英語活用 ReactのITエンジニア求人・転職情報

【エンジニアリング領域】 ・製造業のお客様の商品企画・設計開発・研究開発部門に対して、デジタルを活用した製品・サービス開発の戦略策定、ロードマップ策定を行います。 ・戦略策定から、システムの導入、海外を含む各拠点へのロールアウトから業務定着の支援、システムの保守・運用まで、すべてのフェーズに対して一気通貫でのコンサルティング、実装支援を提供します。 【ソフトウェア/サービス領域】 ・自社の製品にデジタルによる付加価値を付けたいお客様や、ハードとソフト/クラウドを融合した新規サービスを開始したいお客様に対し、その実現を支援します。 ・製品/サービスの検討・推進、プロトタイピングやソリューションアーキテクチャーの検討・設計、及びソフトウェア開発まで一気通貫で提供します。

ユーザーリサーチからUI/UXデザイン、プロトタイピング、デザインシステムの構築・運用まで、プロダクト体験に関わるデザイン業務全般を担当していただきます。 AI ツールを活用した高速な検証サイクルの中で、定量・定性の両面からユーザー体験を磨き上げていく役割です。 【業務範囲】 ・ユーザーリサーチ(インタビュー、アンケート、行動分析)の設計・実施・分析 ・ユーザージャーニーマップ、ペルソナ、シナリオの作成・更新 ・Web・モバイルアプリの UI/UX デザイン(Figma を中心としたツールで制作) ・ワイヤーフレーム、インタラクティブプロトタイプの作成と検証 ・A/B テスト、ユーザビリティテストの設計・実施・改善提案 ・デザインシステム(コンポーネント、トークン、ガイドライン)の構築・運用 ・エンジニア・PdM との協働による仕様策定とデザインレビュー ・AI ツールを活用したデザインワークフローの効率化 ・デザイン品質基準の策定とチームへの浸透 【利用するツール】 ・Figma / FigJam(デザイン・プロトタイピング・コラボレーション) ・Claude / ChatGPT / Midjourney / DALL-E 等の生成 AI ツール ・Cursor / 各種 MCP ツール(AI 支援によるデザイン資産管理・ドキュメント生成) ・Notion / Slack(ドキュメント・コミュニケーション) ・Amplitude / Google Analytics / Hotjar 等の分析ツール ・GitHub(デザインレビュー・エンジニア連携)/ Storybook(コンポーネントカタログ) 【資質(ユーザー志向・構造化力・探索性)】 ・ユーザーの行動・感情を深く理解し、体験価値を最大化することへの強い執着 ・曖昧なビジネス要件やユーザー課題を構造化し、デザインで解決策を提示できる論理的思考力 ・AI 活用という未確立な領域において、新しい手法を積極的に試し、失敗から学べる探究心と柔軟性 ・完璧を求めすぎず、素早くプロトタイプを作って検証する「まずやってみる」姿勢 【具体スキル】 ・Figma を用いた UI デザイン・コンポーネント設計・プロトタイピングの実務経験 ・ユーザーリサーチ手法(インタビュー、ユーザビリティテスト、サーベイ等)の実践 ・デザインシステムの構築・運用経験(トークン設計、コンポーネント管理、ドキュメント整備) ・レスポンシブデザイン・モバイルファーストのデザイン思考 ・デザインの意図・根拠を言語化し、ステークホルダーに説明できるプレゼンテーション力 ・定量データ(KPI、コンバージョン、離脱率等)に基づく改善提案力 ・基礎的な HTML/CSS/JavaScript の理解(実装は不要、エンジニアとの円滑な連携のため) ・意欲的に AI ファーストで新技術を吸収し、従来手法からの柔軟なアンラーニングができる適応力

