年収700万円以上 Next.jsのITエンジニア求人・転職情報

株式会社BuySell Technologies

<リユースプラットフォーム開発> リユースプラットフォームCosmosのビジョンは、「日本全国誰もが簡単にリユースにアクセスできる世界の構築」を想い描いています。 事業理解と共に、プロダクトと関わるメンバーのサポートをお任せいたします。 ・プロダクトのデリバリーマネジメント ・プロダクトに係るコストの予実管理 ・メンバーとの1on1、メンタリング、コーチング、人事評価、アサイン計画などピープルマネジメント ※変更の範囲なし 【チームの特徴】 ・開発生産性への意識が高く、作業の効率化などを重視できます ・仕様がトップダウンで降りることはなく、エンジニアが「なぜつくるか」を理解して開発します ・業務を通して得た知見をtech blogや外部登壇で発表することを推奨しています ・1プロダクトあたり10人未満のチーム構成 【開発組織の成長に向けた取り組み】 エンジニア組織は35名から90名まで増加しており、今後も拡大を予定しています。 一方で組織横断の知見共有や事業部連携が不足していたり、次世代のEMやTLを育成するスキームが確立していないなど課題が浮かび上がってきました。 私たちは「バイセルテックイシュー」と称して、日々課題解決への取り組みを行なっています。 ・ビジネス理解浸透会 ・社外アウトプットを強めるワーキンググループ作成 ・MVV浸透イベント 【プロダクト開発環境】 ・開発言語:Golang, React.js(Next.js), TypeScript ・インフラ:GCP(Cloud Run, BigQuery, Cloud SQL...), Terraform, Docker ・CI/CD:GItHub Actions ・テスト:MagicPod, Storybook ・バージョン管理:GitHub ・エラー管理:Sentry ・APM:NewRelic ・開発生産性管理:Findy Team+ ・課題管理:Jira ・ドキュメント管理:Confluence ・その他:Elastic Cloud, Terraform Cloud, Chromatic

株式会社ニーリー

・事業KPIを上げるための機能追加・改善の開発 　　∟ 事業戦略上、課題となっている業務領域を中心に対応します 　　∟ 決済・会計業務、カスタマーサクセス業務(toB/toC両面)、開発のトイル業務など ・各事業部における課題のディスカバリー 　　∟ 要望の受け付けやヒアリングだけではなく、実際の業務にdeep diveして一次情報を取りにいきます ・事業のトップラインを上げるために必要な業務効率化のためのツール・プラットフォーム設計と開発 【一緒にやりたいこと】 ・マルチプロダクト化を見据え、サクセスエンジニアチーム体制の構築・仕組み化・強化 ・サクセスエンジニアチームがより発展、事業貢献するための施策の立案 ・各事業部への課題感のヒアリング・発掘の強化 ・よりスピード感を持った各事業部の課題感の解消と事業を成長させるための体制強化 ・事業のトップライン向上に直結する業務改革を推進するための、業務プラットフォーム・ワークフローの設計と構築 ・個別最適の業務改善から一歩進んだ、事業成長を支える業務プラットフォームの設計・構築 【技術環境】 ・使用言語:TypeScript, Python ・フレームワーク: 　∟ フロントエンド: React, Next.js 　∟ デスクトップアプリ: Electron 　∟ バックエンド: Express, Hono 　∟ テスティングフレームワーク: vitest 　∟ GASツール:Google App Script(Rollup + clasp) ・エディタ:VS Code, Cursor ・AI支援:GitHub Copilot, Claude Code ・インフラ:AWS ・データベース:PostgreSQL, Aurora ・モニタリング:CloudWatch, Datadog ・ダッシュボード:Redash ・CI/CD:GitHub Actions, AWS CodeDeploy ・プロジェクト管理:JIRA ・チャット:Slack ・ナレッジツール:Confluence ※開発組織全体では、以下も使用しています※ ・バックエンド:Python(Django) ・フロントエンド:TypeScript, Angular, React ・品質保証:Autify ・ミドルウェア:Redis, Nginx ※業務内容 雇入れ直後:上記記載の通り 変更の範囲:自社事業の推進および付随するすべての業務

株式会社FLUX

QAエンジニアとして、以下のような業務に幅広く携わっていただきます。 ●短期的に任せたい業務(立ち上げフェーズ) ・現状の開発・リリースフローの把握とテストプロセスの設計 ・手動テストによる既存プロダクトの品質検証 ・Playwright等を用いたE2Eテスト自動化の設計・実装 ・AIを活用したテスト効率化の推進 ●中長期的に任せたい業務(成長・改善フェーズ) ・CI/CDパイプラインへのテスト自動化の組み込み ・AIプロダクト特有の品質評価の仕組み化 ・全プロダクト横断での品質指標の設計と改善サイクルの推進 ※業務の変更の範囲 会社の定める業務 本人の希望を聞かずに転勤させることはありません。

