リモート可 BigQueryのITエンジニア求人・転職情報

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

【期待役割】 ・当社の事業課題に向き合い、AI・機械学習を活用して事業成果につなげるところまで、一貫して担っていただきます。 ・与えられた要件に対してモデルを開発するだけではなく、事業・業務を深く理解した上で、解くべき課題を見極め、機械学習・統計・数理最適化・生成AIなどを用いて扱える問題へと落とし込み、適切なアプローチを設計・実装していただきます。 ・単なる「検証(PoC)」にとどまらず、事業の粗利向上や生産性向上、顧客体験の改善につながる仕組みを実際のプロダクトや業務フローに組み込み、継続的に改善していくところまでを担っていただきます。 【具体的なプロジェクト例】 現在、以下のようなAI・データ活用プロジェクトが進行中であり、これらのさらなる磨き込みや新規ユースケースの立ち上げをお任せします。 ・コールセンター業務のAI化(LLM / 音声認識等) ・数理最適化による訪問ルート最適化 ・画像認識を用いた査定のAI化 ・データ基盤・MLOps構築 【主な業務内容】 ・ビジネスサイド(事業部等)の抽象的な課題を整理し、機械学習・生成AIを活用した問題設定・テーマの企画立案 ・課題特性(自然言語、画像、テーブルデータ、最適化問題など)に応じた最適なモデル・アルゴリズムの技術選定および設計 ・PoC・オフライン検証による実現性の見極めから、本番環境へのデプロイ、実運用を見据えたモデル開発 ・モデルの精度だけでなく、業務KPIや事業成果を踏まえた評価設計・効果検証、および継続的な改善 ・モデルの監視・評価・再学習など、継続的な運用・改善を可能にするMLOps環境や開発プロセスの設計・改善 【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 ・開発生産性管理:Findy Team+ ・課題管理:Jira ・ドキュメント管理:Confluence ・その他:Elastic Cloud, Terraform Cloud, Chromatic

【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」のフロントエンド開発をリード AI自動査定やコール業務のAI化など、現場オペレーションを変える新機能のUI/UX設計・実装 EM・PdMと連携した高品質なプロダクト開発、DX向上や技術的負債解消の計画・実行 フロントエンドアーキテクチャの設計、開発ガイドラインの策定、モニタリング体制の強化 AIエージェントによる業務オペレーション基盤への進化を見据えた、AI活用前提の開発体制構築 【組織/配属先の特徴】 PdM・SWE・データサイエンティスト・AIエンジニアなど約100名規模の技術組織 PdM・AIエンジニアと協働し、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 【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

【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

●ココナラグループについて ・Vision 一人ひとりが「自分のストーリー」を生きていく世の中をつくる ・Mission スキル・知識・経験の可視化とマッチングを通じて、あらゆる人にバッターボックス(機会)を提供していきます。 EC型のマーケットプレイスであるスキルマーケットに加え、ココナラ経済圏構想の元で事業の多角化を通じてすべてが揃うサービスプラットフォームを確立し、人の可能性を最大化することを目指します。 現在は、マーケットプレイス事業、エージェント事業、新規事業(SaaS事業)を展開しています。 ・Value 詳細はこちらをご覧ください。 https://www.yumpu.com/xx/document/read/65098398/coconala-culturebook/7 ●組織・チームのミッション ココナラ経済圏をより多くの方に、より便利に使ってもらうためにユーザー視点に立ち、仮説・実行・検証のサイクルを回しながら、SREとして、サイトの信頼性を高めていくこと。 ●職務内容 急拡大中のココナラ経済圏を牽引するインフラ・SRE組織全体のマネージャーをお任せします。 ●主な業務内容 ・部門の開発方針・技術ロードマップ策定、インフラコスト管理 ・プロジェクトマネジメント:方針決定、スケジュール作成・進捗管理 ・ピープルマネジメント:目標設定・評価、1on1、メンバー育成、文化/マインドの熟成、採用 ・日々の運用:各種メトリクスのモニタリング、運用の改善活動 ●開発環境 ・言語:Go, Python, JavaScript, Ruby, PHP ・サーバ:AWS VPC, EC2, ECS, RDS, ElastiCache, S3, CloudFront, GCP Compute Engine, Amazon EKS, Kubernetes Engine ・サーバOS:Ubuntu, Amazon Linux ・データベース:Amazon Aurora MySQL ・検索エンジン:Elasticsearch, Cloudsearch ・サーバレス:Lambda, Cloud Functions ・プロビジョニング:Ansible, Docker ・オーケストレーション:Terraform, CloudFormation, Capistrano ・アプリケーションモニタリング:NewRelic, AWS X-Ray ・インフラモニンタリング:CloudWatch, Datadog, PagerDuty, Prometheus、Grafana ・ログ管理:Fluentd ・データ分析:Bigquery, Athena ・CI/CD:CircleCI, GitHub Actions, AWS CDK, Argo CD ・バージョン管理:GitHub ●キャリアパス 最初は1事業のSRE組織のマネジメントをこなしてもらいつつ、ゆくゆくはココナラ経済圏事業全体のSRE組織の統括をお任せしたいと考えています。 ●業務内容変更範囲 会社の指定する業務 ●ココナラについて知る ・ココナラカルチャーブック https://www.yumpu.com/xx/document/read/65098398/coconala-culturebook ・社員インタビュー https://blog.coconala.co.jp/m/m9e4b83d10663 ・ココナラIR https://coconala.co.jp/ir/ ・コーポレートサイト https://coconala.co.jp/