エンジニア職 顧客起点の経営変革が求められる現在、EY グローバルでも注力分野とされる Customer Technology 領域において、チームを新設しました。マーケティング、営業、カスタマーサービス、e コマースといった顧客接点業務の全体最適を図り、エンゲージメントの最大化と LTV(Life Time Value)向上を支援します。組織立ち上げフェーズならではの裁量とダイナミズムを享受しながら、専門家との協働を通じて実践的な知識を深め、キャリアの飛躍を実現できる機会です。 当チームは、絶え間ない市場環境の変化にさらされる顧客接点領域の変革をタイムリーかつ着実に実現すべく、コンサルティングとエンジニアリングを融合させ、顧客体験(CX)デザインからアーキテクチャ設計、ソリューション導入、継続的エンハンス支援まで、End to End で携わります。メンバーには、以下のいずれか、または複数の役割を担当いただきます。 ① アーキテクチャデザインと実現可能性検証 Sales & Commerce に関わる領域は複数の仕組みの融合によるエコシステムで構成されます。 CRM(顧客管理)を中心としながら、SFA、コンタクトセンター、eCommerce ストアフロント、マーケティングオートメーション、CDP/DMP なCustomerTech の核となるソリューション群と、クライアントの既存環境にある Enterprise アプリケーションとの連携を含めた整合が必要です。変革の目的達成に向けて、こ れら関連する仕組み全体のアーキテクチャの設計を的確に行い、検証を踏まえながら実現可能なアーキテクチャを立案します。 ② ソリューション導入と継続的エンハンス支援 採用するソリューションに関する専門的知識と技術力を活かして、要件定義から設計・構築/実装/テスト、移行・展開、業務定着まで一連の導入プロセスをリードします。 ソリューション導入がゴールではなく、その後も絶えず変化するビジネス環境に追従すべく継続的な進化が求められます。ビジネス要求に応じたタイムリーなエンハンスに伴走し、時にはカスタマージャーニーや業務プロセスにおけるあるべき顧客体験(CX)を UX/UI の専門家とともに仮説立案・検証を繰り返しながら、顧客体験(CX)および従業員体験(EX)の高度化を支援します。 ③変革を着実にリードするプロジェクト推進 ビジネス変革の目的に応じた最適なマネジメント手法(多くはアジャイルな手法との組み合わせ)を用いてプロジェクト全体の推進を担います。変革の構想段階から顧客意思決定層と議論を交わし、現場責任者から担当者まで複数部門にまたがり利害関係の異なるステークホルダーと密にコミュニケーションを取りながらプロジェクトの成功を主導します。

顧客ターゲットはプライムが基本となっており、プライム案件においてベトナム子会社のエンジニアと一緒に仕事をするグローバルチームプロジェクトのディレクター/PL/PMを募集します。 プライム顧客への要望ヒアリング等の上流フェーズ、ベトナム子会社のエンジニアへの指示出しと成果物確認などのブリッジ業務、更にはプロジェクト計画の策定や見積もり・提案等の各種プロジェクトマネジメントの役割を担っていただきます。プライム案件の獲得(提案)から、プロジェクト全体をリードして頂く事を期待しており、提案活動、プロジェクト立上げ、クライアントワーク、デリバリー、終結まで一環したプロセスの経験を得ることができます。 海外のエンジニア、様々な業種のお客様(時には海外のお客様も)と直接相対して折衝していく事で、PMとして必要な交渉・折衝スキルを習得、発揮できます。 *********************************************************************************************** 【動画のご紹介】 システムソリューション事業部のカルチャーや、「はたらいて、笑おう。」を実現するための制度・取り組みについて 30秒～1分ほどのショート動画でご紹介しております。ぜひご覧ください。 (https://note-it.persol-xtech.co.jp/n/na642e98915d8) *********************************************************************************************** 担当職種の変更の範囲:会社の定める職種(出向を命じることがあり、その場合は出向先の定める職種)

