東京都 RAGのITエンジニア求人・転職情報

●AXRの強み ―― なぜ、結果を出せるのか このポジションで「売る」ものの中身は、次の4つの構造的な違いです。 ①ナレッジの蓄積: これまで3年以上にわたり、200社・累計20,000名以上の変革を通じて、業種別・職種別の業務ナレッジをため続けてきました。 研修を開発するたびに、AI-BPRを実行するたびに、顧客の業務をヒアリングするたびに、このナレッジは増えていきます。 業界を横断してこの密度で業務データを持つ会社は、他にありません。 ②再現性のあるフレームワーク: 我々はあらゆる仕事をタスクベースで捉えます。 業務を棚卸ししてAIで代替可能な単位まで分解し、 タスクごとにAI適用度を判定し、人間もAIも扱いやすい形式知化されたタスクへ変換する─ ─このAIタスクアプローチは、業種・職種を問わず同じ型で機能します。 よって着手前から「どこを、どれだけ」改善できるかを定量的に示すことができ、研修にも コンサルティングにも人材提供にもAI-BPRにも、同じコアが展開できるのです。 ③統合力: AXの成功には、戦略とKPI設計、業務の分解と形式知化、人材育成、AI実装、現場定着という複数の機能が必要です。 しかし、研修会社は教育だけ、戦略コンサルは構想だけ、ベンダーは開発だけを担い、機能の間に断絶が生まれます。 我々はHX・DX・BXを統合し、この全部を1社で担う。 だから変革が途中で止まることはありません。 ④我々自身が最も徹底的にAIを使う会社であること: ビジョンも業務もナレッジもmd化し、AI経営OSとして自社で実践しています。 自分たちで実証していない方法論を、お客様に提案することはありません。 ●上場企業や開発のプロ企業やが選ぶ実績 レポートだけの提案も中身のない研修も一瞬で見抜く「プロ企業」自身が、AXRを選び、共に変革を取り組んでいます。 上場企業や開発を得意とするエンタープライズ企業が「AXRと組むことで企業価値を上げている」これは、あなたが商談で背負う信用の裏付けになります。 ●業務内容 クライアント企業の AX(AI 変革)を、上流の業務分析から本番運用・定着支援まで一気通貫でリードします。 ・クライアント企業の業務プロセス分析と AI 適用箇所の特定 ・LLM を組み込んだ業務アプリケーション・エージェントの設計・実装・運用 ・RAG 基盤、社内データ連携、既存システム(SaaS/基幹系)とのインテグレーション ・クライアント開発チームへの AI 導入伴走支援(開発プロセスへの AI コーディングツール組み込み、 ルール/コンテキスト整備、レビュー体制の再設計、ペアプログラミングや実装レビューを通じた定着支援) ・評価基盤(Evals)の構築、精度・コスト・レイテンシのチューニング ・セキュリティ・ガバナンス要件への対応、本番運用の監視体制構築 ・PoC から本番導入までのリード、クライアントの技術者への引き継ぎ ※ 顧客は全国のため出張が発生する場合があります。 ●一緒に働く仲間 当社の代表・前田は、これまで70社以上への投資・設立をしてきた事業家であり、投資家です。 また、前田自身が設立した関連会社代表への抜擢もあり、設立初期に株式を得ながら事業を牽引するポジションへのアサイン実績もあります。 「入社後に、自分のキャリアを活かして勝てる市場で自分の事業を持てる」 ―前田のキャリアがあるからこそ提供できる当社のベネフィットです。 また、当社の技術を担うメンバーは、まだ世界でも定義が曖昧であるFDE(Forward Deployed Engineer)の要件定義をし、 FDEの育成するためのAI駆動開発研修やカリキュラムを日本で最速級に形にしているチームです。 AI領域に強いとされる開発のプロ企業にも、AXRが最新技術をお伝えし、ご支援させていただいています。 一人一人の実力を考えれば、個人でも事業が成り立つメンバーが、 今、このタイミングだからこそAXRというチームで仕事をしている理由は、今であれば日本を変えられる可能性があるから。 営業が商談で語る技術的裏付けは、この本物のチームが支えます。 国内の AI 市場支出は 2025 年の約 2.4 兆円から 2029 年には約 6.9 兆円(年平均成長率 36%)へと拡大が見込まれ、 LLM を組み込んだ業務アプリケーションや AI エージェント、RAG 基盤への需要が急増しています。 AXR では、PoC で終わらせず本番導入・運用・定着まで踏み込む案件が拡大しており、顧客の業務そのものを作り変えるエンジニアを募集します。

クライアント企業の業務課題に対して、AI・RPA・ローコード・クラウドなどを活用し、業務改善からシステムの設計・開発・導入まで一気通貫で支援します。 一般的な開発会社との大きな違いは、 「何をつくるか」が最初から決まっているとは限らないこと。 まず現場の業務を知り、 課題を見つける ↓ どう変えるかを考える ↓ 最適なテクノロジーを選ぶ ↓ 実際につくる ↓ 現場で使われるところまで支援する ところまでがITSOの仕事です。 ＜具体的には＞ ・クライアントへのヒアリング、業務整理 ・業務フロー/課題の可視化 ・AIや自動化を活用した改善案の検討 ・システム/アプリケーションの設計 ・AI、RPA、ローコード等を活用した開発 ・API/データベース/クラウドを利用したシステム連携 ・テスト、導入、運用支援 ・マニュアル作成、ユーザー教育 ・経験に応じて要件定義、PoC、顧客提案 プロジェクトでは、生成AI、LLM、RAG、AIチャットボット、RPA、Power Automate、Power Platform、Salesforce、AWS、Azureなど、幅広い技術を活用しています。

本ポジションは、ITエンジニアとしての仕事を本業としながら、eスポーツチームの運営にも携わる「デュアルキャリア」ポジションです。 本業はITSOのプロジェクトに参画し、AI・RPA・ローコード・クラウド等を活用したシステム開発や業務改善を担当。 これまで培ってきたIT経験や、入社後に身につける技術力を活かしながら、エンジニアとしての市場価値を高めていきます。 同時に、eスポーツチームの運営スタッフとして、 ・選手の指導、サポート ・試合/プレイデータの収集・分析 ・資料作成 ・チーム公式サイトの運営 ・動画撮影、編集、画像制作 ・コミュニティ運営 ・イベント企画 ・Discordサーバーの管理・運営 など、チームづくりにも関わっていただきます。 ITも、eスポーツも、中途半端にしない。 将来の生活・キャリアを支える専門性を身につけながら、自分が本当に好きな領域にも挑戦し続けられる働き方です。 クライアント企業の業務課題に対して、AI・RPA・ローコード・プロセスマイニング等を活用し、業務改善・BPR・DX/AXを支援します。 具体的には、 ・クライアントの業務ヒアリング ・業務整理、課題分析 ・要件定義、設計 ・システム/アプリケーション開発 ・AI/RPA/Power Platform等を活用した業務自動化 ・PoC、テスト、導入支援 ・運用、保守 ・経験に応じて顧客提案や上流工程への参画 など。 生成AI、LLM、RAG、AIチャットボット、Power Automate、Automation Anywhere、AWS、Azure、Salesforce、Power Platformなど、幅広い技術を扱う環境です。

