ストックオプション（信託型等）あり ReactのITエンジニア求人・転職情報

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

運送会社向けクラウド業務支援システム「トラックマネージャー」の開発・保守をお任せします。 ハコベルではエンジニアも、プロダクトマネジャーやカスタマーサポートと共にヒアリング、オンボードなどを通した理解を大事にしています。 良い品質のプロダクト開発とユーザーの理解両方を通してユーザーの体験、提供できる価値を最大化できるようなアクションに共感できるような方を募集しています。 具体例 ・新機能の設計・実装(バックエンド / フロントエンド) ・GraphQL APIの設計・実装 ・既存機能の改善・バグ修正 ・コードレビュー、テスト整備 ・PMI(事業譲渡後の統合)に伴うシステム改善 ●開発環境 フレームワーク : Ruby 3.2 / Rails 7.1 フロントエンド : React 18 / TypeScript 5.1 / Apollo Client (GraphQL) デザインツール:Figma など データベース : Amazon RDS インフラ : AWS (ECS) バージョン管理 : Git/GitHub コミュニケーション/タスク管理 : Slack, Google Meet, Notion ●キャリアパス 領域を限定せずに広くチャレンジすることが歓迎されるカルチャーが浸透し、 「本人の意志・志向性に応じて、柔軟に役割を広げていく」考え方がベースにあります。 ▼キャリア事例 ・入社5年目でVPoTにキャリアアップ ・20代でエンジニアリングマネージャーにキャリアアップ ・新卒2年目でカスタマーサクセスに挑戦するメンバー ・エンジニアからPdMへキャリアチェンジ 等 年齢を問わずご活躍できるフィールドがあり、20-30代の若手メンバーが活躍しています! ●配属組織 配属されるトラックマネージャーシステムGは、4名のメンバーが在籍しています。 EM含むエンジニア3名とPdMの体制で開発をおこなっており、開発領域は区切らずにフルスタックエンジニアとして全ての領域に全員でチャレンジをしております。 エンジニアチームだけでなく、PdM、セールス、CS、それぞれのチームと関わり、一緒に協力して取り組むことを大切にしています。 ▼在籍メンバー例 ・EM坂東 ・TL北川 ●カルチャー ・スクラム開発を推進 ・週次でチーム横断のエンジニア定例 ・自発的な勉強会やハッカソンの開催 ・VPoEやEMとの1on1 ・メンター役が伴走するオンボード支援 ●作業環境 ・Mac Book Pro / Air (機種・キーボードレイアウト選択可)支給 ・外付けモニター: フリーアドレスで利用可能 ・フリーアドレス制なので、気分に合わせて好きな場所で作業可能 【業務内容】 雇入れ直後:システム開発部 変更の範囲:会社の定める業務

ハコベルの物流DXシステムである「ハコベル配車管理」「ハコベル配車計画」のサーバサイド・フロントエンドの開発をお任せします。 ハコベルではエンジニアも、プロダクトマネジャーやカスタマーサポートと共にヒアリング、オンボードなどを通した理解を大事にしています。 良い品質のプロダクト開発とユーザーの理解両方を通してユーザーの体験、提供できる価値を最大化できるようなアクションに共感できるような方を募集しています。 <具体的には…> ・BizやPdMメンバーと連携し、担当プロダクトのビジョン、目標達成に向けての開発および運用 ・担当プロダクトがユーザーに提供する価値を理解し、その実現方法を検討・実践 ・TLと連携したプログラミング言語やフレームワーク、ライブラリの技術調査・選択 ・担当プロダクトの安定した運用と定期的な改善サイクルの実現 ●開発環境 ・バックエンド: Ruby, Ruby on Rails, Go ・フロントエンド: TypeScript, React ・API/スキーマ定義: Swagger, GraphQL, Protocol Buffers ・インフラ: AWS (ECS, EC2, RDS/Aurora, DynamoDB, S3, SQS, Lambda, etc), Docker ・バージョン管理: Git/GitHub ・CI/CD: CircleCI, GitHub Actions, CodeBuild ・AIツール: Claude Code, GitHub Copilot, Devin, Gemini ・コミュニケーション: Slack, Notion, Google Workspace ●作業環境 ・Mac Book Pro / Air (機種・キーボードレイアウト選択可)支給 ・外付けモニター: フリーアドレスで利用可能 ・フリーアドレス制なので、気分に合わせて好きな場所で作業可能 ●キャリアパス 領域を限定せずに広くチャレンジすることが歓迎されるカルチャーが浸透し、 「本人の意志・志向性に応じて、柔軟に役割を広げていく」考え方がベースにあります。 <キャリア事例> ・入社5年目でVPoTにキャリアアップ ・20代でエンジニアリングマネージャーにキャリアアップ ・新卒2年目でカスタマーサクセスに挑戦するメンバー ・エンジニアからPdMへキャリアチェンジ 等 年齢を問わずご活躍できるフィールドがあり、20-30代の若手メンバーが活躍しています! ●配属組織 配属されるシステム開発部TMSソリューションシステムGは、7名のメンバーが在籍しています。 <在籍メンバー例> ・EM吉岡 　https://note.com/hacobell/n/n2d873ca7971c ・堀崎 　https://note.com/hacobell/n/n169ca16fd0b9 エンジニアチームだけでなく、PdM、セールス、CS、それぞれのチームと関わり、一緒に協力して取り組むことを大切にしています。 ●カルチャー ・スクラム開発を推進 ・積極的なペアプロやモブプロ ・週次でチーム横断のエンジニア定例 ・自発的な勉強会やハッカソンの開催 ・VPoEやEMとの1on1 ・メンター役が伴走するオンボード支援 ●AI活用状況 【開発プロセスそのものをAIで作り替えている組織です】 ハコベルにとってAI活用は、個人の生産性ツールではなく経営アジェンダです。プロダクト戦略と対になる「Tech戦略」の中で「AI自律開発による開発生産性10x」を経営レベルの方針として定義し、開発組織のファーストプライオリティに位置づけています。 私たちが取り組んでいるのは、コーディングをAIに委託することではありません。 ・要件定義: 開発マイルストーン→PBI→SBIへの分割・プランニングをAIが担い、NotionをSSoTとして運用 ・設計: 実装前にAIとdesign.md/ADRを作成し、設計判断は組織の資産として蓄積 ・実装: 複数サブエージェントによる並列実装を含め、AI主体の実装が全チームで稼働 ・レビュー: design.mdとの差分ベースのレビューや、観点別レビューエージェントの整備 ・QA: ケース自動生成、Gherkin×PlaywrightによるE2E自動化 といったように開発フローの全工程をAIが自律的に駆動できる形に再設計している最中です。AIが安全かつ有効に動ける環境・コードベース・ワークフローそのものを設計する「ハーネスエンジニアリング」に組織として取り組んでおり、「AI活用推進会」で各チームの知見を集約・横展開しています。成果・進捗はDORAメトリクス(デプロイ頻度・リードタイムなど)や実装量で計測し組織的に前進させています。 しかし、正直に言えばまだまだ道半ばです。実装のAI化が進んだ結果、レビューとQAが新たなボトルネックとして顕在化しており、まさに今この構造問題を解いているフェーズです。「完成されたAI開発環境を使う」のではなく、「AI時代の開発のあり方を自分の手で定義する」ことに面白さを感じる方に入社いただき、試行錯誤も含めてチャレンジしていきたいと考えています。 【業務内容】 雇入れ直後:システム開発部 変更の範囲:会社の定める業務