AI×データ テクニカルプロデューサーとして、定量データ分析を起点に、課題発見・仮説立案・施策提案・可視化・業務改善まで幅広く担っていただきます。 また、生成AIを活用した分析業務の効率化や、AIエージェント化・自動化にも取り組み、データ活用とAI活用の両面から事業推進を支援していただきます。 主な業務内容は以下の通りです。 ・膨大なデータからのデータ抽出、集計、加工、分析 ・SQL、Pythonなどを用いた定量データ分析 ・分析結果からの傾向把握、課題抽出、仮説立案 ・データに基づく施策考案、改善提案、事業推進支援 ・分析結果の可視化、レポート作成、ダッシュボード化 ・分析目的・KPI・集計ロジックなどのデータ分析設計 ・生成AIを活用した分析業務の効率化、自動化 ・Codex、Claude Code、ChatGPTなどを活用したコード生成、分析支援、プロトタイプ開発 ・AIエージェントや生成AIツールを活用した業務改善・新しい分析手法の検討 ・データ分析・生成AI活用を通じた新規事業やプロダクト開発の支援 ～分析・レポーティングだけでなく“創れる”人材へ～ 顧客の課題を発掘し、目的設定→運用設計→データ分析→改善提案まで一気通貫。さらにAI・ツール・DBで、レポーティングや業務を自動化し、事業の自走化を後押しします。そこから新規事業を共創する中心メンバーを募集。 ～新規事業立上げ×チーム作りを通し起業家に～ 弊社のミッションは「新規事業を生み出すこと」「CXOを輩出すること」です。 大手企業をクライアントとした事業立上げプロジェクト及びプロジェクトからカーブアウトする自社事業の立上げを行い、一定の実力がつくと即自分の組織・チーム・新ビジネスモデルを創っていきます。 上記過程を通し、起業家に必要な修羅場経験(失敗しながら成功の道を見出すハッチング)、チーム組成し率いる真のリーダーシップ形成、実務と直結した営業・マーケティング・財務・法務等の生きた知識習得などを行っていきます。また、直近の全社戦略的として、AI技術を新規事業に組み込むことと、AIを活用したビジネスモデル創出を重視しています。 社員一人一人が事業立上げを通じ、泥臭い現場経験や修羅場を潜り抜ける経験を積み、チーム一丸を作り出せる”起業家”の集団となることを目指しています。 困難な課題、厳しい意思決定の瞬間、経験したことのない修羅場を乗り越える中で自分の強みを伸ばし(強み=CxOの”x”要素)、正解がわからない状況を仲間とともに乗り越え、強い事業立上げチームを作ることに全社員が取り組んでいます。 【入社～1年後の成長ステップイメージ】 社員の多くは元々新規事業立上げ未経験者ですが、採用面接から成長工程を意識しており、 下記ステップを着実に進めることで素早い成長を目指します。 (1)採用面接:面接官が応募者の強みを掘り起こし、長期目標や成長に向けたロードマップのすり合わせ (2)新人研修:成長を実現のための考え方・事業創出/成長プロセスについて学び、ロードマップをアップデート (3)強み磨き:クライアントの事業立上げ支援案件に携わるにあたり、どのように価値を提供するのか、その中でどう成長するのか仮説を考え、上司・同僚とともに案件を遂行する中で、事業立上げに役立つ強みを磨く (4)クライアントの期待値越え:クライアントの期待値を越え続けることで、自社事業立ち上げに協力してくれる信頼関係を構築。信頼関係構築が見えてきたら、自身の部下を採用する権利を獲得し、事業立上げに向けたチーム作りを開始。

PKSHA Technologyは、エンタープライズ企業のコールセンターに向けた自然言語処理/機械学習/ディープラーニングを活用したテキスト・音声対話エンジン、及び昨今の働き方の変化に合わせて職場コミュニケーションの課題を支援するためのプロダクトを提供しています。 このポジションでは、エンジニアマネージャー候補として各領域専門の機械学習エンジニアとチームを組み、ソフトウェアエンジニアリングで解決できる課題を自ら手を動かしながら解決していただきます。 ・エンジニアリング組織のアウトプット最大化に向けた仕組みづくりの設計と実行 ・法人向けに提供している既存対話エンジンサービス開発のマネジメント ・機械学習モデルをコアとした新アプリケーション開発のマネジメント ・自社サービス間連携の促進 技術スタック ●利用言語 ・Python ・Ruby (Ruby on Rails) ・Golang ・JavaScript/TypeScript ●クラウド ・AWS ・Azure ●バージョン管理 ・Git (GitHub) ●CI/CD ・CircleCI ・CodeDeploy ・Github Actions ●タスク/ドキュメント管理 ・Notion ・Linear ●コミュニケーション ・Slack / MS Teams ※未経験のものがある場合でも、キャッチアップしてもらえれば問題ありません。

