フレックス勤務 RAGのITエンジニア求人・転職情報

≪DAP市場シェアNo.1プロダクトに「生成AI」を実装し、解のない問いに最適解を定義する≫ テックタッチは、「すべてのユーザーがシステムとAIを使いこなせる世界に」をミッションに、AI型デジタルアダプションプラットフォーム(DAP)を開発・提供しています。 現在、国内DAP市場で5年連続シェアNo.1を誇り、事業・組織ともに急成長フェーズにあります。 この強固な顧客基盤と技術力を活かし、私たちは新たな柱となるプロダクト「Techtouch AI Hub」の開発を推進しています。 本ポジションでは、この AI Hub の中核機能である RAG(Retrieval-Augmented Generation)システム の開発をリードするAIアプリケーションエンジニア(LLM/RAG)を募集します。 ● Techtouch AI Hub とは DAP(Digital Adoption Platform)を拡張し、既存の業務システムと生成AIをシームレスに連携させることで、エンタープライズのお客様に新しい業務体験を届けることを目指す 企業向け生成AI活用プラットフォームです。 ● 担当する機能:テックタッチナレッジベース(RAG機能) 企業が保有するドキュメントを安全に取り込み、その情報と生成AIを組み合わせることで、独自のコンテクストを踏まえた回答を実現します。 テックタッチの強みであるDAP機能と連携し、画面上で「迷わず・間違わずに」業務ができる状態を実現することを狙ったプロダクトです。 現在はファーストリリース直後であり、実際の顧客への有用性を確認しつつPMF(プロダクト・マーケット・フィット)を目指すフェーズにあります ． RAG の応答品質・レイテンシ・スケーラビリティ・セキュリティ・コストをバランスさせながら、MVP(Minimum Viable Product) から 1→10 へと伸ばしていくための機能・非機能の両面に取り組んでいます。 ● チームの開発スタイル 少数精鋭のチームで、以下の通りプロダクト志向かつオーナーシップ高く開発を進めています。 PdM(Product Manager)・エンジニアが同じテーブルでロードマップを議論 仕様検討〜設計〜実装〜運用までを一気通貫で担当 ● 直近の技術的な取り組み 現在は PMFの達成に向け、主に次のような技術課題に取り組んでいます。 回答精度の追求:ユーザーの期待値を満たす回答精度と、実用的なレスポンス速度の両立 非構造化データの処理:様々なフォーマットの文書を適切にチャンク化・ベクトル化するパイプラインの構築 エンタープライズ品質の担保:マルチテナント環境におけるデータ分離とセキュリティの徹底 スケーラビリティ:複数組織からの同時アクセスを安定して捌けるアーキテクチャへの進化 言語/フレームワーク:Python, FastAPI, LangChain, React インフラAWS(CDK, ECS Fargate, Lambda, Step Function, OpenSearch, MySQL) その他:Open API, Datadog, GitHub, Slack, Linear

【ミッション】 「すべてのユーザーがシステムとAIを使いこなせる世界に」 テックタッチは、どんなシステムでも、誰もが迷わず操作できる体験を届けてきました。 「使える」だけでなく、「使いこなせる」体験へ。 そして今、その思想をAIの世界にも広げています。 システムもAIも、人が中心となって使いこなせる世界をつくっていく。 その実現のために提供しているのが、AI型Digital Adoption Platform「テックタッチ」です。 【プロダクト】 テックタッチは、あらゆるWebシステムやサービスの画面上に操作ガイドやナビゲーションを表示し、ユーザーが迷わずにシステムを使いこなせる体験を提供するDigital Adoption Platform(DAP)「テックタッチ」を開発しています。 5年連続国内シェアNo.1*、利用者数1,000万人*を超える巨大な基盤を活かし
現在はLLMやRAGなどの生成AI技術を組み込み、既存のWebシステムを改修することなく
システムを使いながら「自然にAIを活用できる体験」を目指しています。 このような「大規模なDAP基盤の信頼性・スケーラビリティ」と「AI連携という先端技術」の両方に向き合う開発に挑戦しませんか。 *1 出典:株式会社アイ・ティ・アール「ITR Market View:コラボレーション *2 出典:ナレッジ共有市場2025」デジタル・アダプション・プラットフォーム市場:ベンダー別売上金額シェア(2021～2025年度予測) 【主な業務内容】 • LLMやAIエージェントを活用した新機能の企画・設計・実装・運用 • 既存プロダクト機能のAI活用によるアップデート・体験の再設計 • プロトタイプの迅速な構築と仮説検証サイクルの推進 • AI機能の設計・開発・パフォーマンス最適化 • エンジニアやプロダクトマネージャとの協業を通じた継続的なプロダクト改善

