関東 GitHubのITエンジニア求人・転職情報

JAPAN AI株式会社

・顧客課題の発見・設計 顧客の業務プロセス・データ環境・既存 SaaS 群の全体像を深く理解し、AI で解決すべき課題を特定 AI がどう介入すれば効率化・最適化できるかを設計する 利害関係者 (経営層〜現場担当者) との関係構築・調整 課題の構造化・仮説構築・ソリューション提案 ・ワークフロー構築・PoC の高速実装 JAPAN AI STUDIO を活用した業務ワークフローの構築 (稟議承認、リソース最適配置、見込み顧客探索、データ連携 等) LLM / AI エージェントを活用した軽量 PoC の高速実装 顧客の既存 SaaS (SmartHR / Salesforce / HRMOS / 楽々精算 等) との API 連携・データ統合 フルスタック開発 (バックエンド + フロントエンド) ・本番導入・伴走 本番導入の技術支援・運用設計 セキュリティ・コンプライアンス要件への対応 導入後の利用定着支援・改善提案 ・プロダクトフィードバック 顧客フィードバックのプロダクトチームへの還元 新規ユースケースの発見・提案 プロダクト改善に繋がるパターンの抽出・体系化 【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 : 製造業の「SaaS 疲れ」を解消する企業の脳の構築 従業員 500名の製造業の顧客。 SmartHR / 楽々精算 / kintone / Salesforce を個別に運用しており、部門間のデータ連携は手作業で行われている。 現場ヒアリングで「月末の経費精算に 1人あたり 2時間かかっている」「営業が受注情報を 3つのシステムに手入力している」という課題を発見。 JAPAN AI STUDIO で各 SaaS を API 連携し、経費精算の自動承認ワークフローと受注データの自動連携エージェントを 2週間で構築。 月間 400時間の業務削減を実現し、他部署への展開 (アップセル) に繋げる。 ● シナリオ 2 : 金融機関の 24時間見込み顧客探索エージェント 地方銀行の法人営業部門。 営業担当者が手動で企業情報を調査し、アプローチリストを作成している。 1件あたり 30分かかり、1日 10件が限界。 JAPAN AI STUDIO で企業データベース・ニュースフィード・決算情報を統合し、AI エージェントが 24時間体制で見込み顧客を探索・スコアリングするワークフローを構築。 営業担当者は毎朝、AI が優先順位付けしたアプローチリストを受け取るだけの状態に。 アプローチ数が 3倍に増加し、受注率が 15% 向上。 ● シナリオ 3 : 小売業の稟議承認プロセスの AI 化 全国 50店舗を展開する小売業の顧客。 店舗からの発注稟議が紙ベースで、本部での承認に平均 5営業日かかっている。 現場観察で「承認者が出張中に稟議が滞留する」「過去の類似稟議を参照できない」という課題を特定。 JAPAN AI STUDIO で稟議データを構造化し、AI が過去の承認パターンを学習して一次判断を行うワークフローを構築。 承認リードタイムを 5営業日から 1営業日に短縮。 この成功事例をプロダクトチームにフィードバックし、JAPAN AI AGENT の標準テンプレートとして全顧客に展開。 ●ミッション 顧客の業務プロセスを解体し、AI を前提とした「次世代の基幹システム (企業の脳)」を実装する 顧客の現場に深く入り込み、既存 SaaS 群の全体像を把握し、AI がどう介入すれば効率化・最適化できるかを設計する。 JAPAN AI STUDIO を活用し、現場が実際に使えるワークフローを爆速で構築する。 その過程で得た知見をプロダクトチームにフィードバックし、プロダクトそのものを進化させます。 顧客の現場で発見された課題やユースケースが、直接プロダクトロードマップに反映されます。 ●AI ソリューションエンジニアについて AI ソリューションエンジニアは、Palantir 社が確立した FDE (Forward Deployed Engineer) を、AI エージェント時代にアップデートしたポジションです。 顧客の最も困難な業務課題を、AI と自社プロダクトを武器に解決します。 ・SIer / SES でのエンジニア 受け取った仕様書通りに実装する 客先常駐で開発リソースを提供する 多重下請け構造の中で顧客と距離がある 特定領域・特定技術の深掘り ・本ポジション 顧客と直接対話し、課題を発見して仕様を自ら定義する 自社オフィスを拠点に、自社プロダクトで顧客課題を解決する 経営層から現場担当者まで、顧客と直接信頼関係を築く フルスタック × AI × ビジネス理解 受託開発でも客先常駐でもありません。 顧客現場で課題を発見し、軽量な PoC を高速実装し、本番導入まで伴走する。 その過程で得た知見がプロダクトを進化させます。 ●期待する役割について 顧客の業務プロセスとデータ環境を深く理解し、JAPAN AI STUDIO を活用して課題解決を実装・導入するエンジニアです。 ・顧客の既存システム (SaaS 群) の全体像を把握し、AI がどう介入すれば効率化・最適化できるかを設計する ・JAPAN AI STUDIO を活用し、現場が実際に使えるワークフロー (稟議承認、リソース最適配置、見込み顧客探索 等) を爆速で構築する ・PoC を本番環境へ導入し、利用定着まで伴走する ・現場で得た知見をプロダクトチームにフィードバックし、プロダクトを進化させる ・経営層から現場担当者まで、多様なステークホルダーと関係を構築する ●成果責任 (KR/メトリクス) FDE の動きがプロダクトの成長 (ARR) に直結する設計です。 ・先行指標 (行動とアウトプット) STUDIO での新規ワークフロー構築数 — 顧客の課題をどれだけシステム化できたか SaaS 連携数 — 顧客の既存 SaaS を JAPAN AI に接続した数 (= 企業の脳の「視界」が広がった数) デプロイ速度 — 要件定義から最初の AI エージェント稼働までのリードタイム ・遅行指標 (事業と顧客へのインパクト) アクティブ利用率 (MAU / DAU) — 構築した AI ワークフローが、現場で実際にどれだけ使われているか 顧客の業務削減時間 / ROI — AI 導入によって浮いた工数や、受注率向上などの実数 アップセル・クロスセル額 — 初期導入拠点から、他部署や地方拠点へ展開したことによる追加売上 ●チーム体制 約120名が開発組織に在籍しています。 チームは現在6名で、以下のチーム・ステークホルダーと密接に連携します: Product Architect — プロダクト設計 Agentic Engineer — エージェント機能開発 AI Success Engineer — 導入後の顧客成功支援 Deployment Strategy — 顧客への導入戦略・展開推進 ●開発環境 言語 : Python (バックエンド) , TypeScript / React / Next.js (フロントエンド) / NX AI/LLM : LangChain, LangGraph, JAPAN AI STUDIO SDK インフラ : GCP (コンテナ / K8s) , Docker データ : BigQuery, PostgreSQL, 各種顧客データソース 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