車載プラットフォームから取得したカメラ映像に深層学習を適用し、物体検出・追跡や自車の走行経路予測を行う先行開発を担当します。 組込み向けGPUマシンを中核に、CAN・(車載)Ethernet・カメラI/Fの入出力制御と表示出力(HDMI)を含むソフトウェア設計、計測データや画像/動画を保存・検索するDB設計、走行データのクラウド送信とAI学習向けの前処理・加工ワークフロー設計までを一貫して担います。 走行試験と性能評価で得た知見をもとに、要件定義から試作・検証・改善を社内でゼロから素早く回し、必要な仕組みを自ら考案して形にしていく業務です。 <具体的には> ADAS検証車両に搭載する機器の選定から、実際に搭載して走行できる環境構築までを担当し、以下の業務を複数担当します。 ・車両内で利用する各種センサーや計測器のセットアップ・相互接続 (例:地図情報利用のためにJetsonとLocatorをEthernetで接続) ・車両内で動作するソフトウェアの開発 (AI推論のためのSocket通信、GPUでの推論結果をCPUで演算し情報変換、CAN通信による車両制御) ・ソフトウェア管理用のWebUI・WebAPI開発 ・DBへの動作結果保存および検証結果確認 【使用するツール】 ・開発言語:Python, C, C++, JavaScript, HTML ・Web技術:React, Drogon ・OS/インフラ:LINUX (Shell script, rootファイルシステム) ・画像処理/AI最適化:OpenCV, CUDA, TensorRT ・データベース:PostgreSQL, SQLite, Redis (NoSQL) ・バージョン管理:Git, GitHub, SVN 【変更の範囲】 会社の定める業務(※) (※)業務の都合によっては会社外の職務に従事するため出向又は転属を命じることがあります。

●担当予定の業務内容 以下の領域のいずれか、またはそれらを組み合わせた開発に携わっていただきます。 3DCG/XR領域における差異化技術の開発・統合に加え、最新のSaaS技術やベストプラクティスの導入・適用など、一連のSaaSプロダクト開発を担当することができます。 ①空間コンテンツ制作向けクラウドサービスの開発 ②クラウド基盤ソフトウェアの開発 ③クラウドサービスと連携するPCソフトウェアの開発 ●開発環境 言語:TypeScript、Python、C++、C# フレームワーク:React, Unreal, Unity クラウド環境:Azure, AWS ※本求人はジェネラル・エンプロイメント・コントラクト社員での採用となるため将来的に別の職務領域や技術領域に異動の可能性がございます。 合わせて、全国の支社、工場、営業所への転勤可能性がございます。

組織としての担当業務 TV、オーディオ製品、カメラといったソニー製品向けに提供する各種クラウドサービスの設計や開発を担当していただきます。具体的には、ユーザー認証・認可、データ配信、課金・決済といった横断的に利用されるベースとなる機能を提供する基盤の設計開発をしています。また、既存のシステムを開発運用するだけでなく、国内外の関係者と連携しながら新規システムを設計したり、様々なサービスや協業サプライヤから収集される膨大なデータを用いて新たなサービスを創出するための検討も行っていただきます。豊富な経験と知識を持ったメンバと共に、ソニーの新しい顧客体験を一緒に創っていきましょう。 担当予定の業務内容 ・AWSを活用したソニー製品と連携するクラウドサービスの設計・開発、および運用業務。OAuth2.0準拠の認証システム、GraphQLを使ったデータ配信やフロントエンド開発を伴うコンテンツ配信サービスを予定。 ・リーダー職の場合は、国内外の関係者との技術検討、チームリーディング業務を含む

【ミッション】 主に国際/国内ネットワーク(WAN)、海外拠点におけるITインフラおよびガバナンス強化における事業を推進するとともに、顧客課題の解決に向けたソリューション導入に関わる技術支援 【主な業務】 ・国際/国内データ通信ネットワーク(WAN)、パブリッククラウド、IoTソリューション、海外拠点におけるITインフラおよびガバナンス強化における技術支援(提案、要件定義、設計・構築)およびそれらに関わるプロジェクトマネジメント業務 ・法人向けソリューション提案における技術支援およびそれらに関わるプロジェクトマネジメント業務 【具体的な業務】 ① グローバル企業・外資企業における下記ソリューションの提案、設計・構築、プロジェクトマネジメント業務 ・グローバルSD-WAN/VPN/インターネット ・グローバルSDNゲートウェイ ・海外ITソリューション ・グローバルIoTソリューション ・セキュリティソリューション(SASE/SSE、Cato Networksなどを含む) ② 法人向けソリューション提案およびプロジェクトマネジメント業務 ・お客さまとのヒアリングにおける要求仕様のとりまとめ、要件定義、提案書の作成、プレゼンテーション ・お客さまとのリレーションの構築 ・海外拠点におけるICT環境・セキュリティ診断、改善提案の実施 ・提案事例や提案ノウハウの横展開 ●業務の変更の範囲:会社内でのすべての業務

