英語活用 ReactのITエンジニア求人・転職情報

株式会社PKSHA Technology

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。

株式会社SUBARU

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

EYストラテジー・アンド・コンサルティング株式会社（EYSC）

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。

ソフトバンク株式会社

【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

ソフトバンク株式会社

【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

株式会社荏原製作所

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

株式会社NTTデータ

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。

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

●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

日本ビジネスシステムズ株式会社

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

株式会社日立製作所

ミッション ●業界/企業の課題把握及びその課題解決のためのHMAXソリューションの創生、サービス化、リカーリング ●新たな顧客の獲得や、既存顧客への新たな価値の提供により、スケールアップ/N倍化 ●HMAXソリューションを体現するサービスにおける、AI・MI活用を前提としたデータ及びアプリケーション基盤の設計・構築・運用 お任せしたい業務 ●日立のMI・AIツールを直感的に使えるWebアプリの設計・開発・テスト・リリース・サポート ●化学・バイオなど素材産業全般のサービス開発案件のデータ基盤構築・DevOpsパイプライン構築・バックエンド開発 ●顧客のデータマネジメント支援(データ定義、活用ルール検討、品質課題対応)及びPoC推進 ※ ご経験・志向に応じて、DevOps/バックエンド中心、またはデータエンジニアリング/データマネジメント支援中心の役割設計を行います。 (サービス開発事例) ・材料開発ソリューション 　材料の高機能化や環境配慮要求の高度化、開発期間の短縮などにより、従来の「経験と試行錯誤」に依存した材料開発には限界がきている。本ソリューションでは、マテリアルズ・インフォマティクス(MI)及び生成AI技術を搭載したアプリケーション群を中核に、実験条件の提案、材料配合・プロセス条件の最適化、開発スピードと成功確率の向上を実現し、材料開発の競争力強化と持続的成長を支援している。 ・再生材マーケットプレイス 　欧州や日本で再生材利用を促進する法規制の強化を背景に、再生材需要は拡大する一方、品質や供給の不確実性や取引の非効率、静脈産業の投資余力不足が課題となっている。本ソリューションでは、売り手(リサイクラ等)と買い手(製品・素材メーカー)を結ぶマーケットプレイスを中核に、AI/MIによる材料提案、データ基盤、品質分析、金融連携を組み合わせ、再生材取引の高度化と規模拡大を実現し、環境素材事業の持続的成長と資源循環の加速に貢献している。 ●職務詳細 (1)化学・バイオなど素材産業全般のサービス開発案件のデータエンジニア(DE)及びDevOpsエンジニアを担当していただきます。　 データエンジニアとしての専門性を軸に、DevOps/ソフトウェア開発の2つの観点でサービス開発に携わっていただきます。 DevOpsの観点: ・AWS / Azure 等のクラウド環境上におけるアプリケーション実行基盤のアーキテクチャ設計・構築 ・CI/CDパイプラインの設計・構築を通じたビルド・テスト・デプロイの自動化 ・IaCの開発、既存IaCコードの負債解消 ・DORAメトリクスの追跡・DevOpsサイクル改善 ソフトウェア開発の観点: ・バックエンドを中心としつつ、必要に応じてフロントエンドも含めたWebアプリケーションの設計・実装・テスト・リリース対応 ・自ら手を動かして実装を行うプレイングマネージャーとして、 チームと同じ目線で開発に参加すること ・プルリクエストを起点としたコードレビュー・マージを通じたコード品質の継続的な向上への寄与 ・レビューを通じたコーディング規約・設計方針の浸透によるチーム全体の技術ベースの底上げ ・顧客のデータマネジメント支援やPoCの推進 実力、経験に応じて、将来的には多様な分野(産業、流通、社会、金融等)におけるサービスやデータ基盤の構築に携わっていただく可能性があります。 (担当となる主な業務・プロジェクト分野) ・日立のMI・AIツールを直感的に使えるWebアプリのの設計・開発・テスト・リリース・サポート 代表候補のアプリケーション:材料データ分析環境、実験/製造自動化プラットフォーム、再生材マーケットプレイス ・材料開発(研究開発から製造)における生産性向上実現のためのMI/PIを用いた分析環境の実現 ・計測装置と連動して実験/製造データの収集からMI/PIを用いた意思決定までを自動化したプラットフォームの実現 ・再生材の売り手と買い手のマッチングをMI/PI/生成AIを用いて実現するマーケットプレイスの実現 (対象となるアプリケーション) ・AWSやAzureなどクラウドベースのアプリケーション ・機械学習、生成AIなどAIベースのアプリケーション ・eコマースアプリケーション (2)代表的な使用する技術は以下の通りです。 ・クラウド: AWS/Azure ・言語: Java/TypeScript/Python ・フレームワーク: Spring Boot/React ・ソースコード管理: GitHub ・DB: PostgreSQL/MySQL ・プロジェクト管理: Jira ・コミュニケーション: Microsoft Teams 配属組織名 デジタルサービスビジネスユニット(フロントサービス) デジタルサービスビジネスユニット　フロントサービス事業統括本部　サービス事業創生本部 配属組織について(概要・ミッション) ●組織のミッション:顧客の経営課題にリーチし、IT×OTプロダクトの知見を結合させたHMAXをコアとするAIソリューション群を開発し、デジタルサービス事業としてリカーリングし、新たな顧客の獲得や、既存顧客への新たな価値の提供により、スケールアップ/N倍化を図ること ●担当業界:化学・バイオなどの素材産業全般を中心とした民間企業のR&D部門 ●組織構成:上位マネージャ2名、マネジャー3名、データサイエンティスト18名、データエンジニア12名、ITエンジニア2名 携わる事業・ビジネス・サービス・製品など ●ビジネス・サービス・製品 ・HMAXソリューション 　HMAXは、AIで社会インフラを革新する次世代ソリューション群です。　フィジカル・デジタル両方のアセットから得られる膨大なデータを活用し、先進的なAIを日立ならではの深いドメインナレッジで強化することで、社会インフラが抱える最も複雑な課題に挑み、お客さまと社会に最大の成果と価値を提供します。これらのソリューションは、体系化された構成要素に基づいており、先進的な技術を組み込み、強固なパートナーエコシステムを活用することで、現場システムの信頼性とパフォーマンスを向上させます。HMAXは、産業設備・機器など物理的なアセットやデジタルアセットから収集されるデータと、日立が長年にわたり運用・保守システムの展開を通じて培ってきたドメインナレッジを組み合わせ、 Perception AI(認識AI)や生成AI、Agentic AI、フィジカルAIなど先進的なAI技術で、世界中に新たな価値をもたらす強力なソリューションを提供します。 ・参考URL https://www.hitachi.co.jp/products/it/lumada/hmax/index.html ●材料開発ソリューション 　従来、研究者の勘や経験、膨大な実験回数で築かれてきた材料開発を、多様な材料データから材料開発の指針を見いだすMIという手法が大きく変えようとしています。 国内外で素材産業のR&D部門がMI導入を本格的に進めており、新規市場形成および成長が進行しています。 日立は、グローバルな材料開発競争の激化を見越し、MIを用いた材料開発の導入をめざす素材産業に対して、MIを適用した「材料開発ソリューション」を2017年11月から提供開始しています。 ・参考URL https://www.hitachi.co.jp/Prod/comp/app/mi/ ●関連ニュースリリース・記事など ・材料開発ソリューション関連ニュースリリース https://www.hitachi.co.jp/Prod/comp/app/mi/newstopics.html ・日立評論:マテリアルズインフォマティクスを適用した材料開発ソリューションと今後の展望 https://www.hitachihyoron.com/jp/archive/2020s/2020/03/03b03/index.html