物流DXプロダクトである「トラック簿」の開発をお任せします。 物流業界に対する高い解像度をもとに、現場の課題やニーズを的確に捉え、それらを技術的な最適解へと昇華していくことが求められます。 単なる機能開発にとどまらず、ユーザー体験や業務変革の視点を持ち、プロダクトを通じて業界全体にインパクトを与えていく役割を担っていただきます。また、技術的な意思決定やチームの開発推進をリードし、メンバーを牽引する存在としての活躍を期待しています。 【具体的な業務内容】 ・BizやPdMメンバーと連携し、プロダクトのビジョン、目標達成に向けての開発および運用 ・プロダクトがユーザーに提供する価値を理解し、その実現方法を検討・実践 ・プロダクトの安定した運用と定期的な改善サイクルの実現 ・技術的な意思決定やアーキテクチャ設計をリードし、開発チームを牽引 ・メンバーへの技術支援や、AIの開発プロセスへの導入・定着を主導し、チーム全体の開発力を底上げ 【業務内容】雇入れ直後:システム開発部/変更の範囲:会社の定める業務 ●開発環境 ・開発言語/フレームワーク等: 　-Backend: Kotlin, Java 　-DB: PostgreSQL 　-Frontend: TypeScript, React 　-Mobile App: Flutter, Dart ・インフラ: AWS,Firebase,GCP ・バージョン管理: Git/GitHub ・CI/CD: GitHub Actions ・コミュニケーション: Slack, Notion, Google Workspace ●作業環境 ・Mac Book Pro / Air (機種・キーボードレイアウト選択可)支給 ・外付けモニター: フリーアドレスで利用可能 ・フリーアドレス制なので、気分に合わせて好きな場所で作業可能 ●キャリアパス例 領域を限定せずに広くチャレンジすることが歓迎されるカルチャーが浸透し、 「本人の意志・志向性に応じて、柔軟に役割を広げていく」考え方がベースにあります。 【キャリア事例】 ・入社5年目でVPoTにキャリアアップ ・20代でエンジニアリングマネージャーにキャリアアップ ・新卒2年目でカスタマーサクセスに挑戦するメンバー ・エンジニアからPdMへキャリアチェンジ 等 年齢を問わずご活躍できるフィールドがあり、20-30代の若手メンバーが活躍しています!

物流DXプロダクトである「トラック簿」の開発をお任せします。 物流業界に対する高い解像度をもとに、現場の課題やニーズを的確に捉え、それらを技術的な最適解へと昇華していくことが求められます。 また、単なる機能開発にとどまらず、ユーザー体験や業務変革の視点を持ち、プロダクトを通じて業界全体にインパクトを与えていく役割を担っていただきます。 【具体的な業務内容】 ・BizやPdMメンバーと連携し、プロダクトのビジョン、目標達成に向けての開発および運用 ・プロダクトがユーザーに提供する価値を理解し、その実現方法を検討・実践 ・TLと連携したプログラミング言語やフレームワーク、ライブラリの技術調査・選択 ・プロダクトの安定した運用と定期的な改善サイクルの実現 【業務内容】 雇入れ直後:システム開発部 変更の範囲:会社の定める業務 ●開発環境 ・開発言語/フレームワーク等: 　-Backend: Kotlin, Java 　-DB: PostgreSQL 　-Frontend: TypeScript, React 　-Mobile App: Flutter, Dart ・インフラ: AWS,Firebase,GCP ・バージョン管理: Git/GitHub ・CI/CD: GitHub Actions ・コミュニケーション: Slack, Notion, Google Workspace ●作業環境 ・Mac Book Pro / Air (機種・キーボードレイアウト選択可)支給 ・外付けモニター: フリーアドレスで利用可能 ・フリーアドレス制なので、気分に合わせて好きな場所で作業可能 ●キャリアパス 領域を限定せずに広くチャレンジすることが歓迎されるカルチャーが浸透し、「本人の意志・志向性に応じて、柔軟に役割を広げていく」考え方がベースにあります。 <キャリア事例> ・入社5年目でVPoTにキャリアアップ ・20代でエンジニアリングマネージャーにキャリアアップ ・新卒2年目でカスタマーサクセスに挑戦するメンバー ・エンジニアからPdMへキャリアチェンジ 等 年齢を問わずご活躍できるフィールドがあり、20-30代の若手メンバーが活躍しています! ●配属組織 配属されるシステム開発部トラック簿システムGは、9名のメンバーが在籍しています。 <在籍メンバー例> ・[EM田中](https://note.com/hacobell/n/n0f6e2e0c9500) エンジニアチームだけでなく、PdM、セールス、CS、それぞれのチームと関わり、一緒に協力して取り組むことを大切にしています。 ●AI活用状況 【開発プロセスそのものをAIで作り替えている組織です】 ハコベルにとってAI活用は、個人の生産性ツールではなく経営アジェンダです。プロダクト戦略と対になる「Tech戦略」の中で「AI自律開発による開発生産性10x」を経営レベルの方針として定義し、開発組織のファーストプライオリティに位置づけています。 私たちが取り組んでいるのは、コーディングをAIに委託することではありません。 ・要件定義: 開発マイルストーン→PBI→SBIへの分割・プランニングをAIが担い、NotionをSSoTとして運用 ・設計: 実装前にAIとdesign.md/ADRを作成し、設計判断は組織の資産として蓄積 ・実装: 複数サブエージェントによる並列実装を含め、AI主体の実装が全チームで稼働 ・レビュー: design.mdとの差分ベースのレビューや、観点別レビューエージェントの整備 ・QA: ケース自動生成、Gherkin×PlaywrightによるE2E自動化 といったように開発フローの全工程をAIが自律的に駆動できる形に再設計している最中です。AIが安全かつ有効に動ける環境・コードベース・ワークフローそのものを設計する「ハーネスエンジニアリング」に組織として取り組んでおり、「AI活用推進会」で各チームの知見を集約・横展開しています。成果・進捗はDORAメトリクス(デプロイ頻度・リードタイムなど)や実装量で計測し組織的に前進させています。 しかし、正直に言えばまだまだ道半ばです。実装のAI化が進んだ結果、レビューとQAが新たなボトルネックとして顕在化しており、まさに今この構造問題を解いているフェーズです。「完成されたAI開発環境を使う」のではなく、「AI時代の開発のあり方を自分の手で定義する」ことに面白さを感じる方に入社いただき、試行錯誤も含めてチャレンジしていきたいと考えています。

・プロダクト開発 JAPAN AI STUDIO を活用した業務ワークフローの実装 (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) LLM / AI エージェントを活用した軽量 PoC の高速実装 各種 SaaS (SmartHR / Salesforce / HRMOS / 楽々精算 等) との API 連携・データ統合 フルスタック開発 (バックエンド + フロントエンド) ・本番導入のための実装・改善 シニアエンジニアの設計に基づく本番導入向け実装 パフォーマンス・信頼性の改善 セキュリティ・コンプライアンス要件への対応 (シニアのサポート下) ・プロダクトフィードバック 実装過程で気づいた改善ポイントのプロダクトチームへの還元 再利用可能なコンポーネント・パターンの抽出と提案 ●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 シニアエンジニアと協働しながら、以下を段階的に担っていただきます。 ・Phase 1 (入社〜3ヶ月): 実装担当 シニアエンジニアが設計したワークフロー / PoC の実装担当 JAPAN AI STUDIO の操作・SDK の習熟 各種 SaaS (Salesforce / SmartHR / kintone 等) との API 連携実装 ・Phase 2 (3〜6ヶ月): 実装リード 小規模ワークフローの設計〜実装を単独で担当 実装方針のドキュメント化・チーム内共有 プロダクトチームへのフィードバック起票 ・Phase 3 (6〜12ヶ月): 中規模機能のリード 中規模機能の設計・実装のリード 技術選定・アーキテクチャ判断への参加 後続のポテンシャル枠メンバーの OJT サポート ●成果責任 (KR/メトリクス) 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120名が開発組織に在籍しています。 本ポジションが所属する FDE チームは現在 7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

