関東 RAGのITエンジニア求人・転職情報

SCSK株式会社

●職務内容・担当業務 ビジネスアーキテクトやフルスタックエンジニアと連携し、AIエージェントが企業の文脈を理解して自律的に動くための「AI-Readyなデータ基盤」の設計・構築を担っていただきます。 ・社内外に散在するデータを統合し、分析・AI活用に耐えるデータパイプライン/データ基盤を設計・実装 ・ナレッジグラフ/オントロジー(RDF・OWL等のセマンティック技術)を用いて、データに「意味」と「つながり」を与える基盤を構築 ・データ品質・データガバナンスの仕組みづくりと、AIエージェントがデータを安全に参照できる仕組み(MCP等)の整備 ・主要顧客とのPoCを通じて、再利用可能なIP(オントロジーテンプレートやパイプライン)として磨き込み、産業全体へ展開 ●開発環境 データ基盤:BigQuery、Microsoft Fabric(OneLake/Delta Parquet)、各種クラウドDWH ナレッジグラフ/セマンティック:Stardog(RDF・RDFS・OWL/W3C標準準拠)、Neo4j、SPARQL AI/LLM連携:Python、各種LLM API、ナレッジグラフ/RAG、MCP・A2A等のエージェント連携プロトコル プラットフォーム/インフラ:GCP、Azure、AWS、Kubernetes、Terraform(IaC)、GitHub Actions(CI/CD) ●研修 ・Off-JT:Udemy Business等のeラーニングに加え、クラウド(GCP/AWS/Azure)やデータ技術のベンダー資格を会社負担で取得できます。オントロジー/グラフDBについても専門トレーニングを活用し、未経験の領域でも体系的に学べる環境を整えています。 ・OJT:実際のBDX事業のプロジェクトにアサインし、第一線の技術者と協働しながら、構想からPoC・実装までを実践的に経験いただきます。 ・社内勉強会・技術共有会を定期開催し、チーム全体で学び合う文化を大切にしています。

K&Kソリューション株式会社

・AI Agent/RAGアプリケーションを支えるクラウド基盤の設計・構築・運用 ・AWS/Azure環境におけるインフラ設計、権限管理、ネットワーク設計 ・Amazon Bedrock、Amazon SageMaker、Amazon Q、Kiroなどを活用したAI基盤構築 ・Bedrock Knowledge Bases、Agents、Guardrailsなどを用いたRAG・AI Agent基盤の設計支援 ・IAM、KMS、VPC、PrivateLink、ゼロトラストなどを踏まえたセキュリティ設計 ・ECS、EKS、Lambdaなどのコンテナ/サーバーレス環境の構築・運用 ・Terraform、AWS CDKなどを用いたIaC・自動化 ・OpenSearch、pgvector、Snowflakeなどを活用した検索基盤・データ基盤の構築支援 ・CloudWatch、モデル呼び出しログ、トークン利用量などの監視・コスト最適化 ●入社後の役割・キャリアパス 入社後は、まずクラウドインフラの設計・構築・運用経験を活かせる領域から参画いただきます。 その後、AI Agent基盤、RAG基盤、Bedrock活用、クラウドセキュリティ、LLMOps/MLOps、データ基盤など、経験や志向に応じて担当領域を広げていただきます。 将来的には、以下のようなキャリアを目指せます。 ・AI基盤/クラウドインフラエンジニア ・AI Agent・RAG基盤の設計・構築リード ・クラウドセキュリティ/ガードレール設計担当 ・LLMOps/MLOps領域の技術リード ・AI駆動開発を支えるクラウドアーキテクト ・インフラ領域のテックリード/アーキテクト クラウドインフラの経験を軸に、AI時代の基盤設計・運用に強いエンジニアとして市場価値を高められる環境です。

株式会社PKSHA Technology

●AI SaaSプロダクト開発チーム 法人向け対話エンジン開発や新規プロジェクトのソフトウエアエンジニアとして各領域専門の機械学習エンジニアとチームを組み、ソフトウエアエンジニアリングで解決できる課題を解決していただきます。 ・法人向けに提供している対話エンジンサービスのバックエンド開発 ・機械学習以外の各種対話ロジックの開発 ・機械学習のモデルをサービングするアプリケーションの開発 ・他サービスとのインテグレーション ● Al Solution チーム 多岐に渡る大手企業に、自然言語処理・画像認識・音声認識・予測・数理最適化等の領域で、機械学習・深層学習を軸にしたアプリケーション開発を行っていただきます。 ご希望やご経験に応じて、下記のような開発実績例を持つチームに参画していただき、開発力だけでなく課題解決力を得ることができます。 ・LINEや資生堂、飲食・小売など幅広い領域で100社以上に取り入れられ、カスタマーサポートや社内問い合わせの自動化を支援するチャット型対話エンジン ・国内クレジットカード決済流通網のうち約10兆円の規模を支える不正利用検知 ・MaaS時代の自動車移動を支える駐車場業界のDXを推進する精算機とAPI ● MaaS & SmartCity チーム MaaS領域におけるアルゴリズムの社会実装に向けてIoT機器の開発や、コンピュータビジョン技術・深層学習技術を用いた、画像・動画解析アルゴリズム、ソフトウエアの開発に携わって頂きます。 より詳細を知りたい方は、[SoftwareEngineer Entrance Book](https://pksha.notion.site/Software-Engineer-Entrance-Book-242b8721424280378a8ffd13605c1491)をご覧ください。

SCSK株式会社

●組織について 当部はAIとクラウド技術を活用し企業のAX推進を支援するクラウド事業本部の事業戦略と全体最適を推進する中核組織です。 主なミッションはAIオファリングサービス企画・開発と、オファリングサービス運用の高度化、改善サイクルが推進できる次世代のエンジニアの育成です。 成長意欲の高い若手メンバーが多く、互いの知見を高め合いながら先進的な開発・サービスデリバリーに取り組んでいます。 国内外の最新技術や当社の幅広い業界ネットワーク、各分野スペシャリストとの協業を活かし、持続的なデジタル変革をリードできる点も特徴です。また、最新のクラウド技術に触れながら、自ら変革を主導する経験を積むことができ、組織全体でキャリア形成・成長も支援しています。 ●組織の業務・事例紹介 AIオファリングサービスの企画・開発に取り組んでいます。 次世代エンジニア育成については、例えばSREを活用して以下を実現できる人材を育成しています。 ・AIOps ・DataOps ・FinOps ●職務内容・担当業務 ・AIオファリング・サービスの企画・開発: 　AI及びクラウドを活用した新規事業やサービスの企画・設計・開発 ・AIオファリングサービス技術支援: 　全社AIエージェント基盤構築や自社IPへのAI組込み等の技術支援 ・先進技術の検証: 　Agentic AI、AI Gateway、AIガードレール/ハーネス等の新技術に関する技術検証 ●役割・ポジション 新規AIオファリングサービスの企画、アーキテクチャ設計・構築および開発業務の主要メンバー/マネージャー/技術リーダー ●配属部署 ITインフラサービス事業グループ　クラウド事業本部　事業推進部

