年収600万円以上 MLOpsのITエンジニア求人・転職情報

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

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

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)

ポジション概要 クライアントの経営課題を起点に、AIを軸とした変革シナリオとアーキテクチャを設計し、実装までリードする役割です。 AIの全レイヤーに自分の設計思想を落とし込むことができます。 主な業務内容 戦略・構想フェーズ - 経営層と直接議論しながら、AI前提の事業・組織モデルをゼロから設計 - RevOps 観点で KPI・業務プロセス・データ構造の“再定義” - AI導入ロードマップ/優先度を、2〜3年後の未来から逆算して設計 - ROI・KPI などの成果指標を、AIが継続稼働できる構造に最適化 “AIが企業の中枢で動き続けるための未来図を描くフェーズです” アーキテクチャ設計・PoC - LLM選定/RAG構成/Vector DB/ETL/ELT基盤/マルチエージェント構成など 企業ごとに異なる“AIエコシステム”をゼロから設計 - 既存データのアセスメントから、取得すべき新しいデータの定義 - Agentic Workflow × UI/UX による、“自律的に動くAIワークフロー” の構築 - 技術 PoC・プロトタイプ開発リード “技術的な最適解を探りつつ、実際に動くAIの原型をつくるフェーズです” 実装・定着フェーズ - スプリントを設計し、AIが安定稼働するための プロダクトレベルの開発管理 - 戦略コンサルタント・AIエンジニアと協働し、アーキテクチャ→コード→運用をシームレスにレビュー・改善 - 現場で使われ続けるための運用プロセス・トレーニングを設計 “導入して終わりではなく、AIが“使われ続ける”仕組みまで責任を持てます”

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。

HPCサーバの導入企画、システム設計 HPCサーバマシンの構築、ジョブスケジューラーを使ったシステムの構築。 ●具体的な業務内容 Linuxベースのサーバ構築 ジョブスケジューラ(PBS,GRIDENGINE)によるジョブコントロールシステム構築 オーケストレーションツール(Kubernetes)によるMLOps環境構築 Lustre高速ストレージ環境 職種の変更範囲:技術職・事務職・技能職業務

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

本ポジションの役割 本ポジションでは最新のAI技術を活用し、業務効率化や開発支援ツールの設計・開発を担当します。主に、大規模言語モデル(LLM)やAI支援ツール(Devin、GitHub Copilot Workspace など)の導入・活用を検討し、エンジニアリングの生産性向上に貢献する役割を担っていただきます。 具体的な職務内容 ●AIを活用した開発支援ツールの設計・開発・導入 ●Devin、GitHub Copilot Workspace などの導入検討と最適な運用設計 ●LLMなどの最新AI技術のリサーチ・評価・実装 ●社内エンジニアがAIツールを活用しやすい環境の構築と推進 ●APIやクラウドサービスを活用したAIツールの統合・開発 <開発環境> ・ミドルウェア PostgreSQL, CloudRun, Cloud Pub/Sub, MongoDB, Cloud Storage, Okta, Tailor Platform ・監視 Datadog ・環境構築関連 Docker, docker-compose, Terraform ・言語 TypeScript, Go, Rust ・そのほか GitHub Copilot

【主な業務内容】 マネーフォワードの各サービス・プロダクトの成長を加速させるために、生成AI・機械学習などのAI技術を活用した機能開発や業務課題の解決に取り組んでいただきます。 ユーザー業務やプロダクト仕様の理解から課題を定義し、最適なAIソリューションを企画・設計・実装・運用まで一貫して担うポジションです。 ・プロダクトマネージャーや業務担当者へのヒアリングを通じた課題発見と要件定義 ・課題解決に向けたAIソリューション(生成AI・RAG・機械学習モデルなど)の提案・検証 ・プロトタイプの開発と効果検証を通じた実現性評価 ・本番環境を見据えたAIシステムの設計・実装・運用設計 ・品質担保のためのテスト方針策定・実装・評価 ・各プロダクトチームと連携したAI機能導入プロジェクトの推進 AIソリューションエンジニアは、単なるモデル開発にとどまらず、ビジネスとAIの橋渡し役として、課題設定から事業価値の創出までをリードするポジションです。 プロダクトの未来を描きながら、AIを活用した新しい業務体験を自らの手で形にしていく-- そんな挑戦に共に取り組んでいただきます。 ※リリースしているプロダクト例はこちら ・https://note.business.moneyforward.com/n/n123cfa1718f0 ●業務内容の変更範囲:会社の定める業務

