関東 RAGのITエンジニア求人・転職情報

【事業概要】 STRACTは「AIショッピングアプリ『PLUG(プラグ)』」を提供しています。国内2,200以上のECサイトと提携し、最安値比較やクーポン自動オファーなどを実現。300万ダウンロードを達成し、年間流通総額は100億円を突破しました。ブラウザ拡張機能から「ショッピング版AIエージェント」へと展開し、検索比較から購入・決済自動化まで、購買ファネル全体をカバーするプロダクトへと拡大を続けています。 業務内容 【具体的な業務内容】 -ビジネス部門(toB向き合いの業務チーム)・コーポレート部門のメンバーと一緒に日々の業務を行いながら、業務フロー・課題・ボトルネックを深く理解する -現場から得たインプットをもとに、オペレーション改善・業務効率化のための仕組み(ツール・自動化・社内システムなど)を設計・開発する -生成AI・LLMなどを活用し、定型業務や情報処理の自動化・省力化を企画〜実装〜運用まで一気通貫で担う -リリース後も現場に張り付き、実際の利用状況や反応を見ながら改善サイクルを回す(「作って終わり」にしない) -開発を通じて得た知見を、属人化させずに仕組み化・ドキュメント化し、他メンバーにも展開する -常時プロダクト開発チームとも連携し、汎用化できる要素はプロダクト側にフィードバックする -ビジネス部門・コーポレート部門メンバーのオペレーション業務をAIで巻き取り・削減し、削減できた時間をより事業成長に直結する提案活動へ再投資できる状態をつくる -必要に応じてお客様とのコミュニケーションにも入り、現場のオペレーションを熟知した立場から提案設計を技術面で後押しすることで、ビジネス部門がよりアグレッシブな提案に安心して踏み出せる環境を構築する 【業務における技術チャレンジ例】 ・業務理解と実装の両立: 非エンジニアである現場メンバーの暗黙知や運用・手作業のフローを分解し、要件として言語化した上で、実際に動くソリューションに落とし込む ・スピード重視の開発: 現場のフィードバックを得ながら素早く反復改善する ・AI活用の実装力: LLM APIやAIエージェント、ノーコード/ローコードツールなどを適材適所で使い分け、最短距離で業務改善を実現する

●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、以下プロダクトについて、お客様が安心かつ安定して活用できるよう、新機能の設計・開発から既存機能の運用・改善まで広く担当いただきます。 ・[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://info.mntsq.com/aicontract-assistant) 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。 ・既存プロダクトの既存機能の改善や新機能の開発 ・新プロダクトの開発 ・パフォーマンス改善、継続的なリファクタリングやバグフィックス ・フロントエンド領域の技術的なリード 　└技術的な課題発見および解決策の提案・実行 　└コードレビューを通じた知見の共有 　└要件定義・設計・実装 　└最新技術の検証と導入の検討 　└新規プロダクトを生み出すための社内基盤の構築 ・他部門とのコラボレーション 　└デザイナーや PdM と共に UI/UX デザインの検討 　└知見を共有しチーム全体の理解を深めるためのドキュメンテーション 　└Slackチャンネルや議事録を通じた共有に加え、必要に応じて顧客との商談やヒアリングに同席する機会あり 【参考記事】 [「フロントエンド」の枠を超えて、事業価値を最大化する。MNTSQエンジニアの“越境”思考とは](https://note.mntsq.co.jp/n/nb414778ed30d) ※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) ●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、ミーティング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。 ●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。

<<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。 ・リードエンジニア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 【参考記事】 [デリバリーを担保するリードエンジニア](https://tech.mntsq.co.jp/entry/2025/10/17/173401) ●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)

<<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)

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

- 顧客業務の理解および課題の構造化(As-Is / To-Be設計) - LLM / RAG / エージェントを活用したユースケース設計・実装 - 顧客環境へのシステム統合、プロトタイプ開発、本番導入 - AIエージェントを前提とした業務プロセスの改善 - AIガバナンスや品質担保の仕組みの設計・実装 - 統計的手法や機械学習・生成AIを用いたアルゴリズムの構築 プロジェクト例 AIネイティブ新規事業の立ち上げ 大手人材系企業様と共同で、AIエージェントを活用した新規事業開発を実施。 キャリアアドバイザーの面談やマッチングといった労働集約的な業務をAIエージェントが代替することで、求職者体験や労働生産性の向上を目指したプロジェクト。 中期経営計画の注力テーマのひとつとして、次世代の事業モデルの構築を行っている。 店舗運営バックオフィスAI化 大手小売企業様において、国内外約1,500店舗の店舗スタッフが担うバックオフィス業務(在庫調整・売上レポート・配送管理・配分業務など)をAIエージェントで代替するシステムを構築。店舗スタッフが顧客対応に集中できる環境を実現し、在庫調整業務75%削減・レポーティング品質の標準化を達成。 入社時にお任せしたいこと - AIを搭載したシステム・アプリケーション構築案件における要件定義・設計・構築 - 構築したシステム・アプリケーションをPoC で終わらせず、業務定着するまで継続改善する支援 開発環境 - 主な技術スタック: Python(FastAPI), TypeScript(React, Next.js, Hono) - エージェントフレームワーク: PydanticAI, OpenAI Agents SDK, Claude Agent SDK, Vercel AI SDK, Mastra - LLM: Claude, GPT, Gemini - AWS: Bedrock, Lambda, Step Functions, ECS/Fargate, Aurora, DynamoDB, S3, API Gateway, SQS - GCP: Vertex AI, Cloud Run, Firebase(Auth, Hosting, Firestore), Cloud Storage, Pub/Sub - コミュニケーション: Slack, Google Meet - コラボレーション: Figma - ドキュメント管理: Notion - チケット管理: Linear - AIツール: Gemini, ChatGPT, Cursor, Claude Code, Codex