SCSK株式会社

●職務内容・担当業務 ビジネスアーキテクトやデータエンジニアと連携しながら、最先端の技術や開発手法に積極的に挑戦し、顧客の事業課題を解決に導くフルスタックエンジニアの役割を担っていただきます。 ・最適な技術選定でビジネス要件をAIモデルに具現化し、デモ/MVPを構築。顧客現場でアジャイルな仮説検証を回す ・フロントエンド・バックエンド・クラウドインフラ・パイプライン構築まで、システム全体を設計・実装 ・最先端のAI・データ技術を積極的にキャッチアップし、システム・データ基盤の実装を牽引 ●開発環境 AI / 機械学習:Python、各種LLM API、LangChain / LlamaIndex(オーケストレーション)、Vector DB(Pinecone / Chromaなど)、MLOps環境 Webサーバーサイド:Python フロントエンド:React、TypeScript プラットフォーム / インフラ:AWS、GCP、Azure、Palantir(データ基盤) ●研修 Off-JT:最新のeラーニング環境(Udemy Business等)によるセルフラーニングに加え、ケーススタディやロールプレイを用いた実践的なグループワーク・集合研修を実施します。 OJT:実際のBDX(Business Digital Transformation)事業のプロジェクトにアサインし、構想からPoC(概念実証)までを主導する、実践的な変革リード経験を積んでいきます

製造業×生成AIの新規プロダクト開発・PoC検証のど真ん中で手を動かすポジションです。 主な業務: ・顧客課題のヒアリング → 要件定義 → 技術調査 → プロトタイプ実装 → 検証 → レポーティングを一貫して担当 ・RAGシステムの設計・構築(ドキュメント検索、ナレッジベース活用など) ・LLMを組み込んだプロダクトの開発・改善(APIインテグレーション、プロンプト設計含む) ・製造業向けユースケースの探索・仮説検証・PoC推進

製造業×生成AIの新規プロダクト開発・PoC検証のど真ん中で手を動かすポジションです。 主な業務: ・機械学習 / 深層学習などのモデル学習(データクレンジングやスケール変換などの前処理含む) ・顧客課題のヒアリング → 要件定義 → 技術調査 → プロトタイプ実装 → 検証 → レポーティングを一貫して担当 ・RAGシステムの設計・構築(ドキュメント検索、ナレッジベース活用など) ・LLMを組み込んだプロダクトの開発・改善(APIインテグレーション、プロンプト設計含む) ・製造業向けユースケースの探索・仮説検証・PoC推進

製造業領域の生成AIプロダクト開発・PoC検証を、技術リードとして引っ張るポジションです。 主な業務: ・クライアントとの要件定義・折衝・技術説明 ・RAGシステム・LLM活用プロダクトの技術選定・アーキテクチャ設計の主導 ・メンバーへの技術方針の共有・コードレビュー・実装サポート ・プロトタイプから本番リリースまでの技術責任者としての推進 ・インド・バンガロールのグローバルHub拠点メンバーとの連携・調整

株式会社Lagomliv

「職務経歴書の自動生成」を極め、キャリアの棚卸しをAIで再定義する。 現在開発中の履歴書・職務経歴書自動生成プロダクトのグロースを担っていただきます。 現在は外部プラットフォームを活用していますが、今後はソースコードを買い取り、自社ドメインでのフルスクラッチ開発・改善へ移行します。 ユーザーがテキストを雑に放り込むだけで、洗練された書類が完成するという、圧倒的な利便性をAIの力(LLM/プロンプトエンジニアリング等)で実現する、プロダクトの核となるポジションです。 ◆具体的な業務内容 01.AIモデル・プロンプトの実装と改善 ・OpenAI等のLLMを活用した、高精度な職務経歴書生成ロジックの構築 ・ユーザー入力データ(テキスト・音声等)を構造化し、肉付け・最適化するプロンプト設計 02.プロダクトの自社化・リプレイス ・既存プロダクトの買い取りに伴う、自社ドメインへの移行とアーキテクチャの再設計 03新規機能開発 ・キャリアテック側プロダクトへのAI機能の統合(自動アップデート機能等)

株式会社エル・ティー・エス（LTS）

【募集背景】 近年、WEBアプリ開発や基幹システムの更新などの従来のニーズに加えて、AI技術を活用したソリューションの需要が高まっています。現在、弊社開発部署ではそうした引き合いを多数いただいており、その需要に応えるべくPythonエンジニアの採用を強化しています。Pythonの技術を活かしてクライアントに貢献したいというご志向を持った仲間を求めています。 【職務内容】 WEBアプリケーションの開発および生成AI関連技術の導入・運用などを中心に担当していただきます。 将来的にはより上流のアーキテクチャや技術選定、顧客折衝などにまで広く携われるポジションです。 【業務内容】 ・Pythonを用いたWEBアプリケーションやAPIの設計・開発・保守運用 ・AI/機械学習を活用したプロジェクト推進 ・新技術の調査・技術検証(PoC) など ▼部門のミッション 2030年に向けて300名程のエンジニア組織をつくり、クライアントに対してより信頼される価値を発揮していきたいと考えています。 そのためには、一人一人のエンジニアがフルスタックの技術を持つことに加え、専門性を磨き、お互いの強みを引き出し合えるチームが理想となります。 このような理想の組織の土台として重要となるのが、お互いが学び合う成長環境です。 社内のエンジニアによる自主的な勉強会開催や、グループ会社同士で情報を共有したり、社外活動をしたりするなど、最新の知識を習得することに貪欲で、前向きなカルチャーがあります。 また、実際の経験から学ぶことも重視しており、声を挙げた方が別プロジェクトに挑戦するような経験を積む機会も応援しています。 今後はこういった成長環境をさらに進化させていくと同時に、その前提となる事業成長も一層加速していくことになります。 幅広い課題に一緒に向き合う、強い意志を持った事業づくりのリーダーからのご応募をお待ちしております。 ▼入社後のキャリアイメージ 入社後は、これまでのPython開発経験を活かして、Djangoなどのフレームワークを用いたクラウドネイティブなWEBサービスの設計・開発に取り組んでいただきます。 また、LLM(大規模言語モデル)やRAG(Retrieval-Augmented Generation)などの生成AI技術を活用したプロジェクトに参画頂く予定です。 さらに、これまでのご経験やご志向に応じて、以下のようなプロジェクトへの挑戦の機会もあります。 ・AWS/Azure/GCPなどのクラウド基盤を活用した開発プロジェクト ・社内外向けのPoC(技術検証)やプロダクトにおける生成AIの導入 ・API設計・データ基盤・インフラ構成などのバックエンド全般の技術選定 将来的には、ご希望と適性に応じて以下のようなキャリアにも進むことができます ・テックリードとして、アーキテクチャ設計や技術選定のリード ・プロジェクトや開発チーム全体を見渡し、技術と人の両面から成長を支えるマネジメント ▼求める役割 ・Pythonを中心とした開発のリード ・生成AIのプロダクト活用における技術的なリーダーシップの発揮 ・チーム内の技術的な意思決定やナレッジ共有の推進

