カジュアル面談可 RAGのITエンジニア求人・転職情報

●本職種のミッション 映像プラットフォームの強みを活かし、映像活用の可能性を実用的なソリューションへと変換することで新しい事業領域を切り拓いていくことが、このチームのミッションです。 Safieプラットフォームを通じたソリューション開発を広げていくための中心的な役割を担い、事業領域ごとに必要とされる価値を具現化してプロダクトに落とし込むフェーズに携わっていただけます。 新部署での取り組みであるため、既にある仕様通りに実装するのではなく、技術検証や要件整理の段階から主体となって関わり、ゼロから最適なアーキテクチャやアプローチを検討することにチャレンジしていただけます。 特定の技術領域に閉じることなく、ユーザーの課題を起点とした社会で実際に機能する価値あるプロダクトをつくりたい方、AIを含む新しい技術も適切に取り入れながら開発に向き合いたい方に適した環境です。 【取り組み事例】 [車両管理・物流現場DX](https://safie.co.jp/news/4660/):AI搭載のクラウド録画カメラを用いたナンバープレート認証システムを、物流拠点や建設現場のゲート管理と統合。 高価な専用センサーや現地サーバーを必要とせず、クラウド上での車両識別・入退場ログの自動化を実現。 [小売・店舗DX](https://safie.jp/article/post_4362/):POSレジのデータと映像を同期させることで、不正検知やレジ待ち解消など、ロス対策といった店舗課題を解決し、現場のオペレーション最適化を支援する商用ソリューションの検討・提供。 [現場コミュニケーションDX](https://safie.jp/article/post_26106/):外部サービスを連携することで、現場の「声」と「映像」を統合し、遠隔地からでも的確な指示や状況把握を可能にするシステムを構築。 [公共・社会インフラ](https://safie.jp/survey/): 人流分析AIを用いた公共空間の利用状況可視化や、都市開発における実態調査など、行政や自治体と連携した社会課題解決をデータドリブンに実装。 その他:最新のLLM(大規模言語モデル)を用いた「映像×〇〇」ソリューションの創出など、自社プラットフォームが持つ膨大なアセットをベースに、次世代のサービスを定義から実装までを推進するプロジェクトが多数進行中。 ●主な業務内容 顧客・市場の課題を理解し、最適な技術アプローチを検討 API / SDK / 内部システムなど各種リソースを活用した機能開発 新規ソリューションのプロトタイプ開発および改善サイクルの実行 システム連携・アプリケーション開発に関わる設計・実装・ドキュメンテーション 利用者のフィードバックを踏まえた改善や運用サポート プロダクト化を見据えた共通化・再利用性の検討 他チームとの連携・調整を通じた価値提案の具体化 開発プロセスや技術基盤の整備・改善 ●部署の今後の目標・現在の目標 ソリューション開発部では、今後の展望として個別の顧客課題を解決するだけでなく、そこから得られた知見を汎用化しプラットフォーム全体に還元できる「高付加価値ソリューションの型」を確立することを目指しています。 映像データを中心にAIや外部APIを組み合わせる開発は可能性が広がっていますが、それを単発の取り組みに止めず、事業の柱へと成長させていくことが大きな目標です。 一方で、新設されたばかりの組織であるため、乗り越えるべき課題も多く存在します。 現在は、各プロジェクトにおいて技術検証から実装までを迅速に進めることを優先していますが、今後は開発プロセスの標準化や、再現性・運用性を意識したアーキテクチャ選定など、組織としての「開発基盤」を整えていく必要があります。 また、多様化するニーズに対して技術的な実現可能性をどう担保し、プラットフォームとしての堅牢性と柔軟性をどう両立させるかといった難易度の高い問いに向き合っている段階です。 そうした未完成なプロセスや設計上の課題に対して、仕組みそのものを形作っていくことに価値を感じていただける方をお待ちしています。 ●従事すべき業務の変更の範囲 <雇入れ直後>システムの設計・開発・デザイン、その他これらに付随する一切の業務 <変更の範囲> 会社の定める業務

