自社プロダクト・サービス開発 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

●PROEVERとは MSOLがプロジェクトマネジメント専門会社として培ってきたノウハウと経験を結集し、「プロジェクトマネジメントプラットフォーム」としてSaaS展開しているのが PROEVER です。プロジェクトデータを一元的に集約し、AI技術も活用することで、マネジメント層の意思決定を支援し、プロジェクトの成功とプロジェクトマネジメント成熟度の向上を実現します。 主なお客さまは、全社横断で多数のプロジェクトを推進するマネジメント層(PM含む)です。プロジェクトの状況をリアルタイムかつ正確に把握し、迅速な意思決定が可能になります。一般的なPMツールがタスクや課題管理に主眼を置くのに対し、PROEVERは複数プロジェクトを俯瞰的・横断的に可視化できる点を大きな特長としています。 ※[PROEVERのサービス概要はこちら](https://proever.com/) ※[事業部の紹介対談はこちら](https://note.msols.com/n/n1472dff92988?gs=6f6dff9594a4) ●仕事内容 当社SaaSプロダクト「PROEVER」のプロダクトエンジニア(AI・アプリケーション基盤)として、競争優位性の核となるAIエージェント機能の開発と、それを支えるバックエンド基盤の実装をリードしていただきます。 現在は少数精鋭の体制のため、定型的な管理業務ではなく、自ら手を動かして未知の技術課題をブレイクスルーしていく役割です。 ・AIエージェント基盤構築: Azure AI Foundry / Azure OpenAI をフル活用し、LangGraph.js等を用いたマルチステップ推論・自律型ワークフロー制御のバックエンド実装。 ・RAG(検索拡張生成)の最適化: Azure AI Search や Vector DB を用いた検索拡張生成システムの設計・チューニング。 ・LLMの品質・ガバナンス担保: AIの回答精度向上、およびZod等を用いた出力構造化、ガードレール(安全性・セキュリティ)の仕組みづくり。 ・データアクセス&パイプラインの構築: 複雑なプロジェクトマネジメントデータをAIが最適に解釈・処理できる形式へ変換するパイプラインの開発、および Hasura (GraphQL) / PostgreSQL を用いた効率的なAPI開発。 ・技術組織への還元: コードレビューや設計レビュー、最新のAI技術調査・評価を通じて、チーム全体のAI技術力の底上げ。 ●技術環境 OS: Windows Server, Linux フロントエンド:TypeScript / Next.js / TailwindCSS / shadcn/ui バックエンド:TypeScript / Next.js / (Python) データベース:PostgreSQL / GraphQL (Hasura) インフラ:Azure / Docker CI/CD:GitHub Actions バージョン管理:GitHub プロジェクト管理:PROEVER デザイン管理:Figma / Storybook コミュニケーション:Slack / Notion / GoogleWS / MS365 その他:GitHub Copilot / GitHub Codespaces / Claude Code / Keeper ●業務の変更範囲について 「変更の範囲:当社及び出向(転籍)先における各種業務全般 」 ●人数体制(2026年1月現在) ・計27名(カスタマーG:11名、プロダクトG:12名、その他:4名)

【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

【ミッション】 独自開発のLLM基盤「LTM」や最新の生成AI技術を組み込んだAIエージェント・業務アプリケーションの設計/開発を主導します。 システム企画チームや業務現場と連携しながら、運用データのフィードバックに基づく自律学習メカニズムを構築し、通信オペレーションの自動化・高度化・自律化を推進します。 【主な業務】 LTMを活用したAIエージェントおよび業務アプリケーションの開発と、社内業務への適用の推進 ●具体的な業務 【AIエージェント・ワークフロー開発】 ・LTMおよび各種LLMを組み込んだAIエージェント(Multi-Agentなど)やAIワークフローの設計/実装/コード化 【要素技術・外部連携の実装】 ・RAG、プロンプトエンジニアリング、ベクトルDB、外部API/ツール連携機能の実装/高度化 【アジャイルなPoC・アプリ実装】 ・システム企画担当と連携し、現場の要件/課題に応じた実効性の高いAIアプリケーションの迅速な試作(PoC)/本番実装 【自律学習基盤・LLMOps構築】 ・実行ログ、評価データ、ユーザーフィードバックを収集/活用し、AIエージェントの精度を継続的に向上させる「自律学習ループ」の仕組みづくり/LLMOpsの構築 【モダン開発手法の推進】 ・AI駆動開発ツール(GitHub Copilotなど)や最新ツールを活用した、効率的かつ機動的な開発サイクルの実践