JAPAN AI株式会社

・プロダクト開発 JAPAN AI STUDIO を活用した業務ワークフローの実装 (稟議承認、リソース最適配置、見込み 顧客探索、データ連携 等) LLM / AI エージェントを活用した軽量 PoC の高速実装 各種 SaaS (SmartHR / Salesforce / HRMOS / 楽々精算 等) との API 連携・データ統合 フルスタック開発 (バックエンド + フロントエンド) ・本番導入のための実装・改善 シニアエンジニアの設計に基づく本番導入向け実装 パフォーマンス・信頼性の改善 セキュリティ・コンプライアンス要件への対応 (シニアのサポート下) ・プロダクトフィードバック 実装過程で気づいた改善ポイントのプロダクトチームへの還元 再利用可能なコンポーネント・パターンの抽出と提案 ●ミッション 顧客の業務プロセスを解体し、AI を前提とした「次世代の基幹システム (企業の脳)」を実装する 顧客の現場に深く入り込み、既存 SaaS 群の全体像を把握し、AI がどう介入すれば効率化・最適化できるかを設計する。 JAPAN AI STUDIO を活用し、現場が実際に使えるワークフローを爆速で構築する。 その過程で得た知見をプロダクトチームにフィードバックし、プロダクトそのものを進化させます。 顧客の現場で発見された課題やユースケースが、直接プロダクトロードマップに反映されます。 ●期待する役割について シニアエンジニアと協働しながら、以下を段階的に担っていただきます。 ・Phase 1 (入社〜3ヶ月): 実装担当 シニアエンジニアが設計したワークフロー / PoC の実装担当 JAPAN AI STUDIO の操作・SDK の習熟 各種 SaaS (Salesforce / SmartHR / kintone 等) との API 連携実装 ・Phase 2 (3〜6ヶ月): 実装リード 小規模ワークフローの設計〜実装を単独で担当 実装方針のドキュメント化・チーム内共有 プロダクトチームへのフィードバック起票 ・Phase 3 (6〜12ヶ月): 中規模機能のリード 中規模機能の設計・実装のリード 技術選定・アーキテクチャ判断への参加 後続のポテンシャル枠メンバーの OJT サポート ●成果責任 (KR/メトリクス) プロダクトの成長 (ARR) に直結する設計です。 ・先行指標 (行動とアウトプット) STUDIO での新規ワークフロー構築数 — 顧客の課題をどれだけシステム化できたか SaaS 連携数 — 顧客の既存 SaaS を JAPAN AI に接続した数 (= 企業の脳の「視界」が広がった数) デプロイ速度 — 要件定義から最初の AI エージェント稼働までのリードタイム ・遅行指標 (事業と顧客へのインパクト) アクティブ利用率 (MAU / DAU) — 構築した AI ワークフローが、現場で実際にどれだけ使われているか 顧客の業務削減時間 / ROI — AI 導入によって浮いた工数や、受注率向上などの実数 アップセル・クロスセル額 — 初期導入拠点から、他部署や地方拠点へ展開したことによる追加売上 ●チーム体制 約120名が開発組織に在籍しています。 本ポジションが所属する FDE チームは現在 7名で、以下のチーム・ステークホルダーと密接に連携します: Product Architect — プロダクト設計 Agentic Engineer — エージェント機能開発 AI Success Engineer — 導入後の顧客成功支援 Deployment Strategy — 顧客への導入戦略・展開推進 ●開発環境 言語 : Python (バックエンド) , TypeScript / React / Next.js (フロントエンド) / NX AI/LLM : LangChain, LangGraph, JAPAN AI STUDIO SDK インフラ : GCP (コンテナ / K8s) , Docker データ : BigQuery, PostgreSQL, 各種顧客データソース 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

JAPAN AI株式会社

ミッション "AI の出力品質を科学する — 評価手法の研究・開発で、エージェントの信頼性を証明する" LLM / AIエージェントの出力品質を、機械学習・統計学・計量心理学の手法で定量的に評価・改善します。本ポジションは「テストする人」ではなく、 「何をもって良いAIとするかを定義し、測定する科学者」 です。 期待する役割について AI Evaluation Scientist として、AI エージェントの品質評価基盤の設計・構築・運用をリードしていただきます。 ●評価メトリクスの研究開発 — LLM-as-Judge の校正、報酬モデリング、ベンチマーク設計を通じて「何をもって品質とするか」を科学的に定義します ●自動評価パイプラインの設計・構築 — 研究成果を本番 CI/CD に組み込み、スケーラブルな品質ゲートを実現します ●レッドチーミング・安全性検証 — adversarial testing の自動化、ポリシー準拠検証フレームワークを構築します ●統計的実験計画に基づく品質改善 — A/B テスト・有意差検定でプロンプト戦略やモデル変更の効果を定量的に検証します ●評価シグナルの研究・開発チームへのフィードバック — モデル改善の複利ループを構築します 約 200 社が本番利用するプロダクトの品質を「科学する」アプローチで担保します 業務内容 AI Evaluation Scientistとして、 AIエージェントの評価基盤 (Evaluation Infrastructure) の設計・構築・運用をリードしていただきます。 ●評価メトリクスの研究開発 ・LLM-as-Judge の校正手法の研究・実装 (rubric 設計、バイアス検出、proper scoring rules) ・評価ベンチマークの設計・構築・妥当性検証 (construct validity、contamination detection) ・報酬モデリング / preference learning の評価への応用研究 ・評価メトリクスの選定・設計 (win rate、task success、factuality、harm detection) ・評価セット (合成データ + 実ログ) の設計・構築・メンテナンス ●自動評価パイプラインの設計・構築 ・スケーラブルな自動評価パイプラインの設計・実装 ・CI/CD への評価パイプライン組込みと品質ゲートの構築 ・エージェント評価ハーネスの設計 (マルチターン・ツール利用・ロングコンテキスト対応) ・評価パイプラインの再現性・信頼性の担保 ●安全性・品質検証 ・自動レッドチーミング (automated adversarial testing) の研究・実装 ・安全性 / ポリシー準拠の検証フレームワーク構築 ・ハルシネーション検出・校正手法の研究・実装 ・プロンプト / ツール回帰テストの設計・実行 ●統計分析・実験設計 ・統計的実験計画 (A/B テスト、有意差検定) の設計・分析 ・品質トレンドの可視化・回帰検出の自動化 ・品質レポート作成と改善提案 ・評価シグナルの研究・開発チームへのフィードバック 業務シナリオ ※以下は想定される業務シナリオの例です ●シナリオ1: LLM-as-Judge の校正と妥当性検証 新しい評価メトリクスとして LLM-as-Judge を導入する際、judge モデルの校正 (calibration) を実施します。人間評価との一致率を統計的に検証し、rubric 設計を反復改善します。construct validity を確認した上で、自動評価パイプラインに組み込み、評価コストを 80% 削減しながら人間評価と同等の信頼性を実現します。 ●シナリオ2: 新モデル導入時の品質ゲート LLMプロバイダーが新モデルをリリースした際、既存のベンチマークスイートで回帰テストを実行し、factualityスコアが3%低下していることを検出します。原因を分析し、プロンプト調整で品質を維持したまま新モデルへの移行を完了します。 ●シナリオ3: 自動レッドチーミングによる安全性検証 金融機関向けにJAPAN AI AGENTを導入する際、自動レッドチーミングパイプラインを構築します。adversarial promptの自動生成・分類器による脆弱性検出を実装し、業界固有のリスクシナリオ(機密情報漏洩、不適切な金融アドバイス等)を網羅的にテストします。ポリシー準拠率99%以上を達成します。 ●従事すべき業務の変更の範囲 会社の定める業務 成果責任 (KR/メトリクス) ●評価カバレッジ率(テストケース網羅率) ●回帰検出率(リリース前の品質劣化検出率 ≥ 95%) ●評価パイプライン実行時間(CI/CD内で完了) ●LLM-as-Judge と人間評価の一致率 ●False Positive / Negative 率 ●安全性インシデント発生率(リリース後) チーム体制 約120名が開発組織に在籍しています。 AI Evaluation Scientistは品質保証の専門チームとして、以下のチームと密接に連携します: ●密接に連携する役割: ・Agentic Product Engineer — エージェント機能開発 ・Research Engineer — 研究開発・モデル改善 ・Agent Harness Engineer / Software Engineer (AI Platform) — AI 実行基盤開発 ・Product Manager — プロダクト設計・品質要件定義 開発環境 ●言語 : Python (評価パイプライン・分析), TypeScript / React / Next.js (フロントエンド部) / NX ●評価 / QA : pytest, LangSmith, Weights & Biases, custom eval frameworks ●データ : BigQuery, Spark, Pandas ●インフラ : GCP (コンテナ / K8s), Docker, Terraform ●CI/CD : GitHub Actions ●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

