生成AI・LLMプロダクト開発 Next.jsのITエンジニア求人・転職情報

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

株式会社タイミー

データサイエンスグループでは主に「マッチング体験の向上」「プラットフォームの信頼性・安全性向上」「それらを支えるML/LLM基盤の構築・運用」の3つの領域に注力しています。 本ポジションの主戦場は、マッチング領域およびTrust & Safety(信頼性・安全性)領域におけるAI/MLのプロダクト実装・運用です。社内のML/LLM基盤を活用しながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアなどと連携し、課題設定から実装、リリース後の改善までを推進していただきます。 課題設定や改善テーマの探索はデータサイエンティストや事業・プロダクト側と連携しながら進め、プロダクトへの実装はソフトウェアエンジニアと協働して推進します。MLOpsエンジニアはML/LLM基盤・推論基盤・開発環境の構築・運用を担い、本ポジションはそれらを活用しながら、マッチング機能やTrust & Safety機能の価値実装、評価、運用設計を担います。将来的には、事業課題に応じて担当領域を広げていただくことを期待しています。 1.マッチング体験の向上 ・マッチングロジックの実装・運用 :ワーカーと求人の最適なマッチングを実現するために、マッチングに必要なモデル・ロジック・業務ルールをプロダクト要件に合わせて実装し、安定運用と継続的な改善を担う ・マッチングに必要なデータ・特徴量の設計と実装 :マッチング機能の精度と運用を支えるために、特徴量やモデル入力データを設計し、Feature Store等の基盤も活用しながら実装・運用する ・ML基盤上での機能実装・運用 :Vertex AI Pipelines等の基盤を活用し、マッチング機能に必要なモデル・ロジックの実装、評価、運用、およびRecommend API周辺のプロダクト実装・安定運用を担う ・LLMを活用した自律的な改善ループの構築 :LLMを活用し、マッチング機能における評価、改善候補の生成、モデリングの見直し、比較検証までを含む継続的な改善ループを構築する 2. プラットフォームの信頼性・安全性向上 ・AI機能の安全性実装 :LLM等の基盤モデルを活用し、事実整合性の確保、防御的プロンプト設計、ガードレール実装などを通じて、安全性に配慮したAI機能を実装・改善する ・運用を踏まえたリスク制御の設計 :AI/MLによる判定だけでなく、業務ルールや現場オペレーション、人による確認フローも組み合わせながら、実運用で機能する安全性担保の仕組みを設計・運用する ・リスク予測・異常検知モデルの開発 :構造化データから、プラットフォームの信頼性を損なうパターンを特定する高精度な分類・回帰モデルの構築、および特徴量エンジニアリング ・データセット設計・品質改善 :多様なリスクを網羅するデータの設計・収集、高度なアノテーション管理、合成データの生成によるモデルの堅牢性強化 3. 共通基盤を活用した実装・改善 ・LLMOps/評価基盤の活用と改善提案:実験の追跡と管理、プロンプトのバージョン管理、「AI as a Judge」等を用いた自動評価パイプラインの活用・改善 ・品質・コスト・レイテンシーの継続的な可視化:モデルやAI機能の品質、レイテンシー、コストを継続的に計測し、ユーザー行動やモデル挙動の変化を捉えながら改善サイクルを回す 技術スタック(主要な部分の抜粋) ●クラウド Google Cloud ●開発言語 Python ●データ基盤 BigQuery / Fivetran / dbt Cloud ●ML / LLM基盤 Vertex AI / MLflow / LiteLLM / Datadog LLM Observability ●BIツール Looker / Looker Studio ●IaC Terraform ●開発環境・ツール Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc 【扱っているデータ】 以下のようなデータを扱っています ・アプリユーザーのアクセスログ、募集内容に関する情報 ・マッチングに関する情報 ・レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ ・問い合わせに関するデータ ・営業活動情報のデータ

METATEAM株式会社

お任せしたい業務 ●要望ヒアリングからアーキテクト設計、初期構築、開発、運用保守 ●スクラム開発を用いたアジャイル開発推進 ●チームメンバーに対して開発サポートを行い技術でチームの生産性を向上 ●システム面での課題やプロジェクト課題に対し最適な解決方法の提案 ●急拡大をする部門の組織づくり、マネジメントコンサルシフトの社内支援 ●若手エンジニアの育成・教育 直近プロジェクト事例 ●官公庁システムの機能追加開発におけるフロント支援 [内容]要件定義〜運用・保守 [使用言語]React/TypeScript、Next.js、Jest [参画規模]20名程 ●SaaSサービス開発支援 [内容]予約管理や受け入れ手配、チケットの発券などを行う際に利用するための関連サービスにおける開発(担当工程:基本設計〜運用・保守) [使用言語]Java /SpringBoot、Javascript/TypeScript/React/BootStrap/node.js [参画規模]10名程

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

株式会社ログラス

【仕事概要】 本ポジションでは、営業領域のLLM新規プロダクトにおいて、PdM・デザイナー・エンジニア・事業メンバーと連携しながら、ディスカバリーからデリバリーまで一気通貫でプロダクト開発に携わっていただきます。 単に仕様通りに開発するのではなく、顧客課題や業務プロセスを深く理解し、「どのようなプロダクト体験であれば営業活動の成果につながるのか」をチームで探索しながら、LLMを活用した機能開発、アーキテクチャ設計、技術品質の向上、開発プロセス改善を推進いただく役割です。 また、開発チームではCursorやClaude Codeなどを活用したAI駆動開発を積極的に推進しています。AIプロダクトを、AIネイティブな開発プロセスで高速に作り、PMF達成と事業成長に直接コミットすることができます。 【業務内容】 ●LLMを活用したコア機能の設計・実装 ・商談データや営業活動データなど、マルチモーダルな情報を活用したプロダクト機能の設計・実装 ・プロンプトエンジニアリング / コンテキストエンジニアリングを含む、LLM活用機能の改善 ・Kotlin / Python / Next.js / TypeScript を用いた継続的な機能開発 ●PMF達成に向けたプロダクト開発 ・PdMや事業メンバーと連携した顧客課題の探索、要求整理、仕様検討 ・ユーザーフィードバックや利用状況を踏まえた改善仮説の立案・実装 ・顧客価値と事業成果につながるプロダクト体験の継続的な磨き込み ●アーキテクチャ設計・技術品質の向上 ・将来のスケールと保守性を見据えたアーキテクチャ設計 ・技術的負債の解消、パフォーマンス改善、セキュリティ・信頼性向上 ・コードレビューや設計レビューを通じた開発品質の向上 ●AI駆動開発・開発生産性の向上 ・Cursor、Claude Code、Geminiなどを活用した開発プロセスの高速化 ・チームの生産性を高めるための自動化、開発フロー改善、ナレッジ共有 ・AIを活用した開発体験・開発組織の進化に向けた取り組み ●外部サービス・データ連携の設計・実装 ・Salesforceなど外部SaaS / API連携の設計・実装 ・顧客環境や業務データを踏まえたプロダクト連携の改善 【開発環境】 ・サーバーサイド 　Kotlin / Python ・フロントエンド 　React / Next.js / TypeScript ・インフラ 　AWS / Terraform / Fargate / ECR ・DB 　Aurora PostgreSQL ・テストツール 　Datadog synthetics / Playwright ・コミュニケーションツール他 　Slack / Gather / Figma / Findy team+ / Notion / diaglams.net / Cursor / Claude Code / Gemini ※業務内容の変更範囲 :会社の定める業務

