機械学習・データ活用 RAGのITエンジニア求人・転職情報

最先端の生成AI(GPT-4oなどのLLM)を使った開発に挑戦できます。 具体的には、AIと外部システムをつなぐAPI連携や、高性能な検索システム(RAG)、AIエージェントなどのアプリケーション開発に取り組みます。 未経験の分野でも、新しいサービスを生み出すプロジェクトに参加し、エンジニアとして技術・キャリアの幅を大きく広げられる環境です。

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

このポジションのミッション ・LLM/RAGを業務課題に落とし込み、PoC→本番を完走させる ・再現性ある実装パターンをチームの資産にする 業務イメージ ・RAG/LLMを本番運用前提で設計・実装(セキュリティ、監視、性能、障害時の設計) ・ユースケースの要件整理と設計(“何を自動化し、どこを人が見るか”の線引き) ・評価基盤の整備(自動評価、回帰テスト、プロンプト/検索の改善サイクル) ・クラウド上でのアーキ設計・実装(API、データ、権限、コスト最適化) ・チームの型づくり(実装標準、ナレッジ、再利用可能な部品・テンプレ整備) 案件事例はこちら https://saiyo.skywill.jp/jobs/ai/ ※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 仕事の難しさ ・本番運用前提で、セキュリティ・監視・性能・コストのトレードオフ判断が発生します。 ・評価(回帰)を作らないと品質が崩れるため、仕組みとして改善サイクルを回す必要があります。 ・関係者が多く、期待値調整と合意形成がプロジェクトのスピードに直結します。