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

エージェント体験 (AX) の設計 エージェント対話フロー・インタラクションパターンの設計 不確実性の可視化・信頼度表示の UI 設計 可逆操作 (Undo / 修正) ・権限付与 UI の設計 エージェント行動のトレーサビリティ表示設計 Human-in-the-Loop 評価 UI・フィードバックループの設計 エージェントのパーソナ (性格・振る舞い・トーン) の設計 ユーザーリサーチ ユーザーインタビュー、ユーザビリティテスト、A/B テストの設計・実施 定性・定量データに基づくデザイン判断 ペルソナ・ジャーニーマップの作成・更新 AI エージェントに対するユーザーの信頼度・満足度の測定 デザインシステム・プロトタイピング AI プロダクト向けデザインシステムの構築・運用 高速プロトタイピング (Figma、コードプロトタイプ等) 情報アーキテクチャ (IA) 設計 デザインパターンのドキュメント化・チーム間共有 【業務シナリオ例 ※以下は想定される業務シナリオの例です ● シナリオ 1 : 稟議承認 AI の信頼度表示 UI 設計 JAPAN AI STUDIO の稟議承認ワークフローで、AI エージェントが「この稟議を承認すべき」と判断した際、ユーザーが「この判断はどの程度信頼できるか」を直感的に判断できる UI を設計。 信頼度スコア、参照した過去の承認パターン、判断根拠の表示方法をプロトタイプし、ユーザビリティテストで検証。 「AI が参照したデータソース (楽々精算の金額データ + SmartHR の部門予算データ)」を可視化することで、エージェント信頼度スコアが 20% 向上。 ● シナリオ 2 : SaaS 横断ワークフローの可逆操作 UI 設計 JAPAN AI STUDIO で AI エージェントが楽々精算 → SmartHR → Salesforce を横断して自律的に実行したアクション (経費承認、人事データ更新、CRM 記録更新) に対し、ユーザーが安心して「取り消し」「修正」できる UI を設計。 複数の SaaS にまたがるアクションの Undo / Redo のインタラクションパターンを定義し、「どの SaaS のどのデータが変更されたか」を一覧で確認できるトレーサビリティ表示を実装。 エラー回復成功率が 35% 向上。 ● シナリオ 3 : 「企業の脳」のデザインシステム構築 9 つのプロダクトで一貫した「企業の脳」体験を提供するため、エージェント対話コンポーネント (チャットバブル、ツール呼び出し表示、SaaS 連携進捗インジケーター、信頼度バッジ、可逆操作ボタン等) を標準化したデザインシステムを構築。 コンポーネント再利用率が 60% 向上し、新機能のデザイン工数を 40% 削減。 ●ミッション 「企業の脳」を信頼できる存在にする 人間と AI エージェントの間に「信頼」を生むインタラクションを設計し、透明性・可逆性・説明可能性を備えたエージェント体験 (AX) を実現する。 ●Human-AI Collaboration Architect とは Human-AI Collaboration Architect は「人と Agent の信頼を設計する人」です。 従来の UX デザイナーとは以下の点で根本的に異なります。 従来のUXデザイン ユーザーの操作に対して確定的な結果を返す UIの動作は予測可能 エラーは明確 (404、入力ミス等) ユーザーが操作する 一貫した UI で信頼を構築 ・Human-AI Collaboration Architect AI の出力は確率的で、毎回異なる可能性がある エージェントの行動は不確実で、説明が必要 エラーは曖昧 (「回答が不正確かもしれない」) エージェントが自律的に行動し、ユーザーが監督する 透明性・可逆性・説明可能性で信頼を構築 ●期待する役割について Human-AI Collaboration Architect として、JAPAN AI の全プロダクト (STUDIO / CHAT / SPEECH / AGENT 等) における AI エージェント体験の設計をリードしていただきます。 エージェントの対話フロー・インタラクションパターンを設計し、ユーザーが AI を信頼して業務に活用できる体験を実現する 不確実性の可視化、信頼度表示、可逆操作 (Undo / 修正)、トレーサビリティ表示など、AI 特有の UX 課題を解決する ユーザーリサーチ (インタビュー、ユーザビリティテスト、A/B テスト) に基づくデータドリブンなデザイン判断を行う AI プロダクト向けデザインシステムを構築・運用し、プロダクト横断で一貫した体験を提供する エンジニア・PM・AI 研究者と密に連携し、技術的制約を理解した上でデザインする ●成果責任 (KR/メトリクス) ユーザータスク完了率 エージェント信頼度スコア (ユーザーサーベイ) エラー回復成功率 (ユーザーが自力で修正できた割合) ユーザーリテンション率 デザインシステムコンポーネント再利用率 ●チーム体制 約120名が開発組織に在籍しています。 密接に連携する役割: Product Manager — プロダクト設計・要件定義 Agentic Product Engineer — エージェント機能開発 AI Quality Scientist — 品質評価・ユーザビリティ Research Engineer — AI 技術の最新動向・制約の理解 ●開発環境 デザイン : Figma, FigJam プロトタイピング : Figma Prototyping, Framer リサーチ : Maze, Hotjar, Google Analytics コラボレーション : Slack, Confluence, Linear, Google Workspace, 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