● クライアント向け業務(客先・プロジェクト業務) ・顧客の経営・業務課題のヒアリング、受託・プライム案件の企画・提案・獲得 ・システム化構想、DXロードマップ策定、生成AIを活用したPoC企画・業務改善推進 ・要件定義からリリースまでのプロジェクト統括、QCD・リスク管理、ステークホルダーとの合意形成 ・クライアントの開発組織における生成AI活用の導入・内製化支援、伴走 ● 社内組織向け業務(AI利活用促進・開発プロセスの再構築) ・社内エンジニア組織への生成AI利活用促進、プロンプト活用やナレッジの共有・展開 ・生成AIを前提とした新しい受託開発フローの設計、ガイドラインやベストプラクティスの整備 ・AI活用における品質や保守性を担保するための設計・レビュー方針の策定 ・社内向けのAIを用いたシステム開発、および開発生産性向上のためのツール導入・標準化

私たちのチームの使命は、お客様に最高のサービスを届けるfreee自らを「世界で最も生産性が高く、最先端な組織」に進化させ続けることです。AIの進化が企業の在り方を根本から変えようとしている今、私たちはその変化を自ら作り出す側として社会をリードします。AIを単なる「ツール」ではなく、経営と業務の「核」に据える。2,000人以上の規模の組織がAIによって爆速化する、その基盤をゼロから構想し、実装する。そんな、歴史の転換点を自らの手で創り出す挑戦をしませんか? ●現状の課題/今後取り組みたいこと ・freeeでは、全社員が「マジ価値(本質的価値)」を届け切ることに集中できるよう、理想の業務環境を追求しています。 ・現在、私たちが目指しているのは、「AIネイティブな業務環境」の実現と継続的な進化です。 -全社横断的なRAG(検索拡張生成)の構築 -自律的に業務を遂行するAIエージェントプラットフォームの導入 -AIの精度を最大化するためのデータパイプラインとルールの再整備 ・今期よりAI開発体制を大幅に強化し、freeeの経営そのものにAIを組み込んでいくフェーズに突入します。 ・この壮大なビジョンを共に描き、技術で牽引してくれるリーダー・マネージャー候補を求めています。 ●業務内容詳細 ・単なる開発にとどまらず、技術選定から組織への実装まで、広範なプロデュース・価値創出をお任せします。 ・AIネイティブな業務体験の設計: n8nなどを活用し、従業員のワークフローをAI前提で再定義し、実装する ・技術選定とアーキテクチャ設計: LLM等の最新ソリューションの選定、社内導入 ・データ基盤の高度化: RAGの構築、セマンティックレイヤーの設計、データパイプラインの整備 ・LLM Opsの確立: 継続的に精度を向上させ、安全に運用するための仕組みづくり ・(マネージャー候補として) AI戦略の策定、チームビルディング、プロジェクトマネジメント 業務内容の変更範囲:会社の事業状況やご本人の適性に応じて担当する業務内容が変更となる場合があります

freeeにはいままでプロダクト開発組織のAI活用を推進する「AI駆動開発チーム」が存在していましたが、それらの役割に加えて全社の業務プロセスを改善するための基盤構築とEnablingを担う「AI Platform Engineering」チームを新設しました。 本ポジションは、単なる社内ツール導入に留まりません。社内に散在する膨大なデータ（BigQuery、Slack、Confluence、Google Drive等）をAIが理解可能な「コンテキスト」として整備し、全社員が安全かつ自律的にAI Agentやワークフローを構築できる「AIプラットフォーム」のエンジニアリングを担当します。 また、基盤構築だけでなく、導入支援も行います。業務プロセスの可視化・ドメイン知識の言語化から現場向けハンズオン・ショーケースを通じた成功事例の横展開まで、グローバル最先端の技術情報を収集・検証しながら、freeeの生産性と創造性を非連続的に向上させる中心メンバーを募集します。 ●現状の課題/今後取り組みたいこと freeeでは現在、Gemini や NotebookLM、自社のLLM基盤、各種コーディングエージェントなどを日々の業務に標準的に取り入れています。さらに「全社AI特区」として、希望者が最新AIツールを業務で試せる環境を提供しており、ChatGPT や Comet、n8n 等の活用が進んでいます。しかし、以下の課題によりAI活用の「天井」が存在します 1.コンテキストの分断 : 社内データ（議事録、ドキュメント、顧客データ）が各SaaSに分散し、AIに十分なコンテキストを提供できていません。現場のドメイン知識や業務プロセスが暗黙知のまま残り、AI Agentやワークフローに組み込める構造化された形で言語化できていない領域が多く存在します。 2.AIツール活用の障壁：エンジニア以外のメンバーが業務自動化やAIエージェント構築を試みても、API連携や認証、データ接続のハードルが高く、AIの能力を十分に発揮させるにはエンジニアのサポートが必要な状況です。 3.ガバナンスとスピードの両立 : 法令やセキュリティ、ガバナンスを守りつつ、最新のAIモデルやツールを即座に現場へ届けるシステム・運用体制が未完成です。 今後取り組みたいことは、「AIが力を発揮できる環境づくり」です。社内に分散したデータや知識をAIに届ける基盤を構築し、n8n等のノーコード/ローコードツールと連携させることで、全社員が自分の業務をAIと共に再発明できる環境を実現したいと考えています。 ●業務内容詳細 CAIO組織直下の「AI Platform Engineering」チームにて、以下の業務を担当します。 プラットフォーム構築 ・社内AIワークフロー基盤（n8n）の運用・提供・Enterprise化：セルフホスト環境の構築、スケーラビリティの確保、カスタムノードの開発 ・「コンテキスト基盤」の設計・開発 : BigQuery、Vector DB等を活用し、社内ドキュメントやデータをRAG / MCP経由でAIに提供するパイプラインの構築 ガバナンス・セキュリティ・コスト ・社内データへのアクセス権限管理（認証・認可）とAIツールの連携実装 ・シャドーITを防ぎつつ、最新ツール（Cursor, Devin, Gemini App等）を安全に利用するための技術的ガードレールや利用ガイドラインの策定 ・導入効果やROIを可視化しつつ、長期的な持続可能性を意識したコスト最適化の実現 Enabling・横展開 ・各部門のヒアリングを通じた業務プロセスの可視化、ドメイン知識の言語化、およびプロンプト・ワークフロー・Agent Skills・A2Aへの落とし込み ・AI活用のショーケース案件のリード（ユースケース選定、要件定義、実装、効果検証）と、その成果の横展開・標準テンプレート化 ・社内メンバー向けハンズオン、勉強会、ドキュメント・教材整備を通じたAIリテラシー向上と自走支援 ・グローバル最先端のAI技術・ツール・ベストプラクティスの調査・検証・社内共有 業務内容の変更範囲：会社の事業状況やご本人の適性に応じて担当する業務内容が変更となる場合があります