ソフトバンク株式会社

【ミッション】 クルーエージェントPh2の内製開発を技術面から牽引し、設計/実装方針/品質基準を定義しながら、フロント/バックエンド/AIオーケストレーションのワークフローを横断して開発チームをリードする。 短いサイクルで検証/構築/修正を回し、将来的な横展開に耐えうる技術資産と開発プロセスを社内に蓄積する。 また、業務部門と円滑なコミュニケーションを図り、業務要件の定義から実装、そして業務遂行までを強力にリードしていただくことを期待しています。 【主な業務】 ・クルーエージェントPh2/Ph3に向けたアーキテクチャ設計、実装方針策定、技術意思決定 ・BFF、フロントエンド、AIオーケストレーション/LLM連携をまたぐ設計レビューおよび品質管理 ・AI駆動開発(Copilot、エージェント活用、テスト自動化)の導入/定着 ・少数精鋭チームの技術リード、コードレビュー、技術課題の解消 【具体的な業務】 ・BFFを中心とした疎結合アーキテクチャの設計、技術選定、共通設計ルールの整備 ・フロント/バック/AIオーケストレーションエンジニアの設計/実装レビュー、品質担保 ・抽象要件を構造化し、実装計画/タスク分解/優先順位づけを実施 ・テスト戦略(Unit/Integration/UI/E2E)やCI/CD、監視運用を含む開発プロセス改善 ・業務部門、PM、ベンダーと連携した仕様整理、課題解決、技術的リスクマネジメント ※全ての募集における雇い入れ後の、従事すべき業務・就業場所の変更の範囲については下記の通りとします。 ●業務の変更の範囲:会社内でのすべての業務

ソフトバンク株式会社

【ミッション】 業務プロセス改革(BPR)および新システム導入プロジェクトの推進 【主な業務】 ・AIソリューションを活用したコールセンターの業務プロセス改革(BPR)の推進 ・AI活用によるカスタマーサポートのフロー最適化および品質向上 ・プロジェクト進行管理・各種ステークホルダー(システム部門・現場部門)との調整・合意形成 ・PoC(概念実証)の計画立案および効果検証の実施 ・各種データ(AHTや応答率など)の集計・分析に基づく課題抽出 【具体的な業務】 ・ヒアリングやデータ分析を通じたコールセンター業務の課題抽出、およびAIソリューション(FAQ推奨システムやオペレーター支援ツールなど)を用いた新しい業務フローの設計・定義 ・AI活用システムの導入に向けた要件定義の作成、およびシステム部門と現場オペレーション部門の間に立った調整・合意形成 ・AI導入前後のテスト(PoC)の実装・推進、および各種KPI(AHTや応答率など)に対する効果検証・評価 ・Excelなどのツールを用いたデータ集計・基礎分析、およびそれに基づくさらなる改善施策の立案

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。

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・PR さまざまなビジネスシーンにおいて、生成AIの活用が進んでいます。 生成AIを活用したパーソナライズされたサービスによるユーザー体験の向上や、 カスタマーサポートや社内ヘルプデスクの効率化など、生成AIの活用によって ビジネスのあり方が大きく変わろうとしています。 特に、クラウドプラットフォームを活用した生成AIシステムの開発は、その柔軟性、 拡張性やコスト効率の高さからニーズが高まっています。 日々進化するAI技術を迅速にキャッチアップし最新のソリューションを提供し続ける上でも クラウドを用いた開発はそのスピード感に大きなアドバンテージがあります。 生成AIとクラウド技術を駆使して、これまでのご経験を活かし、新たな価値を提供するシステム開発をリードしていただくことを期待しています。 <国内唯一。 社内研修でE資格の受験資格が得られる企業> Sky株式会社は、JDLA主催のE資格の認定プログラムを実施できる「E資格プログラム事業者」に認定されています。 これにより、社内研修によって受験資格を得ることができる国内唯一の企業です(2026年6月現在)。 この仕組みを活用し、積極的に資格取得を推進することで、一人ひとりがAIの知見・能力を身につけ、業務に生かしています。 ※職務内容変更の可能性:有 ※変更の範囲:会社の定める業務 クラウドインフラ上で生成AIモデルを組み込んだアプリケーションレイヤーの開発をリードしていただきます。 単なる開発に留まらず、企画・PoCから運用保守に至るAI開発ライフサイクル(AI-DLC)全体を俯瞰し、プロジェクトの技術選定、アーキテクチャ設計への貢献を期待しています。 AI Readyなデータ構築、RAG、ガードレール等を含めたAIエージェント開発など生成AI技術を用いた幅広い開発を、クラウドネイティブな開発手法を用いながら、バックエンドシステムの設計・開発・運用、APIの開発や外部システムとの連携、フロントエンドも含めた開発をリードします。 ●案件例 <車載システムへ搭載するエージェントの構築> 車載機器を制御するエージェントの開発案件です。 主に以下の対応を行います。 ・MCPサーバーのインターフェース設計、実装 ・エージェントの動作を決めるシステムプロンプトの設定、テスト ・クラウドプラットフォーム上へのシステムデプロイ 技術要素: Python、AWS、A2Aプロトコル、Docker <生成AIを活用した顧客内DX> 顧客の業務プロセスにおける課題を解決するために、生成AIやRPAツールを活用して取り組む案件です。 主に以下の対応を行います。 ・課題解決に用いる技術の選定(使用するツール、言語、モデルなど) ・モックアップを用いた顧客との認識合わせ ・選定した技術をもとに実際のシステムを設計、実装 技術要素: Python、Azure、Power Automate ●生成AIエンジニア育成のためのサポート体制 私たちは、生成AIエンジニアの育成をサポートする体制を整えています。 入社後には必要に応じて、生成AI技術を習得するためのトレーニングに参加していただきます。 このトレーニングでは、生成AI技術の基礎からしっかり学び、スキルを身につけることができます。 実際に、生成AIの開発経験がなかったWebエンジニアが、トレーニングを通じて生成AIエンジニアとして現場で活躍するようになっています。 <実践的なトレーニング> 主要なクラウドプラットフォームのサービスを活用し、RAGやエージェント開発に取り組む実践的なトレーニングを提供します。 このトレーニングを通じて、基本的な構築や運用技術が自然と身につき、実務に直結するスキルを習得できます。 プログラミングスキル、データベース、クラウドなどのWebエンジニアとしての知識さえあれば、生成AIエンジニアとして大きく成長することができます。 <集合技術研修> 生成AIやクラウドの基本概念や技術を学ぶための集合技術研修に参加できます。 研修では、専門の講師による講義やハンズオン形式の実習を通じて業務での活用方法を学ぶことができます。