Agent Harness の設計・実装 エージェント実行エンジン (Graph Runtime / State Machine) の設計・実装 Agent SDK の設計・開発 — 社内エンジニアがエージェントを構築するためのインターフェース セッション管理・チェックポイント・リカバリ機構の実装 ガードレール / ポリシー実行エンジンの構築 — エージェントの行動を制御するルール実行基盤 AI/ML システム統合 モデルルーティング — 複数の LLM プロバイダ / モデルタイプを跨いだ推論リクエストの最適ルーティング コンテキスト管理・メモリ基盤の設計 (長期記憶、ワーキングメモリ、RAG 統合) 推論パイプラインの最適化 (レイテンシ削減、コスト効率化、キャッシュ戦略) Research Engineer と連携した最新研究成果の本番基盤への統合 オーケストレーション・パフォーマンス ワークフローオーケストレーション・キューイングシステムの開発 コスト/性能最適化 (オートスケーリング、キャッシュ、バッチ処理) 推論リクエストのルーティング・ロードバランシング 信頼性・運用 プラットフォーム稼働率 99.9% 以上の維持 インシデント対応・ポストモーテム データアクセス・権限管理基盤の設計 【業務シナリオ例】 ※以下は想定される業務シナリオの例です ● シナリオ 1: エージェント実行エンジンの設計 JAPAN AI STUDIO 上で顧客が構築する AI エージェントの実行基盤を設計。 Graph Runtime を採用し、エージェントの各ステップを DAG (有向非巡回グラフ) として表現。 チェックポイント機構により、長時間タスクの途中失敗からの自動リカバリを実現。 ● シナリオ 2: モデルルーティングの最適化 複数の LLM プロバイダ (OpenAI / Anthropic / Google 等) を跨いで、タスクの種類・コスト・レイテンシに応じた最適なモデルを自動選択するルーティングエンジンを設計。 推論コストを 25% 削減しつつ、タスク成功率を維持。 ● シナリオ 3: ガードレール実行エンジンの構築 金融機関向けエージェントが「投資助言」に該当する回答を生成しないよう、ポリシー実行エンジンを構築。 ルールベース + LLM ベースのハイブリッド判定により、レイテンシを 50ms 以内に抑えつつポリシー準拠率 99.5% を達成。 ●ミッション 「企業の脳」の心臓部を設計する AI エージェントが安全・高速・確実に動作するための Agent Harness — 実行エンジン、オーケストレーション、ガードレール、メモリ、モデルルーティングを設計・実装する。 JAPAN AI STUDIO 上で動く数百のワークフローの制御基盤を、自社で構築する。 ●Agent Harnessとは Agent Harnessは、AIモデルを包み込む制御・実行基盤レイヤーです。 Agent Framework (LangChain等) がエージェントの「構築」を担うのに対し、Agent Harnessはエージェントの「制御・運用」を担います。 ●Backend Engineer 構築対象 : Web API・マイクロサービスの設計・実装 AI/ML との関わり : ML モデルを API 経由で呼び出す 状態管理 : ステートレスなリクエスト / レスポンス 安全性制御 : 認証・認可・入力バリデーション | ガードレール / ポリシー実行エンジン — LLM の出力を制御するルール実行基盤 ●Agent Harness Engineer 構築対象 : LLM を中核としたエージェント実行エンジン・SDK・オーケストレーターの設計・実装 AI/ML との関わり : モデルルーティング、RAG 統合、コンテキスト注入、推論最適化をシステムレベルで設計 状態管理 : エージェントのセッション管理・チェックポイント・長期記憶・ワーキングメモリの設計 安全性制御 : ガードレール / ポリシー実行エンジン — LLM の出力を制御するルール実行基盤 JAPAN AI では、この Agent Harness を自社開発し、全プロダクト (JAPAN AI STUDIO / CHAT / SPEECH / AGENT 等) の共通基盤として運用しています。 ●期待する役割について Agent Harness Engineer として、AI / ML の知識を活かしながらエージェントの制御・実行基盤を設計・実装していただきます。 LLM / AI エージェントの動作原理を深く理解した上で、実行エンジン (Graph Runtime / State Machine) を設計・実装する モデルルーティング、コンテキスト管理、メモリ基盤 (長期記憶・ワーキングメモリ) など、AI 特有のシステム設計を担う 社内 120名のエンジニアが使う Agent SDK を設計・開発する ガードレール / ポリシー実行エンジンを構築し、エージェントの行動を安全に制御する Research Engineer と連携し、最新の研究成果を本番基盤に統合する ●成果責任 (KR/メトリクス) Agent SDK 採用率 (社内チームの利用率・満足度) エージェント実行成功率 (タスク完了率、チェックポイントからのリカバリ成功率) Harness 起因の障害率 (ガードレール突破率、状態不整合率) 実行レイテンシ P95 / P99 (Harness 層のオーバーヘッド) 推論コスト効率 (モデルルーティングによるコスト最適化) 開発者体験スコア (SDK / API の社内 NPS) ●チーム体制 約120名が開発組織に在籍しています。 Agent Harness Engineerは以下のチームを横断して活動します: Infra — クラウドインフラ・SRE Data — データパイプライン・分析基盤 Agent Harness — エージェント実行フレームワーク 密接に連携する役割: Agentic Product Engineer — エージェント機能開発 (SDK のユーザー) Research Engineer — 研究開発・新手法の基盤統合 AI Quality Scientist — 評価パイプラインとの連携 Product Manager — プロダクト設計・非機能要件定義 ●開発環境 言語 : Python, Go (バックエンド・基盤開発) , TypeScript / React / Next.js (フロントエンド部) / NX インフラ : GCP (コンテナ / K8s) , Docker, Terraform メッセージング : Kafka / Pub/Sub 監視 : Prometheus, Grafana, OpenTelemetry ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon) , デュアルモニタ対応

エージェント研究開発 異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等) 新しい推論・計画・検索手法の研究開発 マルチモーダル・長文コンテキスト対応の技術開発 最新論文の調査・再現・改良実装 評価・ベンチマーク 大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装 合成データ生成・評価ベンチマーク設計 モデルとプロンプトの自動評価支援 (学習 → プロダクトライフサイクル全体) プロダクション課題の解決 推論レイテンシ / コスト最適化 (量子化、蒸留、キャッシュ等) モデル学習用データミックスの作成・最適化 エージェント評価フレームワークの高度化 本番環境での品質改善・パフォーマンスチューニング 技術移転・発信 Agentic Product Engineer チームへの技術移転・メンタリング 学術機関・OSS コミュニティとの連携 【業務シナリオ例】 ※以下は想定される業務シナリオの例です ● シナリオ 1 : SaaS 横断検索のためのナレッジグラフ RAG の研究開発 JAPAN AI STUDIO が「企業の脳」として機能するには、顧客の全 SaaS に散在する情報を横断的に検索・統合する必要がある。 既存の RAG では「Aプロダクト の従業員データ」と「Bプロダクト の商談データ」の関係性を捉えられず、回答精度が低い。 ナレッジグラフベースの RAG アーキテクチャを研究・開発し、エンティティ間の関係性を構造化。 SaaS 横断検索の回答精度を 40% 向上させ、Agentic Product Engineer チームに技術移転して全プロダクトに展開。 ●ミッション Agentが降参する問題を解く 現在の AI エージェントでは解決できないフロンティア課題に挑み、新しい推論手法・検索 / 計画・長期記憶・ツール利用の品質限界を突破する。 JAPAN AI STUDIO 上で動く数百のワークフローが、より賢く・速く・安全に動作する未来を、研究で切り拓く。 ●期待する役割について Research Engineer として、AI/LLM/ML の最先端研究と応用研究をリードしていただきます。 異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等) 大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装 モデルとプロンプトの自動評価を支援し、学習からプロダクトライフサイクル全体にわたって品質を担保 プロダクト組織と協力し、エージェントをプロダクトに適用するうえでの最も困難な課題を解決 モデル学習用データミックスの作成・最適化により、エージェントタスクにおける性能と使いやすさを向上 研究成果を Agentic Product Engineer チームに移転し、プロダクト全体の品質を底上げ 論文を書くことがゴールではありません。 研究成果をプロダクションに適用し、約 200 社が利用する本番環境でユーザーに届けることを重視します。 ●成果責任 (KR/メトリクス) ベンチマークスコア改善率 (社内 / 公開ベンチマーク) 新手法のプロダクション適用数 (四半期あたり) 推論レイテンシ / コスト改善率 論文・技術ブログ発表数 社内技術移転完了数 ●チーム体制 約120名が開発組織に在籍しています。 Research Engineerは以下のプロジェクトを横断して活動します: JAI Lab — AI研究開発 AI&Model — モデル学習・最適化 Voice & Tel — 音声AI・電話システム 密接に連携する役割: Agentic Product Engineer — エージェント機能開発 (技術移転先) Agent Harness Engineer — エージェント実行基盤 AI Quality Scientist Specialist — 評価パイプラインとの連携 Product Manager — プロダクト設計 ●開発環境 言語 : Python (研究・フレームワーク部), TypeScript / React / Next.js (フロントエンド部) / NX ML / AI : PyTorch, JAX, Transformers, vLLM, Weights & Biases インフラ : GCP (コンテナ / K8s), Docker ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon), デュアルモニタ対応