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。

Agent Harness の設計・実装 エージェント実行エンジン (Graph Runtime / State Machine) の設計・実装 Agent SDK の設計・開発 — 社内エンジニアがエージェントを構築するためのインターフェース セッション管理・チェックポイント・リカバリ機構の実装 ガードレール / ポリシー実行エンジンの構築 — エージェントの行動を制御するルール実行基盤 AI/ML システム統合 モデルルーティング — 複数の LLM プロバイダ / モデルタイプを跨いだ推論リクエストの最適ルーティング コンテキスト管理・メモリ基盤の設計 (長期記憶、ワーキングメモリ、RAG 統合) 推論パイプラインの最適化 (レイテンシ削減、コスト効率化、キャッシュ戦略) Research Engineer と連携した最新研究成果の本番基盤への統合 オーケストレーション・パフォーマンス ワークフローオーケストレーション・キューイングシステムの開発 コスト/性能最適化 (オートスケーリング、キャッシュ、バッチ処理) 推論リクエストのルーティング・ロードバランシング 信頼性・運用 プラットフォーム稼働率 99.9% 以上の維持 インシデント対応・ポストモーテム データアクセス・権限管理基盤の設計 【業務シナリオ例】 ※以下は想定される業務シナリオの例です ● シナリオ 1: エージェント実行エンジンの設計 JAPAN AI STUDIO 上で顧客が構築する AI エージェントの実行基盤を設計。 Graph Runtime を採用し、エージェントの各ステップを DAG (有向非巡回グラフ) として表現。 チェックポイント機構により、長時間タスクの途中失敗からの自動リカバリを実現。 ● シナリオ 2: モデルルーティングの最適化 複数の LLM プロバイダ (OpenAI / Anthropic / Google 等) を跨いで、タスクの種類・コスト・レイテンシに応じた最適なモデルを自動選択するルーティングエンジンを設計。 推論コストを 25% 削減しつつ、タスク成功率を維持。 ● シナリオ 3: ガードレール実行エンジンの構築 金融機関向けエージェントが「投資助言」に該当する回答を生成しないよう、ポリシー実行エンジンを構築。 ルールベース + LLM ベースのハイブリッド判定により、レイテンシを 50ms 以内に抑えつつポリシー準拠率 99.5% を達成。 ●ミッション 「企業の脳」の心臓部を設計する AI エージェントが安全・高速・確実に動作するための Agent Harness — 実行エンジン、オーケストレーション、ガードレール、メモリ、モデルルーティングを設計・実装する。 JAPAN AI STUDIO 上で動く数百のワークフローの制御基盤を、自社で構築する。 ●Agent Harnessとは Agent Harnessは、AIモデルを包み込む制御・実行基盤レイヤーです。 Agent Framework (LangChain等) がエージェントの「構築」を担うのに対し、Agent Harnessはエージェントの「制御・運用」を担います。 ●Backend Engineer 構築対象 : Web API・マイクロサービスの設計・実装 AI/ML との関わり : ML モデルを API 経由で呼び出す 状態管理 : ステートレスなリクエスト / レスポンス 安全性制御 : 認証・認可・入力バリデーション | ガードレール / ポリシー実行エンジン — LLM の出力を制御するルール実行基盤 ●Agent Harness Engineer 構築対象 : LLM を中核としたエージェント実行エンジン・SDK・オーケストレーターの設計・実装 AI/ML との関わり : モデルルーティング、RAG 統合、コンテキスト注入、推論最適化をシステムレベルで設計 状態管理 : エージェントのセッション管理・チェックポイント・長期記憶・ワーキングメモリの設計 安全性制御 : ガードレール / ポリシー実行エンジン — LLM の出力を制御するルール実行基盤 JAPAN AI では、この Agent Harness を自社開発し、全プロダクト (JAPAN AI STUDIO / CHAT / SPEECH / AGENT 等) の共通基盤として運用しています。 ●期待する役割について Agent Harness Engineer として、AI / ML の知識を活かしながらエージェントの制御・実行基盤を設計・実装していただきます。 LLM / AI エージェントの動作原理を深く理解した上で、実行エンジン (Graph Runtime / State Machine) を設計・実装する モデルルーティング、コンテキスト管理、メモリ基盤 (長期記憶・ワーキングメモリ) など、AI 特有のシステム設計を担う 社内 120名のエンジニアが使う Agent SDK を設計・開発する ガードレール / ポリシー実行エンジンを構築し、エージェントの行動を安全に制御する Research Engineer と連携し、最新の研究成果を本番基盤に統合する ●成果責任 (KR/メトリクス) Agent SDK 採用率 (社内チームの利用率・満足度) エージェント実行成功率 (タスク完了率、チェックポイントからのリカバリ成功率) Harness 起因の障害率 (ガードレール突破率、状態不整合率) 実行レイテンシ P95 / P99 (Harness 層のオーバーヘッド) 推論コスト効率 (モデルルーティングによるコスト最適化) 開発者体験スコア (SDK / API の社内 NPS) ●チーム体制 約120名が開発組織に在籍しています。 Agent Harness Engineerは以下のチームを横断して活動します: Infra — クラウドインフラ・SRE Data — データパイプライン・分析基盤 Agent Harness — エージェント実行フレームワーク 密接に連携する役割: Agentic Product Engineer — エージェント機能開発 (SDK のユーザー) Research Engineer — 研究開発・新手法の基盤統合 AI Quality Scientist — 評価パイプラインとの連携 Product Manager — プロダクト設計・非機能要件定義 ●開発環境 言語 : Python, Go (バックエンド・基盤開発) , TypeScript / React / Next.js (フロントエンド部) / NX インフラ : GCP (コンテナ / K8s) , Docker, Terraform メッセージング : Kafka / Pub/Sub 監視 : Prometheus, Grafana, OpenTelemetry ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon) , デュアルモニタ対応

