生成AI・LLMプロダクト開発 RAGのITエンジニア求人・転職情報

【ミッション】 PHR、EMRなどの医療データを活用した疾患特化AIサービスの技術戦略とアーキテクチャ設計をリードする。医療品質、安全性、拡張性を考慮したAI基盤を構築し、ヘルスケア領域のAI活用を推進する。 【主な業務】 医療・健康データを活用したAIサービスについて、技術戦略策定、アーキテクチャ設計、技術選定、AI基盤構築までを一貫してリードする。 【具体的な業務】 ・医療・健康データを活用したAIサービスのアーキテクチャ設計、技術選定 ・LLM、RAG、機械学習モデル、データ基盤を組み合わせたシステム設計 ・AIエンジニア、データサイエンティスト、医療専門家と連携した疾患特化AI開発のリード ・AI品質評価、セキュリティ、ガバナンスを考慮した持続可能なAI基盤の構築

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。

本ポジションの募集組織は、TISIの全社横断型技術組織としてITのあらゆるプロセスにおける生成AIの活用を推進する生成AIイノベーション部です。 生成AI活用によるシステム開発・社内業務の生産性向上をミッションとする組織の中で、現在TISI全社の様々なシステム開発に活用できるAIエージェントを活用した新たな開発基盤・プロセス構築を推進、また社内業務向けにAIチャットサービスを提供しています。 今回、これらAIに関わる取り組みへ参画いただき、全社展開・実システムの改善(生産性向上)までを我々と共に歩んでくれる仲間を募集します。 これまでの開発リード経験・生成AI活用経験を活かして、全社視点での生産性向上に貢献がミッションとなるチャレンジャブルなポジションです。単一の開発プロジェクトのみならず、TISIインテックグループ会社のシステム開発ビジネスや、社内業務など大きな範囲への貢献に挑戦したいと思ってくださる方をお待ちしています。 募集組織では、生成AIを技術軸とした様々な取り組みを並行して推進しております。「AI」技術を軸としたさまざまな活躍フィールドがご提供できます。 ●例1)TISIインテックグループのシステム開発における生成AI活用施策の立案・推進 生成AI/AIエージェントをを活用し、システム開発の生産性を向上させる施策を推進いただきます。生成AI基盤の企画・開発・構築・運用や、AIエージェントの開発などに携わっていただきます。 ●例2)生成AI活用施策の社内外への浸透・推進 生成AIを活用した施策を社内外に発信し、その活用を促進することで効果を最大化する役割を担っていただきます。その過程において、活用実態をデータに基づき分析、次なるアクションの企画の立案・改善計画を立て、推進いただきます。 <キャリアパス> ●エキスパート職 ・全社プロジェクトにおいて、グループ横断型の生成AIによる業務変革施策の企画・推進、全社システム開発/社内システム・業務のあるべき姿の実現に向けた変革推進 ●プロフェッショナル職 ・1年後:特定の生成AI施策の企画・推進リーダー ・5年後:エキスパート職、またはマネジメント職(キャリアプランに応じて方向を検討)

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

【仕事概要】 本ポジションでは、営業領域のLLM新規プロダクトにおいて、PdM・デザイナー・エンジニア・事業メンバーと連携しながら、ディスカバリーからデリバリーまで一気通貫でプロダクト開発に携わっていただきます。 単に仕様通りに開発するのではなく、顧客課題や業務プロセスを深く理解し、「どのようなプロダクト体験であれば営業活動の成果につながるのか」をチームで探索しながら、LLMを活用した機能開発、アーキテクチャ設計、技術品質の向上、開発プロセス改善を推進いただく役割です。 また、開発チームではCursorやClaude Codeなどを活用したAI駆動開発を積極的に推進しています。AIプロダクトを、AIネイティブな開発プロセスで高速に作り、PMF達成と事業成長に直接コミットすることができます。 【業務内容】 ●LLMを活用したコア機能の設計・実装 ・商談データや営業活動データなど、マルチモーダルな情報を活用したプロダクト機能の設計・実装 ・プロンプトエンジニアリング / コンテキストエンジニアリングを含む、LLM活用機能の改善 ・Kotlin / Python / Next.js / TypeScript を用いた継続的な機能開発 ●PMF達成に向けたプロダクト開発 ・PdMや事業メンバーと連携した顧客課題の探索、要求整理、仕様検討 ・ユーザーフィードバックや利用状況を踏まえた改善仮説の立案・実装 ・顧客価値と事業成果につながるプロダクト体験の継続的な磨き込み ●アーキテクチャ設計・技術品質の向上 ・将来のスケールと保守性を見据えたアーキテクチャ設計 ・技術的負債の解消、パフォーマンス改善、セキュリティ・信頼性向上 ・コードレビューや設計レビューを通じた開発品質の向上 ●AI駆動開発・開発生産性の向上 ・Cursor、Claude Code、Geminiなどを活用した開発プロセスの高速化 ・チームの生産性を高めるための自動化、開発フロー改善、ナレッジ共有 ・AIを活用した開発体験・開発組織の進化に向けた取り組み ●外部サービス・データ連携の設計・実装 ・Salesforceなど外部SaaS / API連携の設計・実装 ・顧客環境や業務データを踏まえたプロダクト連携の改善 【開発環境】 ・サーバーサイド 　Kotlin / Python ・フロントエンド 　React / Next.js / TypeScript ・インフラ 　AWS / Terraform / Fargate / ECR ・DB 　Aurora PostgreSQL ・テストツール 　Datadog synthetics / Playwright ・コミュニケーションツール他 　Slack / Gather / Figma / Findy team+ / Notion / diaglams.net / Cursor / Claude Code / Gemini ※業務内容の変更範囲 :会社の定める業務