株式会社Copia

●現在抱えている課題 60,000名以上の受講生を抱える日本一のスクールである「GFS」において、日々発生するサービス改善案件(生徒用サイト、裏側の管理システム、配信システム等)のデリバリーを停止させることなく、既存機能の刷新・新機能の実装と、次世代基盤への安全な移行を両立させる新旧システムの並行稼働が直近の最大の課題です。 新機能開発・UI/UX刷新とリプレイス・技術的負債の解消の両面を同時に推進したい一方で、それを技術的に牽引するリード層が不足しています。また、立ち上がったばかりの「シゴトAI」を含め、複数プロダクトを横断する次世代アーキテクチャの構想・実現を牽引し、AI活用を前提とした新たな開発プロセスへと進化させていくための技術的・組織的な基盤づくりも急務となっています。 ●業務内容 バックエンド・フロントエンドの境界をなくし、Webプロダクトの要件定義から設計・開発・運用まで一気通貫でお任せします。単なるマネジメントではなく、自ら現場で手を動かしながらプロジェクトを牽引していただきます。 ・アーキテクチャ設計:マルチプロダクト展開や事業の急拡大を見据えた、技術選定およびスケーラブルな全体システム設計の主導 ・既存機能の刷新と新規機能の実装: 学習管理システム、コミュニティ機能、シミュレーションツールなどにおける、継続的なUI/UX改善および機能追加・リニューアル開発 ・次世代基盤への移行: 現行のPHP/Laravel環境から、Kotlin/Spring Boot・React/Next.jsを用いた次世代モダン環境への段階的かつ安全なリプレイスの推進 ・AI駆動開発の推進: AIエージェントが開発を進めやすい仕様書・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・品質管理・開発プロセスの設計と継続的改善 ●チームや組織に関して CTO直下の非常にフラットな開発組織への配属となります。現在の開発業務をすべて停止させるわけではなく、並行して新基盤へ移行するという難易度の高いミッションに携わり、迅速な意思決定のもと、大きな裁量を持って未来のアーキテクチャ設計や実装を推進していただけます。 現在はフロントエンドとバックエンドで役割を分担していますが、将来的には技術領域の境界をなくしていくことを目指しています。決められた役割に閉じず、UI/UX、API設計、データ設計、インフラなどプロダクト全体を見渡しながら、自らチームとプロセスを作り上げていくオープンなカルチャーです。巨大プロダクトのリプレイスを主導しながら、次々と立ち上がる新規事業の0→1フェーズに関わるチャンスも豊富にあります。 ●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) ●参考情報・関連リンク(More Info) ・[株式会社Copia 企業サイト](https://copia-group.co.jp/) ・[投資の学校 GFS(Global Financial School)](https://gfs.tokyo/introduction/) ・[AI教育サービス シゴトAI](https://shigoto-ai.com/introduction) ・[【note】エンジニアリングマネージャー鈴木の記事](https://note.com/copia/n/nb64ab429acf7)

ウェルスナビ株式会社

・ビジネス部門との対話を通じた要件定義・仕様策定 ・顧客体験・運用負荷・技術的制約のバランスを踏まえた、スモールスタートな開発ロードマップおよびスコープの策定・関係者間の合意形成 ・フロントエンドの設計、開発、コードレビューなどのエンジニアリング業務 ・技術選定・アーキテクチャ設計を通じたプロダクト実現性の担保 期待する役割 MAP AIなどの新規事業におけるプロダクトエンジニアとして、フロントエンド開発を軸に、技術判断とプロダクト判断を一体的に行う開発をお任せいたします。 新規事業は、正解のない領域でPdM・エンジニア・ビジネスが互いの領域に踏み込み、助け合いながら進めるフェーズにあります。エンジニア側からもプロダクトの文脈を読み解き、要件の優先度判断・仕様の具体化・リリース可否の見極めといった意思決定を主体的に担っていただくことで、事業を共に前に進めていただきたいと考えています。 不確定要素の多い新規事業プロジェクトにおいて、『お客様のためになるか』を軸にチームの方向性を定め、『今確実に届けるべき価値』を見極めてプロジェクトを牽引する活躍を期待しています。 ▼ 参考記事 [【フロントエンドエンジニアのしごと】顧客体験を事業価値へとつなぐ、新規プロダクト開発](https://note.com/wealthnavi_hr/n/n32f9372e2577?magazine_key=m6a847018a1e2) ※プロダクト概要は「事業概要」の欄をご参照ください。 技術スタック ・言語・FW(フロントエンド):TypeScript, JavaScript, Next.js, HTML, CSS ・言語・FW(バックエンド):Java, Spring Boot ・インフラ　　　　:AWS(ECS, EKS, Lambda, API Gateway.etc) ・DB　　　　　　　:Aurora MySQL ・バージョン管理　:GitHub ・プロジェクト管理:Notion, Jira ・ドキュメント管理:Notion, Confluence ・その他　　　　　:Figma ・CI環境　　　　　:GitHub Actions ・生成AIの活用　　:GitHub Copilot, Gemini, Notion AI

Ｓｋｙ株式会社

■配属予定部署:クライアント・システム開発事業本部 ■配属予定部署の特色 大手企業中心にさまざまな業種のシステム開発を主な事業としています。 要件定義・基本設計といった上流工程から実装・試験の下流工程までこなせる SEクラスや元気のある若手メンバーが多く在籍しております。 開発環境・技術要素の変化が激しい分野ですが、新しい技術の習得は積極的に行い、 アジャイル開発やCI/CD環境の導入など新しい開発手法やツール導入も行なっています。 コミュニケーションが積極的に取れるメンバーがたくさん在籍しているので活気溢れる 部署になっております。 ※職務内容変更の可能性:有 ※変更の範囲:会社の定める業務 ＜仕事内容＞ 多種多様なお客様の開発現場でプロジェクトの見積りや開発計画の作成、進捗管理/リスク管理、リソース調整などプロジェクトの成功に向けてマネージメントを行っていただきます。 お客様や他部署との調整・交渉を行う機会もあり、チャレンジと成長ができる魅力的なポジションです。 これまでのマネージメント経験や、リーダーシップ能力、コミュニケーション能力、問題解決力を存分に発揮し、プロジェクトの成功に貢献していただける方を求めています。 主要なお客様先 金融/小売/製造/社会インフラ/サービス業など、幅広い業界のお客様の案件に参画いただきます。 案件例 ＜保険ポータルサイト開発＞ 【担当工程】要件定義～保守運用 【規模】5名～10名 【期間】1年 【フロントエンド】Nuxt(TypeScript) 【サーバーサイド】Node.js(TypeScript) 【インフラ】AWS 【開発手法】スクラム開発 【作業場所】弊社オフィス内 ＜睡眠データ連携アプリ開発＞ 【担当工程】他社からの引継ぎ+保守運用開発(新機能開発あり) 【規模】5名～10名 【期間】9ヶ月 【クライアント】Flutter(Dart) 【フロントエンド】Vue.js(TypeScript) 【サーバーサイド】Spring(Java) 【インフラ】AWS 【開発手法】ウォーターフォール開発、保守開発はアジャイル開発 【作業場所】弊社オフィス内 ＜駐車場システム開発＞ 【担当工程】要件定義～保守運用 【規模】10名～20名 【期間】6ヶ月 【クライアント】Android(Kotlin)、iOS(Swift) 【フロントエンド】Vue.js(TypeScript) 【サーバーサイド】Spring(Java) 【インフラ】AWS 【開発手法】ウォーターフォール開発、保守開発はアジャイル開発 【作業場所】弊社オフィス内 ＜健康サービスWebアプリ開発＞ 【担当工程】基本設計～保守運用 【規模】5名～10名 【期間】9ヶ月 【フロントエンド】React(TypeScript) 【サーバーサイド】.NET Framework (C#) 【インフラ】Azure 【開発手法】ウォーターフォール開発 【作業場所】弊社オフィス内