●入社後の期待役割 エンジニアリングマネージャーとして、モバイルアプリ特有の技術的制約やライフサイクルを深く理解し、ビジネス要求と開発現場のバランスを最適化する役割を担っていただきます。 単なる進捗管理ではなく、iOS/Android両プラットフォームの特性を考慮したリリース戦略の立案、およびステークホルダーとの合意形成を通じて、プロダクトの価値最大化にコミットしていただきます。 ●業務内容 ▽リリース・プロセス管理 期日、品質、コスト、スコープの4要素を適切にコントロールし、確実なデリバリーを実現するプロセスの構築・運用 ▽ロードマップ策定 OSアップデートやストアガイドラインの変更等の外部要因を織り込み、ビジネスサイドと連携した中長期的な開発ロードマップの策定 ▽ステークホルダー・マネジメント モバイルアプリ特有の「お作法」や制約(審査、OS差分、配布フロー等)を非エンジニアにも分かりやすく言語化し、期待値を調整 ▽マルチプラットフォームの最適化 iOS/Androidのデザインガイドラインや実装差異を把握し、共通化すべき点とプラットフォーム毎に最適化すべき点の意思決定 ▽チームビルディング サービス拡大に伴うチーム体制の強化やピープルマネジメント ●技術スタック 言語　　　　　　:Swift(SwiftUI , UIKit ) / Kotlin(Jetpack Compose , Android View) バージョン管理　:Git, GitHub プロジェクト管理:Jira その他　　　　　:Figma, Firebase, Google BigQuery, AWS CI環境　　　　　:Bitrise, GitHub Actions 生成AI 　　　 :GitHub Copilot ※サーバサイド開発言語はJava(Kotlin) + SpringBoot、インフラはAWSやGoogle BigQueryなどクラウドをフル活用しています。

AIを活用した国内DXを牽引する当社において、データエンジニアリング・MLエンジニアリング領域を中心に組織貢献いただけるソフトウェアエンジニアを募集します ▼担っていただきたい役割 ・各種プロジェクトで求められるデータパイプライン・データ基盤の設計・開発・運用開発 ・隣接するソフトウェア領域に関する開発・コミュニケーション・事業推進 ▼主な開発環境 言語:TypeScript, JavaScript, SQL, Python等 採用フレームワーク: GraphQL, Node.js, Prisma等 データベース:MySQL, PostgreSQL, BigQuery等 クラウド環境:Google Cloud, AWS, Azure, Snowflake等 ソフトウェア管理ツール:GitHub, Jira, Slack, Confluence ▼キャリアアップの上での特長 ・資格取得や書籍購入、、オライリーオンライン読み放題といった自己成長投資をサポートする制度があります ・ChatGPTやClaude Codeを始めとした先進的なAIツールを含んだソフトウェアツールに対する補助があります ・戦略コンサルティングやデータサイエンスの領域でもスキルを身に着けることができます ・フレックスタイム、育休制度等、柔軟な働き方を支援しています ▼主な業務内容 当社では多様なビジネス領域に向けてDX推進、AI実装等を代表とする様々なB2B系プロジェクトを推進しており、一つの枠に縛られない様々なソフトウェア開発をご経験いただくことができます。 物流領域、ヘルスケア、エネルギー、製造といった領域で事業を強化しており、事業状況に応じて様々なソフトウェア開発を行っています。下記のような段階のソフトウェア開発プロジェクトがあります。 ・プロトタイプ・試行錯誤の色彩が強い段階 ・顧客の業務で使用される本番運用段階 ・単一顧客向けから同一領域で広く使われるVertical SaaS的な運用開発の段階 当社の特長であるビジネスやデータサイエンスの文脈も交えた多様なチャレンジを通じて経験を積んでいただくことが出来るものと思います。

