年間休日120日以上 RAGのITエンジニア求人・転職情報

企業のDX化が進む中で、技術選択の幅はますます広がり、プロジェクトの難易度も高まっています。 ALHでは、そうしたお客様の変革を支援するため、サービス領域を拡大しており、なかでもシステム開発分野は高いニーズをいただいています。 Web系システム開発、組込み開発、アプリ開発などの開発分野で、toC領域からtoB領域まで、Webアプリケーション開発、基幹システム開発を中心に官公庁やメガバンク、大手通信キャリア、大手アパレル企業といったビッグユーザー案件、ユーザー系のプライム案件、大手ベンダーの案件に参画いただきます。 お客様の声を直に聞きながら、企画を含めた要件定義～設計～実装～リリース～保守/運用～継続開発までを自社社員中心のチームにおける開発案件の進行をしていただきます。 ●具体的な仕事内容 ・要件定義からアーキテクチャ設計、実装、テスト、リリースまでの一貫した技術的リード ・生成AI等の最新技術を活用したシステム設計、技術選定、およびプロトタイプ開発 ・顧客のビジネス課題に踏み込んだITソリューションの提案活動(プリセールス支援含む) ・自社社員を中心とした開発チームのマネジメント、品質管理、プロジェクトのPL管理 ・若手エンジニアの育成・評価、および組織構築への貢献 ●顧客の業界例 金融/福祉/通信/EC/流通/商社/官公庁/モビリティ/SAP/飲食/航空 ●数千万ユーザー規模のSaaSプラットフォーム新規開発 使用技術:TypeScript、Go、Next.js、AWS (ECS, Aurora)、Docker等 担当工程:要件定義、基本設計、詳細設計、実装、テスト、リリース、プロジェクト管理(PM) 働き方:リモート50% 出社50% ●大規模基幹システムのクラウドネイティブ化およびマイグレーション 使用技術:Java、Spring Boot、PostgreSQL、Google Cloud (GCP)、Kubernetes等 担当工程:要件定義、アーキテクチャ設計、詳細設計、実装、テスト、移行推進、顧客折衝 働き方:リモート50% 出社50% ●技術・環境スタック例 ・開発言語 :Java, Python, TypeScript, JavaScript, Go, PHP ・フレームワーク :Spring Boot, React, Vue.js, Node.js, Next.js, Django ・プラットフォーム/ツール :OutSystems (ローコード), Docker, Kubernetes ・クラウドサービス :AWS, Azure, Google Cloud (GCP) ・データベース :PostgreSQL, MySQL, Oracle, NoSQL (DynamoDB等) ・AI関連技術 :LLM (GPT-4等) のAPI利用, LangChain, RAG (検索拡張生成) ・開発支援/管理 :GitHub, GitLab, Backlog, Slack, CI/CDツール ●事業部について ALHは現在、ブランドリニューアルを実施し、「技術で変化をつくる主体者」として、顧客の事業課題解決に伴走する存在へと進化しています。 2025年9月のカンパニー型組織体制の導入に伴い、カンパニー単位で大きな裁量を持ち、採用・育成・営業推進・組織運営まで一貫して意思決定できる仕組みになりました。 この変革期において、顧客のビジネス課題に直結する技術提案を行い、自社組織の成長をともに牽引していただける方を募集しています。 ●関東のカンパニー 情報通信/金融/産業・流通・サービス/公共・社会インフラ/基盤ソリューション ●役割・ミッション 上級エンジニアとして、技術主導によるプロジェクト全体のリード、またはPM/PLとしてのチーム統括をお任せします。 特に現在は、生成AI(LLM)の導入やRAGを用いた精度向上など、最新技術を実際のビジネス現場に実装するプロジェクトが加速しています。 これらの技術選定やアーキテクチャ設計から携わり、自社メンバーを中心とした「次代に通用するチームビルド」を実現することが最大のミッションです。 業務変更の範囲:会社の定める業務の範囲

