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

ハコベル株式会社

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

ハコベル株式会社

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

ハコベル株式会社

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!

株式会社情報戦略テクノロジー

ミッション:地場企業のDXを「隣」で支える 九州エリアを代表する企業のパートナーとして、ビジネスの成功に直結するシステム開発を推進します。 私たちが大切にしているのは、指示通りの開発を行うことではなく、顧客の隣で本質的な課題を議論し、解決策を提案・実装する『 0次DX 』というスタイルです。エンジニアの技術力を、そのまま地元企業の成長と活気へと繋げることが最大のミッションです。 想定業務およびプロジェクト例 クライアントの一員のような距離感で、要件定義から設計・開発まで幅広く携わっていただきます。最近はAIを積極的に活用するプロジェクトも増えています。 1.国内最大級インターネットサービス開発 大手インターネットサービス事業者が提供するホスティングサービスやプロバイダー事業にまつわるシステム開発に携わっていただきます。 技術スタック: C#, TypeScript, React, ASP.NET Core, AWS, MongoDB　等 特色: AI駆動開発(Devin, Claude Code等)の積極導入。マーケターや営業部門と直接折衝し、サービス改善をリードします。 2.大手金融機関向け・資産運用/ライフプラン提案システム開発 投資信託分析やライフプランシミュレーション等、エンドユーザー(行員・顧客)が直接触れる業務支援システムの開発に携わっていただきます。 技術スタック: Java, Kotlin, Spring Boot, React, Vue.js, Docker, AWS　等 特色: エンドユーザーと直接コミュニケーションを取り、アジャイル・スクラム開発で、現場の声を即座に反映させるスピード感のある開発です。

株式会社情報戦略テクノロジー

顧客である大手事業会社に対して、顧客直で開発プロジェクトへ参画していただきます。 弊社の現場マネージャー、エンジニアと一緒に、ISTチームとして上流から下流まで一気通貫で携わっていただきます。 ■業務詳細 要件定義～設計～開発～テスト～リリース・リリース後対応など、 上流から下流まで一気通貫でご対応いただきます。 参画直後は、ご自身のこれまでの経験+αをお任せして、 徐々に対応範囲を広げていっていただくケースが多いです。 弊社社員がいる現場(3名～20名)で、業務インプットの支援体制などもある環境で入っていただけるので、 参画からの立ち上がりもスムーズに行えます。 ※案件事例※ ①業務内容 大手証券会社のAI CoE組織にて、LLMと連携したAIアプリケーションのバックエンド開発をご担当いただきます。 AIを活用した新規アプリケーション開発、および既存アプリケーションのエンハンス開発が主な業務です。 アジャイル(スクラム)開発を採用しており、企画段階から顧客と密に連携し、 要件定義、設計、実装、テスト、リリースまで一気通貫で携わっていただきます。 当社からは既に8名のエンジニアがチームとして参画しており、フォロー体制も万全です。 安心して業務にキャッチアップし、パフォーマンスを発揮できる環境です。 ②技術スタック・使用ツール 言語:Java (Spring Boot), Python フロントエンド:Angular, React データベース:MySQL など 開発手法:アジャイル(スクラム) その他:生成AI, LLM 【主要な開発言語】 バックエンド　:Java(Spring Framework) / PHP(Laravel) / Go / Ruby …etc フロントエンド:JavaScript(Vue.js / React.js / Angular) / TypeScript モバイル　　　:Kotlin / Swift / React Native / Flutter ■入社直後のプロジェクト参画イメージ まずはこれまでの経験に応じたフェーズを担当していただきます。 初月はPCセットアップ・環境構築から始まり、 業務把握のためのインプット・ドキュメント読み込み・弊社社員との会話、 上記と並行しながら、徐々に業務にも入っていただきます。 ■参画時のサポート体制 弊社は2次請け・3次請けのSES企業から転職されてくる方が多くいますが、 仕事の進め方や業務上の困りごと・相談事項などは、弊社社員に聞ける環境があります。 Slack等を使ったライトなコミュニケーションも取りやすいため、 スムーズに立ち上がれる方が多いです。 単なる連絡だけでなく、チーム全体で「みんなで話し合いながら問題に立ち向かう」文化が根付いています。 自分の意見を話しやすい環境で、主体性を発揮しながら働けるため、充実感を持って働くことができます。 ※特に、議論や話し合いを通じてチームで物事を進めることにやりがいを感じる方にはフィットする環境です。

