土日祝日休み MLOpsのITエンジニア求人・転職情報

マッチング領域やTrust & Safety領域などにおけるAI/ML機能のプロダクト実装・評価・改善は、主にデータサイエンティストやプロダクトAI/MLエンジニア、ソフトウェアエンジニアが担います。本ポジションでは、それらのAI/ML機能がプロダクト上で安全かつ継続的に価値提供できるよう、社内のML/LLM基盤、推論基盤、開発・運用環境、標準パターンを設計・開発・運用していただきます。 ML基盤を、社内のAI/ML活用を支える重要な技術基盤であると同時に、データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが安全かつ再現性高くAI/MLを本番活用するためのプラットフォームとして捉え、標準化・セルフサービス化・Developer Experienceの向上にも取り組んでいただきます。 ●機械学習の学習・評価・予測・デプロイ・監視を効率的に実現するためのML基盤の設計・開発・保守・運用 ・機械学習APIサーバー、オンライン推論基盤、バッチ推論基盤の設計・開発・運用 ・機械学習システムのためのデータパイプライン、特徴量管理、Feature Store等の設計・開発・運用 ・機械学習ワークフロー、実験管理、モデル管理、評価・検証プロセスの設計・開発・運用 ・ML関連の開発業務を効率化する社内ライブラリ、テンプレート、サンプル実装、開発環境の整備 ●プロダクトAI/MLエンジニアやデータサイエンティストが、AI/ML機能を本番環境で安全に実装・運用するためのProduction Readinessの整備 ・モデル精度、データ品質、ドリフト、レイテンシー、エラー率、コストなどの監視・可視化の仕組みづくり ・モデル更新、ロールバック、障害対応、インシデント対応、Runbook整備などの運用標準化 ・個別プロダクト機能の要件を踏まえた、基盤側の非機能要件・運用要件・責務分界の整理 ●生成AI/LLMを複数チームで安全に活用するためのLLMOps基盤・AIガバナンスの設計・開発・運用 ・プロンプト管理、評価データセット、出力品質評価、LLM as a Judge、リグレッションテスト等の共通基盤づくり ・LLMアプリケーションの監視、コスト管理、Fallback、ガードレール、セキュリティ・利用ポリシー整備 ・個別ユースケース実装を担うチームが、安全に生成AI/LLMを利用するためのルール・テンプレート・レビュー観点の整備 ●データサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニアが迷わずAI/ML機能を開発・運用できるゴールデンパスの整備 ・CI/CD、IaC、コンテナ、クラウド、権限管理、Secret管理、監査ログ等を組み込んだ標準パターンの設計・運用 ・テンプレート、ドキュメント、チェックリスト、オンボーディング資料、開発者向けガードレールの整備 ・個別案件から共通パターンを抽出し、セルフサービス化・自動化・再利用可能な形へ昇華 ●上記を実現するための非機能要件・運用品質の継続的な改善 ・IaCによるインフラ構築・管理 ・CI/CDによるテスト・デプロイ自動化 ・サービス監視、ログ、メトリクス、トレース、アラートの設計・運用 ・パフォーマンス、可用性・信頼性、セキュリティ、コスト効率を考慮した設計・実装および継続的な改善 ●社内のデータサイエンティスト、プロダクトAI/MLエンジニア、ソフトウェアエンジニア等への教育・スキルトランスファー、技術支援 ●ML/LLM基盤活用戦略の作成・推進、全社的なAI/ML活用の環境整備・啓蒙活動 技術スタック(主要な部分の抜粋) ●クラウド ・Google Cloud ●開発言語 ・Python ●データ基盤 ・BigQuery / Fivetran / dbt Cloud ●ML / LLM基盤 ・Vertex AI / MLflow / LiteLLM / Datadog LLM Observability ●BIツール ・Looker / Looker Studio ●IaC ・Terraform ●開発環境・ツール ・Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc 扱っているデータ ・アプリユーザーのアクセスログ、募集内容に関する情報 ・マッチングに関する情報 ・レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ ・問い合わせに関するデータ ・営業活動情報のデータ 上記のようなデータを扱っております。

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

AIコンサルタント/AIテックリードとして、AIモデルの設計・開発・改善を中心に、プロジェクトの技術面をリードしていただきます。 入社後はデータ分析・モデル開発を中心に担当しつつ、徐々に設計や技術方針の検討にも関わっていただきます。 将来的には、AI開発プロジェクトにおけるコンサルタント/テックリードとして、チームを牽引する役割を期待しています。 ●AI/機械学習モデルの設計・開発・改善 ●データ収集・前処理・分析 ●Pythonを用いたAI実装・テスト ●モデル評価および精度改善 ●技術調査・新技術検証 ●エンジニアメンバーの技術サポート

業務内容 完成車メーカーの開発部門にて、以下の業務を担当いただきます。 ●ECUソフト開発業務の自動化 ・ECUソフト開発業務の効率化・自動化 → ビルド、テスト、リリース工程の自動化 ・GitHubのコード管理の即時実行とClaude連携による解析効率化 → 差分解析、影響範囲推定、レビュー支援 ・GitHub IssueのAI活用まとめとJIRA起票の自動化 → 課題管理の自動化、トレーサビリティ強化 ●開発効率化・CAE代替化 ・開発効率化に向けた自動化・AI導入 ・データ管理(構造化、モデル設計、収集基盤構築) **CAE代替化技術(Surrogate/Meta-model)**の構築・運用 → 衝突・流体などの大規模シミュレーションを高速化する3Dサロゲートモデルの設計・評価 ●シミュレーション最適化 × LLM/生成AI ・シミュレーションによる最適化とLLM/生成AIを組み合わせたエージェント技術構築・運用展開 → Copilot Studio連携によるパラメータ探索、感度解析、レポート自動生成 ・モデル入出力仕様の標準化、プロンプト設計、ワークフロー自動化(CI/CD連携) ●データプラットフォーム運用 ・Amannectシステムの運用業務 → データ管理、運用ルール整備、問い合わせ対応