AIを使う会社ではなく、AIで会社そのものをつくる。 SENXYAのTechnology領域の中心として、業務・データ基盤「SENXYA DB」のProduct Ownershipを担い、AI Nativeな開発体制そのものを0→1でつくるポジションです。 ●このポジションのミッション 一般的な「要望整理→エンジニアへ依頼→仕様策定→開発→納品」という開発方法そのものを変えます。 目指すのは、現場 → Product Owner → AI → 仕様・設計 → AI Coding → 自動テスト → 社員が利用 → データ・フィードバック → AIと人が改善、という開発Loopです。 人間のエンジニアがすべてのコードを書くことを前提とせず、 AI Coding Agent・LLM・Low-Code / No-Code・Workflow Automationなどを組み合わせ、少人数でも高い開発速度を持つ「AI Nativeな開発組織」を構築します。 開発の主体はあくまで社内とAIに置きながら、外部の専門家は、Security Review・Architecture Review・大規模Migration・障害対応など専門性が必要な領域で活用します。 現場・AI・社内メンバー・外部専門家をつなぎ、要件や優先順位を整理しながら、開発プロジェクト全体を推進していただきます。 ●最初に取り組んでいただきたいこと まずは現在開発中のSENXYA DBを理解し、「既存システムを活かすのか、SENXYA DB 2.0として再構築するのか」を含め、今後の技術方針を整理していただきます。 ・Source Code / GitHub・Database Schema・Infrastructure / Cloud環境の把握 ・Data Dictionaryの整備、API / 認証まわりの整理 ・未実装機能・Bug・Technical Debt・Security / Permission / RLS等の確認 ・Migration方法の検討、外部開発会社への依存関係の整理 これらをもとに「残す / 改善する / 捨てる / AIで作り直す」を判断していきます。 技術構成はPostgreSQL / Supabase・GitHub・AI Coding Agent・n8n・LLM API・RAG等を検討していますが、ツールありきではなく「今、何を使うべきか」を継続的に判断することもこの役割です。 ●主な業務内容 ①SENXYA DBのProduct Ownership 社内各部署へのヒアリング、業務フローの整理・再設計、Product Roadmap策定、Requirement / Specification作成、UI / UX設計、Data Model設計、開発優先順位の決定。 「言われたものをつくる」のではなく、「そもそもその業務は必要か」「AI時代にはどうあるべきか」から考えます。 ②AI Native Development AI Coding Agentを利用した開発、LLMによる仕様作成、Prototype開発、Test生成・自動化、Documentation生成、Code Review、Workflow Automation。 人間がコードを書く量を増やすのではなく、AIを活用して開発生産性そのものを高めます。 ③Data Infrastructure 案件・顧客・見積・原価・機材・在庫・発注・人工・請求・粗利・施工など日々蓄積されるデータを、AIが利用できる形へ構造化。 「会社で起きた出来事が、次の案件の知能になる仕組み」を目指します。 ④SENXYA AI / AI Agent 見積AI・原価予測AI・発注Agent・在庫最適化Agent・施工計画AI・Knowledge Agent・経営分析AIなどの開発。 将来的には「この会場で、この規模のライブをつくりたい」という情報から、過去案件検索・機材選定・見積作成・施工計画・発注までAIが支援する世界を目指します。 ⑤Digital Twin 3D・CAD / BIM・点群データ・Unreal Engine・Computer VisionなどとSENXYA DBを接続し、Physical WorldとDataをつなぐ基盤へ発展させます。 ⑥Physical AI / Robotics その先に見据えるのがPhysical AIです。Robot Forklift・AMR・墨出しRobot・Drone・ROS / ROS2・IoT・Autonomous Constructionなどにより、フィジカルなライブ施工産業も変わっていくと考えています。 このポジションは、SENXYA DBから将来のPhysical AIまでつながる入口です。

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

●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。

●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

【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

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)

