年収800万円以上 RAGのITエンジニア求人・転職情報

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

●職務概要 本ポジションでは、データ基盤およびAI活用基盤の構築プロジェクトにおいて、専門性を発揮するスペシャリストとして参画いただきます。主なクライアントは、大手金融機関およびそのグループ会社(HD)であり、日本を代表する企業の基幹データ環境の構築・刷新に関わることができます。 プロジェクトは、企画・構想、設計、実装、基盤の社内展開・普及まで多岐にわたり、上流から下流まで幅広いフェーズでの参画が可能です。これにより、技術的視点だけでなく、戦略的・全社的なデータ活用設計にも携わることができる貴重なポジションです。また、当社のプロジェクトはほぼ全てが直請けであり、エンドクライアントと密に連携しながら、高い裁量と信頼関係のもとで実行できます。 ●プロジェクト体制 2名～6名程度でチーミング ●具体的な業務内容 ・金融機関向けのデータ基盤・AI活用基盤の構築プロジェクトにおけるアーキテクチャ設計および全体推進 ・顧客要件の整理、現行環境の分析、技術選定を含む最適なデータアーキテクチャ設計のリード ・データ基盤構築フェーズにおけるETL設計、データモデリング、ガバナンス方針策定 ・クラウド環境(AWS/GCP/Azure)を活用したDWH・Datalake設計および導入支援 ・Snowflake、Databricksなどの主要基盤技術を活用した設計方針の策定および開発チームへの技術支援 ・AI・データサイエンス領域との連携による分析基盤整備、AIガバナンス・セキュリティ設計の推進 ・複数プロジェクトを横断したアーキテクチャ標準化およびナレッジ共有の促進 ●プロジェクト事例 ・証券会社様におけるデジタルマーケティング基盤の構築支援 ・金融コングロマリット様でのグループ横断データ活用基盤企画推進支援 ・カード会社様・証券会社様・信託銀行・銀行、金融HD様などでのAI人材育成の推進、データ活用CoE組織 ・銀行様におけるAutoMLツールの比較検討、導入支援 ・銀行様における市場分析モデルの開発、運用支援 ・証券会社様におけるAI活用コンサルティング支援開発支援 ・生成AI等を活用した金融事務の効率化、ビジネスプロセス変革 ・生成AI等を活用したレガシーシステムマイグレーション支援 ●業務変更の範囲 (雇入れ直後):IT専門職 (変更の範囲):すべての業務への配置転換あり

【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

日本を代表するエンタープライズ企業を中心としたクライアントに対し、本質的な価値創出に重きを置いたプロジェクトの推進・実行を担当いただきます。機械学習モデルの実装から推論最適化、MLOpsの構築、実運用における保守・改善までを主導いただくスペシャリストとして参画いただくポジションとなります。 ・顧客のビジネス課題に基づいたAIシステムの設計・開発・運用 ・機械学習・深層学習を用いたAIモデル実装、および推論パイプラインの構築・最適化 ・MLOps基盤の構築、およびモデルのデプロイ・監視・継続的な精度改善フローの運用 ・生成AI(LLM等)を含む先端技術の調査・検証、および実務プロジェクトへの実装 ・データサイエンティストと連携したPoCの推進、技術選定・ベストプラクティスの確立 ●参考資料 https://note.com/flux_inc/m/mdcbaafdd8d84 ●業務の変更の範囲 会社の定める業務 ※本人の希望を聞かずに転勤させることはありません。

●担当プロダクト AI時代の組織知基盤「Findy Context」 Findy Contextは、Slack、Microsoft Teams、GitHub、GitLab、Notion、Confluenceなど、企業内のさまざまな場所に存在する情報をつなぎ、意思決定の背景や業務上の文脈を、人とAIが利用できる形で蓄積・提供するプロダクトです。 単に情報を検索しやすくするだけではなく、 ・なぜこの方針が選ばれたのか ・過去にどのような選択肢が検討されたのか ・どのような制約や判断基準が存在するのか ・誰がどのような知識や経験を持っているのか といった、これまで組織内で失われやすかった文脈を扱います。 企業固有の知識や判断の文脈をAIが理解できる状態にし、人とAIが協働して業務、組織、意思決定のあり方そのものを変えていく。 Findy Contextを、日本企業の真のDX/AXを支える基盤へ、そして世界で使われるエンタープライズAIプロダクトへ育てていきます。 ●Mission 日本企業の知を武器に、日本発のエンタープライズAIで世界に勝つ。 このポジションは、顧客の業務、組織、データ環境に深く入り込み、解決すべき課題の特定から、ソリューション設計、プロトタイプ開発、導入、効果検証までをend-to-endで担います。 既存のプロダクトをそのまま導入するだけでも、顧客の要望どおりに個別開発するだけでもありません。 顧客固有の課題を技術によって解決すると同時に、そこで得られた知見や実装を、次の顧客にも利用できるプロダクト、テンプレート、データ連携、導入方法へ還元します。 顧客の現場で組織知をAIが扱える仕組みとして実装し、個社の成功を世界で戦えるプロダクトへ変えることが、このポジションのミッションです。 ●具体的な業務内容 1.顧客課題のディスカバリー ・顧客の経営層、事業部門、開発組織、情報システム部門などと対話し、業務や意思決定の構造を理解する ・顧客から提示された要望だけでなく、その背景にある本質的な課題や情報の流れの詰まりを特定する ・Findy Contextによって解決するユースケースと、成果指標を設計する 2.ソリューション設計・プロトタイプ開発 ・顧客が利用するSlack、Microsoft Teams、GitHub、GitLab、Notion、Confluenceなどのデータ構造を理解する ・API、データ連携、生成AI、検索などを組み合わせ、課題を解決するアーキテクチャを設計する ・必要に応じて自らコードを書き、プロトタイプや検証用機能を短期間で実装する ・顧客のセキュリティ、権限、データ管理上の要件を踏まえて導入方法を設計する 3.導入・価値検証 ・顧客の実際の業務環境へソリューションを導入し、利用者とともに検証を進める ・AIの回答精度だけでなく、業務時間、意思決定、知識共有、利用定着などへの効果を評価する ・不確実な状況でも、仮説構築、実装、検証、改善のサイクルを素早く回す ・PoCで終わらせず、本番利用や他部門展開につながる状態をつくる 4.プロダクトへの還元 ・個社固有の要件と、複数企業に共通する課題を切り分ける ・PdMや開発チームと協働し、案件で得られた知見を共通プロダクトのロードマップへ反映する ・コネクタ、テンプレート、評価方法、導入手順など、次の案件で再利用できる資産を整備する ・顧客数に比例して個別開発が増えない、再現可能な提供モデルを構築する 5.Biz/Dev/CSとの横断連携 ・営業と連携し、商談段階における課題整理、技術提案、導入可能性の評価を行う ・顧客への提案内容や期待値を整理し、適切なPoCや導入計画を設計する ・導入後はCSと連携し、利用定着、効果測定、他部門への展開につなげる ・FDEの業務プロセスや成功基準を設計し、Findy ContextにおけるFDEの役割そのものをつくる ●キャリアパス 1.FDE Lead/Head of FDE 複数の顧客プロジェクトを横断し、FDE組織の採用・育成、導入方法、技術標準、成果創出に責任を持つポジションへ 2.プロダクト・エンジニアリングリーダー 顧客課題と技術の双方に対する理解を活かし、共通プロダクトの戦略と開発をリードするポジションへ 3.事業責任者・事業開発責任者 顧客への価値提供を起点に、GTM、事業KPI、P/L、組織づくりまで含めてFindy Contextの成長に責任を持つポジションへ ※業務の変更の範囲:会社の定める全ての業務