LLM専属のエンジニアとして、弊社のソリューションデザイナ(顧客折衝やプロジェクトマネジメント等を担当)と連携しながら、データ分析、LLMモデルの検証/開発/改善、結果のレポーティング、LLMを用いたシステムの開発等に関わっていただきます。(プロジェクトごとに、リードエンジニアが1名サポートにつきます。) またLLMに関連する最新技術のキャッチアップ、社内への展開、及びマルチエージェントシステムのためのフレームワーク開発などをお任せする予定です。 上記に加え、他プロジェクトのLLMエンジニアのスーパーバイズおよび組織運営にも携わっていただきます。 ●具体的な業務内容 ・LLMを用いたクライアントプロジェクトへの参画、及びソリューションの開発 ・LLMに関連する最新技術のキャッチアップ、社内への展開 ・マルチエージェントシステムのためのフレームワーク開発 ・社内プロジェクトメンバーや顧客への技術的な説明 ・LLMを用いたシステム開発PJにおけるLLMの精度検証・チューニング ・LLMエンジニアが担当するプロジェクトのスーパーバイズ ・エンジニアリング部の組織運営に関わる業務(採用、評価、育成等) ● 業務の変更範囲:なし 弊社はオーダーメイドによるAIモデル「カスタムAI」の開発・提供を行う、AI/機械学習のスペシャリスト集団で、最先端のAI技術とクライアントのビジネスを「つなぐ存在」をミッションとしたスタートアップ企業です。 高い技術力と課題解決能力が評価され、既に大手企業を中心に多くの導入事例とリピート契約があります。 ●カスタムAIソリューション事業とは? 弊社は以下を特徴とするカスタムAIソリューション事業を展開しています。 ・オーダーメイドによるAI開発 　- アカデミア出自の先端の機械学習技術をベースに、ビジネスにジャストフィットする形でAIを受託開発 ・企業のコア業務をAIで変革 　- 画一的なパッケージAでは対応が難しい、ビジネス現場特有の複雑な課題の解決に貢献 また他社との差別化のため、弊社は「バリューアップ型AIテーマ」に注力しています。 ●プロジェクトの開発フロー 弊社では約3ヶ月間という短いサイクルで機械学習モデルやAIに関係するシステムをお客様に提供しています。 顧客折衝は基本的に弊社のソリューションデザイナが行いますが、希望に応じてエンジニアもフロントに立って直接提案したり顧客ニーズを聞いたりすることができます。 ●チーム構成・支援制度 基本的に弊社では1つのPJTに対し、メイン担当としてソリューションデザイナ/エンジニアが1名ずつアサインされます。 またソリューションデザイナ/エンジニアそれぞれを補佐する役割としてSV(スーパーバイザー)がつきます。 一方で大型案件等になりますとPJTの人数は必要に応じて増加します。 ●裁量の大きさについて 弊社はAIコンサルティングの会社としてお客様に”AIソリューションを提供すること”を使命としています。 AIソリューションを提供するためにあらゆることを思案して実行できればと考えているので、提供元のエンジニアは以下のような裁量の大きい環境で自らのプロフェッショナリズムを発揮いただければと考えています。 ・技術者がお客様に対して直接提案をすること ・お客様が設計した問題に対してその問題設計に提言できること ・チームを自ら組閣し案件成功に向けて自ら動くことができること ・会社の承認のもと、必要人員の確保依頼やツールの追加導入について主導、積極的な提案ができること ●技術スタック 使用する技術はプロジェクトにより異なりますが、主に以下の技術スタックを用いて開発を行っています。 ・データ分析全般(NumPy, pandas, Matplotlib, seaborn, plotly, Streamlit) ・機械学習(sckit-learn, statsmodelsm, OPTUNA, SHAP, LightGBM) ・Deep Learning(PyTorch, TensorFlow, Hugging Face, OpenAI, LangChain) ・実験管理(Kedro, mlflow, Kubeflow) ・開発言語(Python, Rust, Javascript) ・インフラ(AWS, Azure, Google Cloud, 社内GCPサーバ) ・開発ツール(Visual Studio, GitHub) ・その他ツール(Slack, Backlog, Cacoo, Google Meet) ●社内活動 エンジニアリング部では以下のような社内活動を通じて技術的成長やエンゲージメント向上を行っています。 ・技術勉強会の開催(数理最適化、強化学習 etc...) ・最新技術勉強会の開催(マルチエージェント etc...) 　- 本勉強会にはソリューションデザイナー、コーポレートも合わせ、社員の約3/4のメンバーが参加しました。 ・チームビルディング施策 　- “チームメンバーを知る企画“として、レーダーチャートの作成/予想、チームのキャッチコピー作成等のワークを実施

