ストックオプション（信託型等）あり RAGのITエンジニア求人・転職情報

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

期待する役割 事業横断での全社AX/DX推進をリードしていただきます。 ●AI活用による事業変革の推進 ・AIを核とした既存事業の再構築、新規事業創出の企画・実行 ●全社横断プロジェクトのリード ・経営層・事業部門・エンジニアを巻き込み、部門横断的なAI活用プロジェクトを推進 ●戦略立案と実行 ・AI活用戦略の策定から、データ基盤構築、AIエージェント導入まで一貫してリード ●業務自律化の実現 ・AIエージェントによる業務プロセスの自動化・自律化を推進し、生産性・実績UPを実現 業務内容 このポジションでは、以下の業務に取り組んでいただきます。 ●AI活用戦略の立案・推進 ・経営層と連携し、AI活用による事業変革戦略を策定 ・既存事業の課題分析とAI活用による解決策の企画・実行 ・全社的なAI活用ロードマップの策定と進捗管理 ●AIエージェントによる業務自律化の推進 ・業務プロセス全体を俯瞰し、AI活用による自律化領域を特定 ・AIエージェントの企画・構築・導入を推進 ・全社AI内製化体制の構築とトレーニング実施 ●AIデータ基盤の設計・構築 ・データモデル設計とアーキテクチャ最適化 ・AIを最大に活かしたデータ連携基盤の構築推進 ・データ統合・クレンジング方針策定 ●データガバナンス・運用体制の構築 ・データ品質管理、セキュリティポリシーの策定 ・アクセス制御、監査ログ管理、バックアップ体制の確立 ・運用マニュアル整備とモニタリング体制の構築 チーム体制 AXDX担当:現在3名(コンサル含む)在籍しています。 AXDX推進PJ:事業含め約30名 ※AXDX担当は、事業メンバーを取りまとめ、推進していく役割を担います。 従事すべき業務の変更の範囲 会社の定める業務

ミッション(優先度順) クライアント事業変革の技術的な主体となる クライアント(主に金融・規制産業の大手企業)の現場に深く入り込み、まだプロダクトのない事業・業務領域でも課題を発見・定義し、AI Agentによる解を設計・実装・定着まで一気通貫で担う技術の当事者となること。 AI AgentソリューションのゼロからのPoCおよび社会実装を完遂する プロダクト未整備領域でのAI Agentゼロ設計から本番運用まで、「使われる状態・成果が出る状態」まで確実に持ち込む。概念実証(PoC)で終わらせない。 クライアントとの技術的信頼関係を築き、案件を次フェーズへ拡張する 単なる導入・実装担当ではなく、クライアントの技術パートナーとして機能し、案件スコープの拡大・長期継続につなげる。 FDEとしての知見を組織に還元する クライアント現場で得た課題・解決策・失敗から学んだことを社内ナレッジとして体系化し、後続メンバーの立ち上がりを加速させる。 主な業務内容 [顧客業務のAI Agent化・Platform構築] ・顧客先の業務・意思決定プロセスを理解し、AI Agent で構築できる形に分解・再設計 ・GV の Agent Platform を土台に、顧客固有の AI Agent ソリューションをゼロから設計・実装・本番運用 ・LLM・RAG を活用した業務自動化アーキテクチャの設計(PoC ではなく本番実装) ・予測・最適化モデル(需要予測・LTV最大化・顧客離反予測等)の設計・社会実装 ・運用定着KPIの設定とモニタリング(活用率・業務インパクトの数値化) [顧客への伴走・定着] ・課題定義・要件定義・提案(技術担当者〜経営層まで幅広いオーディエンスへの説明) ・定例MTGのファシリテーション、進捗管理、リスク管理 ・顧客担当者(非エンジニア含む)へのハンズオン・研修設計 ・障害対応・問合せ対応・継続改善の仕組みづくり [セキュリティ・コンプライアンス対応] ・金融機関・規制産業特有のセキュリティ要件(ネットワーク分離、データ保護、監査ログ等)への対応 ・クライアント側のセキュリティ審査・NDA・情報取扱規程への準拠 活用する技術スタック(例) AIエージェント:OpenAI・Claude 等の LLM を用いた設計・実装 言語:Python / TypeScript が中心(実装言語は案件により異なります) クラウド:AWS 等(クラウド種別は顧客環境により異なります) Webアプリケーション開発・運用、クラウドインフラ構築・運用 LLM / RAG を活用した本番システム開発(PoC ではなく本番実装) ※実際の技術構成は案件特性により異なり、入場後に最適な技術選定を行います。 チーム構成 FDEは、案件ごとに4〜5名程度のチームを組成して対応します。案件の特性・フェーズに応じて最適なメンバーでチームを編成し、課題定義から AI Agent の設計・実装・定着までをチーム一体で担います。

●職務概要 最先端の統計解析、機械学習、そしてLLM(大規模言語モデル)をはじめとする生成AI技術を駆使し、ビジネス課題の解決を推進します。 単なる分析PoC(概念実証)で終わらせるのではなく、データから得た示唆をアルゴリズムとして実装し、システム化・プロダクト化することで、「継続的なビジネス成果」を創出することがミッションです。 ●業務内容 プロジェクトの最上流から参画し、ビジネス課題の特定からアルゴリズムの選定、実装、社会実装まで一気通貫で携わっていただきます。 ・生成AI・LLM活用: RAG(検索拡張生成)を用いた社内知見の活用支援や、LLMによる業務自動化・コンテンツ生成アルゴリズムの技術検証およびシステム開発。 ・予測・最適化モデル構築: 需要予測、顧客離反予測、LTV最大化、マーケティング最適化など、大規模データを活用した数理モデルの設計。 ・社会実装とMLOps: 構築したモデルをWeb API等へ組み込み、運用・改善サイクルを回すことで、実ビジネスで活用され続ける仕組みの構築。 ・研究開発(R&D): 最新論文の調査・トレースを行い、最先端技術を商用利用可能なレベルまで引き上げる研究開発。 ・ステークホルダーとの折衝: クライアントや事業部門に対し、分析結果のレポーティングや、技術的背景に基づいた戦略的な意思決定の支援。

VP of Data & AIの大野/Kevin直下で、以下のエンジニアリング業務をリードしていただきます。 【具体的な業務内容】 ●データ基盤の構築やデータマネジメントの仕組みづくり ●セキュアなAI基盤設計・運用 ・高セキュリティ基準下でのサンドボックス環境やガバナンス機能実装 ・AIの評価基盤や、Gateway機能の設計・構築 ●LLMオーケストレーションとMCP実装 ・社内SaaS・DB・ドキュメントをMCP経由でLLMへ提供 ・社内ツールとAIエージェントの統合、業務特化型AIエージェントのワークフロー設計・評価パイプライン構築 【配属先】 「AI+チーム」 CTO直下の独立したチームです。 少数精鋭で、グループ全体の技術スタックを横断的にハックし、全社員の生産性を「10倍」に引き上げることをミッションとします。 【技術スタック】 Python、dbt、Airflow、Snowflake、Terraform、AWS、Google Cloud、Azure、OpenAI

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

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)

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