● 募集ポジション pocから本開発(システムの本番導入)まで手がける案件の増加により、開発エンジニアリングチームを拡大しています。 弊社のソリューションデザイナや機械学習エンジニア、及び外部の協力会社と連携しながら、機械学習を用いたシステム/サービス開発を推進して頂きます。 具体的には、poc後の本番導入に向けて、機械学習システムの要件定義から設計・開発・テスト・運用までの一貫したフェーズをご担当いただきます。 <具体的な業務内容> ・機械学習を用いたシステム/サービス開発の参画 機械学習エンジニアが実装したモデルをシステム上に載せるというイメージです。 入社時点で機械学習に関する知識が少なくても、入社後にキャッチアップして頂けます。 ●業務の変更範囲:なし ーーーーーーーーーーーーーーーー 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。 ・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

●募集ポジション pocから本開発(システムの本番導入)まで手がける案件の増加により、開発エンジニアリングチームを拡大しています。 弊社のソリューションデザイナや機械学習エンジニア、及び外部の協力会社と連携しながら、機械学習を用いたシステム/サービス開発を推進して頂きます。 具体的には、poc後の本番導入に向けて、機械学習システムの要件定義から設計・開発・テスト・運用までの一貫したフェーズをご担当いただきます。 <具体的な業務内容> ・機械学習を用いたシステム/サービス開発の参画 機械学習エンジニアが実装したモデルをシステム上に載せるというイメージです。 入社時点で機械学習に関する知識が少なくても、入社後にキャッチアップして頂けます。 ーーーーーーーーーーーーーーーー 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。 ・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

担当プロジェクトのメインエンジニアとして、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、モデル開発/改善、結果のレポーティング等を実施していただきます。 また、それに加え、他プロジェクトの機械学習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> ・ディープラーニング等の機械学習技術を用いたソリューションの開発(機械学習エンジニアと同様) ・プロジェクト提案段階での技術観点からの評価やアドバイス ・機械学習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) ●このような想いを実現されたい方にご応募いただきたいです。 1.機械学習を用いた社会実装、産業実装を自分の手で担いたい方 弊社が担当する案件は社会や産業そのものに影響を与えるものが中心です。 技術はあくまでツールとして捉え、ソリューションを提供することを主眼に置いていることを重要視する集団です。 2.自身が担当している案件がPoCのみで終わることや実際に世に出て行かないことに不安を感じる方 弊社の案件継続率は70%と他社と比較して比較的高いと自負しています。 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 ●キャリアパスについて 右記のような流れでキャリアを歩んでいただく想定です。(スタッフ→リーダー→マネージャー→部長) 一方で弊社のエンジニア組織は50名未満とまだまだ成長の余地しかなく、キャリアパスは完全に決まりきっているの部分は少ないです。 今後もキャリアパスは社員の想いや組織の成長段階によって変化し続けると認識しています。 そのため「キャリアは自ら切り開きたい」と思える方にご参画いただきたいですし、弊社としてはその様な想いを支えられる組織として存在できればと考えております。 ●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) ●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 ● 業務の変更範囲:なし

三菱UFJ銀行を中心にMUFG各社と連携し、AI技術を活用した業務の効率化・高度化を実現するプロジェクトにおいて、機械学習モデルの開発および実装、保守をしていただきます。 具体的には以下のような業務があります。 ・MUFGにおけるビジネス課題解決のための機械学習モデルの開発 ・機械学習モデルとその周辺機能の実装 ・AIに関する最新技術の調査・研究 ＜プロジェクト例＞ ・市場動向分析モデルの構築 ・市場部門のフロント部署のための機械学習ツール開発 ・オルタナティブデータを用いた与信モデルの構築 ・ビジネスマッチングのマッチングアルゴリズムの開発 ＜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。

freeeにおけるAIラボのミッションは、機械学習や統計処理を用いてユーザーに本質的価値（マジ価値）を届けきる事です。「ルーチンワークを自動化して経営状況をリアルタイムにモニタリングする」、「データドリブンな意思決定と経営のアクションをサポートする」など、freeeが提供するサービスにとって必要不可欠なコア技術を一から考えて実現し、継続的な進化を支えています。 本ポジションでは、従来の機械学習技術に加え、LLM, AI Agentを活用したプロダクトへの新しい価値提供や、AI時代のデータストアをリードするエンジニアとして、LLM, AIAgent領域の開発および評価を牽引していただきます。 ●業務内容詳細 freeeの全サービスにまたがる機械学習技術を活用したプロダクト開発、および新規技術分野の研究・調査をお任せします。 ・LLM, AI Agent関連の評価・開発（メインミッション） ・LLMやAI Agentを活用した新規プロダクトの企画・開発、およびモデルやエージェントの精度評価・検証・改善。 ・全社向けに、LLMを活用した業務効率化基盤の構築と運用、プロダクトへのLLM組み込み基盤の構築。 ・機械学習モデルの評価・開発 ・画像認識（OCR）、異常検知などのアルゴリズム開発。 ・MLOps / データ処理パイプライン ・プロダクトの継続運用、効率的な開発を支援するデータ処理パイプライン・学習・評価基盤の構築。 ・継続的改善の為のモニタリングパイプラインの構築と運用。 ●開発環境 AIラボでは、サービスの企画段階から実際の運用に至るまで、ワンチームで行っているという特徴があります。刻々と変化する業界トレンドに合わせて環境も柔軟にアップデートしています。 開発言語: Python（マイクロサービス・開発環境）、Ruby on Rails, Go（アプリケーション） 開発リソース: EKS上のJupyter notebook server on Kubeflow, コンテナ内部で開発, Visual Studio Code Remote MLライブラリ: TensorFlow, PyTorch, scikit-learn, その他状況に応じて選定 フレームワーク: vLLM, strands agent sdk 運用環境: EKS with GitOps CI/CD: Github Actions, Argo CD その他: Datadog, Slack, GitHub, MLFlow, Argo workflows, dbt, langfuse, Looker, Claude Code, terraform etc 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

