとして、ご経験に応じて下記業務を担当いただきます。 ●アプリケーション開発、API開発 ●アーキテクチャの設計、ミドルウェアの選定 ●ユーザーの行動ログなどの定量・定性的な分析による施策効果測定、サービス改善 ●AWSを中心としたクラウドリフト/シフト、新規構築のインフラの設計、検証、構築、運用 ●パーソルキャリアの各事業(doda、doda Xなどの人材紹介事業)に対して、アプリケーションの実行基盤の整備 Webサービスについて 「はたらく」を取り巻く環境が多様化する中、Mission 達成に向けて、既存のdodaを主軸とする転職支援以外の新しい領域のサービスを企画・開発中です。 ●doda 業界最大級の求人数、豊富なサポート実績を誇る転職サービスです。登録者数:約934万人(2024年12月末時点)。 エージェントサービスの他には求人情報サービスや転職イベントなど様々なサービスを運営。 ●dodaダイレクト doda/doda Xのデータベースにアクセスし、企業からスカウトを送れるサービス ●doda X 年収600万円以上の方向けのハイクラス転職サービスです。業界や企業動向に精通したヘッドハンターからスカウトを受け取れます。 ●dodaキャンパス 学生の就職活動を支えるダイレクトリクルーティングサービスです。 大手~ベンチャー企業まで累計契約企業10,000社以上(2024年6月時点)。 オリコン顧客満足度調査にて4年連続学生満足度、総合1位に選出。 ●MIRAIZ キャリアに役立つスキルの習得、プロによるキャリア相談がすべて無料。 学び×JOBをつなげ、転職に留まらず、一人一人に合わせたはたらくを一生涯サポートするサービスです。 ●HR Analyst 最新のテクノロジーで競り負けない採用を実現する人材分析サービス ●HR forecaster 転職マーケットに即した求人要件を作成できるサービスです。HR アワード 優秀賞受賞、HR テクノロジー大賞 イノベーション賞 受賞。 ●HR Spanner 中途入社者が入社後スムーズに職場環境に馴染み、早期に即戦力として立ち上がれるようにコンディションチェックやコミュニケーションのサポートをするオンボーディングサービス。簡単な操作と最小限の工数で、中途入社者の不安や悩みを検知し、現場でのコミュニケーションを促進します。 使用技術(一例) 言語: Java,C#,JavaScript, TypeScript, Dart, Python, ShellScript, HDL フレームワーク:Vue, Echo, Flutter ミドルウェア: Terraform, Kubernetes, Docker, クラウドサービス:AWS,Azure,Google Cloud Platform 実行環境: Kubernetes Engine, App Engine, Cloud Function, Cloud Run データベース・ストレージ: BigQuery, CloudSQL, Cloud Firesore, Cloud Storage その他: Cloud Logging, Cloud Monitoring, Cloud Trace, Cloud Pub/Sub, Google Tag Manager アクセス集計: Google Analytics はたらく環境 PC: Windows ノート (標準支給), MacBook Pro 15/16 インチモデル エディター: JetBrains IntelliJ IDEA 等のお好きな IDE, エディター ナレッジサービス: esa コミュニケーションツール: Slack, Zoom, Google Meet グループウェア: Microsoft Offi ce 365, Google Workspace 開発向けサービス: GitHub, ZenHub

IIJが提供するプライバシーテックの最前線で、大規模インフラの設計・運用をリードするエンジニアを募集します。 本ポジションでは、クラウド、コンテナ、データベース、セキュリティなどの最先端技術を駆使し、スケーラブルかつ高可用性のあるサービス基盤を構築していただきます。 また、アプリケーションチームと密に連携し、システムの設計段階から関わることができるため、インフラ視点だけでなく、サービス全体のアーキテクチャを最適化する経験を積むことができます。 さらに、今後の拡張として海外向けサービス基盤の構築や、AI技術を活用した新たなインフラ設計も視野に入れています。 長期的に技術の最前線で活躍できる環境です。 具体的な業務内容 ※記載内容はチーム全体での業務領域です。 技術領域が多岐に渡るので専門性や希望を考慮し主担当領域を決定します ●スケーラブルなインフラの設計・運用 ・高可用性・耐障害性を考慮したクラウド&オンプレ環境の設計・構築 ・仮想基盤/コンテナ/Kubernetes環境の最適化、オーケストレーションの強化 ・マルチクラウド・ハイブリッドクラウド環境の構築 ・将来的なAI活用を見据えたインフラ設計の検討 ●大規模データベースの設計・運用 ・トラフィックの多いシステム向けのDB設計・パフォーマンスチューニング ・スケーラビリティと高可用性を意識したアーキテクチャ設計(レプリケーション、シャーディング、分散DB設計) ・バックアップ・リカバリ戦略の策定と自動化 ●セキュアなインフラ設計・運用 ・データ暗号化、SIEMの導入・運用 ・アプリケーション脆弱性検査・ペネトレーションテスト ・ISO27017やSOC2などの認証制度及びGDPRなどのプライバシー保護規制を意識したセキュリティ対策 ●アプリケーションチームとの連携 ・アプリケーション設計段階からインフラエンジニアが関与し、最適な基盤を構築 ・アプリケーション要件に合わせたDB・ストレージ・ネットワークのチューニング ・CI/CDパイプラインの整備、IaC(Infrastructure as Code)の導入 ●海外展開を視野に入れたサービス基盤の構築 ・海外向けのサービスインフラの設計・運用に関与 ・グローバルな技術カンファレンスやイベントに参加する機会あり ・世界基準のインフラアーキテクチャを実現するための技術研究 ●技術リード & チームマネジメント ・技術的な意思決定、アーキテクチャ戦略の策定 ・若手エンジニアの育成、技術共有の推進 ・監視・障害対応の設計・自動化 ※将来的に配属部署を異動した場合、実施する業務全般を変更する可能性あり

組織説明 ・配属グループは、MGRの元、エンジニアが14名ほど在籍しています。 ・全員中途入社者となり、さまざまなバックグラウンドを持った方が活躍しています。 全社のデータ活用を支える基盤の企画・設計から構築・運用まで一貫して携わっていただきます。 ●データ活用基盤の構想化検討/ロードマップ策定/ソリューション選定 ●現状のデータ活用環境の主要課題の整理/改善策の方針・実施 ●データマネジメント方針策定(ガバナンス、メタデータ管理、品質管理)およびデータ活用プロセスの整備 ●構想化検討後のデータ環境構築またはデータ活用プロジェクト計画の計画・推進(要件定義～運用まで) ●パイプライン開発、ETL/ELT設計 開発環境 【言語】Pythonなど 【データ管理・基盤】Oracle、MySQL、Redshift、BigQuery、Databricksなど 【BI】Looker、Tableau、PowerBIなど 【ソースコード管理】Git 【プロジェクト管理】Backlog 【インフラ】AWS、GCP、Azure 【課題管理、コミュニケーション】Slack、teams 働き方 ●フレックスタイム制度を導入。 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。 ●リモートワークを推進しており、9割がリモート主体の就業です(必要に応じて出社の必要あり)。 遠隔地にお住まいの方のフルリモート就業も可能です(要相談)。リモート勤務手当の支給、モニターなどの備品貸出のサポートがあります。 ●PC選択(Mac・Windows)が可能。 ●研修受講、イベント登壇、副業など自己研鑽を推奨。マルチクラウドでの技術検証も行え、学習環境も充実しています。 社員インタビュー データマネジメントの重要性を探る―データ総研×パーソルキャリア特別座談会 https://techtekt.persol-career.co.jp/entry/culture/250219_01