組織変更によるミッション拡大に伴い、事業部門のAI導入施策を推進いただく方を募集いたします。 ●主な職務内容 ・M365 CopilotやBOX AI等のAIサービスに関する導入・展開・運用 ・AIルーターやMicrosoft Purview Suiteなどを利用したAI基盤の設計や監査の仕組みの検討・実装 将来的には、全社的なAI活用戦略の策定やロードマップの立案をリードし、経営層への提言・意思決定支援を担っていただきます。 ※将来的に配属部署を異動した場合、実施する業務全般を変更する可能性あり

役割 AI/ML/LLMを活用したソリューションの設計・開発・運用を担い、クライアントの業務変革を技術面から実現する役割。 主たる業務 ●AI/ML/LLMモデルの実装・最適化 ●RAG・エージェント・ワークフローの設計・開発 ●API連携、アプリケーション開発、PoC構築 ●MLOps/LLMOps環境の設計・構築 ●データパイプラインの設計・実装 ●技術アーキテクチャの策定と技術選定

役割 エンタープライズ企業のデータ活用を推進し、分析・モデル開発・AI実装を通じてビジネス成果を創出する役割。 主たる業務 ● Python、R等を用いた統計モデル・機械学習モデルの設計・開発・評価・運用の支援 ● 各種生成AIやAIエージェントを活用したシステムの設計・開発・評価・運用の支援 ● データ基盤(AWS、GCP、Azure等)の要件定義・設計・運用の支援 ● クライアントへのヒアリング、PoC、本番運用までの一連のプロセス推進 ● クライアントへの分析結果の説明・意思決定支援 ● AI/データ活用に関する技術リード

役割 AI/ML/LLMを活用したソリューションの設計・開発・運用を担い、クライアントの業務変革を技術面から実現する役割。 主たる業務 ●AI/ML/LLMモデルの実装・最適化 ●RAG・エージェント・ワークフローの設計・開発 ●API連携、アプリケーション開発、PoC構築 ●MLOps/LLMOps環境の設計・構築 ●データパイプラインの設計・実装 ●技術アーキテクチャの策定と技術選定

お任せしたいこと 未整備な領域を自らの手で開拓し、将来的に当社の技術的土台を支えるPMへと成長していただくことが、このポジションのミッションです。 ● 入社直後〜 PLとしてプロジェクトを推進 Webアプリ開発(React/TypeScript、Python 等)のPLとして、リーダー層が担ってきた詳細設計・実装・テストの実務を引き継ぎ、生成AI(LLM/RAG/AIエージェント)を用いた実装・検証を自走して推進。 ※ご経験に合わせて担当工程は柔軟に調整します。 ● 半年〜1年後 開発パターンの標準化・アーキテクチャ設計、そしてPMへ 開発パターンの標準化(共通の“型”づくり)に深く関与。 お客様の要件定義から入り込み、生成AIの組み込み方を仮説検証しながら、アーキテクチャの提案と実装を牽引。 まずは自分+若手1名のサブリーダーから、要件定義・詳細設計ができる立場として下に3名程度がつく4名規模のチームを推進。 入社後1年程度でのPM登用を想定しています(早期の登用も歓迎)。 ※中途入社の方はご経験に応じた早期登用を行います。 このポジションならではの希少性 生成AIを活用した開発・テスト自動化・品質評価は、市場でも競争が活発化している成長領域です。 そのなかで当社は、AI駆動開発の専門部隊と品質保証(QA/QC)の専門部隊が同一ユニット内で連携し、開発の“型”と品質の作り込みを両立できる体制を持ちます。 この環境でサービスの立ち上げを牽引できる人材は市場でもまだ希少であり、その経験はエンジニアとしての市場価値を大きく高めます。 技術スタック 言語 / フレームワーク React、TypeScript(フロントエンド)/ Python、C#(バックエンド) クラウド Azure(AWS・GCP のご経験も歓迎) データベース / 基盤 PostgreSQL、Databricks AI 領域 生成AI(LLM/RAG/AIエージェント)を活用したAI駆動開発 AI 開発ツール Claude Code、Cursor、GitHub Copilot、Codex、CodeRabbit 1)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

各プロジェクトにおけるAIエージェントの設計・実装・品質担保を担当いただきます。 AIオペレーションマネージャーと連携しながら、業務課題を解決するAIエージェントを開発し、本番環境で安定稼働する状態まで作り上げることがミッションです。 また、先行プロジェクトで成果が実証された仕組みを共通ソリューションとして標準化し、全社へ展開可能な基盤として発展させる役割も担います。 ●具体的な業務内容 ・AIエージェントの設計・実装(LLM API、Playwright、マルチエージェント構成を活用した業務自動化システムの開発) ・プロンプト設計およびLLM統合(構造化出力、エラーハンドリング、評価基盤、コスト最適化など) ・RAGシステムやマルチエージェントシステムの設計・実装 ・AIエージェントの品質保証および運用改善 ・先行プロジェクトで構築した仕組みの共通ソリューション化 ・AIテックリードとの連携によるアーキテクチャ設計および技術標準への準拠 ・AIツール環境の構築・運用支援(Claude Enterprise、Cursor等) ▽具体例: 問い合わせ対応、コンテンツチェック、ワークフロー自動化、ナレッジマネジメントなど。 業務オペレーションに組み込まれるAIエージェントの開発を想定しています。 ●この求人のポイント AIエージェントの設計・実装を通じて全社オペレーションのAIネイティブ化を推進するポジションです。 単なるPoC開発ではなく、本番環境で稼働するAIエージェントの設計から実装、運用までを一貫して担当いただきます。 AIオペレーションマネージャーと連携しながら、LLM・マルチエージェント・RAG・ブラウザ自動化などの技術を組み合わせ、人が担っていた業務そのものをAIエージェントへ置き換えていきます。 生成AIを活用したプロダクト開発や業務自動化の経験を活かし、AIエージェント時代の実践的な開発経験を積みたい方を募集しています。 ●開発環境・社内ツール AI開発 :Claude Code、Cursor、Gemini Advanced LLM API:Claude API(Anthropic)、Gemini(Vertex AI)、OpenAI GPT AIフレームワーク:LangChain、LlamaIndex 自動化:Playwright、GitHub Actions、Cloud Scheduler バックエンド:TypeScript(Hono)、Python(FastAPI) データベース:PostgreSQL、Firestore、BigQuery インフラ:GCP(Cloud Run、Cloud Functions、BigQuery) プロジェクト管理:Confluence、Jira、GitHub Enterprise