●お任せする業務 まずお任せしたいのは、テレシーのビジネスプロデューサーが顧客に向き合う時間を最大化するための、社内AIエージェント基盤の設計・開発・運用です。 AIエージェント基盤の設計・開発・運用 : LLMプラットフォーム(Bedrock, Vertex AI等)やエージェント基盤(LangGraph, CrewAI等)を活用したシステムの構築 評価・改善サイクルの設計 : AIエージェントの応答品質を測る評価指標、テストデータ、改善プロセスの策定 運用基盤の構築 : MCP(Model Context Protocol)や外部APIを統合し、認証・権限管理・監査ログ・ガードレールを含む、安全かつ再利用性の高い運用基盤の設計 可観測性の確保 : エージェントの判断プロセス、コスト、失敗要因のモニタリングと課題解決 業務ヒアリング・要件定義 : BPや社内メンバーの業務課題を理解し、「何をAI化すべきか」「どこに人の判断を残すべきか」を整理・設計 実業務への組み込み : AIエージェントを実際の情報収集・分析・資料作成・提案準備フローへ組み込み、運用・改善まで推進 標準化・プロダクト化 : 個別案件で得られた解決策を抽象化し、複数業務で再利用可能な標準機能・共通アーキテクチャへ展開 ●直近で取り組んでいること セキュアなAI基盤の構築 : 広告・売上・CRM等の機密データを扱うためのローカルLLM環境、ガードレール、権限管理、監査ログを備えた基盤整備 BP業務へのAI実装 : 情報収集、資料作成、分析、提案準備など、顧客提案前後に発生する業務をAIで支援し、提案のスピードと質を高める仕組みづくり ●将来的に取り組みたいこと ・ライトニングMMMのAIエージェント化 : WebUIによる複雑な設定ではなく、自然言語での問いかけから意思決定サマリや推奨アクションを即時生成するUXの提供 ・マーケティングAIエージェントの提供 : 現在、社内メンバーが行っている情報収集、情報整理、分析、戦略立案等の業務をAIエージェント化 ・Human in the loop設計の高度化 : AIによる自動化と、人間による最終判断・ディレクションが最適に融合する業務プロセスの構築 AI活用の標準化・プロダクト化 : 個別の業務改善に留めず、うまくいった仕組みを共通化し、複数のBP・案件・プロダクトに展開できる状態をつくる ●開発環境 ・LLMエンジニアリング : vLLM, OSS LLM(Llama / Qwen / gpt-oss), LiteLLM, RouteLLM, Semantic Router, LangGraph, CrewAI, NeMo Guardrails, Guardrails AI, Promptfoo, Ragas, PostgreSQL (pgvector), Langfuse (Self-hosted), Prometheus, Grafana, Ray 等 ・MLエンジニアリング : JAX, NumPyro, statsmodels, Dagster, Python, MLflow 等 ・データエンジニアリング : Snowflake, dbt cloud, Adverity, fivetran 等 ・インフラ(AI) : AWS, GCP (Amazon Bedrock, Google Vertex AI) ・共通 : Docker, Terraform, GitHub, Slack 単に特定技術を使うだけではなく、AIエージェントを安全に、継続的に、業務の中で使える状態にするための評価・監視・権限管理・ログ設計・ガードレール設計まで含めて取り組みます。 ●参考記事 (外部リンク) ・[テレシー コーポレートサイト](https://telecy.tv/) ・[脳内で、事業の「正解」を描き切る](https://evolution.cartaholdings.co.jp/article-0087/) 　・オウンドメディア『EVOLUTiON』 テレシー社員紹介記事 ・[データドリブンで実現するテレビCM変革!テレシーの取り組みとは?](https://telecy.tv/column/sendenkaigi-mmm-telecyanalytics/) ・[疲労回復パジャマ「BAKUNE」躍進の裏側](https://telecy.tv/column/crosstalk-sendenkaigi-tential/)

●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

データサイエンティストやAIエンジニアと連携し、下記の業務を担当いただきます。 ●ML基盤の設計・構築・運用 ・AWS,GCP,Azure等を用いたMLインフラの設計・運用 ・PythonコードやMLモデルのDockerイメージ作成、最適化 ・Kubernetes (EKS/GKE/AKS)による本番環境のコンテナオーケストレーション ・Terraform/CloudFormationによるインフラ構成管理 ・コスト見積もり・最適 ●MLOpsパイプライン構築・運用 ・CI/CDパイプライン(GitHub Actions等)設計・運用 ・Airflow, Kubeflow, VertexAI/SageMaker Pipelines等によるMLパイプライン自動化 ・MLflow等による実験管理・モデルレジストリ運用 ●モデルデプロイ・監視 ・ KServe, SageMaker Endpoint等によるモデルAPIデプロイ ・prometheus, Grafana, Datadog等を活用したシステム・モデルのモニタリング ・モデル性能(レイテンシ、精度等)の監視・ロギング・アラート設計 ・再学習サイクルの自動化と改善提案 【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