【ミッション】ソブリンクラウド環境において、生成AI/LLMを活用したAIアプリケーションを安全・効率的・継続的に開発、導入、運用するためのAIプラットフォームを設計・開発・運用します。 AIエージェント、ワークフロー自動化、モデル評価、データ連携、認証認可、監視、CI/CD、LLMOps/MLOpsなどの共通基盤を整備し、社内外の開発者や事業部門がAIソリューションを再現性高く構築できる環境を提供します。 また、個社・個別業務への導入支援を通じて得られた要件をプラットフォーム機能に還元し、AI活用の高度化とスケールを実現します。 【主な業務】・生成AI/LLMアプリケーション開発・導入 ・顧客・事業部門ごとの要件に応じた技術検証、プロトタイプ開発、環境構築、導入支援 ・個社対応で得られた要件や成功パターンを、共通コンポーネントとしてプラットフォームへ還元 ・必要に応じた共通基盤、API、SDK、テンプレート、管理機能の設計・開発 【具体的な業務】・ソブリンクラウド上での生成AI/LLM活用に向けた、AIプラットフォームの設計・開発・運用 ・AIエージェント、ワークフロー自動化、外部システム連携など、生成AIアプリケーション開発に必要な共通機能の設計・開発 モデル、AIアプリケーション、データパイプラインのデプロイ、監視、ログ管理、CI/CD、運用自動化を包括するLLMOps/MLOps/DevOps基盤の整備 ・個社・個別業務へのAI導入における技術検証、プロトタイプ開発、環境構築、導入支援、および得られた要件の共通基盤・テンプレートへの還元 ・社内外の開発者・事業部門によるAIソリューションの効率的な開発・導入に向けた、API、SDK、ドキュメント、サンプル実装、開発ガイドラインの整備

CMP装置をはじめ、ドライ真空ポンプ、排ガス処理装置などの半導体製造装置およびコンポーネント製品から取得されるデータを活用した自社プラットフォーム(「X-bility」および「EBANET3」等)の開発・強化業務を担当いただきます。 開発チーム/プロジェクトリーダーとして、装置予知保全やデータ基板・アプリケーションの事業化・顧客への価値提供を推進頂けます。 ・装置・コンポーネント群から収集される各種センサーデータ(高頻度時系列データ)の収集・蓄積・解析・可視化を一体としたデータ基盤・アプリケーションのシステム設計および開発リード ・Chamber間・装置間・コンポーネント間のデータ比較・解析による予防保全機能やパフォーマンス最適化機能、故障予知アルゴリズムの組込み ・収集データを活用した新たなデジタルサービスの企画・アーキテクチャ構築およびグローバル展開の推進 ※変更の範囲:会社の定める業務