SALESCORE株式会社（セールスコア）

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

SALESCORE株式会社（セールスコア）

会話解析AI「Value Intelligence (VI)」のフルスタックエンジニアとして、企画、設計、開発、運用まで一気通貫でプロダクト開発を担っていただきます。 CEOやPdM、コンサルタントや営業といったビジネスサイドの担当者と密に連携し、顧客の生の声をダイレクトに開発へ活かしていく役割です。 ●新規アプリケーション開発 ・VIの「Value Map」が持つコンテキストを活用し、営業担当者へのフィードバック機能やガイド機能といった、新たな価値を提供するアプリケーションをゼロから開発します。 ・基本的には、一つの新機能を独立して担当していただきます。担当領域は、LLM機能の仕様検討からフロントエンド、バックエンド、インフラまで、開発の全工程に及びます。 ●既存アプリケーションの改修・改善 ・自身が開発した新規アプリケーションの継続的な機能改善や、顧客やCEO、営業、コンサルタントなどビジネスサイドの声に基づいた既存アプリケーションの改修を担当します。 ●AIネイティブな開発プロセスの推進 ・Claude Code, GitHub Copilot等の活用、Devinによる自動化やコンテキストエンジニアリング環境の整備など、チーム全体の生産性向上をリードしていただきます。 技術スタック(参考:既存SaaSプロダクト) ・フロントエンド: TypeScript, Next.js, TailwindCSS ・バックエンド: TypeScript, Node.js, PostgreSQL, BigQuery ・インフラ: GCP, Firebase ・AI: ClaudeCode, Codex, Devin, OpenAI, Claude, Gemini

株式会社Works Human Intelligence

【役割】 圧倒的な実装力を活かし、「自社製AI/LLMゲートウェイのスクラッチ開発」や「他社データを絶対に混在させないセキュアなRAG基盤」のコアロジック実装(プレイングの先頭)を担っていただきます。 その後、半年〜1年を目安に以下のステップで「技術への責任範囲」を全社規模へと拡張していただきます。 ・基盤のコアコンポーネントの自らによる実装、および技術的ブレイクスルーの体現 ・全社プロダクトが利用するAI組み込みガイドライン、自動テスト戦略、CI/CDパイプラインの策定 ・部署横断での技術選定、難解なシステムトラブルの最終エスカレーション対応、およびADR(アーキテクチャ決定記録)の主導 ※ピープルマネジメント(評価・労務管理)の責務はありません。「純粋に技術とプロダクトの品質でチームを引っ張るスペシャリスト」としてのキャリアをお約束します。 【職務内容】 ●基盤アーキテクチャの設計・技術選定 ・AI Readyなデータ基盤のアーキテクチャ設計、開発のアーキテクチャ全体のグランドデザイン ・非機能要件(レイテンシー、スケーラビリティ、可用性、強固なマルチテナントセキュリティ)を担保するクラウドインフラ(AWS等)およびバックエンドの設計 ・各種LLM(OpenAI, Anthropic, Bedrock等)のAPI動的ルーティング、およびコスト・応答速度最適化ロジックの考案 ・中長期的な視点に立った技術的負債の返済計画策定と、CI/CD環境のモダン化 ●コアコンポーネントの実装・品質担保 ・基盤における「最も技術的難易度の高い10%のコード」のハンズオン実装 ・PoC(仮説検証)コードから、数万人規模の同時接続に耐えうる本番クオリティへのリファクタリング主導 ・厳格な自動テスト(Unit, E2E, 負荷テスト等)の設計と仕組み化による「落ちないインフラ」の実現 ・チームメンバーへの高度なコードレビュー、およびペアプログラミング等を通じた技術メンタリング ●部門説明 【所属部署・配属組織】2026年6月現在 アドバンスドテクノロジー部門 約80名※協力会社社員含む └先端技術の研究・開発に取り組む研究開発部門(立ち上げ当初30名から倍以上に成長) └各製品/開発領域で組織が分かれ、それぞれ5~10名規模のグループ(チーム)が存在 【特徴・チームワーク】 ・エンジニアが企画から開発まで一貫して携われる、一部門としてはスタートアップのような運営形態 ・「COMPANY」に蓄積された膨大かつ豊富な種類のデータを活用して新しい価値を創造するやりがい ・チーム内での技術の情報共有が積極的、デイリーミーティングによるサポート体制、アットホームな雰囲気 ●技術スタック チームによって異なるため、以下のいずれか(参考まで) ・言語:Java/TypeScript/Kotlin/Python ・Cloud: AWS/Google Cloud/Azure/OCI ・DB: PostgreSQL/Oracle DB/Amazon Aurora/Amazon DynamoDB ・FW: SpringBoot/Severless Framework/React/Vue3/Svelte/Kotlin Multiplatform ・開発インフラ: GitHub/Sonarqube/Jira/Redmine/Zenhub/Figma ・生成AI: GitHub Copilot/Gemini for Google Workspaces/Azure OpenAI Service/AWS Bedrock/Google VertexAI/AWS KIRO/Claude Cowork

株式会社JDSC

●担っていただきたい役割 本ポジションでは、データを中核とした開発・業務革新の推進役として、顧客とともに価値創造に取り組んでまいります。 あなたの強みと弊社のエンジニアリング、データサイエンス、ビジネスナレッジを組み合わせ、フルサイクルで開発を決めることができます。 「最速で価値を提供すること」:そのために様々な開発手法を学び改善プロセスに組み込む 「業務データの価値を引き出す」:そのために高い視座・広い視点、それを支える専門性が必要 「専門性のコラボレート」:隣接領域への理解とリスペクトが近づく 当社のエンジニアは、データを軸としながら多様なバックグラウンドと専門領域を持ち寄り、フロントエンド、バック エンド、データエンジニアリング、LLM活用、プロジェクトマネジメントなど、職能を超えて補完し合うスタイルで価値提供を行っています。 ●開発環境 スクラム開発をベースにしつつ、や課題チームに合わせて柔軟に開発サイクルを設計・改善しながら、継続的な価値を提供します。開発対象は、BtoBやBtoBtoBといった多様な形態の中、課題に対して最適な技術を柔軟に取り入れるための最新技術や複数のクラウドに触れる機会が多いです。 プラットフォーム開発・マルチテナント設計、億単位のOLTP・OLAP、PWAやWebScoketなどWeb技術活用、LLM、RAGなど多様な技術を活用し顧客の課題解決につながる開発を進めています 【使用技術の一例】 ・バックエンド:Python, TypeScript, Go など ・フロントエンド:React, Next.js ・データベース:PostgreSQL / MySQL ・インフラ:Google Cloud / AWS / Azure / Snowflake / Terraform ・データパイプライン:DataForm, dbt等 ・コード管理:Github ・バックログ管理:Jira ・コミュニケーション:Google Workspace / Slack / zoom / Microsoft Teams ●活用事例: ・ヘルスケアの事例 　https://jdsc.ai/news/news-3683/ ・LLMの活用事例: 　https://aws.amazon.com/jp/blogs/news/genai-case-study-jdsc/ 　https://jdsc.ai/news/news-5142/ ●働き方 JDSCでは、各メンバーのライフスタイルや価値観に合わせた多様な働き方が実現できます 現在の実績として、出社もしくはリモートを中心として働くことや育休取得、フレックスタイム制度を活用するなどそれぞれの事情に配慮した上で多様な働き方をしている人が多いです。 その他ポジションに関わる福利厚生の一例として以下が挙げられます。創業時代から「まずはやってみる」ということを大切にしている人が多くの結果として以下が実現されています ・書籍購入認証 ・オライリーオンライン ( https://note.com/jdsc/n/n8aced0fb1765) ・Claude、ChatGPT等 LLMの業務利用に対する補助 ・インディングエージェントの補助 ・Google Cloud、AWS証明書の資格取得支援 ・社会人修士・社会人博士支援制度