Ｓｋｙ株式会社

生成AIを活用したシステムやサービスの企画・設計・開発・導入支援を行います。 具体的には、企業の業務課題を解決するための生成AIソリューションの提案、PoC(実証実験)の推進、生成AIを組み込んだアプリケーションや基盤の開発などを担当します。 最新のクラウド技術やAIモデルを駆使し、顧客に新しい価値を提供することを目指しています。 ＜生成AIソリューションコンサルタント＞ 顧客の業務課題を深く理解し、技術的・業務的の両面から生成AIを活用した最適なソリューションを共創します。 導入戦略の策定やPoCの設計・実行に留まらず、継続的な改善やスケーラビリティを見据えた提案を行います。 ・顧客の業務プロセスや課題の深掘り、生成AI適用可能性の評価 ・生成AI活用におけるユースケースの設計と価値検証 (PoV) の支援 ・実証実験(PoC)の企画・実行と、結果に基づく改善提案 ・導入後の運用・拡張を見据えたロードマップ策定 ・リスク・倫理・ガバナンス観点での導入支援と社内啓発 ＜生成AIプロジェクトマネージャー＞ 生成AI導入プロジェクト全体を管理し、技術的な不確実性や変化の速い環境に対応しながら、成果の最大化を目指します。 顧客との共創を重視し、開発チームと連携して柔軟かつ迅速なプロジェクト推進を行います。 ・プロジェクトの目的・価値定義とロードマップ策定 ・顧客との共創による要件調整・スコープ調整 ・開発チームとのアジャイルな進行管理と技術的な意思決定 ・PoC結果のフィードバックを活用した改善推進 ・リスク・倫理・ガバナンス視点でのプロジェクト管理 ＜生成AIアプリケーションエンジニア＞ 生成AIの特性を活かし、ユーザー体験と業務価値を最大化するアプリケーションを設計・開発します。 UI/UX設計からバックエンド開発まで幅広く担当し、生成AIならではの開発プロセスをリードします。 ・生成AIを活用したWebアプリケーションやAPIの設計・開発 ・プロンプト設計、RAG、LLM応答の精度評価などの生成AI技術の実装 ・ユーザー体験を重視したUI/UX設計 ・テスト自動化や品質保証、運用フェーズでの改善支援 ＜生成AIソリューションアーキテクト＞ 生成AIの価値を最大化するためにシステム基盤やデータ活用環境の設計・構築を担います。 RAGやエージェントなど、生成AI特有のアーキテクチャに対応し、スケーラビリティ・保守性・セキュリティを考慮した設計を行います。 ・生成AIシステム全体のアーキテクチャ設計と技術選定 ・RAGやエージェント利用におけるデータ整備・前処理・検索最適化 ・ベクトル検索やナレッジグラフなどの検索基盤構築 ・クラウド環境におけるセキュリティ・ガバナンス設計と運用支援 ※職務内容変更の可能性:有 ※変更の範囲:会社の定める業務

山田コンサルティンググループ株式会社

社内の業務システム連携・業務自動化を中心とした開発業務のリーダーとして、要件の具体化から設計〜実装〜運用までをご担当いただきます。 具体的には ・部門内で決定された方針や大枠の要件をもとに、どのシステムから何のデータをどう取るか調査・調整を行い、要件の具体化と実装方式の検討を行う。 ・人事システムとActive Directory / Azure AD等との連携・アカウントプロビジョニングの設計・実装 ・Pleasanter等の社内システムと各種クラウドサービスとのデータ連携 ・PowerShellやJavaScriptを用いた運用・管理業務の自動化・効率化に関するスクリプト開発 ・既存スクリプト・ツールの保守、改善、標準化(ログ・エラーハンドリング、設定管理 等) ・社内開発プロジェクトにおけるタスク管理、スケジュール管理、レビュー ・(将来的に)AWS等のクラウドサービスや生成AI(RAG)を活用した社内向けサービスのPoC・実装 ※開発領域全体の方針・案件の優先順位付けは情報システム室のマネジメントが行い、 本ポジションはその方針のもとで、実装レベルの要件定義・設計・実装とチーム運営をリードいただく役割となります。 キャリアパス 入社後は、社内システム連携・業務自動化の開発リーダーとして、開発ユニットの技術力底上げと標準化を牽引していただきます。中長期には、人事情報を中核とした社内システム連携基盤、およびクラウドAIサービスを活用したRAG等のAIを活用した社内サービスの検討・設計において、開発領域の主要メンバーとして主導的な役割を担っていただくことを期待しています。 組織体制 【情報システム室】※2025年4月以降体制 情報システム室は20名で構成されています。(うち室長1名、副室長2名、マネージャー3名) 配属は情報システム室、ビジネスITチーム・開発ユニットとなり、開発ユニットには2名のメンバーが活躍中です。 開発環境 OS:Windows / Linux クラウド:Box、AWS等 開発言語:PowerShell(メイン)、JavaScript(サブ) 開発環境 : VSCode、AI開発支援ツール(検証中) その他:Active Directory / Azure AD、各種SaaS、REST API連携 など AIツール環境 ・Claude ・その他AIサービス多数

ソフトバンク株式会社

【ミッション】 ソフトバンクのヘルスケア戦略の実現に向け、事業、プロダクト、システム全体を俯瞰したアーキテクチャ設計をリードする。利用者体験と医療・ヘルスケア業務を理解し、サービス要件をシステム要件へ落とし込む。関係部門や外部パートナーをつなぐハブとしてプロジェクトを推進し、将来拡張を見据えたシステム構想・ロードマップを策定する。 【主な業務】 ヘルスケア領域・メディカル領域の要求整理、要件定義、システム全体設計、プロダクト・画面・API仕様の整理を担う。開発ロードマップ、優先順位、外部サービス・病院システムとの連携方式を策定し、開発ベンダーや外部パートナーへの技術ディレクション、技術課題・リスク管理、設計資料の作成を行う。 【具体的な業務】 ・UX、業務要件を画面、データ、システム全体へ落とし込む ・PHR、EHR、認証、同意、決済、通知を含むサービス全体の設計・レビュー ・病院、自治体、企業、外部サービスとのAPI・システム連携方式の設計 ・開発ベンダーとの設計レビュー、技術課題の整理、品質向上 ・システム構成図、業務フロー、API仕様書などの設計ドキュメントの整備

ソフトバンク株式会社

【ミッション】 PHR、EMRなどの医療データを活用した疾患特化AIサービスの技術戦略とアーキテクチャ設計をリードする。医療品質、安全性、拡張性を考慮したAI基盤を構築し、ヘルスケア領域のAI活用を推進する。 【主な業務】 医療・健康データを活用したAIサービスについて、技術戦略策定、アーキテクチャ設計、技術選定、AI基盤構築までを一貫してリードする。 【具体的な業務】 ・医療・健康データを活用したAIサービスのアーキテクチャ設計、技術選定 ・LLM、RAG、機械学習モデル、データ基盤を組み合わせたシステム設計 ・AIエンジニア、データサイエンティスト、医療専門家と連携した疾患特化AI開発のリード ・AI品質評価、セキュリティ、ガバナンスを考慮した持続可能なAI基盤の構築