AI基盤・データ・クラウド環境を一気通貫で手掛ける開発業務をお願いしたいと考えております。 大手エンタープライズ企業のプロジェクトにて、データアナリスト/データエンジニアとして参画いただきます。データの抽出・加工・分析やモダンデータ基盤の構築・運用を通じて確かな 「データやAI実装の足腰」を磨いた後、最先端のAI領域へ専門性を拡張できるキャリアパス をご用意しています。 ●具体的な業務内容 データ基盤の構築・運用 : Snowflake、BigQuery等を活用したデータパイプラインおよび基盤の設計・構築 データ抽出・加工・可視化 : 案件に応じたデータの抽出・加工・分析、ダッシュボードの設計・構築 その他 AI開発(改修)等、AI開発の中でも比較的ハードルの低い案件をお任せす可能性有。 ●具体的実例(入社後のイメージ) 地味な「泥臭い1年」を抜けた先にしか、見えない景色を伝えさせて下さい。 ハイポテンシャルの皆様に率直にお伝えします。最初の1年は、データの抽出・加工・分析、ダッシュボード保守、基盤運用、AI実装(回収)といった「基礎固め」が中心です。決して華やかな仕事ばかりではありません。 しかし、この 「データや実装と真摯に向き合う1年」を抜けたメンバーが、今どんな挑戦をしているかをお伝えさせてください。 ①心理学専攻・未経験から、生成AI連携システムの実装主担当へ(入社2年目) 大学院で心理学を専攻していた実務未経験メンバーが、Next.js/FastAPIを活用した生成AIシステムを開発。日次バッチ処理を1.5時間から7分へ短縮し、実行コストも11,000円から900円へ(約92%削減)という劇的な成果を上げています。 ②異業種(製造業の生産技術)から、AIエージェントのPLへ AI未経験で入社後、現在は最先端の「AIエージェントのガードレール設計」をプロジェクトリーダー(PL)として牽引しています。 ③入社1年1ヶ月でサブリーダー、2年でPL。20代・30代で部長へ 年功序列は一切ありません。新卒入社から1年強でリーダー層へ駆け上がり、20代〜30代前半で事業部を率いる部長を務めるメンバーも複数在籍しています。 ●役割とプロジェクト推進体制 キャリア形成に寄り添う戦略的なプロジェクトアサインをAMBLでは行っております。 キャリアのご希望を上長が定期的にヒアリングし、一人ひとりの志向に合わせた案件を戦略的に獲得・提案する体制を整えています。 ・ミスマッチを防ぐ事前共有 内定段階で配属予定のプロジェクト概要をお伝えします。 ・計画的なスキルアップ 意図的なローテーション設計により、着実な成長を支援します。 課題定義からアプローチする上流フェーズへの参画をしております。 クライアントの事業ドメインを深く理解し、「AIでどのような課題を解決すべきか」という問いを定義する最上流から参画します。 ・技術的なリード 要件定義にとどまらず、技術選定やアーキテクチャ設計を主導する立場へキャリアを広げられます。 【具体的なプロジェクト例】 現在、事業部では以下のような最新テクノロジーを用いたプロジェクトが多数稼働しています。 ●データ・AIインフラ領域(モダンデータ・クラウド) Snowflake / dbt を用いたデータ基盤構築 大規模データの統合・加工・パイプラインの自動化 クラウドAI実行環境(AWS / Azure)の構築 Amazon Bedrock / Azure OpenAI Serviceを活用した安全・堅牢なシステム基盤の設計 ※その他 データ抽出・可視化・レポーティングのような微経験者向け案件もございます。 ● 生成AI・LLM領域(最先端エンジニアリング) グラフRAG(GraphRAG)/Advanced RAGの構築 複雑な企業ドメイン知識を構造化し、高精度な生成AI検索基盤を実装 AIエージェントの設計・実装 LangGraphやDify等を活用した自律型ワークフロー・AIエージェントの開発 LLM基盤のコスト・品質評価と改善設計 LLM出力の品質・精度の定量評価設計、およびContext Engineering等による運用コスト削減 ● 機械学習・高度アナリティクス領域 需要予測・異常予兆検知モデルの設計 統計解析・時系列分析・機械学習を用いたビジネス課題解決型モデルの構築