ミッション(優先度順) クライアント事業変革の技術的な主体となる クライアント(主に金融・規制産業の大手企業)の現場に深く入り込み、まだプロダクトのない事業・業務領域でも課題を発見・定義し、AI Agentによる解を設計・実装・定着まで一気通貫で担う技術の当事者となること。 AI AgentソリューションのゼロからのPoCおよび社会実装を完遂する プロダクト未整備領域でのAI Agentゼロ設計から本番運用まで、「使われる状態・成果が出る状態」まで確実に持ち込む。概念実証(PoC)で終わらせない。 クライアントとの技術的信頼関係を築き、案件を次フェーズへ拡張する 単なる導入・実装担当ではなく、クライアントの技術パートナーとして機能し、案件スコープの拡大・長期継続につなげる。 FDEとしての知見を組織に還元する クライアント現場で得た課題・解決策・失敗から学んだことを社内ナレッジとして体系化し、後続メンバーの立ち上がりを加速させる。 主な業務内容 [顧客業務のAI Agent化・Platform構築] ・顧客先の業務・意思決定プロセスを理解し、AI Agent で構築できる形に分解・再設計 ・GV の Agent Platform を土台に、顧客固有の AI Agent ソリューションをゼロから設計・実装・本番運用 ・LLM・RAG を活用した業務自動化アーキテクチャの設計(PoC ではなく本番実装) ・予測・最適化モデル(需要予測・LTV最大化・顧客離反予測等)の設計・社会実装 ・運用定着KPIの設定とモニタリング(活用率・業務インパクトの数値化) [顧客への伴走・定着] ・課題定義・要件定義・提案(技術担当者〜経営層まで幅広いオーディエンスへの説明) ・定例MTGのファシリテーション、進捗管理、リスク管理 ・顧客担当者(非エンジニア含む)へのハンズオン・研修設計 ・障害対応・問合せ対応・継続改善の仕組みづくり [セキュリティ・コンプライアンス対応] ・金融機関・規制産業特有のセキュリティ要件(ネットワーク分離、データ保護、監査ログ等)への対応 ・クライアント側のセキュリティ審査・NDA・情報取扱規程への準拠 活用する技術スタック(例) AIエージェント:OpenAI・Claude 等の LLM を用いた設計・実装 言語:Python / TypeScript が中心(実装言語は案件により異なります) クラウド:AWS 等(クラウド種別は顧客環境により異なります) Webアプリケーション開発・運用、クラウドインフラ構築・運用 LLM / RAG を活用した本番システム開発(PoC ではなく本番実装) ※実際の技術構成は案件特性により異なり、入場後に最適な技術選定を行います。 チーム構成 FDEは、案件ごとに4〜5名程度のチームを組成して対応します。案件の特性・フェーズに応じて最適なメンバーでチームを編成し、課題定義から AI Agent の設計・実装・定着までをチーム一体で担います。

●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。

●業務概要 ・データ・AIに関するスキルを持って、生成AIや画像AI、予測AIなどのAI案件に従事していただき、AIソリューションの開発をしていただきます。 ・AI開発のご経験がない方は、スキルのキャッチアップからしていただきます(Python経験者前提)。 ●詳細業務 ・アルゴリズム開発やAIモデルのチューニング、周辺開発(例:データ加工やパイプラインの開発、RAG、など) ・FPTのエキスパートと連携したデリバリー ・FPTのグローバルチームや提携機関・パートナーなどと連携し新たなサービス・ソリューション検討 ・社内外へ向けたケイパビリティのプロモーション・アセット蓄積 ・最新技術のリサーチやソリューション検討(ハンズオン含む) など ●主なクライアント ・国内の金融業、製造業、流通業、等々多岐にわたる大手企業がクライアントです。 ・大手飲料メーカー、大手通信キャリア、大手自動車会社、大手電力会社、大手保険会社、大手信託銀行、大手航空会社、大手家電メーカー 等

●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

VP of Data & AIの大野/Kevin直下で、以下のエンジニアリング業務をリードしていただきます。 【具体的な業務内容】 ●データ基盤の構築やデータマネジメントの仕組みづくり ●セキュアなAI基盤設計・運用 ・高セキュリティ基準下でのサンドボックス環境やガバナンス機能実装 ・AIの評価基盤や、Gateway機能の設計・構築 ●LLMオーケストレーションとMCP実装 ・社内SaaS・DB・ドキュメントをMCP経由でLLMへ提供 ・社内ツールとAIエージェントの統合、業務特化型AIエージェントのワークフロー設計・評価パイプライン構築 【配属先】 「AI+チーム」 CTO直下の独立したチームです。 少数精鋭で、グループ全体の技術スタックを横断的にハックし、全社員の生産性を「10倍」に引き上げることをミッションとします。 【技術スタック】 Python、dbt、Airflow、Snowflake、Terraform、AWS、Google Cloud、Azure、OpenAI

「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!