株式会社エスタイル

最先端の生成AI(GPT-4oなどのLLM)を使った開発に挑戦できます。 具体的には、AIと外部システムをつなぐAPI連携や、高性能な検索システム(RAG)、AIエージェントなどのアプリケーション開発に取り組みます。 未経験の分野でも、新しいサービスを生み出すプロジェクトに参加し、エンジニアとして技術・キャリアの幅を大きく広げられる環境です。

パーソルキャリア株式会社

パーソルキャリアにおけるデータサイエンティスト、データエンジニア、AIエンジニア、機械学習エンジニアの各職種の中から、ご経験にマッチするポジションをご提案いたします。 データ・AI領域にご関心をお持ちで、「どのポジションが適しているかわからない」「経験を活かせる環境で選考に進みたい」とお考えの方は、ぜひご応募ください。 ご応募後、社内にてポジションサーチを行い、書類選考を通過したポジションについて改めてご案内いたします。 ●募集ポジション例(※下記以外をご提案する場合があります) 【データサイエンティスト】 転職サービス「doda」(会員登録数 約1,039万人/2025年12月末時点)を中心に、全社横断でAI・機械学習モデルの設計・開発・チューニングをリードしていただきます。 人材マッチングの高度化を主軸に、LLMや生成AIなどの最新技術を取り入れながら、再利用可能なマッチングロジックやAIモデルの開発から本番導入・運用まで一貫して推進し、事業成長に貢献していただきます。 ・生成AI、機械学習における新規技術の検証・開発 ・Python/PySparkを用いたデータ分析・モデル開発 ・提案に向けたデモ開発/PoC開発 ・業務効率改善に向けた分析/自動化・AI化 ・データ設計および前処理の開発・実装 ・インフラ/データ基盤部門との連携 ・社内外でのセミナー講演や論文・資料作成 【データエンジニア/データアーキテクト】 全社最適の観点からデータ活用基盤の整備を推進し、あるべき分析基盤の実現を担っていただきます。 ・データ基盤構想の検討/ロードマップ策定/技術選定 ・現状課題の整理および改善方針の策定・実行 ・データマネジメント方針の策定とプロセス整備 ・基盤構築および活用プロジェクトの推進 ・パイプライン構築やバッチ処理開発 【データエンジニア/アナリティクスエンジニア】 データドリブンな事業運営の実現に向け、データによる意思決定を支援し、可視化とPDCAの高速化を推進します。 「doda」「doda X」において以下を担っていただきます。 ・データマート構築(要件定義～設計～実装～テスト) ・データ収集・加工・集計業務 ・バッチ基盤の運用保守 ・DMBOKに基づくデータマネジメントおよび利活用支援 ・dbtを用いたデータ変換・モデル開発 【AIエンジニア(バックエンド・インフラ)】 LLMやAIエージェントを活用した機能開発に加え、安定・安全かつスケーラブルに活用可能なAI基盤の設計・構築を担っていただきます。 ・AI前提のシステムアーキテクチャ設計 ・API設計/非同期処理/キャッシュ/キュー設計 ・マルチクラウド環境(AWS/GCP/Azure)の構成設計 ・バックエンド開発および外部サービス連携設計 ・データ基盤(DWH/Vector DB等)との接続設計 ・スケーリング/レイテンシ/コスト最適化 ・監視・セキュリティ・ガバナンス設計 【機械学習エンジニア】 「doda」「doda X」において、ユーザー一人ひとりに最適な求人・情報を届けるためのレコメンド/マッチング機能の開発・運用を担っていただきます。 当社が保有するデータと機械学習・生成AI技術を活用し、マッチング精度や応募率向上などのKPI改善に直結するアルゴリズム開発から運用・改善まで一貫して取り組んでいただきます。 ・レコメンド/マッチング機能の設計・開発・運用 ・機械学習モデルや推論ロジックを用いたサーバーサイド開発 ・データ活用施策の運用・改善 ・Python/SQLを用いた分析・モデル開発・検証 ・データサイエンティストやPdMとの連携による施策推進 ・技術リード/プロジェクト推進

Trust株式会社（トラスト）

職務概要 本ポジションでは、データ基盤およびAI活用基盤の構築プロジェクトにおいて、専門性を発揮するスペシャリストとして参画いただきます。主なクライアントは、大手金融機関およびそのグループ会社(HD)であり、日本を代表する企業の基幹データ環境の構築・刷新に関わることができます。 プロジェクトは、企画・構想、設計、実装、基盤の社内展開・普及まで多岐にわたり、上流から下流まで幅広いフェーズでの参画が可能です。これにより、技術的視点だけでなく、戦略的・全社的なデータ活用設計にも携わることができる貴重なポジションです。また、当社のプロジェクトはほぼ全てが直請けであり、エンドクライアントと密に連携しながら、高い裁量と信頼関係のもとで実行できます。 ●プロジェクト体制 2名～6名程度でチーミング 具体的な業務内容 ・金融機関向けのデータ基盤・AI活用基盤の構築プロジェクトにおけるアーキテクチャ設計および全体推進 ・顧客要件の整理、現行環境の分析、技術選定を含む最適なデータアーキテクチャ設計のリード ・データ基盤構築フェーズにおけるETL設計、データモデリング、ガバナンス方針策定 ・クラウド環境(AWS/GCP/Azure)を活用したDWH・Datalake設計および導入支援 ・Snowflake、Databricksなどの主要基盤技術を活用した設計方針の策定および開発チームへの技術支援 ・AI・データサイエンス領域との連携による分析基盤整備、AIガバナンス・セキュリティ設計の推進 ・複数プロジェクトを横断したアーキテクチャ標準化およびナレッジ共有の促進 プロジェクト事例 ・証券会社様におけるデジタルマーケティング基盤の構築支援 ・金融コングロマリット様でのグループ横断データ活用基盤企画推進支援 ・カード会社様・証券会社様・信託銀行・銀行、金融HD様などでのAI人材育成の推進、データ活用CoE組織 ・銀行様におけるAutoMLツールの比較検討、導入支援 ・銀行様における市場分析モデルの開発、運用支援 ・証券会社様におけるAI活用コンサルティング支援開発支援 ・生成AI等を活用した金融事務の効率化、ビジネスプロセス変革 ・生成AI等を活用したレガシーシステムマイグレーション支援 業務変更の範囲 (雇入れ直後):IT専門職 (変更の範囲):すべての業務への配置転換あり