ハコベル株式会社

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。

JAPAN AI株式会社

・顧客課題の発見・設計 顧客の業務プロセス・データ環境・既存 SaaS 群の全体像を深く理解し、AI で解決すべき課題を特定 AI がどう介入すれば効率化・最適化できるかを設計する 利害関係者 (経営層〜現場担当者) との関係構築・調整 課題の構造化・仮説構築・ソリューション提案 ・ワークフロー構築・PoC の高速実装 JAPAN AI STUDIO を活用した業務ワークフローの構築 (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 顧客の既存 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・伴走 本番導入の技術支援・運用設計 セキュリティ・コンプライアンス要件への対応 導入後の利用定着支援・改善提案 ・プロダクトフィードバック 顧客フィードバックのプロダクトチームへの還元 新規ユースケースの発見・提案 プロダクト改善に繋がるパターンの抽出・体系化 【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 : 製造業の「SaaS 疲れ」を解消する企業の脳の構築 従業員 500名の製造業の顧客。 SmartHR / 楽々精算 / kintone / Salesforce を個別に運用しており、部門間のデータ連携は手作業で行われている。 現場ヒアリングで「月末の経費精算に 1人あたり 2時間かかっている」「営業が受注情報を 3つのシステムに手入力している」という課題を発見。 JAPAN AI STUDIO で各 SaaS を API 連携し、経費精算の自動承認ワークフローと受注データの自動連携エージェントを 2週間で構築。 月間 400時間の業務削減を実現し、他部署への展開 (アップセル) に繋げる。 ● シナリオ 2 : 金融機関の 24時間見込み顧客探索エージェント 地方銀行の法人営業部門。 営業担当者が手動で企業情報を調査し、アプローチリストを作成している。 1件あたり 30分かかり、1日 10件が限界。 JAPAN AI STUDIO で企業データベース・ニュースフィード・決算情報を統合し、AI エージェントが 24時間体制で見込み顧客を探索・スコアリングするワークフローを構築。 営業担当者は毎朝、AI が優先順位付けしたアプローチリストを受け取るだけの状態に。 アプローチ数が 3倍に増加し、受注率が 15% 向上。 ● シナリオ 3 : 小売業の稟議承認プロセスの AI 化 全国 50店舗を展開する小売業の顧客。 店舗からの発注稟議が紙ベースで、本部での承認に平均 5営業日かかっている。 現場観察で「承認者が出張中に稟議が滞留する」「過去の類似稟議を参照できない」という課題を特定。 JAPAN AI STUDIO で稟議データを構造化し、AI が過去の承認パターンを学習して一次判断を行うワークフローを構築。 承認リードタイムを 5営業日から 1営業日に短縮。 この成功事例をプロダクトチームにフィードバックし、JAPAN AI AGENT の標準テンプレートとして全顧客に展開。 ●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。 ●AI ソリューションエンジニアについて AI ソリューションエンジニアは、Palantir 社が確立した FDE (Forward Deployed Engineer) を、AI エージェント時代にアップデートしたポジションです。 顧客の最も困難な業務課題を、AI と自社プロダクトを武器に解決します。 ・SIer / SES でのエンジニア 受け取った仕様書通りに実装する 客先常駐で開発リソースを提供する 多重下請け構造の中で顧客と距離がある 特定領域・特定技術の深掘り ・本ポジション 顧客と直接対話し、課題を発見して仕様を自ら定義する 自社オフィスを拠点に、自社プロダクトで顧客課題を解決する 経営層から現場担当者まで、顧客と直接信頼関係を築く フルスタック × AI × ビジネス理解 受託開発でも客先常駐でもありません。 顧客現場で課題を発見し、軽量な PoC を高速実装し、本番導入まで伴走する。 その過程で得た知見がプロダクトを進化させます。 ●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120名が開発組織に在籍しています。 チームは現在6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