【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

●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

ご経験や適性に応じて、以下の「開発・構築案件」および「リード・推進案件」をお任せします。 開発・構築案件 AI活用・データ活用のための基盤設計・開発(データ統合・自動化・可視化) ・将来的なLLM・生成AI(RAG等)活用を見据えた先進的なAI-Ready基盤構築 ・社内データ・外部ナレッジのベクトル化パイプラインの構築 ・RAG(Retrieval-Augmented Generation)向けの高精度な検索基盤の整備 ・非構造化データ(PDF・画像・ログ等)のマルチモーダル前処理パイプラインの開発 ・データパイプラインの構築、業務プロセスの自動化、およびデータ可視化・分析環境の整備 ・DatabricksやSnowflake等を用いたデータレイクハウス・DWH/DMの全体設計およびデータ活用基盤の最適化 ・ETL/ELTパイプライン(dbtやAirflow等)によるデータ収集・加工処理の自動化およびBIツール連携 ・データガバナンス・品質向上のためのデータカタログ整備(Atlan, Alation等) データマイグレーションおよびハイブリッド環境構築 ・基幹オンプレミス環境からクラウド(AWS/Google Cloud/Azure)環境、またはハイブリッド環境へのデータシステムの大規模マイグレーション設計・構築 リード・推進案件 上流工程の牽引・技術リード ・クライアントへの技術提案、要件定義、仕様策定、およびプロジェクトマネジメント(PL/PMサポート、または兼務による推進) ・技術的な視点からの意思決定支援、メンバーへのアーキテクチャ指導 使用ツール・開発環境 ・ クラウド環境 : AWS / Google Cloud / Azure ・ オンプレミス / ハイブリッド環境 : 各種基幹データベース(Oracle Database / SQL Server / PostgreSQL等) ・ データプラットフォーム・ツール : Snowflake / Databricks / ベクトルDB(Pinecone / Milvus / pgvector等) / データパイプライン構築ツール(dbt / Apache Airflow / Fivetran等) ・開発言語 : SQL, Python ※技術スキルについては、十分な実務経験をお持ちであれば、記載されている技術・ツールを網羅している必要はありません。

●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

●ミッション・役割 グループ全体の生産性向上・業務変革を、DXの企画から実装・運用まで一貫して推進します。 生成AI・各種SaaS・API連携を活用し、グループ各社の業務支援ツール・業務アプリケーションの開発を業務改善・標準化によって生産性向上を目的に推進します。 アプリケーション開発の規模によって外部ベンダーに依頼する前段のPOCや、情報提供依頼用やユーザ確認用のアプリケーションイメージを自ら内製開発し、スピードとコストの両面からDXを加速する。 ●具体的なミッションとしては以下を想定しています。 ・業務課題の解決と可視化 現場の業務課題を仕組みに落とし込み、意思決定に使えるダッシュボード等を実現する ・全社最適の実現 単なるツール開発・運用にとどまらず、「どの業務を、どう変えるべきか」を構想し、関係者を巻き込みながら推進する 将来的には、経験や適性に応じて企画・要件定義・導入推進・運用改善など以下の様な上流工程も担って頂くことを想定しています。 ・各部門へのヒアリングを通じた業務整理、課題抽出、要件定義、運用設計 ・業務効率化・品質向上を目的としたDX施策・AI活用施策の企画立案 ・業務部門や関係者と連携した導入推進・定着支援 担当する業務内容 ・DX施策の企画立案(業務課題の抽出、優先順位づけ、施策設計) ・生成AIを活用した業務支援ツール・分析機能・業務アプリケーションの設計・開発 ・API連携、スクリプト開発、SaaS活用による業務自動化・システム連携の設計・実装 ・データの収集・加工・分析・可視化、ダッシュボードの構築 ・POCの企画・開発・検証、RFI用等のアプリケーションイメージの内製 ・基幹システムなど社内システムの自動化 ・導入後の保守・運用改善・活用促進

