服装・髪型自由 RAGのITエンジニア求人・転職情報

【役割】 高いエンジニアリング力を活かし、自社製AI/LLMゲートウェイのスクラッチ開発や他社データを混在させないセキュアなRAG基盤構築の設計・実装の先頭に立っていただきます。 基盤の開発進捗とご自身の希望・適性を見ながら、半年〜1年を目安に以下のステップでシームレスにマネジメント領域を拡張していただきます。 ・コアコンポーネントの設計・実装、および技術的リーダーシップの発揮 ・PdMや各プロダクトチームとの仕様折衝、ロードマップの共同策定 ・メンバー(5〜10名規模)の目標設定・評価・1on1、およびエンジニア採用の主導 ※「コードから完全に離れるピープルマネジメント専任」ではなく、「技術がわかる強いEM(プレイングマネージャー)」としての活躍を期待しています。 【職務内容】 ●共通AI/Webアプリケーション基盤の開発リード ・AI Readyなデータ基盤のアーキテクチャ設計、開発 ・各種LLM(OpenAI, Anthropic, Bedrock等)のAPI統合、モデルの柔軟な切り替えを可能にするオーケストレーション基盤の構築 ・エンタープライズ要件(マルチテナント性、強固なデータ分離)を徹底したセキュアなデータパイプラインの構築 ・PoC(仮説検証)から、数万人規模の同時接続に耐えうる本番環境へのスケーリング・パフォーマンスチューニング ●プロジェクト及びピープルマネジメント ・プロダクトマネージャー(PdM)と連携した、全社AI基盤の要求定義と開発マイルストーンの策定 ・開発チーム(5〜10名規模)のスクラムイベントのファシリテーション、タスクアサインと進捗管理 ・メンバーのコードレビュー、技術的メンタリングによるAIエンジニアリング力の底上げ ・将来的な、メンバーの目標設定・評価・キャリア開発支援(1on1)、および新規エンジニアの採用面接 ●部門説明 【所属部署・配属組織】2026年6月現在 アドバンスドテクノロジー部門 約80名※協力会社社員含む └先端技術の研究・開発に取り組む研究開発部門(立ち上げ当初30名から倍以上に成長) └各製品/開発領域で組織が分かれ、それぞれ5~10名規模のグループ(チーム)が存在 【特徴・チームワーク】 ・エンジニアが企画から開発まで一貫して携われる、一部門としてはスタートアップのような運営形態 ・「COMPANY」に蓄積された膨大かつ豊富な種類のデータを活用して新しい価値を創造するやりがい ・チーム内での技術の情報共有が積極的、デイリーミーティングによるサポート体制、アットホームな雰囲気 ●技術スタック チームによって異なるため、以下のいずれか(参考まで) ・言語:Java/TypeScript/Kotlin/Python ・Cloud: AWS/Google Cloud/Azure/OCI ・DB: PostgreSQL/Oracle DB/Amazon Aurora/Amazon DynamoDB ・FW: SpringBoot/Severless Framework/React/Vue3/Svelte/Kotlin Multiplatform ・開発インフラ: GitHub/Sonarqube/Jira/Redmine/Zenhub/Figma ・生成AI: GitHub Copilot/Gemini for Google Workspaces/Azure OpenAI Service/AWS Bedrock/Google VertexAI/AWS KIRO/Claude Cowork

●業務概要 AIを活用した業務システム・Webアプリ・スマホアプリなどのプロダクトに対し、 企画・要件定義・設計・実装・品質担保・顧客折衝・チーム管理 を一気通貫で担当します。 実装フェーズはCursor / GitHub Copilot / Claude Code などのAIコーディング環境を前提に、 AIに何を作らせるかの設計、生成物の品質判断、本番化の意思決定 をリードしていただきます。 ●主な業務内容 ・クライアントとの課題整理・要件定義 ・AI活用による業務改善・DX企画提案 ・AIコーディング環境を前提とした開発設計・実装方針の策定 ・LLM API(OpenAI / Anthropic / Bedrock 等)・RAG・AIエージェント等の技術選定とアーキテクチャ設計 ・フロント/サーバー(AWS / Python / PHP)横断のプロダクト構築 ・AWSを用いたアーキテクチャ設計・インフラ構築 ・チームリーダーとしてのメンバー育成・コードレビュー(AI生成物のレビュー含む) ・自社サービスの企画・推進 ・最新技術・AI活用事例の調査・社内外への発信 ●キャリアパス ・技術リーダー → プロジェクトマネージャー ・自社サービスのプロダクトオーナー ・マネジメント層(評価・組織運営含む)