ウェルスナビ株式会社

期待する役割 MAP AIなどの新規事業におけるプロダクトエンジニアとして、バックエンド開発を軸に、技術判断とプロダクト判断を一体的に行う開発をお任せいたします。 新規事業は、正解のない領域でPdM・エンジニア・ビジネスが互いの領域に踏み込み、助け合いながら進めるフェーズにあります。エンジニア側からもプロダクトの文脈を読み解き、要件の優先度判断・仕様の具体化・リリース可否の見極めといった意思決定を主体的に担っていただくことで、事業を共に前に進めていただきたいと考えています。 不確定要素の多い新規事業プロジェクトにおいて、『お客様のためになるか』を軸にチームの方向性を定め、『今確実に届けるべき価値』を見極めてプロジェクトを牽引する活躍を期待しています。 ※プロダクト概要は「事業概要」の欄をご参照ください。 業務内容 ・ビジネス部門との対話を通じた要件定義・仕様策定 ・顧客体験・運用負荷・技術的制約のバランスを踏まえた、スモールスタートな開発ロードマップおよびスコープの策定・関係者間の合意形成 ・バックエンドの設計、開発、コードレビューなどのエンジニアリング業務 ・技術選定・アーキテクチャ設計を通じたプロダクト実現性の担保 技術スタック 言語・FW(バックエンド):Java, Spring Boot 言語・FW(フロントエンド):TypeScript, JavaScript, Next.js, HTML, CSS インフラ　　　　:AWS(ECS, EKS, Lambda, API Gateway.etc) DB　　　　　　　:Aurora MySQL バージョン管理　:GitHub プロジェクト管理:Notion, Jira ドキュメント管理:Notion, Confluence その他　　　　　:Figma CI環境　　　　　:GitHub Actions 生成AIの活用　　:GitHub Copilot, Gemini, Notion AI

UUUM株式会社

●クリエイターへ価値を届けるプロダクト、またはクリエイターの価値を広告主へ届けるプロダクト、いずれかのプロダクト開発 ●多様な要件を深く理解した上での整理、あるべき仕様への落とし込み ●開発しているシステムの運用と保守 ●さらなる新規プロダクトの開発 【開発環境・使用技術】 ▪アプリケーション ・バックエンド:Ruby on Rails ・フロントエンド : TypeScript / React(Next.js) ・インフラ : AWS / Vercel ▪データ基盤 ・インフラ : GCP(BigQuery / Cloud Composer / Dataflow / VertexAI) ・Python ▪CI/CD:CircleCI / GitHub Actions ▪ツール系:Docker / Terraform ▪モニタリング:CloudWatch / Sentry ▪ドキュメント/Issue 管理:Github Issues / Github Projects / Notion ▪コミュニケーション:Slack / Google Meet 【生成AI活用状況】 当社では開発生産性の飛躍的な向上を目指し、生成AIを積極的に活用しています。 GitHub Copilot、CodeRabbit、Geminiを活用し、コードの自動補完・生成からレビュー支援、デバッグまで、開発フロー全体の効率化に取り組んでいます。 また、直近ではClaude Codeの導入検証も進めており、さらなる生産性向上に向けて前向きに取り組んでいます。 私たちは常に最新技術にアンテナを張り、積極的に取り入れることで、技術的な挑戦を続けたいエンジニアにとって最適な環境を提供したいと考えています。 【変更の範囲】 会社の定める業務

バルテス・イノベーションズ株式会社

●Webアプリケーションの設計・開発・テスト・運用 ●モバイルアプリ(iOS/Android)の開発支援 ●フロントエンド(React, Vue.js等)とバックエンド(Node.js, Python, Java等)の両方を担当 ●CI/CDパイプラインの設計・構築 ●UI/UX改善提案と実装 ●テスト設計・実施(QAチームとの連携) 開発環境 言語:JavaScript(TypeScript)、PHP、Python、Java、C、C++、C#、VB.NET、Ruby、Kotlin、Swift、Objective-c、Delphi フレームワーク:React、Next.js、Vue.js、Laravel、Spring Boot、Django インフラ:AWS(EC2, S3, RDS, Lambda, CloudFront)、GCP、Docker、Terraform CI/CD:GitHub Actions、CircleCI、Jenkins、Docker DB:MySQL、PostgreSQL、MongoDB、DynamoDB、Amazon RDS、Amazon Aurora、Amazon DynamoDB、Azure SQL Database、Azure Cosmos DB その他:Figma、Slack、Notion、Jira、Confluence、GitHub、GitLab