株式会社マネジメントソリューションズ（MSOL）

●PROEVERとは MSOLがプロジェクトマネジメント専門会社として培ってきたノウハウと経験を結集し、「プロジェクトマネジメントプラットフォーム」としてSaaS展開しているのが PROEVER です。プロジェクトデータを一元的に集約し、AI技術も活用することで、マネジメント層の意思決定を支援し、プロジェクトの成功とプロジェクトマネジメント成熟度の向上を実現します。 主なお客さまは、全社横断で多数のプロジェクトを推進するマネジメント層(PM含む)です。プロジェクトの状況をリアルタイムかつ正確に把握し、迅速な意思決定が可能になります。一般的なPMツールがタスクや課題管理に主眼を置くのに対し、PROEVERは複数プロジェクトを俯瞰的・横断的に可視化できる点を大きな特長としています。 ※[PROEVERのサービス概要はこちら](https://proever.com/) ※[事業部の紹介対談はこちら](https://note.msols.com/n/n1472dff92988?gs=6f6dff9594a4) ●仕事内容 当社SaaSプロダクト「PROEVER」のプロダクトエンジニア(AI・アプリケーション基盤)として、競争優位性の核となるAIエージェント機能の開発と、それを支えるバックエンド基盤の実装をリードしていただきます。 現在は少数精鋭の体制のため、定型的な管理業務ではなく、自ら手を動かして未知の技術課題をブレイクスルーしていく役割です。 ・AIエージェント基盤構築: Azure AI Foundry / Azure OpenAI をフル活用し、LangGraph.js等を用いたマルチステップ推論・自律型ワークフロー制御のバックエンド実装。 ・RAG(検索拡張生成)の最適化: Azure AI Search や Vector DB を用いた検索拡張生成システムの設計・チューニング。 ・LLMの品質・ガバナンス担保: AIの回答精度向上、およびZod等を用いた出力構造化、ガードレール(安全性・セキュリティ)の仕組みづくり。 ・データアクセス&パイプラインの構築: 複雑なプロジェクトマネジメントデータをAIが最適に解釈・処理できる形式へ変換するパイプラインの開発、および Hasura (GraphQL) / PostgreSQL を用いた効率的なAPI開発。 ・技術組織への還元: コードレビューや設計レビュー、最新のAI技術調査・評価を通じて、チーム全体のAI技術力の底上げ。 ●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 / Next.js / (Python) データベース:PostgreSQL / GraphQL (Hasura) 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 / Claude Code / Keeper ●業務の変更範囲について 「変更の範囲:当社及び出向(転籍)先における各種業務全般 」 ●人数体制(2026年1月現在) ・計27名(カスタマーG:11名、プロダクトG:12名、その他:4名)

株式会社ナウキャスト

●業務の概要 データエンジニアとして、様々なデータ関連の業務に関わっていただきます。 データ基盤の構築、データ分析、プロダクト開発、生成AI関連開発など、ご志向やご経験に合わせて幅広い業務に挑戦することができます。 ※社内の配属先はご経験やご希望を踏まえた上でご本人様とご相談しながら決定いたします 【具体的な業務内容】 ・データ基盤の設計、構築、テスト、開発、保守、運用 ・自社プロダクトのデータパイプラインの設計、構築、運用 ・生成AI導入における顧客支援 ●事例 ・自社開発したデータ分析基盤のアセスメントと高度化(三菱地所株式会社) 　https://nowcast.co.jp/case-studies/20240710/ 　https://nowcast.co.jp/news/20260218/ ・ナウキャスト、「Snowflake」を活用し、野村フィデューシャリー・リサーチ&コンサルティングの新たなデータ基盤を構築 　https://nowcast.co.jp/news/20241021/ ・Finatextグループのナウキャスト、ファイナンシャルアドバイザリー業務の効率化を生成AIで支援する「Finatext Advisory Assist」を提供開始 　https://nowcast.co.jp/news/20240419/ ・ニッセイアセットマネジメントの社員発アイデアをもとにした生成AI社内アプリケーションを開発 　https://nowcast.co.jp/news/20240731 ・ナウキャスト、大和アセットマネジメント専用の生成AIアプリケーション「DAM-AICore」を開発 　https://nowcast.co.jp/news/20260107/ ・ナウキャスト、デジタルガレージのグループ横断データ基盤の構築を支援 　https://nowcast.co.jp/news/20260217/ ・ナウキャスト、AIエージェント統制基盤「MCPass」β版を開発 　https://nowcast.co.jp/news/20260417/ ●その他 ・大野(Kevin)が「2026 Snowflake Data Superhero」に選出 　https://finatext.com/hd/news/pYa0o88X ・ナウキャスト、Snowflakeサービスパートナー「Select」に認定 　https://nowcast.co.jp/news/20241022/ ・Snowflakeの「Industry Solution Partner of the Year」を受賞 　https://nowcast.co.jp/news/20250912/ ・Finatextホールディングス、VP of Data & AIに大野巧作 / Kevin が就任 　https://finatext.com/hd/news/20251021 ●こんな経験を活かせます ①データインフラの「ソフトウェア製品化」という潮流の中でソフトウェアエンジニアを通じて培ってこられたのシステム設計・開発スキルが直接活かせる ②マイクロサービス設計の知見をデータメッシュやレイクハウス設計に応用可能 ③TDD/CI/CDの経験をデータパイプラインの自動テスト・品質保証に展開可能 ④DBチューニング経験を活かし、大規模DWH・クエリ最適化・パフォーマンス改善で活躍可能 ③ソフトウェアエンジニア経験で培った論理的思考や可読性・保守性へのこだわりがデータ品質・再現性・スキーマ設計にも直結 ●技術スタック Python、dbt、Airflow、Snowflake、Redshift、Terraform、Vue.js、React、AWS、Google Cloud、Azure