企業で生成AIの活用が急速に広がる一方、 「PoCまではできたが、本番導入できない」 「ChatGPTを導入したが、業務が変わらない」 「自社データとどう組み合わせればいいか分からない」 といった課題も増えています。 ITSOが目指しているのは、AI技術そのものを検証することではありません。 生成AI・LLM・RAG・AIエージェントを企業の業務へ組み込み、実際に使われ、業務が変わるところまで実装すること。 本ポジションでは、AI活用構想からアーキテクチャ設計、アプリケーション開発、導入・運用まで、一気通貫で携わります。 ●生成AI/LLMアプリケーション開発 ・生成AIを活用した業務アプリケーション開発 ・ChatGPT API/Azure OpenAI Service/Gemini/Claude等を活用したAIシステム開発 ・RAG(Retrieval-Augmented Generation)の設計・構築 ・AIエージェントの設計・開発 ・社内システムとLLMの連携 ・AIチャットボット/ナレッジ検索システム開発 ・AI-OCR/ドキュメント解析システム開発 ・Python/TypeScript等によるAIアプリケーション開発 ●AIアーキテクチャ ・企業向けAIシステムのアーキテクチャ設計 ・Azure/AWS/Google Cloudを活用したAI基盤設計 ・オンプレミス/閉域環境を含むLLM活用環境の設計 ・セキュリティ/ガバナンスを考慮したAI基盤構築 ・大量データを活用するためのデータ基盤設計 ●AI活用・コンサルティング 経験に応じて、 ・顧客の業務課題ヒアリング ・AI活用ユースケースの検討 ・生成AI導入PoCの企画・推進 ・AIロードマップ策定 ・最新AI技術の調査/技術検証 ・顧客向け技術提案 まで担当領域を広げることができます。 ●自社AIプロダクト ・自社AIサービスの企画・開発 ・新規AIプロダクトの立ち上げ ・既存サービスへのAI機能追加 にも挑戦できます。

ITSOは、生成AI・AIエージェント・RPA・ローコード・クラウド・プロセスマイニングなどを組み合わせ、大手企業を中心としたAX/DX・業務改革を支援しています。 クライアントの現場に深く入り込み、業務を知る → 課題を見つける → 解決策を設計する → プロトタイプをつくる → 顧客と検証する → 本番システムとして実装する → 現場に定着させる → 次の改善につなげる ところまで、一気通貫で担います。 「要件を渡されてから開発する」のではなく、そもそも何を解くべきなのかから、自分で考える。 そして、「提案して終わる」のではなく、自分自身もコードを書き、動くものとして届ける。 クライアント業務のヒアリング・要件定義から、AI/LLM/RAG、AIエージェント、業務アプリ開発、PoC、BPR、導入後の運用体制までを担当領域としています。 ＜具体的な仕事内容＞ 01|Discovery / Problem Finding ・クライアントへの業務ヒアリング ・業務プロセス/システムの把握 ・As-Is整理、課題の構造化 ・AI/Automation活用ユースケースの発掘 ・解決すべき課題/成功指標の定義 02|Solution Design ・To-Be業務/システム設計 ・生成AI/LLM/RAG/AIエージェントを活用したソリューション設計 ・技術選定/アーキテクチャ検討 ・データ/API/既存システムとの連携設計 ・PoC計画、技術検証 03|Build / Engineering ・Python/TypeScript等によるAIアプリケーション開発 ・LLM/RAG/AIエージェント開発 ・AIを組み込んだ業務アプリケーション開発 ・API/DB/クラウドを活用したシステム連携 ・Power Platform/Salesforce/RPA等を活用した業務システム開発 ・プロトタイプから本番システムへの移行 04|Deployment / Adoption ・PoC/ユーザーテスト ・本番導入 ・フィードバックを反映した継続改善 ・ユーザー向け研修 ・AI/Automation運用ルール設計 ・利用定着/業務効果の検証 05|Field → Product ・顧客現場から得られた課題/ニーズの社内共有 ・再利用可能なソリューション/テンプレート化 ・自社AIサービス/プロダクトへのフィードバック ・新しいAI/AXソリューションの企画

本職種ではデータサイエンス・生成AIに関する高い専門性を活かし、顧客業務に対する当社生成AI PFの適用とその効果検証を実施する。または生成AI PFの技術検証とPF開発を実施する。 さらに顧客業務に合わせたNTT独自の生成AIモデルやオープンウェイトモデルのカスタマイズやハーネス、コンテキストまで含めた全体最適化およびそのための技術検証、ソリューション開発を実施する。 ・顧客の業務課題に基づき生成AIを用いた課題解決策の検討と提案 ・課題解決に必要な顧客データや重要なコンテキストの特定と整備 ・AI PF/RAGシステム・エージェントの顧客適用に向けた構築 ・グローバルのグループ会社や顧客とのコミュニケーション ・生成AIモデルのファインチューニングや事後学習、およびユースケースに応じた評価検証方法の提案と実施 ・上記業務のドキュメンテーションなど ・当社エグゼクティブへのレポーティングの実施 ●組織情報 グローバルなグループ会社とのナレッジシェア、人財育成、提案/案件支援を通じて、グローバルにAI/データ活用のビジネス拡大を図り、NTTデータのグローバル化に貢献することをミッションとする。 ●想定役職 課長 , 課長代理 , 主任