生成AIの能力を最大限に引き出すプロダクト設計・要件定義を行い、ユーザー要求を言語的に解釈・構造化しながら、AIを活用して自律的に開発プロセスを進めていただきます。 【業務範囲】 ・中長期ロードマップ策定から具体アクションの落とし込み、事業グロースまで ・ユーザー課題・要求の把握と構造化 ・AIを活用したプロンプト設計・検証・調整 ・要件定義からAIによるコード生成、GitHub上でのPR作成までの一連の推進(ただし自ら手書きでコードは書かない) ・各種MCP(Model Context Protocol)ツールを活用した効率的な開発フロー構築 ・他職能(AIエンジニア、プロンプト担当、デザイナー等)との連携と仕様策定 ・AI出力結果の品質評価と改善サイクルの運用 ※業務内容の変更範囲:会社の定める業務 【利用するツール】 ・Claude / Claude Code / Cursor　※今後変更になる可能性がございます ・GitHub(AIを介したPR作成) ・GitHub Copilot ・各種MCPツール(codebase search、terminal操作、ファイル管理等) ・Notion / Figma / Slack ・GCP / AWS / Vercel など 【資質(自律性・構造化力・探索性)】 ・自律的に仮説を立てて実行・検証まで自走できる行動力 ・曖昧な要求を言語化し、要件へ落とし込む構造的思考力 ・AI活用という未確立な領域に対して探究心を持ち、カオスを楽しめる柔軟性と胆力 【具体スキル】 ・要件定義・仕様設計に関する実務経験 ・GitHubを用いた開発フロー理解(PR作成・レビューなど。 自らコードを書く必要はありません) ・プロダクト企画・ユーザーストーリー作成の経験 ・データ分析・KPI設計の基礎知識 ・意欲的にAIファーストで新技術を吸収し、従来手法からの柔軟なアンラーニングができる適応力

【概要】 AI を活用した高速な開発ループの中で、Flutter を主軸としつつ、必要に応じてネイティブ層(Swift/Kotlin)も活用し、モバイルアプリの体験設計・実装・品質向上をリードしていただきます。 【業務範囲】 ・Flutter(Dart)によるアプリ設計・実装・CI/CD 構築 ・パフォーマンス最適化(起動時間、描画、Jank、メモリ)と計測の仕組み化 ・ネイティブ機能ブリッジ(BLE、Push、カメラ、位置情報、バックグラウンド処理 等)の設計・実装 ・オフライン対応、状態管理、エラーハンドリングの堅牢化 ・AI/LLM APIを用いたアプリ機能の実装と検証 ・デザインシステム/アクセシビリティの整備と運用 ・ストア配信、リリース運用、クラッシュ解析(Firebase Crashlytics 等) ・AIを活用した開発フロー改善・自動化 ※業務内容の変更範囲:会社の定める業務 【利用するツール】 ・Flutter / Dart ・Swift / Kotlin(必要に応じて) ・Firebase(Crashlytics, Analytics, Remote Config 等)/ Sentry ・GitHub / GitHub Actions / Fastlane ・Claude / Claude Code / Cursor / 各種 MCP ツール※今後変更になる可能性がございます ・Datadog / Sentry / 各種計測基盤 ・AWS / GCP / Vercel 等のバックエンド基盤 【資質(自律性・品質志向・適応性)】 ・AI 協働を前提に、仮説検証を迅速に回す自律性 ・体験品質(滑らかさ、応答性、安定性)への強い執着 ・未確立な領域(AI×モバイル)でも構造化して前進できる柔軟性 【具体スキル】 ・Flutter(Dart)による商用開発と状態管理(Riverpod/Bloc 等)の経験 ・ネイティブ機能ブリッジ(MethodChannel、FFI、プラグイン開発)の実践 ・CI/CD(Fastlane、GitHub Actions)とリリース運用(TestFlight/Play) ・モバイルパフォーマンス計測・最適化(フレームタイム、メモリ、電力) ・クラッシュ解析/ログ収集(Crashlytics、Sentry 等)と MTTR 改善 ・セキュアなストレージ/認証/ネットワーク(TLS/証明書ピンニング 等)の理解 ・API 設計・エラーハンドリング・リトライ/バックオフ制御