株式会社エス・エム・エス

求職者の体験を向上し、よりサービスを利用していただくため、キャリアパートナーの業務を改善する必要があります。そのためのサービス基盤の開発や改善をお任せします。 エス・エム・エスのビジネスを牽引してきたサービスを、さらに進化させていくことがミッションです。 ・ユーザーへのヒアリングを通じた企画・要件定義 ・Next.js/FastAPIを用いたWebアプリケーションの設計・開発 ・Gemini等を活用した生成AI機能の実装 ※事業や所属部門の状況の変化等により、会社の指示する職務内容へ変更することがある 入社後の流れ 入社後は全体研修を実施し、会社の理念や事業内容、各種制度について説明します。 その後は、配属部署にて実務を通じたOJTでキャッチアップを進めていただきます。 即戦力としてご活躍いただけるよう、必要に応じてサポートしますので、不明点や困りごとは気軽に相談できる環境です。 開発環境・利用ツール ・言語・フレームワーク:TypeScript, Next.js, shadcn/ui, Python, FastAPI ・インフラ:Google Cloud(Cloud SQL, Cloud Tasks, Eventarc, BigQuery, Vertex AI etc) ・情報共有ツール:Slack, esa, Miro ●その他環境 ・GitHub,Slack, esa.io, miro, Gemini, ChatAPI, OAuth 配属部署 プロダクト推進本部 プロダクト開発部 人材紹介グループ 将来のキャリアパス ・アーキテクト、エンジニアリングマネージャーなど個々の志向性に併せて多様なキャリアパスが存在します。

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

株式会社プログデンス

ID管理 × セキュリティ自動化アプリ開発のリード ID管理システムやSASE製品、各種SaaSを連携させ、アカウント管理・セキュリティポリシーの自動化を実現するアプリケーション開発プロジェクトをプレイングマネージャーとして推進いただきます。 【1】ID連携 / プロビジョニング自動化アプリ開発 ・人事DB ⇄ AD / IDaaS / 各種システムをつなぐAPI連携基盤の設計(Python/FastAPI) ・入退社・組織変更に伴う権限変更の自動化ロジックの実装 ・アカウントライフサイクル管理の設計・改修 【2】SASE / セキュリティ制御の自動化 ・CiscoなどのSASE製品APIを用いたポリシー設定自動化 ・ゼロトラストに基づくアクセス制御ルール反映 ・ログ取得・分析の自動化ツール ・IDイベント(入社・異動)と連動したネットワーク制御 ※ ID × SASE × アプリ自動化 は、現在最も需要が高い領域です。 【3】PM/PLとしてのプロジェクト推進(10〜20人月) ・顧客要件整理(IDガバナンス・アクセス管理) ・アーキテクチャ設計・技術選定 ・メンバー支援、レビュー、進行管理 ※PM未経験の方は、まずは小規模案件のリーダーや、先輩PMの補佐からスタートし、徐々に規模を広げていただきます。 安心してPM/PLへステップアップできる体制です。 【4】自社プロダクトの開発にも携われます 当社のID管理プロダクト「ID Flow Orchestrator」「School Shuttle」 に参画いただきます。 ・Next.js / TypeScript を用いたフロントエンド開発 ・Python / C# を用いたバックエンド・API開発 ・ChatGPT / Claude などAI機能組み込み ・UI/UX改善、機能提案、レビュー ※受託とプロダクト開発を往復できるため、“継続的な価値づくり” を行うエンジニアへと成長できます。 ●技術スタック / 開発環境(モダン技術を積極採用) ・言語:Python / TypeScript / JavaScript / C# / PHP ・FW:Next.js / React / FastAPI / Flask / Node.js ・ID管理:AD / LDAP / IDaaS(Okta/Entra ID等) / SAML / OIDC ・自動化:Ansible / Terraform / CI/CD / Docker ・クラウド:AWS / Azure / GCP ・AI活用:ChatGPT / Claude / Azure OpenAI ● 重要ポイント:ネットワーク知識は不要です ID連携にはSaaSやSASEなどの外部システムが関わりますが、担当いただくのは アプリケーション層(ID・権限・連携ロジック) が中心です。 専門的なネットワーク知識は不要で、必要に応じてインフラ専門チームが技術支援を行います。

株式会社グッドパッチ

このプロダクトの信頼性は、裏側の基盤の強さで決まります。 ユーザーがつくった業務アプリが、安全に・止まらずに動き続ける。 その当たり前を支える基盤を、あなたに任せたいと考えています。 現状は立ち上げに携わったエンジニアがフロントエンドからバックエンドまで担当しているため、新しくバックエンド・インフラをメインで担当いただける2人目のコアメンバーをお迎えしたいと考えています。 指示を待って手を動かすのではなく、ビジネスサイドや開発メンバーと一緒に「何をつくるべきか」から考え、つくったものの知見をチームに残していく。 その動き方ができる方と、プロダクトの初期を一緒につくりたいと考えています。 ●具体的な仕事内容 AIが生成した業務アプリを安全に実行できる基盤(実行環境・データ基盤)の設計・実装・運用 GCP(Cloud Run / Cloud SQL 等)上でのバックエンド開発、非同期処理の構築 業務システムとして求められるセキュリティ・信頼性の担保 ビジネスサイド・開発メンバーと連携した要件定義からの開発(仕様が固まる前から参加します) 開発の知見・設計判断をドキュメントとして残し、チームの開発力を底上げする動き 入社後はまず既存の基盤を把握し、コアメンバーと役割を分けながらバックエンド・インフラ領域全般の主担当として関わっていただきたいと考えています。 プロダクトの成長に合わせて、スケールへの対応も担っていただきます。 ●チーム体制 新規プロダクトの開発チームとなるため、現在はビジネス、デザイン、エンジニアリング各領域のプロフェッショナルを集めたコアメンバーのみの少人数体制です。 AIを活用した開発を前提として進めています。 事業責任者1名 BXデザイナー1名 UIデザイナー1名 プロダクトエンジニア1名 ●使用ツール・開発環境 バックエンド: TypeScript, Node.js, Hono, Drizzle フロントエンド: TypeScript, React, Next.js, Tailwind データベース: PostgreSQL (Google Cloud SQL) LLM: Anthropic API, OpenAI API, Google Gemini API, Vercel AI SDK インフラ: Google Cloud Platform (Cloud Run, Cloud SQL, GCS), Terraform バックログ管理: Notion コード管理: GitHub ●業務内容の変更の範囲 雇入れ直後:上記参照 変更の範囲:当社における各種業務全般