AIプロダクトソリューション部は、会社全体の成長を支えるAIソリューション開発を担う部門です。 転職希望者と求人企業のマッチング精度向上や応募率・成約率の改善など、事業の根幹に関わるテーマを扱っており、その実現に向けて研究開発から事業実装までを一貫して推進しています。 現在、生成AIやLLMの進化によって、人材サービスの在り方は大きな変化の可能性を迎えています。 一方で、人材マッチングの領域には依然として多くの未解決課題が存在しています。 たとえば、 ・転職希望者の経験・スキル・志向性の理解 ・求人企業の期待や組織特性の構造化 ・複雑なキャリアパスの予測 ・膨大な非構造化データの活用 ・マッチング精度と説明可能性の両立 ・継続的なモデル改善と運用高度化 などは、依然として高い技術的難易度を持つテーマです。 今回のポジションでは、データサイエンスのエキスパートとして、全社のAIモデルおよび機械学習モデルの設計・開発・チューニングを技術的にリードし、人材マッチングの高度化に向けた新規マッチングロジックを自ら企画・設計・実装したうえで、応募率や成約率などの重要KPI改善まで推進いただきます。 また、ビジネス課題を自ら構造化し、事業責任者やPdM、エンジニアと密に連携しながら仮説検証を進めるだけでなく、新技術や新たなデータ活用を全社へ展開し、標準モデルや共通コンポーネントとして浸透させていくことも期待しています。 担当業務例 具体的には下記の様な業務・プロジェクトを牽引いただくことを想定しております。 ●全社共通AIモデル・マッチングロジックの企画・アーキテクチャ設計 -「doda」をはじめとする複数プロダクトで横断利用される標準AIモデル・アルゴリズムの全体設計および技術選定 -単一のレコメンドにとどまらない、全社的なマッチング精度向上に向けた基盤・コンポーネント化の推進 ●事業課題の構造化とAIソリューションロードマップの策定 -事業責任者・PdMと対等に議論し、抽象度の高いビジネス課題やユーザー体験上の課題を「解くべきAI技術課題」へ構造化 -KPI(応募率・成約率・CVR・マッチング品質等)向上に直結する仮説検証(PoC)の設計と、本番適用までのプロジェクトリード ●最先端技術(生成AI・LLM等)の調査・検証および事業実装の主導 -生成AI、大規模言語モデル(LLM)、マルチモーダルAI等の最新論文・技術動向のキャッチアップ -実務適用に向けたプロトタイプ(PoC)開発、費用対効果・技術的実現性の評価、および本番システムへの実装推進 ●データサイエンスチーム全体の技術向上・標準化推進 -チーム内メンバー(ミドル〜ジュニアDS)への技術指導、コードレビュー、モデリング手法のナレッジ共有 -データ基盤・MLOps部門と連携した、実験・開発・運用プロセスの効率化および標準化の牽引 ●社内外への技術発信・ブランディング活動 -社内外でのセミナー講演、技術ブログの執筆、学会発表・論文制作等を通じた技術的プレゼンスの向上 【主な技術テーマ例】 ●大規模言語モデル(LLM)&エージェンティックAI活用 -LLM(API利用 / ファインチューニング / MCP / Agentic AI 等)を活用した、求職者の経験・志向性分析および求人情報の構造化・高度解析 ●高度な推薦システム(RecSys)&マッチングアルゴリズム開発 -双方向マッチング(求職者×求人企業双方の意向・相性を考慮した推薦)の最適化 -テキスト埋め込み(Embedding)やグラフニューラルネットワーク(GNN)等を活用した高精度類似度算出・レコメンドエンジンの開発 ●マルチモーダルデータ&非構造化データの活用 -職務経歴書・求人票などのテキストデータに加え、行動ログ・スカウト文面・選考結果などの定性・定量的データの統合モデリング ●AIアプリケーション・プロトタイプの高速検証・社会実装 -LLM/SLMを用いたAIエージェントやインタラクティブなマッチングアシスタント機能のPoCシステム構築 ●MLOps&全社AIプロダクト基盤の最適化 -Databricks、BigQuery、AWS/Google Cloud環境におけるモデルの継続的学習・評価・デプロイパイプライン(MLOps)の構築・運用推進 技術環境 【プログラミング言語】Python、SQL、Java、Scala、C 【データベース/データ基盤】Oracle Database、PostgreSQL、MySQL、Amazon Redshift、Google BigQuery、Databricks 【クラウドプラットフォーム】Amazon Web Services(AWS)、Google Cloud、Microsoft Azure 【ソースコード管理】GitHub、GitLab 【プロジェクト・タスク管理】Backlog、Microsoft Loop、Microsoft Planner、Jira、Confluence 【コミュニケーションツール】Slack、Microsoft Teams ●所属組織について AIプロダクトソリューション部には、マネージャー2名、エキスパート3名、メンバー16名のデータサイエンティストが在籍しています。 データをもとにマーケット状況、カスタマーニーズ、テクノロジーの変化などを総合的に判断し、事業を成長させていきます。 私たちは単に精度の高いモデルを開発する組織ではありません。 「人と仕事のより良い出会いをテクノロジーで支援する」という共通の目的を持ち、事業とテクノロジーの両面から課題解決に取り組んでいます。 技術議論やナレッジ共有も活発で、学び続けながら挑戦できる環境です。 働き方 ライフステージに合わせて、はたらき方をご自身でデザインしたい方にマッチする環境です。 ・有給休暇の積極的な取得が推奨されており、ご自身で業務調整をした上で積極的に活用が可能です。 ・裁量労働制を導入しており、子育てと両立しているエンジニアや副業を行っている社員もいるなど、ご自身の裁量で働く時間のコントロールが可能です。 ・大半のメンバーが在宅勤務をしています。リモート勤務手当の支給といったサポートがあります。 ・データサイエンティストとして市場価値を高めるための活動を推奨しており、研修受講やイベント登壇、副業等の活動をしているメンバーもいます。 ・書籍購入、学会やイベントの出張参加、クラウドを使った技術検証、AI関連サービスを実際に利用しての検証等の業務活動に対し、会社が費用を負担しています。