【プロダクト】 テックタッチ(既存プロダクト × 生成AI組み込み) システム導入だけで終わらせない、利活用のためのDXを推進するAI型デジタルアダプションプラットフォーム(DAP)「テックタッチ」。 あらゆるWebシステムの画面上に、操作ガイドやナビゲーションを表示させることで、すべてのユーザーが迷わず・間違わずにシステムを使いこなすことができる世界を目指すプロダクトです。 すでに多くの企業で利用されている本プロダクトに、生成AI機能を組み込む開発が進行中です。 既存プロダクトへのAI組み込みには、新規開発とは異なる難しさがあります 既存ユーザーの業務に影響を与えないよう、AIの出力品質を担保する必要がある 確立された品質基準に、AI特有の「確率的・非決定論的な振る舞い」の評価観点を追加していく 予測困難なAIの出力が、既存機能やユーザー体験と整合するかを検証する こうした課題に対応するため、AI精度評価の仕組みを構築していくフェーズにあります。 ★テックタッチの技術力と信頼 操作ガイドやナビゲーションをノーコードで作成することができる(開発部門を介さないユーザーの体験改善を実現) システムの特性やクライアントごとのルールに応じた設定/メンテナンスを簡単にした技術力 エンタープライズ企業を中心に、SaaS企業や自治体など、幅広い顧客への導入実績 新規プロダクト・その他 上記以外にも、立ち上げ初期の新規プロダクトや、AI/生成AIを活用した機能開発が複数進行中です。 詳細は選考時にお伝えします。 【主な業務内容】 プロダクト横断で、全社のAI精度評価の基準・プロセスを整備していきます。 1.プロンプト・設定の最適化(AI Accuracy) 「AIが賢く、期待通りの回答をすること」を追求します。 全社共通の評価フレームワークを構築し、各プロダクトに適用します。 評価基準の策定 プロンプトエンジニアリング 評価データセットの構築 2.品質保証プロセスの構築(Process & Strategy) 開発ライフサイクル全体におけるAI品質保証の「仕組み」と「ロードマップ」を策定し、各プロダクトチームへ展開します。 シフトレフト/シフトライトの実践 フィードバックループの構築 ロードマップ策定 3.全社横断での標準化推進 評価ガイドラインの策定 ナレッジ共有 評価基盤の整備