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

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

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

●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)

【入社後のミッション 】 「顧客の課題解決を技術で牽引し、自律駆動型のモダン開発組織を共創する」 ●お客様に寄り添う上流工程の推進 お客様と丁寧に対話を重ね、業務課題のヒアリングから要件定義、データモデル設計までを一気通貫でリードしていただきます。 ●AIを組み込んだバックエンド設計・実装 PythonやTypeScriptを活用し、生成AIと連携するWebアプリケーションのバックエンドアーキテクチャ設計から実装までをお任せいたします。 ●最適な技術の選定と導入検証 お客様の課題を解決に導くため、LLM(RAG、要約、分類機能など)の導入検証や最適な技術選定に、あなたのご知見をぜひ活かしてください。 ●チームの技術底上げとサポート ご自身の開発にとどまらず、若手メンバーに向けてAIを開発に組み込む際のスタンダードやベストプラクティスをご指導いただき、チーム全体の成長を優しく牽引していただくことを期待しています。 【プロフェッショナルとしての評価基準】 当社は現場に大きな裁量を委ね、エンジニアが自律的に動ける環境を大切にしています。 以下の行動と成果を正当に評価し、年収・上位ポジションで還元します。 ●上流工程からの参画と顧客価値の創出 基本設計以上の段階から参画し、DB設計・クラウドを前提としたアーキテクチャの意思決定に関与。エンジニアならではの視点で、顧客への最適な解決策を提案から実行まで担う(※ご経験に応じて担当工程は調整します)。 ●AI・モダン技術の探求とチームへの還元 最新技術や生成AIツールを実務へ柔軟に取り入れ、自身の生産性にとどまらず、プロジェクト全体の品質・生産性向上に貢献する(生成AIを活用した開発経験は市場でも新たな評価軸となっています)。 ●チームの牽引とメンバーへの技術サポート 自身の開発だけでなく、コードレビューや若手への技術アドバイスを通じ、チーム全体の技術力とモチベーションを底上げする。 [案件事例はこちら](https://saiyo.skywill.jp/jobs/application/) 【開発スタイル】 ●脱・歯車的な働き方 当社の技術支援は、言われたものを作るだけのリソース提供ではありません。開発者主導で顧客と長期伴走し、要件定義やモダン技術・DB設計の選定から深く入り込める環境です。 ●「技術の固定化」を回避 1つのプロダクトや言語に縛られず、多様なWebシステム開発の現場があります。 React+Python等の最新技術でスキルを磨き続けられます。 ●生成AI活用状況とセキュリティ体制 高い技術倫理とガバナンス意識(ガイドライン・利用誓約の整備)のもと、セキュアな環境で安全にAI技術を導入・提案できる体制を整えています。 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

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

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

【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

●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

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。 担当していただくのは、Web系システムやアプリ開発など多岐にわたる開発業務です。 toC/toB両方の領域で、Webアプリケーションや基幹システムの開発を中心にご参画いただきます。 ●具体的な仕事内容 ・詳細設計、実装、テスト、リリース等の開発業務全般 (ご経験に応じて基本設計からお任せします) ・モダンな技術スタックやマルチクラウド(AWS/Azure/GCP)環境でのシステム開発 ・プロジェクト内でのコードレビュー、品質向上のための技術的アプローチ ・将来的な技術選定や生成AI等の最新技術検証への参画(アサインプロジェクトによる) ・後輩メンバーのサポートや業務を通じたチーム貢献 ●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 ●プロジェクト事例 ・システム設計、開発 ・PoC ・SaaSプラットフォーム開発 ・システムクラウド化 ・マイグレーション ・Web、モバイル開発 ・生成AI(LLM)を活用した顧客対応自動化システムの設計、開発 ●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, 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。 選考を通じたご志向性を鑑み、自身の技術力を最も発揮し、成長を加速できる最適なカンパニーへ配属させていただきます。 ●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 開発チームのコアメンバーとして、toC/toB領域、基幹システム、Webアプリケーションなど幅広いプロジェクトにおいて、設計から実装・テスト・リリースまでを行い、高品質なシステムをデリバリーしていただきます。 ゆくゆくは要件定義等の上流工程や、生成AI(LLM)等を用いた最新技術の実装、あるいはチームを牽引するリーダーへとステップアップしていくことが期待されるポジションです。 業務変更の範囲:会社の定める業務の範囲