未来の日本社会を支えるITシステムをソフトウェア面から具現化する仲間を募集します。 ●職務内容について● 　デジタルガバメントからスマートシティまで、社会を支えるITシステムを提供している公共・社会基盤分野の中で、ソフトウェアエンジニア/ソフトウェアアーキテクトとして広く活躍する職務です。分野全体のプロジェクトにかかわるため、業種は公共分野(中央省庁および関連団体、地方自治体等)から通信・ユーティリティ分野まで幅広く活躍できます。 【開発系】 ・提案書執筆/要件定義(利用者の利便性を高め、ITシステムの肝となるソフトウェアアーキテクチャ/処理方式/アプリケーションフレームワーク/プロダクトの検討) ・設計(業務処理を支えるアプリケーション処理方式設計/構造化設計/共通化設計等を先導) ・製造(自チームが設計した共通部品の実装に加え、プロジェクトメンバーを指導しつつ、採用したソフトウェアアーキテクチャに基づいて実際にソフトウェアを構築) ・テスト(単体テスト/結合テスト/システムテストに向けた準備や構成管理等を実施) 【施策系】 ・生成AIによる生産性向上、ガバメントクラウドやスマホアプリ等の技術要望に対応する技術開発の実施 ●技術戦略組織について● 　フレームワークなどのソフトウェア・クラウド等の基盤技術者の集約組織で、現在は約170名の技術者を体制として維持し、常時約30プロジェクトに対して現場支援を実施しています。現場支援チームだけでなく、先進的な技術や生産性向上に関わる技術を取り入れ、確立する施策系のチームも存在します。在籍する技術者の約1/3が本募集となるソフトウェアエンジニア・アーキテクトです。 　担務に関しては、プロジェクトごとの有期的なものが多く、本人の希望やスキルセット、現場からの要望を総合的に判断・相談して、決定しています。現場支援においては、わからないことは所属チームや総勢170名の技術者によるサポートがあります。また、全員が社会を支えるシステムに最適な構成を提案でき、品質高く、効率的に実現できるよう、スキルアップの側面も重視しています。

・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

●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

業務内容 近年、企業では CoE(Center of Excellence)や DX(デジタルトランスフォーメーション)を軸とした、ビジネススピードと柔軟性の向上が求められています。 特に、マルチベンダー環境での開発やクラウド移行を契機として、全社的な最適化を推進する動きが加速しています。 こうした市場環境の変化により、Web・クラウド・モバイルなどの多様な領域を横断的に担えるフルスタックエンジニアに加え、幅広い技術知識を活かして計画立案やガイドライン策定をリードできるエンジニアのニーズが高まっています。 このため、当部門ではナレッジや人的リソースの拡充を目的として、採用体制を強化し、開発および支援体制のさらなる充実を図っています。 【仕事概要】 ① メディア・エンターテインメント業界向けフルスタックエンジニア メディア・エンターテインメント業界向けのシステムやサービスの開発において、要件定義から設計・開発・テスト・運用まで、一貫して携わります。フロントエンドからバックエンド、クラウドインフラまで幅広い技術領域を担当し、プロジェクトの技術的な中核を担います。 ② CoE 領域フルスタックエンジニア 業界を問わず相談を受ける中で、内製化やマルチベンダー開発における環境・プロセスの整備を支援します。 具体的には、お客さまの状況に応じて現状整理とゴール設定を行い、クラウド環境における標準ドキュメントの整備や、それを実現する共通基盤(インフラ、アプリケーション、CI / CD 環境など)の構築を担っていただきます。 【具体的な業務内容】 ・お客さま要件のヒアリングおよび技術的な課題の整理・調査・提案 ・システムやサービス開発におけるプロジェクトマネージャー、プロジェクトリーダー、チームメンバーとの協働による開発推進(アジャイル / スクラムマスターなど) ・Web アプリケーションの設計・開発(React、Next.js、Vue.js など) ・サーバーサイド開発(Node.js、Python、Java、C#、Go など) ・クラウド環境(AWS、Azure、GCP など)でのインフラ設計・構築 ・データベース(PostgreSQL、MySQL、Microsoft SQL Server、Aurora、Cosmos DB、MongoDB など)の設計・構築 ・データ基盤やデータパイプライン(ETL / ELT 処理など)の設計・構築 ・CI / CD パイプラインの構築・運用(GitHub Actions など) ・技術選定やアーキテクチャ設計への参画 ＜プロジェクト例＞ ①メディア・エンターテインメント業界向けフルスタックエンジニア ・営業放送システム ・ネット局番組情報連携システム ・コンテンツ販売・Web 番版 ・メディアアセットマネジメント(MAM) ・広報情報連携システム ・スポット自動作案 ・視聴率分析システム ・ニュース情報システム ・選挙システム ・日経サステナブルリンク ・コミックス情報管理システム ・新世代ゲーム開発環境のクラウド化 ・放送設備系システムの端末セキュリティ対策 ・エンタメ企業向け Google Identity 導入支援 ②CoE 領域フルスタックエンジニア ・Azureクラウドにおける環境払い出し整備および自動化 ・API開発向け標準アプリケーション払い出し整備および自動化 ・Azureクラウドにおける社内ポリシー考慮したセキュリティ・ガバナンス向上施策 ・GitHub環境導入およびオンボーディング支援 ・GitHub環境移行支援 ・開発プロジェクト伴走によるプロジェクト標準定着化および育成支援 ・開発系ガイド検討およびドキュメント作成 ・社内システム連携用APIハブ環境構築 ・UI/UXプロセス検討および環境構築