●配属予定チーム・体制 ・入社後はまず客先常駐からのスタートを想定 入社当初の配属先はお客様先のプロジェクトです。 そのため、CI/CD基盤や技術スタックの選定、開発プロセスの改廃について、最終的な決裁権がお客様側にある場合があります。 並行して自社内での受託・ラボ型案件の新規開拓を進めており、体制が整い次第そちらへの展開も想定していますが、着任時点で配属をお約束できるものではありません。 ・自動化の社内標準を整備 共通ライブラリ、テスト設計ガイドライン、フレームワーク選定基準といった組織としての資産を整備します。 参照できる前例が少ない中で、自ら判断して形にしていく必要があります。 ・生成AI活用の社内標準化を推進 生成AIのテスト業務への活用は、配属プロジェクト単位では実績があり、お客様からのご相談も増えています。 一方で社内標準としての整備はこれからです。 適用範囲の見極め、実用性の評価、適用基準の策定までを担っていただきます。 ・制約のある環境での実現力を重視 常駐先ごとに使用技術も開発プロセスも異なります。 理想形をそのまま持ち込むのではなく、その現場で実行可能な打ち手に翻訳できることを、本ポジションの中核的な能力と位置づけています。 ●業務内容 ●配属プロジェクトでのテスト自動化の実装・改善 ・仕様・要件からのテストケース導出と、コードベースでのテスト実装 ・CI/CDパイプライン(GitHub Actions等)と連携した自動テストの組み込み・運用改善 ・Flaky Testの原因分析と、待機処理・テスト設計の見直しによる安定化 ・既存のテスト運用プロセスに対する課題抽出と改善提案 ●自動化ノウハウの標準化・組織資産化 ・プロジェクトを跨いで再利用できる共通ライブラリ・テンプレートの設計と整備 ・フレームワーク選定基準、テスト設計ガイドラインの策定 ・個人に蓄積されている実装ノウハウの言語化・ドキュメント化 ・SQA部門メンバーへの技術共有・コードレビュー ●生成AIを活用した自動化の推進・標準化 ・生成AIによるテストケース生成・テストコード生成の実装と、実用性の評価 ・既存のテスト仕様書・手順書から自動化対象を抽出し、テストコードへ変換する仕組みづくり ・画面変更への追従やFlaky Test対応など、テストコード保守工程へのAI活用 ・AIエージェントによるテスト実行(Agentic Testing)関連ツールの調査・適用可否の判断 ・活用ノウハウの適用基準への落とし込みと、2の社内標準への組み込み ※配属プロジェクトでの活用実績はありますが、社内標準としての整備はこれから着手する段階です。 ●技術環境 ※すべての経験は必要ありません。 プロジェクトにより使用技術・活用範囲は異なります。 テストフレームワーク :Playwright, Selenium, Appium 等(プロジェクトにより採用状況は異なり、全社標準は未確定です) 開発言語 :Python, Java, JavaScript, TypeScript 等 インフラ・CI/CD :GitHub Actions, Docker, Kubernetes 等 生成AI・LLM活用 :LLM API、生成AIコーディング支援ツール、RAG、Agentic Testing関連ツール 等 (テストケース生成、テストコード生成・保守、ログ解析等に活用。 プロジェクトにより適用範囲は異なります) ●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

●入社後のステップと育成体制 まずはご自身の得意領域(開発や上流工程)からプロジェクトに参画していただきます。 その後、早期に以下のFDEフェーズへステップアップしていただきます。 ●FDEの支援フェーズ(実戦で鍛える) ・顧客理解 ・課題構造化(業務フロー・オントロジー化) ・解決策設計(AI統合・RAG・エージェント) ・プロト導入・開発 ・PoC設計・精度検証 ・トライアル評価 ・本番導入・開発 ・運用設計 → ・システム運用保守 ・業務運用改善 一連の流れを実戦で経験することで、「課題構造化・AI統合・PoC設計」の確固たる型を習得できます。 ●この仕事で解決いただく課題(プロジェクト例) 顧客の現場に入り込み、属人化している業務を生成AIやSaaS、自動化技術を用いて根本から再構築します。 ・大手通信業界の事例 問い合わせ業務をAIによる要約と自動分類で半減させるプロジェクトや、RAGと業務データを組み合わせたPoC設計・精度検証、AIエージェントを用いた業務フローの自動化から運用までの支援など。 ・自治体DXの事例 文書管理業務のオントロジー構造化、AI検索基盤の構築からPoC・本番導入、さらに業務運用改善までの伴走支援など。 ※直近の具体的な案件詳細は、選考時に詳しくお伝えいたします。 ●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

当社グループの事業 ・当社は「システム」「リサーチ」「コンサルティング」の3つの分野を柱に、社会に対して新たな価値を創出する総合シンクタンクです。 ・高い専門性と豊富な経験、さらに3つの機能の相互連携をもとにした付加価値の高い情報サービスを、国内外を問わず幅広い社会、業界、企業に提供しています。 採用部門 採用部門概要 採用部門の企業システム事業本部では主に大和証券グループ以外の外販顧客に対してサービスを提供しており、営業部門と開発部門を同一本部内に有する製販一体の組織です。 大手通信事業会社や大手クレジットカード会社のほか、事業会社、生損保等の金融機関、官公庁が主な顧客で、在籍社員数は約300名です。 採用部門のミッション 外販収益の拡大に向け顧客の経営層に訴求するソリューション提案を通じて、顧客から選ばれるパートナーとなることがミッションです。 当社の事業成長に欠かせない、外販案件拡大のミッションを担っております。 業務詳細 ご経験やご志向に合わせて、以下のような業務をご担当いただきます。 プロジェクトマネージャー志望の方 ・プロジェクト立ち上げまでの顧客提案、プロジェクトチーム組成 ・ベンダーコントロールなどのプロジェクト運営、QCDマネジメント アプリケーションエンジニア志望の方 ・要件定義、システム設計、開発、テスト、リリース ・データ分析基盤の設計・開発・運用 ・UI/UX提案およびフレームワーク選定 ・アーキテクト、ミドルウェアおよびフレームワーク選定 コンサルタント志望の方 ・新技術の調査、技術検証 ・RAGなどの新技術を利用した自社プロダクトの開発 ・顧客向け次期提案案件の検討・検証(PoC) ・営業担当と連携した新規提案や受注に向けてのアクション 顧客 通信事業社、カード会社、リース会社、生保会社、エネルギー会社、教育機関など ※担当するお客様や案件については、選考の中でご経験やご希望をお伺いしながら決定させていただきます。 案件・提案例 ・新規データ活用基盤の提案・構築 ・クラウドやSaaSサービスを組み合わせたデータ共通基盤の提案・構築 ・基幹系システムのクラウド化提案 ・クラウドネイティブを前提としたシステム化構想策定～基盤構築 ・RAGを用いた社内ナレッジ検索サービスの提案・構築 ・事務領域のデジタル化・自動化等のDX推進の提案 ・生成AIを活用した開発高度化・効率化の提案・構築 など 利用技術・言語 パブリッククラウド(AWS、GCP、Azure)、Salesforce、OutSystems、Microsoft Power Platform、java、Python、C♯、Bash、Snowflake、Informatica、Databricks、dbt、Tableau、Dataikuなど

【ミッション】 開発組織におけるAI Native化への変革をリードし、技術起点で継続的な価値創出に貢献する 【主な業務】 社内既存AIツールの活用促進と新規AI技術の検証/導入 【具体的な業務】 ・本部横断でのAI駆動開発の推進 ・社内外の先進技術/AI活用事例の調査と検証/展開 ・LLMモデル活用方針の策定/展開 ・業務効率化に向けたAI PoCの企画/推進 ・各開発チームへのAI活用伴走支援 ・Skills/Agent.mdなどAI活用アセットの整備/運用 ・ハーネスエンジニアリング/ループエンジニアリングの検証/仕組み化 ・自律開発/夜間自動開発など新しい開発プロセスの検証

