英語活用 Next.jsのITエンジニア求人・転職情報

PROEVERとは プロジェクトマネジメント専門会社としてのノウハウ、経験を結集させた「プロジェクトマネジメントプラットフォーム」をSaaSとして事業展開しています。プロジェクトデータを一元的に集約し、AI技術も用いてお客さまの意思決定を支援することで、プロジェクト成功およびプロジェクトマネジメント成熟度の向上を支援しております。 主なお客さまは全社横断で多くのプロジェクトを推進しているマネジメント層(PM含む)で、プロジェクトの状況をリアルタイムで正しく把握し意思決定を行うことができます。他社PMツールとは異なり、タスクや課題管理に留まらず、関連する複数のプロジェクトを俯瞰的、横断的に状況把握できることが特徴です。 仕事内容 - 次世代プロダクトの技術戦略の策定と実行 - プロダクト全体アーキテクチャ設計、技術スタック選定 - コードの品質と一貫性を保つためのコードレビューやペアプロの実施 - 技術的課題の発見/解決、パフォーマンス最適化、AI技術の実装推進 - エンジニア組織の立ち上げ・技術文化形成 - チームの技術的な底上げに向けたコーチング、メンタリング - 定常的に新しい技術やツールを評価し、プロダクトに取り入れるべきか判断 ※将来的なCTO/VPoE候補として、徐々に業務に慣れて頂く形を想定しております。 技術環境 - OS: Windows Server, Linux - フロントエンド:TypeScript / Next.js / TailwindCSS / shadcn/ui - バックエンド:TypeScript / Python - データベース:PostgreSQL / GraphQL - インフラ:Azure / Docker - CI/CD:GitHub Actions - バージョン管理:GitHub - プロジェクト管理:PROEVER - デザイン管理:Figma / Storybook - コミュニケーション:Slack / Notion / GoogleWS / MS365 - その他:GitHub Copilot / GitHub Codespaces / Keeper ※変更の範囲:当社及び出向(転籍)先における各種業務全般

●組織のミッション DXイノベーションセンターは、「循環型 デジタル・エンジニアリング企業」の実現に向け、Serendie戦略を推進しています。グローバルで競争力のある事業DXを実現するため、技術・共創・人材・プロジェクト推進の4つの基盤を構築し、当社のイノベーティブ・カンパニーへの変革を牽引します。プラットフォーム設計開発部は、このうち技術基盤の中核として、共通プラットフォームの開発・運用・展開を担い、DX事業の立ち上げ迅速化とビジネスのスケール拡大に貢献します。 ●業務内容 事業部門と連携しながら、デジタルサービスの創出・高度化を支えるデジタルプラットフォームの開発・運営・展開、およびデジタルサービスの開発に携わっていただきます。加えて、関係者との調整やチーム内でのリードを通じて、プロダクト開発を主体的に推進いただくことを期待しています。 具体的には ・SaaS事業運営基盤、データ分析基盤、WebAPI連携基盤などの技術基盤の開発・運用・展開 ・アジャイル開発のもと、要件整理から設計・実装・運用まで一貫して関与し、関係者を巻き込みながらプロジェクトを主導 ・上記基盤の活用を前提とした各種デジタルサービス開発を、事業部門と連携しながら推進 【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 ●使用言語、環境、ツール、資格等 ・AWS, Azure, Google Cloud ・Snowflake(DB) ・GitHub(バージョン管理),GitHub Copilot(コーディングアシスタント) ・Python,TypeScript,Next.js,Node.js ・Teams (コミュニケーション),Jira (タスク管理),Confluence(ナレッジ共有),Miro(ホワイトボード)