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

テンダが推進する「TRAN-DX」において、クライアントの課題をDXプロジェクトとして具体化し、その立ち上げから実現までをリードするPMポジションです。 すでに決められたプロジェクトの進行管理だけではなく、クライアントとの対話を通じた課題整理や解決策の具体化、提案、プロジェクト設計から、開発チームを率いた推進、導入・定着まで一貫して携わっていただきます。 TRAN-DXについて TRAN-DXは、 「現場主導型」のDXソリューション です。 RPA・AI・ノーコード/ローコードなどのデジタル技術を組み合わせ、クライアントの業務課題に応じた業務改善・DXを支援しています。 「誰でも、すぐに、簡単に」 をコンセプトに、単なる業務の自動化やツール導入にとどまらず、現場とデジタルを融合させ、そこで働く人自身が継続的に業務改善を進められる仕組みをつくることを目指しています。 課題の整理から企画・設計、開発、導入、その後の定着まで一貫して支援し、DXが実際の業務に根づくところまでクライアントに伴走 することを大切にしています。 ※『TRAN-DX』は株式会社テンダの登録商標です。 業務詳細 - クライアントへのヒアリング、業務分析・課題整理 - 顧客課題を起点としたDX施策・ソリューションの企画、具体化 - AI、RPA、ノーコード/ローコードなどを活用した解決策の設計・提案 - プロジェクト計画・体制の設計、立ち上げ - 開発チームを率いたプロジェクトマネジメント(進捗・品質・課題・リスク管理など) - クライアントとの継続的なコミュニケーション、導入・定着支援 - 導入後の新たな課題・ニーズの把握、さらなる業務改善の提案 - TRAN-DXのサービス・提案手法・プロジェクト推進方法の改善、標準化 ※新規顧客の開拓やリード獲得は営業部門が担当します。PMに新規営業活動をお任せすることはありません。 配属先について DXソリューション事業本部　TRAN-DX推進統括部(約30名) TRAN-DXのチームは、スピード感と柔軟性を重視する組織です。 部署横断で連携しながら、アイデアをすぐに形にするカルチャーがあります。 スタートアップ的な自走力と、上場企業という安定基盤を兼ねそなえたバランスの良い環境でキャリアアップができます。 20代の若手メンバーもリーダーや顧客折衝において活躍しています。

Tech Lead としての仕事 ●音声処理基盤の技術戦略とアーキテクチャ設計 ・ストリーミング音声の取り込みから、認識・話者分離・要約までの処理パイプライン全体を設計します。精度・レイテンシ・推論コストのどれを、どこまで、どうやって取りに行くか — その判断の責任を持ちます。技術選定、技術的負債の返済計画、スケーラビリティとコストの設計もここに含まれます。 ●プロダクト機能の設計・実装リード ・会議横断分析、LLMを用いた要約・論点抽出、Zoom / Teams / Meet からの音声取り込み、Salesforce / Slack など業務ツールへの連携。PdM と要件を詰めながら、自ら手を動かして設計・実装をリードします。ISMS / Pマーク準拠、データ暗号化、日本リージョン処理といったエンタープライズ要件も設計に織り込みます。 例: 大規模会議での話者分離精度が伸び悩んでいた。音声波形ベースの分離モデルと後段のLLM補正を組み合わせる構成に切り替え、GPU推論をバッチング化。精度と推論コストを同時に改善する。 ●チームの技術リード ・設計レビュー・コードレビューを通じた品質の底上げ、メンバーのメンタリング、開発プロセスの整備。技術面接への参加を通じて、チームを一緒に作る側に回っていただきます。 ●チーム体制 約60名がエンジニア組織に在籍しています。 全社256名、エンジニアの外国籍比率は44%です。 Speech チームは5名。PdM、AI Platform チーム (GPU / Kubernetes 基盤)、Product Engineerと連携して進めます。 【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 【学習と開発の支援】 ●AIツール利用サポート ・JAPAN AI SaaS サービス, Cursor, ChatGPT, ClaudeなどAIツール全般を会社負担で利用可能 ●開発ツール支援 ・利用したい開発ツールが有償である場合、その費用を負担 (年3万円まで) ●書籍購入補助 ・技術書など学習のために利用する書籍を会社費用で購入可能 (半期3万円まで) ●語学学習 / 資格取得支援 ・日本語や英語の学習プログラムや資格の取得を会社費用で利用可能 ●リフレッシュ手当 ・ご自身のリフレッシュのために使用するサービスの費用を負担 (月5000円まで) ・e.g. ジム, ヨガ, 整体、水族館、映画, テーマパークのチケットなど各種適用可能 ●家賃手当 ・該当エリアにお住いの方に家賃手当を支給 (月3万円まで) 【働き方】 ハイブリッド勤務 : 週3出社、週2リモート ●従事すべき業務の変更の範囲 会社の定める業務