株式会社タイミー

タイミーのプロダクト組織におけるプロダクトマネジメントチームの運営を担い、その有効性と効率性を最大限に高めることがミッションになります。具体的には、プロダクト戦略をプロダクト開発の現場に浸透させ、実行される体制を構築・推進をお任せします。 プロダクトマネージャーチームの育成やコーチング、部門横断での連携強化、そしてプロダクトマネジメントプロセスの最適化を通じて、プロダクト組織全体の生産性とアウトカムの向上に責任を持っていただきます。また、プロダクト開発の運用プロセスを最適化し、プロダクトマネージャーが戦略的な価値創造に集中できる環境を整えることで、プロダクト組織の生産性向上と事業目標達成に貢献していただきます。 具体的な業務内容 ●プロダクト組織の強化と人材育成 ・プロダクトマネージャーなど、プロダクト関連職種の採用、オンボーディング、育成の支援 ・プロダクトゴールと主要KPIの策定をサポートし、トラッキングを通じて適切なコーチングの実施 ・プロダクト戦略とその意図をメンバーやステークホルダーに伝達し、円滑なコミュニケーションと目標設定の実現 ●データドリブンな意思決定の支援 ・プロダクトの主要KPIの仕組み構築、データ分析(トレンドや変動要因の特定)、プロダクトパフォーマンスに関する明確なレポートの作成、関係者への報告 ・プロダクトチームの目標(OKRなど)や成果の進捗を効率的に可視化する仕組みを設計・実装、リソース配分や計画策定に役立つレポートの作成 ・プロダクト分析プラットフォームを整備・運用に責任を持ち、組織全体のデータに基づいた意思決定の促進 ●プロダクトマネジメントプロセスの設計・運用と最適化 ・意思決定の質を向上を目的としたプロダクト戦略の展開やロードマップレビューなど、重要な会議体の設計・運営 ・プロダクトチーム横断で必要な戦略実行のプロセスを標準化、必要なツール群を整備・最適化 ・円滑な連携の実現のためのプロダクト、エンジニアリング、デザインなど多様なチーム間のコミュニケーションハブとして機能 技術スタック(主要な部分の抜粋) ●Backend ・言語: Ruby 3.4系 ・アーキテクチャ: Ruby on Rails 8.0系、RSpec ●Frontend ・開発言語: TypeScript ・アーキテクチャ: Next.js CSR(SPA), React Hooks, SWR ●Mobile(iOS) ・開発言語: Swift ●Mobile(Android) ・開発言語: Kotlin ●Infrastructure ・AWS:ECS Fargate, Aurora, RDS, S3, ElastiCache, CloudFront, etc…Elasticsearch(AWS Marketplace) ・Google Cloud(一部サービス) ・IaC:Terraform ・ログ:Datadog LogsとS3に集約 ●Monitoring ・Datadog, Sentry ●CI/CD ・GitHub Actions, Dependabot ●その他 ・コード管理: GitHub ・コミュニケーションツール: Slack, Notion ・その他: Firebase, twilio, ImageFlux, OneSignal, Figma etc… ・AIエージェント・LLMツール: GitHub Copilot Coding Agent, Devin, Cursor, Claude Code