AIによる社会変革を目指すJDSCでは、Webアプリケーションの領域を中心に組織貢献いただけるソフトウェアエンジニアを募集しています。 ▼担っていただきたい役割 ・各種プロジェクトで求められるWebアプリケーションの開発（フロントエンドとバックエンドの双方） ・隣接するソフトウェア領域に関する開発・コミュニケーション ▼主な開発環境 言語：TypeScript, Go, SQL, Python, Ruby等 データベース：MySQL, PostgreSQL, BigQuery, Snowflake等 クラウド環境：Google Cloud, AWS, Azure ソースコード管理：GitHub プロジェクト管理：Jira, Notion 情報共有ツール：Slack, Confluence ▼キャリアアップの上での特長 ・資格取得や書籍購入といった自己成長投資をサポートする制度があります ・ChatGPTを始めとした先進的なAIツールを含んだソフトウェアツールに対する補助があります ・戦略コンサルティングやデータサイエンスの領域でもスキルを身に着けることができます ・フレックスタイム、育休制度等、柔軟な働き方を支援しています ▼主な業務内容 当社では多様なビジネス領域に向けてDX推進、AI実装等を代表とする様々なB2B系プロジェクトを推進しており、一つの枠に縛られない様々なソフトウェア開発をご経験いただくことができます。 本募集における「Webアプリケーション開発」の領域では特に、物流領域、そのなかでもとりわけJDSCの子会社である株式会社seawiseの運営する船舶データプラットフォーム開発が事業の大きな柱です。 物流領域の他にもヘルスケア、エネルギー、製造といった領域で事業を強化しており、事業状況に応じて様々なソフトウェア開発を行っています。下記のような段階のソフトウェア開発プロジェクトがあります。 ・プロトタイプ・試行錯誤の色彩が強い段階 ・顧客の業務で使用される本番運用段階 ・単一顧客向けから同一領域で広く使われるVertical SaaS的な運用開発の段階 それぞれについて、当社の特長であるビジネスやデータサイエンスの文脈も交えた多様なチャレンジを通じて経験を積んでいただくことが出来るものと思います。

【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

概要 メディカルシステムネットワーク(MSNW)では、顧客データ・顧客接点・データ活用を統合する「共通基盤システム」を構築するため、開発チームを新規に立ち上げています。 現在、グループ内には多様な事業(薬局・卸・物流・在宅医療等)が存在していますが、それぞれの顧客データや接点が最適化しきれていない課題があります。 これらを統合し、ポータルサイト、データ連携基盤、SFA/CRM(Salesforce)を一気通貫でつなぐことで、ユーザーが単一のインターフェースで全業務を完結できる「統合プラットフォーム」の実現を目指しています。 この巨大な構想を、AWSを中心としたモダンなアーキテクチャで形にし、技術選定から現場の実装までを泥臭く、かつ戦略的に主導いただけるテックリードを募集します。 業務内容 ●AWSベースの新規システムおよびデータ連携基盤の設計・構築 ●Salesforceを軸とした顧客データ管理の設計・意思決定 ●マイクロサービス / モジュラーモノリスなどのアーキテクチャ選定 ●難しい業務要件の整理・仕様策定・データモデル設計 ●ベンダーコントロールおよび開発プロセス(CI/CD, IaC)の改善 ●バックエンド/フロントエンドの実装(自ら手を動かす実装も含む)

●Mission The Incubation Team operates as a "startup within a startup." We go far beyond routine feature development, acting as an autonomous engine to build new businesses from the ground up. Our mission is built on three strategic pillars: 1.Forge New Products: We don’t just build; we innovate. We continuously launch and iterate on high-impact products that solve our customers' most complex, high-value problems. 2.Architect High-Performance Teams: We believe that great products come from great organizations. We focus on building and scaling elite engineering teams capable of owning product growth independently. 3.Institutionalize Speed: We don't just move fast by accident. We design the repeatable frameworks and playbooks that turn the "zero-to-one" creation process into a streamlined, scalable science. ●Job Responsibilities Technical Strategy & Architecture: Own the end-to-end architectural roadmap for core backend services. You will make the high stakes decisions on tech stacks, data modeling, and system design that will define our platform for years to come. Engineering Leadership: Act as a technical authority across multiple squads. You will mentor senior engineers, conduct deep dive code reviews, and raise the collective "bar" for engineering excellence. Product Incubation: Drive the technical execution of 0 to 1 product launches, ensuring that speed of delivery never compromises long-term system integrity. System Modernization: Identify and eliminate critical technical debt. You will lead the transition from legacy structures to a modern, distributed architecture optimized for global scale. ●Development Environment Frontend: TypeScript, React, Next.js Backend: TypeScript, Rust(axum), Node.js (Express, Fastify, NestJS) Infrastructure: Docker, Google Cloud, Kubernetes, Istio, Cloudflare 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 Authentication: Auth0 Other tools: GitHub Copilot, Figma, Storybook Communication: Slack, Discord, JIRA, Miro, Confluence