営業組織がより良い成果を上げるための「システムとデータの土台」を設計・開発・運用するBizEng Chapter(ビジネスエンジニア組織)で、新たなメンバーを募集しています。 私たちは、ビジネスサイドからの要望を単に実装するだけの組織ではありません。 「真のボトルネックは何か」「どの数値を動かすべきか」を自ら問い、要件定義からデータ基盤の構築、フロントエンド/バックエンドの実装までを一気通貫で主導していただきます。 SaaSの標準機能の活用、APIによるシステム連携、時にはスクラッチでのWebアプリケーション開発など、複数の手段を自ら選択・実行し、ビジネス組織全体の業務効率化と売上最大化(RevOps)を推し進めるポジションです。 ●具体的にお任せしたいこと 各部門のステークホルダーと直接対話し、営業プロセスの構造的課題を特定した上で、最適なソリューションの設計・実装・現場への定着、そしてリリース後の効果検証(データ分析)までを網羅的にお任せします。 【具体的な取り組み事例と技術アプローチ】 ・営業基盤の再構築・自動化: Salesforce(Apex)やHubSpotを用いた、営業プロセスの自動化・最適化 ・独自業務アプリケーションの開発: 既存SaaSではカバーできない特有の業務フローに対し、Ruby on Rails、TypeScript、React/Next.jsを用いたスクラッチ開発 ・データドリブン環境の構築: BigQuery、Tableau / Looker(LookML)を活用した、RevOpsのためのKPI可視化・データガバナンス改善 ・システム連携: Zapierや各種APIを用いた、部門間を跨ぐリアルタイムなデータ連携 ・AI共生型の開発プロセス: ClaudeやDevin、Cursorなどの生成AIツールをいち早く開発プロセスに組み込み、圧倒的なスピードでの実装・現場の業務効率化を推進 ●入社後のイメージ 今までのご経験を活かし、ドメイン知識を最速でキャッチアップするためのオンボーディングを用意しています。 【〜3ヶ月目:ドメイン理解とファーストコミット】 営業組織の問い合わせ対応や小規模な機能改善(Salesforceの改修やデータ抽出など)を通じて、現場の業務フローと組織の全体像を掴んでいただきます。 早い段階から本番環境へのデプロイを経験し、開発サイクルの速さに慣れていただきます。 【4〜6ヶ月目:要件定義からの案件主導】 特定チームのフロー全体に関わる中規模な開発タスクを担当。 現場のステークホルダーとの要件定義から、アーキテクチャ設計、実装までを自ら手を動かしながら主導していただきます。 【6ヶ月目以降:RevOpsを牽引するビジネスエンジニアへ】 複数部門が絡む大規模なシステム刷新や、データ基盤の構築プロジェクトをリード。 技術の力でビジネスの売上・効率をレバレッジさせる中核メンバーとしての活躍を期待しています。 ●業務で扱うスキル 開発言語: SQL / Apex / Ruby on Rails / TypeScript / React / Next.js / LookML / Google Apps Script / Git ツール: Salesforce / HubSpot / Tableau / Looker / BigQuery / Zapier / GitHub / Claude / Devin / Cursor 最後に 「もっと自分の手でプロダクトやシステムを作り込みたい」「現場の声を直接聞いて開発がしたい」という方は、まずカジュアルにお話ししませんか? 業務内容変更範囲:会社の定める業務

当社グループの事業 ・当社は「システム」「リサーチ」「コンサルティング」の3つの分野を柱に、社会に対して新たな価値を創出する総合シンクタンクです。 ・高い専門性と豊富な経験、さらに3つの機能の相互連携をもとにした付加価値の高い情報サービスを、国内外を問わず幅広い社会、業界、企業に提供しています。 採用部門 採用部門概要 営業部門と開発部門を同一本部内に有する製販一体の組織です。 大手通信事業会社や大手クレジットカード会社のほか、事業会社、生損保等の金融機関、官公庁が主な顧客で、在籍社員数は約300名です。 採用部門のミッション 外販収益の拡大に向け顧客の経営層に訴求するソリューション提案を通じて、顧客から選ばれるパートナーとなることがミッションです。 業務詳細 昨今は顧客の既存システムやミドルウェアの更改プロジェクトも多く手掛けています。 各プロジェクトフェーズによりご担当いただく業務内容は異なりますが、本部内には複数のプロジェクトがあるため、クラウドシフトやデータ分析基盤構築など様々なプロジェクトに携わる機会がございます。 顧客は主に大手通信事業会社や金融機関となりますが、顧客の事業が多方面に拡大しているため、エネルギー、eコマース、オンライン決済などライフデザインという幅広いフィールドで顧客への価値提供ができます。 具体的には、アプリケーション構築プロジェクトにおいて、プロジェクトマネジャー(PM)/チームリーダー(TL)として以下のような業務をご担当いただきます。 ・営業担当と連携した、顧客のビジネスニーズに即したデータ分析・利活用のコンサルティング ・データ分析基盤の設計・開発・運用 ・ベンダーコントロールなどのプロジェクトマネジメント 案件・提案例 ・AWSを利用したクラウドネイティブな情報基盤の構築 ・データインテグレーション関連のSaaSサービス(Informatica、Databricks、dbtなど)や各種DWH製品(Snowflake、OracleADWなど)の提案、構築 ・各種BIツール(Tableauなど)やML/AI製品(Bedrock、OpenAI、Dataikuなど)の提案、構築 利用技術・環境 ・AWSやOCI、オンプレまでハイブリッド/マルチクラウド環境 ・Snowflake、Informatica、Databricks、dbt、Tableau、Dataikuなど

【ミッション】 企業向けシステム開発において、CDP、クラウド、データ統合基盤などの最先端技術を駆使し、顧客のDX推進および業務改革を実現するためのSE支援を提供 【主な業務】 ・CDPやデータ統合基盤などの先端技術を活用した法人顧客向けシステムの提案から要件定義、実装までの各工程をリード ・プロジェクトマネジメントおよび顧客との直接交渉、調整業務 ・社内外のパートナーと連携し、システム構築および導入を促進 【具体的な業務】 ・提案・設計:顧客要件をもとにCDP、データ分析、クラウドを取り入れたシステムの提案、要件定義、設計書の作成 ・実装・開発:生成AIを含むウェブアプリケーションおよびデータ基盤の開発、ETL処理やデータ統合基盤環境のシステム実装 ・プロジェクトマネジメント:社内メンバーや協業パートナーの統括、進捗管理、品質・リスク管理、定例顧客折衝の実施 ・ドキュメント管理:提案書、設計書、計画書、テスト仕様書などの各種文書の作成および整備 ・技術調整:技術的な折衝およびトラブルシューティングによる問題解決の実施 ※全ての募集における雇い入れ後の、従事すべき業務・就業場所の変更の範囲については下記の通りとします。 ●業務の変更の範囲:会社内でのすべての業務