職務概要 顧客の業務課題を聞きながら、プロンプトエンジニアリングやRAG等の生成AI性能向上手法、ファインチューニングや継続事前学習等のLLM/SLM学習手法を活用し、顧客の業務に応じたアプリやAIエージェントを構築・提供するためのコンサルと設計・構築、およびそれを汎化したサービスの設計開発を実施。 職務詳細 ・業務特化型LLM構築・運用サービスにおける、顧客ヒアリング・ディスカッションにおける顧客課題の特定および見積 ・業務特化型LLM構築・運用サービスにおける、顧客課題解決に必要なLLM精度やアプリケーションの要件定義 ・業務特化型LLM構築・運用サービスにおける、顧客データの収集/加工及びRAGチューニング、LLM/SLM学習、評価、AIエージェント開発、アプリ開発 ・業務特化型LLM構築・運用サービスで活用するデータ処理や分析ツールの開発 ・顧客対応で吸収したナレッジの業務特化型LLM構築・運用サービスへの反映 携わる事業・ビジネス・サービス・製品など ●生成AIで面談業務を効率化し、住民支援の質を高めるリンクワーカー業務支援システムを開発 https://www.hitachi.co.jp/New/cnews/month/2025/08/0827.html ●日立、品質保証業務へのAIエージェント適用で、お客さまへの対応力・対応品質を強化 https://www.hitachi.co.jp/New/cnews/month/2025/06/0626.html ●日立、Physical AIのイノベーションを加速するNVIDIA AI Factoryを発表 https://www.hitachi.co.jp/New/cnews/month/2025/09/0926b.html ●日立、数百の事例で獲得したOTナレッジの活用手法によりお客さま専用のAIエージェントを迅速に提供 https://www.hitachi.co.jp/New/cnews/month/2025/03/0326.html ●生成AIの本格的な業務活用に向け、「業務特化型LLM構築・運用サービス」を提供開始 https://www.hitachi.co.jp/New/cnews/month/2024/08/0829a.html ●生成AIの活用でフロントラインワーカーの生産性を向上!日立製作所の取り組みに迫る https://digital-highlights.hitachi.co.jp/_ct/17709830?web_o_20240724 ●日立とマイクロソフトが、生成AIでビジネスと社会イノベーションを加速するための契約を締結 https://www.hitachi.co.jp/New/cnews/month/2024/06/0604c.html 配属組織名 AI&ソフトウェアサービスビジネスユニット(アプリケーションサービス) HMAX&AIサービス本部　AIサービス推進部 配属組織について(概要) ラインオブビジネス向けのフィジカルAI、間接業務含めた幅広い業務を支援するAI Agentをサービスとして提供するために、生成AIの学習、アプリ開発、AI AgentやフィジカルAIの開発、それを稼働する基盤の開発・運用迄をトータルでお客様に提供する組織となります。そしてさらに外部のお客様だけでなく日立社内、グループ会社での業務効率化に向けた全社向けの生成AI基盤の開発・運用も行っています。 配属組織について(ミッション) ・AIを通じて社会課題を解決するために必要となるAIに関するサービスを社外に展開、また日立全社に向けたAI基盤提供を通して全社の業務効率改善に貢献することをミッションとしています。 働く環境 ①配属組織/チームについて 配属組織は、30名弱が所属しています。 生成AIおよびそれを稼働する基盤迄を網羅的に開発・提供する組織であるため、研究所含めた様々な出身母体のメンバーから成る組織です。 ②働き方について 出社と在宅勤務を組み合わせた働き方が可能です。 なお、プロジェクトによっては全国各地に出張が発生する場合もございます。 ※上記内容は、募集開始時点の内容であり、変更となる場合がございます。予めご了承ください

