リモート可 GitHubのITエンジニア求人・転職情報

株式会社Works Human Intelligence

担当プロダクト(モジュール単位のグループ)に所属し、画面設計からデザインシステムの運用、AI体験の検証までをお任せします。 ● 次世代プロダクトおよびAI機能のUI/UX設計 ・AIチャットボットやAIサジェスト機能を組み込んだ、次世代HRテックのUXリサーチおよび画面設計 ・新規機能のオブジェクト指向UIに基づく画面モデリング、および既存の機能過多な業務画面のSaaS型リファクタリング ・労務・給与計算担当者へのデプスヒアリング、および社内営業・コンサルタント経由でのUXリサーチの主導 ・ワイヤーフレーム、およびインタラクションプロトタイプの作成・検証 ● デザインシステム・文化の組織実装 ・プロダクト横断のUI/UXデザインガイドラインの確立・運用 ・大規模のプロダクトエンジニアに対するUI/UXデザインレビュー、および実装支援 ・既存製品へウェブアクセシビリティの観点を組み込む全社的推進 ・UI/UXの定量評価(データによる体験の可視化)の指標づくりと実行 ・グループ内の若手デザイナーに対するメンタリング・育成支援 ●配属組織 ※2026年6月時点 ・製品開発部門約600名 ※協力会社社員含む └各製品/開発領域で組織が分かれ、それぞれ数⼗名程度在籍 └モジュール単位でそれぞれ数名程度グループ在籍 ●技術スタック ・デザインツール:　Adobe XD, Figma ・開発ツール:　Git ・言語:　HTML, CSS, JavaScript(Vue, React, jQuery) ・コミュニケーションツール:　Slack, Gsuite ・AIツール:　GitHub Copilot, Gemini ●デザイン環境 ・デザインツール:　Figma ・言語:　HTML、CSS、JavaScript (Vue, React, jQuery) ・コミュニケーションツール:　Slack, Google Workspace

株式会社Works Human Intelligence

●主な職務内容 大手法人向け統合人事システム「COMPANY」の製品品質の改善を行います. 外部・内部品質の向上の為、自動化を推進します. ●具体的な業務内容 ・自動テストの推進・運用・改善 └ユニット、E2E、パフォーマンスなど ・自動テスト環境の構築・運用 ・コード品質改善ツールの推進・運用・改善 └静的解析(SonarQube)、Linter、フォーマッターなど ・テスト設計、マニュアル作成支援 ・品質改善計画の策定・実行 ・開発、QA、DevOpsチームとの連携 ●SETとQAの違い どちらもソフトウェアの品質を向上させる役割を担う職種ですが、 SETはソフトウェアテストの自動化を担当するエンジニアであり、 QAはソフトウェアの品質管理全般を担当する職種です. ●技術スタック サーバーサイド: Java, TypeScript, Kotlin, COBOL フロントエンド: 開発言語:HTML, CSS, JavaScript, TypeScript ライブラリ:jQuery, Vue.js, React, LESS データストア: Oracle Database, PostgreSQL, Amazon DynamoDB ミドルウェア: Nginx, Apache Tomcat, IBM WebSphere クラウド: AWS, GCP, Azure, OCI CI/CD: Jenkins, AWS CodeBuild, Gradle, Maven, Ant モニタリング: CloudWatch, Zabbix, AppDynamics, Datadog デザインツール: Figma ソースコード管理: GitHub, AWS CodeCommit, Gitlab, Subversion タスク管理: GitHub issues, GitLab issues, Redmine, Trac 開発ツール: Visual Studio Code, Eclipse コミュニケーション: Slack, Google Workspace 【キャリアパス】 ご経験・適性に応じて担当業務を決めます。 半年後には主担当へ、2年後にはリーダーへのステップアップを期待します。 手挙げ制度や年1回の全社公募制度もあるため、 ご希望に応じて幅広いキャリアパスの提供が可能です。 <事例> ・エンジニアリーダー→マネージャー(プロダクト責任者)またはスペシャリスト ※年齢での評価は行っていないため、入社後数年でリーダー→5年を目安にマネージャーを目指していただける環境です。 ・プロダクト開発、テックリード、SREなど他職種への異動 ・導入コンサル、採用人事などエンジニア以外の組織へ異動 【入社後のフォロー体制】 ・1か月程度の教育(インプット)期間の後、1～3か月のOJTでの軽微な修正や開発を行い、3～6か月程度でひとり立ちしていただきます。 ・運用マニュアルや業務wiki、先輩などの有識者へ気軽に聞ける環境が整っていますので、 ご経験が浅い方でも安心して業務を遂行できます。 ・入社直後は経験豊富なメンターの指導を受けながら開発・運用に従事いただき、 徐々に企画・設計などの裁量の大きい仕事へとチャレンジしていただくことが可能です。 【職種について】 変更の範囲:入社後は本職種に従事いただきます。 その後、ご本人の適性等により当社業務全般に変更の可能性があります。