●技術基盤の構築・開発プロセスの進化 LLM活用型の開発プロセス設計・推進(Devin等のAIペアプログラミングツールの導入・運用最適化) アーキテクチャ設計・技術選定のリード(新規プロダクト・既存プロダクト横断) 開発基盤の整備(CI/CD、モノレポ構成の最適化、コードの内部品質向上) セキュリティ・ガバナンス基盤の構築(クラウドインフラの権限管理、アカウント統制、セキュリティチェック対応) DevOps/SREの仕組みづくり(監視、障害対応フロー、インシデント管理) ●プロダクト開発 新規プロダクト「Value Intelligence(VI)」の機能開発(LLM × 商談解析 × ナレッジグラフ) 既存プロダクト(Sync/Visualize)の機能開発・パフォーマンス改善・技術的負債解消 フロントエンド〜バックエンド〜インフラまでフルスタックでの開発実務 コードレビュー、設計レビューを通じたチーム全体のコード品質向上 ●組織設計・チームビルディング エンジニア採用への関与(技術面接、候補者の魅力付け) ビジネスサイド(CEO/PdM/セールス等)との要件調整・技術的な翻訳 開発チームの運営改善 将来的な評価制度・育成の仕組みづくりへの関与 ●ミッション エンジニアとして高い実装力を発揮しながら、開発プロセス・インフラ基盤・セキュリティの仕組みづくりをリードする。 CEO直下のポジションで、技術戦略からアーキテクチャ設計、チーム体制の進化まで幅広い裁量を持って推進する。

物流DXプロダクトである「トラック簿」の開発をお任せします。 物流業界に対する高い解像度をもとに、現場の課題やニーズを的確に捉え、それらを技術的な最適解へと昇華していくことが求められます。 また、単なる機能開発にとどまらず、ユーザー体験や業務変革の視点を持ち、プロダクトを通じて業界全体にインパクトを与えていく役割を担っていただきます。 【具体的な業務内容】 ・BizやPdMメンバーと連携し、プロダクトのビジョン、目標達成に向けての開発および運用 ・プロダクトがユーザーに提供する価値を理解し、その実現方法を検討・実践 ・TLと連携したプログラミング言語やフレームワーク、ライブラリの技術調査・選択 ・プロダクトの安定した運用と定期的な改善サイクルの実現 【業務内容】 雇入れ直後:システム開発部 変更の範囲:会社の定める業務 ●開発環境 ・開発言語/フレームワーク等: ‐Backend: Kotlin, Java ‐DB: PostgreSQL ‐Frontend: TypeScript, React ‐Mobile App: Flutter, Dart ・インフラ: AWS,Firebase,GCP ・バージョン管理: Git/GitHub ・CI/CD: GitHub Actions ・コミュニケーション: Slack, Notion, Google Workspace ●キャリアパス 領域を限定せずに広くチャレンジすることが歓迎されるカルチャーが浸透し、「本人の意志・志向性に応じて、柔軟に役割を広げていく」考え方がベースにあります。 ▼キャリア事例 ・入社5年目でVPoTにキャリアアップ ・20代でエンジニアリングマネージャーにキャリアアップ ・新卒2年目でカスタマーサクセスに挑戦するメンバー ・エンジニアからPdMへキャリアチェンジ 等 年齢を問わずご活躍できるフィールドがあり、20-30代の若手メンバーが活躍しています! ●配属組織 配属されるシステム開発部トラック簿システムGは、9名のメンバーが在籍しています。 ▼在籍メンバー例 ・[EM田中](https://note.com/hacobell/n/n0f6e2e0c9500) エンジニアチームだけでなく、PdM、セールス、CS、それぞれのチームと関わり、一緒に協力して取り組むことを大切にしています。

ご経験と志向性に合わせて、プレイングリードからマネジメント、技術選定まで流動的に役割を担っていただく想定です。 ＜具体例＞ ・技術組織の牽引: レビュアーとしてコード品質を担保し、若手エンジニア育成や開発文化醸成へ関与 ・バックエンド開発: Go言語での信頼性・可用性を重視したシステム開発・運用 ・リアーキテクチャの推進: 将来的なスケールを見据えた、拡張性の高いシステム設計および実装 ・インフラ最適化: GCPの運用管理、コスト改善 ■ 技術スタック ・フロントエンド: React、TypeScript ・バックエンド: Go、Echo、Python ・インフラ: GCP (Cloud Run、Cloud SQL等) ・データベース: Cloud SQL(PostgreSQL) ・開発環境: GitHub、Docker、GitHub Actions、Cloud Build、Terraform、Cursor、Claude Code ■ 開発スタイル/働き方 ・フルリモート、フレックスで柔軟な働き方 ・1週間スプリントでのアジャイル/スクラム開発 ・Cursorなどの生成AIを活用した効率的な開発

業務内容 【お任せしたいこと】 ショッピングアシストアプリ『PLUG』の開発をリードいただきたいです。 PLUGはユーザーから見ると拡張機能アプリの1つですが、開発領域が広い且つ複雑性も高く、開発難易度が非常に高いです。 プロダクトのURLドメイン内だけが機能の提供領域ではなく、様々なサイトにも表示されて使われる奥深さがあるため、プロダクトの開発領域はインターネット全般になっていきます。 その分、ユーザーとの接点が増えるため、インタフェースがより重要になります。 高度な技術を駆使しつつ最高のインタフェース作りに一緒に挑戦していきたい方からのご応募をお待ちしております。 【具体的な業務内容】 ●プロダクト開発の全体的な技術リード ●システムアーキテクチャの設計・改善 ●システム開発・運用 └フロントエンド開発 └バックエンド開発 └クラウドインフラの管理・運用 ●新しい技術の導入・評価 └コードレビューと品質管理 └データ収集・分析によるグロースハックの推進 └今後のエンジニアチームの構築とマネジメント └エンジニアリング文化の醸成と推進 以下記事に直近開発チームが取り組んできたことをまとめていますので、よろしければご参照ください。 https://note.com/stract/n/n494994a6292b #開発環境 ・TypeScriptの全面採用 弊社は、主要言語としてTypeScriptを全面採用しており、フロントエンド・バックエンド・インフラ定義において全面的にTypeScriptを用いています。 monorepoで基本的にすべてのpackageを一つのリポジトリで管理しており、コードの共通化ができております。 ・テクノロジースタック iOSアプリは、Web Componentで記述されているので、基本的にはReactを書いているのと感覚は同じです。他は、Next.js + Tailwind CSS + Vercel の組み合わせがメインとなっています。

・グループの展開する金融インフラ(資産運用、保険、その他)の開発もしくは、そのプラットフォーム上で稼働するアプリケーションの設計、開発、運用 ・新規金融インフラビジネスの立ち上げ、開発、運用 ・開発チームにおける技術検証・技術選定・技術的問題解決等のリード ・チームメンバーへの技術面でのサポート 【使用技術】 <サーバーサイド> Amazon Web Services Terraform / Packer Docker Go MySQL (Aurora) <フロントエンド> TypeScript (Vue.js / React.js) Webpack 5 【使用サービス】 Google Workspace Slack 1Password GitHub Kibela Backlog Datadog Opsgenie Bitrise