●組織について 当部はAIとクラウド技術を活用し企業のAX推進を支援するクラウド事業本部の事業戦略と全体最適を推進する中核組織です。 主なミッションはAIオファリングサービス企画・開発と、オファリングサービス運用の高度化、改善サイクルが推進できる次世代のエンジニアの育成です。 成長意欲の高い若手メンバーが多く、互いの知見を高め合いながら先進的な開発・サービスデリバリーに取り組んでいます。 国内外の最新技術や当社の幅広い業界ネットワーク、各分野スペシャリストとの協業を活かし、持続的なデジタル変革をリードできる点も特徴です。また、最新のクラウド技術に触れながら、自ら変革を主導する経験を積むことができ、組織全体でキャリア形成・成長も支援しています。 ●組織の業務・事例紹介 AIオファリングサービスの企画・開発に取り組んでいます。 次世代エンジニア育成については、例えばSREを活用して以下を実現できる人材を育成しています。 ・AIOps ・DataOps ・FinOps ●職務内容・担当業務 ・AIオファリング・サービスの企画・開発: 　AI及びクラウドを活用した新規事業やサービスの企画・設計・開発 ・AIオファリングサービス技術支援: 　全社AIエージェント基盤構築や自社IPへのAI組込み等の技術支援 ・先進技術の検証: 　Agentic AI、AI Gateway、AIガードレール/ハーネス等の新技術に関する技術検証 ●役割・ポジション 新規AIオファリングサービスの企画、アーキテクチャ設計・構築および開発業務の主要メンバー/マネージャー/技術リーダー ●配属部署 ITインフラサービス事業グループ　クラウド事業本部　事業推進部

「職務経歴書の自動生成」を極め、キャリアの棚卸しをAIで再定義する。 現在開発中の履歴書・職務経歴書自動生成プロダクトのグロースを担っていただきます。 現在は外部プラットフォームを活用していますが、今後はソースコードを買い取り、自社ドメインでのフルスクラッチ開発・改善へ移行します。 ユーザーがテキストを雑に放り込むだけで、洗練された書類が完成するという、圧倒的な利便性をAIの力(LLM/プロンプトエンジニアリング等)で実現する、プロダクトの核となるポジションです。 ◆具体的な業務内容 01.AIモデル・プロンプトの実装と改善 ・OpenAI等のLLMを活用した、高精度な職務経歴書生成ロジックの構築 ・ユーザー入力データ(テキスト・音声等)を構造化し、肉付け・最適化するプロンプト設計 02.プロダクトの自社化・リプレイス ・既存プロダクトの買い取りに伴う、自社ドメインへの移行とアーキテクチャの再設計 03新規機能開発 ・キャリアテック側プロダクトへのAI機能の統合(自動アップデート機能等)

【ミッション】 ソフトバンクのヘルスケア戦略の実現に向け、事業、プロダクト、システム全体を俯瞰したアーキテクチャ設計をリードする。利用者体験と医療・ヘルスケア業務を理解し、サービス要件をシステム要件へ落とし込む。関係部門や外部パートナーをつなぐハブとしてプロジェクトを推進し、将来拡張を見据えたシステム構想・ロードマップを策定する。 【主な業務】 ヘルスケア領域・メディカル領域の要求整理、要件定義、システム全体設計、プロダクト・画面・API仕様の整理を担う。開発ロードマップ、優先順位、外部サービス・病院システムとの連携方式を策定し、開発ベンダーや外部パートナーへの技術ディレクション、技術課題・リスク管理、設計資料の作成を行う。 【具体的な業務】 ・UX、業務要件を画面、データ、システム全体へ落とし込む ・PHR、EHR、認証、同意、決済、通知を含むサービス全体の設計・レビュー ・病院、自治体、企業、外部サービスとのAPI・システム連携方式の設計 ・開発ベンダーとの設計レビュー、技術課題の整理、品質向上 ・システム構成図、業務フロー、API仕様書などの設計ドキュメントの整備