●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。

●担っていただきたい役割 本ポジションでは、データを中核とした開発・業務革新の推進役として、顧客とともに価値創造に取り組んでまいります。 あなたの強みと弊社のエンジニアリング、データサイエンス、ビジネスナレッジを組み合わせ、フルサイクルで開発を決めることができます。 「最速で価値を提供すること」:そのために様々な開発手法を学び改善プロセスに組み込む 「業務データの価値を引き出す」:そのために高い視座・広い視点、それを支える専門性が必要 「専門性のコラボレート」:隣接領域への理解とリスペクトが近づく 当社のエンジニアは、データを軸としながら多様なバックグラウンドと専門領域を持ち寄り、フロントエンド、バック エンド、データエンジニアリング、LLM活用、プロジェクトマネジメントなど、職能を超えて補完し合うスタイルで価値提供を行っています。 ●開発環境 スクラム開発をベースにしつつ、や課題チームに合わせて柔軟に開発サイクルを設計・改善しながら、継続的な価値を提供します。開発対象は、BtoBやBtoBtoBといった多様な形態の中、課題に対して最適な技術を柔軟に取り入れるための最新技術や複数のクラウドに触れる機会が多いです。 プラットフォーム開発・マルチテナント設計、億単位のOLTP・OLAP、PWAやWebScoketなどWeb技術活用、LLM、RAGなど多様な技術を活用し顧客の課題解決につながる開発を進めています 【使用技術の一例】 ・バックエンド:Python, TypeScript, Go など ・フロントエンド:React, Next.js ・データベース:PostgreSQL / MySQL ・インフラ:Google Cloud / AWS / Azure / Snowflake / Terraform ・データパイプライン:DataForm, dbt等 ・コード管理:Github ・バックログ管理:Jira ・コミュニケーション:Google Workspace / Slack / zoom / Microsoft Teams ●活用事例: ・ヘルスケアの事例 　https://jdsc.ai/news/news-3683/ ・LLMの活用事例: 　https://aws.amazon.com/jp/blogs/news/genai-case-study-jdsc/ 　https://jdsc.ai/news/news-5142/ ●働き方 JDSCでは、各メンバーのライフスタイルや価値観に合わせた多様な働き方が実現できます 現在の実績として、出社もしくはリモートを中心として働くことや育休取得、フレックスタイム制度を活用するなどそれぞれの事情に配慮した上で多様な働き方をしている人が多いです。 その他ポジションに関わる福利厚生の一例として以下が挙げられます。創業時代から「まずはやってみる」ということを大切にしている人が多くの結果として以下が実現されています ・書籍購入認証 ・オライリーオンライン ( https://note.com/jdsc/n/n8aced0fb1765) ・Claude、ChatGPT等 LLMの業務利用に対する補助 ・インディングエージェントの補助 ・Google Cloud、AWS証明書の資格取得支援 ・社会人修士・社会人博士支援制度

「顧客の生成AI推進に向けたシステム開発」や「自社ソリューションのAIシステム開発」を行っていただきます。 ・顧客に対する特定のユースケースに対応した独自のAIプロトタイプ開発 ・SaaSプロダクトへの生成AI機能の開発〜実装 ・モデル選定から、RAG/ファインチューニングをマルチモーダルで実装 ・PoCの結果を受けたアジャイル開発 ・RAGの精度改善(LLM実装) ※業務の変更の範囲:会社内での全ての業務 案件例 <選考環境構築:地方銀行様> 生成AIの最大限活用のため、「オフライン業務環境で生成AIと自社データを連携」「導入ハードルの軽減」を目的に自社専用環境の構築 ●実施内容 ・導入・活用のための伴走支援(アドバイス&コンサルティング) ・自社専用環境AIアシスタントの構築 ●得られた成果 ・年間約12億円の削減見込み 技術顧問・アドバイザー ・東京大学名誉教授　竹内 郁雄(技術顧問) ・東京大学大学院教授　江崎 浩(技術アドバイザー) ・東京工業大学大学院教授　岡崎 直観(技術顧問) 使用言語　※指定はありませんが、下記が案件で主に使われる言語です ・フロントエンド:TypeScript, React ・バックエンド:Python ・データベース:PostgreSQL(RDS), MySQL ・フレームワーク:Flask ・インフラ:Azure, AWS, GCP 組織データ ・平均年齢31歳 ・新卒3割、中途7割 ・外国籍22%、出身国20カ国以上 ・開発職約30% ・女性執行役員在籍 ・育児中社員在籍 キャリアパス/支給PC ●キャリアパス ・エンジニアとしての道を極めていくか、管理職になるかを選択できます ・入社から半年で役員登用になった方もいます! ●支給PC Windows or Macbook　※最新のMacbook Proを支給することが多いです!

●担っていただきたい役割 AXによって、業務の中でのAI活用を大きく拡大するために、AIエージェントエンジニアとして尽力していただきます。 具体的には以下のような業務に携わっていただきます。 ・業務コンサルタントやテクノロジーコンサルタントと共に、適切なAIエージェントの在り方を構想・PoC開発 ・構想を受けてのAIエージェントをアジャイル開発 ・顧客のビジネス環境の変化に伴う、AIエージェントへの柔軟かつ継続的な改善 ●キャリアアップの上での特長 ・資格取得や書籍購入といった自己成長投資をサポートする制度があります。 ・ChatGPTやAI駆動開発ツールを始めとした先進的なソフトウェアツールに対する補助があります。 ・フレックスタイム、育休制度等、柔軟な働き方を支援しています。 ●働き方 JDSCでは、各メンバーのライフスタイルや価値観に合わせた多様な働き方が実現できます 現在の実績として、出社もしくはリモートを中心として働くことや育休取得、フレックスタイム制度を活用するなどそれぞれの事情に配慮した上で多様な働き方をしている人が多いです。 その他ポジションに関わる福利厚生の一例として以下が挙げられます。創業時代から「まずはやってみる」ということを大切にしている人が多くの結果として以下が実現されています ・書籍購入認証 ・オライリーオンライン ( https://note.com/jdsc/n/n8aced0fb1765 ) ・Claude、ChatGPT等 LLMの業務利用に対する補助 ・インディングエージェントの補助 ・Google Cloud、AWS証明書の資格取得支援 ・社会人修士・社会人博士支援制度