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

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

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

●業務の概要 ①生成AIを用いたプロダクト (Data AI Solution事業) 2024年4月に始動した新事業ユニットです。 生成AIを活用したデータ基盤の構築や、クライアントの業務課題を解決するカスタムシステムの開発を推進しています。 <具体的な業務内容> ・LLMを活用した業務システムの設計・開発 ・生成AIを活用したデータ基盤の構築 ・AI技術のリサーチ、プロトタイピング、および実用化支援 <関わるサービス> ・Finatext Advisory Assistシリーズ 　資産運用業務に特化した営業支援基幹システム 　1stパーティーデータ × 基幹システム × 生成AIを融合し、金融機関の営業業務の高度化と効率化を実現 　https://nowcast.co.jp/news/20240419/ 　https://nowcast.co.jp/news/20240905/ 　https://finatext.com/news/20250404/ ・MCPass(新規立ち上げ) 　組織内のAIエージェント接続を一元管理し、ガバナンスとセキュリティを支える「MCPゲートウェイ」プラットフォームの開発。 　金融機関を中心としたエンタープライズ向けプロダクトとして外部展開を目指して開発中です。 　https://nowcast.co.jp/news/20260417/ 　https://zenn.dev/finatext/articles/mcp-gateway-nowcast 　https://speakerdeck.com/mtpooh/mcpass-intro-dataopsnight10 ・Finstage Cowork(企業向けAI協働プラットフォーム) 　企業向けにAI×業務協働(バイブワーキング)の環境を提供する自社プロダクト。 　チャットから業務依頼・承認制御・実行までを一元化し、金融・規制業務でも導入しやすいガバナンスを備えたエンタープライズ向けのAI協働基盤です。 　MCPプロダクトと組み合わせ、現場のAI活用とIT部門の統制を両立します。 　https://finatext.com/finstage/cowork ②商業用不動産・店舗ビジネス向け新規プロダクト (Real Estate Unit) 2024年3月に新規事業として不動産業界向けのデータ活用プロダクトを展開。マイソク(物件概要書)の読み取り、ショッピングセンターのスクレイピング、営業自動化などの分野でLLMを活用していただきます。 <具体的な業務内容> ・不動産業界向けプロダクト(マイソク読み取り・SCスクレイピング・営業自動化など)の開発 ・LLMを活用した不動産データ解析および営業支援システムの開発 ・新規プロダクトにおける生成AIの活用検討・実装 <関わるサービス> ・「DataLens店舗開発」 　人流データや決済データなどの3rdパーティデータをベースとした商圏分析機能に当社の生成AI技術を組み合わせた店舗開発DXツール 　https://lp.datalenshub.com/ja-jp/property 　https://nowcast.co.jp/news/20260409/ ・「DataLensオフィス営業」 　AIとビッグデータを活用し「オフィス移転の可能性が高い企業」を特定できる営業支援サービス 　https://lp.datalenshub.com/office ③投資家向けソリューション (Financial Reserch Unit) オルタナティブデータを軸としたデータサービス事業を展開するユニット。 機関投資家向け個別銘柄分析サービス「AlternaData」や民間統計サービスを提供。現在はAIを活用し、投資家の意思決定や業務プロセスの高度化支援へと領域を拡大しています。 <具体的な業務内容> ・LLMを活用した決算説明資料等からの定量指標の抽出、およびデータパイプラインの構築 ・決算速報レポートの自動生成(IR支援、Paid Research向け) ・投資判断に有用なデータ(ECサイトの商品単価や予約サイトの待ち時間等)のスクレイピング・構造化 ・Excel等の財務モデルとAIを連携させたレポーティング業務の自動化 ④法人関連データの収集・構造化・プロダクト化 (Data Holder Unit) 法人関連データへの社内外からのニーズ増加に伴い、内製によるデータ収集・構造化を推進し、高頻度・高精度なデータプロダクトの提供を目指しています。 有価証券報告書や適時開示などのPDF/XBRLや企業HP等からの情報を抽出するミッションを、「LLMを情報の構造化における手段」と定義し、専属でデータパイプラインの設計・運用を担うエンジニアを募集しています。 <具体的な業務内容> ・データパイプライン構築: スクレイピングやOCR、LLMを組み合わせ、非構造化データ(有価証券報告書・適時開示・Webページ等)から情報を抽出・構造化するETL基盤の設計・運用 ・LLMOps/品質監視: LLMの確率的な出力に対する精度評価システムの構築および、モデル更新時の精度変化を継続的にモニタリングする監視体制の整備 ・品質保証の仕組み化: オペレーターによるチェックとAI自動評価を連携させ、大規模なデータ抽出における信頼性と効率性を両立する仕組み作り ⑤Finatextグループ ・証券ビジネスプラットフォーム「BaaS」 ・保険ビジネスプラットフォーム「Inspire」 ・クレジットビジネスプラットフォーム「Crest」 ●その他プロジェクト事例 エンタープライズ企業との共創による実運用フェーズの生成AIプロジェクトにも多数取り組んでいます。 ・ニッセイアセットマネジメントの社員発アイデアをもとにした生成AI社内アプリケーションを開発 　https://nowcast.co.jp/news/20240731 ・ナウキャスト、エムエスティ保険サービスの社員専用生成AI環境「AI-MO」を構築 　https://nowcast.co.jp/news/20250716/ ・ナウキャスト、東京海上アセットマネジメント社員専用の生成AIアプリケーション 「TMAM AI」を開発 　https://nowcast.co.jp/news/20250819/ ・ナウキャスト、大和アセットマネジメント専用の生成AIアプリケーション「DAM-AICore」を開発 　https://nowcast.co.jp/news/20260107/ ・ナウキャスト、三菱地所の全社データ分析基盤「SoDA」に生成AI駆動型のアプリケーション開発環境を構築 　https://nowcast.co.jp/news/20260218/ ●社員インタビュー ・刺激のある環境で成長速度を加速したい。裁量のある環境で挑戦し、視座を高めるLLMエンジニア 　https://finatext.com/recruit/finalog/interview_ikeda ●技術スタック Python、dbt、Airflow、Snowflake、Redshift、Terraform、Vue.js、React、AWS、Google Cloud、Azure、OpenAI

・プロダクト基幹機能のアーキテクチャ設計 ・システム設計 ・フロントエンド及びサーバーサイド実装 ・自動テスト設計/実装 etc 【使用技術】 Go gRPC+Connect TypeScript React Vue PostgreSQL (Aurora) Terraform Docker 【使用サービス】 GitHub GitHub Copilot Slack Amazon Web Services Datadog Google Workspace 1Password Kibela

・SPA, MPA, SSRなどによるWebアプリケーションの設計・実装・リリース ・バックエンドエンジニアとの設計議論、APIのIF設計 ・ディレクター・デザイナーとのUI/UX設計議論 ・業務メンバーからの業務要件聴取 【開発環境】 ・Amazon Web Services ・Terraform ・TypeScript (Vue.js / React.js) ・Webpack 5 【開発組織】 ・裁量権と自由度が高く、その分、責任も大きい ・開発関連の情報がオープン。他のチームのコードや設計資料などは原則自由に見ることができる ・主体性の高いメンバーが多い ・技術に関する議論が活発。議論にオープンなカルチャーがあり、シビアな議論になってもネガティブな雰囲気にならない

・SPA, MPA, SSRなどによるWebアプリケーションの設計・実装・リリース ・バックエンドエンジニアとの設計議論、APIのIF設計 ・ディレクター・デザイナーとのUI/UX設計議論 ・業務メンバーからの業務要件聴取 【使用技術】 Amazon Web Services Terraform TypeScript (Vue.js / React.js) Webpack 5 【使用サービス】 Google Workspace Slack 1Password GitHub Kibela Backlog Datadog Opsgenie Bitrise