パーソルキャリアにおけるデータサイエンティスト、データエンジニア、AIエンジニア、機械学習エンジニアの各職種の中から、ご経験にマッチするポジションをご提案いたします。 データ・AI領域にご関心をお持ちで、「どのポジションが適しているかわからない」「経験を活かせる環境で選考に進みたい」とお考えの方は、ぜひご応募ください。 ご応募後、社内にてポジションサーチを行い、書類選考を通過したポジションについて改めてご案内いたします。 ●募集ポジション例(※下記以外をご提案する場合があります) 【データサイエンティスト】 転職サービス「doda」(会員登録数 約1,039万人/2025年12月末時点)を中心に、全社横断でAI・機械学習モデルの設計・開発・チューニングをリードしていただきます。 人材マッチングの高度化を主軸に、LLMや生成AIなどの最新技術を取り入れながら、再利用可能なマッチングロジックやAIモデルの開発から本番導入・運用まで一貫して推進し、事業成長に貢献していただきます。 ・生成AI、機械学習における新規技術の検証・開発 ・Python/PySparkを用いたデータ分析・モデル開発 ・提案に向けたデモ開発/PoC開発 ・業務効率改善に向けた分析/自動化・AI化 ・データ設計および前処理の開発・実装 ・インフラ/データ基盤部門との連携 ・社内外でのセミナー講演や論文・資料作成 【データエンジニア/データアーキテクト】 全社最適の観点からデータ活用基盤の整備を推進し、あるべき分析基盤の実現を担っていただきます。 ・データ基盤構想の検討/ロードマップ策定/技術選定 ・現状課題の整理および改善方針の策定・実行 ・データマネジメント方針の策定とプロセス整備 ・基盤構築および活用プロジェクトの推進 ・パイプライン構築やバッチ処理開発 【データエンジニア/アナリティクスエンジニア】 データドリブンな事業運営の実現に向け、データによる意思決定を支援し、可視化とPDCAの高速化を推進します。 「doda」「doda X」において以下を担っていただきます。 ・データマート構築(要件定義～設計～実装～テスト) ・データ収集・加工・集計業務 ・バッチ基盤の運用保守 ・DMBOKに基づくデータマネジメントおよび利活用支援 ・dbtを用いたデータ変換・モデル開発 【AIエンジニア(バックエンド・インフラ)】 LLMやAIエージェントを活用した機能開発に加え、安定・安全かつスケーラブルに活用可能なAI基盤の設計・構築を担っていただきます。 ・AI前提のシステムアーキテクチャ設計 ・API設計/非同期処理/キャッシュ/キュー設計 ・マルチクラウド環境(AWS/GCP/Azure)の構成設計 ・バックエンド開発および外部サービス連携設計 ・データ基盤(DWH/Vector DB等)との接続設計 ・スケーリング/レイテンシ/コスト最適化 ・監視・セキュリティ・ガバナンス設計 【機械学習エンジニア】 「doda」「doda X」において、ユーザー一人ひとりに最適な求人・情報を届けるためのレコメンド/マッチング機能の開発・運用を担っていただきます。 当社が保有するデータと機械学習・生成AI技術を活用し、マッチング精度や応募率向上などのKPI改善に直結するアルゴリズム開発から運用・改善まで一貫して取り組んでいただきます。 ・レコメンド/マッチング機能の設計・開発・運用 ・機械学習モデルや推論ロジックを用いたサーバーサイド開発 ・データ活用施策の運用・改善 ・Python/SQLを用いた分析・モデル開発・検証 ・データサイエンティストやPdMとの連携による施策推進 ・技術リード/プロジェクト推進