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

DeNAが展開する多角的な事業ポートフォリオには、活用の余地を残した膨大なデータが蓄積されています。 これらを既存の延長線上ではない「非連続な成長」へと繋げるためには、最新のAI技術やデータ活用手法を貪欲に取り込み、事業の現場へスピーディーに実装していく人材が不可欠です。 本ポジションでは、現在の専門スキル以上に、データとAIの可能性を信じ、自律的な学習を通じて事業に大きな変化をもたらしたいという強い意志を求めています。また、専門領域に閉じずに事業の為に周辺領域にも染み出し、泥臭くやり抜く力を重視します。 <具体的な業務内容> ※これまでの経験に合わせ、各事業のデータ分析関連組織にて選考が進む可能性があります。 詳細は、選考を通して期待役割などの説明をさせていただく予定です。 ●全社共通部門例: ・DeNA Account Service(共通ID)を基盤とした全社的なデータ利活用施策の推進 ・データ活用の仕組み化と、AIを活用した分析基盤の構築推進 ●各事業部所属(ゲーム、スポーツ・スマートシティ、ヘルスケア、メディカル等)例: ※子会社に出向するケースもございます ・スポーツスマートシティ事業における、データ分析を通じた多角的な事業支援 ・PHR(パーソナルヘルスレコード)データの利活用による、新規事業開発およびサービス改善・CRMの推進 ・事業成長に向けたデータ分析、戦略策定/各種プロジェクトの推進 【雇入れ直後】仕事概要に記載のある業務内容 【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

●入社後～中期的にお任せしたいこと 【主な業務内容】 データ活用を支える“基盤から分析まで”を一貫して担うデータエンジニアを募集します。 当社では、企業のDX推進やデータ活用ニーズ拡大に伴い、データ基盤強化を推進しています。 本ポジションでは、データ取得・蓄積・加工・可視化・分析まで、エンドツーエンドでデータ活用を支える業務に携わっていただきます。 ご経験に応じて、要件定義から設計・開発・運用保守まで一気通貫で担当できる環境があり、BI・データ分析など幅広い技術領域に挑戦可能です。 【具体的な業務内容】 業務システムの設計・開発・運用 データ基盤(DWH/データレイク等)の設計・構築 ETL/ELTパイプラインの設計・開発 クラウド環境(AWS/GCP/Azure等)を活用した基盤構築 BIツール連携・データ可視化基盤の整備 データ品質管理・ガバナンスの整備 データ活用に関する技術選定・アーキテクチャ設計 【開発環境(例)】 ・クラウド:AWS/GCP/Azure ・言語:Python/SQL ・DWH:BigQuery/Snowflake ・DB:MySQL/SQL Server/PostgreSQL ・ETL:Glue/DataSpider ・BI:Tableau/Power BI ・ローコードツール:Kintone/Pleasanter 【業務内容】 雇入直後…事業部の指定する業務及び付随する業務 変更の範囲…社内におけるすべての業務