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。 担当していただくのは、Web系システムやアプリ開発など多岐にわたる開発業務です。 toC/toB両方の領域で、Webアプリケーションや基幹システムの開発を中心にご参画いただきます。 ●具体的な仕事内容 ・詳細設計、実装、テスト、リリース等の開発業務全般 (ご経験に応じて基本設計からお任せします) ・モダンな技術スタックやマルチクラウド(AWS/Azure/GCP)環境でのシステム開発 ・プロジェクト内でのコードレビュー、品質向上のための技術的アプローチ ・将来的な技術選定や生成AI等の最新技術検証への参画(アサインプロジェクトによる) ・後輩メンバーのサポートや業務を通じたチーム貢献 ●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 ●プロジェクト事例 ・システム設計、開発 ・PoC ・SaaSプラットフォーム開発 ・システムクラウド化 ・マイグレーション ・Web、モバイル開発 ・生成AI(LLM)を活用した顧客対応自動化システムの設計、開発 ●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, 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。 選考を通じたご志向性を鑑み、自身の技術力を最も発揮し、成長を加速できる最適なカンパニーへ配属させていただきます。 ●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 開発チームのコアメンバーとして、toC/toB領域、基幹システム、Webアプリケーションなど幅広いプロジェクトにおいて、設計から実装・テスト・リリースまでを行い、高品質なシステムをデリバリーしていただきます。 ゆくゆくは要件定義等の上流工程や、生成AI(LLM)等を用いた最新技術の実装、あるいはチームを牽引するリーダーへとステップアップしていくことが期待されるポジションです。 業務変更の範囲:会社の定める業務の範囲

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。

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

当部門は、生成AI・LLM・AIエージェントを活用し、技術部門の業務変革を促進するAIプラットフォームを企画・開発する組織です。 Difyを中心に、RAG、ベクトルDB、ナレッジDB、MCPなどの技術を組み合わせ、AIエージェントを安全かつ継続的に業務利用できる共通基盤を構築しています。 目指しているのは、システム開発の専門知識を持たない社員でも、ローコード/ノーコードで自らAIエージェントを作成し、業務に活用できる環境です。 プラットフォームの機能開発に加え、各種業務システムとの連携、ナレッジ活用、実行ログやフィードバックを用いた評価・改善の仕組みづくりにも取り組んでいます。 利用部門の課題やニーズを捉えながら、より使いやすく、信頼性が高く、幅広い業務に展開できるプラットフォームへ進化させることが私たちの役割です。 通信ネットワーク運用やITシステム運用など、大規模かつ社会的影響の大きい業務領域を支えるAI基盤の開発を通じて、AI時代の新しい仕事の進め方を広げていく、技術的な挑戦機会の大きな部門です。 【ミッション】 LTMおよび関連LLMを活用したAIエージェント実行プラットフォームシステムを開発し、通信業務・ITシステム運用業務などへの実装を通じて、ネットワーク運用・システム運用の効率化・高度化・自律化を推進することがミッションです。 数年前から開発を進めてきたAIエージェント実行プラットフォームシステムは既に本格始動済ですが、エージェント監視/制御などの付随した機能開発や他システムとの連携の仕組みなどの開発テーマを推進いただきます。 【主な業務】 AIエージェントを動かすプラットフォームとなるシステムの開発と、社内業務への適用推進 【具体的な業務】・Difyを中心としたAI活用プラットフォームの設計/開発 ・ベクトルDBやRAG、ナレッジDBの設計/開発 ・MCPを活用した業務システムとの連携機能の設計/開発 ・評価データ、実行ログ、フィードバックを活用した精度評価/改善の仕組み化 ・AIエージェントや業務アプリケーションの機能改善/高度化 ・社内関係部署と連携した業務課題の整理、要件定義、AI活用推進

本ポジションでは、RAGやMCP環境の構築、マルチモーダルAIを中心に、技術選定から設計・開発まで幅広く担当いただきます。 PoC(技術検証)からリリースまで携わりながら、将来的にはAIソリューション開発の中核メンバーとしてプロジェクトを推進していただくことを期待しています。 【業務内容】 ・RAG環境の設計・構築 ・企業向けAI基盤・ナレッジ活用基盤の開発 ・顧客課題の整理および要件定義 ・システムアーキテクチャの設計 ・プロジェクト推進およびチームリード

【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)

●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