株式会社Works Human Intelligence

担当プロダクト(モジュール単位のグループ)に所属し、画面設計からデザインシステムの運用、AI体験の検証までをお任せします。 ● 次世代プロダクトおよびAI機能のUI/UX設計 ・AIチャットボットやAIサジェスト機能を組み込んだ、次世代HRテックのUXリサーチおよび画面設計 ・新規機能のオブジェクト指向UIに基づく画面モデリング、および既存の機能過多な業務画面のSaaS型リファクタリング ・労務・給与計算担当者へのデプスヒアリング、および社内営業・コンサルタント経由でのUXリサーチの主導 ・ワイヤーフレーム、およびインタラクションプロトタイプの作成・検証 ● デザインシステム・文化の組織実装 ・プロダクト横断のUI/UXデザインガイドラインの確立・運用 ・大規模のプロダクトエンジニアに対するUI/UXデザインレビュー、および実装支援 ・既存製品へウェブアクセシビリティの観点を組み込む全社的推進 ・UI/UXの定量評価(データによる体験の可視化)の指標づくりと実行 ・グループ内の若手デザイナーに対するメンタリング・育成支援 ●配属組織 ※2026年6月時点 ・製品開発部門約600名 ※協力会社社員含む └各製品/開発領域で組織が分かれ、それぞれ数⼗名程度在籍 └モジュール単位でそれぞれ数名程度グループ在籍 ●技術スタック ・デザインツール:　Adobe XD, Figma ・開発ツール:　Git ・言語:　HTML, CSS, JavaScript(Vue, React, jQuery) ・コミュニケーションツール:　Slack, Gsuite ・AIツール:　GitHub Copilot, Gemini ●デザイン環境 ・デザインツール:　Figma ・言語:　HTML、CSS、JavaScript (Vue, React, jQuery) ・コミュニケーションツール:　Slack, Google Workspace

株式会社Works Human Intelligence

大手法人向け統合人事システム「COMPANY」のDevOpsサイクルの改善を担い、AIを活用した開発効率化(AI for Development)と開発者体験(DevEx)の向上を推進します。 ●具体的な業務内容 ・担当製品の業務理解、機能把握、技術理解 ・GitHub Copilot等のAIツールの社内普及・活用推進 ・AIを活用した「自動コードレビュー」や「テストコード自動生成」を組み込んだ、次世代CI/CDパイプラインの構築・運用 ・既存CI/CDパイプラインの運用・改善、ビルド・テスト・デプロイの自動化 ・開発、検証環境の構築・運用 ・開発者体験(DevEx)と開発生産性指標(Four Keys等)の計測・可視化と、それに基づく改善 ・開発、SET、QAチームとの連携、クラウド環境の運用管理 リーダー候補の方には、上記に加えてチーム内の技術的なリードや若手メンバーの育成にも携わっていただきます。 ●配属組織 製品開発部門 約600名/配属先は4～5名のチーム ●技術スタック サーバーサイド: Java, Python フロントエンド(言語):HTML, CSS, JavaScript フロントエンド(ライブラリ):Vue.js データストア: Oracle Database, PostgreSQL, Amazon DynamoDB ミドルウェア: Nginx, Apache Tomcat クラウド: Amazon Web Service CI/CD: Jenkins, AWS CodeBuild, AWS CodePipeline 構成管理:AWS CloudFormation, AWS CDK, Ansible モニタリング:CloudWatch, AppDynamics, Datadog ソースコード管理: Git, Gitlab, GitHub タスク管理:Redmine 開発ツール:Visual Studio Code コミュニケーション: Slack, Google Workspace