アクセンチュア株式会社

お客様企業のデータ活用ビジネスを支え、将来的にも「使われ続ける」データ基盤の構築を実現するエンジニアスペシャリスト集団です。 お客様企業のビジネス要件のシステム要件への落とし込み、ソリューション選定、アーキテクチャ設計、アプリケーションプログラム設計、それらの実装・テスト、システムリリースおよび、その後の運用まで総合的に支援します。 ●役割・期待 サイロ化システム/データの統廃合、基幹システム刷新に伴うデータ基盤のレガシーアーキテクチャからモダンアーキテクチャへのマイグレーション、グローバル展開を見据えたデータメッシュアーキテクチャの実現など、さまざまな課題・チャレンジ要素を持つデジタルトランスフォーメーション案件において、お客様企業のビジネスバリューを見据え、データ活用のためのあるべき姿、それらに最適なソリューション選定・アーキテクチャ設計、および我々が一番大切にしている"実装"を担当頂きます。 ●業務内容 ・データ基盤(インテグレーション/データレイク/DWH/データマート/BI/ML/AI/MDM/データカタログなど)のソリューション選定およびアーキテクチャ設計 ・データ基盤のシステム要件定義・設計・開発・テスト・移行 ・プロジェクト作成物のアセット化および類似プロジェクトへの横展開適用

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

パーソルクロステクノロジー株式会社

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。 ※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)