パーソルキャリアにおけるデータサイエンティスト、データエンジニア、AIエンジニア、機械学習エンジニアの各職種の中から、ご経験・専門性に応じて最適なポジションをご提案いたします。 データ・AI領域にご関心をお持ちで、「自身の専門性を最大限発揮できるポジションを見極めたい」「経験を活かし、より上流や高度な領域で選考に進みたい」とお考えの方は、ぜひご応募ください。 ご応募後は社内横断でポジションサーチを行い、スキル・実績および志向性を踏まえ、書類選考を通過したポジションをご案内いたします。 ●募集ポジション例(※以下ポジション以外を打診させていただく可能性がございます) 【データサイエンティスト】 転職サービス「doda」を中心に、全社横断でAI・機械学習モデルの設計・開発・チューニングをリードしていただきます。 人材マッチングの高度化を主軸に、LLMや生成AIなどの先端技術を取り入れながら、再利用可能なマッチングロジックおよびAIモデルの開発から本番導入・運用まで一貫して推進し、事業成長に貢献していただきます。 ・生成AI/機械学習領域の新技術検証・開発 ・Python/PySparkを用いた分析・モデル開発 ・デモ/PoC開発による技術検証 ・業務効率化に向けた分析・自動化・AI活用 ・データ設計および前処理の開発・実装 ・インフラ/データ基盤部門との連携 ・社内外での発信(講演・論文・資料作成) 【データエンジニア/データアーキテクト】 全社最適の観点からデータ活用基盤の整備を推進し、分析基盤の高度化を担っていただきます。 ・データ基盤構想の検討/ロードマップ策定/技術選定 ・現状課題の整理および改善方針の策定・実行 ・データマネジメント方針の策定およびプロセス整備 ・基盤構築および活用プロジェクトの推進 ・データパイプラインやバッチ処理開発 【データエンジニア/アナリティクスエンジニア】 データドリブンな事業運営の実現に向け、分析基盤の整備と意思決定支援を担っていただきます。 「doda」「doda X」において、以下業務を推進します。 ・データマート構築(要件定義～設計～実装～テスト) ・データ収集・加工・集計 ・バッチ基盤の運用保守 ・DMBOKを踏まえたデータマネジメントおよび利活用推進 ・dbtを用いたデータ変換・モデル開発 【AIエンジニア(バックエンド・インフラ)】 LLMやAIエージェントを活用した機能開発に加え、安定・安全かつスケーラブルに活用可能なAI基盤の設計・構築を担っていただきます。 ・AI前提のシステムアーキテクチャ設計 ・API設計/非同期処理/キャッシュ/キュー設計 ・マルチクラウド環境での構成設計(AWS/GCP/Azure) ・バックエンド開発および外部サービス連携設計 ・データ基盤(DWH/Vector DB等)との接続設計 ・スケーリング/レイテンシ/コスト最適化 ・監視/セキュリティ/ガバナンス設計 【機械学習エンジニア】 データサイエンティストが設計・開発した機械学習モデルやレコメンドロジックを、実際のサービスで利用できる形へ実装するサーバーサイド開発を担当します。 モデルそのものを研究・開発することが主な役割ではなく、レコメンド・マッチングをサービスとして成立させるための設計・実装・運用・改善までを一貫して担当します。 また、機能を個別最適で実装するのではなく、共通実装基盤や開発プロセスを整備し、レコメンド・マッチング機能を継続的かつ安全に提供できる仕組みづくりにも携わっていただきます。 ・データサイエンティストが開発した機械学習モデル・レコメンドロジックのプロダクト実装 ・Pythonを用いたAPI・バッチ・データ処理機能の設計・開発 ・レコメンド・マッチング機能のサーバーサイド開発・運用 ・安全かつ継続的に提供するためのシステム設計、性能改善、セキュリティ・運用設計 ・レコメンド・マッチング領域における共通実装基盤や実装パターンの整備 ・A/Bテストやモニタリングを通じた継続的な改善 ・データサイエンティスト、プロダクトエンジニア、PdMと密に連携し、要件整理から設計、実装、リリース、改善までを一貫して担当 ・ご経験に応じた技術リード、プロジェクト推進、メンバー育成

ミッション ソフトウェアエンジニアリングとAIを駆使して、テストの自動化とテストケースのライフサイクル全体の質を高め、プロダクト品質とリリース速度を両立させる現在、QA業務のうち約50〜60%はすでに自動化されており、基盤としては一定の水準に達しています。このポジションで問われるのは自動化率を積み増すことだけでなく、未自動化領域の自動化・既存テストの品質改善・テストケースのライフサイクル管理を仕組み化し、改善が自走するサイクルを作ることです。 期待する役割について テストの自動化・既存テストの品質改善・テストケースのライフサイクル運用の3方向をリードし、AIを活用しながらQAプロセス全体が継続的に良くなる仕組みを構築・運用していただきます。 ・自動化できていない領域を見極め、優先度をつけて自動化する ・既存の自動化されたテストの品質(網羅性・保守性・シグナルの信頼性)を継続的に改善する ・テストケースのライフサイクル(作成・実行・評価・棚卸し・廃止)を設計し、改善が回る仕組みを構築・運用する ・AI/LLMを用いたテストケース生成・改善エージェントを構築する ・品質課題をプロダクトチームにフィードバックし、エンジニア/ビジネス/CSとの橋渡しを行う ・約400社が本番利用するプロダクトの品質を、自動化・品質改善・仕組み運用の3方向から担保する 業務内容 ●未自動化領域の自動化 ・自動化できていない箇所を洗い出し、優先度をつけて自動化する ・AI/LLMを活用したテストケース生成エージェントの構築 ・CI/CDへの自動テスト組み込み・回帰テストの整備 ●既存テストの品質改善 ・既存テストケースの品質(重複・カバレッジ・保守コスト・シグナルの信頼性)を精査し、改善する ・Flakyテストの検知・修正、形骸化したテストの棚卸し ・テスト設計・品質基準の策定、良いテストケースの記述 ●テストケースのライフサイクル設計・運用 ・テストケースの作成〜実行〜評価〜棚卸し〜廃止までのライフサイクルを設計する ・改善が継続的に回る仕組み(レビュー体制・メトリクス・運用フロー)を構築・運用する ・JAPAN AI STUDIOを活用したQA・テスト業務の仕組み化 ・品質課題をプロダクトチームにフィードバックし、エンジニア/ビジネス/CS/非エンジニアとの橋渡しを行う チーム体制 約150名が開発組織に在籍しています。 密接に連携する役割: ・Agentic Product Engineer — エージェント機能開発 ・Research Engineer — 研究開発・モデル改善 ・Agent Harness Engineer / Software Engineer (AI Platform) — AI 実行基盤開発 ・Product Manager — プロダクト設計・品質要件定義 開発環境 言語 : Python (評価パイプライン・分析), TypeScript / React / Next.js (フロントエンド部) / NX 評価 / QA : pytest, LangSmith, Weights & Biases, custom eval frameworks データ : BigQuery, Spark, Pandas インフラ : GCP (コンテナ / K8s), Docker, Terraform CI/CD : GitHub Actions 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 従事すべき業務の変更の範囲 会社の定める業務

●サービスについて ビジネスデータベース「Sansan」を担当します。 ●組織のミッション Sansan事業部のマーケティング部は、認知拡大やリード獲得を目的としたマーケティング施策を通じて、ビジネスデータベース「Sansan」の導入を検討している企業へのアプローチを担う部門です。 SEOスペシャリストのミッションは、リード獲得の最大化と継続的な集客基盤の構築です。オンラインプロモーショングループに所属し、Sansanのサービスサイトおよびオウンドメディアを通じて新規顧客の集客を推進します。 ●具体的な業務 Sansanのサービスサイトおよびオウンドメディア「営業DX Handbook」を対象に、SEOおよびコンテンツマーケティングの全体戦略・方針を策定します。検索市場やユーザーニーズを踏まえたキーワード戦略の設計やコンテンツテーマの企画を行い、AIO(AI検索最適化)など新しい検索環境も見据えながら、継続的な集客基盤の構築とグロースを推進します。 【主な業務】 検索ニーズに基づいたSEOコンテンツの企画立案、キーワード選定、記事構成案の作成、およびAIO(AI検索最適化)を見据えたSEO施策の企画・推進 ライターへのディレクションや制作進行管理、CMSを活用したコンテンツページの作成・公開 検索順位や流入数、コンバージョンなどの指標を基にしたコンテンツのパフォーマンス分析および改善 サイト構造、内部リンク設計、マークアップや構造化データなどのテクニカルSEO施策の立案と実装推進 ●開発環境、使用するツールなど サイト分析:GA4, Search Console, Mouseflow, Clarity タグマネジメント:GTM MA:HubSpot SFA:Salesforce DWH:BigQuery BI:Looker Studio Web接客、LPO:KARTE, ChatPlus ※ SalesforceはSalesforce, Inc.の商標であり、許可のもとで使用しています。 ●従事すべき業務の変更の範囲 会社の定める業務