JAPAN AI株式会社

プロダクト要件・アーキテクチャ設計 ビジネス目標・顧客課題からプロダクト要件を体系化し、技術アーキテクチャへ翻訳 機能境界・ドメイン設計、データ契約、API 仕様の策定 RFC 駆動の設計レビュー・意思決定プロセスの運営 LLM / 生成 AI を活用したプロダクト設計 (RAG、tool-use、guardrails 等) 技術選定・トレードオフ判断 買う / 作る / 統合 (Build vs Buy vs Integrate) の技術選定 非機能要件 (可用性・拡張性・セキュリティ・コスト) の設計と品質属性トレードオフ判断 技術的負債の可視化と計画的解消のロードマップ策定 横断的協働・ロードマップ エンジニアリングチーム・PdM・デザイナーとの横断的協働 プロダクトロードマップの策定・推進 技術的負債の可視化と計画的解消のロードマップ策定 【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: 新プロダクトラインの立ち上げ エンタープライズ顧客から「AI エージェントによる社内ナレッジ検索」の強いニーズを発見。 市場調査・顧客インタビュー・技術検証を経て、プロダクト要件を定義。 RAG アーキテクチャの設計、データパイプラインの技術選定、MVP のスコープ定義までをリードし、3 ヶ月でベータリリースを実現。 ● シナリオ 2: Build vs Buy のアーキテクチャ判断 音声 AI 機能の拡張にあたり、自社開発 vs 外部 API 統合の判断が必要に。 コスト・品質・開発速度・カスタマイズ性の 4 軸で比較分析を行い、RFC を起票。 エンジニアリングチームとの設計レビューを経て、ハイブリッドアプローチ (コア機能は自社開発、周辺機能は外部 API) を決定。 ● シナリオ 3: 品質属性のトレードオフ判断 JAPAN AI AGENT のレイテンシ P95 が目標値を超過。 可用性・コスト・レイテンシのトレードオフを分析し、推論キャッシュの導入とモデルルーティングの最適化を提案。 エンジニアリングチームと協働して実装し、レイテンシを 30% 改善しつつコスト増を 5% 以内に抑制。 ●ミッション 何を作るかを決める プロダクトの「何を・なぜ・どう作るか」を技術とビジネスの両面から定義し、AI プロダクトの成功確率を最大化する。 ●期待する役割について Product Manager として、JAPAN AI のプロダクト群全体のアーキテクチャ設計と技術戦略をリードしていただきます。 ビジネス目標・顧客課題からプロダクト要件を体系化し、技術アーキテクチャへ翻訳する 機能境界・ドメイン設計・API 仕様の策定をリードする Build vs Buy vs Integrate の技術選定を行い、最適な投資判断を導く 非機能要件 (可用性・拡張性・セキュリティ・コスト) のトレードオフ判断を行う エンジニアリングチーム・PdM・デザイナーとの横断的協働を通じて、プロダクトの方向性そのものを決定する 技術的負債の可視化と計画的解消のロードマップを策定する ●成果責任 (KR/メトリクス) プロダクトロードマップ達成率 アーキテクチャレビュー起因の手戻り率 新機能リリースサイクル短縮 プロダクト品質属性 ●チーム体制 約120名が開発組織に在籍しています。 Product Architectは以下のチーム・ステークホルダーと密接に連携します: Agentic Product Engineer — エージェント機能開発 Human-AI Collaboration Architect — エージェント体験設計 FDE — 顧客要件・フィードバック 経営層 — 事業戦略・投資判断 ●開発環境 言語 : Python (バックエンド) , TypeScript / React / Next.js (フロントエンド) / NX AI/LLM : LangChain, LangGraph, JAPAN AI STUDIO SDK, RAG, Agent Framework インフラ : GCP (コンテナ / K8s) , Docker, Terraform 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

JAPAN AI株式会社

●課題を定義する 顧客の業務プロセス・データ環境・既存SaaS群の全体像を把握し、AIがどこに介入すれば効果が最大化するかを特定します。経営層から現場担当者までと直接対話し、仕様書を受け取るのではなく、仕様を自ら定義します。 ●爆速で作る JAPAN AI STUDIOで、現場が実際に使うワークフロー（稟議承認、リソース最適配置、見込み顧客探索、データ連携 等）を構築します。顧客の既存SaaS（Salesforce / SmartHR / kintone 等）とのAPI連携、LLM・AIエージェントを用いたPoCの高速実装から本実装まで、フルスタックで自ら手を動かします。 ●本番に載せ、プロダクトに還す 本番導入の技術支援、セキュリティ・コンプライアンス要件への対応、導入後の利用定着まで伴走します。現場で得たパターンはプロダクトチームへ還元され、次の標準機能になります。 例：全国50店舗を展開する小売業。紙ベースで平均5営業日かかっていた発注稟議を、過去の承認パターンをAIが学習して一次判断するワークフローに置き換え、リードタイムを1営業日に短縮。この事例は標準テンプレートとして他顧客にも展開されました。 ●ミッション 顧客の業務プロセスを解体し、AI を前提とした「次世代の基幹システム (企業の脳)」を実装する 顧客の現場に深く入り込み、既存 SaaS 群の全体像を把握し、AI がどう介入すれば効率化・最適化できるかを設計する。JAPAN AI STUDIO を活用し、現場が実際に使えるワークフローを爆速で構築する。その過程で得た知見をプロダクトチームにフィードバックし、プロダクトそのものを進化させます。 顧客の現場で発見された課題やユースケースが、直接プロダクトロードマップに反映されます。 ●期待する役割について 顧客の業務プロセスとデータ環境を深く理解し、JAPAN AI STUDIO を活用して課題解決を実装・導入するエンジニアです。 顧客の既存システム (SaaS 群) の全体像を把握し、AI がどう介入すれば効率化・最適化できるかを設計する JAPAN AI STUDIO を活用し、現場が実際に使えるワークフロー (稟議承認、リソース最適配置、見込み顧客探索 等) を爆速で構築する PoC を本番環境へ導入し、利用定着まで伴走する 現場で得た知見をプロダクトチームにフィードバックし、プロダクトを進化させる 経営層から現場担当者まで、多様なステークホルダーと関係を構築する ●成果責任 (KR/メトリクス) FDE の動きがプロダクトの成長 (ARR) に直結する設計です。 ・先行指標 (行動とアウトプット) STUDIO での新規ワークフロー構築数 — 顧客の課題をどれだけシステム化できたか SaaS 連携数 — 顧客の既存 SaaS を JAPAN AI に接続した数 (= 企業の脳の「視界」が広がった数) デプロイ速度 — 要件定義から最初の AI エージェント稼働までのリードタイム ・遅行指標 (事業と顧客へのインパクト) アクティブ利用率 (MAU / DAU) — 構築した AI ワークフローが、現場で実際にどれだけ使われているか 顧客の業務削減時間 / ROI — AI 導入によって浮いた工数や、受注率向上などの実数 アップセル・クロスセル額 — 初期導入拠点から、他部署や地方拠点へ展開したことによる追加売上 ●チーム体制 約60名が開発組織に在籍しています。 FDEチームは現在10名で、以下のチーム・ステークホルダーと密接に連携します: Product Architect — プロダクト設計 Agentic Engineer — エージェント機能開発 AI Success Engineer — 導入後の顧客成功支援 Deployment Strategy — 顧客への導入戦略・展開推進 ●開発環境 言語 : Python (バックエンド) , TypeScript / React / Next.js (フロントエンド) / NX AI/LLM : LangChain, LangGraph, JAPAN AI STUDIO SDK インフラ : GCP (コンテナ / K8s) , Docker データ : BigQuery, PostgreSQL, 各種顧客データソース 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