●配属予定部署: クライアント・システム開発事業本部 ●配属予定部署の特色・PR 事業部設立より右肩上がりで成長を続けており、優秀な人材が多く在籍しております。 現在の業務領域としてメーカーなどの製造業の案件が多くを占めておりますが、今後は金融業や小売業、流通、物流、デベロッパーなどの製造業以外の業界も拡大を進めていく方針です。 開発案件の多くがプライム案件となり、お客様と直接折衝する機会も多く、要件定義や基本設計など、開発工程の上流から対応する業務が多く、PM、PL、SMも多く在籍しております。 ●職務内容変更の可能性:有 ※変更の範囲:会社の定める業務 銀行、証券、クレジットカード会社などの金融機関向けWebシステム開発プロジェクトにおいて、プロジェクトマネジメント(PM)や複数プロジェクトの統括、または組織マネジメント(係長～課長職)をお任せします。 ・金融機関向け大規模Webシステム開発におけるプロジェクトマネジメント(PM)または大規模プロジェクトリーダー(PL)業務 ・顧客(金融機関の経営層、IT部門、業務部門責任者)とのハイレベルな折衝、課題抽出、および中長期的なシステム提案・DX推進 ・プロジェクト全体の工程管理、品質管理、コスト管理(収益管理)、およびリスクマネジメント ・複数チーム(計20名～50名規模、パートナー企業含む)の統括、リソース調整 ・部門内の開発標準や技術選定、設計・開発プロセスの策定、および品質レビュー体制の確立 ・メンバー(チーフ、サブチーフ含む)の指導・育成、キャリア支援、および人事評価(組織マネジメント) ●プロジェクト事例 銀行他、金融系システム: ・モダンアーキテクチャによるインターネットバンキング、銀行口座開設システムの構築 ・API駆動型でのBaaSプラットフォーム、オープンAPIの開発 ・ユーザー体験を重視したバーコード決済アプリ、クレジットカード向けモバイルアプリ開発 Webフロントエンド / バックエンド開発: ・パブリッククラウドのマネージドサービスを前提とした次世代金融プラットフォームの構築 ・CI/CDパイプラインによる自動化など、モダンなDevOps環境下での開発 AIエージェント開発: ・生成AIを活用した金融業務(引受審査やバックオフィス業務など)の効率化 ・社内データと連携するRAG環境の構築、高度なマルチエージェントシステムの開発

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

● 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

設計図面に対する製造性評価をAIで支援する技術開発を担当。図面からの情報抽出・製造ルールに基づく自動チェック・過去品質不具合との照合など、製造品質の向上に直結するAIエージェントの設計・実装を推進します。 ●具体的な業務内容 【製造性評価AI】製造ルール・品質不具合に基づく設計形状の自動チェック、素材・工法ごとの判断ロジック設計・実装 【製造知見の構造化】図面・仕様書・不具合履歴を横断活用するナレッジ基盤構築、製造ルールの体系化 【図面情報抽出】OCR+レイアウト解析による形状・注記・寸法の自動認識 【設計・製造連携】製造性チェック結果の可視化・修正提案、設計変更の製造影響評価 【チーム連携】業務部門・外部パートナーとの要件調整 職種の変更範囲:技術職・事務職・技能職業務

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

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

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

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

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

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

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

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

最先端の生成AI(LLM/RAGなど)やマルチエージェント技術を顧客企業へ組み込むため、戦略の具現化から実装、システムアーキテクチャの設計・開発までを一気通貫で担当します。特定のドメインに縛られない「ワンプール制」を導入しているため、金融機関の専用AI環境構築から製造業の業務プロセス変革まで、幅広い業界のフラッグシッププロジェクトに参画可能です。 <具体的な業務イメージ> ●プロコードによるWebアプリケーション・API開発 JavaやTypeScriptなどを用いた、柔軟で拡張性の高いカスタムAIアプリケーション、社内システムのバックエンド/フロントエンド開発 ●データ基盤の設計・連携(RAG/LLM高度化) 顧客企業が持つ暗黙知や社内データをAIが適切に利活用できるよう、データ構造の設計、ETL/データパイプラインの構築、RAG(検索拡張生成)の精度向上のためのデータチューニング ●AIエージェント・マルチエージェントの実装 定型業務の自動化に留まらない、業務プロセスを高度に自動化・最適化する次世代型AIエージェントシステムのアーキテクチャ設計および実装 ●コンサルタントやSaaS開発チームとの連携 ビジネスサイドのコンサルタントと協働し、顧客の課題起点で技術要件を定義。必要に応じてギブリー本体のプロダクト(MANA、Track、DECA等)の技術アセットやノウハウとも連携しながら、最適なソリューションを構築します ●Azure・AWS等のクラウドインフラ設計・構築 開発したAIアプリケーションやデータパイプラインが、セキュアかつ安定して動作するためのモダンなパブリッククラウド(Azure、AWS)環境の設計・構築。セキュリティ要件の厳しい大手企業のシステム特性に応じたインフラアーキテクチャの最適化や効率的な運用体制の構築 ※業務の変更の範囲:会社内での全ての業務 <今後のキャリアパス> 個人の適性・志向性にあわせ、2つのキャリアパスをご用意しています。 ●マネジメントキャリア(Manager/Leader) プロジェクトマネージャーとしてチームを牽引し、全体設計やメンバー育成、組織構築を担うパス ●スペシャリストキャリア(Specialist) 高度な技術的専門性を追求し、複数プロジェクトに横断的に貢献。最高位(Principle Specialist)として社会や業界に影響を与える知見保持者を目指すパス

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

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

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

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

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

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