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

株式会社タイミー

タイミーのQAエンジニアは、開発チームとともにプロダクト品質に向き合いながら、AIを前提に品質管理プロセスそのものを見直し、チームが自律的に品質を作り込める仕組みを設計・実装する役割を担います。 事業フェーズやプロダクトのリスクに応じて、必要なQAの強度を見極めながら、品質基準、AI向けのルール、評価モデル、テスト戦略を整備し、それらをCI/CD、自動テスト、テスト実行環境、監視・フィードバックの仕組みに接続していきます。単なるテスト工程の自動化ではなく、要求整理、レビュー、リスク分析、検証計画、フィードバックまで含めた開発プロセス全体を改善していきます。 具体的には、以下のような業務を想定しています。 ●品質基準・QAプロセスの設計と構造化 QA Handbook、QA Skills、テスト戦略、品質基準を整備し、チームが再現性をもって品質を担保できる状態をつくります。 要求仕様、AC、DoD、テスト観点を開発チームやAIが扱いやすい形に構造化し、開発プロセスの中で活用できるようにします。 ●リスクベースの品質設計 プロダクトや機能の特性を踏まえて品質リスクを整理し、どこに重点を置いて検証すべきかを設計します。 事業フェーズやリスクの大きさに応じてQA強度を調整し、人による判断と自動化のバランスを見極めます。 ●AI駆動開発に対応した品質ルール・評価の設計 AIエージェントが品質判断に活用できるよう、品質ルール、プロンプト、レビュー観点、評価基準を設計します。 AI生成物に対する品質ゲートやフィードバックの仕組みを整備し、AIを活用した開発でも品質を継続的に担保できる状態をつくります。 ●自動検証・テスト基盤の構築 プロダクトのテスタビリティ向上を主軸に、テストしやすい設計・テストデータ・実行環境・検証観点の整備を進めます。 自動テストやCI/CDと接続し、開発チームが継続的かつ効率的に品質を確認できるテスト基盤を構築・改善します。 ●セルフQA基盤の導入・展開 開発チームが自律的に品質を確認・改善できるよう、品質ガードレールや標準プロセスを設計・導入します。 品質基準を開発プロセスや自動検証の仕組みに接続し、品質保証を人手に閉じないスケーラブルな仕組みへ進化させます。 開発環境(主要な部分の抜粋) ●Backend 開発言語: Ruby 4.0系 アーキテクチャ: Ruby on Rails 7.2系、RSpec ●Frontend 開発言語: TypeScript アーキテクチャ: Next.js CSR(SPA), React Hooks, SWR ●Mobile(iOS) 開発言語: Swift ●Mobile(Android) 開発言語: Kotlin ●Infrastructure AWS:ECS Fargate, Aurora, RDS, S3, ElastiCache, CloudFront, etc… Elasticsearch(AWS Marketplace) Google Cloud(一部サービス) IaC:Terraform ログ:Datadog LogsとS3に集約 ●その他 コード管理: GitHub コミュニケーションツール: Slack, Notion その他:Firebase, twilio, ImageFlux, OneSignal, Figma etc… AIエージェント・LLMツール: GitHub Copilot Coding Agent, Devin, Cursor, Claude Code ●組織的な品質文化の醸成 サイクルタイム(要件定義からリリースまでの完了時間) やFour Keysなどのメトリクスを活用し、「フィードバックサイクルの短縮」が「品質改善スピード」に直結するという考え方を浸透させます。 ポストモーテムのファシリテーションや、テスト設計技法のレクチャーなどを通じて、チーム全体の品質意識とスキルを高め、自律的な改善サイクルを回せるように支援します。 開発環境(主要な部分の抜粋) ●Backend 開発言語: Ruby 3.4系 アーキテクチャ: Ruby on Rails 7.2系、RSpec ●Frontend 開発言語: TypeScript アーキテクチャ: Next.js CSR(SPA), React Hooks, SWR ●Mobile(iOS) 開発言語: Swift ●Mobile(Android) 開発言語: Kotlin ●Infrastructure AWS:ECS Fargate, Aurora, RDS, S3, ElastiCache, CloudFront, etc… Elasticsearch(AWS Marketplace) Google Cloud(一部サービス) IaC:Terraform ログ:Datadog LogsとS3に集約 ●その他 コード管理: GitHub コミュニケーションツール: Slack, Notion その他:Firebase, twilio, ImageFlux, OneSignal, Figma etc… AIエージェント・LLMツール: GitHub Copilot Coding Agent, Devin, Cursor, Claude Code 組織カルチャー ●開発組織のカルチャー タイミーの開発組織は個々人の志向や特性の多様性を「許容」するのではなく「歓迎」する組織です。 各メンバーの多様性を彩りとして捉えて決して否定せず、強みとして重ね合わせて、同じチーム、プロダクトの目標を達成を実現できる組織を目指しています。 また、チームトポロジーの考えを活用した組織構造を採用していることも特徴です。例えば、顧客価値に基づいて領域ごとに組織を分割したり、専任のエンジニアリングマネージャーやアジャイルコーチ、スクラムマスターなどマネジメント専門職メンバーを各チームに配置しています。 https://www.youtube.com/live/uJL3M7R8MLc?feature=share&t=3057 ●技術コミュニティ活動 社内の所属チームを超えたiOSやAndroidなど専門的な技術テーマごとに取り扱うコミュニティ活動も活発で、組織図を超えたオープンなコミュニケーションが行われています。 また、RubyKaigi や Kaigi on Railsを始めとしたカンファレンスのスポンサー活動やイベント登壇、記事の発信など技術コミュニティへの貢献や広報にも力を入れています。 ●オンボーディング メンバー一人ひとりが能力を発揮して、チームで活躍できる環境を目指して様々なオンボーディングプログラムを実施しています。 例えば、入社後チームや技術領域が近いメンバーがメンターとして伴走するオンボーディングの実施や、現職のスクラムマスターからスクラムに関する考え方や手法などをインプットするスクラムオンボーディング、配属直後にマネジメント層とのWelcome 1on1を実施しています。これからの取り組みによって、会社への不明点を早期に解決することで、新メンバーがタイミーで活躍しやすい環境を整えています。 https://productpr.timee.co.jp/n/n46122cd3ec6b ●働き方 フルリモート・フレックスの働き方が浸透しており、NotionやSlackを活用したテキストコミュニケーション、ハドルやMeetを使った同期的なコミュニケーションなどによって職種問わずコミュニケーションが活発な環境になっています。 また、所属チームを超えてiOSやAndroidなど専門的な技術テーマごとに取り扱うコミュニティ活動も活発で、組織図を超えたオープンなコミュニケーションが行われています。 https://productpr.timee.co.jp/n/n2dcb5475e249 ●DevEnable室の取り組み エンジニアの市場価値向上につながる成長支援、学習支援、機会提供、生産性向上を行う専門チームDevEnable室を設置しています。 具体的な制度の一部をご紹介します。 ・在宅環境を自分好みに整えられるリモートHQ制度 ・技術コミュニティ発展への貢献を後押しするOSSボーナス制度 ・世界中のカンファレンス参加を支援するKaigi Pass制度 ・最大300万円、勤務年数に応じて返済不要のエンジニア奨学金制度 ・DevEnable室に込めた思いについても記載していますので、よろしければぜひ下記URLもご覧ください。 https://product-recruit.timee.co.jp/tde10