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。

【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

・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

<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

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

本ポジションは、金融機関向けの自社プロダクト開発をリードする「シニアプロダクトエンジニア(セキュリティ領域)」の募集です。 一般的なセキュリティエンジニアとして自社システムのセキュリティ対策や監査のみを担当するのではなく、セキュリティ領域の知見を活かし、顧客システムの脆弱性やセキュリティリスクを分析・診断・可視化するプロダクト機能を企画・設計・開発するポジションです。 金融機関が抱える高度なセキュリティ課題を理解し、ソースコードやシステム構成、ライブラリ、設定情報などを分析することで、セキュリティ上の問題や改善ポイントを特定する機能の開発に取り組んでいただきます。 セキュリティの専門知識や診断手法を、ルール・アルゴリズム・生成AI・AIエージェントなどを活用してプロダクトへ落とし込み、専門家による判断をソフトウェアによって高度化・自動化していくことを目指します。 フラットに意見を交わしながら方針を定め、高速にPDCAを回すスタートアップの環境で、プロダクトを牽引する中核メンバーとしてお迎えしたいと考えています。 PoCにとどまらず、AIを商用システムへ実装し、複雑なドメイン課題の解決や顧客の業務効率化、ひいては社会に変革をもたらすミッションに情熱を持って取り組める方を求めています。 ●開発規模 10～15名 ●具体的な業務内容 ・金融機関向け自社プロダクトの設計・開発・技術リード ・金融機関におけるセキュリティ課題・業務要件の整理とプロダクト要件への落とし込み ・顧客システムの脆弱性やセキュリティリスクを分析・診断・可視化するプロダクト機能の企画・設計・開発 ・ソースコード、システム構成、ライブラリ、設定情報などを解析し、セキュリティ上の問題や改善ポイントを特定する機能の開発 ・セキュリティに関する知識や診断手法を、ルール・アルゴリズム・AIなどを用いてソフトウェアとして実装するための設計・開発 ・顧客やセキュリティ専門家、コンサルタント、プロダクトマネージャー、デザイナーと連携した課題探索・仮説検証 ・生成AI・AIエージェントを活用したセキュリティ分析・診断機能の高度化 ●自社プロダクト開発例 ・Trust TLanP(AIを活用してレガシーシステム刷新をサポートするツール) https://tlanp.jp/ ●技術スタック ・バックエンド ・TypeScript ・Python ・Node.js ・Webフロントエンド ・React ・Next.js ・Tailwind CSS ・インフラ・CI/CD ・Google Cloud ・Terraform ・GitHub Actions ・AI開発ツール ・Claude Code ・Codex ・コラボレーション ・Slack ・Jira ・Confluence ・GitHub Wiki ・Figma ※業務変更の範囲 すべての業務への配置転換あり

●職務概要 本ポジションは、金融機関向けの自社プロダクト開発をリードする「シニアプロダクトエンジニア」の募集です。フラットに意見を交わしながら方針を定め、高速にPDCAを回すスタートアップの環境で、プロダクトを牽引する中核メンバーとしてお迎えしたいと考えています。 PoCにとどまらず、AIを商用システムへ実装し、複雑なドメイン課題の解決や顧客の業務効率化、ひいては社会に変革をもたらすミッションに情熱を持って取り組める方を求めています。 ●開発規模 10～15名 ●具体的な業務内容 ・金融向け自社プロダクトの開発・技術リード ・Trust TLanPなどのプロダクト開発 ●自社プロダクト開発例 ・Trust TLanP(AIを活用してレガシーシステム刷新をサポートするツール) https://tlanp.jp/ ●技術スタック ・バックエンド ・TypeScript ・Python ・Node.js ・Webフロントエンド ・React ・Next.js ・Tailwind CSS ・インフラ・CI/CD ・Google Cloud ・Terraform ・GitHub Actions ・AI開発ツール ・Claude Code ・Codex ・コラボレーション ・Slack ・Jira ・Confluence ・GitHub Wiki ・Figma ※業務変更の範囲 すべての業務への配置転換あり