【ミッション】 -事業戦略に整合した技術戦略とアーキテクチャの策定・実行 -スケーラブルで信頼性・セキュリティの高いプラットフォームの構築 -AI 協働(生成 AI / MCP)を前提とした開発生産性・品質の最大化 -エンジニアリング組織の体制構築・採用・育成・評価 -技術ガバナンス(セキュリティ/プライバシー/コンプライアンス)の徹底 【概要】 技術戦略の策定から実行・ガバナンスまでを統括し、 将来を見据えたアーキテクチャ設計とAI ファーストな開発標準を確立します。 信頼性・セキュリティ・開発速度のトレードオフを適切に設計し、成果の再現性を高めます。 【業務範囲】 -技術戦略・技術ロードマップの策定と合意形成 -技術選定・アーキテクチャ設計(マイクロサービス/イベント駆動/データ駆動等) -プラットフォーム/SRE/Observability(可用性・パフォーマンス・コスト最適化) -セキュリティ/プライバシー/リスク管理(ゼロトラスト、インシデント対応) -データ/ML 基盤の設計・運用(ストリーミング、Feature Store、Vector DB、RAG 基盤) -開発標準の整備(AI ツール/MCP 活用、CI/CD、テスト自動化、変更管理) -採用・評価・育成/キャリア設計、組織デザインとカルチャー醸成 -重大障害の指揮/問題管理/BCP、外部パートナー連携 【利用するツール】 -GitHub / GitHub Copilot -Claude / Claude Code / Cursor / 各種 MCP ツール -AWS / GCP / Vercel / Kubernetes / Docker / Terraform -Datadog / Cloud Monitoring / OpenTelemetry -Notion / Slack / Figma

【概要】 Go を主軸としたバックエンドと、Next.js または Flutter を用いたフロントエンドの両面を担当し、機能の企画段階から設計・実装・リリースまでを一貫してリードしていただきます。 AI 協働による高速な仮説検証と、プロダクション品質の両立を追求します。 【業務範囲】 ・Go によるバックエンド API の設計・実装・最適化 ・Next.js(React)または Flutter を用いたフロントエンド/モバイルの設計・実装 ・データベース設計・クエリ最適化(RDS、DynamoDB 等) ・プロダクト要件の技術仕様への落とし込みとアーキテクチャ設計 ・AI/LLM APIを活用した機能の設計・実装 ・CI/CD パイプラインの構築・改善 ・パフォーマンス計測・ボトルネック分析・改善 ・AIを活用した開発フロー改善・自動化 ・コードレビュー、設計レビューを通じたチーム全体の技術品質向上 ※業務内容の変更範囲:会社の定める業務 【利用するツール】 ・Go(バックエンド主要言語) ・TypeScript / Next.js / React(Web フロントエンド) ・Dart / Flutter(モバイル/Web) ・PostgreSQL / MySQL / DynamoDB / Redis ・Docker / GitHub Actions ・AWS(ECS、RDS、CloudFront、Lambda、S3 等)/ GCP(一部利用) ・Datadog / Sentry ・Claude / Claude Code / Cursor / 各種 MCP ツール 【資質(自律性・全体最適志向・実装力)】 ・フロントエンドとバックエンドの境界にとらわれず、ユーザー価値を起点に最適な設計判断を下せる全体最適志向 ・AI 協働を前提に、仮説から実装・検証までを高速に回す自律性 ・技術的な深さと幅の両方を持ち、状況に応じて柔軟に使い分けられる適応力 【具体スキル】 ・Go によるバックエンド開発(API 設計、認証、ミドルウェア、並行処理) ・TypeScript / React / Next.js または Dart / Flutter によるフロントエンド開発 ・RDB 設計・SQL チューニング・キャッシュ戦略(Redis 等) ・REST API / GraphQL の設計と実装 ・Docker を用いたコンテナベースの開発・デプロイ ・AWS マネージドサービスを活用したシステム設計 ・パフォーマンス計測・プロファイリング・ボトルネック改善 ・Git/GitHub を用いた協働開発とコードレビュー