各プロジェクトにおけるAIエージェントの設計・実装・品質担保を担当いただきます。 AIオペレーションマネージャーと連携しながら、業務課題を解決するAIエージェントを開発し、本番環境で安定稼働する状態まで作り上げることがミッションです。 また、先行プロジェクトで成果が実証された仕組みを共通ソリューションとして標準化し、全社へ展開可能な基盤として発展させる役割も担います。 ●具体的な業務内容 ・AIエージェントの設計・実装(LLM API、Playwright、マルチエージェント構成を活用した業務自動化システムの開発) ・プロンプト設計およびLLM統合(構造化出力、エラーハンドリング、評価基盤、コスト最適化など) ・RAGシステムやマルチエージェントシステムの設計・実装 ・AIエージェントの品質保証および運用改善 ・先行プロジェクトで構築した仕組みの共通ソリューション化 ・AIテックリードとの連携によるアーキテクチャ設計および技術標準への準拠 ・AIツール環境の構築・運用支援(Claude Enterprise、Cursor等) ▽具体例: 問い合わせ対応、コンテンツチェック、ワークフロー自動化、ナレッジマネジメントなど。 業務オペレーションに組み込まれるAIエージェントの開発を想定しています。 ●この求人のポイント AIエージェントの設計・実装を通じて全社オペレーションのAIネイティブ化を推進するポジションです。 単なるPoC開発ではなく、本番環境で稼働するAIエージェントの設計から実装、運用までを一貫して担当いただきます。 AIオペレーションマネージャーと連携しながら、LLM・マルチエージェント・RAG・ブラウザ自動化などの技術を組み合わせ、人が担っていた業務そのものをAIエージェントへ置き換えていきます。 生成AIを活用したプロダクト開発や業務自動化の経験を活かし、AIエージェント時代の実践的な開発経験を積みたい方を募集しています。 ●開発環境・社内ツール AI開発 :Claude Code、Cursor、Gemini Advanced LLM API:Claude API(Anthropic)、Gemini(Vertex AI)、OpenAI GPT AIフレームワーク:LangChain、LlamaIndex 自動化:Playwright、GitHub Actions、Cloud Scheduler バックエンド:TypeScript(Hono)、Python(FastAPI) データベース:PostgreSQL、Firestore、BigQuery インフラ:GCP(Cloud Run、Cloud Functions、BigQuery) プロジェクト管理:Confluence、Jira、GitHub Enterprise

サービスについて ビジネスデータベース「Sansan」を担当します。 組織のミッション Sansan事業部のマーケティング部は、認知拡大施策やリード獲得施策を通じて、ビジネスデータベース「Sansan」の導入を検討している企業へのアプローチを担う部門です。 Webサイトプランナーは、オンラインプロモーショングループに所属し、Sansanのサービスサイトにおける新規顧客の集客およびリード獲得の最大化をミッションとしています。 具体的な業務 Sansanのサービスサイト(https://jp.sansan.com/) を事業成長の中核チャネルと位置づけ、成果最大化に向けた戦略設計から実行・改善までを一貫して担います。 GA4などを活用したサイト分析を起点に仮説を設計し、施策実行・効果検証までを一貫して推進。高速な仮説検証サイクルを通じて継続的なグロースを実現します。 さらに、BigQuery・Lookerを活用したデータ分析基盤の設計・構築・高度化を通じて、マーケティングのみならず事業全体の意思決定を支える環境を整備。商談・受注につながる、付加価値の高いリード創出を実現します。 既存の運用改善にとどまらず、顧客体験を起点とした新たなグロース施策を主体的に立案・実行できる方を求めています。 <主な業務> ・事業戦略およびプロダクト戦略と連動したサービスサイト戦略の立案・実行・成果創出 ・ユーザーインサイトに基づくコンテンツ企画および制作ディレクション ・GA4などを活用したサイト分析、仮説設計、改善施策の実行・検証 ・BigQuery・Lookerを活用したデータ分析基盤の設計・構築・運用高度化 ・GA4、KARTE、ヒートマップツールなどの導入設計およびデータ活用推進 ・KPI/KGIの設計およびモニタリング、事業インパクトの可視化 開発環境、使用するツールなど ・サイト分析:GA4、Google Search Console、Mouseflow、Microsoft Clarity ・タグマネジメント:GTM ・MA:HubSpot ・SFA:Salesforce ・DWH:BigQuery ・BI:Looker Studio ・Web接客、LPO:KARTE、ChatPlus ※ SalesforceはSalesforce, Inc.の商標であり、許可のもとで使用しています。 ※従事すべき業務の変更の範囲 会社の定める業務

タイミーのデータマネジメント部にて、グループのマネジメント・組織開発・戦略立案を担っていただきます。 現場メンバーの信頼を獲得し、技術的な意思決定やアーキテクチャ判断を牽引いただくために、DRE / AE 領域における一定の技術的知見と実務経験 を前提としますが、業務の中心は手を動かす開発業務ではなく、マネジメント・組織開発・戦略立案 にあります。 ・担当グループ(DRE のいずれか)におけるピープルマネジメント(1on1 / 目標設定 / 評価 / キャリア支援 / オンボーディング) ・グループのロードマップ策定・優先順位付け、PO や他グループとの戦略すり合わせ ・DRE / AE 業務に対する技術的な意思決定・アーキテクチャレビュー・現場議論の牽引(ご自身の知見をもとに判断・方向付けを担っていただく役割) ・データ× 生成AIを組み合わせたデータプロダクトの企画・推進 ・採用活動への関与(JD 設計、母集団形成、面接、リファラル推進) ・組織課題の発見と解決、カルチャー・開発プロセスの整備 ・部長 / 他部マネージャー / 経営層と連携した中長期の組織・技術戦略の立案 ●技術スタック ・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・勤怠に関する情報 ・レビュー / 評価情報、アプリインストールなど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・各種マスタデータ など