●業務の概要 ナウキャストでは、従来の経済指標や市場調査では捉えきれない「多様でユニークなデータ」を活用し、不動産・流通・金融など幅広い業界でクライアントの意思決定を支援しています。 アナリティクスエンジニアは、単なる分析に留まらず、データ分析、データ基盤の整備、プロダクト開発から導入支援までを一気通貫で担うポジションです。 具体的には以下事業のいずれかの配属を想定しております。 ※社内の配属先はご経験やご希望を踏まえた上でご本人様とご相談しながら決定いたします ①商業用不動産・店舗ビジネス向け新規プロダクト(DataLensHubシリーズ) 2024年3月に新規事業として、商業用不動産・店舗ビジネス向けに「DataLens商業リーシング」「DataLens商圏分析」「DataLens店舗開発」の提供を開始し、現在販路の拡大を行っております。 今後とも新たな3rdパーティデータや生成AI技術を活用して「DataLensHub」を継続的にアップデートするとともに、商業用不動産ビジネス以外にも展開することを検討しています。 https://nowcast.co.jp/news/20250205/ ・DataLens店舗開発 　人流データや決済データなどの3rdパーティデータをベースとした商圏分析機能に当社の生成AI技術を組み合わせた店舗開発DXツール 　https://lp.datalenshub.com/ja-jp/property 　https://nowcast.co.jp/news/20260409/ ・DataLensオフィス営業 　AIとビッグデータを活用し「オフィス移転の可能性が高い企業」を特定できる営業支援サービス 　https://lp.datalenshub.com/office ②機関投資家・パブリックセクター向けの指数開発/分析・生成AI活用ソリューション POSデータやクレジットカードデータ等を用い、機関投資家向けの個別銘柄の売上動向指数、パブリックセクター向けの民間統計の開発のほか、生成AIの活用やデータ分析に関する官公庁の調査分析事業にてデータ分析のスペシャリストとして参画いただきます。 また、地方自治体向けのオルタナティブデータを活用した経済動向の把握、観光・消費分析などを主導いただきます。 ③金融機関向け法人与信DXソリューション 金融機関の「法人与信業務」を高度化するプロジェクトです。 既存システムで分断された情報を法人番号をキーに統合し、3rdパーティデータと組み合わせることで「限度額引き上げサジェスト」等の能動的な途上与信を実現するデータ基盤・アルゴリズムを構築します。 【具体的な業務内容】 ・不動産企業から官公庁・自治体まで、幅広い業界の課題に対しデータ分析を通じて課題解決を支援 ・不動産領域では、需要予測・商圏分析・営業リスト作成などの分析を実施し、「DataLens店舗開発」などプロダクトへ知見を実装 ・データマート開発やバックエンド実装を担い、エンジニア・デザイナーと連携したUI設計も推進 ・官公庁・自治体では、データドリブンな意思決定支援や施策提案を実施し、課題解決に向けたインサイトを提供 ●社員インタビュー ・「DataLens店舗開発」が特許を取得 ──AIで店舗出店の常識を変える挑戦の裏側 　https://finatext.com/recruit/finalog/interview_datalens_storedevelopment ・“ 分析×エンジニアリング ”で新規プロダクトを「創って、育てる」アナリティクスエンジニアの挑戦 　https://finatext.com/recruit/finalog/interview_hiromasa_hayashi ・【入社エントリー】データアナリストからデータエンジニアへの挑戦 　https://finatext.com/recruit/finalog/entry_yamamoto ●事例 ・DataLens店舗開発 ナウキャストの「DataLens店舗開発」、RIZAPがコンビニジム「chocoZAP」などの出店加速に向けて導入 https://nowcast.co.jp/news/20260410/ ゴーゴーカレーグループ、ナウキャストの店舗開発DXツール「DataLens店舗開発」を導入し、AIによる物件情報の自動取り込み機能で物件選定の作業効率を約3割向上 https://nowcast.co.jp/news/20251211/ ファーストキッチン、ナウキャストの店舗開発DXツール「DataLens店舗開発」を導入し、「ウェンディーズ・ファーストキッチン」の新規出店戦略に活用 https://nowcast.co.jp/news/20251029/ ・DataLensオフィス営業 総合不動産デベロッパーのDXを支えるカスタマイズ性。「オフィス営業」×「サードパーティデータ」が開いた可能性 https://nowcast.co.jp/case-studies/20250826/ 徹底した企業研究の仕組み化に取り組む住友不動産のオフィス営業哲学 https://nowcast.co.jp/case-studies/20250826-2