JAPAN AI株式会社

●技術オンボーディング・トレーニング FDE から引き継いだ導入済みワークフローの技術オンボーディング設計・実施 顧客の業務ワークフローに合わせた AI 活用方法の設計・提案 トレーニング資料・ベストプラクティスの作成・提供 ●利用定着・ROI実現 成功指標 (KPI) の設計と定期的なROIレビュー 利用状況モニタリングとプロアクティブな改善提案 利用データのダッシュボード構築・定量分析による課題の早期発見 プロンプト最適化・エージェント設定の改善支援 評価基盤 (eval) の運用支援・品質改善 ●テクニカルサポート・問題解決 レポートされた問題の技術的調査・根本原因分析 テクニカルサポートのエスカレーション対応 API/SDK/インテグレーションに関する技術支援 セキュリティ・ガバナンス・コンプライアンス対応 ●プロダクトフィードバック・拡大展開 顧客フィードバックの収集とプロダクトチームへの還元 拡大展開 (アップセル/クロスセル) の技術支援 新規ユースケースの発見・提案 【業務シナリオ例】 ● シナリオ 1 : SaaS 横断ワークフローの利用定着支援 FDE が製造業の顧客に構築した「経費精算自動承認ワークフロー」(楽々精算 → SmartHR 連携) の導入後、利用率が伸び悩んでいる。 利用データを分析し、「現場作業者がスマートフォンから使いにくい」「承認結果の通知が遅い」という課題を特定。 モバイル向けの利用ガイドを作成し、通知設定を最適化。 さらに、現場向けトレーニングを実施。 利用率が 2倍に改善し、月間 400時間の業務削減効果を可視化して経営層に報告。 ● シナリオ 2 : 「企業の脳」の ROI 可視化と全社展開 FDE が金融機関の 1部門に構築した「見込み顧客探索エージェント」の導入後、ROI レビューを実施。 アプローチ数 3倍、受注率 15% 向上という成果を定量化し、経営層向けレポートを作成。 この成果をもとに、他の 5部門への全社展開の意思決定を支援し、アップセルに貢献。 展開先の各部門に合わせたプロンプト最適化とエージェント設定の調整を実施。 ● シナリオ 3 : ワークフロー品質改善のフィードバックループ 小売業の顧客が JAPAN AI AGENT を活用した「稟議承認 AI」で、回答精度に関するフィードバックが増加。 eval 基盤を活用して回答品質を定量分析し、特定の稟議カテゴリで factuality スコアが低いことを特定。 プロンプト最適化とナレッジベースの改善を提案し、回答精度が 15% 向上。 この改善パターンをプロダクトチームにフィードバックし、JAPAN AI AGENT の標準テンプレートとして全顧客に展開。 ●ミッション 「企業の脳」が定着し、成果を出し続ける状態を作る AI プロダクト導入後の顧客成功を技術面から最大化し、利用定着・拡大展開・ROI 実現を推進する。 ●AI Success Engineerとは AI Success Engineerは、OpenAI社やDatabricks社が確立した職種で、AIプロダクトの導入後に顧客の成功を技術面から支援するエンジニアです。 従来のカスタマーサクセスやテクニカルサポートとは異なり、AIプロダクト特有の課題 (プロンプト最適化、eval設計、利用データ分析、ワークフロー改善) を技術的に解決する専門職です。 従来のカスタマーサクセス | AI Success Engineer 利用状況のモニタリング・報告 | 利用データを分析し、プロアクティブに改善提案 機能の使い方を説明する | AIの使い方を設計し、業務ワークフローに組み込む 問い合わせに対応する | 問題の根本原因を技術的に特定・解決する チャーン防止 | ROI実現・拡大展開の推進 ●FDE との分担 FDE | AI Success Engineer 課題発見→PoC→本番導入 | 導入後の定着→活用拡大→ROI 実現 「企業の脳」を実装する | 「企業の脳」が成果を出し続ける状態を作る 新規ワークフローの構築 | 既存ワークフローの改善・最適化 顧客の未来を発見する | 顧客の成功を証明する ●期待する役割について AI Success Engineer として、顧客の AI プロダクト導入後の成功を技術面からリードしていただきます。 FDE が構築した「企業の脳」のワークフローが現場で実際に使われ、成果を出し続ける状態を作る 顧客の業務部門・IT 部門と密接に連携し、AI プロダクトが実際の業務で成果を出し続ける状態を作る 顧客の IT 部門・開発チームと協働し、API 連携やデータ統合の技術支援を行う 利用データの分析に基づくプロアクティブな改善提案を行う レポートされた問題の技術的調査・根本原因分析を行い、エスカレーション対応をリードする 顧客フィードバックをプロダクトチームに還元し、プロダクトの進化に貢献する ●成果責任 (KR/メトリクス) 顧客ヘルススコア (利用率、API呼出数、アクティブユーザー数) チャーン率 ≤ 目標値 拡大展開率 (アップセル/クロスセル貢献) 顧客NPS ≥ 目標値 技術サポートチケット解決時間 (MTTR) ●チーム体制 約120名が開発組織に在籍しています。 AI Success Engineerは以下のチーム・ステークホルダーと密接に連携します: FDE — 導入フェーズからの引き継ぎ Deployment Strategy — 顧客への導入戦略・展開推進 プロダクトチーム — フィードバック還元 サポートチーム — エスカレーション対応 ●開発環境 言語 : Python (自動化・分析), SQL (データ分析) AI / LLM : JAPAN AI STUDIO SDK, プロンプトエンジニアリング, RAG データ : BigQuery, Looker, Pandas インフラ : GCP, Docker (基礎理解レベル) 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

JAPAN AI株式会社

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

JAPAN AI株式会社

エージェント研究開発 異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等) 新しい推論・計画・検索手法の研究開発 マルチモーダル・長文コンテキスト対応の技術開発 最新論文の調査・再現・改良実装 評価・ベンチマーク 大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装 合成データ生成・評価ベンチマーク設計 モデルとプロンプトの自動評価支援 (学習 → プロダクトライフサイクル全体) プロダクション課題の解決 推論レイテンシ / コスト最適化 (量子化、蒸留、キャッシュ等) モデル学習用データミックスの作成・最適化 エージェント評価フレームワークの高度化 本番環境での品質改善・パフォーマンスチューニング 技術移転・発信 Agentic Product Engineer チームへの技術移転・メンタリング 学術機関・OSS コミュニティとの連携 【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 : SaaS 横断検索のためのナレッジグラフ RAG の研究開発 JAPAN AI STUDIO が「企業の脳」として機能するには、顧客の全 SaaS に散在する情報を横断的に検索・統合する必要がある。 既存の RAG では「Aプロダクト の従業員データ」と「Bプロダクト の商談データ」の関係性を捉えられず、回答精度が低い。 ナレッジグラフベースの RAG アーキテクチャを研究・開発し、エンティティ間の関係性を構造化。 SaaS 横断検索の回答精度を 40% 向上させ、Agentic Product Engineer チームに技術移転して全プロダクトに展開。 ●ミッション Agentが降参する問題を解く 現在の AI エージェントでは解決できないフロンティア課題に挑み、新しい推論手法・検索 / 計画・長期記憶・ツール利用の品質限界を突破する。 JAPAN AI STUDIO 上で動く数百のワークフローが、より賢く・速く・安全に動作する未来を、研究で切り拓く。 ●期待する役割について Research Engineer として、AI/LLM/ML の最先端研究と応用研究をリードしていただきます。 異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等) 大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装 モデルとプロンプトの自動評価を支援し、学習からプロダクトライフサイクル全体にわたって品質を担保 プロダクト組織と協力し、エージェントをプロダクトに適用するうえでの最も困難な課題を解決 モデル学習用データミックスの作成・最適化により、エージェントタスクにおける性能と使いやすさを向上 研究成果を Agentic Product Engineer チームに移転し、プロダクト全体の品質を底上げ 論文を書くことがゴールではありません。 研究成果をプロダクションに適用し、約 200 社が利用する本番環境でユーザーに届けることを重視します。 ●成果責任 (KR/メトリクス) ベンチマークスコア改善率 (社内 / 公開ベンチマーク) 新手法のプロダクション適用数 (四半期あたり) 推論レイテンシ / コスト改善率 論文・技術ブログ発表数 社内技術移転完了数 ●チーム体制 約120名が開発組織に在籍しています。 Research Engineerは以下のプロジェクトを横断して活動します: JAI Lab — AI研究開発 AI&Model — モデル学習・最適化 Voice & Tel — 音声AI・電話システム 密接に連携する役割: Agentic Product Engineer — エージェント機能開発 (技術移転先) Agent Harness Engineer — エージェント実行基盤 AI Quality Scientist Specialist — 評価パイプラインとの連携 Product Manager — プロダクト設計 ●開発環境 言語 : Python (研究・フレームワーク部), TypeScript / React / Next.js (フロントエンド部) / NX ML / AI : PyTorch, JAX, Transformers, vLLM, Weights & Biases インフラ : GCP (コンテナ / K8s), Docker 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