「AIを作る」から「AIを動かす」へ。ガバナンスと構造で挑む、社会実装の仕組みづくり。 つくるのはAIそのものではなく、AIが正しく動く「仕組み」です。 私たちのミッションは、単なるプログラミング(実装)ではありません。AIがビジネス現場で安全かつ確実に機能するための「統治(ガバナンス)」と「構造」を設計することです。 ※AI領域の専門知識は、入社後に実案件の中で身につけていただけます。 【具体的な役割・業務内容】 実行境界・信頼性の設計: アクセス権限策定、AIガードレール構築、監査対応、データガバナンスの設計 定量的評価・コスト最適化: LLM基盤の品質評価モデル策定、運用コスト構造の最適化 次世代アーキテクチャの定義: Advanced RAG(GraphRAG等)の設計、マルチエージェント構成のグランドデザイン ビジネス変革の要件定義: クライアントの曖昧な課題からAIが解くべき「真の問題」を抽出し、本番展開へ牽引 【キャリアパスと得られる成長】 調整役で終わらない。AI社会実装をリードし、次世代「AI PM」へ駆け上がりませんか? ・意思決定の主導権を握る 単なる受け身の調整役にとどまらず、技術選定からアーキテクチャ構築、評価指標の策定まで、顧客と共に主導権を持って決定します。 ・実戦派「AI PM」への最短ルート 現場でのアーキテクチャ設計と高度な顧客折衝を同時並行で経験。理論にとどまらない、市場価値の高いプロジェクトマネジメント能力を磨けます。 ・プロジェクトを導く司令塔 顧客の対等なパートナーとして、AI導入の構想策定から本番展開に至る全工程を牽引する役割を担っていただきます。 【成長を支えるバックアップ体制と働く環境】 確かなキャリア形成と柔軟な働き方。プロフェッショナルとして輝き続けられる環境がここに。 ・伴走型キャリア形成 定期的な1on1を通じて目指すPM像を深く理解し、成長に最適なプロジェクトへ優先的にアサインします。 ・知の共有コミュニティ 現場で一人抱え込むことはありません。社内コミュニティを通じ、トップクラスの有識者にいつでも技術相談ができる環境です。 ・持続可能なハイパフォーマンス 基本は週4リモート・週1出社(※プロジェクト状況により客先常駐の可能性あり)。リモートの比率より、必要な場所で成果を出すことを優先できる方を求めます。 ・実力に報いる正当評価 年間平均昇給率6%という実績が示す通り、高めた市場価値や成果に対して確かな還元で応える評価体制を整えています。 ・育成環境 資格取得支援:270種以上が対象、前期221名が利用(年600件・3年で5,000万円の支給実績)/AMBL PANEL(約460コンテンツの自己学習システム)/社外研修費 会社負担/修士・博士を含む専門家100名以上が在籍しています。機会は最大限・平等に用意します。 【どのような市場価値向上が出来るか】 一生モノの市場価値を、AI時代の「ルールメイカー」として手に入れる ・「境界」を語れる希少な人材へ PoCで終わらせず、AIを本番運用まで牽引できるPM・アーキテクトは、現在の市場において極めて稀有な存在です。 ・経営と技術を繋ぐ視座を獲得 ガバナンス・コスト構造・要件定義を一手に担うことで、経営層と対等に渡り合い、事業成長を牽引する高度な視座が身につきます。 ・人間にしかできない「思考」の最大化 定型作業はAIアシスタントに委任。あなたは人間にしかできない「真の問いの定義」と「アーキテクチャの創造」に全エネルギーを注げます。 【具体的なプロジェクト例】 最先端AIからエンタープライズ基盤まで。【AI開発プロジェクトへの参画を前提に配属します】 ・LLM基盤最適化 トークン消費最適化と出力精度の定量評価による品質・コスト設計 ・GraphRAGエージェント 複雑な社内規定を構造化し、AIが論理的回答を行う自動化基盤構築 ・Azure/AKSインフラ エンタープライズ水準を満たす高信頼なSRE・AI基盤の運用設計 ・製造予兆検知 センサーデータ分析によるダウンタイム削減・予兆保全モデルの設計・実装

