年俸制（12分割） 機械学習のITエンジニア求人・転職情報

<<業務内容>> ●業務の概要 「契約は、AIが交渉する時代へ」を目指すには、「既存プロダクトの伸長と新規プロダクトの開発」の両立が必要です。 本募集では、そのために必要不可欠な存在である技術的側面のリードをお任せします。 ・[MNTSQ 案件管理](https://mntsq.co.jp/product/casemanage) ・[MNTSQ 契約管理](https://mntsq.co.jp/product/contractmanage) ・[データベース](https://mntsq.co.jp/product/databasemanage) ・[契約レビュー](https://mntsq.co.jp/news/release/ai_keiyakureview) ・[AI契約アシスタント](https://lp.mntsq.co.jp/ai-agent) 基本的な考え方として、ご入社後まずは既存プロダクトでアーキテクチャを含めてキャッチアップしていただきます。その後、経験と希望を踏まえながら、新規プロダクトを担当していただく形となります。 ●業務の詳細 具体的にご担当いただく業務は以下となります。 ・テックリードとしての技術的意思決定(技術選定、アーキテクチャ設計) ・プロダクト開発における生産性向上 ・技術負債解消に向けたアーキテクチャ改善、リファクタリング計画の策定～推進 ・コードレビューを通じたチームメンバーへの技術的なフォローおよび育成 ・チーム全体に知見を共有し、理解を深めコラボレーションを促進するためのドキュメンテーション ※職種の変更範囲:会社の定める業務 <<開発環境と体制>> ●技術スタック ・言語:Ruby, Python, JavaScript, TypeScript ・Webフレームワーク:Ruby on Rails, FastAPI, Vue.js ・CSSフレームワーク:ElementPlus, TailwindCSS, PostCSS, Storybook ・プラットフォーム:Amazon Web Services, Google Cloud ・データベース:Aurora MySQL ・検索エンジン:Elasticsearch, OpenSearch ・監視ツール:CloudWatch, Datadog ・コンテナ基盤:Docker, Docker Compose, ECS/Fargate ・構成管理:Terraform, Itamae ●エンジニア組織の概要 所属する組織は開発本部です。全体で約50名おり、以下4つのチームからなる体制です。 ・CLMチーム ・法務エージェントチーム ・事業部向けチーム ・イネーブリングチーム 今回の募集である、サービス開発を担う組織はイネーブリングチーム以外の3つのチームです。 ご入社いただいた際の想定配属先はそのいずれかとなります(2026年8月時点)。 各チームはそれぞれ6-10名程度の構成となっています。 【参考記事】 ・[WHY-WHAT-HOWを繋げる - MNTSQの掲げる理想のプロダクト開発 -](https://note.mntsq.co.jp/n/ne5d0464613b6) ・[FY26下期、MNTSQ開発組織と向かう先](https://note.com/naomichi_takata/n/n2a2f00242f76) ●リードエンジニアとテックリードの役割の違いについて <テックリードの役割> ・アーキテクチャー設計 ・全体最適をふまえた技術意思決定 <リードエンジニアの役割> ・担当開発アイテムのリード ・技術的意思決定・テックリード補佐 ●26年度のエンジニア組織のテーマは「開発の高速化」 AI活用はもはや前提です。 26年度は開発スピードのギアを上げ、すでに新機能の立ち上げは加速しはじめています。 組織が拡大し、AIで開発のあり方が急速に変わる中で、自律的に課題を拾い、組織全体で解決していく。自走する人材・牽引する人材で組織力も高めるフェーズにはいっています。 AI活用への積極投資は引き続き行っています(Claude Code、Cursorなど)。 【参考記事】 [AIで変わる開発プロセス。MNTSQのエンジニアが実践する”AI前提”の開発環境について](https://note.mntsq.co.jp/n/n781c05a95daa) 【参考記事】 [MNTSQがAI活用を加速する理由と目指す未来](https://note.mntsq.co.jp/n/ndccc7f6ed56c) 【参考記事】 [「AIにできること/できないこと」を理解し、共に進化する。MNTSQエンジニアのAI活用最前線](https://note.mntsq.co.jp/n/na266148b8d69) <<入社受入の体制>> ●前提となる働き方 コアタイム無しのフルフレックスです。 リモートと出社のハイブリットワークです。出社は月5日以上となります。 エンジニアは、業務に集中するため、Mtgを入れない日や時間帯を設けながら、生産性を追求しています。 【参考記事】 [MNTSQエンジニアの1日に密着!](https://note.mntsq.co.jp/n/n4d1c895ea9eb) ●3ヵ月のオンボーディングプログラム MNTSQはバリューとして「 自由と責任の文化 」を掲げています。 バリューの理解を深めていただくとともに、MNTSQでどう力を発揮するか、全社を挙げてフォローします。 期間中はメンターが付きます。水先案内人として、MNTSQでの活躍を側面支援します。 【参考記事】 [個を見て、伴走し、後押しする。個に向き合うオンボーディングと成長支援文化](https://note.mntsq.co.jp/n/nf1accf0660ae)