業務詳細 グループ各社の事業価値向上や業務生産性の向上をめざし、マッチング迅速化やグループ共通業務の効率化など、AI・データを活用した施策の支援をご担当いただきます。また、グループ内で保持するデータを事業価値につなげていくために、データ基盤の構築を進めています。このデータ基盤の構築や、API/アプリケーション開発などをご担当いただきます。デジタル企画、データサイエンス、エンジニアリング、ガバナンスなどの専門知識を持つメンバーと、プロジェクトごとにチームを編成して活動します。 具体的な担当業務 各ポジションは専門領域を持ちながらも、横断的に連携しながらプロジェクトを推進します。具体的には、下記のような業務を、チームで連携しながら取り組んでいただきます。 ・事業責任者や企画担当と連携して適切なAIアーキテクチャ※を選定 ※LLM、検索拡張生成(RAG)、機械学習モデル、クラウドAIサービスなど ・AIシステム/AIプロダクトの設計・開発 (バックエンド/フロント連携、コンテナ化、CI/CD、Infrastructure as Code) ・AIモデル/パイプラインの設計・実装 ・推論基盤の最適化(レイテンシ、スケーラビリティ、コスト管理) ・モデル評価・精度改善、プロンプト設計/改善、オフライン/オンライン評価 ・モデル品質のモニタリングおよびドリフト検知 ・プロトタイプ作成とPoC実施、スケールに向けたアーキテクチャ最適化 配属組織 ●グループAI本部 データソリューション部 データサイエンス室 デジタル化を推進することで、パーソルグループ全体の業務効率化や生産性向上、データ利活用に寄与する部門です。本部全体で150名ほどの組織になります。立場に関わらず意見を伝え合う風通しの良い社風です。また、主体的な言動や意志を尊重し裁量ある働き方ができる環境であり、成長意欲がある方には組織として全面的にバックアップする環境です。 データサイエンス室は現在メンバー8名程度で、30代前半～40代のデータサイエンティスト、AIエンジニアが中心で構成されます。 コミュニケーションを大切にし、部を跨いだ定期的なイベントや、メンター/管理職との定期的な1on1を行っています。残業時間は20～30時間程度です。 ※場合よってはグループ内で一時的な兼務/出向をいただく場合がございます。 担当職種の変更範囲 会社の定める職種(出向規程に従って出向を命じることがあり、その場合は出向先の定める職種)