当部門は、生成AI・LLM・AIエージェントを活用し、技術部門の業務変革を促進するAIプラットフォームを企画・開発する組織です。 Difyを中心に、RAG、ベクトルDB、ナレッジDB、MCPなどの技術を組み合わせ、AIエージェントを安全かつ継続的に業務利用できる共通基盤を構築しています。 目指しているのは、システム開発の専門知識を持たない社員でも、ローコード/ノーコードで自らAIエージェントを作成し、業務に活用できる環境です。 プラットフォームの機能開発に加え、各種業務システムとの連携、ナレッジ活用、実行ログやフィードバックを用いた評価・改善の仕組みづくりにも取り組んでいます。 利用部門の課題やニーズを捉えながら、より使いやすく、信頼性が高く、幅広い業務に展開できるプラットフォームへ進化させることが私たちの役割です。 通信ネットワーク運用やITシステム運用など、大規模かつ社会的影響の大きい業務領域を支えるAI基盤の開発を通じて、AI時代の新しい仕事の進め方を広げていく、技術的な挑戦機会の大きな部門です。 【ミッション】 LTMおよび関連LLMを活用したAIエージェント実行プラットフォームシステムを開発し、通信業務・ITシステム運用業務などへの実装を通じて、ネットワーク運用・システム運用の効率化・高度化・自律化を推進することがミッションです。 数年前から開発を進めてきたAIエージェント実行プラットフォームシステムは既に本格始動済ですが、エージェント監視/制御などの付随した機能開発や他システムとの連携の仕組みなどの開発テーマを推進いただきます。 【主な業務】 AIエージェントを動かすプラットフォームとなるシステムの開発と、社内業務への適用推進 【具体的な業務】・Difyを中心としたAI活用プラットフォームの設計/開発 ・ベクトルDBやRAG、ナレッジDBの設計/開発 ・MCPを活用した業務システムとの連携機能の設計/開発 ・評価データ、実行ログ、フィードバックを活用した精度評価/改善の仕組み化 ・AIエージェントや業務アプリケーションの機能改善/高度化 ・社内関係部署と連携した業務課題の整理、要件定義、AI活用推進

本ポジションでは、RAGやMCP環境の構築、マルチモーダルAIを中心に、技術選定から設計・開発まで幅広く担当いただきます。 PoC(技術検証)からリリースまで携わりながら、将来的にはAIソリューション開発の中核メンバーとしてプロジェクトを推進していただくことを期待しています。 【業務内容】 ・RAG環境の設計・構築 ・企業向けAI基盤・ナレッジ活用基盤の開発 ・顧客課題の整理および要件定義 ・システムアーキテクチャの設計 ・プロジェクト推進およびチームリード

FDEチームの一員として、エンジニア/DS/AIエンジニアと一体で以下を担っていただきます。 ● ドメイン没入と課題設定 ・現場(買取現場・コールセンター・物流倉庫・コーポレート部門)への同行・観察・1次情報収集 ・業務プロセス/顧客/市場の構造を解像度高く理解し、AI/データで解くべき課題を自ら定義 ● 事業KPIに対する仮説オーナーシップ ・担当ドメインKPI(成果向上・生産性改善)に対する仮説立案、優先順位付け、結果の解釈と次手の設計 ・他領域への波及効果も含めた全体最適視点での意思決定 ● AIプロダクトの企画〜実装リード ・AI/データ活用プロダクト(需要予測、査定モデル、業務自動化、レコメンド 等)の企画〜要件定義〜プロダクト実装ディレクション ・AIモデル開発の要件整理(学習データ要件、評価指標、MLOps連携、モニタリング設計) ● AIネイティブ開発プロセスの推進 ・AIエージェントによる高スピード開発を前提とした要件整理・仮説検証・ナレッジベース構築 ・スピード重視で「未完成のものを早期に実験する」プロトタイピング/PoCの設計と運用 ● エンジニアと一体のプロダクト設計 ・「何を作るか」をエンジニア/DS/AIエンジニアと協働で決定 ・Cosmosを中心とした新機能開発/業務標準化プロジェクトの企画〜要件整理〜現場接続 ● ステークホルダーマネジメント ・事業責任者・現場リーダーとの合意形成 ・グループ企業(TL/RGT/NKD)への横展開設計 ● データ/ユーザーインタビューを通じた継続的改善 【組織/配属先の特徴】 ・3層構造の技術組織:FDE層(事業ドメイン没入)/プラットフォームエンジニアリング層(FDEの生産性向上)/コアドメイン層(共通API基盤)の3層に再編し、AIネイティブ前提の組織を構築中 ・配属:データ・AI戦略推進部に所属/いずれかのドメインのFDEチームにジョイン ・PdM出身者例:元リクルート・大手事業会社など、事業理解×推進力の強い人材が活躍中 ・規模:PdM・SWE・データサイエンティスト・AIエンジニアなど約 80名規模 【プロダクト開発環境】 ・開発言語:Golang, React.js (Next.js), TypeScript, Python(AI/ML) ・インフラ:GCP (Cloud Run, BigQuery, Cloud SQL, Vertex AI...), 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 ・AI活用:Claude Code, Cursor, GitHub Copilot ほか(AIエージェント前提のワークフローを推進中) ・その他:Elastic Cloud, Terraform Cloud, Chromatic

事業内容 お客様が抱える様々な経営課題に対し、以下のサービスを組み合わせ解決のための最適なソリューションを提供します。様々な現場を知る当社のきめ細かでスピード感溢れるサービスは、有名企業をはじめ高いサービスレベルを求めるお客様からも高評価をいただいています。 ・コンサルティング、業務設計 ・営業支援 ・マーケティング支援 ・システム開発・運用 ・オペレーション 業務内容 ●AIエージェント(AgentOps)の構想立案および社内・顧客への導入推進 ●AIOpsのアーキテクチャ設計、および自律型AIを用いた運用自動化の設計 ●DevOps+AI駆動開発のアーキテクチャ設計および運用設計(CI/CDパイプライン構築等) ●既存ツール(WinActor、PowerPlatform等)を用いた運用の可視化とAIによる工数削減・アーキテクチャ見直し 事業内容と今後の事業展開 コムテックでは、IT/ビジネス・プロセス・アウトソーシング (BPO)を二軸としたサービスをお客様へ展開しています。 ●業務調査/分析 ●課題解決 BPO 配属先の組織構成 5名程度(※プロジェクトによって変動します) その他 ※※宿泊を伴う出張あり

【ミッション】 ソフトバンクのAI活用を支えるシステム基盤を構築します。 AIエージェントが安全かつ効率的に業務を遂行できる環境を整備し、完全自律思考型エージェントの実現を目指しています。 【主な業務】 ソフトバンクの次世代AI活用を支える、システム基盤の設計・開発をリードしていただきます。 CQRSアーキテクチャや最新の生成AI技術を駆使し、事業環境の変化に強いデータ連携環境および共通基盤の構築を担う重要なポジションです。 オントロジー/Knowledge Graphの設計・構築 GraphQLを活用した参照API基盤の整備 AIエージェント向け更新処理基盤の設計・開発 AIを活用したシステム基盤のアーキテクチャ設計 共通基盤・共通コンポーネントの内製開発 【具体的な業務】 入社後にお任せする具体的な業務フェーズや担当領域については、これまでのご経験や適性に応じて柔軟に決定いたします。 ① オントロジーの構築・活用 業務知識のオントロジー設計 Knowledge Graphの設計・構築 RAGとの連携 社内データ・ソースコード・API仕様・ドキュメントの意味付け ② API基盤整備 REST APIのGraphQL化 GraphQL Gateway開発 MCP Serverとの連携 API設計・標準化 API自動生成・生成AI活用 ③ 更新処理基盤整備 AIエージェント向け更新API設計 トランザクション制御 承認・権限制御 データ整合性を考慮した更新フロー設計 AIが安全に更新処理を実行するための共通基盤構築 【主な開発環境・技術スタック】 フロントエンド:JavaScript、Vue.js、TypeScript バックエンド:Java(Spring Boot、Apache Beam、Netty、Reactor)、JavaScript(Node.js)、Python、Rust データベース/データストレージ:PostgreSQL、Apache Ignite、Redis インフラ/実行基盤・ミドルウエア: コンテナ・基盤:Docker メッセージング・ストリーミング:Apache Kafka、Apache Flink、Solace 通信・音声基盤:WebSocket、WebRTC、SIP、Asterisk、LiveKit その他・開発ツール・自動化: API・連携規格:GraphQL、MCP Server(Model Context Protocol)