本ポジションでは、単なるAI機能の実装にとどまらず、 「どの業務課題にAIを適用することで本質的な価値を生むか」から設計し、プロダクトに実装・運用するところまでを一貫して担っていただきます。 プロダクトはすべて立ち上げ〜グロース初期フェーズにあり、AIを前提としたプロダクト設計・再構築を推進していく重要なポジションです。 ・業務課題に対するAI活用の企画・価値設計 ・LLM / MLを用いた機能設計・実装・改善 ・RAG構成の設計、チューニング、評価基盤の構築 ・モデルの学習・推論パイプラインの設計・運用 ・プロダクトへのAI機能の本番実装(PoCで終わらせない) ・パフォーマンス・精度・コストの最適化 ・継続的な改善のためのログ設計・評価指標設計 ・プロダクトチーム(PM / エンジニア / デザイナー)との協働 プロダクトフェーズ Dress Code株式会社はワークフォースマネジメントプラットフォーム「DRESS CODE」を開発・提供するスタートアップです。 人事・労務・採用・情シス・総務といった複数業務領域を横断し、分断された業務データ・プロセスを統合することで、企業の生産性を構造的に改善するプロダクト群を開発しています。 顧客価値を根本から見直し、引き算思考で 『DRESS CODE』 を開発し、企業ごとにカスタム機能を作るのではなく、泥臭く業務シナリオを徹底的に洗い出し、全てを標準装備として実装しています。 Dress Code創業 - 「誰もやらないから、挑戦する意義がある」(https://note.com/dresscode/n/n5a808cbf3d46) シードで累計14.1億円を調達済み(https://prtimes.jp/main/html/rd/p/000000001.000160565.html) 日本・インドネシア・ベトナム・タイ・シンガポールなど、アジアを中心にグローバル展開 200社を超える顧客を獲得 ●開発環境 アジャイル・スクラム（2週間スプリント）を採用 Feature（価値・機能）単位でフルスタックに開発 ペアプロ・モブプロは積極的に採用 イベントストーミング・ドメインモデリングは特に注力 ●バックエンド ・NestJS ・Prisma RustエンジンからTSネイティブアダプタへ移行 ・Aurora PostgreSQL v17 Blue/Green Deployments でメジャーアップデートを運用 ・モジュラモノリス Force分割 ・ECS Fargate ●非同期・バッチ基盤 ・AWS Batch on Fargate ・EventBridge ・S3トリガー ・Noisy Neighbor 対策 ●参照系・整合性の設計 ・CQRS ・QueryService + DTO パターン ・Choreography → Orchestration Saga ・Event Sourcing 的なデータ設計 ・Prisma の onCommit フック ●フロントエンド・BFF ・Next.js SSR / BFF ・React Compiler annotationモード＋Oxlintで段階導入 約7,500ファイル規模のTypeScriptプロジェクト ・TanStack Query ・Dexie.js ・Server-Driven UI（SDUI）による台帳画面の運用 ・型共有：oRPC OpenAPIコード生成からの移行 ●認証・権限基盤 ・Ory Kratos 将来 Ory Hydra を検討 ・Permission & Roles プロダクト横断の権限共通基盤 Default Deny / Default Allow の設計判断 ●インフラ ・AWS WAF v2 ALB ECS Fargate Graviton（ARM64） Secrets Manager Bedrock ・IaC：AWS CDK ・GCP連携 Service Account Workload Identity Federation Domain-wide Delegation によるキーレス認証 ●CI/CD ・GitHub Actions self-hosted ARM64 ランナー ・Docker buildx ・SOCI デプロイ時間を約50%短縮 ●開発手法・QA・AI活用 ・仕様駆動開発 OpenSpec ・ADR ・Playwright ・runn ・AIコーディング Cursor Claude Code Claude Code in Chrome ・AIが書いたコードのPRレビュー／Approveのメンタルモデルづくり ●AI環境 AIへの投資を惜しまない開発環境です。 「顧客への提供価値が向上するなら、もっと投資していい」という代表の方針のもと、必要性を説明できれば使いたいAIツールをためらわず導入できます。 AI開発合宿のように、意図的に集中して挑戦する機会もあります。 Cursor / Claude Code に加え、Claude Code in Chrome でのブラウザ操作の自動化や、AIが書いたコードをどうレビュー・Approveするかといった「AIと協働する開発文化」そのものを、チームで議論・更新しています。