●業務の概要 ナウキャストでは、従来の経済指標や市場調査では捉えきれない「多様でユニークなデータ」を活用し、不動産・流通・金融など幅広い業界でクライアントの意思決定を支援しています。 アナリティクスエンジニアは、単なる分析に留まらず、データ分析、データ基盤の整備、プロダクト開発から導入支援までを一気通貫で担うポジションです。 具体的には以下事業のいずれかの配属を想定しております。 ※社内の配属先はご経験やご希望を踏まえた上でご本人様とご相談しながら決定いたします ①商業用不動産・店舗ビジネス向け新規プロダクト(DataLensHubシリーズ) 2024年3月に新規事業として、商業用不動産・店舗ビジネス向けに「DataLens商業リーシング」「DataLens商圏分析」「DataLens店舗開発」の提供を開始し、現在販路の拡大を行っております。 今後とも新たな3rdパーティデータや生成AI技術を活用して「DataLensHub」を継続的にアップデートするとともに、商業用不動産ビジネス以外にも展開することを検討しています。 https://nowcast.co.jp/news/20250205/ ・DataLens店舗開発 　人流データや決済データなどの3rdパーティデータをベースとした商圏分析機能に当社の生成AI技術を組み合わせた店舗開発DXツール 　https://lp.datalenshub.com/ja-jp/property 　https://nowcast.co.jp/news/20260409/ ・DataLensオフィス営業 　AIとビッグデータを活用し「オフィス移転の可能性が高い企業」を特定できる営業支援サービス 　https://lp.datalenshub.com/office ②機関投資家・パブリックセクター向けの指数開発/分析・生成AI活用ソリューション POSデータやクレジットカードデータ等を用い、機関投資家向けの個別銘柄の売上動向指数、パブリックセクター向けの民間統計の開発のほか、生成AIの活用やデータ分析に関する官公庁の調査分析事業にてデータ分析のスペシャリストとして参画いただきます。 また、地方自治体向けのオルタナティブデータを活用した経済動向の把握、観光・消費分析などを主導いただきます。 ③金融機関向け法人与信DXソリューション 金融機関の「法人与信業務」を高度化するプロジェクトです。 既存システムで分断された情報を法人番号をキーに統合し、3rdパーティデータと組み合わせることで「限度額引き上げサジェスト」等の能動的な途上与信を実現するデータ基盤・アルゴリズムを構築します。 【具体的な業務内容】 ・不動産企業から官公庁・自治体まで、幅広い業界の課題に対しデータ分析を通じて課題解決を支援 ・不動産領域では、需要予測・商圏分析・営業リスト作成などの分析を実施し、「DataLens店舗開発」などプロダクトへ知見を実装 ・データマート開発やバックエンド実装を担い、エンジニア・デザイナーと連携したUI設計も推進 ・官公庁・自治体では、データドリブンな意思決定支援や施策提案を実施し、課題解決に向けたインサイトを提供 ●社員インタビュー ・「DataLens店舗開発」が特許を取得 ──AIで店舗出店の常識を変える挑戦の裏側 　https://finatext.com/recruit/finalog/interview_datalens_storedevelopment ・“ 分析×エンジニアリング ”で新規プロダクトを「創って、育てる」アナリティクスエンジニアの挑戦 　https://finatext.com/recruit/finalog/interview_hiromasa_hayashi ・【入社エントリー】データアナリストからデータエンジニアへの挑戦 　https://finatext.com/recruit/finalog/entry_yamamoto ●事例 ・DataLens店舗開発 ナウキャストの「DataLens店舗開発」、RIZAPがコンビニジム「chocoZAP」などの出店加速に向けて導入 https://nowcast.co.jp/news/20260410/ ゴーゴーカレーグループ、ナウキャストの店舗開発DXツール「DataLens店舗開発」を導入し、AIによる物件情報の自動取り込み機能で物件選定の作業効率を約3割向上 https://nowcast.co.jp/news/20251211/ ファーストキッチン、ナウキャストの店舗開発DXツール「DataLens店舗開発」を導入し、「ウェンディーズ・ファーストキッチン」の新規出店戦略に活用 https://nowcast.co.jp/news/20251029/ ・DataLensオフィス営業 総合不動産デベロッパーのDXを支えるカスタマイズ性。「オフィス営業」×「サードパーティデータ」が開いた可能性 https://nowcast.co.jp/case-studies/20250826/ 徹底した企業研究の仕組み化に取り組む住友不動産のオフィス営業哲学 https://nowcast.co.jp/case-studies/20250826-2

以下の中から個々のスキルや事業状況に応じた業務を担当いただきます。 ●ABEJA Platform / ABEJA LLM Series / ABEJA Insight for Retail などのプロダクトに関連する開発・運用業務の実施 ・AIパイプライン基盤、LLMOps基盤、数千台のカメラ・センサーデバイス等のデータ分析・可視化 B2B SaaS プロダクトなどの強化活動にバックエンドエンジニアとして参画し、提供価値を最大化、定期的なメンテナンス活動を実施 ●プロダクト研究・開発に必要な技術検証業務の実施 ・以下一例、スキルに応じて ・LLM/生成AIに関する技術検証 ・新しいフレームワーク、新しい基盤の技術検証 ・新しいIoTデバイスの価値検証 ●各種スクラムイベントへの参加 ・スプリントレビュー、レトロスペクティブ、スプリントプランニングの定例会議への参加 ・開発進行に関する議論に参加 ●サービスレベル改善と運用効率化業務(SRE業務)の実施 ・KAIZEN DAY(週1回)に参加し、デプロイ頻度の向上、変更リードタイムの短縮、変更障害率の低減を実現 ●その他の業務 ・エンジニアチームの強化のための採用活動や勉強会登壇などに積極的に参加 ・技術スタック一覧(StackShare)に基づいた開発や技術の選択と活用 【変更の範囲】 会社の定める業務へ配置転換の可能性あり

ミッション 「テクノロジーの力で産業構造を変革する」 お客様の抱える経営課題/事業課題を、機械学習(LLM含む)・統計・数理最適などデータサイエンスの力を駆使することで根本から解決へ導きます。 そのために、本ポジションでは、プロジェクトマネージャなどのビジネスサイドやエンジニアと密に連携しながら、要件定義・技術選定・モデル開発・運用まで、一連の流れを率いていただきます。 また、組織全体のパフォーマンスを最大化するため、メンバー育成やカルチャー醸成など多方面でリーダーシップを発揮し、ABEJAが描く未来を共に創っていただきます。 業務内容 プロジェクトマネージャやエンジニアと連携しながら、様々なデータサイエンス技術を駆使して、お客様の経営課題/事業課題を解決に導いていただくポジションです。 グループ全体のアウトプットが顧客満足に繋がるよう、シニアメンバーと共にその品質向上に務め、価値提供に向けて必要なアクションを取っていただきます。 ●データ分析、モデル作成データ要件の整理、技術スタック選定 ・データの前処理、EDA、可視化 ・最適な手法の調査・選定 ・モデルの作成、精度・性能評価 ・ディープラーニングを含む機械学習(画像・自然言語・構造化データ) ・大規模言語モデル(LLM)の活用(学習、推論含む) ・統計解析・因果推論などの統計モデリング ・数理最適化などの数理モデリング ●エンジニアと連携したモデルの商用実装 ・定期的なモデルのパフォーマンス評価、パフォーマンスの維持・向上(ML ops / LLM ops) ●提案活動、提案内容レビュー ・受注前のプロジェクトにおける顧客との折衝、プロジェクトの要件整理 ・整理した要件に基づく、提案内容のレビュー、実現可否判断 ・提案を魅力的にするための最新技術知見を踏まえた示唆だし ●技術の横展開・技術ブランディング ・実装ロジックの汎用化およびプロダクト化 ・技術ナレッジの公開(論文投稿・学会発表・勉強会登壇・Meetup、テックブログ等)