AX推進チームが進める先行成果創出プロジェクトや共通ソリューション開発において、AIエージェント開発の技術リードを担当いただきます。 プレイヤーとして難易度の高い案件に自ら入り込み、AIエージェント開発の難所を突破しながら実装パターンを確立し、 技術責任者としてLLM選定やアーキテクチャ設計、品質保証基盤の構築、実装ガイドライン策定など、AX部全体に影響する技術判断を担います。 ●最重要・高難度案件におけるAIエージェント開発の技術リード(難所の実装、設計レビュー、アーキテクチャ設計) ●AIプロダクトの品質ハーネス設計(Pre-commit、CI/CD、LLM出力検証、リグレッションテスト基盤の構築) ●AX部全体の技術標準・実装ガイドラインの策定(LLM選定、アーキテクチャパターン設計、コーディング規約、アンチパターン集の整備) ●Claude、Gemini、GPTなどのLLM活用方針および技術評価 ●AIエージェント開発における品質保証・評価基盤の設計 ●AIエージェントビルダーへのアーキテクチャレビューおよび技術メンタリング ●新技術や新モデルの評価および実務適用判断 ●AX部全体の開発環境・CI/CD基盤の設計と改善 ●開発環境・社内ツール AI開発 :Claude Code、Cursor、Gemini Advanced LLM API:Claude API(Anthropic)、Gemini(Vertex AI)、OpenAI GPT AIフレームワーク:LangChain、LlamaIndex 自動化:Playwright、GitHub Actions、Cloud Scheduler バックエンド:TypeScript(Hono)、Python(FastAPI) データベース:PostgreSQL、Firestore、BigQuery インフラ:GCP(Cloud Run、Cloud Functions、BigQuery) プロジェクト管理:Confluence、Jira、GitHub Enterprise

Assuredのプロダクト開発に携わっていただきます。 Assuredでは、ソフトウェアエンジニアの職能を細分化(フロントエンド、バックエンド、SRE等)しておらず、参画するプロジェクトや開発する機能に応じて、設計から運用まで一貫してフルサイクルに関わっていただきます。 ・必要な機能の実装、テストおよびリリース ・他のメンバーの設計やコードのレビュー、フィードバック ・実装する機能のアーキテクチャ、技術選定 ・各種データの整備、分析、モニタリング ・チームや自身のプロジェクト管理、スクラムイベントの運営 ・チームの生産性向上、開発プロセスの改善 ・PdMやドメインエキスパートとの協働、企画段階のコミュニケーション ・お客様からの問い合わせ対応、不具合対応 ・採用活動 ※ご志向や適性、戦略・組織状況に応じて期待役割を調整させていただきます。 ●技術スタック ・インフラ: Google Cloud ・バックエンド: TypeScript,Scala, Python, Go ・フロントエンド: TypeScript, React ・データベース: PostgreSQL, Firestore, BigQuery ・コンテナ/仮想化: Docker, Google Kubernetes Engine, CloudRun ・構成管理: Terraform, Kubernetes ・CI/CD: GitHub Actions ・その他API等: ChatGPT, Algolia, SendGrid ・監視: Sentry, DataDog ・ツール: GitHub, Slack, Notion, Figma, Gemini Pro 他 ・AIコーディング: GitHub Copilot, Claude Code 他 ●事業紹介 「取引に確信を与える、セキュリティの星つきガイドへ。」をビジョンに、取引先の安全性を可視化するセキュリティ信用評価プラットフォームを運営しています。 2022年に、クラウドサービスのセキュリティ信用評価「Assuredクラウド評価」をリリースし、2025年6月に2つ目のサービスとして、取引先企業のセキュリティ信用評価「Assured企業評価」をリリースしました。 サイバー攻撃の脅威が増大し、取引先のセキュリティが企業の命運を握る今、私たちは「この時代における信頼のカタチを創り、社会の変革を加速させること」を目指しています。 【勤務地及び業務の変更範囲】 業　務:会社の定める業務(出向等を含む)

データドリブン経営を推進する中核ポジションとして、全社のデータ活用ルールの整備から、GCPを中心としたデータ基盤の設計・統括までを一貫して担っていただきます。 データを「安全に・正しく・価値につながる形で活用できる状態」をつくり、経営や事業の意思決定を支えるデータ基盤の責任者ポジションです。 【具体的な業務内容】 ・全社のデータ活用戦略の立案およびガバナンス体制の設計・運用 ・データの品質管理・セキュリティ・権限管理ルールの整備と浸透 ・予算管理、採用戦略の立案、チームビルディング ・データ基盤の構築・改善を通じたAI活用の推進 ・データの収集〜活用までの仕組み設計と継続的な改善 【業務の進め方】 インフラ、セキュリティ、AI開発など複数の専門チームのハブとして機能し、各領域と密に連携しながらプロジェクトを推進していただきます。 技術的な観点とビジネス観点の双方を踏まえ、安定性とセキュリティを担保したデータ基盤の運営をリードしつつ、AI活用の最大化に向けた意思決定と実行を担います。 全社のデータ基盤の安定運用と進化に責任を持ち、組織の土台を支えていただきます。 また、経営層とも連携しながら、全社的なデータ戦略の方向性を示し、組織全体を巻き込んだ変革を推進していただくことを期待しています。 まずはご自身の開発環境で理想のAI駆動開発を体現しつつ、社内展開していきます。 ●部署説明 2026年4月、当社はAIを単なる「補助ツール」ではなく「プロダクト開発の核」として全社的に統合するため、AI開発を専門とする新組織を設立しました。 これまでの実験的な活用フェーズを超え、サービスのユーザー体験(UX)、エンジニアのコーディングプロセス、そして意思決定の源泉となるデータ基盤にいたるまで、AIを実装レベルで徹底的に組み込んでいくことが私たちのミッションです。 「AIプロダクト」「AIシステム改革」「AIデータ基盤」という3つの専門チームが密に連携し、2026年というAIの進化が加速する転換点において、世界で最もAIを使いこなし、価値を創出し続ける組織を目指しています。 この新たな挑戦のスターティングメンバーとして、未来の開発のスタンダードを共に創る仲間を募集します。 ●入社後のイメージ 既存のデータ基盤の現状把握を行い、AI時代に求められる「AI-Readyなデータ構造」へと計画を立てて実行していきます。 ●開発環境 社内ツール: Slack, Confluence, Google Workspace AIツール: Claude Code, Codex, Gemini, Devin, Cursor クラウド環境: Google Cloud