【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

●このポジションの3つの特徴 01　「本番で信頼できるAIエージェント」をサービスにします LLM・RAGを使ったAIエージェントを作るだけでなく、評価・品質の担保まで含めて顧客に届けます。作る側(AI開発)と確かめる側(品質保証)が同じ組織にあるからこそできるサービスです。 02　AI開発・品質保証のエンジニアを率いて、サービスをつくります 一人で作り込む仕事ではありません。社内のエンジニアでチームを組み、役割を分け、設計とレビューを担い、技術の判断をしながら開発を進めます。ご自身も手を動かし、チームに見本を示します。 03　仕事のキモは「チームで提供できる」状態をつくることです 作って終わりではありません。開発の型(AI駆動開発の標準・品質ゲート)と評価の型に落とし、誰が作っても品質を落とさずに提供できるチームをつくることが、このポジションの成果です。 ●このポジションで得られるもの ・AIエージェント×品質保証という、まだ勝者の決まっていない領域で、サービスを立ち上げる経験。 ・作る(AI開発)・確かめる(品質保証)・直すがひとつの組織にそろった環境で、チームを率いて開発できること。 ・自分たちがつくった型に価格がつき、チームで顧客に届く経験。 ・サービスの責任者として、サービスとチームを育てていく道。 ## 業務内容 担当するサービスについて、次の5つを担っていただきます。どれも切り離せない仕事ですが、最も大切にしていただきたいのは「4. チームで提供できるようにする」です。作って終わりではなく、ご自身がいなくても、チームが同じ品質で提供できる状態をつくることが、このポジションの成果です。 【1. 決める ― サービスの中身と、提供の形を決める】 ・顧客の業務と課題から、AIエージェントで何を解き、どの水準の品質を約束するかを決めます。 ・提供メニュー・手順・品質基準・価格の考え方を、事業の責任者と相談しながら決めます。 【2. 作る ― 自らも手を動かし、技術の判断を担う】 ・AIエージェントの設計、RAG・データ基盤との連携、評価の仕組みなど、要となる部分はご自身でも作り、試します。 ・担当する範囲のアーキテクチャ・技術選定・品質の基準について、技術の判断を担います。 【3. 率いる ― AI開発・品質保証のエンジニアを動かして開発する】 ・社内のAI開発・品質保証のエンジニアでチームを組み、役割を分け、開発を進めます。 ・設計・コードのレビュー、評価結果の確認を通じて、チームの成果物の品質に責任を持ちます。 【4. チームで提供できるようにする ― 型にして、誰が作っても品質を落とさない状態にする】 ・開発の手順、AI駆動開発の標準、品質ゲート、評価の設計を「型」として書き起こし、チームで使える状態にします。 ・型をメンバーに教え、ご自身がいなくても、チームが同じ品質でサービスを作り、提供できるようにします。 【5. 届ける ― 顧客の前に立ち、最初の提供をやり切る】 ・営業担当と組み、技術面の提案を担います。 ・最初の案件では、チームを率いて導入・提供をやり切り、社外の実績をつくります。 #### ●技術環境 【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 【品質保証・評価】 テスト設計、テスト自動化、CIの品質ゲート、AIの評価設計(評価データセット・自動評価・回帰評価) ●入社後のロードマップ 【入社〜3ヶ月】 進行中のAIエージェント基盤・品質担保の型づくりに加わり、チームと技術の現状をつかみます。あわせて、自社の業務を題材にしたAIエージェントの開発を、評価の設計まで含めてリードし、サービスの原型を1つ形にしていただきます(例:営業支援のAIを、品質の基準まで含めて自社で使える状態にする)。 【3〜6ヶ月】 自社で確かめた結果をもとに、提供メニュー・品質基準・価格の案を固め、営業担当とともに既存の顧客に提案します。開発と評価の手順を、チームの型として書き起こします。 【6ヶ月〜1年】 社外の顧客への提供実績をつくります。チームのメンバーが型に沿って、品質を落とさずに作れる状態にします。 【1年〜】 サービスの責任者として、サービスとチームを育てていただきます。次のサービスの立ち上げや、型を使えるエンジニアの育成もリードいただきます。 ※ 進む速さはご経験と成果によって変わります。どこから担っていただくかは、ご経験をうかがったうえで一緒に決めます。 ●あえてお伝えしたい「厳しいリアル」 【サービスはまだ「売れる形」になっていません】 社外への提供は、最初の1件をつくる段階です。提供メニュー・価格・品質基準は整備の途中で、何を型にするかを決めるところから関わっていただきます。 【チームのメンバーは、顧客の案件と兼務の人もいます】 サービス開発に関わるエンジニアの稼働は、事業の責任者と調整しながら確保します。限られた時間の中で、役割を分け、成果につなげるリードが求められます。 【立ち上げの段階は、ご自身が手を動かす場面も多くあります】 チームを率いる役割ですが、型ができるまでは、要となる部分をご自身で作り、見本を示す場面が多くなります。 【営業を一人で背負う必要はありませんが、顧客の前には立っていただきます】 営業担当と組む体制で進めます。一方で、技術面の提案や最初の提供では、ご自身が顧客と直接向き合います。 【原則「出社」の環境です(リモートワーク不可)】 立ち上げの段階は、事業の責任者・チームのエンジニアとの密なコミュニケーションと、速い意思決定が欠かせないと考えているためです。 ●このポジションではないこと ミスマッチを防ぐため、あらかじめお伝えします。 ・全社のDX・変革を企画し、推進する役割ではありません。担っていただくのは、AIエージェント×品質保証のサービスです。 ・資料づくりや取りまとめが中心の、PMO・企画の役割ではありません。技術の判断と、ご自身が手を動かすことが欠かせません。 ・一人で作り込むスペシャリストの役割でもありません。エンジニアのチームを動かし、チームで提供できる状態をつくることが仕事の中心です。 ●担当していただくサービス 【サービスの方向性】 本番で信頼できると担保されたAIエージェントを、顧客に届けるサービス 【サービスの中身(例)】 ① AIエージェントの構築:業務の分解から、AIエージェント・ワークフロー型AIの設計・構築、既存システム・データとの連携(LLM・RAG、AIエージェントを支えるデータ基盤を含む)、運用まで ② 品質の担保:正確性・タスクの完了・権限・安定性・安全性・業務への適合の観点での評価設計、評価データセットと自動評価、モデル更新時の回帰評価 ③ 作り方の型:AI駆動開発で、速く、品質を落とさずに作るための開発標準・レビュー基準・品質ゲート 【いまの進み方】 複数のチームが並行して、AIエージェント基盤と品質担保の型づくりを進めています。自社の業務(営業支援のAIなど)を題材に作り、まず自社で効果を確かめてから社外へ届けます。大手SIerのプロジェクトにはチームで参画し、AIエージェントを支えるデータ基盤の開発も進めています。 【一緒に動くメンバー】 社内のAIソリューション開発のエンジニア、品質保証(QA・テスト)のエンジニア、営業担当 【いまの状態】 社外への提供は、最初の1件をつくる段階です。提供メニュー・価格・品質基準は整備の途中です。 ※ どこから担っていただくか、サービスの中身をどう広げるか、社内のリードエンジニアとどう役割を分けるかは、ご経験と得意な領域をうかがったうえで一緒に決めます。 ●従事すべき業務の変更の範囲 →会社の定める業務