●ミッション 「テクノロジーの力で産業構造を変革する」 生成AIが業務の中核へ入り込む時代において、ミッションクリティカル領域でも安心して使えるLLMを研究開発し、社会実装可能な形で届けることで、お客様の経営課題/事業課題を根本から解決へ導きます。 そのために本ポジションでは、大規模言語モデル(視覚言語モデルを含む)の研究開発を推進し、データ設計・学習/評価・推論最適化・運用を見据えた開発基盤整備までを一体で担います。プロジェクトマネージャなどのビジネスサイド、プロダクト/プラットフォームを支えるエンジニアと密に連携しながら、要件に沿ったモデル方針の策定から、品質を担保するベンチマーク設計、継続的な改善サイクルの確立まで、価値提供の中核をリードしていただきます。 また、組織として研究開発力を継続的に高めるため、知見の体系化や開発プロセスの標準化、メンバー育成やカルチャー醸成にも主体的に関わり、ABEJAが描く未来を共に創っていただきます。 ●業務内容 高い性能と利便性を両立する国産大規模言語モデルの開発、改善、研究を中核として推進いただくポジションです。単にモデルを作って終わりではなく、得られた成果をプロダクトやソリューションへ落とし込み、業務価値として継続的に届け切るところまで一気通貫で担っていただきます。 ・大規模言語モデル(LLM)の開発・改善・研究 　-モデルアーキテクチャ、学習手法、推論最適化に関する調査・設計・実装 　-継続事前学習、指示チューニング、アライメント、強化学習等による性能向上 　-長文対応、ツール利用、エージェント化を見据えた能力拡張の検討 　-日本語および業務特化領域での品質・安全性・信頼性の向上に向けた改善サイクルの確立 ・評価・ベンチマーク設計 　-日本語/業務ドメインに即したベンチマークの設計・運用 　-オフライン評価とオンライン評価の設計、継続的な性能モニタリングと劣化検知 　-ハルシネーション、情報漏洩、プライバシー等のリスクを踏まえた検証と対策 ・開発基盤・データ基盤の整備 　-学習/評価/推論のパイプライン設計・運用、再現性の高い実験環境の構築 　-データ収集、品質管理、フィルタリング、アノテーション方針の策定と運用 　-コストやスループットを意識した推論環境の最適化、LLM Opsの整備 ・プロダクト/ソリューションへの接続 　-PM/PdMと連携した要求整理、ロードマップへの反映、要件に沿ったモデル方針の策定 　-エンジニアと連携した商用実装(API化、周辺機能、運用設計)、クライアント環境での導入支援(オンプレミス含む) 　-業務プロセスへの組み込み、検証設計、運用定着までの伴走と改善 　-再利用可能なコンポーネント化やプロダクト化による横展開 ・チームリーディング、技術横展開・技術発信 　-技術アプローチレビュー、コードレビュー、ナレッジ共有を通じた開発品質の向上 　-メンバー育成やカルチャー醸成への貢献 　-技術ナレッジの公開(論文投稿・学会発表・勉強会登壇・テックブログ等) 【変更の範囲】 会社の定める業務へ配置転換の可能性あり

●フロントからバックエンドまで、ソフトのみならずハードウェア・IoTデバイスも含めたフルスタックなDXプロジェクトの要件定義 ●プロトタイプのAI・機械学習モデルを実運用可能な形にするためのデータパイプライン・インフラ基盤構築の設計およびサービス/システムの開発 ●運用保守を見据えたデプロイ環境構築(クラウド・エッジ含む) ・こちらのブログにて、業務やチームの取り組みについてご紹介しています。 https://tech-blog.abeja.asia/entry/abeja-system-dev-team-202112 ・技術スタックについては、こちらをご覧ください。 https://stackshare.io/abeja/abeja-system-dev

機械学習領域の技術方針・技術判断 ・事業課題・プロダクト要件を踏まえた機械学習の活用方針の検討 ・機械学習を使用する/使用しない判断を含む技術的な実現方法の選定 ・モデル・アルゴリズム・特徴量等の選定と技術的な妥当性の検証 ・複数の機械学習テーマを見据えた技術方針・開発優先順位の検討 ・精度、開発工数、運用負荷、保守性、コストを考慮した技術的な意思決定 大規模LLMとの連携・活用に向けた技術設計・開発 ・業務要件やユースケースに応じた大規模MLMの選定・評価および技術的な活用方針の策定 ・大規模LLMとのAPI連携や既存システムへの組み込みを見据えたアーキテクチャの設計・実装 ・Pythonを用いたモデル連携機能の開発および推論処理・データ連携の最適化 ・出力精度・応答速度・コストなどの評価指標の設計および検証結果に基づく継続的な改善 ・大規模LLMのプロダクション環境への導入・運用における技術的課題の解決や難易度の高い開発テーマのリード システム設計・MLOpsの推進 ・機械学習モデルをプロダクトに組み込むためのAPI・バッチ処理・推論基盤の設計 ・データ処理・学習・推論パイプラインの設計・構築 ・モデルの本番環境への導入、監視、運用改善 ・精度低下やデータ変化を踏まえた再学習・改善プロセスの設計 ・再現性、可観測性、保守性、運用コストを考慮したMLシステムの改善 開発品質・技術基盤の整備 ・モデル・コード・実験結果・評価設計に関する技術レビュー ・モデルの評価方法や開発手順の標準化 ・技術的負債や運用課題の可視化、改善方針の策定 ・実験管理、CI/CD、モデル監視等を含む開発・運用環境の改善 ・機械学習領域における技術知見のドキュメント化・共有 関係部門との連携・技術支援 ・PdMや事業側と連携した課題整理、技術的な実現可能性の検討 ・アプリケーションエンジニア等との連携によるプロダクトへの機械学習機能の実装 ・AIデータ品質担当との連携による学習・評価データの品質向上 ・開発メンバーへの技術レビューや設計・実装面での支援 ・技術選定の理由、評価結果、リスク等の関係者への説明 ※人員管理や組織マネジメントはEM等と役割を分け、本ポジションでは機械学習領域の技術的な意思決定と開発・運用品質を中心に担っていただきます。 課題や事業上の優先順位はPdM等と連携し、AIデータ品質担当とはデータ品質に関する役割を分担します。