●募集概要 データソリューション本部は、データ活用プラットフォームConataを中心に、企業がデータを資産として最大限に活用し、持続的な成長を実現できるソリューションを提供しています。パートナーシップの拡大やクライアントの多様化、データ利活用の高度化に伴い、私たちの事業は急速に進化し続けています。 その中でプロジェクトマネージャー(以下PjM)は、DX推進やデータ整理・活用に課題を感じているクライアントに対し、プロジェクトの遂行に留まらず、データを活用した事業変革パートナーとして、戦略的な視点をもって、プロジェクトのQCDを守り、クライアントのビジネス価値を最大化することが求められます。 さらにPjMの役割は、ビジネス価値提供のみならず、社内外のステークホルダーと連携し、プロジェクトメンバーのエンゲージメントを高く維持しながら、チーム一丸となってデータドリブンな変革を牽引することにあります。テクノロジーとビジネスを繋ぐ架け橋となり、クライアントと共に未来を創り上げるリーダーシップが求められます。 私たちは、データとAIの力を最大限に活用し、企業の意思決定を進化させ、社会全体にインパクトをもたらすプロジェクトを共に推進する仲間を求めています。 データがもたらす新たな可能性を解き放ち、企業と社会の未来を創造する挑戦に、あなたも参加しませんか? ●業務内容 【戦略的なデータ活用の推進とクライアントの変革支援】 ・クライアントの事業課題を深く理解し、データとAIを活用した新たなビジネス価値創出の戦略を描く ・組織横断的な視点を持ち、社内外のステークホルダーと協力しながら、単なるデータ活用に留まらず、経営レベルでの変革を支援 ・会社のビジョン / 戦略を踏まえ、Conata™ を活用した 業界標準となるデータドリブンなソリューションの提供をリード 【複雑で大規模なプロジェクトのマネジメントと成功の牽引】 ・複数の大規模 / 複雑なプロジェクトを横断的にマネジメントし、成果の最大化を図る ・プロジェクトの 計画 / 実行 / 監視 / 改善 の各フェーズを主導し、組織の戦略目標に貢献 ・QCD(品質 / コスト / 納期)管理を徹底 し、プロジェクトのリスクマネジメントを推進 ・技術動向や最新のベストプラクティスを取り入れ、プロジェクトの成功確率を向上 【組織全体に影響を与える意思決定とガバナンス強化】 ・会社のミッション / 目標を深く理解し、事業の成長を加速させるデータ活用戦略の策定・実行を主導 ・組織内のリソース配分を最適化 し、事業価値を最大化するプロジェクト推進を実現 ・経営層や他の部門と連携し、重要な意思決定に対する戦略的な提言を行う ・組織の標準化、プロジェクト管理手法の確立に貢献し、持続可能な成長を支える基盤を構築 【テクノロジーの進化を取り入れたデータドリブンな変革の実践】 ・生成AI、RAG(Retrieval-Augmented Generation)、需要予測、レコメンドエンジンなどの最・最新技術を活用 し、企業のデータ活用を進化させる ・クラウド環境(AWS, GCP, Azure)やデータプラットフォームを活用し、最先端のデータエコシステムの導入を推進 ・プロダクトチーム、エンジニアリングチームと連携し、プロジェクトの技術的な成功要因を確立 【チーム / 組織の成長を牽引し、影響力を拡大】 ・社内外のエンジニア、データコンサルタント、プロダクトチームと連携し、プロジェクト成功のための最適なチームを構築 ・チームメンバーのエンゲージメントを高く維持し、組織全体の生産性と品質を向上させるリーダーシップを発揮 ・業界イベントやフォーラムでの発信を通じて、組織のブランド価値を高める マネージャー、メンバーの採用 / 育成に貢献し、次世代リーダーの育成を推進 従事すべき業務の変更の範囲:なし (参考:プロジェクト例) メンバー構成:PgM / PjM / Data Engineer / Software Engineer + Product開発チーム(PdM以下各メンバー) 【主要な役割】 ・プロジェクトにスクラム開発を適用(2週間のスプリント、バックログ管理にユーザーストーリーを適用) ・顧客からの要望を整理し、解決策を設計、提案 ・Product開発チームとのコミュニケーションをリード ・ドキュメンテーション化および、顧客への適切なタイミングでのレポーティング 【開発環境】 ・開発言語:Java, Python ・フレームワーク:Micronaut Framework, Spring Framework, flask, gRPC, OpenAPI ・モニタリング:Prometheus ・ミドルウェア/インフラ:MySQL, Redis, Docker, Kubernetes, fluentd, Pulsar, bazel, github ・クラウド:AWS, GCP, Azure

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。

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

期待する役割 事業横断での全社AX/DX推進をリードしていただきます。 ●AI活用による事業変革の推進 ・AIを核とした既存事業の再構築、新規事業創出の企画・実行 ●全社横断プロジェクトのリード ・経営層・事業部門・エンジニアを巻き込み、部門横断的なAI活用プロジェクトを推進 ●戦略立案と実行 ・AI活用戦略の策定から、データ基盤構築、AIエージェント導入まで一貫してリード ●業務自律化の実現 ・AIエージェントによる業務プロセスの自動化・自律化を推進し、生産性・実績UPを実現 業務内容 このポジションでは、以下の業務に取り組んでいただきます。 ●AI活用戦略の立案・推進 ・経営層と連携し、AI活用による事業変革戦略を策定 ・既存事業の課題分析とAI活用による解決策の企画・実行 ・全社的なAI活用ロードマップの策定と進捗管理 ●AIエージェントによる業務自律化の推進 ・業務プロセス全体を俯瞰し、AI活用による自律化領域を特定 ・AIエージェントの企画・構築・導入を推進 ・全社AI内製化体制の構築とトレーニング実施 ●AIデータ基盤の設計・構築 ・データモデル設計とアーキテクチャ最適化 ・AIを最大に活かしたデータ連携基盤の構築推進 ・データ統合・クレンジング方針策定 ●データガバナンス・運用体制の構築 ・データ品質管理、セキュリティポリシーの策定 ・アクセス制御、監査ログ管理、バックアップ体制の確立 ・運用マニュアル整備とモニタリング体制の構築 チーム体制 AXDX担当:現在3名(コンサル含む)在籍しています。 AXDX推進PJ:事業含め約30名 ※AXDX担当は、事業メンバーを取りまとめ、推進していく役割を担います。 従事すべき業務の変更の範囲 会社の定める業務

デジタル推進統括本部 クロスドメインプラットフォーム本部 クラウド管理部にて、クラウド環境の最適化、マルチクラウドソリューションの企画・実行をお任せします。 <具体的な業務内容> ①クラウド環境のプラットフォーム最適化(要件定義・設計・構築・運用・テスト) ・既存IaaS・PaaS環境からのクラウドネイティブ化対応 ・サーバーレス/コンテナ/マイクロサービスなどを活用したクラウドネイティブ技術の実装 ②マルチクラウドソリューションの企画・推進 ・AWS/Azure等の強みを活かしたプラットフォーム設計と活用戦略立案 ・グローバル拠点を含めた導入展開・標準化・セキュリティ施策の推進 ③クラウド環境上の生成AI環境構築 ・企業プラットフォームからMCP等を活用したLLM連携の構築・活用検証 ・トラストモデルの検証 ・技術強化部門へPoC環境提供 ④プロジェクト運営 ・グローバルプロジェクトのPM/PL/PMO等の各役割に応じたリード ・プロジェクト進捗管理、課題管理、コスト管理、リスク管理、ステークホルダ管理 等 ・プロジェクト会議アレンジ、ファシリーテート、資料作成 等 <現状推進しているプロジェクト> ・マルチクラウド間データ連携基盤の構築 ・クラウド基盤エンタープライズアーキテクチャのグランドデザイン、標準化 <対象クラウドについて> 日立ハイテクグループを対象にしたクラウド基盤、もしくは日立グループを対象にしたクラウド基盤となります。 ボリュームとしては日立ハイテクグループを対象にしたクラウド基盤が多くを占めており、こちらの基盤構築・管理がメインとなります。 日立グループ全体を対象にしたクラウドを使用する場合は、日立製作所や他グループ会社とも連携をとりながら業務を進めていくため、大規模なプロジェクトの推進経験をすることができ、与えるインパクトが大きくやりがいを感じることができます。 ※業務の変更範囲※ 会社の定める業務 ※転勤:茨城県勝田市、および山口県下松市の工場にデジタル推進統括本部のIT部門があるため、ローテションによる転勤の可能性があります。