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。

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

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)

<<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)

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

【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

入社後は、ご本人の適性や希望に応じて「AI SaaS事業本部」のいずれかのチームに配属されます。 詳細な業務内容 【タスク例】 ・仕様策定・設計: PdMが描いた要件のラフ案をもとに、DB設計・API設計・UI/UXの挙動を具体化し、関係者と合意形成を行う。 ・ドメイン連携: 建設業界特有の複雑な商習慣を理解し、現場で本当に使えるロジックをコードに落とし込む。 ・品質向上: 複雑な仕様に対するテスト設計、リファクタリング、技術的負債の解消提案。 【技術スタック】 ・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 ・AI:Python/NumPy/Pandas/Pytorch/OpenCV 【AI開発支援ツールの導入】 当社では、最新のAI開発支援ツールを実務に組み込み、効率と品質を同時に高めています。 主な活用例は以下の通りです。 ・Devin:自動タスク実行、同時並行実装数を上昇 ・Claude Code:自然言語からの高度なコード提案・改善で、実装スピードを向上、同時並行実装数を上昇 ・v0.dev:高速なUIモックアップ生成で、要件確認を迅速化 ・GitHub Copilot:日常的なコーディング補助で、作業効率を底上げ ・Gemini:Deep Research/Python実行を含む情報検索・解析で、調査や設計の精度を向上 〇開発例 ・建設業特化の生成AI AIコンストシェルジュ「光/Hikari」:建設業特化の生成AIエージェントプロダクト。 ローンチ1年強で400社以上の契約を達成。 ・製造業特化の生成AIエージェント「工/Takumi」:製造業特化の生成AIエージェントプロダクト。 累積データの検索・分析が可能。 ・物流業特化の生成AIエージェント「運/Hakobi」:物流業特化の生成AIエージェントプロダクト。 配送・輸送コストの見直しが可能。 ・卸売・小売業特化の生成AIエージェント「商/Akinai」:小売業特化の生成AIエージェントプロダクト。 仕入れ・販売計画の作成が可能。

主にWebアプリケーションの設計・開発を担当いただき、下記いずれかのプロダクトまたはチームに配属となります。 配属先によってはAIエンジニアと連携しながら、アルゴリズムのサービス実装を行う場合もあります。 ●Digital Billderシリーズ(建設業特化バックオフィス業務DXサービス) 建設業に特化したバックオフィスDXサービス。 Digital Billder見積書・発注・請求書・経費精算の4サービスから構成されるシリーズ。 サービス累計1,000社以上が導入。 LP:https://www.lp.digitalbillder.com/ ●Hikari(建設業特化生成AIサービス) 建設業特化の生成AIサービス。 ローンチ1年強で400社以上の契約を達成。 LP:https://hikari.akariinc.co.jp/ ●チーム Nebula(デジタルツイン領域) 点群・画像データを用いた3Dモデル生成のためのアプリケーション プレス例(道路構造物点検システム):https://prtimes.jp/main/html/rd/p/000000035.000083531.html ●チーム Lyra(自然言語処理・シミュレーション領域) 最新の自然言語処理(LLM)を活用した情報抽出・検索アプリケーション プレス例(建物情報の検索チャットシステム):https://prtimes.jp/main/html/rd/p/000000036.000083531.html 【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 ●AI Python/Numpy/Pandas/Pytorch/OpenCV AI開発支援ツールの導入 当社では、最新のAI開発支援ツールを実務に組み込み、効率と品質を同時に高めています。 主な活用例は以下の通りです。 ●Devin:自動タスク実行、同時並行実装数を上昇 ●Claude Code:自然言語からの高度なコード提案・改善で、実装スピードを向上、同時並行実装数を上昇 ●v0.dev:高速なUIモックアップ生成で、要件確認を迅速化 ●GitHub Copilot:日常的なコーディング補助で、作業効率を底上げ ●Gemini:Deep Research/Python実行を含む情報検索・解析で、調査や設計の精度を向上