●部門紹介 当社のデータ利活用部は、データ分析領域における“入門部門”として位置づけられています。 データ分析の経験が浅い方や異業種からキャリアチェンジを目指す方も積極的に受け入れており、データの活用に関する基礎から実務まで幅広く経験することができます。 また、社内にはAI、BI、基盤運用、コンサルティングなど技術特化型の部門があり、データ利活用部でスキルを積んだ後は、ご自身の志向や強みに応じて各部門へのキャリアチェンジも可能です。 「データ分析を学びながら自分に合った領域を見極めたい」という方にとって、最適な環境です。 ●仕事内容 データアナリストとして、顧客企業のビジネス課題解決に向けたデータ分析・可視化、およびそれに伴う施策の提案・伴走(おもてなし分析)を担当します。 【具体的な業務内容】 ・顧客の「なんとなく困っている」という抽象的なビジネス課題のヒアリング・論理的な整理 ・SQLを用いたデータベースからのデータ抽出(SELECT、JOIN、GROUP BY等)および集計 ・Pythonを用いたデータ加工、レポート作成の自動化スクリプト・バッチの作成 ・TableauなどのBIツールやExcelを用いた数値の可視化(ダッシュボード構築) ・抽出・可視化したデータに基づく、顧客(または社内)への報告・経営課題に対する改善提案 ・ChatGPTなどの生成AIツール、プロンプトエンジニアリングを駆使した分析業務の効率化・新しい分析プロセスの構築 変更の範囲:会社が指定した業務 【開発環境/使用ツール】 AWS/GCP/Azure/Tableau/SAS/SPSS/Oracle Database/SQL ServerMySQL/PostgreSQL/Google AnalyticsSQL/Python/Rなど ●案件事例 ①ソーシャルゲームアプリの売上増加に向けたデータ分析支援 アプリのログデータを解析し、アプリ運営の改善、売り上げUPに繋げる 使用ツール:SQL, Google BigQueryなど ②機械学習を用いたモデルの作成 クライアントが保持しているデータからモデルを作成し分類化や数値予測を行う 使用ツール:Python ③ファクトリーブランド立ち上げに向けたマーケティングリサーチ 地域独自のブランドを立ち上げることで、減少した売り上げの回復と安定化 使用データ:業者からのヒアリングデータ、生活者へのインタビューデータ (※取引実績100社以上) ●入社後の流れ 最初からすべての工程を一人でお任せすることはありません。 まずはご自身の得意なスキル(SQLでのデータ抽出や、Pythonでのデータ加工など)からスタート。 先輩アナリストのプロジェクトにアサインされ、顧客ヒアリングや提案の現場に同行しながら、徐々に上流工程のスキルを身につけていただきます。 Step1 データ分析環境の理解 まずはデータ分析領域の業務を行うにあたって、データの理解から始めます。 ◇ 使用環境・言語・ツール:SQLServer / MySQL / PostgreSQL / Oracle Databaseなど Step2 コーディング データ分析を行う上で、必要不可欠な数値を算出します。 ◇ 使用環境・言語・ツール:SQL / Python / SAS / Rなど Step3 データの可視化・分析 データについて正しく理解し扱えるようになったら、いよいよ分析フェーズに移行します。 ◇ 使用環境・言語・ツール:Google Analytics / Tableau / PowerBI / その他分析ツールなど Step4 レポーティング・報告提案 データ分析結果を基に、レポーティングと考察を行います。 意思決定に必要なデータを揃え、顧客が必要とするデータをわかりやすくまとめます。 ◇ 使用環境・言語・ツール:ダッシュボード(BIツール内) / PPT / Word

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"