▼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

●業務の概要 このポジションでは、自社の保険事業を実際のユーザーとして活用しながら(ドッグフーディング)、保険会社・金融機関向けのAIプロダクトの開発を軸に、顧客折衝・提案活動・セキュリティガバナンスの設計まで一気通貫で担います。 プロダクトエンジニアとForward Deployed Engineerのハイブリッド、エンジニアの中のジェネラリストを目指せる環境です。 【具体的な業務内容】 ・BizDevと並走して提案活動の上流から技術的な価値を伝える ・金融機関・大手デベロッパーのセキュリティ・ガバナンス要件を理解した上でアーキテクチャを設計する ・フロントからバックエンド・インフラまでフルスタックで開発を完結させる ・顧客と直接折衝し、要件を技術に翻訳してリードする ●InsurTech事業メンバー ・河端 一寛(InsurTech事業責任者) 東京大学経済学部卒業。博報堂(途中、博報堂コンサルティングに出向)、ボストンコンサルティンググループ(BCG)を経て、Finatextに入社。 博報堂では、消費財・機械、小売等のマーケティング戦略立案・実行支援業務に従事。 BCGでは、複数の新規事業・新サービス立ち上げ支援業務に従事。 紹介ページ:https://finatext.com/recruit/about/insurtech ・山崎 蓮馬(テックリード) 2018年にFinatextに入社。STREAMの口座開設、セゾンポケット、InsurTech事業のWebフロント開発やInspireの基礎設計をリード。現在はInspireの開発リーダーを担当。 インタビュー記事はこちら:https://note.com/finatext/n/ndd0a14e2ebf0 ・今中 公紀(テックリード) 新卒で大手旅行会社のシステム部に配属。社内開発チームやオフショア拠点の立ち上げに従事。2021年にFinatextにジョインし、保険事業のバックエンド開発を担当。 インタビュー記事はこちら:https://finatext.com/recruit/finalog/interview_imanaka ・河又 翔平(InsurAI リードAIエンジニア) ITエンジニア、フィンテック企業のデジタルマーケティング責任者を経て、(株)ビヘイビアを創業。保険相談AI「ほけんのAI」の開発・運営を3年間行ったのち、2025年10月にM&AにてFinatextグループ入り。現在は保険会社・金融機関向けAI開発をリード。担当領域はAI保険相談、AI募集文書作成・審査、AIロープレ、AI引受査定、AI支払査定、AI不正検知など。 M&Aプレスリリースはこちら:https://finatext.com/fn/news/20250902 ●使用技術 言語 / フレームワーク ・Go (主軸)、TypeScript(Vue, React, Next.js)、Python (FastAPI) インフラ / クラウド ・AWS (主軸)、Azure、Terraform、Docker、Aurora PostgreSQL、DynamoDB <データ基盤> ・Snowflake、Airflow、dbt、Lightdash <認証 / セキュリティ> ・Amazon Cognito、OAuth 2.1 <AI / LLM> AWS Bedrock (主軸)、Bedrock Agents、Azure OpenAI、Claude、OpenAI API、MCP(Model Context Protocol) ●開発ツール / 環境 Claude Code、Cursor、GitHub Actions ●開発環境(AI) ・コーディング:Claude Code / Cursor を主力ツールとして日常利用 ・コードレビュー・仕様管理:AIによるドラフト生成 + エンジニアレビューの二段階プロセス ・エージェント開発:自社MCPゲートウェイ経由でGoogle Drive・GitHub・Slackなど社内ツールと連携したAIワークフローを構築・運用 ・AI利用比率:エンジニアは100%毎日AIを使った開発をしている

【業務概要】 クリエイター向けファンコミュニティプラットフォーム「StandAlone」で提供する複数のiOS/Androidアプリについて、 Flutterを中心とした設計・開発・運用・品質改善を一気通貫で担当いただきます。 【具体的な業務内容】 ● 要件定義・設計・開発: ビジネス・プロダクトサイドとの要件整理、仕様検討、UI/UX設計、Flutter/Dartを用いた 実装・保守 ● 機能開発: 写真・テキスト投稿、ギャラリー、タイムライン、グループチャット、ライブ配信、アーカイブ、会員限定 コンテンツ、課金・サブスクリプション機能等の開発・改善 ● 連携・基盤構築: REST API、Firebase、決済サービス(Stripe等)、動画配信基盤、サードパーティAPI連携、クラウドネイティブバックエンド連携 ● 開発運用・品質改善: 状態管理・アーキテクチャ設計、コードレビュー、テスト、クラッシュ解析、パフォーマンス チューニング、CI/CDによる自動化 ● ストア運用・共通化: App Store/Google Playへの申請・リリース・モニタリング、複数ブランド・設定のアプリを 効率的に運用するための共通基盤(StandAlone Building Blocks)改善 ● 先進技術の組み込み: web3基盤技術(Portfolia)のモバイルアプリ組み込み・実証、AIを活用した開発プロセスおよびプロダクト機能の改善 ● グローバル連携: フィリピンを中心とする海外開発チームへの仕様共有、タスク明確化、技術的合意形成、コードレビュー 【取扱サービス・開発環境(技術スタック)】 ● 自社プロダクト: ファンコミュニティプラットフォーム「StandAlone」(複数クリエイター向けiOS/Androidアプリ群) ● モバイル / Web: Flutter, Dart / Next.js, Node.js ● 状態管理 / ネイティブ: BLoC/Cubit, Riverpod / Android (Java/Kotlin), iOS (Objective-C/Swift) ● バックエンド・インフラ: REST API, Java, Node.js, PHP, AWS, GCP ● 外部連携・ツール: Firebase, Stripe, Figma, Adobe XD, GitHub, App Store Connect, Google PlayConsole ● 次世代技術: Portfolia(DID/VC, モバイルブロックチェーン, Emotion Link, Edge LLM), 生成AIを活用した開発支援