概要 シニアプロジェクトマネージャー(以下Sr.PjM)は、DX推進やデータ整理 / 活用に課題を感じているエンタープライズ企業のクライアントに対し、プロジェクトの遂行に留まらず、データを活用した事業変革パートナーとして戦略的な視点をもって、プロジェクトのQCDを守り、クライアントのビジネス価値を最大化することが求められます。 さらにSr.PjMの役割は、ビジネス価値提供のみならず、社内外のステークホルダーと連携し、プロジェクトメンバーのエンゲージメントを高く維持しながら、チーム一丸となってデータドリブンな変革を牽引することにあります。 テクノロジーとビジネスを繋ぐ架け橋となり、クライアントと共に未来を創り上げるリーダーシップが求められます。 私たちは、データとAIの力を最大限に活用し、企業の意思決定を進化させ、社会全体にインパクトをもたらすプロジェクトを共に推進する仲間を求めています。 データがもたらす新たな可能性を解き放ち、企業と社会の未来を創造する挑戦に、あなたも参加しませんか? 【戦略的なデータ活用の推進とクライアントの変革支援(PjMと同じ)】 ・クライアントの事業課題を深く理解し、データとAIを活用した新たなビジネス価値創出の戦略を描く ・ 組織横断的な視点を持ち、社内外のステークホルダーと協力しながら、単なるデータ活用に留まらず、経営レベルでの変革を支援 ・会社のビジョン / 戦略を踏まえ、Conata™ を活用した 業界標準となるデータドリブンなソリューションの提供をリード 【複雑で大規模なプロジェクトのマネジメントと成功の牽引(PjMと同じ)】 ・複数の大規模 / 複雑なプロジェクトを横断的にマネジメントし、成果の最大化を図る ・プロジェクトの 計画 / 実行 / 監視 / 改善 の各フェーズを主導し、組織の戦略目標に貢献 ・QCD(品質・コスト・納期)管理を徹底 し、プロジェクトのリスクマネジメントを推進 ・技術動向や最新のベストプラクティスを取り入れ、プロジェクトの成功確率を向上 【テクノロジーの進化を取り入れたデータドリブンな変革の実践(PjMと同じ)】 ・生成AI、RAG(Retrieval-Augmented Generation)、需要予測、レコメンドエンジンなどの最新技術を活用 し、企業のデータ活用を進化させる ・クラウド環境(AWS, GCP, Azure)やデータプラットフォームを活用し、最先端のデータエコシステムの導入を推進 ・プロダクトチーム、エンジニアリングチームと連携し、プロジェクトの技術的な成功要因を確立 【組織全体に影響を与える意思決定とガバナンス強化(Sr.PjMのみ)】 ・会社のミッション / 目標を深く理解し、事業の成長を加速させるデータ活用戦略の策定 / 実行を主導 ・組織内のリソース配分を最適化 し、事業価値を最大化するプロジェクト推進を実現 ・経営層や他の部門と連携し、重要な意思決定に対する戦略的な提言を行う ・組織の標準化 / プロジェクト管理手法の確立に貢献し、持続可能な成長を支える基盤を構築 【チーム / 組織の成長を牽引し影響力を拡大(Sr.PjMのみ)】 ・社内外のエンジニア、データコンサルタント、プロダクトチームと連携し、プロジェクト成功のための最適なチームを構築 ・チームメンバーのエンゲージメントを高く維持し、組織全体の生産性と品質を向上させるリーダーシップを発揮 ・マネージャー、メンバーの採用 / 育成に貢献し、次世代リーダーの育成を推進 開発環境 ・開発言語:Java, Python ・フレームワーク:Micronaut Framework, Spring Framework, flask, gRPC, OpenAPI ・モニタリング:Prometheus ・ミドルウェア/インフラ:MySQL, Redis, Docker, Kubernetes, fluentd, Pulsar, bazel, github ・クラウド:AWS, GCP, Azure