GO株式会社

仕事概要 タクシー配車サービス『GO』の実現に欠かせない車載アプリ(タクシー車内で動いているAndroidアプリ)の開発と継続的な改善をします。 GO Inc.は技術力を強みとしていますが、技術そのものを目的とした会社ではなくプロダクトに向き合うことを大切にしています。 ユーザーの課題やニーズを理解し、より良い体験を追求しながら開発を進めていきます。 今後はタクシー配車にとどまらず、社会課題解決に向けてより複雑なシステムを含めたモビリティプラットフォームを作り上げていきます。 [「日本の"移動"を止めない」──GO IoT本部が挑む、車載システムの統合と品質の裏側](https://go-on.goinc.jp/n/n03b4732753f9?gs=29fb937a7559) 業務内容 タクシー車両内で動く車載システムがあります。 車載システムは、Androidアプリがいくつかの機器と連携して動くことで機能を実現しています。車載システムは次世代のモビリティ体験を支える新規開発が継続しています。 本ポジションでは、従来のアプリ単体のテストにとどまらず、ハードウェア・ソフトウェアが連携する車載システムの品質向上に向けたテストエンジニアリングをリードしていただきます。不具合の検出だけではなく、開発初期から「品質を作り込む」ための計画づくりと実行がミッションです 解決したい課題 ●ハードウェアエンジニア、ソフトウェアエンジニア、QA、PdMなど各専門領域の知見を統合して品質を作り込むプロセスの構築 ●CI基盤と運用フローの構築・改善 ●テスト自動化によるリリースサイクル低下の防止と向上 開発環境 プログラミング言語 :Kotlin, TypeScript, SQL ライブラリ類等 :Android Jetpack, Kotlin coroutines, Appium, Firebase, GCP, BigQuery, etc. CI/CD :Github Actions、Bitrise 所属組織 ソフトウェアエンジニア4名のチームです。カンバンでタスクの状況を把握できるようにしています。コミュニケーションはSlackとGoogle Meetを使っています。 2名がテストエンジニアとして業務をしています。残りの2名はAndroidアプリエンジニアで内部品質の向上を担っています。

GO株式会社

現在、GO事業では法人事業向け機能開発ニーズが高まっています。 順調に成長を遂げるタクシーアプリ『GO』において、今後の成長をより強力に推進する鍵となるのが、業務でタクシーを多く利用する企業をターゲットとする法人向けサービス『GO BUSINESS』の成長と考えています。 ●GO BUSINESS タクシーアプリ『GO』の法人向けサービスである『GO BUSINESS』(https://go.goinc.jp/business/)　では、法人向け管理画面や法人向け管理画面をはじめとするWebプロダクト群の開発だけでなく、タクシーアプリ『GO』を構成する多くのプロダクトに対する機能開発も含めて、複数のプロダクトを跨いだ開発を行っています。 今後の成長ドライバーである『GO BUSINESS』にて様々な開発ニーズが発生しており、それに伴い本ポジションでは、『GO BUSINESS』に関連した開発に携わっていただきます。 『GO BUSINESS』は業務でタクシーを利用する企業にとって便利な機能が揃っている、いわゆるBtoBのSaaSです。 例えばタクシー料金を請求書払いにすることができるので、煩雑な領収書処理の手間が省けたり、社員の乗車履歴がWeb画面で一括管理できたりといったサービスです。 またGO BUSINESS契約企業は『GOチケット』という電子版タクシーチケットを発行できたり、役員やお客様のために代理でタクシーを呼ぶ機能も使えます。 [開発環境] バックエンド(APIサーバ) -言語:Go -Webフレームワーク:Echo -データストア:MySQL/Redis -インフラ:AWS/Kubernetes/Docker -CI/CD: GitHub Actions フロントエンド -言語:TypeScript, Dart -ライブラリ:React, Flutter -CSSフレームワーク:MUI -インフラ:S3/CloudFront -CI/CD: GitHub Actions ●解決したい課題 『GO BUSINESS』は、タクシーアプリGOの成長と相まって利用企業数や問い合わせ数が急増しており、それに伴い既存顧客向けの機能改修を行いながら新規顧客向けの魅力的な新機能を高速に開発し続ける必要があります。 特にグローバルにビジネス展開しているような大手企業では、企業統制やセキュリティを重要視しており、そのようなニーズに合致するような機能群の開発は、今後の『GO BUSINESS』の顧客獲得において非常に重要となります。これらの機能の開発には、『GO BUSINESS』が提供しているプロダクトの開発にとどまらず、タクシーアプリGOのバックエンドやユーザーアプリの開発も必要になります。多くのプロダクトに跨る開発は当然ですが難易度も高くなります。様々なプロダクト開発チームと連携しながら、これらの難しい課題を解決したいと考えています。

ケースワイズコンサルティング株式会社

クライアント企業様のMicrosoft製品・サービスを中心としたプロジェクトに参画し、設計・構築・運用業務を担当していただきます。 本人の希望・スキル・キャリアプランを考慮してプロジェクトを決定します。 ・ Microsoft Azureを用いたクラウド設計・構築・運用 ・ Microsoft 365(Exchange / SharePoint / Teams)の導入・運用支援 ・ Active Directory / Entra ID/ Intuneの設計・管理 ・ Windows Server環境の構築・運用 ・ Power Platformによる業務改善 ・ 顧客先での技術支援・トラブルシューティング ※スキル・志向に応じて案件・工程を決定します。 ● エンジニアファーストの取り組み ① 案件選択制 エンジニアの希望をもとに案件を提示し、本人の合意のもとで参画先を決定します。 ② 単価UPで給与UP 案件単価をベースに昇給を決定し、スキルアップに応じて収入アップが可能です。 ③ 待機時給与100%保証 待機期間が発生した場合も給与は全額支給されます。 ④ キャリア支援 定期的なキャリア面談を実施し、スキルアップにつながる案件を優先的に提案します。

株式会社イングリウッド

私たちは小売市場の課題を解決するための技術・仕組みを提供しています。 日本の小売市場は150兆円の巨大産業ですが年間で3,000社ほどの企業が倒産・廃業しています。 素晴らしい商品を持っている企業がどうすれば顧客に届けれらるかや商品の売り方を理解できていないのが現状です。 クライアントや社内から課題について担当者からヒアリングを行い、内容からPoCを作成し検証・実施しています。 ビジネス的な要件にエンジニアの観点を加えアプローチを考えています。 エンジニア向け会社説明資料:https://inglewood.app.box.com/s/kpa3ydfmvwjlw2l8ffa2musebbaecqtc 課題からPoCの検証・実施を素早く行うために新たなメンバーを募集します。 PoCの結果が良ければそのまま新システムの構築を担当していただきます。 APIなどバックエンドを中心とした開発 要件定義段階でのミドルウェアやフレームワーク等の技術選定と技術検証 API、並列分散処理などアプリケーションアーキテクチャ全体の設計、実装 コーディングルール策定、先行開発〈共通処理部分など〉、コードレビュー 社内外の最新技術やベストプラクティスのキャッチアップとチーム横断のセクション組織内での技術共有 他の職種とのコミュニケーションを取り、要件を整理/決定しながらプロダクトを完成まで導く