・顧客技術対話 顧客のAI推進部門・情報システム部門・技術部門と対等に技術議論を行い、データ基盤・AIシステムの設計合意を主導します。上流フェーズのチームから本番化フェーズへの引き継ぎを技術的に完結させます。 ・チームマネジメント クラウドエンジニア・データエンジニア・AIエンジニア等数名のメンバーの業務設計・進捗管理・品質レビュー・育成を担います。プレイングマネージャーとして自分自身も技術的な主担当を持ちながらチームを率います。 ・AI実装品質の設計監督 データ基盤(スキーマ・ETL・品質管理)・AIアーキテクチャ(品質ゲート・評価基準)・AI駆動開発(コンテキスト設計)の各レイヤーの整合性を担保します。LLMへのコンテキスト不足がドメイン誤り・ハルシネーションを引き起こすリスクを構造的に排除します。 ・顧客内製化支援 外部ベンダー依存から脱却し、顧客組織が自走できる状態を作ることを最終目標として設定します。AI駆動開発ガイドライン・標準プロセスの整備と顧客チームへの移転を担います。 ・実装ノウハウの標準化 案件で確立したアーキテクチャパターン・実装手法・品質基準を汎用テンプレートとして整備し、チーム全体のデリバリー品質と速度の向上に貢献します。 ・AI・データ動向の事業反映 クラウドAIサービス・MLOps・LLMOps・AI駆動開発・フィジカルAI等の最新動向を継続的に把握し、設計判断・顧客提案・チームの技術方針に積極的に組み込みます。 ●仕事についての詳細 この事業領域の公開情報 事業説明 メインサイト(https://www.mamezou.com/services/strategic) note記事(活動報告、インタビュー記事、等)(https://note.com/mamezou_info/m/mb5c4d71c8358)

●現状の課題/今後取り組みたいこと freee のデータ活用は長らくデータ分析が主軸でした。 しかし生成 AI の台頭により、データを資源とした活用ニーズは多様化・複雑化し、マルチプロダクト戦略のもとプロダクトを横断したデータ活用ニーズも急増しています。 私たちは 「AI Ready の正体はデータマネジメントである」 と考えています。 AI Ready とは、LLM に収まるコンテクストかつ解釈可能なレベルまで、高品質なデータが構造化・管理されている状態を指します。 これは AI 技術だけの問題ではなく、データマネジメントそのものの問題です。 freee は現在、ハブ・アンド・スポーク型のデータメッシュ(Provider / Hub / Consumer)への変革期にあり、メダリオン 2.0(Bronze / Silver / Gold + Platinum)を共通言語に、全社プロジェクトを同時並行で推進しています。 本ポジションは、その中でも 「データを人とエージェントに届ける最終区間(ラストワンマイル)」 を担い、以下を推進します。 ・指標・ディメンションの一元管理とガバナンス LookML、BigQuery、dbtを用いて定義の一元化と変更管理を行う。 ・AI向けコンテキストの構造化 エージェントが参照可能なビジネス用語やメタデータを「AI-ready」な状態に整備する。 ・リモートMCPの設計・運用 社内外のAIクライアントに対し、セマンティックレイヤーやコンテキスト基盤を開放する仕組みを構築する。 ・回答品質の評価と改善サイクルの確立 正答率や解決率をロギングし、それを起点とした継続的な改善を行う。 ・評価駆動開発へのシフト 評価駆動開発への移行が進み、品質改善が人手の勘ではなくデータ(評価)で回るようになっている ・データプロダクトマネジメント 部門からの要望をインテークし、優先度付けや「作らない」判断を含めた製品マネジメントを担う。 ●業務内容詳細 freee の全社員が、エージェントとの対話だけで信頼できるデータに到達できる状態をつくる。 セマンティックレイヤーとコンテキスト基盤をユーザー需要から逆算して設計し、その回答品質をロギング・評価で計測しながら、分析エージェントとして届けきる。 具体的には以下を担っていただきます。 ・セマンティックレイヤー / コンテキスト基盤の整備 ・分析エージェント / リモートMCPの開発・運用 ・ ロギング・評価基盤の設計・運用 ・データプロダクトマネジメント ・ファシリテーション / 全社への浸透 ※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 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