JAPAN AI株式会社

・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

JAPAN AI株式会社

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

JAPAN AI株式会社

プロダクト要件・アーキテクチャ設計 ビジネス目標・顧客課題からプロダクト要件を体系化し、技術アーキテクチャへ翻訳 機能境界・ドメイン設計、データ契約、API 仕様の策定 RFC 駆動の設計レビュー・意思決定プロセスの運営 LLM / 生成 AI を活用したプロダクト設計 (RAG、tool-use、guardrails 等) 技術選定・トレードオフ判断 買う / 作る / 統合 (Build vs Buy vs Integrate) の技術選定 非機能要件 (可用性・拡張性・セキュリティ・コスト) の設計と品質属性トレードオフ判断 技術的負債の可視化と計画的解消のロードマップ策定 横断的協働・ロードマップ エンジニアリングチーム・PdM・デザイナーとの横断的協働 プロダクトロードマップの策定・推進 技術的負債の可視化と計画的解消のロードマップ策定 【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: 新プロダクトラインの立ち上げ エンタープライズ顧客から「AI エージェントによる社内ナレッジ検索」の強いニーズを発見。 市場調査・顧客インタビュー・技術検証を経て、プロダクト要件を定義。 RAG アーキテクチャの設計、データパイプラインの技術選定、MVP のスコープ定義までをリードし、3 ヶ月でベータリリースを実現。 ● シナリオ 2: Build vs Buy のアーキテクチャ判断 音声 AI 機能の拡張にあたり、自社開発 vs 外部 API 統合の判断が必要に。 コスト・品質・開発速度・カスタマイズ性の 4 軸で比較分析を行い、RFC を起票。 エンジニアリングチームとの設計レビューを経て、ハイブリッドアプローチ (コア機能は自社開発、周辺機能は外部 API) を決定。 ● シナリオ 3: 品質属性のトレードオフ判断 JAPAN AI AGENT のレイテンシ P95 が目標値を超過。 可用性・コスト・レイテンシのトレードオフを分析し、推論キャッシュの導入とモデルルーティングの最適化を提案。 エンジニアリングチームと協働して実装し、レイテンシを 30% 改善しつつコスト増を 5% 以内に抑制。 ●ミッション 何を作るかを決める プロダクトの「何を・なぜ・どう作るか」を技術とビジネスの両面から定義し、AI プロダクトの成功確率を最大化する。 ●期待する役割について Product Manager として、JAPAN AI のプロダクト群全体のアーキテクチャ設計と技術戦略をリードしていただきます。 ビジネス目標・顧客課題からプロダクト要件を体系化し、技術アーキテクチャへ翻訳する 機能境界・ドメイン設計・API 仕様の策定をリードする Build vs Buy vs Integrate の技術選定を行い、最適な投資判断を導く 非機能要件 (可用性・拡張性・セキュリティ・コスト) のトレードオフ判断を行う エンジニアリングチーム・PdM・デザイナーとの横断的協働を通じて、プロダクトの方向性そのものを決定する 技術的負債の可視化と計画的解消のロードマップを策定する ●成果責任 (KR/メトリクス) プロダクトロードマップ達成率 アーキテクチャレビュー起因の手戻り率 新機能リリースサイクル短縮 プロダクト品質属性 ●チーム体制 約120名が開発組織に在籍しています。 Product Architectは以下のチーム・ステークホルダーと密接に連携します: Agentic Product Engineer — エージェント機能開発 Human-AI Collaboration Architect — エージェント体験設計 FDE — 顧客要件・フィードバック 経営層 — 事業戦略・投資判断 ●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, RAG, Agent Framework インフラ : GCP (コンテナ / K8s) , Docker, Terraform 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

JAPAN AI株式会社

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

JAPAN AI株式会社

●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

JAPAN AI株式会社

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

JAPAN AI株式会社

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

SALESCORE株式会社（セールスコア）

●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。

ハコベル株式会社

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。生成AIを活用した高速開発を基盤として、各事業領域の技術的ボトルネックを解決し、組織全体の開発効率と技術基盤の向上を実現するのが主な役割です。 具体的には、以下のような業務に携わっていただきます: ・技術POCと新規領域の実装 　-各事業領域から持ち上がる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・検証し、実装可能性を判断 ・データ基盤・基盤システムの企画・構築 　-複数事業にまたがるデータ分析基盤、顧客基盤、マスタデータ管理などの基盤整備を推進 ・認証・アカウント基盤の統一化 　-既存プロダクト間の認証方式の統一、SSO導入など、全社横断的な認証基盤の構築 ・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 ・技術スタック・ライブラリの選定・導入 　-不確実性の高い要件に対し、生成AIを活用して最適な技術選択を行い、チーム内で展開 ・VPoT・各プロダクトマネージャーとの技術的な相談対応 　-技術的な実装方針の検討、アーキテクチャレビュー、開発効率改善の提案 こちらはあくまで一例となるため、状況に合わせて優先度判断をしながら柔軟に広範囲の課題に対して取り組みます。 【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代の若手メンバーが活躍しています! ●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