UUUM株式会社

●クリエイターへ価値を届けるプロダクト、またはクリエイターの価値を広告主へ届けるプロダクト、いずれかのプロダクト開発 ●多様な要件を深く理解した上での整理、あるべき仕様への落とし込み ●開発しているシステムの運用と保守 ●さらなる新規プロダクトの開発 【開発環境・使用技術】 ▪アプリケーション ・バックエンド:Ruby on Rails ・フロントエンド : TypeScript / React(Next.js) ・インフラ : AWS / Vercel ▪データ基盤 ・インフラ : GCP(BigQuery / Cloud Composer / Dataflow / VertexAI) ・Python ▪CI/CD:CircleCI / GitHub Actions ▪ツール系:Docker / Terraform ▪モニタリング:CloudWatch / Sentry ▪ドキュメント/Issue 管理:Github Issues / Github Projects / Notion ▪コミュニケーション:Slack / Google Meet 【生成AI活用状況】 当社では開発生産性の飛躍的な向上を目指し、生成AIを積極的に活用しています。 GitHub Copilot、CodeRabbit、Geminiを活用し、コードの自動補完・生成からレビュー支援、デバッグまで、開発フロー全体の効率化に取り組んでいます。 また、直近ではClaude Codeの導入検証も進めており、さらなる生産性向上に向けて前向きに取り組んでいます。 私たちは常に最新技術にアンテナを張り、積極的に取り入れることで、技術的な挑戦を続けたいエンジニアにとって最適な環境を提供したいと考えています。 【変更の範囲】 会社の定める業務

UUUM株式会社

●プロダクトマネージャーや事業部とダイレクトにコミュニケーションし、PoCを行うための技術的アプローチの決定 ●必要応じて特にMVPの開発を最速で行い、実際のマーケットへ投入 ●PoCの検証結果をプロダクト開発チームメンバーへフィードバックし、よりスケールするプロダクトの基本設計を実施 ●ユーザー行動データやA/Bテストの結果を分析し、仮説検証の精度向上と改善提案を実施 【開発環境・使用技術】 ▪アプリケーション:TypeScript メイン ▪インフラ : AWS / GCP / Terraform/ GitHub Action / Sentry ▪ドキュメント / Issue 管理:Github Issues / Github Projects / Notion ▪コミュニケーション:Slack / Google Meet ▪AI/LLM:Open AI / Vertex AI 【生成AI活用状況】 当社では開発生産性の飛躍的な向上を目指し、生成AIを積極的に活用しています。 GitHub Copilot、CodeRabbit、Geminiを活用し、コードの自動補完・生成からレビュー支援、デバッグまで、開発フロー全体の効率化に取り組んでいます。 また、直近ではClaude Codeの導入検証も進めており、さらなる生産性向上に向けて前向きに取り組んでいます。 私たちは常に最新技術にアンテナを張り、積極的に取り入れることで、技術的な挑戦を続けたいエンジニアにとって最適な環境を提供したいと考えています。 【働き方について】 本社への出社が週3日以上必須となります。 ※本ポジションはPdMをはじめ、他部署と密な連携を取りながら、仮説検証をスピーディに進める必要があります。 そのため、対面でのコミュニケーションを重視しており、週3日以上の出社をお願いしております。 【変更の範囲】 会社の定める業務

株式会社マネジメントソリューションズ（MSOL）

●PROEVERとは MSOLがプロジェクトマネジメント専門会社として培ってきたノウハウと経験を結集し、「プロジェクトマネジメントプラットフォーム」としてSaaS展開しているのが PROEVER です。プロジェクトデータを一元的に集約し、AI技術も活用することで、マネジメント層の意思決定を支援し、プロジェクトの成功とプロジェクトマネジメント成熟度の向上を実現します。 主なお客さまは、全社横断で多数のプロジェクトを推進するマネジメント層(PM含む)です。プロジェクトの状況をリアルタイムかつ正確に把握し、迅速な意思決定が可能になります。一般的なPMツールがタスクや課題管理に主眼を置くのに対し、PROEVERは複数プロジェクトを俯瞰的・横断的に可視化できる点を大きな特長としています。 ※[PROEVERのサービス概要はこちら](https://proever.com/) ※[事業部の紹介対談はこちら](https://note.msols.com/n/n1472dff92988?gs=6f6dff9594a4) ●仕事内容 プロダクトの急拡大に伴い、PROEVERのバックエンド基盤を「セキュリティを後付けにしない(Security by Design)」形で設計し直すフェーズに入ります。 専任のセキュリティ担当としてではなく、「セキュリティや高いパフォーマンスを、自身の設計責務としてシステム構造に組み込める」バックエンドエンジニアとして、自ら手を動かしながらチームをリードしていただきます。 ※ すぐにすべてをお任せすることはありません。まずは現状を把握し、優先順位を決めて取り組んでいきます。 ・本番環境のボトルネック解消: パフォーマンス課題(ネットワーク、データベース、コンテナリソースなど)の調査と改善 ・セキュリティの現状可視化: 認証認可・データ保護まわりの現状整理と、横断観点の言語化 ・技術負債のロードマップ策定: コードベースに潜む技術課題の洗い出しと優先順位付け ・アーキテクチャの最適化: Azure / データベース構成の見直しと、必要に応じた選定変更 ・コア認証基盤の刷新: 堅牢かつ柔軟な認証認可基盤の設計と実装 ・技術組織のリード: 設計レビュー・ドキュメント整備・メンタリングを通じたチーム全体の設計力向上 ●技術環境 OS: Windows Server, Linux フロントエンド:TypeScript / Next.js / TailwindCSS / shadcn/ui バックエンド:TypeScript / Next.js / (Python) データベース:PostgreSQL / GraphQL (Hasura) インフラ:Azure / Docker CI/CD:GitHub Actions バージョン管理:GitHub プロジェクト管理:PROEVER デザイン管理:Figma / Storybook コミュニケーション:Slack / Notion / GoogleWS / MS365 その他:GitHub Copilot / GitHub Codespaces / Claude Code / Keeper ●業務の変更範囲について 「変更の範囲:当社及び出向(転籍)先における各種業務全般 」 ●人数規模(2026年1月現在) ・計27名(カスタマーG:11名、プロダクトG:12名、その他:4名)

株式会社テクノプロ　テクノプロ・デザイン社

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

株式会社QLife

エムスリーグループ事業・プロダクトのWebプロモーション・クリエイティブの企画立案、課題分析、制作ディレクション・編集を行っていただきます。 どの事業・プロダクトも顧客から高いご支持をいただいており、これらをより多くの方に手にとっていただくことがミッションです。 主に動画制作及びディレクションをお任せしますが、WEBページやLP制作などのプロジェクトもお任せする予定です。 【事業例】 ・煩雑だった従業員の健康情報管理をまとめて効率化「ハピネスパートナーズ」 ・エムスリーデジカルで診療をラクに「エムスリーデジカル」 ・スマホとICタグで介護をもっとスマートに「Care-Wing」 　(ユーザーインタビュー:https://youtu.be/SvmAtgz6_fA) ・簡単導入、低コストの新しい福利厚生「スマカフェ」 【具体的な業務内容】 ・エムスリーグループ事業のクリエイティブ(動画・LP・Webサイト等)制作&ディレクション&マーケティング ・定量/定性データに基づく課題分析・インサイト発掘 ・ユーザーインタビュー/関係各所へのヒアリング ・中長期的な改善施策の立案・検証実行 ・動画の企画立案、撮影、運用などディレクション全般 ・YouTube/metaなど継続運用 【主に使用する言語、ツール、アプリケーション】 Adobe、Figma、Canca、VScode、Git、HTML、CSS (SCSS等含む) 、JavaScript、GA4、VWOテストツールなど 【コミュニケーションツール】 Slack、Meet、Zoom、Confluence、Backlog など 【育成プロセス】 OJT ・入社1ヶ月～2ヶ月: 　各プロジェクトのキャッチアップ・制作に入る 　指導者・メンターとの1on1によるサポート(頻度多め) ・入社3ヶ月以降(目安): 　担当プロジェクトを1つ持ち運用する 　研修受講支援 　指導者・メンターとの1on1によるサポート(週次) ・入社6ヶ月以降(目安): 　担当プロジェクト1～2を持ち推進いただく 　チームリーダーとの1on1(週次) ※従事すべき業務の変更の範囲 適性に応じて、会社の指示する業務への異動を命じることがある。