具体的な技術に関する情報は「歴史に残る模範的なソフトウェアを作ろう(https://hello-world.smarthr.co.jp/)　」をご覧ください。 ●役割 SmartHRのAI開発基盤ユニットは、全プロダクトのAI開発を支援する横断組織として新設されます。 このポジションでは、チームの立ち上げを技術面・組織面の両軸でリードし、各プロダクトチームが安心してAI機能を開発できる共通基盤を作り上げることが期待されています。 AIを組み込んだプロダクト開発が当たり前になりつつある今、可用性・セキュリティ・運用性を考慮した基盤設計は、事業成長の速度を左右する重要な要素です。 コンテキスト基盤やLLM Gateway、認証・認可の仕組みなど、個々のチームが解決しきれない課題を抽象化し、全社に届ける役割を担うのがこのポジションです。 要件定義から関係者との合意形成、実装・運用まで主体的に動ける方に、SmartHRのAI基盤の未来を一緒に描いていただきたいと考えています。 ●具体的な業務内容 入社直後は、マネージャーやAI開発部の仲間のサポートを得ながら複数のプロダクトチームと対話し、AI開発基盤の大きな方向性・要件を関係者と合意していくことからスタートする予定です。 現場の実態を正確に把握し、中長期の計画に紐づく形でチームのロードマップを描いていただきます。 技術的には、LangfuseをはじめとするLLMOpsツールの本格運用設計、コンテキスト基盤やLLM Gatewayのアーキテクチャ設計・実装など、横断的に影響を持つ仕組みの構築が主な業務です。 入社3ヶ月以内にはMVPとなる取り組みに着手し、2027年にかけてチームを最大5名規模へと拡大しながら、基盤全体のオーナーとして開発・運用を推進していただくことを期待しています。 コードを書く割合は状況に応じて変動しますが、プレイングマネージャーとして手を動かしながらチームをリードしていただきます。 ●開発規模・開発体制 チーム規模 新設チームのため現在0名 2027年にかけてプレイングマネージャー1名+メンバー4名、最大5名体制を目指す予定 開発体制 複数のプロダクトチームと連携しながら、共通基盤の要件定義〜設計〜実装〜運用を一気通貫で担う AI開発部の既存プレイングマネージャー・マネージャーとのサポート体制(ゼロからの立ち上げでも安心して取り組める環境) ●事業概要 SmartHRは「well-working 労働にまつわる社会課題をなくし、誰もがその人らしく働ける社会を作る。」をミッションに掲げ、クラウド人事労務ソフト「SmartHR」を開発・提供しています。 今後、SmartHRが目指すのは「人事労務の効率化ツール」ではなく、日本の働き方そのものを変える社会インフラです。給与・勤怠・タレントマネジメントを横断する「人的資本経営プラットフォーム」への進化を挑戦し、企業が「人」に投資できる社会の実現を目指しています。 数百万人のユーザーに支えられるプロダクトがすでにありながら、日本全法人へのカバー率はまだ数パーセント。解くべき課題の広さは、市場の広さそのものです。2030年に売上1,000億円を目標に掲げ、「日本全体の企業とそこで働く人々の当たり前を変える」という大きな挑戦に挑んでいます ●現在取り組んでいる、または今後取り組みたい課題 LLMOpsの整備(LLMの運用管理・モニタリング・バージョン管理の仕組み化) コンテキスト基盤の構築(各プロダクトが共通利用できる情報基盤の設計) LLM Gatewayの整備(全社横断でのLLMアクセス制御・コスト管理) 認証・認可の実装(AIエージェントを安全に運用するための権限管理設計) ガードレールの整備(AIの安全な利用を保証する仕組みの構築) ●配属先 AI開発本部 / AI開発部 / AI開発基盤ユニット / プレイングマネージャー 業務内容変更範囲 会社の定める業務 ●参考情報 AIでSaaSは死なないし、業務システムをAIで内製化してはいけない(https://real.smarthr.co.jp/articles/times_serizawa_0008) 「人的資本経営プラットフォーム」へ進化。2030年売上1000億円を目指し、新たな事業戦略を発表(https://smarthr.co.jp/news/press/20250603_jigyousenryaku/) 2030年に向けた事業戦略─CEOが語る「働く人を支えるインフラ」への挑戦 - YouTube(https://www.youtube.com/watch?v=isrl9YdOjgQ) ●参考資料 SmartHR 会社紹介資料 / We are hiring(https://speakerdeck.com/smarthr_pr/smarthr-company-introduction1) エンジニア採用サイト(https://hello-world.smarthr.co.jp/ SmartHR Tech Blog(https://tech.smarthr.jp/) SmartHR プロダクトデザイン(https://note.com/smarthr_co/m/m0b87dcc52cb0) SmartHR note(https://note.com/smarthr_co) GPTW Japanの「働きがい認定企業」に選出(https://smarthr.co.jp/news/press/27057/)

プロダクトチームに所属し、ReDesignerのWebアプリケーションのフロントエンド開発を牽引します。 技術的な意思決定を能動的に行いながら、フロントエンド開発を1人で完結できるレベルで開発を進めていただけることを期待します。 ●具体的な仕事内容 ReDesignerのWebアプリケーションのフロントエンド開発を中心に、プロダクトの成長を技術面から支えていただきます。 開発時間の割合は、開発タスクが約80%、会議やコミュニケーションが約20%を想定しています。 仕様についてはデザイナーやビジネスサイドと話し合って決め、技術的な設計や実装方法についてはフロントエンド側で能動的に検討・決定していただきます。 スクラムに則った開発推進(スプリント単位でのタスク実行)を行いながら、以下の領域に携わっていただきます。 <機能開発・実装領域> 自社プロダクト「ReDesigner」「ReDesigner for Student」のWebアプリケーションのフロントエンド開発(Vue / Nuxtを使用) デザイナーが作成したデザインに基づいたUI/UXの実装 バックエンドエンジニアと連携したAPIとの接続、データ取得・表示の実装 既存機能の改善や新規機能開発(ユーザー体験向上を目的とした機能追加・改修) <技術設計・アーキテクチャ領域> 技術選定や実装方法の検討(ブラウザ毎の仕様の確認など) パフォーマンス最適化(ページ読み込み速度の改善、レンダリング最適化など) 状態管理やUIの設計指針の検討・検証 セキュリティを考慮した実装・設計 <開発基盤・品質向上領域> テストコードの作成・実行(ユニットテスト、E2Eテストなど) コードレビューを通じた品質向上への貢献 ドキュメント整備(仕様書の補完など) 開発フローの改善提案・実行 ●チーム体制 ReDesignerグループ全体:27名 事業責任者代理:1名 Career Designer Group:4名 Sales Group:3名 Company CS Group:7名 Marketing Group:4名 エンジニア Group:3名 └フルスタック兼グループ長:1名 └バックエンド:2名 デザイナー Group:2名 ビジネス統括 Group:4名 ※その他、業務委託のエンジニア・デザイナーが複数名参加 ●使用ツール・開発環境 開発言語・フレームワーク:TypeScript / Vue / Nuxt / tailwindcss インフラ:AWS(ECS、Fargate、RDS(MySQL)、EC2、S3、etc) CI/CD:Circle CI / Github Actions その他:GitHub / Slack / Zoom / Jira / Notion AIツール:Claude Code (予算内で自由に使用可能) 働き方:フルリモート可(全員リモートワーク)、非同期コミュニケーション中心 ●業務内容の変更の範囲 雇入れ直後:上記参照 変更の範囲:当社における各種業務全般

職務内容・担当業務 ●業務の概要 アプリケーション開発にとどまらず、AIやクラウド、コンテナ基盤など最先端の技術や開発手法、技術スタックに積極的に挑戦し、通信事業者の事業変革を実現する役割を担っていただきます。 ●アサイン検討プロジェクト例 ①通信事業者様向けクラウドリフト・クラウドシフトの提案、プロジェクト推進(要件定義～リリース) ②通信事業者様向けネットワーク監視システムの提案、開発・エンハンス(要件定義～リリース) 研修 ●全社研修 各種技術研修、リーダーシップ・マネジメントスキル・ビジネススキル・語学教育・キャリア研修等200コース以上が毎年提供されており、スキルや役割・今後目指すキャリアに応じてご受講いただけます。 ●本部研修 ●社内スキル認定制度 ITSSをベースとした社内の専門性認定制度を運用しており、専門性の分野やレベルについて認定基準を明示し、社員自らのステップアップの指標として頂くと共に、社内有識者による認定も行っています(一定のレベル以上では一時金や手当等の制度あり)