データエンジニアとして、顧客企業のビジネス課題解決に向けたデータアナリティクス基盤(DWH/データマート/ETLパイプラインなど)の設計・構築・運用、およびBIツールなどを用いたデータ活用・可視化支援を担当します。 【具体的な業務内容】 ・金融・エンタメ・製造など、多種多様なクライアントのデータ構造を理解し、最適なデータ基盤(DWH/データレイク等)のアーキテクチャ設計・構築 ・SQLやPythonを用いた、大量データのETL(抽出・加工・シームレスな連携)パイプラインの構築・バッチ処理の実装 ・データ分析の「属人化した手作業」を排除するための、モダンなデータエンジニアリング手法(バージョン管理やCI/CDなど)の導入・推進 ・TableauなどのBIツールを用いたデータの可視化(ダッシュボード構築)や、顧客への簡単なデータ示唆出し、レポート資料作成(アナリスト的要素) ・将来的には、3〜5名程度の小規模なプロジェクトにおいて、進捗管理やメンバーのコードレビュー(品質管理)などのリード業務 変更の範囲:会社が指定した業務 【開発環境/使用ツール】 AWS/GCP/Azure/Tableau/SAS/SPSS/Oracle Database/SQL ServerMySQL/PostgreSQL/Google AnalyticsSQL/Python/Rなど ●部門紹介 当社のデータ利活用部は、データ分析領域における“入門部門”として位置づけられています。 データ分析の経験が浅い方や異業種からキャリアチェンジを目指す方も積極的に受け入れており、データの活用に関する基礎から実務まで幅広く経験することができます。 また、社内にはAI、BI、基盤運用、コンサルティングなど技術特化型の部門があり、データ利活用部でスキルを積んだ後は、ご自身の志向や強みに応じて各部門へのキャリアチェンジも可能です。 「データ分析を学びながら自分に合った領域を見極めたい」という方にとって、最適な環境です。 ●案件事例 ①ソーシャルゲームアプリの売上増加に向けたデータ分析支援 アプリのログデータを解析し、アプリ運営の改善、売り上げUPに繋げる 使用ツール:SQL, Google BigQueryなど ②機械学習を用いたモデルの作成 クライアントが保持しているデータからモデルを作成し分類化や数値予測を行う 使用ツール:Python ③ファクトリーブランド立ち上げに向けたマーケティングリサーチ 地域独自のブランドを立ち上げることで、減少した売り上げの回復と安定化 使用データ:業者からのヒアリングデータ、生活者へのインタビューデータ (※取引実績100社以上) ●入社後の流れ 最初からすべての工程を一人でお任せすることはありません。 まずはご自身の得意なスキル(SQLでのデータ抽出や、Pythonでのデータ加工など)からスタート。 先輩アナリストのプロジェクトにアサインされ、顧客ヒアリングや提案の現場に同行しながら、徐々に上流工程のスキルを身につけていただきます。 Step1 データ分析環境の理解 まずはデータ分析領域の業務を行うにあたって、データの理解から始めます。 ◇ 使用環境・言語・ツール:SQLServer / MySQL / PostgreSQL / Oracle Databaseなど Step2 コーディング データ分析を行う上で、必要不可欠な数値を算出します。 ◇ 使用環境・言語・ツール:SQL / Python / SAS / Rなど Step3 データの可視化・分析 データについて正しく理解し扱えるようになったら、いよいよ分析フェーズに移行します。 ◇ 使用環境・言語・ツール:Google Analytics / Tableau / PowerBI / その他分析ツールなど Step4 レポーティング・報告提案 データ分析結果を基に、レポーティングと考察を行います。 意思決定に必要なデータを揃え、顧客が必要とするデータをわかりやすくまとめます。 ◇ 使用環境・言語・ツール:ダッシュボード(BIツール内) / PPT / Word

●具体的な仕事内容 端的にいえば、「クライアントの最前線に深く入り込み、技術的な専門性とビジネスの洞察力を駆使して、複雑な課題を『解ける形』に再定義し、その場で実装・解決すること」をお任せしたいと考えております。 一般的なエンジニアが「何を作るか(What)」が決まった後に動くのに対し、FDEは「何を作るべきか(Why/How)」を顧客の現場から導き出し、プロトタイプを爆速で組み上げるのがミッションです。 ・現場での課題抽出とモデリング:クライアントのドメイン(業界)知識を吸収し、散在するデータ構造を理解して、技術的に解決可能な課題へと翻訳する。 ・高速なプロトタイピング:現場で得たフィードバックをもとに、その日のうちにコードを書き換え、実運用に耐えうるソリューションを構築・デプロイする。 ・データパイプラインの設計・構築:複雑で「汚い」実データを、分析や意思決定に活用できるクリーンな状態へと統合する。 ・ステークホルダーとの技術的対話:現場の担当者から経営層まで、技術的なポテンシャルを非エンジニアにも分かりやすく伝え、プロジェクトを推進する。 【採用技術/フレームワークサンプル】 フロントエンド層:　TypeScript /JavaScript 　　　　　　　　　　Next/React/Vue/Angular/Astro アプリ層:　　　　　Java/PHP/C#/C/Python/Go/Ruby/Haskell 　　　　　　　　　　SpringBoot/Spring/Laravel/Django/Nest 　　　　　　　　　　API Gateway(Kong / APIGW ) 　　　　　　　　　　gRPC / Protocol Buffers 　　　　　　　　　　SDD(Spec Driven Development) モバイル:　　　　　Flutter/Kotlin/swift/React Native/Dart/Firebase インフラ層:　　　　AWS/Azure/Google Cloud 　　　　　　　　　 Kubernetes(EKS / GKE) 　　　　　　　　　　IaC(Terraform / CDK / Pulumi) 　　　　　　　　　　GitOps(ArgoCD / FluxCD) 　　　　　　　　　　サーバーレス(Lambda / Cloudflare Workers) 　　　　　　　　　 デプロイ基盤(Vercel / Cloud Run など) 　　　　　　　　　　SREプラクティス SaaS/OSS活用:　　 Slack/Teams 　　　　　　　　　　GoogleWorkspace/Backlog/Box 　　　　　　　　　　Auth0 / Firebase Auth 　　　　　　　　　　GitHub Actions / GitLab CI 　　　　　　　　　　Cloudflare/Datadog データ/AI層:　　　 Gemini/ChatGPT/ClaudCode/ 　　　　　　　　　　Devin/cursor/Antigravity 　　　　　　　　　　Vector Database(Milvus / Weaviate / Chroma) 　　　　　　　　　　RAG基盤(Retrieval Augmented Generation) 　　　　　　　　　　Feature Store(Feast / Vertex AI Feature Store) 　　　　　　　　　　BigQuery / Snowflake 　　　　　　　　　　MLOps(MLflow / VertexAI / Kubeflow) 　　　　　　　　　　オブザーバビリティ 　　　　　　　　　　(OpenTelemetry/Prometheus/Grafana/Sentry) etc... ●システムアイの特徴 ・積極的に生成AIやツールを導入可能 当社ではプロジェクトにより使う生成AIやツールを自分たちで判断していただいています。新しいものを導入したい場合は社内で相談をしていただけると柔軟に検討可能です。良いものは積極的に取り入れていく思考を持っているため、新しいものへの導入障壁がかなり低い会社となります。 ・ストリスフリーな環境をできる限り提供 ストレスを感じない環境を整えているのも当社の特徴の一つ。開発標準PCのメモリは最低32GB以上で入社のタイミングでwindowsとMacを選択していただけます。 一人ひとりのエンジニアが求めるスペックを優先して環境面を整えます。 社内で使うデュアルモニタ、他にも必要なソフト、ツールなどあれば、柔軟に利用できる環境です。 品質・生産性の最大化確保はエンジニアにとって大切だと考えています。 ・フルフレックス×リモートワーク主体のフレキシブルな働き方が可能 コロナに関係なくリモートワークを推進してきた当社なので、今後もこの環境は推進していく予定です。