・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

・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

新規クレジット商品立ち上げの基幹システム構築・導入プロジェクトに携わって頂きます。 顧客・PMとのコミュニケーションを取りながらの顧客ニーズの把握、要件定義/設計、実際のプロダクト開発を行っていただきます。 「アカウントエンジニア」として以下を担当して頂きます。 ・クレジットビジネスプラットフォーム「Crest」を顧客企業へ導入する際に、顧客とコミュニケーションを取りながらビジネス要件を理解し、PjM、PdMと協力してプロダクトの成長を考慮しながらの上流工程の要件定義、設計を行う。 ・スクラムチームに所属してのプロダクト開発を行う。 【開発環境】 Go gRPC+Connect TypeScript React Vue PostgreSQL (Aurora) Terraform Docker 【使用サービス】 GitHub GitHub Copilot Slack Amazon Web Services Google Workspace 1Password Kibela

●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

【ポジション概要】 世界有数の金融グループであるMUFG(S&Pグローバル,2020年4月)は、3,400万人の個人、100万社の法人のお客さま(MUFGレポート,2024年)のお取引情報をはじめとする膨大なデータを活用し、店舗におけるお客様対応・事務、本部バックオフィス業務も含めた多岐にわたる業務の高度化・効率化のため、画像・音声認識、自然言語処理、ロジック処理などあらゆる形態でAI・MLを活用しています。 昨今の生成AI技術の発展に伴い、MUFGにおいても生成AIを用いたアプリケーション開発の需要が急速に高まっていることから、MUITではAI・ML技術を用いたアプリケーションの開発および保守を所掌として組織・ユーザの課題を解決するチームを立ち上げました。 本募集は、このチームでAI・ML技術を用いたシステム開発を上流から下流まで一貫して担えるアプリケーションエンジニアおよびアプリケーションアーキテクトを募集します。 【業務内容】 (雇入れ直後) ・当社で開発している主にAI・MLを用いたアプリケーションの開発(要件定義～リリースまでの全工程)と保守 ・技術負債の解消、新しいアーキテクチャの検討、あるべきアーキテクチャの策定 ・チームビルディングとプロジェクト管理 ・新しい技術の標準化、製品選定および評価 (変更の範囲) 会社の定める業務 【役割・責任】 ■組織(MUFGグループ各社および当社)全体に対する役割・責任 -AIテクノロジーを用いたアプリケーション開発を行うために関係者をリードし、組織内ルール・ガイド等を整備 -AI関連、クラウドネィティブな観点等、アプリケーション開発関連の動向を常に把握しアセットへ反映、現場へフィードバックする -組織内のアプリケーション開発に関するコミュニティやAI関連組織に案件を通じて得られたベストプラクティスをフィードバックする -開発環境を整備、継続的に高度化することで開発生産性を向上させる ■開発案件における役割・責任 -アプリケーションエンジニアとして主体的に開発を担う -(上位の方)プロジェクトマネージャ/スクラムマスターとして開発チームをリード、案件のQCDに責任を持つ -他エンジニアやアーキテクト等関係者と協業して、開発案件の予定通りのリリースに貢献する -課題解決のため、様々なレベルの異なるステークホルダーと調整・折衝を行う -常に最新のテクノロジーに関する情報を収集、自らの知識経験を周囲に伝播し、組織および後進の育成に貢献する 【配属想定部署】 グループ事業部門・デジタルイノベーション本部配下の各部 【配属想定部署概要】 分散系業務開発の標準化および機能集約の企画・推進・管理・運営を担う部署。具体的な業務は以下のとおり。 ■生成AIやデータ分析システムの開発 【配属想定部署の人員構成】 約150名 ※銀行等からの出向者を含む 【おもな関係者】 各業務を所管する三菱UFJ銀行の事業部門、社内開発チーム、外部企業等と、マネジメント層・メンバーを問わず、幅広く関わって頂く機会があります。 【想定担当案件(例)】 2025年度以降、AI領域で数多くの開発案件が予定されている。アプリケーションエンジニアとして特定の案件に参画いただき、アプリ開発保守およびプロジェクト管理を実施頂きます。以下は開発案件の例です。 ■行内チャットアプリ開発 三菱UFJ銀行向けのChatGPTライクな行内チャットアプリの開発、次期アプリのグランドデザイン策定、Graph-RAGなど最先端技術の提案やプロトタイピング ■Visual Studio Code 拡張機能 VSCodeのプラグインとして生成AIを用いたテストコード自動作成機能を開発、社内での普及促進やOSS化の推進