業務概要 三菱UFJフィナンシャル・グループ(以下、MUFG)のデジタルトランスフォーメーション(DX)推進を、グループ会社としてグループ内から支援し、金融基盤・クラウド技術・生成AI/AI Agentを活用した次世代金融ユーザー体験の創出を実現します。 今回募集するテクニカルプロジェクトマネージャーは、AIアプリケーションや次世代金融プロダクトを開発対象とするプロジェクトのゴール達成に向けた役割を担います。 通常のプロジェクトマネジメントに加え、技術的な知見をもとに、金融機関に求められるセキュリティ・信頼性の要件とモダンな技術スタックを両立させながら、プロジェクトのデリバリーに責任を持つロールです。 職務内容 ・スコープの定義、要件定義・仕様策定 ・スケジュールやリソース面のプランニング ・技術的な難易度の評価、課題のハンドリング ・金融機関のセキュリティ基準を考慮した設計・開発の推進とその説明責任 ・プロジェクトのファシリテート、情報の整理、優先順位決め ・プロジェクト推進におけるエンジニアメンバのサポート、メンタリング、フォローアップ 会社とメンバー Japan Digital Design(以下、JDD)は、三菱UFJフィナンシャル・グループ(以下、MUFG)のグループ企業として、MUFGグループ各社を始め金融機関に対して金融ソリューション事業を展開しています。 JDDのミッションは、「金融の新しいあたりまえを創る」です。JDDの考える「金融の新しいあたりまえ」は、「データと顧客価値の循環」と定義しています。安心安全な環境でデータを収集・学習し、顧客の需要を知り、使いやすいデザインでサービスを届け、その効果をデータで測る。これら一連の循環を素早く行うことがJDDの目指す価値創出です。 生成AIやAI Agentの進化により、金融業務・顧客接点・社内オペレーションのあり方は大きく変わりつつあります。JDDでは、金融機関に求められる安全性・信頼性・説明可能性を重視しながら、AI Agentを活用した新しい業務体験・顧客体験の創出に取り組んでいます。 メンバーとしては、金融機関からの出向者に加え、これまで銀行組織にはいなかった大手IT企業やクラウドサービス事業者、優れたStartupから経験豊富なメンバーが集まっています。ビジネス開発、データサイエンティスト、UXデザイナー、ITアーキテクト、インフラエンジニア、ソフトウェアエンジニア、セキュリティエンジニア等の領域の専門人材を、プロジェクトごとにチーム編成し、金融機関の各種課題を解決していきます。 開発言語・技術スタック・フレームワーク ※プロジェクト特性・システム特性に応じて最適な技術スタックを選定します。近年はTypeScriptをメインの開発言語に据えつつ、AI/LLM領域ではPythonも活用しています。 ●フロントエンド ・TypeScript, Next.js, React, Vite, Storybook ●バックエンド ・TypeScript, Next.js, Express ・Python, Fast API ●インフラ ・AWS (ECS, Fargate, Amplify, Lambda, StepFunctions, S3, etc..) ・Google Cloud (Cloud Run, Cloud Pub/Sub, Identity platform, Cloud SQL, Cloud Functions, Terraform) ●AI / LLM / Agent ・OpenAI API / Azure OpenAI Service / Anthropic / Gemini等のLLM API ・LangChain / LangGraph / LlamaIndex 等のLLMアプリケーションフレームワーク ・RAG、Tool Calling、Function Calling、Multi-Agent Workflow ・Vector Database / Embedding / Semantic Search ・Prompt Engineering / Context Engineering ●開発ツール ・Slack, GitHub (GitHub Copilot), Claude Code などの AI コーディングアシスタントツール / 各種 LLM ツール, JIRA, Confluence, Microsoft Teams 変更の範囲 会社の定める業務

私たちは今、自社のプロダクト開発そのものをAI-nativeな仕組みへと再設計しようとしています。その中核を担うのが、AI Product Manager です。ブリングアウトのプロダクトを「AIが自律的に進化するプロダクト」へと変革し、そのプロセス自体を顧客が採用できる形にパッケージ化することが役割です。顧客の声、商談・CS情報、開発要望、プロダクト利用メトリクス、品質データを LLM が継続的に統合・構造化し、プロダクトの改善機会を発見し、優先順位を提案し、開発チームがすぐに動ける要件へ落とし込むワークフローを設計・運用する責任者です。 単に AI 機能を企画するのではなく、PM の仕事そのもの ── 「顧客の声をどう捉え、何を作るべきかをどう判断し、どのように開発チームへ渡し、リリース後にどう学習するか」というプロダクト開発の OS を、AI で再発明する仕事です。 ① AI-nativeなプロダクト開発ワークフローの設計・運用 顧客の声、開発要望、プロダクト利用メトリクス、品質データをもとに、LLM がプロダクト改善の機会を発見し、優先順位付けし、要件化するワークフローを設計・運用します。 ●VoC、商談ログ、CS情報、開発要望、利用メトリクスの統合設計 ●LLM による分類・要約・クラスタリング・優先度スコアリングの設計 ●バックログトリアージ、ロードマップ更新、PRD ドラフト生成のワークフロー化 ●PdM・Engineering・CS・Sales が継続的に使える運用プロセスへの落とし込み 顧客インタビューや商談・CSから得られる一次情報を、プロダクト判断と開発実行に使える形へ変換します。 ●顧客課題の抽出、構造化、パターン化 ●開発チームが48時間以内に動き始められる粒度の PRD・Issue ドラフト作成 ●問題定義、ユースケース、成功指標、受け入れ条件、制約、リスク、未決事項の整理 ●顧客の言葉と、開発チームの要件言語をつなぐドキュメント設計 AI が出す提案を、組織が信頼して意思決定に使える状態にします。 ●優先順位付けの判断軸設計 ●事業インパクト、顧客価値、開発工数、戦略整合性、リスクを踏まえた評価フレームの設計 ●AI が生成する提案の説明可能性・再現性・レビュー観点の設計 ●ロードマップレビュー、スプリント計画、仕様レビュー、リリース後レビューへの組み込み LLM や AI エージェントの出力を、プロダクト開発の実務で使える品質に高めます。 ●PRD、Issue、優先度提案、要約、分類結果の Evaluation 設計 ●AI 出力の品質基準、レビュー基準、Human-in-the-loop 設計 ●誤分類、過剰要約、幻覚、重要要望の見落としを防ぐガードレール設計 ●AI ワークフローの継続改善 AI が生成するインサイトや優先度提案をもとに、プロダクトロードマップと開発投資判断を継続的にアップデートします。 ●What-if 分析を用いたロードマップシナリオ設計 ●CTO・Engineering との投資対効果レビュー ●プロダクト改善テーマの言語化 ●短期の開発優先度と中長期のプロダクト進化の接続 ●① PMの仕事そのものをAIで再定義できる 既存プロダクトの一機能を担当するPMではありません。顧客の声をどう集め、どう解釈し、何を作るべきかをどう判断し、どのように開発へつなげるかという、プロダクト開発の中核プロセスそのものを AI で再設計する役割です。今後多くの企業で必要になる新しいテーマであり、職種としてもまだ世の中に完成形がない領域です。 ●② AIを実験ではなく、日々の開発プロセスに組み込める LLM や AI エージェントを、PoC やデモで終わらせるのではなく、実際のロードマップ判断、バックログ管理、要件定義、開発プロセスに組み込んでいきます。AI を「便利ツール」ではなく、会社のプロダクト開発の中枢に据える仕事です。 ●③ 顧客価値と開発生産性の両方にインパクトできる 顧客の声がより早く、より正確にプロダクトへ反映されることで顧客価値を高めます。同時に、PdM・Engineering・CS・Sales の連携を滑らかにし、開発チームが迷いなく動ける状態をつくることで、開発生産性にも直接インパクトできます。顧客満足・開発スピード・売上貢献のすべてに関わる、レバレッジの高い仕事です。 ●④ CTO直下で、開発組織全体の進化をリードできる 所属は開発組織、CTO 直下です。プロダクト戦略、AI 活用、開発プロセス、データ基盤、組織運営が交差する領域で、経営・開発・ビジネスの意思決定に近いところから変革をリードできます。Principal IC として、組織横断の仕組みづくりに専念できる環境です。 ●⑤ まだ世の中に完成形がない、新しい職種を創り出せる このポジションは、従来の PdM、Product Ops、AI 活用推進、業務設計、データ活用の要素が混ざった新しい役割です。すでに決まった型を運用する仕事ではなく、「AI 時代のプロダクト開発はこうあるべきだ」という型を自分で作る仕事です。