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

●サービス成長のためのデータ分析 ・KPI分解やセグメント分析などによる仮説立案 例)ボトルネックの特定と打ち手の考 ・ABテストやダッシュボード設計によるPDCA体制の構築 例)データ分析を基に実施した施策の良し悪しを判定および改善策の導出 ・社内のサービス運用フロー最適化のためのアルゴリズム開発 例)チャンネル表編成の数理的な最適化 ・プロダクトの付加価値向上のためのアルゴリズム開発 例)ターゲティング広告商品の開発

Google Cloud上のデータ基盤の設計・開発・保守をお任せいたします。 DWHやデータ利活用のためのシステム基盤について、データ連携や抽出、分析などに必要となる機能やデータアクセス管理や権限管理など、デジタルバンクとして柔軟なデータプラットフォームを実現いただきます。 将来的には、データ基盤領域全体の統括やアーキテクトへのキャリアステップを期待しています。 ●データ基盤の設計・開発・運用 ●BigQuery, Dataflowによる大規模データ処理 ●データ収集・加工・可視化基盤整備 ●セキュリティ、ガバナンスを考慮したデータ管理設計 ●バックエンド、アプリ開発チームとのデータ連携設計

このポジションは TSA(テクニカルソリューションアーキテクト)と組みながら、顧客現場で AI モデルの設計・実装・システム化を一気通貫で担うエンジニアポジションです。ML もできる、かつ顧客の目の前でディスカッションしながら主にPythonベースのコードで、手を動かして実装できる人を求めています。 ●このポジションのメンバーがやること ・TSA と一緒に顧客と議論しながら、プロトタイプを組み・動かし・調整する ・AI モデルの設計・学習・評価を担当し、そのまま顧客のワークフローに組み込む ・顧客環境まで、自分の手で届ける ML モデル開発と現場実装の両方を手掛けるエンジニアに向けたポジションです。TSA が「何を作るか」を顧客と定義する役割であるのに対し、このポジションは「モデルも含めて、技術的な知見を加味してどう動くものにするか」を顧客と会話しながら形にします。 ●業務内容 1.顧客現場での実装伴走 ・TSA とペアで顧客との打ち合わせに入り、プロトタイプ要件を定義したうえで実装する ・顧客のフィードバックを受けて、仕様と実装を並行して調整する ・閉域網・顧客施設内での開発・デプロイに対応する ・データを見ながらシステム要件などを微修正する 2.AI モデルの設計・開発・組み込み ・衛星画像解析モデルや生成 AI システムの設計・学習・評価を行う ・既存の社内モデル資産を組み合わせつつ、現場要件に合わせたカスタマイズや追加学習を行う ・学習 / 推論パイプライン、前後処理、API 化、運用監視まで一気通貫で実装する ・現場で得た情報(使われ方、制約、エッジケース)をそのままモデル改善に反映する 3.セキュアな環境でのシステム構築 ・セキュリティ要件を満たすクラウド構成(AWS / GCP / Azure)、必要に応じてオンプレ環境での実装 ・IaC、コンテナ、CI/CD を用いた運用可能なシステムの構築 ・顧客環境の制約を前提にした現実的なアーキテクチャ設計 ●入社後の流れ 〜3ヶ月: 既存案件に TSA とペアでサブ参画。並行して GIS・衛星画像処理・安全保障ドメインのオンボードプログラムを受講 4ヶ月〜: 実際に現場で顧客と話しながら運用を担当(徐々にカバー範囲を広げていただきます)