株式会社タイミー

事業の急拡大期を迎えているタイミーの事業戦略や組織のスケールに伴う、エンジニアリング組織の不足をあらゆる方法を用いて補うことで、開発組織のフロー効率の向上に貢献する専任エンジニアリングマネージャーをお任せいたします。 エンジニアリング組織の生産性を最大化させるためにCTO/VPoEと密に連携しながら、複雑かつ多岐に渡る組織課題に対してチームで連携しながら課題解決に取り組む役割です。組織化されたエンジニアリングマネージャーチームに所属して横断的に動きつつ、担当する機能領域に関してマネージャーとしてお任せしてリードいただくことを期待しております。組織の評価はFourKeysとエンゲージメントを用いており、開発組織のパフォーマンスとチームの精神的なコンディションの変化を指標として観測しています。 また、担当する開発チームのアサインや評価権限を持ってエンジニアやチームに働きかけることで、エンジニア個人のポテンシャルを最大化し、エンジニア組織が変化を観測、状況に合わせてケイパビリティを再構成できるように支援します。 具体的な業務 ●持続可能な状態でスケールできるエンジニアリング組織の設計・構築・運用 ・プロダクト・技術戦略を実現できる組織となるための戦略の立案支援・遂行 ・組織へのアサインメントや役割の創出、フレームの作成 ・開発組織を横断的に見渡し、プロダクトロードマップを実現するために必要な技術やリソースに関する意思決定 ●エンジニア及びエンジニア組織の成長を支援し、成果の最大化を目指したピープルマネジメント ・1on1などによるコンディションチェック、課題の吸い上げ・解決のサポート ・キャリアデザイン支援 ・人事評価制度の改善・運用 ●エンジニア採用活動 ・中途・新卒問わず効率的かつミスマッチの少ない採用プロセスの設計、運用 ・カジュアル面談、面接の実施、改善 ●学習する組織文化の醸成 ・タイミーのエンジニアリング組織のプレゼンスを高め、伝えていくための技術広報 ・社内の学習コミュニティの運営 技術スタック(主要な部分の抜粋) ●Backend 開発言語: Ruby 3.4系 アーキテクチャ: Ruby on Rails 8.0系、RSpec ●Frontend 開発言語: TypeScript アーキテクチャ: Next.js CSR(SPA), React Hooks, SWR ●Mobile（iOS） 開発言語: Swift ●Mobile（Android） 開発言語: Kotlin ●Infrastructure AWS：ECS Fargate, Aurora, RDS, S3, ElastiCache, CloudFront, etc… Elasticsearch(AWS Marketplace) Google Cloud（一部サービス） IaC：Terraform ログ：Datadog LogsとS3に集約 ●その他 ・AIエージェント・LLMツール： - 開発支援: GitHub Copilot Coding Agent, Devin, Cursor, Claude Code - 開発基盤・運用: Vertex AI, LiteLLM, MLflow, Datadog LLM Observability - その他: Gemini, NotebookLM, NotionAI ・コード管理：GitHub ・ コミュニケーションツール：Slack, Notion

JAPAN AI株式会社

・顧客課題の発見・設計 顧客の業務プロセス・データ環境・既存 SaaS 群の全体像を深く理解し、AI で解決すべき課題を特定 AI がどう介入すれば効率化・最適化できるかを設計する 利害関係者 (経営層〜現場担当者) との関係構築・調整 課題の構造化・仮説構築・ソリューション提案 ・ワークフロー構築・PoC の高速実装 JAPAN AI STUDIO を活用した業務ワークフローの構築 (稟議承認、リソース最適配置、見込み顧客探索、データ連携 等) LLM / AI エージェントを活用した軽量 PoC の高速実装 顧客の既存 SaaS (SmartHR / Salesforce / HRMOS / 楽々精算 等) との API 連携・データ統合 フルスタック開発 (バックエンド + フロントエンド) ・本番導入・伴走 本番導入の技術支援・運用設計 セキュリティ・コンプライアンス要件への対応 導入後の利用定着支援・改善提案 ・プロダクトフィードバック 顧客フィードバックのプロダクトチームへの還元 新規ユースケースの発見・提案 プロダクト改善に繋がるパターンの抽出・体系化 【業務シナリオ例】 ※以下は想定される業務シナリオの例です ● シナリオ 1 : 製造業の「SaaS 疲れ」を解消する企業の脳の構築 従業員 500名の製造業の顧客。 SmartHR / 楽々精算 / kintone / Salesforce を個別に運用しており、部門間のデータ連携は手作業で行われている。 現場ヒアリングで「月末の経費精算に 1人あたり 2時間かかっている」「営業が受注情報を 3つのシステムに手入力している」という課題を発見。 JAPAN AI STUDIO で各 SaaS を API 連携し、経費精算の自動承認ワークフローと受注データの自動連携エージェントを 2週間で構築。 月間 400時間の業務削減を実現し、他部署への展開 (アップセル) に繋げる。 ● シナリオ 2 : 金融機関の 24時間見込み顧客探索エージェント 地方銀行の法人営業部門。 営業担当者が手動で企業情報を調査し、アプローチリストを作成している。 1件あたり 30分かかり、1日 10件が限界。 JAPAN AI STUDIO で企業データベース・ニュースフィード・決算情報を統合し、AI エージェントが 24時間体制で見込み顧客を探索・スコアリングするワークフローを構築。 営業担当者は毎朝、AI が優先順位付けしたアプローチリストを受け取るだけの状態に。 アプローチ数が 3倍に増加し、受注率が 15% 向上。 ● シナリオ 3 : 小売業の稟議承認プロセスの AI 化 全国 50店舗を展開する小売業の顧客。 店舗からの発注稟議が紙ベースで、本部での承認に平均 5営業日かかっている。 現場観察で「承認者が出張中に稟議が滞留する」「過去の類似稟議を参照できない」という課題を特定。 JAPAN AI STUDIO で稟議データを構造化し、AI が過去の承認パターンを学習して一次判断を行うワークフローを構築。 承認リードタイムを 5営業日から 1営業日に短縮。 この成功事例をプロダクトチームにフィードバックし、JAPAN AI AGENT の標準テンプレートとして全顧客に展開。 ●ミッション 顧客の業務プロセスを解体し、AI を前提とした「次世代の基幹システム (企業の脳)」を実装する 顧客の現場に深く入り込み、既存 SaaS 群の全体像を把握し、AI がどう介入すれば効率化・最適化できるかを設計する。 JAPAN AI STUDIO を活用し、現場が実際に使えるワークフローを爆速で構築する。 その過程で得た知見をプロダクトチームにフィードバックし、プロダクトそのものを進化させます。 顧客の現場で発見された課題やユースケースが、直接プロダクトロードマップに反映されます。 ●AI ソリューションエンジニアについて AI ソリューションエンジニアは、Palantir 社が確立した FDE (Forward Deployed Engineer) を、AI エージェント時代にアップデートしたポジションです。 顧客の最も困難な業務課題を、AI と自社プロダクトを武器に解決します。 ・SIer / SES でのエンジニア 受け取った仕様書通りに実装する 客先常駐で開発リソースを提供する 多重下請け構造の中で顧客と距離がある 特定領域・特定技術の深掘り ・本ポジション 顧客と直接対話し、課題を発見して仕様を自ら定義する 自社オフィスを拠点に、自社プロダクトで顧客課題を解決する 経営層から現場担当者まで、顧客と直接信頼関係を築く フルスタック × AI × ビジネス理解 受託開発でも客先常駐でもありません。 顧客現場で課題を発見し、軽量な PoC を高速実装し、本番導入まで伴走する。 その過程で得た知見がプロダクトを進化させます。 ●期待する役割について 顧客の業務プロセスとデータ環境を深く理解し、JAPAN AI STUDIO を活用して課題解決を実装・導入するエンジニアです。 ・顧客の既存システム (SaaS 群) の全体像を把握し、AI がどう介入すれば効率化・最適化できるかを設計する ・JAPAN AI STUDIO を活用し、現場が実際に使えるワークフロー (稟議承認、リソース最適配置、見込み顧客探索 等) を爆速で構築する ・PoC を本番環境へ導入し、利用定着まで伴走する ・現場で得た知見をプロダクトチームにフィードバックし、プロダクトを進化させる ・経営層から現場担当者まで、多様なステークホルダーと関係を構築する ●成果責任 (KR/メトリクス) FDE の動きがプロダクトの成長 (ARR) に直結する設計です。 ・先行指標 (行動とアウトプット) STUDIO での新規ワークフロー構築数 — 顧客の課題をどれだけシステム化できたか SaaS 連携数 — 顧客の既存 SaaS を JAPAN AI に接続した数 (= 企業の脳の「視界」が広がった数) デプロイ速度 — 要件定義から最初の AI エージェント稼働までのリードタイム ・遅行指標 (事業と顧客へのインパクト) アクティブ利用率 (MAU / DAU) — 構築した AI ワークフローが、現場で実際にどれだけ使われているか 顧客の業務削減時間 / ROI — AI 導入によって浮いた工数や、受注率向上などの実数 アップセル・クロスセル額 — 初期導入拠点から、他部署や地方拠点へ展開したことによる追加売上 ●チーム体制 約120名が開発組織に在籍しています。 チームは現在6名で、以下のチーム・ステークホルダーと密接に連携します: Product Architect — プロダクト設計 Agentic Engineer — エージェント機能開発 AI Success Engineer — 導入後の顧客成功支援 Deployment Strategy — 顧客への導入戦略・展開推進 ●開発環境 言語 : Python (バックエンド) , TypeScript / React / Next.js (フロントエンド) / NX AI/LLM : LangChain, LangGraph, JAPAN AI STUDIO SDK インフラ : GCP (コンテナ / K8s) , Docker データ : BigQuery, PostgreSQL, 各種顧客データソース ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon) , デュアルモニタ対応