Full Cycle Engineer は、顧客価値の創出を最初から最後まで担います。 単に要件を実装するのではなく、顧客課題を発見し仮説を立てソリューションを設計し AIを活用して開発し本番へ届け効果を測定し継続的に改善するというプロダクト開発の全サイクルをリードします。 ただし、すべてを一人で抱えるわけではありません。Product Manager や Subject Matter Expert、ビジネスチームと協働し、フェーズごとに主担当を持ちながら、成果にオーナーシップを発揮します。 アイデアから顧客価値の創出まで、一つの取り組みをオーナーとして推進します。 例えば、 顧客課題の発見 仮説検証 プロダクト体験の設計 AIを活用した開発 本番リリース KPIの計測 継続的な改善 AIを前提とした新しい開発プロセスの構築 などに携わります。 チケットを担当するのではなく、成果に責任を持つ仕事です。 顧客業務やワークフローを理解する 顧客・社内メンバーへのヒアリング 解くべき課題を見極める 仮説を素早く検証する 曖昧な課題を具体的なソリューションへ落とし込む Product Manager や Subject Matter Expert と協働する ユーザー体験を設計する 短期的な成果と長期的な保守性を両立する AIを前提とした開発スタイルを実践する AIを活用した開発プロセスを改善する 新しいAI技術を検証・導入する 社内の生産性を高めるツールや仕組みを構築する アーキテクチャ設計 本番品質の実装 可用性・セキュリティ・運用性の担保 本番運用と継続改善 プロジェクト全体をリードする 技術・プロダクト両面で意思決定する リリース後の効果を測定する データをもとに改善を続ける 技術水準を引き上げる チームメンバーを支援・育成する 開発プロセスを改善する 技術的な意思決定をリードする ●製品紹介 対話データ解析 AI SaaS「Bring Out」を開発しています。ブラックボックス化されやすい対話データ(商談・社内会議・サービス現場で交わされる会話)を分析し、重要情報を抽出することで、導入企業や働く人々の生産性向上に貢献します。 すでに IT・人材・M&A・不動産・製造・医療など様々な業界で活用され、営業・商品開発・R&D・ファイナンス・人事など幅広い職種で使われています。現在は主にエンタープライズ企業向けに提供しており、高い機密性・可用性・柔軟なデータ連携が求められます。 ●技術環境 バックエンド:Node.js、TypeScript、Python、GraphQL データストア:PostgreSQL、AWS S3、DynamoDB インフラ:AWS、Terraform、Docker、CircleCI AI 活用:AI コーディングツール(GitHub Copilot 等)、LangChain / CrewAI / AutoGen、OpenAI・Anthropic 等の LLM、RAG ●評価指標 私たちは、アウトプットではなくアウトカムを評価します。 例えば、 顧客への価値 ビジネスへのインパクト プロダクト品質 デリバリースピード チーム全体へのレバレッジ AI活用による改善 チームへの貢献 などを総合的に評価します。 ●入社後30日 まずはBring Outを理解する期間です。 ●期待すること プロダクトと事業を理解する システム構成・アーキテクチャを理解する AI Firstな開発スタイルを習得する 顧客やユースケースを理解する 初めての本番リリースを経験する 設計レビューや議論に参加する ●入社後60日 少しずつオーナーシップを持ち始めます。 ●期待すること 中規模機能を主体的にリードする 技術的な設計判断を行う プロダクト企画に参加する 開発プロセスを一つ改善する コードレビューを通じてチームへ貢献する ●入社後90日 Bring OutのFull Cycle Engineerとして自立することを期待します。 ●期待すること 顧客課題の発見からリリースまでを自ら推進できる 顧客との対話を通じて課題を定義できる プロダクトの方向性について提案できる AIを活用した開発を主体的に実践できる 顧客・事業へのインパクトを生み出せる 開発プロセスそのものを改善できる ●キャリアパス Full Cycle Engineerはゴールではありません。 経験や志向に応じて、 Principal Engineer Technical Lead Product Lead Solution Architect Forward Deployed Engineer Engineering Manager 新規事業・新規プロダクト責任者 など、多様なキャリアへ広がります。 技術領域ではなく、「どれだけ大きな課題を解決できるか」がキャリアを決めます。

ポジション概要 クライアントの経営課題を起点に、AIを軸とした変革シナリオとアーキテクチャを設計し、実装までリードする役割です。 AIの全レイヤーに自分の設計思想を落とし込むことができます。 主な業務内容 戦略・構想フェーズ - 経営層と直接議論しながら、AI前提の事業・組織モデルをゼロから設計 - RevOps 観点で KPI・業務プロセス・データ構造の“再定義” - AI導入ロードマップ/優先度を、2〜3年後の未来から逆算して設計 - ROI・KPI などの成果指標を、AIが継続稼働できる構造に最適化 “AIが企業の中枢で動き続けるための未来図を描くフェーズです” アーキテクチャ設計・PoC - LLM選定/RAG構成/Vector DB/ETL/ELT基盤/マルチエージェント構成など 企業ごとに異なる“AIエコシステム”をゼロから設計 - 既存データのアセスメントから、取得すべき新しいデータの定義 - Agentic Workflow × UI/UX による、“自律的に動くAIワークフロー” の構築 - 技術 PoC・プロトタイプ開発リード “技術的な最適解を探りつつ、実際に動くAIの原型をつくるフェーズです” 実装・定着フェーズ - スプリントを設計し、AIが安定稼働するための プロダクトレベルの開発管理 - 戦略コンサルタント・AIエンジニアと協働し、アーキテクチャ→コード→運用をシームレスにレビュー・改善 - 現場で使われ続けるための運用プロセス・トレーニングを設計 “導入して終わりではなく、AIが“使われ続ける”仕組みまで責任を持てます”

【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