株式会社Works Human Intelligence

●役割 アドバンスドテクノロジー部門のコアメンバーとして、当社のAI戦略の土台と最前線の両方を担っていただきます。 「どのLLMを使うか」という外部依存の設計ではなく、GPT, Claude, Geminiなどをコストやレイテンシーに応じて動的にルーティングする自社ゲートウェイや、570万超の人事データを絶対に他社と混ざらないよう分離制御するセキュアなRAG基盤をあなた自身の設計でゼロから生み出す、エンジニアとしての最高峰の挑戦ができるポジションです。 ●職務内容 Webアプリケーション基盤の設計から、新製品への組み込み(PoC〜本番化)までを一気通貫でリードしていただきます。 ● 共通AI/Webアプリケーション基盤の開発 ・AI Readyなデータ基盤のアーキテクチャ設計、開発 ・各種LLM(OpenAI, Anthropic, Amazon Bedrock等)のAPI統合、およびモデルの柔軟な切り替えを可能にするオーケストレーション基盤の構築 ・エンタープライズSaaSに必須となるマルチテナント性やデータ分離(他社データを混在させない強固なセキュリティ)を徹底した、セキュアなAIデータパイプラインの構築 ● フルスタック開発・スケーリングの主導 ・プロトタイプの高速な開発(PoC)による仮説検証のリード ・PoCで得たロジックを、数万人以上のユーザーが同時に利用する本番環境へ耐えうるアーキテクチャに昇華させるスケーラブルな実装・パフォーマンスチューニング ・フロントエンドの状態管理(ストリーミング応答のUI/UX等)から、非同期処理・インフラ構築に至る全レイヤーの実装 ●技術スタック チームによって異なるため、以下のいずれか(参考まで) 言語:Java/TypeScript/Kotlin/Python Cloud: AWS/Google Cloud/Azure/OCI DB: PostgreSQL/Oracle DB/Amazon Aurora/Amazon DynamoDB FW: SpringBoot/Severless Framework/React/Vue3/Svelte/Kotlin Multiplatform 開発インフラ: GitHub/Sonarqube/Jira/Redmine/Zenhub/Figma 生成AI: GitHub Copilot/Gemini for Google Workspaces/Azure OpenAI Service/AWS Bedrock/Google VertexAI/AWS KIRO/Claude Cowork