【まずお任せしたいこと】 入社後まず注力いただくのは、ジョブメドレーにおけるレコメンド・検索領域の ML システム開発と MLOps 基盤整備です。 データ基盤の構築整備が急ピッチで進んでおり、内部のデータ分析だけでなくプロダクト機能としての価値提供に差し掛かる中で、以下の取り組みに着手しています。 -レコメンドエンジンの設計・開発・改善(協調フィルタリング、コンテンツベース、深層学習ベースなど) -検索ランキングの最適化・パーソナライゼーション -Google Cloud(BigQuery, Vertex AI, Cloud Run 等)を中心としたMLインフラ(特徴量ストア・モデルレジストリ・実験管理基盤等)の設計・開発・運用 -学習・推論パイプラインの設計・構築・自動化(CI/CD) 例えば、レコメンドエンジンに関しては基盤の刷新を進めていることもあり、アーキテクチャの設計段階から携わることができます。 【バックグラウンドや志向に応じた広がり】 上記を中心としつつ、ご経験や志向に応じて以下のような領域にも携わっていただけます。 ●データサイエンス寄りの方には: -ジョブメドレーが保持する様々なデータを活用した新たなマッチングモデルの検証・開発 -事業指標予測、LTV 予測など事業課題に直結する予測モデルの構築と改善 -A/B テストの設計・実施・効果検証によるプロダクト改善サイクルの推進 ●データエンジニア寄りの方には: -dbt を用いた特徴量生成・分析用データモデルの設計・開発 -KPI設計・効果測定のための分析基盤・BI 環境(Metabase x 生成 AI)整備 -プロダクト開発を始めとする他部署と連携した仮説検証のためのデータ整備 -いずれの志向であっても、事業課題の発見・具体化から成果の創出まで一貫して関わることを期待しています。 ※業務の変更の範囲:会社の定める業務

●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

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

【職務概要】 SEQSENSEは、AIを搭載した自律移動型警備ロボットの開発を通じて、警備業界の人手不足や業務効率化といった社会課題の解決に取り組むロボティクス企業です。 近年急速に進化する生成AIやVision Language Model(VLM)の技術を活用し、ロボットによる高度な状況認識や自律判断を実現することで、次世代の警備サービスの創造を目指しています。 本ポジションでは、AI・VLMを活用した新機能開発の責任者として、技術戦略の策定からアーキテクチャ設計、開発チームのリードまで幅広く担っていただきます。 【具体的には】 ・警備ロボサービスにおける、AI・VLMを活用した新機能の開発統括 ・アプリケーション全体の方向性決定 ・ユーザーニーズ・市場動向を踏まえた機能ロードマップの策定 ・プロダクトオーナーおよびステークホルダーとの要件合意 ・アーキテクチャの統括 ・クラウド(AWS/GCP)とエッジデバイスを組み合わせたシステム設計 ・スケーラビリティ、セキュリティ、可用性を考慮したインフラ設計 ・VLMを活用したリアルタイム映像解析基盤の設計・レビュー ・開発チームのリード ・エンジニアへの技術方針の展開・レビュー ・外部ベンダー・研究機関との連携マネジメント