エンジニアリングのバックグラウンドを活かしつつ、「AIを使いこなすことが、これからの個人・組織の命運を分ける」という強いマインドセットを持って、教材作成や研修対応を担っていただきます。 技術トレンドから「顧客が真に習得すべき本質」を抽出し、受講者のマインドからスキルまでをアップデートさせる役割です。 主な業務内容 ●「AIによる生産性向上」から逆算した教材企画・設計 :AIをツールとして使いこなし、実務成果を出すために必要なケイパビリティを特定。自社プロダクトを活用した演習・評価設計を構築。 ●新技術の本質的なカリキュラム化 :CursorやClaudeCode、マルチAIエージェント等の最新トレンドをいち早くキャッチアップし、単なる操作方法ではない「AI時代の設計思想」を研修パッケージとして開発。 ●最先端テクノロジー研修の登壇 :AI駆動UI/UX、RAG開発実践、生成AIエンジニア研修等の講師。 ●講師チームの技術標準化 :AIによるコードレビューの仕組み作りや、最新AIツールの知見共有。 ※業務変更の範囲:会社内での全ての業務

仕事内容 生成AIが「使える人だけのもの」から「企業全体のインフラ」へと変わる転換期に、テクノロジーだけでなく“人・組織・業務の変化”まで含めて設計するシニアPdMを募集します。 このポジションの醍醐味は、プロダクトを作ること自体が目的ではなく、顧客企業の現場に入り込み、行動変容・意思決定・コラボレーションの仕方を変え、組織が強くなるプロセスをプロダクトで実装できることです。HR/組織開発領域に関心がある方にとっては、「制度・研修・コミュニケーション設計」だけでは届きづらい変化を、プロダクトとデータの力で加速させるチャレンジになります。 本ポジションは、0→1と1→10フェーズにおけるプロダクト戦略・顧客価値検証・開発推進をリードし、プロダクトの勝ち筋を作る役割です。プロダクトの形は固定せず、顧客課題と検証結果をもとにスコープや提供価値を進化させていきます。 主な業務内容 ・顧客課題の探索(現場観察・業務理解・ステークホルダーの合意形成)と、提供価値・ターゲット・ユースケース仮説の構築/更新 ・中長期ロードマップ、KPI、優先度の策定と意思決定の推進(プロダクト指標に加え、導入定着・行動変容・業務成果の指標化も含む) ・PRD作成、要件定義、仕様策定、リリース判断を含む開発プロセスの推進(スクラム等) ・生成AIを活用した業務オペレーション/プロセス設計(社内外)と継続的な改善 ・ドメインエキスパート(業務側)と開発チーム(エンジニア/デザイナー)間のコラボレーション設計・合意形成 ・必要に応じて、価格/パッケージ、導入・運用設計、エンタープライズ要件(セキュリティ/権限/監査等)の論点整理 プロジェクト例 AIネイティブ新規事業の立ち上げ 大手人材系企業様と共同で、AIエージェントを活用した新規事業開発を実施。 キャリアアドバイザーの面談やマッチングといった労働集約的な業務をAIエージェントが代替することで、求職者体験や労働生産性の向上を目指したプロジェクト。 中期経営計画の注力テーマのひとつとして、次世代の事業モデルの構築を行っている。 全社AI活用推進・研修支援 社員数約1.4万名(グループ計約2.5万名)の大手物流企業様において、全社員が生成AIを使いこなせる組織変革をご支援。 年間に渡り生成AIを全社員で活用、研修プログラムを設計・実施し、生成AIを日常で活用及び業務で活用できるAIエージェントを内製構築できる社員様を拡大伴走中。 入社時にお任せしたいこと ・顧客の現状を深く理解した上での、AIドリブンな戦略方針の提言 ・未来の企業活動のあるべき姿を見据えたプロダクト構想の立案、およびチームのリード 応募要件 必須スキル ・B2Bプロダクトにおけるプロダクトマネジメント経験 ・不確実性の高いフェーズ(0→1、または大きな方向転換を伴う1→10)で、課題探索〜価値検証〜開発推進までを主導した経験 ・スクラム等のアジャイル開発で、エンジニア/デザイナーと協働しながら意思決定・優先度付けを行った経験 ・複数のステークホルダー(経営/営業/CS/開発等)を巻き込み、合意形成しながら前進させるコミュニケーション力 ・データ/定性情報をもとに仮説検証を回し、KPI設計・改善サイクルを運用した経験