●具体的実例(入社後のイメージ) 年功序列なし。2年で大きく飛躍したメンバーの実例を紹介します。 当社には年功序列の評価はありません。意欲と成果次第で、誰もがスピーディーに活躍の場を広げられる環境です。 ・未経験から生成AIシステムの実装主担当へ 大学院で心理学を専攻し、実務未経験で入社したメンバーが2年でNext.js/FastAPIによる生成AI連携システムの実装主担当に成長。日次バッチ処理を1.5時間から7分へ短縮し、実行コストも11,000円から900円へと大幅な改善を達成しました。 ・年次を問わない早期キャリアアップ 新卒入社1年1ヶ月でサブリーダー、2年でプロジェクトリーダーに抜擢された事例や、20代・30代前半で部長を務めるメンバーも複数在籍しています。 ・自分らしく描ける3つのキャリアパス 技術を極める「エキスパート」、組織を牽引する「マネジメント」、技術基盤を支える「AIスペシャリスト(MLOps/LLMOps)」など、ご自身の志向に合わせたキャリアを選択できます。 【職務内容】 AI基盤・データ・クラウド環境を一気通貫で手掛ける開発業務をお願いしたいと考えております。 AIがビジネス価値を生み出すためのプラットフォーム設計・構築を軸に、開発から運用、データ基盤整備まで幅広く手掛け、顧客のビジネス課題解決に伴走します。 ・AIプラットフォームの設計・構築 ビジネス価値の創出に向けたAI基盤の設計・構築 ・Web/バックエンド開発 堅牢で拡張性の高いアプリケーション・システムの開発 ・高品質なデータ基盤の構築 AI利活用を最大化・スムーズにするデータパイプラインの整備 ・クラウドネイティブ環境での開発・運用 AWS / Azure / GCP を活用したシステム開発および伴走型の運用支援 【役割とプロジェクト推進体制】 キャリア形成に寄り添う戦略的なプロジェクトアサインをAMBLでは行っております。 キャリアのご希望を上長が定期的にヒアリングし、一人ひとりの志向に合わせた案件を戦略的に獲得・提案する体制を整えています。 ・ミスマッチを防ぐ事前共有 内定段階で配属予定のプロジェクト概要をお伝えします。 ・計画的なスキルアップ 意図的なローテーション設計により、着実な成長を支援します。 課題定義からアプローチする上流フェーズへの参画をしております。 クライアントの事業ドメインを深く理解し、「AIでどのような課題を解決すべきか」という問いを定義する最上流から参画します。 ・技術的なリード 要件定義にとどまらず、技術選定やアーキテクチャ設計を主導する立場へキャリアを広げられます。 【事業部としてのバックアップ体制と働く環境】 一人にしない、事業部のバックアップ体制 ● 助け合い、高め合える「チーム体制」 当社メンバーが複数名参画するチーム体制が基本です。社内の専門家コミュニティも活発で、高度な技術的課題もいつでも気軽に相談・解決できる安心感があります。 ● 柔軟でメリハリのある「働き方」 基本スタイルは週4日リモート・週1日出社。プロジェクトの状況に応じて客先常駐が発生する場合があります。リモートの比率より、必要な場所で成果を出すことを優先できる方を求めます。 ● 成長を強力に後押しする「育成・学習環境」 270種以上の資格取得支援制度をはじめ、自社オリジナルの学習システム「AMBL PANEL」や社外研修費の会社負担など、エンジニアの成長機会を最大限に用意しています。 ●具体的なプロジェクト例 現在、事業部では以下のような最新テクノロジーを用いたプロジェクトが多数稼働しています。 1.生成AI・LLM領域 グラフRAG・Advanced RAGの構築 AIエージェントの設計・実装(LangGraph/Dify等) LLM基盤の最適化(Context Engineering等) 2.AI・データインフラ領域 MLOps/LLMOps基盤の構築 Snowflake/dbtによるデータ基盤構築 Azure OpenAI/AWS Bedrock上でのシステム構築 3.高度技術・社会実装領域 画像解析・数理最適化の社会実装

