英語活用 FastAPIのITエンジニア求人・転職情報

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

株式会社本田技術研究所

1.SDVアーキテクチャの全体設計方針立案 ビジネス戦略・商品企画・技術戦略を踏まえ、 車両内外(クラウド・モバイル含む)を横断した システム全体としてのアーキテクチャ方針を構想・定義します。 個別領域最適ではなく、車一台の価値最大化を前提とした全体設計が求められます。 2.アーキテクチャ統制・ガバナンスの構築 各開発部門・機種・世代を跨いだ数百名規模の開発組織に対し、 設計原則・ルール・意思決定プロセスを定義し、 開発全体を統制するガバナンスモデルを構築・定着させます。 単なるルール整備ではなく、実行させ、定着させるところまで責任を持つポジションです。 3.重要開発テーマへの参画・意思決定リード アーキテクチャに大きな影響を与える重要プロジェクトに自ら参画し、 基本方針の意思決定を主導します。 4.技術リーダーシップおよびメンバー育成 アーキテクト・エンジニアに対して、設計思想や技術判断の指針を示し、 組織全体のアーキテクチャ設計力の底上げを担います。 ・設計レビューやディスカッションを通じた技術指導 ・アーキテクト人材の育成・輩出 ・複雑な技術課題に対する意思決定支援 自らの専門性をもってチームを率い、技術で牽引するリーダーシップが求められます。 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります

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Finatext

●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

プライマル株式会社

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 ●社員ブログ 社員記載ブログです。ご参考までにご確認お願いいたします https://www.primal-biz.co.jp/recruit ●CxO事例 https://x.gd/XEBRL ～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。