本チームは現在食べログサービスをより発展させるべくアプリケーション基盤のKubernetesへの刷新やシステム構成の標準化など、大きな改善を推し進めていくフェーズです。事業のあり方や注力分野を踏まえ、現実的で最適な方策の施策立案やシステムやチームのあるべき姿への登り方を検討しつつ、その実現をリードしていただくポジションです。 このように、アプリケーション基盤の観点からサービスの成長を促進させることにコミットメントいただくことを期待しています。 ・アプリケーション基盤やその運用をスケーラブルなものに改善していく方針の策定 ・具体的なシステム改善の推進(ソリューションの選定・検証・導入など) ・SLI/SLOの定義と導入など、SREプラクティス実践の先導役 ・システム構成の標準化や運用のセルフサービス化などのプラットフォームエンジニアリングの実践 ・SREチームエンジニアメンバーに対する技術的な支援と育成 【SREチームの業務】 ・Kubernetes, VMwareでの基盤設計・構築・運用 ・各種オペレーションの自動化・セルフサービス化 ・アプリケーション、ミドルウェアのパフォーマンス可視化、測定と改善 ・新規システムのアーキテクチャの選定、提案 ・CI/CDの運用、改善 ・AWS/GCPなどのパブリッククラウド環境の運用 【業務の進め方】 日々変わるインフラの状況やサービスリリース計画をもとに、タイムリーに優先度を調整しながら運用・改善業務を実施しています。 中には技術的難易度が高い取り組みもありますが、チームで助け合う場を多く設けることで、チームとして高い成果が出せるようにしています。 また、取り組みの規模や重要性に応じてCTOや他チームも巻き込み、ディスカッションしながら進めることもあります。 自主性の高いチームとなっており、メンバーのスキルに応じて可能な限り大きな範囲で裁量を持って業務いただくようにしています。メンバーのスキルや志向次第で要件定義や設計の部分からお任せしています。 【開発環境】 ■開発言語 Ruby / ShellScript ■インフラ・ミドルウェア Docker / Kubernetes / VMware / ArgoCD / Tekton / CircleCI / nginx / MySQL / Redis / Ansible / Fluentd / Grafana / Prometheus / BigQuery / Cloud Logging ■ツール類 GitHub / GitHub Copilot / Microsoft Teams / Asana / Miro / Confluence 【入社後のイメージ】 ■着任後3ヶ月〜半年程度 ・サーバ設計・構築・運用業務、各種チーム業務の実施 ・上記チーム業務の理解と、改善方針の検討 ■着任後半年〜1年程度 ・SREチームのテックリードとしての自立 ・他部門を含めた改善方針の合意と、その推進 ・チームに対する技術的なサポートと育成

業務内容 食べログにおけるユーザー価値提供の最前線で、Webサービスの開発全般(要件定義〜設計〜開発〜運用)を一貫して担当いただきます。 大規模な予約システムや業務DXの推進に貢献することが期待され、技術的な判断と実行を主導しつつ、自ら手を動かして開発を推進することで、チーム全体の生産性最大化を目指します。 【コア業務】 ・『食べログ』の開発におけるプロジェクト推進 ・ビジネスサイドと連携した要件定義、優先順位調整、複数部門との調整 ・スループットを最大化するチームビルディング ・システムを動かし続けるための技術的な判断と実行 ・体制やシステムの理想を描き、実現する取り組み 【主な開発領域】 ・ユーザー向け機能の開発(口コミ、ネット予約、UI/UX改善など) ・飲食店向け機能の開発(予約管理システム「食べログノート」、モバイルオーダー、DX支援など) ・ビジネス成長を支える機能の開発(アライアンス、営業支援、広告など) 【所属部門】 食べログ 開発本部(ユーザー向け機能開発、飲食店向け機能開発など、いずれかの開発領域) 【ミッション】 月間約9,600万人利用の『食べログ』におけるユーザー価値提供の最前線で、チームの目的達成のためにコミュニケーションの最適化とスループットの最大化を目指します。 そして、大規模かつ長期運用のシステムに関する知見を蓄積し、システムの持続的な稼働に向けた技術的な判断と実行を進めていただきます。 【開発スタイルとチーム体制】 食べログでは、職能横断で構成されるプロジェクトチームが開発のライフサイクル全体に責任を持つマトリクス型組織を導入しています。 ・エンジニア、企画、デザイナーを一つのプロジェクトとして構成し、ワンチームとなって仕事を進めます。 ・ひとりのエンジニアで要件定義からリリースまで一任される形で仕事を進めていくため、エンジニア観点での提案や企画段階からの関与も積極的に行える環境です。 ・社内勉強会や技術ノウハウの共有を通して、技術力の研鑽ができる体制が整っています。 【開発環境】 ・サーバーサイド: Ruby, Ruby on Rails ・フロントエンド: JavaScript（ES5/ES6, jQueryベースからReact/TypeScriptへ移行中） ・データベース: MySQL ・ソースコード管理: Git, GitHub ・AI支援ツール: Claude Code（AIエージェント型開発ツール）, Devin（自律型AIソフトウェアエンジニア）, Dify（AIプラットフォーム） ・開発支援ツール:  Google Workspace, Slack, Asana, Miro, Qiita Team, CircleCI ・データ基盤：GCP BigQuery, Tableau ※グループウェアを［[Google WorkspaceとSlackへ全面移行](https://corporate.kakaku.com/news/20250724)］し、AIを活用した開発環境を整備しています。