業務内容 食べログのフロントエンドシステム全体の改善に取り組みます。 フロントエンド改善の計画からリリースまで一貫して担当します。 ロードマップの作成や、設計、実装、テストケース作成などリリースまでの全ての作業をチーム内で担当します。 【具体的な業務内容】 ・JavaScript(React,TypeScript, jQuery,Node.js,等)、HTML5/CSS3の設計及び開発 ・フロントエンドのテストケース作成/実行 ・React/TypeScriptとその関連技術の検証、導入および運用 ・フロントエンドアーキテクチャの見直し、刷新 ・WEBのUI/UX設計に対するコンサルティング(企画段階から参画) ・エンジニア、デザイナー(コーダー)のフロントエンド開発業務の統括、サポート 【業務の進め方】 ・定期的に中長期計画を見直し、優先順位を付ける ・中長期計画に沿って、期ごとに目標を設定する ・1週間でスプリントを計画し、目標に向けて施策を実施します 入社後のイメージ 比較的小規模なフロントエンド設計/実装から担当いただき、徐々に業務範囲を広げていきます。 オンボーディング中かどうかにかかわらず、複雑な仕様や今後の大きな方針が決める場合は、チームで設計レビューやペアプロに取り組んでいます。 部署説明 月間ユニークユーザ数約9,600万人 (※1)を超えるレストラン検索・予約サイト(2023年3月現在)、食べログのフロントエンド改善・運用業務を担当します。 食べログは2005年にサービスを開始し、機能追加/改修を続ける中でメンテンナンス性が課題となっている部分もあります。 jQueryからReact/TypeScriptへのリプレース、ライブラリのバージョンアップ、アーキテクチャ変更など様々な手段を選択しながら、障害なく素早く機能開発が出来るフロントエンドシステムを構築します。 大規模組織・大規模システムにおいて、機能開発を止めずに、リプレースやバージョンアップを行うことは容易ではありません。 長期運用を見越した設計/実装、運用体制の確立、他チームへの教育などが求められています。 フロントエンドの技術的スキルはもちろん、リーダーシップを発揮しチームを導いてくれる方を探しています。 技術的にも組織的にも、障害なく素早く機能開発を続けていくために出来ることはなんでもやります。 フロントエンドに関係する事柄は、部やチームの垣根なく、裁量をもって取り組んで頂けます。 食べログフロントエンドを改善することは、食べログでのよりスムーズにお店探し、ネット予約に繋がります。 フロントエンド改善を通して、飲食店と飲食店を利用するユーザー両方対してよりスマートな外食体験の提供に取り組んでいます。 働く環境 ・メリハリを付けて働く文化があり、ワークライフバランスを取りやすい環境です。 女性エンジニアの比率も高く(20%弱)、子育て世代のエンジニアも多く活躍しています。 ・食べログは大規模な組織であるため、企画と開発は分業しています。 サービス改善施策に対してエンジニアからの提案は日々行いますが、新規事業の小さいチームのようにサービス　の企画もエンジニアが兼任することはありません。 【食べログシステム本部FEチームのカルチャー】 ・設計/実装はもちろん、手順書などのドキュメントなども含めチーム内レビューを実施 どんな優先度で、どのような手法で理想の状態を目指すのか、常にチームで議論しながら改善を進めています。 ・開発チームのコミニュケーション活性化やスキル向上を目的として、週に1～2回程輪読会を実施 ・各々勉強会に参加して、チーム内で共有 ・技術ブログでの情報発信 Tabelog Tech Blog: https://tech-blog.tabelog.com?cid=tech-blog_job_fe 食べログ フロントエンドエンジニアブログ: https://note.com/tabelog_frontend 開発環境 ・サーバサイド: Ruby, Ruby on Rails ・フロントエンド: React, TypeScript, Next, jQueryなど(jQueryベースからReact/TypeScriptへ移行中) ・DB: MySQL ・データ処理基盤:GCP BigQuery ・ソースコード管理: Git, GitHub ・開発支援ツール: Asana, Confluence, Github, Circle CI, Qiita:Team