クライアントのビジネス課題に対し、表データを用いた予測・分類モデルの構築から、最新の生成AIソリューションの開発までを一気通貫で担当します。 単なるプロジェクト進行の管理に留まらず、精度向上のためのアルゴリズム選定や、生成AIの実装におけるプロンプト構成など、技術的な意思決定に深く関与していただきます。 現場のメンバーと議論を交わし、泥臭く精度を追求できる環境です。 ●案件事例 ・生成AIを活用した検索システムの開発 ・ワークフローを自動化するAIエージェントの開発 ・クライアントのAI人材教育のための伴走支援 ・Eコマース領域におけるAIを用いたターゲティング最適化、予測モデルの開発やMLOpsの運用 ・通信業における在庫最適化/予測モデルの開発と改良 ●入社配属部署(AIビジネス部) AIビジネス部は、最新のAI関連技術を応用してお客様のデータ利活用や業務効率化をしている部門です。 機械学習や深層学習のPoCから、生成AIを活用したAIエージェントの開発まで機械学習分野全般を対応しています。 現在募集している人材は、プロジェクトマネジメント能力と技術的専門性を併せ持ち、プロジェクトを牽引できるメンバーになります。 〔新規事業開発・ボトムアップの文化〕 当部門では、現場の「この分析手法なら、もっと精度が出る」「この最新技術で新規事業を作りたい」という声を尊重します。 管理職に回ることで技術が疎かになるのではなく、技術の本質を理解しているからこそ、最高のマネジメントができるという価値観を大切にしています。 変更の範囲:会社が指定した場所

クライアントのビジネス課題に対し、表データを用いた予測・分類モデルの構築から、最新の生成AIソリューションの開発までを一気通貫で担当します。 単なるプロジェクト進行の管理に留まらず、精度向上のためのアルゴリズム選定や、生成AIの実装におけるプロンプト構成など、技術的な意思決定に深く関与していただきます。 現場のメンバーと議論を交わし、泥臭く精度を追求できる環境です。 ●案件事例 ・生成AIを活用した検索システムの開発 ・ワークフローを自動化するAIエージェントの開発 ・クライアントのAI人材教育のための伴走支援 ・Eコマース領域におけるAIを用いたターゲティング最適化、予測モデルの開発やMLOpsの運用 ・通信業における在庫最適化/予測モデルの開発と改良 ●入社配属部署(AIビジネス部) AIビジネス部は、最新のAI関連技術を応用してお客様のデータ利活用や業務効率化をしている部門です。 機械学習や深層学習のPoCから、生成AIを活用したAIエージェントの開発まで機械学習分野全般を対応しています。 現在募集している人材は、プロジェクトマネジメント能力と技術的専門性を併せ持ち、プロジェクトを牽引できるメンバーになります。 〔新規事業開発・ボトムアップの文化〕 当部門では、現場の「この分析手法なら、もっと精度が出る」「この最新技術で新規事業を作りたい」という声を尊重します。 管理職に回ることで技術が疎かになるのではなく、技術の本質を理解しているからこそ、最高のマネジメントができるという価値観を大切にしています。

※こちらのポジションは、DeNA AI Linkへの出向となります DeNA AI Link は「AIで、日本企業の生産性向上を支援する」をミッションに掲げ、DeNAグループの技術・事業開発力を活かしてエンタープライズ向けAIサービスを展開しています。 リーダーズAI は、DeNA AI LinkとTHAが共同開発する次世代の組織変革プロダクトです。経営層・事業リーダーの思考・判断基準をAI化し「理想のリーダー」を組織内に実装することで、企業理念・戦略・文化に基づいたアドバイスを24時間365日、全社員が受け取れる環境を実現します。ビジネスチャットツールから気軽に相談できる設計で、物理的・時間的制約を超えてリーダーの知見を組織全体へ届けます。インタビュー・社内資料の学習・精度調整を含め約3ヶ月での導入完了を強みとしており、大手企業の意思決定の質とスピード向上に貢献します。 本ポジションでは、リーダーズAIのPdM として、プロダクト全体の方向性を担いながら、GTM戦略・グロース領域の推進、プロダクトUXの磨き込み、AIヒアリング機能の組み込みといった大きなイシューを主導していただきます。 私たちのチームは「早く・たくさん動く」を文化として体現しており、PdM自身がClaude Codeで開発するのが当たり前の、AIネイティブな開発スタイルを追求しています。 ●職務内容詳細 ・GTM戦略の立案・実行:ターゲット企業セグメントの設定、セールス・マーケティングとの連携、導入ハードルの分析と改善施策の仮説検証 ・プロダクトUXの設計・改善:ChatUI・ダッシュボード等のコンテキストUX設計、フィードバックループの仕組み化、KPIモニタリングと改善サイクルの推進 ・AIヒアリング機能の企画・実装推進:LLMアプリ設計・プロンプト設計・RAG構築に関する要件定義、開発チーム(Webフロント・サーバーサイド)へのディレクション ・AIネイティブな開発設計:プロダクト開発の各フェーズで「どこをAIに任せ、どこは人が動くべきか」を設計し、AIエージェントを積極的にチームワークフローへ組み込む ・ステークホルダー調整:事業責任者・エンジニア・デザイナー・外部パートナー・顧客との仕様合意・優先度決定 ・導入・運用設計:エンタープライズ顧客への導入フロー設計、運用定着支援の仕組み化 ・プロダクト戦略策定:中長期ロードマップの策定・アップデート、競合・市場分析に基づく意思決定 ・知見の組織還元:業務で得た学びや失敗を他チームへ積極的に展開し、組織全体のプロダクト開発力を底上げする 【雇入れ直後】仕事概要に記載のある業務内容 【変更の範囲】会社の定める業務

【主な業務内容】 マネーフォワードの各サービス・プロダクトの成長を加速させるために、生成AI・機械学習などのAI技術を活用した機能開発や業務課題の解決に取り組んでいただきます。 ユーザー業務やプロダクト仕様の理解から課題を定義し、最適なAIソリューションを企画・設計・実装・運用まで一貫して担うポジションです。 ・プロダクトマネージャーや業務担当者へのヒアリングを通じた課題発見と要件定義 ・課題解決に向けたAIソリューション(生成AI・RAG・機械学習モデルなど)の提案・検証 ・プロトタイプの開発と効果検証を通じた実現性評価 ・本番環境を見据えたAIシステムの設計・実装・運用設計 ・品質担保のためのテスト方針策定・実装・評価 ・各プロダクトチームと連携したAI機能導入プロジェクトの推進 AIソリューションエンジニアは、単なるモデル開発にとどまらず、ビジネスとAIの橋渡し役として、課題設定から事業価値の創出までをリードするポジションです。 プロダクトの未来を描きながら、AIを活用した新しい業務体験を自らの手で形にしていく-- そんな挑戦に共に取り組んでいただきます。 ※リリースしているプロダクト例はこちら ・https://note.business.moneyforward.com/n/n123cfa1718f0 ●業務内容の変更範囲:会社の定める業務