【ポジション概要】 月間約9,600万人を支える「食べログ」の大規模Kubernetes基盤における信頼性向上と、開発生産性を牽引するチームマネジメントリーダー ■食べログについて 2005年にスタートした「食べログ」は、口コミとランキングで探せるレストラン検索・予約サイトです。 「失敗しないお店選び」という課題に向き合い続け、現在、月間約9,600万人のユーザーが利用する日本最大級の飲食店検索サービスに成長しました。 目まぐるしく変化する外食産業を盛り上げるべく、近年は飲食店や卸売業者など外食を支える人たちの課題を解決するDXプロダクトにも挑戦しています。 これらのサービスを通して人々とレストランをつなぐプラットフォームになるべく世の中に貢献していきます。 ■技術部の責務と文化 私たちは市場や事業の変化に素早く対応できるシステムと、それを実現させる開発組織を作る事を責務としています。システムが事業成長のボトルネックにならないよう、モノを作るだけでなく作ったモノの健全性を保ち続けることやビジネス理解もそのための大事な手段の一つと考えています。サービス開発のように組織の改善を行うべくFourKeysの計測とアクショナブルな指標への落とし込みや、よりインパクトの大きな成果を出すべく、1プロジェクト1チャレンジすること、人同士のつながりを大事にすること、部署やプロダクトの垣根を超えていくことを大切にし日々の業務にあたっています。 ■SREチームの責務 技術部SREチームは食べログのシステムの信頼性を向上させることで、エンジニアのシステム変更に対する負担を減らし、ユーザーが安心・快適に食べログを利用できるようにする事を責務としています。より良いユーザ体験を届けるためのシステム基盤の構築・改善や障害対応を日々行っています。また、サービス開発チームがより効率的にシステム開発を行えるようにアーキテクチャの提案などを行います。昨今ではアプリケーション基盤の全面Kubernetes化など果敢に技術的な挑戦を行っており、一緒にチャレンジしていく仲間を募集します。 食べログのシステムの信頼性を向上させることでエンジニアのシステム変更に対する負担を減らし、ユーザーが安心・快適に食べログを利用できるようにする目的に向かい、様々な課題の解決とチャレンジでチームをリードします。 【具体的な業務内容】 ●チームマネジメント・組織開発 └食べログ開発組織のビジョン実現のためのチームの方針付けと目標設定、および目標達成に向けたチーム活動のリード └メンバーの目標設定・評価・フィードバック └1on1などコミュニケーションとフィードバック └メンバーのキャリア志向を見据えた成長支援(アサインや役割の設定、業務における成果最大化の支援、キャリアディスカッションなど) └案件のマネジメント(進捗管理、アサイン、各種調整など) └エンジニア採用 ●SREチームの技術的業務 └Kubernetes, VMwareでの基盤設計・構築・運用 └各種オペレーションの自動化・セルフサービス化 └アプリケーション、ミドルウェアのパフォーマンス可視化、測定と改善 └新規システムのアーキテクチャの選定、提案 └CI/CDの運用、改善 └AWS/GCPなどのパブリッククラウド環境の運用 SREチームのミッション ■Kubernetes化の推進と基盤戦略の策定 VMベースの基盤をKubernetesへ移行する最重要プロジェクトにおいて、大規模・複雑な既存システムを紐解き、安定稼働を担保しながら刷新を加速させる技術的・戦略的なリードを担います。 ■インフラの標準化と堅牢性の両立 属人化を排除したインフラ構成の標準化を進めます。 デリバリの向上(リードタイム短縮)とサービス安定性を両立させるため、堅牢性と速度を同時に満たす基盤構築をリードします。 ■プラットフォームエンジニアリングの実現 インフラ提供者ではなく、サービス開発者が「自律的・高速・高品質」に開発運用できる「開発者体験の高い環境(IDP)」を整備し、組織全体の開発生産性を底上げする「武器」の提供と文化定着を主導します。 ■トイル削減とSRE文化の確立 トイルの肥大化を防ぎ、自動化を徹底することで、エンジニアが事業価値向上へ寄与する戦略的な業務に集中できる体制を作ります。 SREプラクティスの組織的実践を推進します。 ■AI活用による運用プロセスの非連続な進化 従来の自動化にとどまらず、監視、障害検知、運用プロセス自体にAIを適用し、非連続なスピードと品質の向上へ挑戦します。 ■SREエンジニアの成長支援 組織ミッションと必要なスキルを見極め、メンバーの成果行動への後押しと成長支援を行います。 事業貢献度の高いSREエンジニアリング組織の実現を主導します。 開発環境 ■開発言語 Ruby / ShellScript ■インフラ・ミドルウェア Docker / Kubernetes / VMware / ArgoCD / Tekton / CircleCI / nginx / MySQL / Redis / Ansible / Fluentd / Grafana / Prometheus / BigQuery / Cloud Logging ■プロジェクト管理・ドキュメンテーション GitHub / Microsoft Teams / Asana / Miro / Confluence

戦略立案から実現までを担う技術的リードです。具体的には、Kubernetesへの基盤刷新に向けた方針策定と技術的先導を行いながら、KubernetesやVMware環境での基盤設計・運用に携わっていただきます。 【具体的な業務内容】 ・Kubernetes, VMwareでの基盤設計・構築・運用 ・各種オペレーションの自動化・セルフサービス化 ・アプリケーション、ミドルウェアのパフォーマンス可視化、測定と改善 ・新規システムのアーキテクチャの選定、提案 ・CI/CDの運用、改善 ・AWS/GCPなどのパブリッククラウド環境の運用 ・ディザスタリカバリの対応作業や方式の改善 【業務の進め方】 日々変わるインフラの状況やサービスリリース計画をもとに、タイムリーに優先度を調整しながら運用・改善業務を実施しています。中には技術的難易度が高い取り組みもありますが、チームで助け合う場を多く設けることで、チームとして高い成果が出せるようにしています。 自主性の高いチームとなっており、メンバーのスキルに応じて可能な限り大きな範囲で裁量を持って業務いただくようにしています。ご自身のスキルや志向次第で要件定義や設計の部分からお任せしています。 ミッション ■Kubernetes化の推進と基盤戦略の策定 VMベースの基盤をKubernetesへ移行する最重要プロジェクトにおいて、大規模・複雑な既存システムを紐解き、安定稼働を担保しながら刷新を加速させる技術的・戦略的なリードを担います。 ■インフラの標準化と堅牢性の両立 属人化を排除したインフラ構成の標準化を進めます。デリバリの向上(リードタイム短縮)とサービス安定性を両立させるため、堅牢性と速度を同時に満たす基盤構築をリードします。 ■プラットフォームエンジニアリングの実現 インフラ提供者ではなく、サービス開発者が「自律的・高速・高品質」に開発運用できる「開発者体験の高い環境(IDP)」を整備し、組織全体の開発生産性を底上げする「武器」の提供と文化定着を主導します。 ■トイル削減とSRE文化の確立 トイルの肥大化を防ぎ、自動化を徹底することで、エンジニアが事業価値向上へ寄与する戦略的な業務に集中できる体制を作ります。SREプラクティスの組織的実践を推進します。 ■AI活用による運用プロセスの非連続な進化 従来の自動化にとどまらず、監視、障害検知、運用プロセス自体にAIを適用し、非連続なスピードと品質の向上へ挑戦します。 ■SREエンジニアの成長支援 組織ミッションと必要なスキルを見極め、メンバーの成果行動への後押しと成長支援を行います。事業貢献度の高いSREエンジニアリング組織の実現を主導します。 部署説明 2005年にスタートした「食べログ」は、口コミとランキングで探せるレストラン検索・予約サイトです。「失敗しないお店選び」という課題に向き合い続け、現在、月間約9,600万人のユーザーが利用する日本最大級の飲食店検索サービスに成長しました。 私たちは市場や事業の変化に素早く対応できるシステムと、それを実現させる開発組織を作ることを責務としています。部署やプロダクトの垣根を超えた連携を大切にしながら、日々の業務にあたっています。そして、技術部SREチームは、システムの信頼性向上とエンジニアの負担軽減を担うことで、ユーザーが安心・快適に食べログを利用できるようにする事を責務とし、より良いユーザ体験のためのシステム基盤構築・改善や障害対応を行っています。 今回、東京を中心としたデータセンターの障害発生時に事業継続性を確保するため、大阪データセンターでテックリードを募集します。 サービス開発を支えるアーキテクチャ提案や、アプリケーション基盤の全面Kubernetes化など、果敢な技術的挑戦を共に推進していただける仲間を募集します。 開発環境 ■開発言語 Ruby / ShellScript ■インフラ・ミドルウェア Docker / Kubernetes / VMware / ArgoCD / Tekton / CircleCI / nginx / MySQL / Redis / Ansible / Fluentd / Grafana / Prometheus / BigQuery / Cloud Logging ■プロジェクト管理・ドキュメンテーション GitHub / Slack / Microsoft Teams / Asana / Miro / Confluence"