JAPAN AI株式会社

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

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

株式会社マネジメントソリューションズ（MSOL）

●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 ・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 ●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 ●人数規模(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) ●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 」

株式会社フライウィール

ソフトウェアエンジニアは、専門性およびプロジェクトのニーズに合わせて幅広い業務を行っております。以下に一例を示します。 ●Conata の製品群を操作・閲覧する Web フロントエンドおよびそのバックエンド (BFF)について、共通部分・ライブラリの開発および改善、各案件向けカスタマイズのサポート ●上記業務プロダクトのUI/UX設計 ●データ収集 └パートナー・クライアントとのデータの受け渡しをするためのインテグレーションシステムの構築 ●データ処理 └データの ETL/ELT 処理の開発。また安定的に動作させるためのデータ処理パイプラインの構築 └バッチ / ストリーミングベースのシナリオに対応したシステムの開発と運用 ●データ管理 └収集したデータ、処理済みデータを保存・活用するためのデータウェアハウスの設計と構築 └センシティブなデータを安全に処理可能にするためのシステム設計・構築 ●負荷試験、セキュリティー対策 ●データベース設計 ●サービスの安定提供を24時間365日、維持するためのシステム運用 ●開発環境や運用の整備・改善 └インフラ、開発ツールチェイン、社内情報管理ツール開発・最適化。 従事すべき業務の変更の範囲:なし 開発環境 クラウド:AWS 開発言語:Kotlin、Python、TypeScript フレームワーク・ミドルウェア等:React、Next.js、MySQL、Redis、Elasticsearch、Snowflake、Micronaut、gRPC、Apache Pulsar、Amazon S3、Amazon Athena、Dagster、Bazel、Amazon EKS(Kubernetes)、Terraform SaaS:Auth0、Vercel 組織とポジションについて ●配属予定組織 ・Product Architectチーム 大規模商用化に適したプロダクトの基幹設計・開発・保守を担います。 ・Core Technologyチーム エンジニアリングチームを横断し、技術の一貫性・効率・革新を促進します。 ・Technical Planning & Enablement チーム 開発プランニング(プロダクト開発計画の策定)、チーム連携(各チーム間のブリッジ役)、プロダクトのデリバリー支援・活用、プロダクトの品質評価や改善等を担います。 シニアソフトウェアエンジニアは、顧客のデータ活用における課題解決をメインミッションとして、日々拡大しているデータの量・種類に技術をもって対応しながら、安定した価値提供に取り組んでいます。また、運用性・安全性の向上、技術課題の解決や支援を通じてチームの発展と顧客への高付加価値なソリューション提供を実現します。