株式会社スカイウイル

このポジションのミッション ・LLM/RAGを業務課題に落とし込み、PoC→本番を完走させる ・再現性ある実装パターンをチームの資産にする 業務イメージ ・RAG/LLMを本番運用前提で設計・実装(セキュリティ、監視、性能、障害時の設計) ・ユースケースの要件整理と設計(“何を自動化し、どこを人が見るか”の線引き) ・評価基盤の整備(自動評価、回帰テスト、プロンプト/検索の改善サイクル) ・クラウド上でのアーキ設計・実装(API、データ、権限、コスト最適化) ・チームの型づくり(実装標準、ナレッジ、再利用可能な部品・テンプレ整備) 案件事例はこちら https://saiyo.skywill.jp/jobs/ai/ ※従事すべき業務の変更の範囲 ￫【変更の範囲】会社の定める業務 仕事の難しさ ・本番運用前提で、セキュリティ・監視・性能・コストのトレードオフ判断が発生します。 ・評価(回帰)を作らないと品質が崩れるため、仕組みとして改善サイクルを回す必要があります。 ・関係者が多く、期待値調整と合意形成がプロジェクトのスピードに直結します。

TISI株式会社

本ポジションの募集組織は、TISIの全社横断型技術組織としてITのあらゆるプロセスにおける生成AIの活用を推進する生成AIイノベーション部です。 生成AI活用によるシステム開発・社内業務の生産性向上をミッションとする組織の中で、現在TISI全社の様々なシステム開発に活用できるAIエージェントを活用した新たな開発基盤・プロセス構築を推進、また社内業務向けにAIチャットサービスを提供しています。 今回、これらAIに関わる取り組みへ参画いただき、全社展開・実システムの改善(生産性向上)までを我々と共に歩んでくれる仲間を募集します。 これまでの開発リード経験・生成AI活用経験を活かして、全社視点での生産性向上に貢献がミッションとなるチャレンジャブルなポジションです。単一の開発プロジェクトのみならず、TISIインテックグループ会社のシステム開発ビジネスや、社内業務など大きな範囲への貢献に挑戦したいと思ってくださる方をお待ちしています。 募集組織では、生成AIを技術軸とした様々な取り組みを並行して推進しております。「AI」技術を軸としたさまざまな活躍フィールドがご提供できます。 ●例1)TISIインテックグループのシステム開発における生成AI活用施策の立案・推進 生成AI/AIエージェントをを活用し、システム開発の生産性を向上させる施策を推進いただきます。生成AI基盤の企画・開発・構築・運用や、AIエージェントの開発などに携わっていただきます。 ●例2)生成AI活用施策の社内外への浸透・推進 生成AIを活用した施策を社内外に発信し、その活用を促進することで効果を最大化する役割を担っていただきます。その過程において、活用実態をデータに基づき分析、次なるアクションの企画の立案・改善計画を立て、推進いただきます。 <キャリアパス> ●エキスパート職 ・全社プロジェクトにおいて、グループ横断型の生成AIによる業務変革施策の企画・推進、全社システム開発/社内システム・業務のあるべき姿の実現に向けた変革推進 ●プロフェッショナル職 ・1年後:特定の生成AI施策の企画・推進リーダー ・5年後:エキスパート職、またはマネジメント職(キャリアプランに応じて方向を検討)

Dress Code株式会社

本ポジションでは、単なるAI機能の実装にとどまらず、 「どの業務課題にAIを適用することで本質的な価値を生むか」から設計し、プロダクトに実装・運用するところまでを一貫して担っていただきます。 プロダクトはすべて立ち上げ〜グロース初期フェーズにあり、AIを前提としたプロダクト設計・再構築を推進していく重要なポジションです。 ・業務課題に対するAI活用の企画・価値設計 ・LLM / MLを用いた機能設計・実装・改善 ・RAG構成の設計、チューニング、評価基盤の構築 ・モデルの学習・推論パイプラインの設計・運用 ・プロダクトへのAI機能の本番実装(PoCで終わらせない) ・パフォーマンス・精度・コストの最適化 ・継続的な改善のためのログ設計・評価指標設計 ・プロダクトチーム(PM / エンジニア / デザイナー)との協働 プロダクトフェーズ Dress Code株式会社はワークフォースマネジメントプラットフォーム「DRESS CODE」を開発・提供するスタートアップです。 人事・労務・採用・情シス・総務といった複数業務領域を横断し、分断された業務データ・プロセスを統合することで、企業の生産性を構造的に改善するプロダクト群を開発しています。 顧客価値を根本から見直し、引き算思考で 『DRESS CODE』 を開発し、企業ごとにカスタム機能を作るのではなく、泥臭く業務シナリオを徹底的に洗い出し、全てを標準装備として実装しています。 Dress Code創業 - 「誰もやらないから、挑戦する意義がある」(https://note.com/dresscode/n/n5a808cbf3d46) シードで累計14.1億円を調達済み(https://prtimes.jp/main/html/rd/p/000000001.000160565.html) 日本・インドネシア・ベトナム・タイ・シンガポールなど、アジアを中心にグローバル展開 200社を超える顧客を獲得 ●開発環境 アジャイル・スクラム（2週間スプリント）を採用 Feature（価値・機能）単位でフルスタックに開発 ペアプロ・モブプロは積極的に採用 イベントストーミング・ドメインモデリングは特に注力 ●バックエンド ・NestJS ・Prisma RustエンジンからTSネイティブアダプタへ移行 ・Aurora PostgreSQL v17 Blue/Green Deployments でメジャーアップデートを運用 ・モジュラモノリス Force分割 ・ECS Fargate ●非同期・バッチ基盤 ・AWS Batch on Fargate ・EventBridge ・S3トリガー ・Noisy Neighbor 対策 ●参照系・整合性の設計 ・CQRS ・QueryService + DTO パターン ・Choreography → Orchestration Saga ・Event Sourcing 的なデータ設計 ・Prisma の onCommit フック ●フロントエンド・BFF ・Next.js SSR / BFF ・React Compiler annotationモード＋Oxlintで段階導入 約7,500ファイル規模のTypeScriptプロジェクト ・TanStack Query ・Dexie.js ・Server-Driven UI（SDUI）による台帳画面の運用 ・型共有：oRPC OpenAPIコード生成からの移行 ●認証・権限基盤 ・Ory Kratos 将来 Ory Hydra を検討 ・Permission & Roles プロダクト横断の権限共通基盤 Default Deny / Default Allow の設計判断 ●インフラ ・AWS WAF v2 ALB ECS Fargate Graviton（ARM64） Secrets Manager Bedrock ・IaC：AWS CDK ・GCP連携 Service Account Workload Identity Federation Domain-wide Delegation によるキーレス認証 ●CI/CD ・GitHub Actions self-hosted ARM64 ランナー ・Docker buildx ・SOCI デプロイ時間を約50%短縮 ●開発手法・QA・AI活用 ・仕様駆動開発 OpenSpec ・ADR ・Playwright ・runn ・AIコーディング Cursor Claude Code Claude Code in Chrome ・AIが書いたコードのPRレビュー／Approveのメンタルモデルづくり ●AI環境 AIへの投資を惜しまない開発環境です。 「顧客への提供価値が向上するなら、もっと投資していい」という代表の方針のもと、必要性を説明できれば使いたいAIツールをためらわず導入できます。 AI開発合宿のように、意図的に集中して挑戦する機会もあります。 Cursor / Claude Code に加え、Claude Code in Chrome でのブラウザ操作の自動化や、AIが書いたコードをどうレビュー・Approveするかといった「AIと協働する開発文化」そのものを、チームで議論・更新しています。