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

業務詳細 グループ各社の事業価値向上や業務生産性の向上をめざし、マッチング迅速化やグループ共通業務の効率化など、AI・データを活用した施策の支援をご担当いただきます。また、グループ内で保持するデータを事業価値につなげていくために、データ基盤の構築を進めています。このデータ基盤の構築や、API/アプリケーション開発などをご担当いただきます。デジタル企画、データサイエンス、エンジニアリング、ガバナンスなどの専門知識を持つメンバーと、プロジェクトごとにチームを編成して活動します。 具体的な担当業務 各ポジションは専門領域を持ちながらも、横断的に連携しながらプロジェクトを推進します。具体的には、下記のような業務を、チームで連携しながら取り組んでいただきます。 ・事業責任者や企画担当と連携して適切なAIアーキテクチャ※を選定 ※LLM、検索拡張生成(RAG)、機械学習モデル、クラウドAIサービスなど ・AIシステム/AIプロダクトの設計・開発 (バックエンド/フロント連携、コンテナ化、CI/CD、Infrastructure as Code) ・AIモデル/パイプラインの設計・実装 ・推論基盤の最適化(レイテンシ、スケーラビリティ、コスト管理) ・モデル評価・精度改善、プロンプト設計/改善、オフライン/オンライン評価 ・モデル品質のモニタリングおよびドリフト検知 ・プロトタイプ作成とPoC実施、スケールに向けたアーキテクチャ最適化 配属組織 ●グループAI本部 データソリューション部 データサイエンス室 デジタル化を推進することで、パーソルグループ全体の業務効率化や生産性向上、データ利活用に寄与する部門です。本部全体で150名ほどの組織になります。立場に関わらず意見を伝え合う風通しの良い社風です。また、主体的な言動や意志を尊重し裁量ある働き方ができる環境であり、成長意欲がある方には組織として全面的にバックアップする環境です。 データサイエンス室は現在メンバー8名程度で、30代前半～40代のデータサイエンティスト、AIエンジニアが中心で構成されます。 コミュニケーションを大切にし、部を跨いだ定期的なイベントや、メンター/管理職との定期的な1on1を行っています。残業時間は20～30時間程度です。 ※場合よってはグループ内で一時的な兼務/出向をいただく場合がございます。 担当職種の変更範囲 会社の定める職種(出向規程に従って出向を命じることがあり、その場合は出向先の定める職種)

DX統括部データサイエンス部はAI×データ×自動化を組み合わせ、広範囲なプロセスDXを実現し、 人が行う業務工数の“ゼロ化”を目指す組織 です。 特定の製品や業界に縛られず、 顧客の現場に合わせた「業務 × AI × 自動化」に裁量を持って取り組めるのは、BPO×DXを強みに持つDX統括部ならではの特徴です。 今回は、市場的なニーズが急増している、 生成AI、AIエージェント、RPA、DWH、MLOps、ローコード、クラウドなど 最新テクノロジーを現場の業務に落とし込む“実装力”を持つAIエンジニア を募集します。 ≪業務内容≫ 1.データ処理・ツール操作 Python や SQL を使ったデータ整理、RPA・Power Automate・生成AIツールの設定や動作確認、API連携の試行・動作検証 2.生成AI/AIエージェントの動作検証 LLM(OpenAI / Azure OpenAI など)の利用、Dify を使ったAIエージェント・ワークフローの構築補助、プロンプト改善・動作調整 3.業務改善プロジェクトのサポート 先輩メンバーと一緒に業務課題の整理、自動化案の作成やサンプル実装、効果測定のサポート(工数削減の整理など) 4.ドキュメント作成・定着支援 手順書・マニュアルの作成、作成したツールやフローの説明資料づくり 利用技術(このポジションで活用する主なツール) ●生成AI:OpenAI / Azure OpenAI ●AIエージェント:Dify ●自動化:Power Automate、UiPath ●データ処理:Python、SQL ●クラウド:AWS / Azure / GCP ※入社後にキャッチアップいただく前提のため、「利用技術の参考例」としてご覧ください。 得意分野を活かしつつ、幅広い技術に触れる機会があります。

～生成AI・データ基盤・自動化技術を掛け合わせ、業務プロセスを根本から変革する～ 私たちは、RAG/AIエージェント/DWH/MLOpsなどの技術を活用し、“実運用を前提としたAI活用”を通じてプロセスDXを実現しています。 AIエンジニアは、単なるモデル開発にとどまらず、業務構造の理解からソリューション設計、実装、運用・改善までを担い、AIをビジネス価値へと接続する役割を担います。 DX統括部データサイエンス部はAI×データ×自動化を組み合わせ、広範囲なプロセスDXを実現し、 人が行う業務工数の“ゼロ化”を目指す組織 です。 当組織は、データエンジニアリング領域を強みとしており、 DWH・データパイプラインの設計・構築・運用に関する知見を有しています。 そのため、単なるPoCや一部機能開発にとどまらず、 データ取得・加工・検索設計 RAG / AIエージェントの実装 精度改善・運用サイクル構築 まで、実運用を前提とした一気通貫の開発に取り組める点が特徴です。 今回は、市場的なニーズが急増している、 生成AI、AIエージェント、RPA、DWH、MLOps、ローコード、クラウドなど 最新テクノロジーを現場の業務に落とし込む“実装力”を持つAIエンジニア を募集します。 ≪業務内容≫ 1.課題把握・業務構造の分解 業務フロー・KPI・例外処理の可視化 自動化・AI適用が成立する領域/しない領域の見極め 2.ソリューション設計 業務要件・制約(精度/コスト/運用負荷/セキュリティ)を踏まえた 生成AI/AIエージェント/RPA/API/DWH の構成設計 技術選定およびアーキテクチャ設計 3.実装・検証(PoC〜本番導入) Python・API連携による実装 RAG、OCR、音声解析などのモデル・構成選定と検証 PoC結果を踏まえた 本番導入可否の判断・改善 4.本番運用・高度化 KPI設計、精度劣化検知、改善サイクル構築 変更管理、再学習・再設計方針の策定 手順書整備・運用定着支援 5.ステークホルダー連携 技術的制約やリスクを踏まえた期待値調整・合意形成 ROI可視化・報告資料作成