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

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

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。

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

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

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

●現状の課題/今後取り組みたいこと freee のデータ活用は長らくデータ分析が主軸でした。 しかし生成 AI の台頭により、データを資源とした活用ニーズは多様化・複雑化し、マルチプロダクト戦略のもとプロダクトを横断したデータ活用ニーズも急増しています。 私たちは 「AI Ready の正体はデータマネジメントである」 と考えています。 AI Ready とは、LLM に収まるコンテクストかつ解釈可能なレベルまで、高品質なデータが構造化・管理されている状態を指します。 これは AI 技術だけの問題ではなく、データマネジメントそのものの問題です。 freee は現在、ハブ・アンド・スポーク型のデータメッシュ(Provider / Hub / Consumer)への変革期にあり、メダリオン 2.0(Bronze / Silver / Gold + Platinum)を共通言語に、全社プロジェクトを同時並行で推進しています。 本ポジションは、その中でも 「データを人とエージェントに届ける最終区間(ラストワンマイル)」 を担い、以下を推進します。 ・指標・ディメンションの一元管理とガバナンス LookML、BigQuery、dbtを用いて定義の一元化と変更管理を行う。 ・AI向けコンテキストの構造化 エージェントが参照可能なビジネス用語やメタデータを「AI-ready」な状態に整備する。 ・リモートMCPの設計・運用 社内外のAIクライアントに対し、セマンティックレイヤーやコンテキスト基盤を開放する仕組みを構築する。 ・回答品質の評価と改善サイクルの確立 正答率や解決率をロギングし、それを起点とした継続的な改善を行う。 ・評価駆動開発へのシフト 評価駆動開発への移行が進み、品質改善が人手の勘ではなくデータ(評価)で回るようになっている ・データプロダクトマネジメント 部門からの要望をインテークし、優先度付けや「作らない」判断を含めた製品マネジメントを担う。 ●業務内容詳細 freee の全社員が、エージェントとの対話だけで信頼できるデータに到達できる状態をつくる。 セマンティックレイヤーとコンテキスト基盤をユーザー需要から逆算して設計し、その回答品質をロギング・評価で計測しながら、分析エージェントとして届けきる。 具体的には以下を担っていただきます。 ・セマンティックレイヤー / コンテキスト基盤の整備 ・分析エージェント / リモートMCPの開発・運用 ・ ロギング・評価基盤の設計・運用 ・データプロダクトマネジメント ・ファシリテーション / 全社への浸透 ※会社の事業状況やご本人の適性に応じて担当する業務内容が変更となる場合があります 業務内容の変更範囲:会社の事業状況やご本人の適性に応じて担当する業務内容が変更となる場合があります

- 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

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

私たちのチームの使命は、お客様に最高のサービスを届けるfreee自らを「世界で最も生産性が高く、最先端な組織」に進化させ続けることです。AIの進化が企業の在り方を根本から変えようとしている今、私たちはその変化を自ら作り出す側として社会をリードします。AIを単なる「ツール」ではなく、経営と業務の「核」に据える。2,000人以上の規模の組織がAIによって爆速化する、その基盤をゼロから構想し、実装する。そんな、歴史の転換点を自らの手で創り出す挑戦をしませんか? ●現状の課題/今後取り組みたいこと ・freeeでは、全社員が「マジ価値(本質的価値)」を届け切ることに集中できるよう、理想の業務環境を追求しています。 ・現在、私たちが目指しているのは、「AIネイティブな業務環境」の実現と継続的な進化です。 -全社横断的なRAG(検索拡張生成)の構築 -自律的に業務を遂行するAIエージェントプラットフォームの導入 -AIの精度を最大化するためのデータパイプラインとルールの再整備 ・今期よりAI開発体制を大幅に強化し、freeeの経営そのものにAIを組み込んでいくフェーズに突入します。 ・この壮大なビジョンを共に描き、技術で牽引してくれるリーダー・マネージャー候補を求めています。 ●業務内容詳細 ・単なる開発にとどまらず、技術選定から組織への実装まで、広範なプロデュース・価値創出をお任せします。 ・AIネイティブな業務体験の設計: n8nなどを活用し、従業員のワークフローをAI前提で再定義し、実装する ・技術選定とアーキテクチャ設計: LLM等の最新ソリューションの選定、社内導入 ・データ基盤の高度化: RAGの構築、セマンティックレイヤーの設計、データパイプラインの整備 ・LLM Opsの確立: 継続的に精度を向上させ、安全に運用するための仕組みづくり ・(マネージャー候補として) AI戦略の策定、チームビルディング、プロジェクトマネジメント 業務内容の変更範囲:会社の事業状況やご本人の適性に応じて担当する業務内容が変更となる場合があります