株式会社エスタイル

大規模言語モデル(LLM)や生成AI技術活用に特化し、提案からデモ開発、マネジメントまでを一気通貫で担う「AIコンサルティングサービス」の開発チームにて、最先端の生成AI(GPT-4oなどのLLM)を活用した開発業務を担当いただきます。 具体的には、AIと外部システムをつなぐAPI連携や、高性能な検索システム(RAG)、AIエージェントなどのアプリケーション開発に取り組みます。 AI領域未経験の方でも安心のチーム体制でのプロジェクトなので、上流〜下流まで一気通貫で新しいサービスを生み出すプロジェクトで、エンジニアとして技術・キャリアの幅を大きく広げていただけます。 ●具体的な業務 ・大規模言語モデルの技術調査 ・AIを活用したシステムやアプリケーションの開発、性能向上 ・大規模言語モデルにおけるプロンプトエンジニアリング ・AIエージェントプラットフォームの設計、開発、運用 ・ユーザーのニーズに応じたAIエージェントのカスタマイズ、チューニング ・LLMを活用したAIエージェントの実装 ・Google Cloud/AWS/Azureなどのクラウド環境の構築、運用 など 取引先は、伊藤忠商事、Mizkan、T&Dフィナンシャル生命などの大手企業が中心。 ●開発環境 開発言語:Python, Go, JavaScript, TypeScript, HTML, CSS フレームワーク:Node.js, React, Django, Flask 生成AIツール:Claude, Gemini クラウド:AWS, Azure, GoogleCloud 開発基盤:GitHub, Docker 情報共有ツール:Slack, Notion など ●開発体制 プロジェクト毎にチームを編成(5~10名程度)し、少人数で裁量を持って働いているチームです。また、全社に「ニックネーム制度」を導入。年齢や役職関係なく意見が言いやすい環境です。 20代後半〜30代が殆どで、パパママ社員もライフスタイルに合わせて働いています! 【変更の範囲】 会社の定める業務

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

期待する役割 本ポジションでは、JAPAN AI STUDIOを活用したAIアプリケーションの実装を通じて、顧客の業務課題を迅速に解決し、プロダクトの価値を最大化する役割を担っていただきます。 具体的には、以下のような成果を期待しています。 ●顧客価値の迅速な提供 ノーコード/ローコードツールを駆使し、顧客の業務課題を素早くAIアプリケーションに落とし込み、短期間で実用可能なソリューションを提供します。従来の開発手法では数ヶ月かかる実装を、数週間で実現することで、顧客満足度の向上とビジネス成果の早期創出に貢献します。 ●プロダクトの品質向上と改善サイクルの加速 実装したアプリケーションの動作検証を通じて課題を早期発見し、改善提案を行います。「作って終わり」ではなく、継続的な改善サイクルを回すことで、プロダクトの品質を高め、顧客の業務効率化を実現します。 ●ナレッジの蓄積と組織全体への展開 実装プロセスや成功パターンをドキュメント化し、チーム全体で共有することで、組織の実装力を底上げします。あなたの知見が、今後の開発スピードと品質向上の基盤となります。 ●顧客とエンジニアリングチームの架け橋 顧客の業務フローや課題を深く理解し、それを技術的な要件に翻訳する役割を担います。ステークホルダーとの円滑なコミュニケーションを通じて、顧客ニーズと技術実装のギャップを埋め、プロジェクトの成功に貢献します。 業務内容 自社サービスであるJAPAN AI STUDIOを用い、vibe codingに近い手法で機能実装を行う PdMとしてプロダクトの開発方針についての検討・策定を行う 具体的には以下のようなタスクに取り組んでいただきます。 ●AIアプリケーションの実装 ※vibe codingの手法で行うため、エンジニアリング経験不要です ・JAPAN AI STUDIO上でのAIエージェント作成(プロンプト設計、パラメータ調整) ・ワークフロー設計と構築(業務フローの可視化と自動化) ・PAGE機能を使ったUI/UX調整(ユーザーインターフェースの最適化) ・AIエージェントとの対話を通じた仕様の補完と修正 ・データ構造の定義(AIエージェントの補助を活用) ・JSON/Webhook等を使った外部システムとの連携設定 ●品質保証と継続的改善※vibe codingの手法で行うため、エンジニアリング経験不要です ・実装したアプリケーションの機能検証と動作テスト ・ユーザーフィードバックの収集と分析 ・課題の特定と改善案の提案・実装 ・パフォーマンスやユーザビリティの最適化 ●ドキュメント作成とナレッジ共有 ・実装結果の仕様書・手順書作成 ・成功パターンやベストプラクティスのドキュメント化 ・チーム内での知見共有(勉強会、レビュー会等) ・再利用可能なテンプレートやコンポーネントの整備 ●ステークホルダーとの連携 ・顧客やレビュワーとの仕様調整ミーティング ・顧客の業務フローや課題のヒアリングと要件定義 ・開発チームとの技術的な調整と連携 ・プロジェクトの進捗報告と課題共有 ●自社プロダクトの開発優先目標の策定 ・自社プロダクトの開発優先度の検討・策定 ・開発体制の構築や予算管理 ※将来的なタスク ●従事すべき業務の変更の範囲 会社の定める業務 チーム体制 エンジニアおよびPM含め、約99名が開発組織に在籍しています。 PMチームは下記に分かれています。 ・自社 AI Saas PdM : PMFを達成したプロダクトの機能拡充と顧客基盤の拡大に注力 ・AI AGENT PMF : 革新的なAIエージェント群のPMF達成に向けた戦略立案と実行 ・PjM : 自社SaaSおよびAGENTを顧客向けソリューションとして開発/提供 本ポジションはPMF Marketing Domainチームへの配属となります。