テクノロジー組織が最大限に価値発揮をするための組織マネジメント活動や、事業戦略上の意思決定プロセスへの関与をお任せします。 ※ご経験やご志向を踏まえ、単一チームまたは複数チームのマネジメントを担っていただく想定です。 ・事業戦略やプロダクトビジョンにアラインした目標設定と目標達成マネジメント ・1on1や評価フィードバック等を通じたチームリーダーやマネージャー層の育成 ・事業・プロダクトのスケールを見据えた組織設計 ・日本語/英語の2言語を用いる組織において、生産性を向上させるための情報流通の企画・推進 ・エンジニア採用活動・社外広報活動の推進 ・CADDi Techカルチャーの浸透 ・その他、エンジニアリング組織の価値発揮を最大化するための問題提起や施策の企画・実行 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

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

●期待する役割 経営ボードやCTO、各VPと連携し、事業のPLや中長期的な経営戦略と連動した全社横断的な技術戦略の策定、および技術投資の意思決定を技術専門職のトップランナーとして主導・実行していただきます。 ピープルマネジメントを主務とするのではなく、自らも深い専門性を発揮して手を動かしながら、技術の力で「日本発のグローバルテックカンパニー」となるための強固なアーキテクチャとエンジニアリング基盤を創り上げる役割です。 ●想定される業務例 (以下に限定されるものではありません) ・グローバル技術戦略の策定とアーキテクチャ設計のリード 事業の非連続な成長(事業の数倍〜数十倍へのスケール)を牽引するための技術ロードマップ策定 複数プロダクトが有機的に連携しつつ独立して進化できる「次世代プラットフォームアーキテクチャ」の設計・主導 ・パラダイムシフトを伴う全社技術基盤の刷新 「AIネイティブ組織」への全社変革や開発生産性のデッドロック解消など、既存のシステムやアーキテクチャの枠組みを根底から変える設計と完遂 ・技術的意思決定のリードと品質ガバナンスの構築 全社的なセキュリティ・パフォーマンス・スケーラビリティのグローバル基準の策定と実行 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と技術的支援 ・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の課題に対し、全社最適なソリューションを自ら構築・展開する ●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

本ポジションの役割 Professional Serviceのメンバーの一員として、プリセールスの段階からお客様の課題発見から課題解決の実装をしていただきます。または既存の案件を成功確率を最大化するために、お客様と共創しながらプロダクト開発を行います。そして、これらのご経験を活かし、Tailor Platformの進化に直接貢献していただきます。 具体的な業務内容 FDEとして期待される役割を自ら考え選択していただきます。 以下はその一例です。 ・多様なエンタープライズの業務にお客様と直接連携しながら深く入り込み、業務ドメインの迅速なキャッチアップを実施する ・お客様のビジネス課題を解決するための武器としてエンジニアリングスキルを活用・適応的に学習する ・優れたチームプレイヤーとして、提供するソリューションを通じてお客様の成長に貢献する ・直面したお客様の様々な問題に対する解決策を再利用可能な形で抽象化し、Tailor Platformの進化に貢献する 開発環境 ・ミドルウェア Auth0等のIDP, Tailor Platform ・監視 Datadog ・環境構築関連 Docker, docker-compose, Terraform ・使用言語 Typscript, React.js ・フレームワーク等 Next,js, Playwright, vitest ・そのほか GitHub Copilot, WebStorm, GoLand