Japan Digital Design 株式会社

業務概要 三菱UFJフィナンシャル・グループ(以下、MUFG)のデジタルトランスフォーメーション(DX)推進を、グループ会社としてグループ内から支援し、金融基盤・クラウド技術・生成AI/AI Agentを活用した次世代金融ユーザー体験の創出を実現します。 今回募集するテクニカルプロジェクトマネージャーは、AIアプリケーションや次世代金融プロダクトを開発対象とするプロジェクトのゴール達成に向けた役割を担います。 通常のプロジェクトマネジメントに加え、技術的な知見をもとに、金融機関に求められるセキュリティ・信頼性の要件とモダンな技術スタックを両立させながら、プロジェクトのデリバリーに責任を持つロールです。 職務内容 ・スコープの定義、要件定義・仕様策定 ・スケジュールやリソース面のプランニング ・技術的な難易度の評価、課題のハンドリング ・金融機関のセキュリティ基準を考慮した設計・開発の推進とその説明責任 ・プロジェクトのファシリテート、情報の整理、優先順位決め ・プロジェクト推進におけるエンジニアメンバのサポート、メンタリング、フォローアップ 会社とメンバー Japan Digital Design(以下、JDD)は、三菱UFJフィナンシャル・グループ(以下、MUFG)のグループ企業として、MUFGグループ各社を始め金融機関に対して金融ソリューション事業を展開しています。 JDDのミッションは、「金融の新しいあたりまえを創る」です。JDDの考える「金融の新しいあたりまえ」は、「データと顧客価値の循環」と定義しています。安心安全な環境でデータを収集・学習し、顧客の需要を知り、使いやすいデザインでサービスを届け、その効果をデータで測る。これら一連の循環を素早く行うことがJDDの目指す価値創出です。 生成AIやAI Agentの進化により、金融業務・顧客接点・社内オペレーションのあり方は大きく変わりつつあります。JDDでは、金融機関に求められる安全性・信頼性・説明可能性を重視しながら、AI Agentを活用した新しい業務体験・顧客体験の創出に取り組んでいます。 メンバーとしては、金融機関からの出向者に加え、これまで銀行組織にはいなかった大手IT企業やクラウドサービス事業者、優れたStartupから経験豊富なメンバーが集まっています。ビジネス開発、データサイエンティスト、UXデザイナー、ITアーキテクト、インフラエンジニア、ソフトウェアエンジニア、セキュリティエンジニア等の領域の専門人材を、プロジェクトごとにチーム編成し、金融機関の各種課題を解決していきます。 開発言語・技術スタック・フレームワーク ※プロジェクト特性・システム特性に応じて最適な技術スタックを選定します。近年はTypeScriptをメインの開発言語に据えつつ、AI/LLM領域ではPythonも活用しています。 ●フロントエンド ・TypeScript, Next.js, React, Vite, Storybook ●バックエンド ・TypeScript, Next.js, Express ・Python, Fast API ●インフラ ・AWS (ECS, Fargate, Amplify, Lambda, StepFunctions, S3, etc..) ・Google Cloud (Cloud Run, Cloud Pub/Sub, Identity platform, Cloud SQL, Cloud Functions, Terraform) ●AI / LLM / Agent ・OpenAI API / Azure OpenAI Service / Anthropic / Gemini等のLLM API ・LangChain / LangGraph / LlamaIndex 等のLLMアプリケーションフレームワーク ・RAG、Tool Calling、Function Calling、Multi-Agent Workflow ・Vector Database / Embedding / Semantic Search ・Prompt Engineering / Context Engineering ●開発ツール ・Slack, GitHub (GitHub Copilot), Claude Code などの AI コーディングアシスタントツール / 各種 LLM ツール, JIRA, Confluence, Microsoft Teams 変更の範囲 会社の定める業務

株式会社フルスピード

【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

JAPAN AI株式会社

ミッション ソフトウェアエンジニアリングとAIを駆使して、テストの自動化とテストケースのライフサイクル全体の質を高め、プロダクト品質とリリース速度を両立させる現在、QA業務のうち約50〜60%はすでに自動化されており、基盤としては一定の水準に達しています。このポジションで問われるのは自動化率を積み増すことだけでなく、未自動化領域の自動化・既存テストの品質改善・テストケースのライフサイクル管理を仕組み化し、改善が自走するサイクルを作ることです。 期待する役割について テストの自動化・既存テストの品質改善・テストケースのライフサイクル運用の3方向をリードし、AIを活用しながらQAプロセス全体が継続的に良くなる仕組みを構築・運用していただきます。 ・自動化できていない領域を見極め、優先度をつけて自動化する ・既存の自動化されたテストの品質(網羅性・保守性・シグナルの信頼性)を継続的に改善する ・テストケースのライフサイクル(作成・実行・評価・棚卸し・廃止)を設計し、改善が回る仕組みを構築・運用する ・AI/LLMを用いたテストケース生成・改善エージェントを構築する ・品質課題をプロダクトチームにフィードバックし、エンジニア/ビジネス/CSとの橋渡しを行う ・約400社が本番利用するプロダクトの品質を、自動化・品質改善・仕組み運用の3方向から担保する 業務内容 ●未自動化領域の自動化 ・自動化できていない箇所を洗い出し、優先度をつけて自動化する ・AI/LLMを活用したテストケース生成エージェントの構築 ・CI/CDへの自動テスト組み込み・回帰テストの整備 ●既存テストの品質改善 ・既存テストケースの品質(重複・カバレッジ・保守コスト・シグナルの信頼性)を精査し、改善する ・Flakyテストの検知・修正、形骸化したテストの棚卸し ・テスト設計・品質基準の策定、良いテストケースの記述 ●テストケースのライフサイクル設計・運用 ・テストケースの作成〜実行〜評価〜棚卸し〜廃止までのライフサイクルを設計する ・改善が継続的に回る仕組み(レビュー体制・メトリクス・運用フロー)を構築・運用する ・JAPAN AI STUDIOを活用したQA・テスト業務の仕組み化 ・品質課題をプロダクトチームにフィードバックし、エンジニア/ビジネス/CS/非エンジニアとの橋渡しを行う チーム体制 約150名が開発組織に在籍しています。 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 従事すべき業務の変更の範囲 会社の定める業務