●当社の特徴 AKKODiSコンサルティングは、世界最大級の人財サービス会社Adecco Groupの一員で、世界30カ国に、テックコンサルタント5万人を擁する「成長し続けるテックコンサル」の会社です。当社は理念体系を最も大切にしており、人として求められる誠実さや真摯さであるIntegrityや、2030年までの中期経営計画の中で、「日本企業を、世界企業へ、現場変革から。」というVisionを掲げています。 特に「現場変革」には強いこだわりをもっており、数多く世の中に存在するコンサルティング会社とは一線を画す考え方で、現場の課題を特定しそこからのボトムアップ提案を通じて、AIなど最新テクノロジーを通じてイノベーションをおこすためにAdecco Groupが持つグローバルアセットを最大限活用し、お客様の事業現場と融合<フュージョン>することで、「世界スケールの事業を生み出す」という大きなチャレンジを共に実現していきます。 Visionの実現を目指す私たちにとって、社員一人ひとりが「ライフビジョン」「キャリアビジョン」を考えること・見つけること・そして社会に広めていくことをとても大切にしています。そしてそのビジョンと当社が掲げる理念体系(Integrity・企業理念・DNA・Values・Vision)が重なり合うことを最も大切にしています。 入社時だけではなくプロジェクト配属を決定する際にも大切にしており、条件だけにフォーカスしたマッチングだけではなく、個人と組織のビジョンマッチングにより人財が躍動化する社会の実現を目指しています。 また、AI Transformationを推進していくために社内業務では Copilot を中心にAIを活用し、各プロジェクトではCopilotに限らず、ベンダーフリーで顧客へ価値を提供しています。顧客への価値提供を行うために、AIを正しく使いこなすためのリテラシー教育・基礎研修を社内で体系的に提供し、2025年度は延べ1.4万人の社員がAI研修を受講しています。 さらに、より高度な価値提供に向けてAIスキルマトリクスを定義し、研修内容もテクノロジーの進化に合わせて随時更新しています。 特にソフトウェア開発においては、GitHub CopilotやDevin・Claude CodeといったAIエージェントを操作できる環境を用意し実際に触れることで、 ハーネスエンジニアリングが行える人財を開発していきます。また、新たに公開されたAIエージェントは性能や操作感を適宜検証し必要に応じて操作環境を提供していきますので、最新のAIエージェントを操作いただくことも可能です。 人財の創造を重視するAKKODiSの企業理念に基づき、AI時代だからこそ人財の存在価値向上を推進しています。 ### 仕事内容 (雇入れ直後) 大手通信会社および関連会社のプロジェクトメンバーとして参画し、サービスデザイン(サービス仕様、システム要件)を策定し、提案から設計、構築、実装、運用保守まで一貫した業務をプロジェクトマネージャーやプロジェクトリーダーとして推進して頂きます。大規模顧客、大規模システムを扱うことが多く、最先端技術研究からサービス企画・要件定義・設計・ベンダー管理など上流工程のポジションをスキルとキャリアビジョンに応じてお任せします。また、ソフト開発エンジニアの経験をベースにITコンサルやアドバイザーとして、お客様と一緒に組織横断的なプロジェクトを運営するポジションをお任せします。 【業務内容】 ・通信会社が提供するサービス、および社内業務システムにおける新規開発・追加開発のプロジェクト推進 ・新規サービス立ち上げ・既存サービス刷新に向けた要件定義、仕様調整、実現方針の策定 ・システム・アプリケーション開発における計画立案、進捗管理・課題管理・品質管理・リスク管理の実行 ・ベンダー・社内関係者との連携を通じた、設計・開発・テスト工程の推進 ・モダナイゼーション(API化、クラウド活用、アーキテクチャ見直し 等)の検討および改善施策の推進 ・プロジェクト運営ルール、計画策定プロセス、レビュー基準などの整備と継続的改善 ・関係部署と協働した優先度整理・仕様確定・リリース判断などの合意形成 ・事業価値の向上につながる改善提案の実施 (変更の範囲) 当社業務全般(顧客が指定する業務を、顧客の事業所で顧客の指揮命令のもとで行うか、顧客または当社の事業所で当社の指揮命令のもとで行う。また、人事規程に従って出向を命じることがあり、その場合は出向先の定める業務を含む) ●想定されるプロジェクト ・事業会社の社内向け業務支援・運用支援サービスの新規開発(要件定義~開発) ・既存サービスのクラウドネイティブ化(AWS / IaC / Kubernetes)によるモダナイゼーションプロジェクト ・サービス利用データを活用したデータ利活用高度化プロジェクト ・サービス運用におけるAI活用(生成AI・多目的AIエージェント 等)による自動化・高度化プロジェクト ・通信会社が提供する法人向けサービス基盤更改プロジェクト ・大規模サービスの試験自動化基盤(E2E/性能試験)の構築・運用自動化プロジェクト