DX統括部データサイエンス部はAI×データ×自動化を組み合わせ、広範囲なプロセスDXを実現し、人が行う業務工数の“ゼロ化”を目指す組織 です。 特定の製品や業界に縛られず、 顧客の現場に合わせた「業務 × AI × 自動化」に裁量を持って取り組めるのは、BPO×DXを強みに持つDX統括部ならではの特徴です。 今回は、市場的なニーズが急増している、 生成AI、AIエージェント、RPA、DWH、MLOps、ローコード、クラウドなど 最新テクノロジーを現場の業務に落とし込む“実装力”を持つAIエンジニア を募集します。 ≪業務内容≫ 1.課題把握・現状分析 業務フロー、KPIの可視化、ボトルネックの抽出 2.ソリューション設計 業務再設計(BPR)、生成AI/AIエージェントの業務組込み、RPA・ワークフロー・API・DWHとの連携設計、UX・アーキテクチャ設計 3.実装・検証(PoC～パイロット) Python/API連携による実装、モデル選定(RAG、OCR、音声解析 など)、A/Bテスト、セキュリティ考慮、本番移行対応 4.運用・改善 KPIモニタリング、モデル精度改修、品質管理、手順書・教育資料作成、運用定着支援、変更管理 5.ステークホルダー連携 現場部門を巻き込んだ合意形成、トレーニング提供、ROI可視化・報告資料作成 利用技術(このポジションで活用する主なツール) ● 生成AI / LLM OpenAI / Azure OpenAI などの LLM API、AIエージェント構築やRAG(検索 × 生成)の活用 ● ローコード / 自動化 Dify を活用したAIエージェント・ワークフロー構築、Power Platform(Power Automate / Power Apps) ● データ基盤・クラウド AWS / Azure / GCP など主要クラウドサービスの基本利用、データベースへの接続、簡易クエリ(SQL)、API・外部サービスとの連携 ※「利用技術の参考例」としてご覧ください。 得意分野を活かしつつ、幅広い技術に触れる機会があります。 ※担当職種の変更の範囲:会社の定める職種(出向を命じることがあり、その場合は出向先の定める職種)

●グループAI事業戦略の検討・実行 ・執行役員およびAI推進チーム ディレクターと連携し、グループ全体のAI事業戦略の立案・推進を技術面からリード ・最新のAI技術動向(LLM/生成AI、エージェント、RAG等)のリサーチおよび事業適用の検討 ・グループ各社の事業課題に対するAI活用方針の策定・技術検証 ・AI関連の業務提携における技術デューデリジェンスおよび技術評価 ・ナレッジ共有活動への貢献・推進 ●AIソリューションの企画・実行(テックリード) ・グループ各社と協働し、顧客課題を解決するAIソリューションの企画・設計・開発をリード ・グループ会社に所属するエンジニアの育成指導、必要に応じた採用活動への関与 ・パートナー企業との技術連携・協業の推進

DX Solution事業部のAIエンジニアとして、産業特化型のアルゴリズム開発・実装を担当していただきます。 単にモデルを作成するだけでなく、WebシステムやAPIへの組み込みを含めた「社会実装」までを一貫して担えるエンジニアを目指していただきます。 【具体的なタスク例】 ●データ前処理・データセット作成 メンターの指示に基づき、学習に必要なデータ整形(画像のりサイズ、ノイズ除去、テキストの正規化など)を行う。既存の前処理スクリプトを活用・改修し、顧客ごとのデータ特性に合わせた学習用データセットを構築する。 ●アルゴリズムの適用・実装 社内の既存モジュールや、メンターが選定したオープンソースの実装を参考に、今回の課題に適したモデルを構築・実行する。コードをゼロから書くのではなく、既存のベースコードを読み解き、必要なパラメータ変更や部分的な修正を行って動作させる。 ●モデルの学習・評価 指示された実験設定(ハイパーパラメータ等)で学習を回し、評価指標を算出する。学習曲線を確認し、過学習や学習不足が起きていないか等の基礎的なチェックを行う。 ●結果分析・レポーティング 「なぜこの精度になったのか」「どのデータで失敗しているか」を分析し、結果をメンターに報告する。数値結果だけでなく、失敗事例を目視で確認し、次回の実験に向けたデータ改善のヒントを探す。 【開発例】 ●画像認識による非構造化データの自動整理 数百万枚規模の現場写真を対象とした、高精度な画像分類パイプラインの構築・API実装 ●点群データを活用した幾何学的シミュレーション 3Dスキャンデータ(点群)を用いた、巨大部材の輸送経路・干渉チェックアルゴリズムの実装 ●動画解析によるインフラ異常検知システム 車載カメラ等の動画データから、道路や構造物の変状箇所を特定する物体検出モデルの開発 ●ドメイン特化の大規模言語モデル 建設業・製造業など特定のドメインに特化した大規模言語モデルのファインチューニングを行い、ドメイン特化のモデルの学習・推論パイプラインの構築 ●ロボット行動学習 VLA・VLMを用いたロボットの行動制御モデルの最新手法のサーベイと、学習・推論パイプラインの構築 ● RAGを用いた会社独自のエージェント 社内に眠る膨大な技術文書やトラブル事例をベクトル化し、最適な解決策を提示する検索システムの開発 【技術スタック(一例)】 ●AI:Python/Numpy/Pandas/Pytorch/OpenCV ●AI開発ツール:Devin/Claude Code/v0.dev/GitHub Copilot/Gemini