概要 本ポジションは親会社である大手通信会社やグループ会社内のDX推進やAIを用いたプロジェクトに対し、プロジェクトの遂行に留まらず、データを活用した事業変革パートナーとして戦略的な視点をもって、プロジェクトのQCDを守り、KDDIグループのシナジーの最大化/DX推進の横展開を目指していくポジションです。 さらにPjMの役割は、ビジネス価値提供のみならず、社内外のステークホルダーと連携し、プロジェクトメンバーのエンゲージメントを高く維持しながら、チーム一丸となってデータドリブンな変革を牽引することにあります。 テクノロジーとビジネスを繋ぐ架け橋となり、クライアントと共に未来を創り上げるリーダーシップが求められます。 私たちは、データとAIの力を最大限に活用し、意思決定を進化させ、社会全体にインパクトをもたらすプロジェクトを共に推進する仲間を求めています。 データがもたらす新たな可能性を解き放ち、企業と社会の未来を創造する挑戦に、あなたも参加しませんか? 【戦略的なデータ活用の推進とクライアントの変革支援】 ・クライアントの事業課題を深く理解し、データとAIを活用した新たなビジネス価値創出の戦略を描く ・組織横断的な視点を持ち、社内外のステークホルダーと協力しながら、単なるデータ活用に留まらず、経営レベルでの変革を支援 ・会社のビジョン・戦略を踏まえ、Conata™ を活用した 業界標準となるデータドリブンなソリューションの提供をリード 【複雑で大規模なプロジェクトのマネジメントと成功の牽引】 ・複数の大規模 / 複雑なプロジェクトを横断的にマネジメントし、成果の最大化を図る ・プロジェクトの 計画 / 実行 / 監視 / 改善 の各フェーズを主導し、組織の戦略目標に貢献 ・ QCD(品質・コスト・納期)管理を徹底 し、プロジェクトのリスクマネジメントを推進 ・技術動向や最新のベストプラクティスを取り入れ、プロジェクトの成功確率を向上 【組織全体に影響を与える意思決定とガバナンス強化】 ・会社のミッション / 目標を深く理解し、事業の成長を加速させるデータ活用戦略の策定 / 実行を主導 ・組織内のリソース配分を最適化 し、事業価値を最大化するプロジェクト推進を実現 ・経営層や他の部門と連携し、重要な意思決定に対する戦略的な提言を行う ・組織の標準化、プロジェクト管理手法の確立に貢献し、持続可能な成長を支える基盤を構築 【テクノロジーの進化を取り入れたデータドリブンな変革の実践】 ・生成AI、RAG(Retrieval-Augmented Generation)、需要予測、レコメンドエンジンなどの最新技術を活用 し、企業のデータ活用を進化させる ・クラウド環境(AWS, GCP, Azure)やデータプラットフォームを活用し、最先端のデータエコシステムの導入を推進 ・プロダクトチーム、エンジニアリングチームと連携し、プロジェクトの技術的な成功要因を確立 【チーム / 組織の成長を牽引し、影響力を拡大】 ・社内外のエンジニア、データコンサルタント、プロダクトチームと連携し、プロジェクト成功のための最適なチームを構築 ・チームメンバーのエンゲージメントを高く維持し、組織全体の生産性と品質を向上させるリーダーシップを発揮 ・マネージャー、メンバーの採用 / 育成に貢献し、次世代リーダーの育成を推進 【開発環境】 開発言語:Java, Python フレームワーク:Micronaut Framework, Spring Framework, flask, gRPC, OpenAPI モニタリング:Prometheus ミドルウェア/インフラ:MySQL, Redis, Docker, Kubernetes, fluentd, Pulsar, bazel, github クラウド:AWS, GCP, Azure 【プロジェクトマネジメントツール】 Jira / Confluence / Google Workspace / Miro / Looker Studio / Slack

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

【具体的な業務】 ●プロジェクト担当として ・主要プロジェクトにインフラ担当として参画し、領域全体をリード ・開発チームと初期段階から協働し、アーキテクチャ設計・技術選定・構築方針を検討 ・金融水準のセキュリティ・可用性・運用性を踏まえたクラウドインフラの設計・構築(AWS/Google Cloud等) ・PoCから本番運用まで一貫して担い、IaC・監視・運用設計を整備 ●チーム横断・改善活動として(並行して) ・各プロジェクトで個別に対応している部分のうち、共通化できるものを見極めて仕組みに落とし込む ・クラウドアカウントの払い出しや統制環境の改善、IaCテンプレートやナレッジの整備など、チームで使える土台をつくる ・Claude Code等の生成AIツールを活用し、IaC作成・レビューや定型作業の自動化・ドキュメント整備をチーム全体に広げる 【プロジェクト例】 ・[産業情報検索AIシステム](https://japan-d2.com/projects/industrial-search) ・[そうぞくガイド](https://japan-d2.com/projects/inheritance) ・[EUDクラウドサービス](https://japan-d2.com/projects/eudcloud) ・[三菱UFJ銀行への生成AI×RAGによる「手続検索支援システム」の提供を開始](https://japan-d2.com/news/20250731-001) ・[生成AIを活用した「AI社内手続ナビゲーター(旧称:手続検索支援システム)」利用ユーザーを国内全営業店へ拡大](https://japan-d2.com/news/20260331_001) 【カルチャー】 ・フルフレックス・フルリモート可能な柔軟な働き方 ・職種を超えて協働する文化(開発・インフラ・セキュリティ・データ/AI) ・技術選定はJDDが主導し、クラウドのベストプラクティスに沿った活用をMUFGと対等な立場で提案・実践しています ・AI、クラウドなど先端領域に自由に触れながら実務で成長できる環境 ※SIer・大手IT企業・クラウドサービス事業者・スタートアップなど、様々な経歴を持つメンバーが集まっています。これまでの環境を問わず、裁量を持ってインフラに一気通貫で向き合いたい方に向いている環境です。 【技術スタック】 ●クラウドインフラ・IaC ・Amazon Web Services / Google Cloud / Microsoft Azure(主にEntraやOpenAI) ・Databricks(データ分析基盤で利用) ・Terraform(標準として利用)/ AWS CDK / AWS CloudFormation ●ツール・生成AI ・Slack / GitHub Enterprise Cloud / JIRA / Confluence / Microsoft 365 E5 ・Claude Enterprise(Claude Code)/ ChatGPT(Codex) / Microsoft Copilot など ※変更の範囲 業務:会社の定める業務

●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、テックリードまたはプロジェクトマネージャーを担当していただきます。 ・お客様に付加価値を提供できるよう、最新技術を常にキャッチアップし、自ら進んで技術力・付加価値を社内外へ発信していただきます。 ・ご自身の技術的な専門性を活かし、他のAIエンジニアの指導や育成を行って頂きます。 ●詳細業務 ・AI案件のリーダー(テックリード、プロジェクトマネージャー) ・お客様の課題や要件のヒアリング ・AIソリューションの設計および実装に向けた見積・提案作業 ・FPTのエキスパートと連携した提案・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 ・AIエンジニアチームのリーダー(チーム管理など)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