freeeにはいままでプロダクト開発組織のAI活用を推進する「AI駆動開発チーム」が存在していましたが、それらの役割に加えて全社の業務プロセスを改善するための基盤構築とEnablingを担う「AI Platform Engineering」チームを新設しました。 本ポジションは、単なる社内ツール導入に留まりません。社内に散在する膨大なデータ（BigQuery、Slack、Confluence、Google Drive等）をAIが理解可能な「コンテキスト」として整備し、全社員が安全かつ自律的にAI Agentやワークフローを構築できる「AIプラットフォーム」のエンジニアリングを担当します。 また、基盤構築だけでなく、導入支援も行います。業務プロセスの可視化・ドメイン知識の言語化から現場向けハンズオン・ショーケースを通じた成功事例の横展開まで、グローバル最先端の技術情報を収集・検証しながら、freeeの生産性と創造性を非連続的に向上させる中心メンバーを募集します。 ●現状の課題/今後取り組みたいこと freeeでは現在、Gemini や NotebookLM、自社のLLM基盤、各種コーディングエージェントなどを日々の業務に標準的に取り入れています。さらに「全社AI特区」として、希望者が最新AIツールを業務で試せる環境を提供しており、ChatGPT や Comet、n8n 等の活用が進んでいます。しかし、以下の課題によりAI活用の「天井」が存在します 1.コンテキストの分断 : 社内データ（議事録、ドキュメント、顧客データ）が各SaaSに分散し、AIに十分なコンテキストを提供できていません。現場のドメイン知識や業務プロセスが暗黙知のまま残り、AI Agentやワークフローに組み込める構造化された形で言語化できていない領域が多く存在します。 2.AIツール活用の障壁：エンジニア以外のメンバーが業務自動化やAIエージェント構築を試みても、API連携や認証、データ接続のハードルが高く、AIの能力を十分に発揮させるにはエンジニアのサポートが必要な状況です。 3.ガバナンスとスピードの両立 : 法令やセキュリティ、ガバナンスを守りつつ、最新のAIモデルやツールを即座に現場へ届けるシステム・運用体制が未完成です。 今後取り組みたいことは、「AIが力を発揮できる環境づくり」です。社内に分散したデータや知識をAIに届ける基盤を構築し、n8n等のノーコード/ローコードツールと連携させることで、全社員が自分の業務をAIと共に再発明できる環境を実現したいと考えています。 ●業務内容詳細 CAIO組織直下の「AI Platform Engineering」チームにて、以下の業務を担当します。 プラットフォーム構築 ・社内AIワークフロー基盤（n8n）の運用・提供・Enterprise化：セルフホスト環境の構築、スケーラビリティの確保、カスタムノードの開発 ・「コンテキスト基盤」の設計・開発 : BigQuery、Vector DB等を活用し、社内ドキュメントやデータをRAG / MCP経由でAIに提供するパイプラインの構築 ガバナンス・セキュリティ・コスト ・社内データへのアクセス権限管理（認証・認可）とAIツールの連携実装 ・シャドーITを防ぎつつ、最新ツール（Cursor, Devin, Gemini App等）を安全に利用するための技術的ガードレールや利用ガイドラインの策定 ・導入効果やROIを可視化しつつ、長期的な持続可能性を意識したコスト最適化の実現 Enabling・横展開 ・各部門のヒアリングを通じた業務プロセスの可視化、ドメイン知識の言語化、およびプロンプト・ワークフロー・Agent Skills・A2Aへの落とし込み ・AI活用のショーケース案件のリード（ユースケース選定、要件定義、実装、効果検証）と、その成果の横展開・標準テンプレート化 ・社内メンバー向けハンズオン、勉強会、ドキュメント・教材整備を通じたAIリテラシー向上と自走支援 ・グローバル最先端のAI技術・ツール・ベストプラクティスの調査・検証・社内共有 業務内容の変更範囲：会社の事業状況やご本人の適性に応じて担当する業務内容が変更となる場合があります