DX Solution事業部のAIエンジニアとして、顧客課題の解決に向けたアルゴリズム選定から、実装、評価、デプロイまでの一連のパイプライン構築をリードしていただきます。 ビジネス要求から逆算して「どの技術を使うべきか」を選定し、自ら手を動かして実装・検証を行うポジションです。 【具体的なタスク例】 ●課題の数理的定式化と論文サーベイ (Research & Design) 顧客の「なんとなくの悩み」を、機械学習で解けるタスク(分類、回帰、生成、最適化等)に落とし込みます。 関連する最新論文(NeurIPS, CVPR, KDD等)を調査し、ビジネス制約(推論速度、コスト、データ量)に合わせた最適な手法を選定します。 ●SOTAモデルの実装と検証 (Implementation) 選定した論文の手法(Loss関数、Optimizer、独自レイヤー等)を、PyTorch等を用いてスクラッチ、あるいは既存実装をベースに再現・実装します。 実際の顧客データを用いて、アルゴリズムの精度検証サイクルを自律的に回します。 ●プロダクションレベルのコード品質担保 (Engineering) 再現性担保のためのモデル学習・推論のパイプラインを構築します。 Webアプリケーションと統合し、実装したアルゴリズムをプロダクション環境へ統合し、アルゴリズムを実際のユーザーに使っていただきます。 推論APIのI/F設計や、Dockerコンテナ化、CI/CDパイプラインへの統合を主導します。 ●ステークホルダーへの技術説明 (Communication) アルゴリズムを適用した結果とその考察、ビジネス上のインパクトを、ビジネス職やクライアントにも伝わる言葉で翻訳し、説明します。 【開発例】 ●画像認識による非構造化データの自動整理 数百万枚規模の現場写真を対象とした、高精度な画像分類パイプラインの構築・API実装 ●点群データを活用した幾何学的シミュレーション 3Dスキャンデータ(点群)を用いた、巨大部材の輸送経路・干渉チェックアルゴリズムの実装 ●動画解析によるインフラ異常検知システム 車載カメラ等の動画データから、道路や構造物の変状箇所を特定する物体検出モデルの開発 ●ドメイン特化の大規模言語モデル 建設業・製造業など特定のドメインに特化した大規模言語モデルのファインチューニングを行い、ドメイン特化のモデルの学習・推論パイプラインの構築 ●ロボット行動学習 VLA・VLMを用いたロボットの行動制御モデルの最新手法のサーベイと、学習・推論パイプラインの構築 ● RAGを用いた会社独自のエージェント 社内に眠る膨大な技術文書やトラブル事例をベクトル化し、最適な解決策を提示する検索システムの開発 【技術スタック(一例)】 ●AI:Python/Numpy/Pandas/Pytorch/OpenCV ●AI開発ツール:Devin/Claude Code/v0.dev/GitHub Copilot/Gemini

●課題の数理的定式化と技術戦略の策定 (Research & Design) 顧客の抽象度が高いビジネス課題に対し、背景にある物理現象や業務プロセスを深く理解した上で、最適な数理モデル(機械学習、数理最適化、シミュレーション等)への定式化を行います。 類似事例が存在しない難題に対して、NeurIPS/CVPR/ICML等の最先端論文(SOTA)から技術的なインサイトを得つつ、ビジネス制約(コスト、計算リソース、リアルタイム性)を考慮した実現可能な技術ロードマップを策定・提案します。 ●高難度アルゴリズムの実装と突破 (Implementation) 既存ライブラリでは対応できない特殊な要求に対し、論文の数式を深く理解し、PyTorch等を用いてアルゴリズムをスクラッチで実装・独自改良します。 ノイズが多い、データが少ないといった悪条件下でも機能するロバストなモデルを構築するために、ドメイン知識を組み込んだ特徴量設計や、学習プロセスの高度なチューニングをリードします。 ●アーキテクチャ設計と技術品質の統制 (Engineering) 個別のプロジェクトにとどまらず、会社全体のMLシステムアーキテクチャやデータパイプラインの設計責任を持ち、長期的な保守性と拡張性を担保します。 全社的な技術選定の指針策定や、ベストプラクティスの標準化を行い、組織全体のエンジニアリング品質の底上げを主導します。 ●事業価値への接続と期待値コントロール (Communication) 技術的なアプローチが、顧客のPL(売上向上・コスト削減)にどう貢献するかを言語化し、経営層やクライアント責任者に対して論理的に提案・合意形成を行います。 技術的な不確実性が高いフェーズにおいて、何ができて何ができないか(技術的限界)を明確に伝え、顧客の期待値を適切にコントロールしながらプロジェクトを成功へ導きます。 【開発例】 ●画像認識による非構造化データの自動整理 数百万枚規模の現場写真を対象とした、高精度な画像分類パイプラインの構築・API実装 ●点群データを活用した幾何学的シミュレーション 3Dスキャンデータ(点群)を用いた、巨大部材の輸送経路・干渉チェックアルゴリズムの実装 ●動画解析によるインフラ異常検知システム 車載カメラ等の動画データから、道路や構造物の変状箇所を特定する物体検出モデルの開発 ●ドメイン特化の大規模言語モデル 建設業・製造業など特定のドメインに特化した大規模言語モデルのファインチューニングを行い、ドメイン特化のモデルの学習・推論パイプラインの構築 ●ロボット行動学習 VLA・VLMを用いたロボットの行動制御モデルの最新手法のサーベイと、学習・推論パイプラインの構築 ● RAGを用いた会社独自のエージェント 社内に眠る膨大な技術文書やトラブル事例をベクトル化し、最適な解決策を提示する検索システムの開発 【技術スタック(一例)】 ●AI:Python/Numpy/Pandas/Pytorch/OpenCV ●AI開発ツール:Devin/Claude Code/v0.dev/GitHub Copilot/Gemini