生成AIを活用したプロダクト・機能開発、および社内向けツールの設計・実装をお任せします。 プロトタイピングから実運用まで幅広く携わることが可能です。 プロダクト開発の最前線で生成AIを活用した新しい価値創出に取り組んでいます。 単なる業務効率化ではなく、プロダクトそのものにAIをどう組み込むか・プロダクト開発プロセスをどう進化させるかという視点から、技術とクリエイティブの交差点でチャレンジしています。 本ポジションでは、会社としてもまだ正解が見えていないテーマに対し、「ゼロイチ」で考え、形にする」フェーズから関わっていただきます。 また他クリエイターと同じく、実際のプロジェクトに携わって頂く等、ご自身の専門領域にとどまらず、さまざまなことにチャレンジできるポジションです。 ●具体的な業務内容: ・AIエージェントのプロトタイピング・運用 ・社内外向けダッシュボード・ツールの開発 ・アンケートや定量データを用いた分析・提案 ・ LangChainを用いたLLMワークフローの設計と実装 ・実プロジェクトでのAI活用(プロダクト開発の効率化・プロダクト自体のAI導入) ※技術スタック ▼バックエンド Python系 ・FastAPI(REST API設計) ・LangChain / LangGraph(AIエージェント構築) ・OpenCV(画像処理) ・pandas / numpy(数値計算・データ操作) ・matplotlib / seaborn(データ可視化) Node.js系 ・express(軽量なREST APIフレームワーク) ▼フロントエンド ・JavaScript / TypeScript ・Next.js(Reactベースのフレームワーク) ▼インフラ / クラウド AWS ・ EC2(仮想サーバー) ・S3(オブジェクトストレージ) ・ Lambda(サーバーレス関数) ・ECS / ECR(コンテナ実行・管理) ・DocumentDB(MongoDB互換のNoSQLデータベース) その他クラウドサービス ・ Pinecone(ベクトルデータベース / 類似検索) ・Snowflake(DWH / ビッグデータ分析基盤) ▼AI実行環境・LLM連携 クラウドLLMプロバイダー ・OpenAI(GPT系) ・Anthropic(Claude) ・Gemini(旧Bard / Google AI) ローカルLLM実行 ・ Ollama(ローカルでの軽量LLM推論) ▼その他ツール ・ Figma / Slack / Cursor / MCP ※CursorはAIペアプログラミングツールとして社内導入中

弊社は「エネルギーの制約から人と社会を解き放つ」をミッションに、 日本の電力業界に残る非効率と未開拓領域に挑むエネルギーテック企業です。 私たちの強みはテクノロジー×エネルギー×ファイナンス の掛け算。 従来の常識では不可能だった規模と効率で、前例のない新しい仕組みをつくり出しています。 本ポジションでは、「Bluefield Cloud」及び関連する新規サービスの設計、開発、運用全般を担当していただきます。具体的には以下の業務を含みますが、ご経験や志向に応じてお任せする範囲を決定します。 ●主な業務内容 ・新機能の要件定義、設計、実装、テスト、リリース ・既存機能の改善、パフォーマンスチューニング、技術的負債の解消 ・スケーラビリティと信頼性を考慮したアーキテクチャ設計改善 ・クラウドインフラ(Microsoft Azure)の構築、運用、最適化 ・開発プロセスの改善、自動化の推進チームメンバーの技術サポート、コードレビュー

【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