●顧客向けシステム開発における、インフラ設計・構築業務 ・インフラ設計/構築（クラウドへのリプレイスなどを含む） ・既存システムの耐障害性、可用性、パフォーマンスの引き上げ ・各種オペレーション自動化スクリプトの設計・開発 ・各種監視システムの構築または設定 ※ツールの活用 ・Redmine, JIRA, Backlogなどのプロジェクト管理ツールを活用した開発プロセス管理。 ・GitHubを活用したソースコードレビュー。 ・CI/CDツールを用いた継続的インテグレーション/デリバリ。 ・zoom.us, slackやChatworkを用いてグローバルチームでのコミュニケーション実施。 ●Azure Virtual Desktop を利用したセキュアな VDI (Virtual Desktop Infrastructure) 環境の構築 ●Terraform や CloudFormation 等の自動構築・管理ツールを利用して継続的に Web サービス等のインフラ基盤を管理 ●VM やオンプレミス環境で稼働している社内業務向けシステムを移行ツールをもちいての AWS もしくは Azure 環境へ移行 ●オンプレミス等にあるファイルサーバーのデータをクラウド環境へ移行 【プロジェクト事例】 ●Azure Virtual Desktop を利用したセキュアな VDI (Virtual Desktop Infrastructure) 環境の構築 ●Terraform や CloudFormation 等の自動構築・管理ツールを利用して継続的に Web サービス等のインフラ基盤を管理 ●VM やオンプレミス環境で稼働している社内業務向けシステムを移行ツールをもちいての AWS もしくは Azure 環境へ移行 ●オンプレミス等にあるファイルサーバーのデータをクラウド環境へ移行

Givery AI Labの一員として、クライアント先に深く入り込み、生成AI/LLMを活用したソリューションを構築・展開・運用する役割です。 単なる設計ではなく、コードを書き、システムを構築し、運用フェーズで起こる課題に責任を持ちます。 ・クライアントの業務フロー・ナレッジを深く理解し、AIソリューション(RAG、エージェント、モデル活用ワークフロー)に落とし込む ・Python/TypeScript等を用いたプロトタイプ開発および本番展開 ・クラウド基盤(GCP/AWS等)上でのAIプラットフォーム構築・デプロイ・運用 ・フロントエンド/バックエンド/データパイプラインなどを含むフルスタックでコード貢献 ・顧客折衝・ユーザーインタビュー・ログ解析・改善施策立案までを含む伴走型実装 ・本番運用時のモニタリング、データドリフト対策、機能追加/改善の実行 ※業務の変更の範囲:会社内での全ての業務 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 AI開発: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 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 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 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) https://givery.co.jp/news/n20160601/ 東京大学大学院教授　江崎 浩(技術アドバイザー) https://givery.co.jp/news/20240809_1/ 東京工業大学大学院教授　岡崎 直観(技術顧問) https://givery.co.jp/news/20240902_1/

ご入社後は、データユニットの中核メンバーとして、データ基盤の刷新およびデータ活用戦略の推進をリードしていただきます。中長期的には、事業・プロダクト両軸でのデータ活用を牽引し、技術ロードマップの策定やチーム育成にも関わっていただくことを期待しています。 主な業務内容 ●データ基盤の刷新・標準化の推進 ●データガバナンス・セキュリティ戦略の設計および実装体制の構築 ●サーベイ・レコメンド等のサービス開発における学習ループ設計と基盤整備 ●複数サービス・外部システム連携の共通基盤化とデータ統合の戦略策定 ●技術ロードマップ策定およびPdM・事業側との連携によるデータ活用戦略推進 ●技術育成・牽引 ●Peopleマネジメント 開発環境 ▼バックエンド Rails、Python、TypeScript、Sorbet ▼フロントエンド Vue.js、TypeScript、Next.js、Nuxt、Storybook、Chromatic、Figma ▼インフラ・CI/CD AWS、k8s、Terraform、Datadog、Sentry、Autify、Github Actions、Azure、Docker、Codecov ▼生成AI OpenAI、Cursor、Dify、n8n、AWS Bedrock、GitHub Copilo、Gemini、Claude Code、Devin、Cognitive Search、Streamlit、Azure AI Search ▼コミュニケーション GitHub、Jira & Confluence、Slack、Google WP、Qiita Team、Gather