QA業務をAIエージェントが自律実行できるハーネスを設計・実装します。 【具体的な業務内容】 ・ハーネスエンジニアリングの実践 └ハーネスエンジニアリングの枠組みの中で、QA業務を担う各工程のAIエージェントを設計、構築します。 ・リスク分析/テスト分析/テスト設計エージェント └仕様書を分析し、その後の実装や自動テストコーディングへの入力を生成するQAの上流工程を担当するAIエージェントを設計、実装します。 ・自動テストコーディング、自動テスト実行エージェント └テスト設計結果を自動テストとして実装し実行するQA業務の中核となるAIエージェントを設計実装します。 ・CQフィードバックパイプラインの設計・実装 ・不具合/障害情報の集積、分析基盤の構築 └エラーログ/AIエージェント実行ログ/不具合レポート/障害レポートなどを集積し、後続の分析や再発防止策の策定を実施するための基盤を整備します。 ・障害分析や再発防止策実施エージェントの設計、実装 └AIや人間のミスの結果である障害情報を分析し、それらをAIエージェントから利用可能なコンテキストやSKILLの形に実装するAIエージェントの設計、実装をします。 ・外部AI動向の追跡と発信 ・Harness Engineering等のAI分野の最新動向を追跡し、業務設計に落とし込む ・社内の実践と学びを技術ブログ・カンファレンス等で外部発信する 【開発環境】 ●AIエージェント:Claude Code(SKILL / Sub-agent / Hooks / Agent Teams)/ Devin / MCP Server ●テスト自動化:Selenium, Appium, Cucumber, Playwright ●CI/CD:CircleCI, Bitrise ●データ基盤:BigQuery, Tableau ●タスク管理・分析:Asana ●コミュニケーション:Slack, Teams, GitHub, Confluence, Miro ●開発技術スタック:Ruby on Rails, React.js, Next.js, Swift/SwiftUI, Kotlin 【所属部門】 食べログカンパニー 開発本部 品質管理部 【ミッション】 品質管理部は「QA業務をAIが一貫して担う」ことを目指す長期ビジョン Continuous Quality by AI(CQ by AI) を推進するチームです。 そのAIが正しく品質を判断できるよう、QAの知識と基準をAIに渡すエキスパートとして参画していただきます。 単にテストを効率化するのではなく、「リリース前のチェックポイント」だったQAを、開発プロセスそのものに埋め込まれた自律的な仕組みへと変える取り組みです。 月間数千万人が使う食べログで、AIエージェントがコードレビュー・リスク分析・E2Eテストを担い、最終承認のみ人間が行う品質保証の実現を目指しています。 すでに自動テストコーディングでコード生成精度97%・テスト実行工数52%削減・自動化率64%の実績を上げており、その先のフェーズを共に作る段階にあります。 このポジションは AIが正しく品質判断できるようにQAドメインのナレッジをハーネスエンジニアリングの枠組みの中でガードレールやチェックリスト、基準などとして整備する役割 です。 従来のQAエンジニアが「自分でテストを設計・実行し、品質を判断する」のに対し、このポジションは「AIが判断するための基準を設計・検証し、AIの判断結果をレビューする」へと役割が変わります。 QAエンジニアとしての専門知識を活かしながら、業界でもまだ先例の少ない「AIに品質を教える仕事」を担っていただきます。