株式会社Works Human Intelligence

【役割】 配属先の組織によって詳細な職務内容は異なりますが、基本的には新機能開発や既存機能の改修を中心としています。 企画・設計・開発・運用の一連のSaaSプロダクト開発に必要な全てのフェーズに携わっていただきます。 また、個人の主体性を歓迎する文化のため、業務領域のみならず、組織的な改善提案や議論についても自由に行うことができ、本質的な課題を解決していくことを重要視しています。 【主な職務内容】 自社パッケージソフト「COMPANY」の企画・設計・開発・運用業務 基本的にはサブシステムの単位で企画～運用まですべてのフェーズをチームで担当していただきます。 ・(AI活用も含めた)既存プロダクトの機能強化/改善案件 ・当社コンサルタント/サポートセンターからの製品に起因する問題の調査・解決支援 ・新規サービス(マイクロサービス)の企画開発 ご希望や適性に応じて、人事・給与・勤怠・ID管理・タレントマネジメントいずれかの開発チームに所属していただきます。 具体的には、5~10名程度のチームで、1ヶ月単位で設計～テストのサイクルを繰り返します。 ・担当プロダクトへの、AIを活用した新機能および業務アシスタント機能の企画・実装 ・堅牢なバックエンド処理(非同期キュー、ストリーミング処理など)の設計・開発 ・非決定的なAIの挙動を前提とした、最適なフロントエンドの状態管理およびUI/UXの設計(UIUXチームと連携) ・複雑な業務要件をAIに正しくハンドリングさせるための、アプリケーションレイヤーでのコンテキスト制御やプロンプトエンジニアリング ・サービス企画の立案 ・要件定義、詳細設計、レビュー等 ・UIUXデザイン(UIUXチームとの連携)、レビュー等 ・実装、レビュー等 ・テスト設計、テスト実施(自動化)、レビュー等 ・コンサル/サポートセンターからの問い合わせ対応 ・チームメンバーのマネジメント業務(スクラム、1on1、各種面談含)※必要や役職に応じて 【職種について】 変更の範囲:入社後は本職種に従事いただきます。その後、ご本人の適性等により当社業務全般に変更の可能性があります。 ●技術スタック ・Main development languages: Java, Python, JavaScript, TypeScript, Kotlin, Delphi, COBOL ・Cloud Service: Amazon Web Services, Google Cloud Platform, Microsoft Azure, Oracle Cloud Infrastructure ・CI/CD: GitHub Actions, Jenkins, GitLab CI, AWS CodeBuild ・Build automation tools: Gradle, Maven, Ant ・Source code control: GitHub, GitLab, AWS CodeCommit, Subversion ・Task management: GitHub issues, Redmine, Jira Software, Trac ・IDE: Visual Studio Code, Eclipse, IntelliJ ・Communication: Slack, Google Workspace, Zoom/Google meet ・Data store: Oracle Database, PostgreSQL, DynamoDB ・Middleware: Nginx, Apache Tomcat, IBM WebSphere ・Monitoring: CloudWatch, AppDynamics, Datadog ・Design: Figma, Adobe Creative Cloud ・Front-end Framework: React, Vue ・Front-end Library: MUI, Vuetify, Bootstrap, jQuery ・AI tool: Devin, GitHub Copilot, Gemini