●具体的な業務内容 ・金融インフラ(証券ビジネスプラットフォーム「BaaS」/ 保険ビジネスプラットフォーム「Inspire」/ クレジットビジネスプラットフォーム「Crest」)もしくは生成AI×データ活用のSaaSプロダクト(投資・不動産・業務支援領域)でのサーバー/インフラサイドの開発 ・上記プラットフォーム上に乗せるアプリのサーバー/インフラサイドの仕様設計、開発、運用・保守 ●開発チームについて ・https://finatext.notion.site/finatext/Finatext-cd4ff36fb8bd4aa78a7835565c655396 ●使用技術 Amazon Web Services Google Cloud Microsoft Azure Terraform Docker Alpine Linux, Amazon Linux Go / Python MySQL (Aurora) Airflow Snowflake OpenAI API ●使用サービス Google Workspace Slack Kibela 1Password GitHub Bitrise Backlog Datadog Opsgenie

・Scrumチームの1メンバーとして、開発/運用の両方を担っていただきます。 ・1週間のリリースサイクルの中で、投入した案件については、リリースまでに必要な全工程を実施します。 ・バックログの一覧に記載された粗い内容から、実現したい成果を定義し、手段を考え、開発し、リリースまで漕ぎつけます。 ・状況に応じて、コイン、ペア、モブなどの作業スタイルの使い分け、各々の知識/スキルに応じて、相互にスキルアップしながら作業を進めます。 【ミッション】 わたしたちのミッションは、 金融/Fintech分野において、レガシーなディーリング業務をデジタル化(DX化)し、あらゆるサービスに金融機能を付与できる世界を実現していくこと です。 【大切にしている価値観】 私たちは以下3点にこだわりを持っています。 1.プロダクト(事業)の成功にコミットする 2.全権を持ったリーダーは置かず、各々のロールを信頼する 3.各自のモチベーションとミッションを結びつけることでOutputを最大化する 【開発体制・環境】 ●フロント ・React ・Typescript/JavaScript ●バックエンド ・Java×SpringBoot ・Java×独自FW(性能、耐障害性を意識する専門性の高い領域) ●インフラ ・AWS 開発手法 ・Agile/Scrum ●その他 ・Slack、GitHub 【開発メンバーの裁量】 ・OS やエディタ、IDE といった個人の環境は、各自の責任で好きなものを使うことができる 企画を決定する場に、実装を担当する開発メンバーが参加している ・タスクの見積もりは、実装を担当するメンバーが中心となって行う ・全体のスケジュール管理は、途中の成果を随時確認しながら、納期または盛り込む機能を柔軟に調整する形で行う ・プロダクトの開発言語やフレームワークなど主要な構成技術は、基本的に最新版より1年以上ビハインドしていない 【コード品質向上のための取り組み】 ・本番にデプロイされるコードには、全てコードレビューまたはペアプログラミングを実施している ・「リファクタリングは随時行われるべき」という価値観をメンバー全員が共有しており、日常的に実施している ・何らかのコーディング規約をチーム全体で遵守するようにしている ・提出されたコードには自動的にリグレッションテストが実行される環境が構築されている ・コード品質評価ツールを導入して、メンバーが常に確認できるようにしている 【テストの実施度】 ・ほとんどのプロダクトコードに単体テストを記述、実施している ・ほとんどの機能に受け入れテストを記述、実施している ・機能の実装と同時にテストコードを記述している ・想定される複数環境での品質チェックを義務づけている 【アジャイル実践状況】 ・1ヶ月以下の短い期間でのイテレーション開発を実践している ・デイリーでスタンドアップミーティング、またはそれに準じるチーム内の打ち合わせを行っている ・イテレーションの最後などに、定期的にチームでふりかえりミーティングを行っている ・タスク見積もりの単位には絶対量(人日など)ではなく相対ポイントを用い、極力複数人の意見を調整する形で行っている ・継続的なデプロイ(デリバリー)を行っている 【ワークフローの整備】 ・全てのコードをバージョン管理ツールで管理している ・各メンバーが実装したコードのマージは Pull Request ベースで行われる ・自動(=システム化され、1コマンドで実行できる)ビルド、自動デプロイ環境が整備されている ・コードによるインフラ構成管理(Infrastructure as Code)の環境が整備されている 【オープンな情報共有】 ・開発に必要な全ての資料やデータ(個人情報を除く)は、実装を担当するメンバーなら誰でも、上長その他の許可の必要なく自由に閲覧できる ・KPI などチームの目標・実績値について、メンバーの誰もがいつでも閲覧可能になっている ・チャットツールを導入しており、チームのためのチャットルームがある ・専用の情報共有ツールを使って、ノウハウや議事録、日報などの情報共有を行っている ・特定の人だけしかできない業務が存在しない(属人性をなくす取り組みをしている) 【労働環境の自由度】 ・仕事中、イヤホンの装着が許容されている ・フレックスタイム制または裁量労働制を採用している ・リモート勤務を行うことができる(要相談) 【メンバーの多様性】 ・外国籍の開発メンバーがいる ・育児中の開発メンバーが在籍している ・開発メンバーの新卒採用を実施している 【技術カルチャー】 ・CTO またはそれに準じる、技術やワークフローの標準化を行う役割の人・部門が存在する ・取締役(社内)または執行役員として、エンジニアリング部門の人間が経営に参加している ・経営トップがエンジニア出身、または現役のエンジニアである ・エンジニアの人事評価にエンジニアが関わっている ・エンジニアを対象にした勉強会(Simplex Tech Day)、カンファレンスを主催したことがある (雇入れ直後)システムの開発及びコンサルティング (変更の範囲)会社の定める業務 ※雇い入れ直後の業務内容は求人によって異なります。

【主な業務内容】 フィリピンからの開発移管に伴う、コードベースの品質改善・バグ修正・リファクタリング PHP (Laravel) を用いたバックエンドの新規機能開発・APIバージョン管理 生成AIツール(GitHub Copilot, Cursor等)を活用した効率的な開発実践 プロダクトチームやCS(カスタマーサクセス)チームと連携した上流からの仕様検討 【開発環境・技術スタック】 フロントエンド:React, TypeScript(フロントエンドポジション必須) バックエンド:PHP, Laravel(バックエンドポジション必須) インフラ:AWS (EC2, Aurora など) その他: 生成AIツールの積極活用、GitHub、各種クラウドインフラ 【働き方】 ワークライフバランスの実現 フレックス勤務制度やハイブリッド勤務体制(リモート×出社)を導入 経験者がスムーズに立ち上がれる、オープンな情報共有とナレッジ環境 「助け合い」「情報共有」「ナレッジ活用」を重視し、一人で抱え込まずにキャッチアップできる環境 【キャリアパス】 個人の志向性に合わせた柔軟な評価・キャリア設計 MBO制度を導入しており、半年に一度の目標設定を行っています。会社の目指す方向性と個人のありたい姿から逆算し、今どのような挑戦やキャリアを重ねていくかを上長と相談しながら設定することで、一人ひとりの成長を伴走します。 「役割をゼロから創れる」立ち上げ初期ならではの裁量と柔軟性 現在は国内開発チームの立ち上げ初期フェーズだからこそ、決まった枠組みに縛られる必要はありません。ご自身の「やりたいこと」や「キャリアの志向性」に合わせて、役割を自ら創り、入っていくことが可能です。 〈描けるキャリア例〉 テックリード: アーキテクチャ選定や技術的課題の解決を牽引 EM / PL: チームビルディングや開発プロセスの構築・推進 PM・PMO: CSや事業側と深く連携し、プロダクトの企画・仕様検討からコミット 【入社後に期待すること】 ●入社直後〜3ヶ月: 既存コードの解読、バグ修正や小さな機能追加を通じてドメイン(アルムナイ領域)とコードベースの理解を深める。先輩エンジニアのサポートのもとで業務を進める。 ●半年後: 「詳細な要件定義から実装・テスト・リリースまでの一連のプロセスを1人で完遂できる」状態を目指す。