株式会社QLife

エムスリーグループ事業・プロダクトのWebプロモーション・クリエイティブの企画立案、課題分析、制作ディレクション・編集を行っていただきます。 どの事業・プロダクトも顧客から高いご支持をいただいており、これらをより多くの方に手にとっていただくことがミッションです。 主に動画制作及びディレクションをお任せしますが、WEBページやLP制作などのプロジェクトもお任せする予定です。 【事業例】 ・煩雑だった従業員の健康情報管理をまとめて効率化「ハピネスパートナーズ」 ・エムスリーデジカルで診療をラクに「エムスリーデジカル」 ・スマホとICタグで介護をもっとスマートに「Care-Wing」 　(ユーザーインタビュー:https://youtu.be/SvmAtgz6_fA) ・簡単導入、低コストの新しい福利厚生「スマカフェ」 【具体的な業務内容】 ・エムスリーグループ事業のクリエイティブ(動画・LP・Webサイト等)制作&ディレクション&マーケティング ・定量/定性データに基づく課題分析・インサイト発掘 ・ユーザーインタビュー/関係各所へのヒアリング ・中長期的な改善施策の立案・検証実行 ・動画の企画立案、撮影、運用などディレクション全般 ・YouTube/metaなど継続運用 【主に使用する言語、ツール、アプリケーション】 Adobe、Figma、Canca、VScode、Git、HTML、CSS (SCSS等含む) 、JavaScript、GA4、VWOテストツールなど 【コミュニケーションツール】 Slack、Meet、Zoom、Confluence、Backlog など 【育成プロセス】 OJT ・入社1ヶ月～2ヶ月: 　各プロジェクトのキャッチアップ・制作に入る 　指導者・メンターとの1on1によるサポート(頻度多め) ・入社3ヶ月以降(目安): 　担当プロジェクトを1つ持ち運用する 　研修受講支援 　指導者・メンターとの1on1によるサポート(週次) ・入社6ヶ月以降(目安): 　担当プロジェクト1～2を持ち推進いただく 　チームリーダーとの1on1(週次) ※従事すべき業務の変更の範囲 適性に応じて、会社の指示する業務への異動を命じることがある。

paiza株式会社

ミッション 国内最大規模の会員数を誇るITエンジニア向け転職・就職・学習プラットフォーム「paiza」において、VPoE、エンジニアリングマネージャー、エンジニアメンバーと協力し、ご担当いただくプロダクト/ビジネスにおける開発マネジメントを担っていただきます。 2013年のサービスローンチ以降、ユーザー・企業双方のフィードバックを細かく反映し、スクラム方式での開発を行ってきた結果、様々なサービス・機能が実装され、またローンチ当初からは考えられないほど多くのユーザー様にpaizaを活用いただいております。 ミッション・ビジョンの実現、ユーザー・企業双方のニーズを満たすサービス・UIの追求に向けて、今後さらなるプロダクト開発を進めていく予定です。急成長フェーズの事業におけるプロダクト開発を高いパフォーマンスで実現すべく、担当チームをまとめ、技術面でメンバーを牽引するポジションとなります。 ●システムの技術選定と規約整備 ●システム横断の要件整理と実現 ●担当チームのマネジメント ●要件の取りまとめから開発、リリースまでの業務 ※業務の変更範囲:会社の定める業務 技術環境 言語・フレームワーク: Ruby on Rails(Ruby), jQuery(JavaScript), React(TypeScript) 環境: Linux, nginx, Unicorn, AWS, Docker, CircleCI データベース: MySQL プロジェクト管理: GitHub, Jira 支給マシン: MacBook Pro (サイズ選択可。 USキーボードに変更可) 開発手法: アジャイル、スクラム

paiza株式会社

ミッション 国内最大規模の会員数を誇るITエンジニア向け転職・就職・学習プラットフォーム「paiza」において、VPoE、テックリード、エンジニアメンバーと協力し、ご担当いただくプロダクト/ビジネスにおける開発マネジメントを担っていただきます。 2013年のサービスローンチ以降、ユーザー・企業双方のフィードバックを細かく反映し、スクラム方式での開発を行ってきた結果、様々なサービス・機能が実装され、またローンチ当初からは考えられないほど多くのユーザー様にpaizaを活用いただいております。 ミッション・ビジョンの実現、ユーザー・企業双方のニーズを満たすサービス・UIの追求に向けて、今後さらなるプロダクト開発を進めていく予定です。 急成長フェーズの事業におけるプロダクト開発を高いパフォーマンスで実現すべく、担当チームをまとめ、メンバーの成長と事業の成長を実現させるポジションとなっています。 業務内容 ●システム開発体制の構築 ●担当チームメンバーのマネジメント(1on1、評価、チームビルディング) ●要件の取りまとめから開発、リリースまでの業務 ※業務の変更範囲:会社の定める業務 技術環境 言語・フレームワーク: Ruby on Rails(Ruby), jQuery(JavaScript), React(TypeScript) 環境: Linux, nginx, Unicorn, AWS, Docker, CircleCI データベース: MySQL プロジェクト管理: GitHub, Jira 支給マシン: MacBook Pro (サイズ選択可。USキーボードに変更可) 開発手法: アジャイル、スクラム

paiza株式会社

国内最大規模の会員数を誇るITエンジニア向け転職・就職・学習プラットフォーム「paiza」において、フルスタックエンジニアとしてサーバサイド、フロントエンド、インフラ等すべてに携わりながら、Webサービス開発を進めていただきます。 実際のユーザーに利用して貰いながら完成度を高め、スクラム方式で細かくユーザーのフィードバックを反映する形での開発を行っています。 またユーザーアンケートやご意見を元に、リリースした機能を振りかえったり次の開発内容を議論し、改善を重ねています。 企画サイドやユーザーとの距離感が近いため、大規模開発にありがちな「誰の為に役立つものを作っているのかわからない」という事が無く、自分の作ったプロダクトで「ユーザーを喜ばせる事が出来た」という実感を強く感じられる環境です。 リーダーとしてのご経験がある方には、1on1を通じたメンバーとのコミュニケーション、チームビルディングもお任せいたします。 具体的な業務内容 少人数のチーム制で、自社サービスの開発をご担当いただきます。 担当する事業/サービスは定めず、プロジェクト毎にチームへアサインをいたします。 ●転職・就職サービスの企画、設計、開発、運用(ユーザー側、企業側の両方) ●プログラミング学習サービスの設計、開発、運用 ●プログラミングゲーム・エンタメコンテンツの企画、設計、開発、運用 ※業務の変更範囲:会社の定める業務 技術環境 言語・フレームワーク: Ruby on Rails(Ruby), jQuery(JavaScript), React(TypeScript) 環境: Linux, nginx, Unicorn, AWS, Docker, CircleCI データベース: MySQL プロジェクト管理: GitHub, Jira 支給マシン: MacBook Pro (サイズ選択可。USキーボードに変更可) 開発手法: アジャイル、スクラム

株式会社マネジメントソリューションズ（MSOL）

●仕事内容 ・次世代プロダクトの技術戦略の策定と実行 ・プロダクト全体アーキテクチャ設計、技術スタック選定 ・コードの品質と一貫性を保つためのコードレビューやペアプロの実施 ・技術的課題の発見/解決、パフォーマンス最適化 ・チームの技術的な底上げに向けたコーチング、メンタリング ・定常的に新しい技術やツールを評価し、プロダクトに取り入れるべきか判断 ●技術環境 ・OS: Windows Server, Linux ・フロントエンド:TypeScript / Next.js / TailwindCSS / shadcn/ui ・バックエンド:TypeScript / Python ・データベース:PostgreSQL / GraphQL ・インフラ:Azure / Docker ・CI/CD:GitHub Actions ・バージョン管理:GitHub ・プロジェクト管理:PROEVER ・デザイン管理:Figma / Storybook ・コミュニケーション:Slack / Notion / GoogleWS / MS365 ・その他:GitHub Copilot / GitHub Codespaces / Keeper ●人数規模(2026年1月現在) ・計27名(カスタマーG:11名、プロダクトG:12名、その他:4名) ●業務の変更範囲について 「変更の範囲:当社及び出向(転籍)先における各種業務全般 」