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

DHK(電話放送局)事業と本ポジションの位置づけ 「電話放送局(DHK)」は、長年コールセンター/電話業務の領域でサービスを提供してきた実績のある事業です。GVグループにジョイン以降はAI Agent「DHK CANVAS」をリリースし、コールセンター向け音声AI Agentとしての価値提供を広げています。 一方で、電話放送局時代から続くサービスも変わらず継続・稼働しており、現在も多くの顧客に使われ続けています。こうした経緯から、DHKのサービス群は現在オンプレ環境とクラウド環境の両方で稼働しています。 本ポジションが担当するオンプレ環境で稼働しているサービスは、まさにこの長年続いてきた事業の土台にあたります。安定運用があってこそ、DHK CANVASのようなAI Agentによる新しい価値提供も広がっていく——本ポジションは、この両輪を支える重要な役割です。 所属:株式会社GROWTH VERSE Technology部。同部からDHK(電話放送局)へ出向し、DHKサービス開発課・GVのDHKチームと協働する体制で稼働します。 レポートライン:VP of Technology(Technology部を統括)直下。 雇用形態の位置づけ:GROWTH VERSE正社員としての採用・雇用契約です。所属はGROWTH VERSE Technology部で、DHKへの出向という形でDHKの基盤運用に従事します。 主な業務内容 DHKのサービス群はオンプレ環境とクラウド環境が混在しており、本ポジションが担当するのはオンプレ環境で稼働しているサービスの運用・監視・改善です。 オンプレサーバー基盤の運用監視:データセンターに構築されたオンプレサーバーの日常監視・ヘルスチェック・キャパシティ管理 障害対応:一次切り分け、復旧対応、恒久対策の検討・実装 保守・メンテナンス:定期メンテナンス、パッチ適用、機器更改対応(通信交換機・PBX等、音声基盤特有の専用機器に触れる可能性があります) 運用自動化・トイル削減:Python・Goを用いた運用スクリプト・ツールの開発による定型作業の自動化 属人化解消のための体制構築:運用手順・障害対応ノウハウのドキュメント化、引き継ぎ体制の整備 (将来的な発展領域):基盤の安定運用を土台に、クラウド活用や基盤刷新の検討に関わる可能性があります 技術・環境 インフラ オンプレミスインフラ(データセンター基盤) 言語 Python Go(主に運用自動化・ツール開発) その他 音声基盤特有の専用機器(通信交換機・PBX等)を含む場合あり ※DHKの技術基盤はオンプレ環境とクラウド環境が混在しており、本ポジションが担当するのはオンプレ環境で稼働しているサービスです。実際の技術構成・業務範囲は基盤の状況により変動します。 キャリアパス GVのエンジニア像は、技術領域別の分業(フロントエンド/バックエンド/SRE/QA等)から、技術領域を超えて「フルサイクル(要件定義から運用まで一気通貫)+AI Agentのマネジメント」へと変化している過渡期にあります。 GVは入社時の職種・専門性を"入口"として尊重しつつ、育成・リスキリングを積極支援します(書籍・カンファレンス・社内勉強会・ローテーション等)。 短期的な成長の方向性: オンプレ基盤運用のプロフェッショナルとして、属人化のない安定運用体制を確立します。 中長期的な成長の方向性: オンプレ基盤の知見を土台に、クラウド活用・基盤刷新のリード、あるいは技術領域を横断するフルサイクル能力の獲得へと成長の方向性が広がっています。

役割 AI/ML/LLMを活用したソリューションの設計・開発・運用を担い、クライアントの業務変革を技術面から実現する役割。 主たる業務 ●AI/ML/LLMモデルの実装・最適化 ●RAG・エージェント・ワークフローの設計・開発 ●API連携、アプリケーション開発、PoC構築 ●MLOps/LLMOps環境の設計・構築 ●データパイプラインの設計・実装 ●技術アーキテクチャの策定と技術選定

役割 エンタープライズ企業のデータ活用を推進し、分析・モデル開発・AI実装を通じてビジネス成果を創出する役割。 主たる業務 ● Python、R等を用いた統計モデル・機械学習モデルの設計・開発・評価・運用の支援 ● 各種生成AIやAIエージェントを活用したシステムの設計・開発・評価・運用の支援 ● データ基盤(AWS、GCP、Azure等)の要件定義・設計・運用の支援 ● クライアントへのヒアリング、PoC、本番運用までの一連のプロセス推進 ● クライアントへの分析結果の説明・意思決定支援 ● AI/データ活用に関する技術リード

Trackプラットフォーム上のスキルデータ基盤「Skill Data Cloud」およびスキルオントロジーレイヤーを設計・構築・運用し、AIフレンドリーなデータ/ML基盤として高度に整備していくリードポジションです 。 スキルタクソノミーのメンテナンスとスキルデータ分析、ML/生成AIを活用したデータパイプライン・MLOps基盤構築を通じて、プロジェクト実績・学習履歴・アセスメント等の多様なデータの信頼性・関連性をデータドリブンに担保します。 ビジネスサイドと連携しつつ、データサイエンティストチームへの指示出しやプロジェクトディレクションを担い、Skill Intelligence Lab全体の技術・運用標準をリードしていただきます 。 ●スキルタクソノミー・オントロジーの設計・メンテナンス: スキル同士の関連性のモデル化や変更履歴管理プロセスを設計し、組織全体での利用ルールや品質指標を確立します 。 ●Skill Data Cloudの設計・構築・運用: 複数データソースを統合する基盤設計をリードし、AIフレンドリーなデータ基盤の実現に向けたアーキテクチャ指針やロードマップを策定します 。 ●スキルデータ分析基盤の構築: スキル関連性を分析するモデルの選定・実装を行い、プロダクト改善や事業戦略に繋がる指標体系を標準化します 。 ●ML/生成AIモデルの設計・実装・評価; スキルデータ活用に向けたML機能の設計方針をリードし、モデルアーキテクチャの方向性や品質・リスク管理基準を定義します 。 ●MLOps基盤の設計・構築・運用:セキュリティとスケーラビリティを踏まえた最適なMLパイプライン構造を設計し、Feature Storeやモデルレジストリの導入を主導します。 ●モデルの本番デプロイと推論基盤構築: Kubernetes上でのモデル推論基盤の構成を設計し、CI/CDを用いたデプロイパイプラインの標準を定めます。 ●運用監視・品質管理: モデル監視指標の標準化やA/Bテストの設計をリードし、組織横断の品質管理フレームワークを策定します 。 ●プロジェクトマネジメント:プロジェクト計画の策定、データサイエンティストチームへのディレクション、ビジネスサイドとの要件調整をリードします 。 ※業務の変更の範囲:会社内での全ての業務 ●開発環境・ツール ※指定はありませんが、下記が案件で主に使われる技術です ※支給PC:Windows or Macbook ※最新のMacbook Proを支給することが多いです! ・プログラミング・スクリプト言語:Python ・クラウド・インフラ・コンテナ基盤:パブリッククラウド全般 、Kubernetes ・CI/CD・認証:CI/CD環境 、IAM (Identity and Access Management) ・MLOps・MLプラットフォーム:MLflow 、モデルレジストリ 、Feature Store 、実験管理ツール ・データ基盤:DWH (データウェアハウス) 、データパイプライン構築・運用