JAPAN AI株式会社

●技術オンボーディング・トレーニング FDE から引き継いだ導入済みワークフローの技術オンボーディング設計・実施 顧客の業務ワークフローに合わせた AI 活用方法の設計・提案 トレーニング資料・ベストプラクティスの作成・提供 ●利用定着・ROI実現 成功指標 (KPI) の設計と定期的なROIレビュー 利用状況モニタリングとプロアクティブな改善提案 利用データのダッシュボード構築・定量分析による課題の早期発見 プロンプト最適化・エージェント設定の改善支援 評価基盤 (eval) の運用支援・品質改善 ●テクニカルサポート・問題解決 レポートされた問題の技術的調査・根本原因分析 テクニカルサポートのエスカレーション対応 API/SDK/インテグレーションに関する技術支援 セキュリティ・ガバナンス・コンプライアンス対応 ●プロダクトフィードバック・拡大展開 顧客フィードバックの収集とプロダクトチームへの還元 拡大展開 (アップセル/クロスセル) の技術支援 新規ユースケースの発見・提案 【業務シナリオ例】 ● シナリオ 1 : SaaS 横断ワークフローの利用定着支援 FDE が製造業の顧客に構築した「経費精算自動承認ワークフロー」(楽々精算 → SmartHR 連携) の導入後、利用率が伸び悩んでいる。 利用データを分析し、「現場作業者がスマートフォンから使いにくい」「承認結果の通知が遅い」という課題を特定。 モバイル向けの利用ガイドを作成し、通知設定を最適化。 さらに、現場向けトレーニングを実施。 利用率が 2倍に改善し、月間 400時間の業務削減効果を可視化して経営層に報告。 ● シナリオ 2 : 「企業の脳」の ROI 可視化と全社展開 FDE が金融機関の 1部門に構築した「見込み顧客探索エージェント」の導入後、ROI レビューを実施。 アプローチ数 3倍、受注率 15% 向上という成果を定量化し、経営層向けレポートを作成。 この成果をもとに、他の 5部門への全社展開の意思決定を支援し、アップセルに貢献。 展開先の各部門に合わせたプロンプト最適化とエージェント設定の調整を実施。 ● シナリオ 3 : ワークフロー品質改善のフィードバックループ 小売業の顧客が JAPAN AI AGENT を活用した「稟議承認 AI」で、回答精度に関するフィードバックが増加。 eval 基盤を活用して回答品質を定量分析し、特定の稟議カテゴリで factuality スコアが低いことを特定。 プロンプト最適化とナレッジベースの改善を提案し、回答精度が 15% 向上。 この改善パターン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 「企業の脳」が定着し、成果を出し続ける状態を作る AI プロダクト導入後の顧客成功を技術面から最大化し、利用定着・拡大展開・ROI 実現を推進する。 ●AI Success Engineerとは AI Success Engineerは、OpenAI社やDatabricks社が確立した職種で、AIプロダクトの導入後に顧客の成功を技術面から支援するエンジニアです。 従来のカスタマーサクセスやテクニカルサポートとは異なり、AIプロダクト特有の課題 (プロンプト最適化、eval設計、利用データ分析、ワークフロー改善) を技術的に解決する専門職です。 従来のカスタマーサクセス | AI Success Engineer 利用状況のモニタリング・報告 | 利用データを分析し、プロアクティブに改善提案 機能の使い方を説明する | AIの使い方を設計し、業務ワークフローに組み込む 問い合わせに対応する | 問題の根本原因を技術的に特定・解決する チャーン防止 | ROI実現・拡大展開の推進 ●FDE との分担 FDE | AI Success Engineer 課題発見→PoC→本番導入 | 導入後の定着→活用拡大→ROI 実現 「企業の脳」を実装する | 「企業の脳」が成果を出し続ける状態を作る 新規ワークフローの構築 | 既存ワークフローの改善・最適化 顧客の未来を発見する | 顧客の成功を証明する ●期待する役割について AI Success Engineer として、顧客の AI プロダクト導入後の成功を技術面からリードしていただきます。 FDE が構築した「企業の脳」のワークフローが現場で実際に使われ、成果を出し続ける状態を作る 顧客の業務部門・IT 部門と密接に連携し、AI プロダクトが実際の業務で成果を出し続ける状態を作る 顧客の IT 部門・開発チームと協働し、API 連携やデータ統合の技術支援を行う 利用データの分析に基づくプロアクティブな改善提案を行う レポートされた問題の技術的調査・根本原因分析を行い、エスカレーション対応をリードする 顧客フィードバックをプロダクトチームに還元し、プロダクトの進化に貢献する ●成果責任 (KR/メトリクス) 顧客ヘルススコア (利用率、API呼出数、アクティブユーザー数) チャーン率 ≤ 目標値 拡大展開率 (アップセル/クロスセル貢献) 顧客NPS ≥ 目標値 技術サポートチケット解決時間 (MTTR) ●チーム体制 約120名が開発組織に在籍しています。 AI Success Engineerは以下のチーム・ステークホルダーと密接に連携します: FDE — 導入フェーズからの引き継ぎ Deployment Strategy — 顧客への導入戦略・展開推進 プロダクトチーム — フィードバック還元 サポートチーム — エスカレーション対応 ●開発環境 言語 : Python (自動化・分析), SQL (データ分析) AI / LLM : JAPAN AI STUDIO SDK, プロンプトエンジニアリング, RAG データ : BigQuery, Looker, Pandas インフラ : GCP, Docker (基礎理解レベル) 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

期待する役割 シニアプロジェクトマネージャー (IC) として、以下の3つのミッションを担っていただきます。 1.戦略案件・重要案件のデリバリー責任者 として、複数プロジェクトの成功確率を最大化する 2.AI/LLMプロジェクト 特有の不確実性を前提に、評価設計・運用設計・ガバナンスまで含めてプロジェクトを完遂する 3.プロジェクト運営の型化・標準化 を推進し、組織として再現性のあるデリバリー体制を構築する 業務内容 ●プロジェクト/プログラムマネジメント (中核) ・複数プロジェクト (並行案件) の計画策定、進捗・課題・リスク・依存関係の統合管理 ・顧客経営層・事業責任者との合意形成 (スコープ、優先度、変更管理、検収条件) ・品質管理 (要件の曖昧さを潰す、受け入れ基準の設計、レビュー、手戻り抑制) ・重要インシデント・炎上兆候の早期検知、エスカレーション、収束までの指揮 ・プロジェクトドキュメント (要件定義書・仕様書・WBS等) の作成・レビュー ●AI/LLMプロジェクト特有の設計・推進 ・AI機能の要件定義 (顧客期待値の調整、ユースケース定義、技術的制約の整理) ・品質評価の設計・運用 (評価指標の策定、テスト観点の設計、改善サイクルの構築) ・情報管理・セキュリティ/コンプライアンス要件を踏まえた推進 (社内法務・セキュリティチームとの連携) ・AI特有の不確実性 (精度のばらつき、ハルシネーション等) を前提としたスコープ・スケジュール設計 ●デリバリーオペレーションの型化 (PMO的役割) ・プロジェクト標準の整備 (テンプレート、進行ルール、品質ゲート、WBS粒度、定例体の設計) ・主要メトリクスの設計・可視化 (例:納期遵守率、手戻り率、検収リードタイム、重大障害件数、顧客満足度) ・PMメンバーへのナレッジ共有・レビュー支援・再発防止の仕組み化 ●従事すべき業務の変更の範囲 会社の定める業務 チーム体制 ●開発組織:約70名 (PM/エンジニア/デザイナー/QA等) ●配属:PjM (プロジェクトマネージャー) チーム ・自社SaaS・AIエージェントを顧客向けソリューションとして開発・提供 ・クライアントワークが中心で、顧客折衝・要件定義から納品まで一貫して担当 ●協働メンバー: ・PdMチーム、エンジニア (フロントエンド、バックエンド、AI/ML) 、デザイナー、QAエンジニア ・セールス、カスタマーサクセス、クライアント企業の担当者