【ポジション概要】 世界有数の金融グループであるMUFG(S&Pグローバル,2020年4月)は、3,400万人の個人、100万社の法人のお客さま(MUFGレポート,2024年)のお取引情報をはじめとする膨大なデータを活用し、店舗におけるお客様対応・事務、本部バックオフィス業務も含めた多岐にわたる業務の高度化・効率化のため、画像・音声認識、自然言語処理、ロジック処理などあらゆる形態でAI・MLを活用しています。 昨今の生成AI技術の発展に伴い、MUFGにおいても生成AIを用いたアプリケーション開発の需要が急速に高まっていることから、MUITではAI・ML技術を用いたアプリケーションの開発および保守を所掌として組織・ユーザの課題を解決するチームを立ち上げました。 本募集は、このチームでAI・ML技術を用いたシステム開発を上流から下流まで一貫して担えるアプリケーションエンジニアおよびアプリケーションアーキテクトを募集します。 【業務内容】 (雇入れ直後) ・当社で開発している主にAI・MLを用いたアプリケーションの開発(要件定義～リリースまでの全工程)と保守 ・技術負債の解消、新しいアーキテクチャの検討、あるべきアーキテクチャの策定 ・チームビルディングとプロジェクト管理 ・新しい技術の標準化、製品選定および評価 (変更の範囲) 会社の定める業務 【役割・責任】 ■組織(MUFGグループ各社および当社)全体に対する役割・責任 -AIテクノロジーを用いたアプリケーション開発を行うために関係者をリードし、組織内ルール・ガイド等を整備 -AI関連、クラウドネィティブな観点等、アプリケーション開発関連の動向を常に把握しアセットへ反映、現場へフィードバックする -組織内のアプリケーション開発に関するコミュニティやAI関連組織に案件を通じて得られたベストプラクティスをフィードバックする -開発環境を整備、継続的に高度化することで開発生産性を向上させる ■開発案件における役割・責任 -アプリケーションエンジニアとして主体的に開発を担う -(上位の方)プロジェクトマネージャ/スクラムマスターとして開発チームをリード、案件のQCDに責任を持つ -他エンジニアやアーキテクト等関係者と協業して、開発案件の予定通りのリリースに貢献する -課題解決のため、様々なレベルの異なるステークホルダーと調整・折衝を行う -常に最新のテクノロジーに関する情報を収集、自らの知識経験を周囲に伝播し、組織および後進の育成に貢献する 【配属想定部署】 グループ事業部門・デジタルイノベーション本部配下の各部 【配属想定部署概要】 分散系業務開発の標準化および機能集約の企画・推進・管理・運営を担う部署。具体的な業務は以下のとおり。 ■生成AIやデータ分析システムの開発 【配属想定部署の人員構成】 約150名 ※銀行等からの出向者を含む 【おもな関係者】 各業務を所管する三菱UFJ銀行の事業部門、社内開発チーム、外部企業等と、マネジメント層・メンバーを問わず、幅広く関わって頂く機会があります。 【想定担当案件(例)】 2025年度以降、AI領域で数多くの開発案件が予定されている。アプリケーションエンジニアとして特定の案件に参画いただき、アプリ開発保守およびプロジェクト管理を実施頂きます。以下は開発案件の例です。 ■行内チャットアプリ開発 三菱UFJ銀行向けのChatGPTライクな行内チャットアプリの開発、次期アプリのグランドデザイン策定、Graph-RAGなど最先端技術の提案やプロトタイピング ■Visual Studio Code 拡張機能 VSCodeのプラグインとして生成AIを用いたテストコード自動作成機能を開発、社内での普及促進やOSS化の推進

●仕事の進め方 1. 事業の仮説を立て、社内外の顧客からインサイトを集める。 2. 抽象的なコンセプトを、画面やプロトタイプなどの具体的な形にする。 3. プロダクトの段階に合わせて、アーキテクチャを設計する。 4. AIと一緒に実装し、AIが書いたコードに責任を持ってレビューする。 5. 検証の結果をもとに、次に何をするかをCEO・CTOと一緒に決める。 現在は、クライアントの利用前のコンセプト検証の段階です。 複数の事業・プロダクトを並行して探索しています。 ●チーム体制 ・現在はCEO・CTO・シニアフルスタックエンジニアの3人体制です。 ・AI駆動開発をフルに使い、コンセプト検証から実装までを少人数で回します。 ・事業の意思決定者と、日常的に直接やり取りします。 ●役割分担 受託案件のようなPM・コンサルタントとの分業はありません。 エンジニアが次の範囲を一気通貫で担当します。 ・仮説検証 ・アーキテクチャ設計 ・実装 ・顧客インサイトの収集 技術スタック ・言語・FW:TypeScript、Next.js、React、Tailwind CSS、Node.js、Prisma、Zod ・モノレポ:pnpm、Turborepo ・AI:Claude(Anthropic API、Amazon Bedrock)、OpenAI API、Vercel AI SDK、Bedrock Agents/Knowledge Base、MCP ・インフラ・DB:AWS(Lambda、Aurora PostgreSQL、DynamoDB、Cognito、Amplify、S3、CloudFront)、Terraform、Serverless Framework ・テスト・CI/CD:Vitest、Jest、Playwright、GitHub Actions(Claudeによる自動レビューを含む) ・AIコーディングエージェント:Claude Code、Codex ・ツール:GitHub、Slack、Notion ●入社後の流れ ・1週目:開発環境のセットアップ(GitHub、AIサービスのアカウント、Claude Code、Codex)、会社・事業の説明、CEO・CTO・エンジニアとの対話。 ・〜1ヶ月:既存のリポジトリと、CI/CD・自動レビューなどの開発の仕組みを理解する。 小さな実装をAIと一緒に進め、レビューする。 ・2〜3ヶ月:担当範囲を持ち、特定の事業・プロダクトの検証を任される。 意思決定の近くで、仮説検証のサイクルに入る。 ●成長支援 ・CTOとの1on1 ・日々のフィードバック ・LLMタスクフォース(社内のAI勉強会)への参加 ・AIサービスのアカウント、書籍、イベント参加費を全額補助

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