・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。

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

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/)

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。

●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)

- 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

【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

DX Solution事業本部において、クライアント企業のDXを推進するWebアプリケーション開発に携わっていただきます。主に、AIソリューションの実装を担います。画像認識AIや最適化アルゴリズムなどを組み込んだ、Webアプリケーションのフロントエンド/バックエンド実装及びインフラ構築などフルスタックな開発をお任せします。 入社直後は、テックリードやシニアエンジニアの指導のもと、設計思想やコーディング規約を学びながら機能実装を担当していただきます。 また、単なる実装作業にとどまらず、クライアントとのMTG参加などを通じて、顧客に近い距離でシステムを構築する経験を積むことも可能です。シニアメンバーの知見を吸収しながら、将来的にはPMとしてのキャリアを目指すこともできる環境です。 【開発例】 ・RAGを用いた社内ナレッジ検索Webシステムの開発:社内技術文書を検索・回答生成するエージェント機能のバックエンドAPIおよびフロントエンド開発。 ・画像認識AIを搭載した写真管理プラットフォームの構築:数百万枚規模の現場写真を高速に処理するデータベース設計・API実装。画像分類パイプラインと連携したWebアプリケーションの開発。 ・動画解析によるインフラ異常検知ダッシュボードの開発:車載カメラ等の動画データを解析し、変状箇所を可視化する管理画面(UI)の実装。解析結果を蓄積・配信するバックエンドシステムの構築。 ・ドメイン特化LLMを活用した業務支援ツールのAPI開発:建設・製造業向けLLMの推論APIの実装、および業務フローに組み込むためのマイクロサービス設計・開発。 【技術スタック(一例)】 フロントエンド:Typescript/Node.js/React/Next.js バックエンド:Typescript/Node.js/Python/NestJS/FastAPI/GraphQL/Hasura/gRPC インフラ:Terraform/Kubernetes/AWS/Microsoft Azure/GCP AI:Python/Numpy/Pandas/Pytorch/OpenCV AI開発ツール:Devin/Claude Code/v0.dev/GitHub Copilot/Gemini 【ソフトウェアエンジニアポジションの特徴】 ・日本屈指のアルゴリズムエンジニアと連携しながら、最先端AIをソフトウェアに搭載して社会に実装できる。会社としてAIの研究開発で終わらせず、ソフトウェアを通じてリアルな業務で活用されることを非常に重視している。 ・燈でないと解けない産業の難題がある。燈は最先端な技術を産業特化でバーティカルに深めることで、産業の課題を大きく解決している。技術を固定せず、技術応用の幅を持ってきたからこそ、産業や社会を大きく変えるインパクトのある開発ができる。 ・燈のエンジニアは、顧客に徹底的に向き合う。顧客の難題を解くには、技術だけを追求すればいいわけではない。顧客の課題やビジネスを理解するために直接顧客と話すこともある。 ・技術力が高く志も高いメンバーと一致団結をしながら熱量高く働くことができる。経験の浅いメンバーも追いて行かずに助け合う組織。