株式会社ログラス

本ポジションでは、ログラスが展開する新規AIプロダクトのいずれかに参画し、PdM・デザイナー・ドメインエキスパートなどと連携しながら、顧客課題の探索からプロトタイピング、設計、実装、検証、改善までを一気通貫で担っていただきます。 単に決められた仕様を実装するのではなく、顧客との対話を通じて業務や課題を理解し、LLM・AIエージェントをどのように組み込めば新しい価値を実現できるかを考え、実際に動くプロダクトとして届ける役割です。 AIプロダクトは、技術の進化が速く、最初から完成された正解が存在しない領域ではありません。 そのため、精緻な仕様を長期間かけて実装するよりも、顧客の業務を理解し、短期間でプロトタイプを作り、実際の利用を通じて仮説を検証することを重視しています。 プロダクトのフェーズや本人の強みに応じて、フロントエンド・バックエンド・AIアプリケーション・アーキテクチャなど、担当範囲は柔軟に設計します。 領域を限定せず、プロダクトの価値提供に必要な技術課題へ越境して取り組んでいただくことを期待しています。 本ポジションでは、ログラスが展開する新規AIプロダクトのいずれかに参画し、PdM・デザイナー・ドメインエキスパートなどと連携しながら、顧客課題の探索からプロトタイピング、設計、実装、検証、改善までを一気通貫で担っていただきます。 単に決められた仕様を実装するのではなく、顧客との対話を通じて業務や課題を理解し、LLM・AIエージェントをどのように組み込めば新しい価値を実現できるかを考え、実際に動くプロダクトとして届ける役割です。 AIプロダクトは、技術の進化が速く、最初から完成された正解が存在しない領域ではありません。 そのため、精緻な仕様を長期間かけて実装するよりも、顧客の業務を理解し、短期間でプロトタイプを作り、実際の利用を通じて仮説を検証することを重視しています。 プロダクトのフェーズや本人の強みに応じて、フロントエンド・バックエンド・AIアプリケーション・アーキテクチャなど、担当範囲は柔軟に設計します。 領域を限定せず、プロダクトの価値提供に必要な技術課題へ越境して取り組んでいただくことを期待しています。 ●顧客課題の探索とプロダクト設計 顧客へのヒアリングや業務観察を通じた課題・業務フローの理解 PdM、デザイナー、ドメインエキスパートと連携したプロダクト体験の設計 顧客課題と技術的な実現可能性を踏まえた機能要件・仕様の策定 プロトタイプを用いた仮説検証と顧客フィードバックの収集 ●LLM・AIエージェントを活用したプロダクト開発 LLMを組み込んだWebアプリケーションの設計・実装 プロンプトエンジニアリング、コンテキスト設計、RAG等を活用した機能開発 AIエージェントを活用した業務フロー・ユーザー体験の設計 モデルの出力品質を評価する仕組みや評価指標の設計 精度・速度・コスト・再現性を踏まえた継続的な改善 新しいモデルやAI技術の検証とプロダクトへの適用 ●PMFに向けた高速な開発・改善 新規プロダクトや機能のプロトタイピング 顧客利用を通じて得られたフィードバックを踏まえた改善 利用状況や定性・定量データに基づく優先順位の判断 PdM・デザイナー・ビジネスメンバーと連携した開発計画の策定 技術的な知見を踏まえたプロダクト戦略・ロードマップへの提案 ●プロダクトの成長を支える技術基盤の構築 プロダクトの成長を見据えたアーキテクチャ設計 可用性・拡張性・セキュリティ・パフォーマンスの改善 コードレビュー、テスト設計、自動化による開発品質の向上 AIコーディングツールを活用した開発プロセスの改善 複数のAIプロダクトで再利用できる知見・技術基盤の整備 ※参画するプロダクトや具体的な業務範囲は、ご経験・志向、選考時点の事業状況を踏まえて決定します。 ●開発環境 サーバーサイド:Go フロントエンド:React / Next.js / TypeScript インフラ:AWS / Terraform / Fargate / ECR データベース:Aurora PostgreSQL テストツール:Datadog Synthetics / Playwright コミュニケーション・設計・開発支援:Slack Gather Figma Findy Team+ Notion Miro diagrams.net Cursor Claude Code Gemini ※参画プロダクトによって、一部の技術構成が異なる場合があります。 ●業務内容の変更範囲 会社の定める業務

燈株式会社

創業5年で評価額1,000億円超/急成長を続け使命の実現を目指す 2021年の創業以来、黒字経営を続けてきた弊社があえて資金調達に踏み切った理由。それは、日本の基幹産業をアップデートし、世界市場での競争優位性を確立する、その決意の表れです。 評価額は1,000億円を超え、大きな期待を背負う形となりました。創業から5年間急成長を続けてきた弊社ですが、目指すのはさらにその先、ここがゴールではありません。長きに渡って日本が磨き続けてきた「ものづくり」という世界に届く武器を、最先端AIやロボティクスの力でさらに強固なものにする。インターネット時代に停滞した日本経済を、AI時代に再興する。そして私たち燈も日本一・世界一の企業となり日本の希望の光となる。それが実現できた時、私たちが掲げる「日本を照らす燈となる」という使命は達成されます。 ここから燈の成長は第二フェーズに突入します。これまで以上にダイナミックなビジネスを展開していく中で、働くメンバーにも多くのチャンスが巡っていきます。この環境下で大きな使命を背負い、私たちと一緒に歩んでいただける方を募集しています。文章だけでは語り尽くせない思いや、詳細な業務内容について、ぜひカジュアル面談でお話しさせてください。 DX Solution事業本部のシステム開発チームにソフトウェアエンジニアとして配属され、クライアント企業のDXを推進するシステム開発に携わっていただきます。 入社直後は、テックリードやシニアエンジニアの指導のもと、設計思想やコーディング規約を学びながら、フロントエンド・バックエンド・インフラなどフルスタックな領域に対しての実装をメインで担当していただきます。単なる実装作業にとどまらず、クライアントとのMTG参加などを通じて顧客に近い距離でシステムを構築する経験を積むことも可能です。 【入社後にまずお任せしたいこと】 新規開発では、案件へ参画して要件をキャッチアップしていただき、既存開発メンバーと共に詳細設計・開発・テスト業務を担当いただきます。 保守・追加開発では、既存メンバーと共に担当案件の仕様やシステム構成などをキャッチアップしていただき、不具合の修正対応や追加開発案件での実装業務から着手いただきます。 【開発例】 ・RAGを用いた社内ナレッジ検索Webシステムの開発:社内技術文書を検索・回答生成するエージェント機能のバックエンドAPIおよびフロントエンド開発。 ・画像認識AIを搭載した写真管理プラットフォームの構築・運用:数百万枚規模の現場写真を高速に処理するデータベース設計・API実装。稼働後のパフォーマンス改善やデータ量増加に伴うスペック検討も担当。 ・動画解析によるインフラ異常検知ダッシュボードの開発:車載カメラ等の動画データを解析し、変状箇所を可視化する管理画面(UI)の実装と、解析結果を蓄積・配信するバックエンドシステムの構築。 ・ドメイン特化LLMを活用した業務支援ツールのAPI開発・追加開発:建設・製造業向けLLMの推論APIの実装、および稼働中サービスへの機能追加・改善。 ・稼働中Webシステムの保守・改善:不具合調査や修正、脆弱性対応、ボトルネック特定によるパフォーマンスチューニング、インフラ監視や改善対応、機能追加・改善提案により発足した開発案件の開発プロセス進行。 【技術スタック(一例)】 フロントエンド:TypeScript / Node.js / React / Next.js バックエンド:TypeScript / Node.js / Python / NestJS / FastAPI / GraphQL / Hasura / gRPC インフラ:Terraform / Kubernetes / AWS / Microsoft Azure / Google Cloud AI:Python / Numpy / Pandas / PyTorch / OpenCV AI開発ツール:Devin / Claude Code / GitHub Copilot / Gemini 燈では、最新のAI開発支援ツールを実務に組み込み、効率と品質を同時に高めています。主な活用例は以下の通りです。 Devin:自動タスク実行により、同時並行での実装数を向上 Claude Code:自然言語からの高度なコード提案・改善で、実装スピードおよび同時並行実装数を向上 GitHub Copilot:日常的なコーディング補助で、作業効率を底上げ Gemini:Deep Research / Python実行を含む情報検索・解析で、調査や設計の精度を向上