株式会社フライウィール

●チームのエンジニアの評価を通じたパフォーマンス向上とキャリア成長の支援 ●プロジェクト遂行に向けたリソースの調節 ●チームの課題を解決するために社内の他チームや他部署との調整 ●効率的なデプロイや情報共有環境の整備などの開発効率向上のための施策 ●下記のような業務における支援やレビュー ・Conataを構成するレコメンド・検索・広告配信エンジンや、プロフェッショナルサービスの各プロジェクトにおけるシステムの新コンポーネント・機能開発、継続的なパフォーマンス改善 ・効率的なデプロイや情報共有環境の整備などの開発効率向上のための施策 ・負荷試験、セキュリティー対策 ・データベース設計 ・サービスの安定提供を24時間365日、維持するためのシステム運用 ・システムの技術的な問題の発見と解決 ・運用を自動化あるいは低コストにするためのツールの開発 従事すべき業務の変更の範囲:なし 開発環境 クラウド:AWS Backend:Kotlin, Redis, Elasticsearch, Micronaut, gRPC Frontend:TypeScript, React, Next.js, MySQL, Auth0 Data Platform:Python, Dagster, dbt, Airflow, Snowflake, Amazon Athena Infrustructure:Amazon EKS(Kubernetes), Terraform, Prometheus, Grafana DevOps:Bazel, GitHub, GitHub Actions

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TERASS

当社のプロダクト開発では、スクラム開発を採用しております。エンジニアリングマネージャーには、担当チームのエンジニアリング成果と開発プロセスに責任を持つ立場として、スクラムマスターやプロジェクトマネジメントの役割も担いながらプロジェクトを成功に導いていただくとともに、チーム内のピープルマネジメントを担っていただきます。 ・新規プロダクトの開発をリードするプロジェクトマネジメント業務 ・エンジニアメンバーと協働した技術的な実現方針の策定と要件定義の推進 ・各スプリントの計画とタスク進捗管理、スプリントレトロスペクティブの実施 ・課題管理、リスク管理などのプロジェクト実行管理 ・プロダクトの品質管理および開発プロセスの継続的改善 ・エンジニアメンバーの育成と評価(1on1、フィードバック、目標設定) 【主な技術スタック】 ・フロントエンド TypeScript / React.js / Next.js ・バックエンド TypeScript / Node.js / (Python) ・インフラ Google Cloud Platform / Terraform 【主な利用ツール】 ・Slack ・Notion ・Github ・Google Workspace(meet, calendar, gmail)

株式会社TERASS

・プロダクトビジョン・ロードマップの策定 ・ユーザーリサーチ（エージェント / 不動産購入者 / 社内スタッフ） ・課題設定・要件定義・仕様策定 ・開発チームとの協働・推進 ・KPI設計・効果測定・継続的な改善 本ポジションでは、下記3領域のいずれか、または複数を担当します（経験・志向に応じてアサイン）。 【プロダクト領域】 領域1｜エージェント向けプロダクト エージェントの仕事そのものを支える基幹プロダクトです。顧客・案件・商談の一元管理、物件提案・価格判断の支援、契約・取引プロセスの効率化、行動・成果データの可視化など、属人化しがちな業務を再現性ある仕組みに落とし込み、エージェントが「顧客対応」に集中できる環境をつくります。 領域2｜顧客向けプロダクト（不動産購入者） 人生最大級の意思決定を支える体験プロダクトです。物件探索・比較体験の最適化、価格・ローン・諸費用の可視化、検討フェーズに応じた意思決定支援、エージェントとのコミュニケーション支援など、「探す → 悩む → 決める」を一気通貫で支え、納得感のある購入体験を設計します。 領域3｜社内・本部向けプロダクト 不動産取引の現場を裏側から支える業務効率化プロダクトです。重要事項説明書の作成支援ツールをはじめ、バックオフィスや本部業務のデジタル化・自動化に取り組みます。エージェントと購入者の体験品質を高めるため、社内オペレーションそのものを改善する領域です。 【主な技術スタック】 ・フロントエンド TypeScript / React.js / Next.js ・バックエンド TypeScript / Node.js / (Python) ・インフラ Google Cloud Platform / CDKTF 【主な利用ツール】 ・Slack ・Notion ・Github ・Google Workspace(meet, calendar, gmail)

株式会社カオナビ

2025年8月に新設された「AI推進室」の立ち上げに関わっていただきます。 直近は以下の開発が予定されています。 ●企画・開発支援業務へのAI技術の組み込み ●AI機能の探索・試作・検証・実装 ●機能のPoC支援やユーザーテスト、効果検証のサポート 主力のカオナビ、新規サービスのロウムメイト、ヨジツティクスに続くマルチプロダクト化を推進していただくことを期待しています。 開発環境 開発言語:Go, JavaScript, TypeScript, Python フレームワーク:Gin, React, Next.js 開発/運用環境:Rancher Desktop, GoLand, Protocol Buffers, Storybook, Figma, GitLab, GitLab CI, GitHub Copilot, Claude Code 構成管理:Terraform インフラ環境:AWS (EC2, RDS, S3, CloudFront, Step Functions, ECS, Fargate, ECR, SystemManager, EventBrigte, GlobalAccelerator...), Auth0, SendGrid 監視, モニタリング, 運用ツール:AWS CloudWatch 社内ツール:Confluence, JIRA, Slack, Zoom その他:Yarn, webpack, Jotai, TanstackQuery, React Hooks, gRPC

株式会社FLUX

Next.js / TypeScript を中心としたフロントエンド開発と、バックエンド開発、PostgreSQLを用いたDB設計・実装を横断的にご担当いただきます。加えて現場の課題を吸い上げ直接的に改善するために必ずしもプロダクトやシステムを開発するのではなく業務プロセスを改善する他、簡単なスクリプトを書いて動かすことも求められます。 ●業務の変更の範囲 会社の定める業務 ※本人の希望を聞かずに転勤させることはありません。