ハコベル株式会社

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。

株式会社GROWTH VERSE

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

株式会社STRACT

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。

株式会社Finatext

・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

キャディ株式会社

<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

株式会社ナウキャスト

●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/

株式会社ナウキャスト

●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/

株式会社ナウキャスト

●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

株式会社Finatext

・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

株式会社Finatext

・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

株式会社Finatext

・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

株式会社Finatext

●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

株式会社セラクCCC

システムを作る人から、顧客成果を創る人へ。 Salesforce・AIを活用しながら、大手企業の営業DXを支援。 技術だけでなく、業務改善・定着支援・コンサルティングまで担う次世代DX人材を募集 ●いまの仕事で、こんな想いをお持ちではありませんか? ・運用保守や常駐開発が中心で、この先のキャリアに不安がある ・システムを作っても、その後どう活用されているかわからない ・顧客と直接向き合いながら課題解決に携わりたい ・技術力だけでなく提案力やDXコンサルティング力も身につけたい ・AIやDXなど成長市場で市場価値を高めたい セラクCCCではSalesforceやAIを導入するだけではなく「活用される仕組み」と「成果が出る状態」をつくることを大切にしています。技術とビジネスの両方を理解しながら顧客の営業変革を支援しています。 ●ポジション概要 大手企業の営業部門・営業企画部門・DX推進部門に対して、Salesforceを中心としたクラウドサービスの活用支援を行います。 単なるシステム運用や開発ではなく、 ・現状業務の整理 ・課題抽出 ・活用促進/定着支援 ・業務改善 ・AI活用推進まで一気通貫で担当します。 「導入して終わり」ではなく、成果が出るまで伴走するカスタマーサクセス型DX人材として成長できるポジションです ●仕事内容 大手企業の営業DXプロジェクトに参画 お客様の課題解決や業務改革を実現するために、SalesforceやAIを活用した支援を行います。 ①顧客課題のヒアリング:業務課題の整理・業務フロー分析 ②営業DX推進:SFA・CRM定着支援・データ活用支援 ③カスタマーサクセス:利用状況分析・活用促進施策の企画 ④業務改善:業務フロー改善・営業プロセス改善 ⑤AI活用支援:AI活用提案・活用シナリオ設計 ●入社後 1年目:SalesforceやAIの知識を身につけながら、先輩社員とともにプロジェクトへ参画。 2〜3年目:課題整理から改善提案、定着支援まで一貫して担当します。 3〜5年目:顧客の変革をリードする存在へ。 ●入社理由・その後の支援プロジェクト事例 <元インフラエンジニア> 監視や運用だけではなく、お客様の課題解決に直接携わりたいと思ったからです。 現在は大手企業向け営業DXプロジェクトでSalesforce活用支援やAI活用推進を担当しています。 <元運用保守エンジニア> システムを維持するだけではなく、業務改善や成果創出に挑戦したいと思いました。 現在は顧客との定例会に参加し、活用促進や定着支援を担当しています。

株式会社ハッカズーク

●サービス概要 『退職で終わらない企業と個人の新しい関係を実現して、退職による損失を無くす』をサービスミッションに、アルムナイに特化したサービスを提供しています。 アルムナイとは「卒業生」を意味し、従来は大学の卒業生を表す言葉として使われていますが、人事領域では「企業の卒業生」や「OB/OG」「退職者」を意味し、人事領域で注目を集めています。 ハッカズークは、日本におけるアルムナイ(退職者)ネットワークの先駆けとして、企業と「アルムナイ」との関係性に着目しています。これまで「退職者=裏切り者」というネガティブなイメージを持たれがちであった日本の雇用慣行を、「別れを資産」へと変革していくことを目指しています。 アルムナイ専用のクラウドシステム提供などを通じて、企業が円滑かつ継続的に退職者の方々と良好な関係を築けるようにサポートしています。 提供サービス 「オフィシャル・アルムナイ」※大手企業様が100社以上導入しているシステムです(https://official-alumni.com/) 提供メディア「アルムナビ」(https://alumnavi.com/) PIVOTに代表が出演「アルムナイとは何か」(https://www.youtube.com/watch?v=yFfUOjXI08Y) 毎日新聞に大阪拠点開設の記事が掲載 スキルや経験に合わせ、各フェーズのミッションを推進していただきます。 【業務例】 ・老朽化したフロントエンドのUI/UXアップデートおよびモダン化 ・バックエンド(PHP/Laravel)やサーバーインフラのアーキテクチャ見直し、新旧APIのバージョン管理・移行 ・既存サービスへの機能追加・追加開発 ・生成AI(CursorやGitHub Copilotなど)を活用した、既存仕様の紐解きとMarkdown形式の設計書の作成・整備 ・AIに任せるコンポーネントテストやリグレッションテストコードの生成・量産化 ・AIを活用したコードレビューやプロンプトの整備など、品質向上のための仕組みづくり ・プロダクトチームやCS(カスタマーサクセス)チームと連携した最上流からの仕様検討 【技術スタック】 ・フロントエンド: JavaScript / TypeScript, React ・バックエンド: PHP, Laravel ・インフラ: AWS (EC2, Aurora など) ・開発環境: VSCode, 各種最新AIツール(GitHub Copilot, Cursor, ChatGPT, Claude など)