株式会社kubell

ChatworkおよびBPaaSの事業に貢献する顕在ニーズに応えるAIサービスやプロダクトの開発。 加えて、ニーズが顕在化していないプロダクトアウトアプローチによる中長期に向けた研究開発を行います。 プロダクトマネージャーは、要件定義からリリースまでのマネジメント・推進を担って頂きます。 ● AI基盤開発の推進 ● AIエージェントや機械学習等の仕組みを利用したプロダクト開発 ● 中小企業の経理・労務・人事のバックオフィス業務においてAIエージェントが効果的な業務を抽出 ● AIエージェント導入後のToBeの業務プロセスの具体化 ● バックオフィス業務のナレッジを活かし専門家からのヒアリングをもとにAIエージェントのプロンプトを作成生成AIおよびフロントエンドなど全体を設計 ● Dify/n8n等のAIエージェントのノーコードツールを用いたPoCの実行 ● AIエージェントを実装するエンジニア開発メンバーとコミュニケーションをしながら開発方向性をリード ● AIエージェントの運用と改善 ● 開発したAIエージェントに関する社内や顧客への導入推進 ● プロダクトおよびサービスの設計・開発・運用にエンジニアと伴走 所属部門・チーム ● Chatwork事業、BPaaS事業の開発とプロダクト組織が横断に関わる横断プロジェクトチーム ● AIベンチャーの上場経験があるAI活用の現実を理解するビズとエンジニアリングを両面対応できるメンバーが立ち上げ中のチーム ● AI開発のビズや開発、運用経験を持つビズメンバー、生成AIを中心としたエンジニアメンバー数名による一丸となった開発を進めるチーム ● LINEヤフー、グリー、グルーポン、リクルート、良品計画、富士通グループ、ABEJA、PwC、Laboro.AI、トライアルカンパニー、NRI、グラファーなど 技術スタック 【フロントエンド】 ・開発言語:TypeScript, Python ・フレームワーク:Next.js, Streamlit ・AI統合:Vercel AI SDK ・アプリ開発プラットフォーム:AWS Amplify, Firebase 【バックエンド】 ・開発言語:Python, TypeScript ・AIエージェント開発:LangChain, Dify, Strands Agents, Agent Development Kit (ADK), Mastra 等 ・ブラウザ自動操作:Playwright ・テスティング:pytest 【AI基盤】 ・生成AIプラットフォーム:Amazon Bedrock, Google Vertex AI ・AIエージェント運用基盤:Amazon Bedrock AgentCore, Vertex AI Agent Engine 【インフラ・DevOps】 ・クラウド:AWS, Google Cloud, GCP ・IaC (Infrastructure as Code):Terraform, AWS CDK ・CI/CD:GitHub Actions, AWS CodeBuild 【開発ツール】 ・バージョン管理:GitHub ・プロジェクト管理:JIRA ・ドキュメンテーション:Confluence, Miro ・コミュニケーション:Chatwork ・AIアシスタント:Cursor, Claude Code 等 ・仮想化環境:Rancher Desktop(AIアシスタントローカル実行環境)

株式会社日本トレカセンター

【概要】 Go を主軸としたバックエンドと、Next.js または Flutter を用いたフロントエンドの両面を担当し、機能の企画段階から設計・実装・リリースまでを一貫してリードしていただきます。 AI 協働による高速な仮説検証と、プロダクション品質の両立を追求します。 【業務範囲】 ・Go によるバックエンド API の設計・実装・最適化 ・Next.js(React)または Flutter を用いたフロントエンド/モバイルの設計・実装 ・データベース設計・クエリ最適化(RDS、DynamoDB 等) ・プロダクト要件の技術仕様への落とし込みとアーキテクチャ設計 ・AI/LLM API(OpenAI、Claude 等)を活用した機能の設計・実装 ・CI/CD パイプラインの構築・改善 ・パフォーマンス計測・ボトルネック分析・改善 ・Claude Code、Cursor、各種 MCP を活用した開発フロー改善・自動化 ・コードレビュー、設計レビューを通じたチーム全体の技術品質向上 【利用するツール】 ・Go(バックエンド主要言語) ・TypeScript / Next.js / React(Web フロントエンド) ・Dart / Flutter(モバイル/Web) ・PostgreSQL / MySQL / DynamoDB / Redis ・Docker / GitHub Actions ・AWS(ECS、RDS、CloudFront、Lambda、S3 等)/ GCP(一部利用) ・Datadog / Sentry ・Claude / Claude Code / Cursor / 各種 MCP ツール 【資質(自律性・全体最適志向・実装力)】 ・フロントエンドとバックエンドの境界にとらわれず、ユーザー価値を起点に最適な設計判断を下せる全体最適志向 ・AI 協働を前提に、仮説から実装・検証までを高速に回す自律性 ・技術的な深さと幅の両方を持ち、状況に応じて柔軟に使い分けられる適応力 【具体スキル】 ・Go によるバックエンド開発(API 設計、認証、ミドルウェア、並行処理) ・TypeScript / React / Next.js または Dart / Flutter によるフロントエンド開発 ・RDB 設計・SQL チューニング・キャッシュ戦略(Redis 等) ・REST API / GraphQL の設計と実装 ・Docker を用いたコンテナベースの開発・デプロイ ・AWS マネージドサービスを活用したシステム設計 ・パフォーマンス計測・プロファイリング・ボトルネック改善 ・Git/GitHub を用いた協働開発とコードレビュー

株式会社Copia

＜現在抱えている課題＞ 急成長を続ける「シゴトAI」において、ユーザーごとに最適化された個別学習支援や対話型のシミュレーションツールなど、高度なAI機能を高速でPDCAを回しながら実装していく必要があります。 しかし、単なる外部AIのAPI呼び出しにとどまらず、プロンプトエンジニアリングの最適化、RAGの精度向上、自律型AIエージェントのプロダクトへの組み込みなど、ビジネス価値に直結するブレイクスルーを生み出すためのAI実装リソースや専門知見がまだ不足しています。 また、社内の「AI駆動開発」をさらに自動化・効率化させるための社内専用ツールの開発やレビュープロセスの仕組み化も課題となっています。 ＜業務内容＞ 「シゴトAI」をはじめとする自社プロダクトへのAI機能の実装や、社内の開発生産性を向上させるAI基盤の開発・運用をお任せします。 ＜AI/LLM機能の設計・実装＞ プロダクトにおけるLLMを活用した新規機能(学習管理、シミュレーション、対話エージェント等)の開発・実装 ＜AI駆動開発の高度化＞ 社内エンジニアがCursorやClaude Code等のAIエージェントを活用しやすくするための、自社専用AIツールや自動レビュー、検証システムの構築・仕組み化 ＜精度向上と最適化＞ プロンプトエンジニアリング、RAGの設計・チューニング、およびAIの出力精度やレスポンス速度の継続的な改善 ＜最新技術のキャッチアップと還元＞ 先進的なAI技術や論文、新たなLLMモデルの迅速な調査・検証、およびプロダクトや社内開発プロセスへの還元 ＜チームや組織に関して＞ CTO直下のフラットな組織であり、最新のAI技術をどこよりも早くビジネスやプロダクトの価値へと転換させることを重視するチームです。 月10万円のAI利用手当を活用し、コストを気にせず最新の有料モデルやエージェントツールを使い倒せるため、技術的な探究心を存分に満たせる環境です。 決められた役割にとらわれず、AIの力でプロダクトや組織全体をアップデートしていきたい方に最適な組織です。 ＜AI活用・開発生産性について＞ Copiaでは、AIツールを単なる補助としてではなく、「開発の実行主体」として活用する最先端の「AI駆動開発」を推進しています。 Copilot / Cursor / Codex / Claude CodeなどのAIコーディングエージェントが自律的に開発を進めやすいよう、仕様書・ドキュメント・コンテキストの整備や、自動検証・レビューラインの設計を実施。 経営陣・CTO直下のフラットな環境で、人とAIが協働する開発プロセスそのものを日々進化させています。 また、エンジニアの開発生産性を最大化するため、他社には類を見ない「月額10万円のAI利用手当」を福利厚生として全社導入しています。 各メンバーが最新のAIモデルやツールをコストを気にせず自由に活用し、圧倒的なスピードと品質でプロダクトを生み出せる環境を整えています。 ＜開発環境＞ ＜次世代の開発環境(AI教育事業・リプレイス後基盤)＞ 言語 / フレームワーク:Kotlin / Spring Boot / NestJS / React / Next.js / TypeScript / Storybook ＜現行の開発環境(GFS事業)＞ 言語 / フレームワーク:PHP / Laravel / React / Next.js / JavaScript / jQuery ＜インフラ・共通基盤＞ クラウド:AWS(ECS / Fargate / ELB / S3 / RDS / CloudFront) データベース:PostgreSQL インフラ管理:Pulumi その他:Docker / GitHub / Backlog / Slack AIツール:Copilot / Cursor / Codex / Claude Code OS:Windows / Mac(選択可) 開発手法:アジャイル ＜デザイン・プロトタイピング＞ デザインツール:Figma(全社横断でのUI/UXデザイン、プロトタイプ作成、デザインシステム構築に活用)