具体的な職務内容 ●ERPシステム全体のアーキテクチャ設計および技術選定 ●システムのスケーラビリティ・パフォーマンス最適化 ●基本設計および実装、コードレビューの実施 ●開発プロセスの最適化および技術負債の解消 ●要件定義のサポートおよび技術的視点からのフィードバック ●ERP関連技術の調査・導入・評価 ●Tailor Platformの機能改善・最適化の提案と実施 ●セキュリティやデータ管理に関するベストプラクティスの導入

●このポジションの位置付け Ridge-iの技術職ポジションの中でも、本ポジションは「生成AI・LLM・AIエージェント領域」に特化した専門職です。 AIソリューションアーキテクトとパートナー関係を組み、顧客の経営課題に対するAIソリューションを、上流設計から実装・運用まで一気通貫で担います。 業務内容 AIエージェントソリューション開発エンジニアとして、生成AI・LLMを活用したAIエージェントの設計・実装をリードいただきます。 「研究レベルの先端技術」を「実際の現場で使われるシステム」に落とし込む、技術実装の中核を担うポジションです。 【担当いただく技術領域】 ●AIエージェント/LLMアプリケーション開発 LLM(Claude、GPT、Gemini等)を活用したAIエージェントの設計・実装。 TypeScript環境では Mastra、Python環境では LangChain / LangGraph 等のフレームワークを活用し、ReAct、Tool Use、Multi-Agent、MCPなどのエージェント設計パターンを用いた業務自動化・意思決定支援ソリューションを開発します。 ●RAG・ナレッジ基盤の構築 検索拡張生成(RAG)システムの設計・実装。 ベクトル検索、ハイブリッド検索、メタデータフィルタリング、評価・チューニングまでを含む、信頼性の高いRAG基盤の構築。 ●ワークフロー自動化・ツール連携 外部API・SaaS・社内システムとのツール連携設計。 エージェントが実業務を遂行するための認可・ガードレール・監査ログ設計を含む、本番運用可能なワークフローの構築。 ●LLMOps・評価基盤の構築 LLMOpsパイプライン、観測性(Langfuse等)、評価(LLM-as-a-Judge、オフライン評価、A/Bテスト)の設計・実装。

●このポジションの位置付け Ridge-iの技術職ポジションの中でも、本ポジションは「顧客の特定業務に特化したAIエージェントアプリ」をフロントエンドからバックエンドまで一気通貫で開発する専門職です。 AIエージェントソリューション開発エンジニア(AI基盤・RAG・LLMOps担当)とパートナー関係を組み、顧客が直接触るUI/UXから、業務ロジック、LLM統合までを横断的に担当します。 業務内容 AIエージェントアプリケーション開発エンジニアとして、顧客の特定業務に特化したAIアプリを、フロントエンドからバックエンドまでフルスタックで開発いただきます。 要件のヒアリングから、UI設計、API実装、LLM統合、デプロイ、運用まで、「顧客が実業務で使い続けるAIアプリ」を作り切ることに責任を持つ、顧客接点の最前線を担うポジションです。 【担当いただく技術領域】 ●AIエージェントアプリケーションのフロントエンド開発 TypeScript / React / Next.js 等を用いた、AIエージェント対話UI、ダッシュボード、業務画面の設計・実装。 LLMストリーミング表示(Server-Sent Events)、リアルタイム更新、ユーザー体験を最適化するインタラクション設計。 ●バックエンドAPI・統合レイヤーの開発 Node.js / TypeScript等を用いた、LLM統合API、業務ロジック、認証・認可、外部システム連携の実装。 TypeScript環境では Mastra、Python環境では LangChain / LangGraph 等のフレームワークを活用し、本番運用可能なAIエージェント機能を構築します。 ●業務要件の理解とソリューションへの反映 顧客の業務フロー、エンドユーザーの使い方を深く理解し、AIアプリケーションのUI/UX・機能設計に反映します。 ソリューション開発エンジニアと連携しながら、基盤から業務画面までを一貫して構築します。 ●本番運用・改善サイクルの実行 デプロイ、運用監視、利用状況分析、改善提案までを担当。 顧客と一緒にアプリを育てていくことに責任を持ちます。