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

AIで「改善」から「革新」へ!最先端技術で社会を動かすプロジェクトをリードしませんか? AI技術の進化は、あらゆる業界に革新をもたらしています。AMBLでは、その最前線でクライアントのビジネス変革を牽引するAI開発プロジェクトマネージャーを募集しています。 単なる改善に留まらない、真の「革新」を生み出すプロジェクトをまるごと牽引していただきます。トレンドの 生成AI 、 画像AI 、 数理最適化 、 AIエージェント といった最先端技術を駆使し、顧客の抱える複雑な課題をAIで解決に導く、非常にダイナミックな役割です。 具体的には ●プリセールス支援 :営業と共にAI技術の専門家として顧客の課題を深く理解し、最適なソリューションを提案。案件獲得の鍵を握ります。 ●受託PoC・受託案件のプロジェクトマネジメント: 要件定義から設計・開発、テスト、そして納品後のサポートまで、プロジェクトの全工程を統括。スケジュール、品質、コスト、リスクを徹底管理し、プロジェクトを成功に導きます。 ●チームマネジメント: 開発メンバー、営業、そして顧客といった多様なステークホルダーを巻き込み、円滑なコミュニケーションと最適な連携を実現。プロジェクト推進のハブとなり、チームを勝利へ導く司令塔です。 ●顧客との関係構築: 顧客の期待を超える成果を追求し、深い信頼関係を構築。継続的なビジネスチャンスへと繋げます。 ●予算・進捗管理: 限られたリソースの中で最大の成果を生み出すため、予算と進捗を綿密に管理し、常に最適な調整を行います。 組織のミッション AI開発事業部:未来を創造し、社会を動かすAIのプロフェッショナル集団 私たちは、「AIの社会実装を構想・実現する力」と「人を育成する力」をミッションに掲げ、お客様の課題解決とAI活用推進を使命とするAI開発事業部です。めまぐるしく進化するAI領域において、常に最先端を走り続けます。 トレンドの速いAI領域において、 画像解析 、 数理最適化 、 生成AI 、そして AIエージェント といった「使えるAI技術」を常に追求し、社会実装を推進。 20以上の自社サービス開発と300件以上のAIプロジェクト支援実績があります。お客様の課題に合わせたAIソリューション提案から実装、そして内製化支援・教育まで一貫してサポートし、真に活用できるAIを提供します。AIによる効率化、生産性向上、新規ビジネス創出で、社会全体のDXを推進します。 キャリアパス ●専門性の深化と最新技術への挑戦 AI技術の進化は目覚ましく、私たちは常に最先端の技術動向を追い、それを実案件に導入しています。LLMや生成AI、数理最適化など、最新技術を駆使したプロジェクトを通じて、あなたの専門性をさらに深化させることができます。社内外の勉強会や、資格取得支援制度を活用し、常にスキルをアップデートできる環境です。 ●新規事業・サービス開発への参画 あなたのアイデアが、新たなAIソリューションやサービスとして具現化される可能性も大いにあります。顧客のニーズを捉え、AIで社会に新たな価値を生み出す新規事業やサービス開発に、企画段階から参画できるチャンスがあります。 ●組織の中核を担う存在へ AI事業部の拡大に伴い、組織体制も常に進化しています。プロジェクトマネージャーとしての経験を積んだ後は、チームリーダーやマネージャーとして、組織の中核を担い、若手メンバーの育成や組織体制の強化に貢献していただくことも期待しています。