コクヨ株式会社

内製エンジニア組織メンバーとして、現状環境の理解と整備、課題発見、システム開発、文化醸成、外部パートナーとの協業など、開発業務のみでなくその周辺の取り組みまで、様々なアクションをしていただくことを想定しています。 2026年度の業務テーマとしては以下を想定しています。 ・現行システム開発プロセス改善 ・新規マイクロサービス開発 ・生成AIエージェント開発 ・DevSecOps推進 ・エンジニアリングでの全社価値創出 現環境での開発業務、新しいサービス開発、業務改善アプリケーションなど、さまざまな業務に関わることができます。 開発業務のみでなく上流工程から関わるため、エンジニアリング全般の経験を積むことができます。 ●開発環境 言語:Java, Next.js, Python, Kotlin, Go インフラ:AWS ツール:Claude Code, GitHub, Notion, 各種ツール ●部門について 配属先となるビジネスサプライ事業は、同社において、文具や家具にとどまらずオフィスで使うものをトータルでお届けする流通事業・EC事業を担っています。 ニーズに合わせてサービスを多角化させながら、オフィス用品運用の効率化と販売店側の受発注業務の効率化をサポートしています。 所属となる部門は、これらに関わるシステム開発の内製化を進める組織です。 ※社内の基幹システムなどを対象とする情報システム部門は別組織です。 noteにてさまざまな情報を発信しておりますので、ぜひご覧ください。 https://note.com/kokuyo_engineer/ ●弊社担当者より 当社は2025年10月に創業120年を迎え、今後は提供価値を国内だけではなくグローバルで貢献していくことを視野にリブランディングを実施しました。これを機に当社として初となるコーポレートメッセージを「好奇心を人生に」を設定、企業ロゴを含むコーポレートアイデンティティを刷新しました。 「好奇心」はすべての始まりであり、「好奇心」を持つことで学ぶことの楽しさ、働くことへの発見、生きることへの喜びが生み出されると考えます。当社は生活者の「学びたい」「働きたい」「暮らしたい」という思いがうまれ、それぞれの好奇心がつながり、協働することで社会を良くしていくこと、すべての人生を豊かにできるよう、新しいものづくり、コトづくりを通じて、「好奇心」を世界中へ届けていくことを目指します。

株式会社メドレー

以下のような領域でのリードを期待しています(ご経験に応じて段階的にお任せします) ・技術選定および開発方針の意思決定 ・プロダクト全体のアーキテクチャ設計・刷新 ・コードレビュー体制や品質管理の仕組みづくり ・開発組織の技術力向上に向けた育成・メンタリング ・開発体験の改善、技術負債の解消 ・生成AIを活用した新機能開発および既存機能への導入 ・採用活動への技術支援・候補者評価など ●解決したい技術的課題・テーマ ・顧客課題を起点としたプロダクト改善および、事業アウトカムの最大化に向けた開発体制の構 ・モノリス構成からの段階的分離とアーキテクチャ刷新 ・フロントエンドのリニューアル(a11y、保守性向上) ・モバイルアプリ提供体制の新設(Flutter) ・開発生産性向上を目的とした開発環境・運用体制の見直し ・生成AIを活用した業務効率化およびプロダクト強化 ※業務の変更の範囲:会社の定める業務

株式会社ギブリー

最先端の生成AI(LLM/RAGなど)やマルチエージェント技術を顧客企業へ組み込むため、戦略の具現化から実装、システムアーキテクチャの設計・開発までを一気通貫で担当します。特定のドメインに縛られない「ワンプール制」を導入しているため、金融機関の専用AI環境構築から製造業の業務プロセス変革まで、幅広い業界のフラッグシッププロジェクトに参画可能です。 <具体的な業務イメージ> ●プロコードによるWebアプリケーション・API開発 JavaやTypeScriptなどを用いた、柔軟で拡張性の高いカスタムAIアプリケーション、社内システムのバックエンド/フロントエンド開発 ●データ基盤の設計・連携(RAG/LLM高度化) 顧客企業が持つ暗黙知や社内データをAIが適切に利活用できるよう、データ構造の設計、ETL/データパイプラインの構築、RAG(検索拡張生成)の精度向上のためのデータチューニング ●AIエージェント・マルチエージェントの実装 定型業務の自動化に留まらない、業務プロセスを高度に自動化・最適化する次世代型AIエージェントシステムのアーキテクチャ設計および実装 ●コンサルタントやSaaS開発チームとの連携 ビジネスサイドのコンサルタントと協働し、顧客の課題起点で技術要件を定義。必要に応じてギブリー本体のプロダクト(MANA、Track、DECA等)の技術アセットやノウハウとも連携しながら、最適なソリューションを構築します ●Azure・AWS等のクラウドインフラ設計・構築 開発したAIアプリケーションやデータパイプラインが、セキュアかつ安定して動作するためのモダンなパブリッククラウド(Azure、AWS)環境の設計・構築。セキュリティ要件の厳しい大手企業のシステム特性に応じたインフラアーキテクチャの最適化や効率的な運用体制の構築 ※業務の変更の範囲:会社内での全ての業務 <今後のキャリアパス> 個人の適性・志向性にあわせ、2つのキャリアパスをご用意しています。 ●マネジメントキャリア(Manager/Leader) プロジェクトマネージャーとしてチームを牽引し、全体設計やメンバー育成、組織構築を担うパス ●スペシャリストキャリア(Specialist) 高度な技術的専門性を追求し、複数プロジェクトに横断的に貢献。最高位(Principle Specialist)として社会や業界に影響を与える知見保持者を目指すパス

株式会社 Ridge-i(リッジアイ)

●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。