株式会社NTTデータ

● 職務内容 当ポジションでは、AIを単なる効率化ツールとして扱うのではなく、要件定義・設計・実装・テスト・運用のすべての工程に組み込んだ「AIネイティブ開発」 を実践しています。 対象は、マイナンバー制度を支える公共性・社会性の高いシステムです。 品質・説明責任・再現性が強く求められる領域において、AIエージェントを前提とした開発プロセスそのものを設計・改善しています。 従来のSI開発で求められてきた「要件を正しく理解し、設計し、実装に落とし込む力」があることは前提の上で、AIを開発パートナーとして活用するスタイルです。 主な業務内容 ・ お客様要望のヒアリングおよび要件の構造化・ドキュメント化 ・ AI活用を前提としたアーキテクチャ(基盤・処理・運用方式)の設計 ・ 設計～実装～試験までの一連のシステム開発作業 ・ AIエージェントの出力を踏まえたレビュー、妥当性検証、再設計 ・ 新規技術・生成AI関連技術の調査および検証 これらの業務を、人が主役となり、AIエージェントを“開発パートナー”として活用しながら遂行します。 将来的には、志向や適性に応じて、サブリーダ/リーダとしてプロジェクトを牽引していただくことも期待しています。 ● チーム・開発スタイルについて 当部署では、AIネイティブ開発に特化した内製チームを組成しています。 ・ PoCや検証止まりではなく、本番システムへの適用を前提 ・ スライド上のAI活用ではなく、コードと成果物で評価 ・ 完成された方法論はなく、仮説 → 実装 → 失敗 → 改善を繰り返す文化 なぜそうなるのかを説明できる設計・実装が常に求められますので、AIエージェントの出力をそのまま採用することはありません。 参考情報 ● 利用技術(一例) ・ 言語:Java, Kotlin, JavaScript/TypeScript ・ FW:Spring Boot, Thymeleaf, MyBatis ・ DB:PostgreSQL, Oracle ・ インフラ:AWS ・ その他:Redis, GitHub, IntelliJ, VS Code, AWS CDK, Jenkins, Ansible, Teams, Azure DevOps

株式会社フライウィール

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? 【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 ・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 　PjM(プロジェクトマネージャー) 　∟個別プロジェクトの計画 / 実行 / 監視 / 改善をリード 　Solution Architect(ソリューションアーキテクト) 　∟クライアントの技術要件とビジネス要件を統合し、最適な技術ソリューションを設計 / 提案 　Data Engineer　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 　∟データ基盤の設計 / 開発 / 運用 / 最適化を担当 　Software Engineer 　∟プロダクト、ソリューションのアプリケーション開発を担当 主要な役割 ●スクラム開発を適用し、アジャイルなプロジェクト推進 2週間のスプリントを基本とし、バックログ管理をユーザーストーリーで整理 チームの柔軟性を確保しながら、開発スピードと品質のバランスを最適化 ●顧客との要件整理とデータドリブンな解決策の提案 クライアントのビジネス課題を深く理解し、データ活用を軸にした最適なソリューションを設計 業界別のユースケースに基づいたソリューション提案 (例:需要予測、レコメンド、異常検知など) ●プロジェクトの可視化と適切なタイミングでのレポーティング プロジェクト進捗をクライアントと社内に透明性を持って報告 主要なKPI(納期遵守率 / 成果物品質 / ROIなど)をトラッキングし、改善施策を実施 ●プロジェクトの課題を正確に捉え、分析し、解決に向けた一連のプロセスを推進 ソリューション、プロセスの課題、リスクの抽出および追跡可能な状態を作る 課題、リスク評価を行い優先度、影響どを評価する 課題の早期解消、リスクの最小化を行う 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

株式会社フライウィール

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

株式会社フライウィール

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

株式会社フライウィール

ソフトウェアエンジニアは、専門性およびプロジェクトのニーズに合わせて幅広い業務を行っております。以下に一例を示します。 ●Conata の製品群を操作・閲覧する Web フロントエンドおよびそのバックエンド (BFF)について、共通部分・ライブラリの開発および改善、各案件向けカスタマイズのサポート ●上記業務プロダクトのUI/UX設計 ●データ収集 └パートナー・クライアントとのデータの受け渡しをするためのインテグレーションシステムの構築 ●データ処理 └データの ETL/ELT 処理の開発。また安定的に動作させるためのデータ処理パイプラインの構築 └バッチ / ストリーミングベースのシナリオに対応したシステムの開発と運用 ●データ管理 └収集したデータ、処理済みデータを保存・活用するためのデータウェアハウスの設計と構築 └センシティブなデータを安全に処理可能にするためのシステム設計・構築 ●負荷試験、セキュリティー対策 ●データベース設計 ●サービスの安定提供を24時間365日、維持するためのシステム運用 ●開発環境や運用の整備・改善 └インフラ、開発ツールチェイン、社内情報管理ツール開発・最適化。 従事すべき業務の変更の範囲:なし 開発環境 クラウド:AWS 開発言語:Kotlin、Python、TypeScript フレームワーク・ミドルウェア等:React、Next.js、MySQL、Redis、Elasticsearch、Snowflake、Micronaut、gRPC、Apache Pulsar、Amazon S3、Amazon Athena、Dagster、Bazel、Amazon EKS(Kubernetes)、Terraform SaaS:Auth0、Vercel 組織とポジションについて ●配属予定組織 ・Product Architectチーム 大規模商用化に適したプロダクトの基幹設計・開発・保守を担います。 ・Core Technologyチーム エンジニアリングチームを横断し、技術の一貫性・効率・革新を促進します。 ・Technical Planning & Enablement チーム 開発プランニング(プロダクト開発計画の策定)、チーム連携(各チーム間のブリッジ役)、プロダクトのデリバリー支援・活用、プロダクトの品質評価や改善等を担います。 シニアソフトウェアエンジニアは、顧客のデータ活用における課題解決をメインミッションとして、日々拡大しているデータの量・種類に技術をもって対応しながら、安定した価値提供に取り組んでいます。また、運用性・安全性の向上、技術課題の解決や支援を通じてチームの発展と顧客への高付加価値なソリューション提供を実現します。

株式会社フライウィール

●様々なチームと協力してプロフェッショナルサービスにおけるプロジェクトの計画、実行、監視をリードする ●プロジェクトの成果物に責任を持ち、品質を保証する一連の取り組みをリードする ●プロジェクトのリスク / 課題 / プロセス / 成果物を評価し改善活動を推進する ●社内外のステークホルダーとのコミュニケーションの促進を図りエンゲージメントを向上させる ●社内のエンジニアリング、ビジネスチームの各チームと協力して、安定したサービス提供を行う ※従事すべき業務の変更の範囲:なし 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

株式会社フライウィール

●チームのエンジニアの評価を通じたパフォーマンス向上とキャリア成長の支援 ●プロジェクト遂行に向けたリソースの調節 ●チームの課題を解決するために社内の他チームや他部署との調整 ●効率的なデプロイや情報共有環境の整備などの開発効率向上のための施策 ●下記のような業務における支援やレビュー ・Conataを構成するレコメンド・検索・広告配信エンジンや、プロフェッショナルサービスの各プロジェクトにおけるシステムの新コンポーネント・機能開発、継続的なパフォーマンス改善 ・効率的なデプロイや情報共有環境の整備などの開発効率向上のための施策 ・負荷試験、セキュリティー対策 ・データベース設計 ・サービスの安定提供を24時間365日、維持するためのシステム運用 ・システムの技術的な問題の発見と解決 ・運用を自動化あるいは低コストにするためのツールの開発 従事すべき業務の変更の範囲:なし 開発環境 クラウド:AWS Backend:Kotlin, Redis, Elasticsearch, Micronaut, gRPC Frontend:TypeScript, React, Next.js, MySQL, Auth0 Data Platform:Python, Dagster, dbt, Airflow, Snowflake, Amazon Athena Infrustructure:Amazon EKS(Kubernetes), Terraform, Prometheus, Grafana DevOps:Bazel, GitHub, GitHub Actions

株式会社フライウィール

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