●業務概要 顧客企業と伴走しながら、生成AIや機械学習を組み込んだアプリケーションの設計〜開発〜運用までを担当します。 ●<主な業務例> ・生成AIを組み込んだAIエージェントアプリケーションの開発 ・生成AIアプリケーション/システムのLLMOps/AgentOps設計・開発 ・機械学習アプリケーション/システムのMLOps設計・開発 ・機械学習アプリケーション/システムの新規技術・サービス調査検証 ※詳細は面接時に説明します。 ●プロジェクト事例 AI自動発注システム 未来型無人化店舗「SECURE AI STORE LAB」開発　 ●技術スタック 言語:Python、SQL、Scala、Java DWH:Snowflake、BigQuery、Redshift データ基盤:Databricks、Spark、Presto、Hadoop BIツール:Tableau、Looker、PowerBI、Datorama、DOMOなど クラウド:AWS、GCP、Azure ETL/ELTツール: dbt、Fivetran、trocco、Airbyte、Talend、AWS Glue AIフレームワーク:VertexAI、SageMaker、AzureML IaCツール:Terraform、CloudFormation、Ansible

大手エンタープライズ企業のデータ・AI戦略に基づく基盤設計から構築まで一気通貫で支援します。 ●業務イメージ ・データ活用戦略策定(当社コンサルティング部門と共に) ・データ収集・蓄積処理の設計 ・MLOps基盤の設計・構築 ・LLM/RAG向けデータパイプライン構築 ・BIツール向けデータ基盤構築 ・API・システム間データ連携 ●主なプロジェクト事例 ・大手金融機関:顧客体験価値最大化モデル構築と営業活動設計 ・大手エネルギー系インフラ:データ活用基盤企画構想 ・大手製造業:基幹刷新に伴うデータ分析環境の再構築およびデータ分析企画・実施 ・大手製造業:データ利活用の態勢構築とダッシュボード開発 ・大手自動車メーカー:スポーツ動作に関するデータ解析支援 ●プロジェクト組織体制 ・マネージャーとメンバーの比率を1対2程度で編成しています。 ・経験豊富なエンジニアが多く、負荷のかからないバランスの良い組織体制となっています。 ●技術スタック ・開発言語:Java、Python、TypeScript、JavaScript ・クラウド系:AWS、Azure、GCP、Terraform、Docker ・フレームワーク:Spring Boot、Spring、Django、React ・CI/CD:GitHub、CircleCI、GitLab ●当事業の目指す姿 当社は「CxO firm 1000人のCxOを輩出する企業へ」をVISIONに掲げ、「個の能力を徹底的に磨け」というコアバリューのもと、マインド・能力開発できる環境づくりを追求し、既に数名のCxOを輩出してきました。 Technology領域においても、技術軸のCxO(CTO、CIO、CDO…)や、社会的にインパクトのあるプロダクト開発、市場トップレベルの技術的な強みの獲得・発揮など、本人の志向に合わせた成長機会を創出していきます。 ●キャリア機会 事業立ち上げフェーズの中で、案件獲得及び採用が順調で急拡大しており、実力次第で早期にプロジェクトマネージャーとして活躍する機会があります。 また、将来的な自社プロダクト開発を見据え、開発体制の内製化を進めています。 コンサルティング事業への社内異動も可能で、ご志向に合わせたキャリア選択が可能です。 <教育研修制度> 【社内副業制度(+1制度)】 自身の能力開発機会として、社内システム開発、技術広報活動、セキュリティレベル向上施策など、多様な社内業務に関与することができます。 成果は加点評価として賞与に還元しています。 【プロダクト開発研修機会】 オリジナルWebガチャゲーム開発を題材としたプロダクト開発研修を行っています。 企画構想から拡張構想・クラウド環境構築・DB設計・実装・応用まで、プロダクト開発における一連のプロセスを学ぶ機会を作っています。 【AI駆動開発機会】 AI駆動開発の実践機会として、様々な社内システム実装・運用改善の機会を作っています。 <評価制度について> 半期ごとの能力評価で昇給率が高く、大手SIer以上の給与水準を実現しています。 設計思想:顕在化重視・再現性重視 評価軸:人物評価・能力評価・実績評価 ●事業部の雰囲気について 仕事に全力で取り組みつつ、心理的安全性が非常に高い組織です。 また、コンサルティング事業部との繋がりも深く、コミュニケーションがとりやすい環境です。 ●従事すべき業務の変更の範囲 ・雇入れ直後:配属先に関する業務一般 ・変更の範囲:会社が定める業務