【主な業務内容】 老朽化UIの刷新:レガシーになりつつあるフロントエンドコードのTypeScript化・Reactでのコンポーネント再設計・リファクタリング ユーザー体験(UX)の向上:B向け管理画面の操作性向上、およびC向けSNS(コミュニティ機能)のレスポンシブ・UI改善 CS(カスタマーサクセス)やデザイナー・プロダクトチームとの連携:ユーザーの声をもとにした画面仕様の検討 生成AIを活用した開発実践:CursorやGitHub Copilot等の生成AIツールをフル活用した効率的なフロントエンド実装・テストの推進 技術的リード・育成:ジュニアエンジニアへのコードレビュー、開発ナレッジの共有、フロントエンド品質基準の策定 ※ご志向に合わせたアサインや挑戦が可能です。 【開発環境・技術スタック】 フロントエンド: React, TypeScript バックエンド: PHP, Laravel インフラ:AWS (EC2, Aurora など) その他: 生成AIツールの積極活用、GitHub、各種クラウドインフラ ※上記スタックの経験年数や種類に強く固執せず、「課題に対して最適な技術を選択・適用できるか」を重視します。 【働き方】 ワークライフバランスの実現 フレックス勤務制度やハイブリッド勤務体制(リモート×出社)を導入 経験者がスムーズに立ち上がれる、オープンな情報共有とナレッジ環境 「助け合い」「情報共有」「ナレッジ活用」を重視し、一人で抱え込まずにキャッチアップできる環境 【キャリアパス】 個人の志向性に合わせた柔軟な評価・キャリア設計 MBO制度を導入しており、半年に一度の目標設定を行っています。会社の目指す方向性と個人のありたい姿から逆算し、今どのような挑戦やキャリアを重ねていくかを上長と相談しながら設定することで、一人ひとりの成長を伴走します。 「役割をゼロから創れる」立ち上げ初期ならではの裁量と柔軟性 現在は国内開発チームの立ち上げ初期フェーズだからこそ、決まった枠組みに縛られる必要はありません。 ご自身の「やりたいこと」や「キャリアの志向性」に合わせて、役割を自ら創り、入っていくことが可能です。 ●描けるキャリア例: テックリード: アーキテクチャ選定や技術的課題の解決を牽引 EM / PL: チームビルディングや開発プロセスの構築・推進 PM・PMO: CSや事業側と深く連携し、プロダクトの企画・仕様検討からコミット

【主な業務内容】 ・オフィシャル・アルムナイの機能開発、運用保守、リファクタリング・バグ修正 ・日本国内チームへの移管に伴うコードベースの品質改善・開発プロセスの再構築 ・生成AI(GitHub Copilot等)を活用した開発スピード(D)・品質(Q)の向上施策 ・業務要件に基づいた技術的なアーキテクチャ選定・設計・実装・テスト ・プロダクトチームやCS(カスタマーサクセス)チームと連携した上流からの仕様検討 ・ジュニアエンジニアのフォロー・ナレッジ共有 ※ご志向に合わせたアサインや挑戦が可能です。 【開発環境・技術スタック】 ・フロントエンド: React, TypeScript ・バックエンド: PHP, Laravel ・インフラ:AWS (EC2, Aurora など) ・その他: 生成AIツールの積極活用、GitHub、各種クラウドインフラ ※上記スタックの経験年数や種類に強く固執せず、「課題に対して最適な技術を選択・適用できるか」を重視します。 【働き方】 ・ワークライフバランスの実現 フレックス勤務制度やハイブリッド勤務体制(リモート×出社)を導入 ・経験者がスムーズに立ち上がれる、オープンな情報共有とナレッジ環境 「助け合い」「情報共有」「ナレッジ活用」を重視し、一人で抱え込まずにキャッチアップできる環境 【キャリアパス】 ・個人の志向性に合わせた柔軟な評価・キャリア設計 MBO制度を導入しており、半年に一度の目標設定を行っています。会社の目指す方向性と個人のありたい姿から逆算し、今どのような挑戦やキャリアを重ねていくかを上長と相談しながら設定することで、一人ひとりの成長を伴走します。 ・「役割をゼロから創れる」立ち上げ初期ならではの裁量と柔軟性 現在は国内開発チームの立ち上げ初期フェーズだからこそ、決まった枠組みに縛られる必要はありません。ご自身の「やりたいこと」や「キャリアの志向性」に合わせて、役割を自ら創り、入っていくことが可能です。 〈描けるキャリア例〉 ・テックリード: アーキテクチャ選定や技術的課題の解決を牽引 ・EM / PL: チームビルディングや開発プロセスの構築・推進 ・PM・PMO: CSや事業側と深く連携し、プロダクトの企画・仕様検討からコミット 【入社後に期待すること】 ・入社直後〜3ヶ月: 不具合修正や小〜中規模開発を通じた、既存コード構造およびプロダクト(ドメイン)の理解 ・半年後: 中規模な機能開発において、要件の整理からリリースまでを自律的に完遂できる状態

【主な業務内容】 老朽化UIの刷新:レガシーになりつつあるフロントエンドコードのコンポーネント再設計・リファクタリング ユーザー体験(UX)の向上:B向け管理画面の操作性向上、およびC向けSNS(コミュニティ機能)のレスポンシブ・UI改善 CS(カスタマーサクセス)やデザイナー・プロダクトチームとの連携:ユーザーの声をもとにした画面仕様の検討 品質改善・パフォーマンス向上:移管に伴う既存バグ解消および動作パフォーマンスの改善 生成AIを活用した開発実践:CursorやGitHub Copilot等の生成AIツールをフル活用した効率的なフロントエンド実装・テストの推進 【開発環境・技術スタック】 フロントエンド:React, TypeScript(フロントエンドポジション必須) バックエンド:PHP, Laravel(バックエンドポジション必須) インフラ:AWS (EC2, Aurora など) その他: 生成AIツールの積極活用、GitHub、各種クラウドインフラ 【働き方】 ワークライフバランスの実現 フレックス勤務制度やハイブリッド勤務体制(リモート×出社)を導入 経験者がスムーズに立ち上がれる、オープンな情報共有とナレッジ環境 「助け合い」「情報共有」「ナレッジ活用」を重視し、一人で抱え込まずにキャッチアップできる環境 【キャリアパス】 ●個人の志向性に合わせた柔軟な評価・キャリア設計 MBO制度を導入しており、半年に一度の目標設定を行っています。会社の目指す方向性と個人のありたい姿から逆算し、今どのような挑戦やキャリアを重ねていくかを上長と相談しながら設定することで、一人ひとりの成長を伴走します。 ●「役割をゼロから創れる」立ち上げ初期ならではの裁量と柔軟性 現在は国内開発チームの立ち上げ初期フェーズだからこそ、決まった枠組みに縛られる必要はありません。ご自身の「やりたいこと」や「キャリアの志向性」に合わせて、役割を自ら創り、入っていくことが可能です。 〈描けるキャリア例〉 テックリード: アーキテクチャ選定や技術的課題の解決を牽引 EM / PL: チームビルディングや開発プロセスの構築・推進 PM・PMO: CSや事業側と深く連携し、プロダクトの企画・仕様検討からコミット 【入社後に期待すること】 ●入社直後〜3ヶ月: 既存のReact/TypeScriptコードベースの理解、CSから上がる小さな不具合修正や既存コンポーネントの修正。 ●半年後: 1つの機能における「画面の仕様検討・設計〜Reactでの実装・テスト〜リリース」までを、先輩のサポートを受けつつ1人で完遂できる状態。

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