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

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

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

三菱UFJインフォメーションテクノロジー株式会社

【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

株式会社フォーデジット

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

株式会社ギブリー

▼業務内容 自社SaaS「AI Monitoring」の海外展開フェーズにおいて、手を動かして開発を進められるエンジニアを募集しています。 生成AI利用ログの収集・分析基盤、可視化ダッシュボード、セキュリティ検知機能などのプロダクトのコアを共につくっていきます。 AI Monitoringのバックエンド/フロントエンドの設計・実装(主に Go / Python / TypeScript) 生成AI利用ログの収集・分析基盤、可視化ダッシュボードの実装 プロンプト検知・アノマリー検知などセキュリティ機能の開発 各種生成AIサービス(ChatGPT、Microsoft Copilot、Gemini 等)との連携実装 API設計、DB設計、アーキテクチャ設計・改善 AWSを利用したクラウドインフラの設計・構築・運用 コードレビューや品質改善、チーム内の開発スタイル改善 PM・デザイナー・セキュリティ専門家と連携した機能開発と改善 ▼開発環境 開発言語: Go, TypeScript フレームワーク: Go (Clean Architecture / Gin), Next.js, React テスト: Go testing, Jest, Playwright (E2E), Chromatic (ビジュアル) インフラ・ミドルウェア: AWS (ECS/Fargate, RDS, Cognito, S3, CloudWatch), PostgreSQL, Redis, Docker, Nginx CI/CD: GitHub Actions, AWS CodeBuild ツール: GitHub, Teams, Terraform, Terragrunt, AWS CDK, dependabot AIツール: GitHub Copilot, Google Gemini, Claude (Claude Code / Cowork) ▼身につくスキル、経験 様々な職種の担当者と連携を取りながら、事業成長や技術に対する取り組みができるため、多角的な視点を身につけることができます 経営層との連携が多いポジションのため、経営視点での戦略思考が養われます ▼募集職種 フルスタックエンジニア(グローバル) ▼セキュアサイクルについて 生成AI時代の到来とともに、企業のDXは加速し続ける一方、新たなセキュリティリスクも急増しています。 私たちセキュアサイクルは「サイバーセキュリティに悩むことのない社会の実現」のために、システム開発のセキュリティコンサルをはじめ、Webアプリケーション、スマートフォンアプリケーションやIoT機器における脆弱性診断・ペネトレーションテストなどのサービスを展開しています。 システム開発においては、開発後の脆弱性診断だけを行って安心するのではなく、設計の段階からセキュリティを考慮して設計を行い、開発の途中においてもセキュリティのチェックを行うことが重要だと考えています。 システム開発事業においてもそれらの実現ができるような仕組みを構築するために日々研鑽を積んでいます。 また、地方でも給与面・待遇面で東京に劣らない環境を作り、地方の出身者や若者のU/Iターン先になることを目標に北九州本社から仙台オフィス、博多オフィス、札幌オフィスと拠点を開設、業務拡大しております。 ●ギブリーグループについて ギブリーグループは、 「すべての人が物心豊かな社会を実現する」 をビジョンに掲げ、企業のAI活用とDX推進を支援する、2009年創業のAIイネーブルメント企業群です。 グローバルな開発組織と事業創造力、スピードを強みに事業を展開し、累計5,000社を支援。 生成AI分野の実績は1,000社以上。 ギブリーグループは、株式会社ギブリーを中心に4つのグループ会社で構成され、 ・人的資本インテリジェンス事業「Track」 ・マーケティングDX事業「DECA」 ・AX(AIトランスフォーメーション)事業「MANA」 ・AI開発支援事業「AI Lab」 ・AIコンサルティング事業「Givery Consulting」 ・サイバーセキュリティ事業「Secure Cycle」 の6つの事業領域でサービスを展開。 グループ各社が連携し、企業のAI活用と変革を支援しています。 ギブリーグループはAI時代を牽引する仲間を募集しています。 ▶︎ギブリー採用ピッチ資料(https://speakerdeck.com/givery_recruit/givery-company-deck) ▶︎ギブリーコンサルティング採用ピッチ資料(https://speakerdeck.com/givery_recruit/givery-consulting-the-entrance-book) ・業務の変更の範囲 　会社内での全ての業務

フリー株式会社

●担当チーム(新規タレマネプロダクト、人事情報マスタ、freeeEラーニング、freee福利厚生)のエンジニアリングマネジメント全般 ●メンバーの目標設定、評価、1on1を通じた継続的な成長支援やキャリア形成のサポート ●採用活動、オンボーディング、チームビルディングの推進を通じた開発組織の拡大・強化 ●PdMやデザイナーと協業し、プロダクトロードマップの策定および実行確度の向上 ●開発プロセスの継続的な改善、技術的負債の解消方針の策定や生産性向上のための施策立案 ●OEMプロダクト提供元を含む社内外ステークホルダーとの折衝・コミュニケーション ※会社の事業状況やご本人の適性に応じて担当する業務内容が変更となる場合があります 業務内容の変更範囲:会社の事業状況やご本人の適性に応じて担当する業務内容が変更となる場合があります

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)

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://official-alumni.com/alumnavi) [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)