まずご一緒すること 具体的には、主に以下のテーマでご活躍いただくイメージです。 1. 生成AI・Agentic LLMおよびRAG基盤の設計・開発・運用 ● マルチLLM(OpenAI / Claude / Gemini / Local LLM等) や Amazon Bedrock を活用した生成AIアプリケーションおよび基盤の設計・開発 ● LangChain や LangGraph、MCP (Model Context Protocol) を活用した自律型AIエージェント(Agentic Workflow)の構築・評価 ● Vector DB や RAG(検索拡張生成) パイプラインの実装、および LangSmith 等を用いた評価基盤・プロンプトエンジニアリングの最適化 2. コンピュータビジョン(CV)・機械学習モデルの最適化&開発 ● PyTorch や TensorFlow を用いた深層学習モデル(CNN / Swin Transformer / YOLO等)の開発・精度向上および推論高速化 ● 画像認識・物体検出・マルチモーダル処理におけるデータ拡張や不均衡データ対策、アノテーション効率化(能動学習/BaaL等)の仕組み化 ● ビジネス要件に応じた適切なアルゴリズム選定(scikit-learn等を用いた統計解析・機械学習から最新の生成AIまで)と精度検証 3. MLOps基盤構築・API化・本番運用(PoCからプロダクト化へ) ● FastAPI や Docker、各種クラウド(AWS / Azure / GCP)を活用した堅牢なML API・推論パイプラインの構築 ● MLflow や Optuna を活用した実験管理・ハイパーパラメータ自動探索、および CI/CD(GitHub Actions等) による継続的学習(Continuous Training)環境の自動化 ● 推論レイテンシの削減、コスト最適化、システムのモダナイズ(レガシーからの移植やコード変換支援)の推進 プロジェクトの例 業界・技術を問わず、エンタープライズ企業のAI課題に直接向き合うプロジェクトが中心です。 プロダクト企業さんの、新規LLMアプリケーション開発の企画構想・要件定義・実装 大手SIerさんの大規模開発における、AI開発部分の監修・ディレクション・実装 動画から特定要素が写っているかを判断するAIモジュールの開発 大手インフラ企業さんの需要予測 中長期でご一緒したいこと Almondoではエンジニアメンバーが越境的な役割に挑戦しており、例として以下のような関わり方を実践中です。 ・AIソリューション企画〜提案メニューの作成〜実提案 ・より大規模なLLMアプリケーション開発の設計/ディレクション ・AI/ソフトウェア/DX 領域におけるビジネス・コンサルティング領域への進出 ・事業開発・技術責任(事業部長/技術責任者)への挑戦 ・グループを巻き込んだ数百名規模のAIネイティブな組織作り など 技術スタック(一部) AI/機械学習 :Claude. OpenAI, Gemini, PyTorch, LangChain, LangSmith バックエンド/アプリ :Python, FastAPI, Node.js, TypeScript, Next.js, React データ/Retrieval :PostgreSQL, MySQL, Pinecone, GraphDB クラウド/インフラ :AWS, Microsoft Azure, Google Cloud, Docker, Firebase DevOps/IaC :GitHub, GitHub Actions, Terraform ツール :Slack, Notion, Google Workspace

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

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

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

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。

●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)

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

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