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。 出発点は「1. 捉える」で、経営の構想を売れるサービスに落とし込む「3. 形にする」も同じ比重です。サービスとして最も大切なのは「5. 型にする」です。 【1. 捉える ― 技術トレンドを誰よりも早くキャッチし、自社での実践につなげる】 ・AIエージェント・生成AI・データ基盤の新しい技術・サービス・トピックスを、国内外の情報源から誰よりも早くキャッチし、何が変わるのか、いまの仕組みを置き換えられるのか、判断の軸を整理します。 ・見極めた技術を、立ち上げリーダーとともに自社の情報システム部門・問い合わせ対応などの社内の環境で実践し、効果と課題を確かめます。 ・AIの中核は先端企業の進化に任せ、当社はその周辺のどこで価値を出すか。 その切り分けと、サービスのアーキテクチャを考えます。 【2. けん引する ― 立ち上げリーダーを、技術でリードする】 ・キャッチした情報と判断の軸、実践の結果をチームに広げ、メンバーそれぞれの情報収集を、チームの知見と技術の標準に変えます。 ・立ち上げリーダーの相談相手として、技術の選定・組み合わせ、セキュリティ・権限・運用のしやすさを含めた要となる判断をリードします。 ・相談相手として関わる範囲は、立ち上げリーダー層に絞ります。 メンバーのマネジメントは立ち上げリーダーが担い、顧客先に分かれて働く多数のエンジニアを直接管理することは求めません。 【3. 形にする ― 経営の構想と顧客の課題を、売れるサービスに設計する】 ・経営トップや顧客の構想・要望の意図をくみ取り、誰のどの課題を解くか、どの範囲で、どの順番で出すかを決め、優先順位をつけてエンジニアが動ける単位に落とし込みます。 ・経営トップの構想や新しい提案について、技術と市場の両面から実現性を確かめて優先順位をつけ、「いま何をやるか」を決めて、チームが迷わず進める状態をつくります。 ・価値(工数削減・期間短縮などの効果を数字で示す)、段階別のメニューと対象範囲、成果物、価格と契約の形、収支と体制を設計します。 ・段階ごとの計画と、進めるかどうかの判断の基準を決め、経営層とすり合わせながら進めます。 出発点は技術ではなく顧客の課題で、最新の技術はそれを解く手段として選びます。 【4. 出して磨く ― 自社・既存顧客で試行し、事業として育てる】 ・自社・既存顧客での試行で効果を測り、本格的な提供へ広げるかを経営と判断します。 ・入り口となる提案メニュー(診断・アセスメントなど)、提案書、導入事例、価格表を整え、営業担当と組んで顧客の前に立ち、技術を語れるプリセールスとして提案と最初の提供を担います。 ・提供を始めたあとも、粗利・受注件数・継続率などの指標を追い、顧客の声をサービスに組み込み、メニュー・提供方法・価格を見直し続けます。 【5. 型にする ― 誰が提供しても同じ品質で届けられる状態にする】 ・提供の手順、成果物のテンプレート、規模別の見積りの算定表、品質の基準、AIの仕組みの構築・運用手順を「型」として整え、立ち上げリーダーとともに現場に広げます。 ・案件ごとの学びを型に戻し、提供するたびにサービスが強くなる仕組みをつくります。 【入社後のロードマップ】 【入社〜3ヶ月】 進行中のサービス(AIの利用ルールの運用支援、AIヘルプデスクなど)と経営の構想をつかみ、使っている技術を棚卸しします。 技術の最新の動向を捉え、自社の環境での実践につなげながら、最初に出すサービスの対象・範囲・優先順位を経営層とすり合わせて決めます。 【3〜6ヶ月】 自社・既存顧客で試行し、効果を測ります。 価値・メニュー・価格・提案書を固め、営業担当とともに既存の顧客に提案します。 技術の判断の軸をチームに広げ、立ち上げリーダーの技術の標準をそろえます。 【6ヶ月〜1年】 社外の顧客への提供実績をつくります。 提供の手順・見積り・品質の型を整え、指標を追いながら、メニュー・価格を改善します。 【1年〜】 サービスの責任者(オファリングオーナー)として、サービスとチームを育てていただきます。 技術の先端を取り込み、AI導入の伴走など次のサービスの立ち上げ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」】 【最新の技術を追い続けることが、仕事そのものです】 AIエージェント・データ基盤の領域は、数か月で前提が変わります。 業務の中で情報を集め、見極め続けることが仕事の一部です。 それを楽しめる方には面白く、そうでない方には負担の大きい環境です。 【サービスの形は、これから一緒につくります】 どのサービスを、どの範囲で、どの順番で出すかは、経営と議論しながら具体化している段階です。 決まった計画をなぞる仕事ではなく、経営の構想と市場の動きを踏まえて、目的に立ち返りながら優先順位をつけ、前に進める力が求められます。 【チームのメンバーは、顧客の案件と兼務の人がほとんどです】 運用・ヘルプデスクのエンジニアの多くは、顧客の情報システム部門の現場で日々の業務を担っています。 サービスづくりに関わる時間は、事業の責任者と調整しながら確保します。 【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、試行の段階の提案と最初の提供では、ご自身が技術を語れる立場として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、経営層・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。 【担当していただくサービス】 【サービスの方向性】 情報システム部門の業務を、生成AIを組み込んだ「型のある商品(オファリング)」として届ける(人月の支援からの転換) 【サービスの中身(例)】 ① AIの利用ルールの運用支援:当社のAI活用の知見をもとに、生成AIの利用規程の策定と運用を、実際に動く画面とあわせて提供(顧問・研修へも展開) ② AIヘルプデスク:社内の問い合わせ対応へのAIの組み込み。 対応記録の蓄積と分析、ナレッジ(RAG)・AIエージェントを使った回答の自動化 ③ 情報システム部門の運用の標準メニュー:既存の顧客の業務を棚卸しし、標準メニュー・運用手順・サービスレベル・価格にまとめる 【立ち上げの進め方】 課題の発見 → 対象と提供範囲の絞り込み → 事業計画(価値・価格・収支・体制)→ 型づくり(手順・テンプレート・ツール)→ 自社・既存顧客での試行と効果測定 → 販売開始と改善。 段階ごとに、経営と「進めるか、直すか」を判断しながら進めます。 【いまの進み方】 立ち上げリーダーが自ら手を動かして、サービスの形をつくっています。 自社の情報システム部門・人事の問い合わせ対応と、その記録の蓄積も進めています。 サービスの形は経営と議論しながら具体化している段階で、顧客に出してフィードバックを得るサイクルは、これからつくります。 【一緒に動くメンバー】 サービスの立ち上げリーダー、営業担当、経営層。 必要に応じて、顧客の情報システム部門で運用・ヘルプデスクを担う社内のエンジニア、システム開発のエンジニア ※ どのサービス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。 将来は、AI導入の伴走など、次のサービスの立ち上げにも広げていきます。 【技術環境】 【生成AI】 Microsoft 365 Copilot、Copilot Studio、Azure OpenAI、Dify(LLM/RAG/AIエージェント) 【データ】 Databricks、問い合わせ対応の記録を蓄積・分析するデータ分析基盤 【Microsoft 365】 Microsoft 365、Entra ID、Intune、Exchange Online、SharePoint、Teams 【自動化】 Power Automate、Power Apps、PowerShell 【運用】 ITサービスマネジメント(ITSM)、AIOps 【AI開発ツール】 Cursor、Claude Code ※ 上記にとらわれず、新しい技術・サービスを試し、取り入れることを歓迎します。 従事すべき業務の変更の範囲 →会社の定める業務

●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

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

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

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

・顧客技術対話 顧客のAI推進部門・情報システム部門・技術部門と対等に技術議論を行い、データ基盤・AIシステムの設計合意を主導します。上流フェーズのチームから本番化フェーズへの引き継ぎを技術的に完結させます。 ・チームマネジメント クラウドエンジニア・データエンジニア・AIエンジニア等数名のメンバーの業務設計・進捗管理・品質レビュー・育成を担います。プレイングマネージャーとして自分自身も技術的な主担当を持ちながらチームを率います。 ・AI実装品質の設計監督 データ基盤(スキーマ・ETL・品質管理)・AIアーキテクチャ(品質ゲート・評価基準)・AI駆動開発(コンテキスト設計)の各レイヤーの整合性を担保します。LLMへのコンテキスト不足がドメイン誤り・ハルシネーションを引き起こすリスクを構造的に排除します。 ・顧客内製化支援 外部ベンダー依存から脱却し、顧客組織が自走できる状態を作ることを最終目標として設定します。AI駆動開発ガイドライン・標準プロセスの整備と顧客チームへの移転を担います。 ・実装ノウハウの標準化 案件で確立したアーキテクチャパターン・実装手法・品質基準を汎用テンプレートとして整備し、チーム全体のデリバリー品質と速度の向上に貢献します。 ・AI・データ動向の事業反映 クラウドAIサービス・MLOps・LLMOps・AI駆動開発・フィジカルAI等の最新動向を継続的に把握し、設計判断・顧客提案・チームの技術方針に積極的に組み込みます。 ●仕事についての詳細 この事業領域の公開情報 事業説明 メインサイト(https://www.mamezou.com/services/strategic) note記事(活動報告、インタビュー記事、等)(https://note.com/mamezou_info/m/mb5c4d71c8358)

●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