ハコベル株式会社

物流DXプロダクトである「トラック簿」の開発をお任せします。 物流業界に対する高い解像度をもとに、現場の課題やニーズを的確に捉え、それらを技術的な最適解へと昇華していくことが求められます。 また、単なる機能開発にとどまらず、ユーザー体験や業務変革の視点を持ち、プロダクトを通じて業界全体にインパクトを与えていく役割を担っていただきます。 【具体的な業務内容】 ・BizやPdMメンバーと連携し、プロダクトのビジョン、目標達成に向けての開発および運用 ・プロダクトがユーザーに提供する価値を理解し、その実現方法を検討・実践 ・TLと連携したプログラミング言語やフレームワーク、ライブラリの技術調査・選択 ・プロダクトの安定した運用と定期的な改善サイクルの実現 【業務内容】 雇入れ直後:システム開発部 変更の範囲:会社の定める業務 ●開発環境 ・開発言語/フレームワーク等: 　-Backend: Kotlin, Java 　-DB: PostgreSQL 　-Frontend: TypeScript, React 　-Mobile App: Flutter, Dart ・インフラ: AWS,Firebase,GCP ・バージョン管理: Git/GitHub ・CI/CD: GitHub Actions ・コミュニケーション: Slack, Notion, Google Workspace ●作業環境 ・Mac Book Pro / Air (機種・キーボードレイアウト選択可)支給 ・外付けモニター: フリーアドレスで利用可能 ・フリーアドレス制なので、気分に合わせて好きな場所で作業可能 ●キャリアパス 領域を限定せずに広くチャレンジすることが歓迎されるカルチャーが浸透し、「本人の意志・志向性に応じて、柔軟に役割を広げていく」考え方がベースにあります。 <キャリア事例> ・入社5年目でVPoTにキャリアアップ ・20代でエンジニアリングマネージャーにキャリアアップ ・新卒2年目でカスタマーサクセスに挑戦するメンバー ・エンジニアからPdMへキャリアチェンジ 等 年齢を問わずご活躍できるフィールドがあり、20-30代の若手メンバーが活躍しています! ●配属組織 配属されるシステム開発部トラック簿システムGは、9名のメンバーが在籍しています。 <在籍メンバー例> ・[EM田中](https://note.com/hacobell/n/n0f6e2e0c9500) エンジニアチームだけでなく、PdM、セールス、CS、それぞれのチームと関わり、一緒に協力して取り組むことを大切にしています。 ●AI活用状況 【開発プロセスそのものをAIで作り替えている組織です】 ハコベルにとってAI活用は、個人の生産性ツールではなく経営アジェンダです。プロダクト戦略と対になる「Tech戦略」の中で「AI自律開発による開発生産性10x」を経営レベルの方針として定義し、開発組織のファーストプライオリティに位置づけています。 私たちが取り組んでいるのは、コーディングをAIに委託することではありません。 ・要件定義: 開発マイルストーン→PBI→SBIへの分割・プランニングをAIが担い、NotionをSSoTとして運用 ・設計: 実装前にAIとdesign.md/ADRを作成し、設計判断は組織の資産として蓄積 ・実装: 複数サブエージェントによる並列実装を含め、AI主体の実装が全チームで稼働 ・レビュー: design.mdとの差分ベースのレビューや、観点別レビューエージェントの整備 ・QA: ケース自動生成、Gherkin×PlaywrightによるE2E自動化 といったように開発フローの全工程をAIが自律的に駆動できる形に再設計している最中です。AIが安全かつ有効に動ける環境・コードベース・ワークフローそのものを設計する「ハーネスエンジニアリング」に組織として取り組んでおり、「AI活用推進会」で各チームの知見を集約・横展開しています。成果・進捗はDORAメトリクス(デプロイ頻度・リードタイムなど)や実装量で計測し組織的に前進させています。 しかし、正直に言えばまだまだ道半ばです。実装のAI化が進んだ結果、レビューとQAが新たなボトルネックとして顕在化しており、まさに今この構造問題を解いているフェーズです。「完成されたAI開発環境を使う」のではなく、「AI時代の開発のあり方を自分の手で定義する」ことに面白さを感じる方に入社いただき、試行錯誤も含めてチャレンジしていきたいと考えています。

株式会社 Laboro.AI

最先端のAI技術を、誰もが直感的に使える形へ。 私たちは、まだ世にない価値をデザインの力で社会に実装するUI/UXデザイナーを募集しています。 アカデミアで研究される最新の機械学習技術と、ビジネスの現場にあるリアルな課題。 その二つを繋ぎ、複雑なソリューションに「使いやすさ」という命を吹き込む、非常に難易度が高く、やりがいのあるポジションです。 各分野のトップランナーである機械学習・システム開発エンジニアやコンサルタントと共に、デザインの力で社会課題を解決しませんか? <業務内容> クライアントが抱える本質的な課題を解決する「カスタムAI」ソリューションのUI/UXデザイン全般をお任せします。 プロジェクトの最上流から参画し、ビジネスとテクノロジー、そしてユーザー体験を繋ぐハブとしての役割を期待しています。 <具体的な業務内容> ・課題発見・要件定義: クライアントへのヒアリングやワークショップを通じて、ビジネス要件とユーザーニーズを深く理解し、解決すべきデザイン課題を定義します。 ・情報設計・プロトタイピング: 複雑なAIのロジックやデータを、ユーザーにとって価値ある体験として再構築するための情報設計、ワイヤーフレーム、プロトタイプの作成を行います。 ・UIデザイン: プロトタイプを元に、ユーザビリティと美しさを両立させたUIデザインを作成します。 デザインシステムの構築・運用にも携わっていただきます。 ・ユーザー検証: ユーザビリティテストなどを計画・実施し、仮説検証を繰り返しながらデザインの品質を高めます。 ・チーム連携: プロジェクトマネージャー、機械学習・システム開発エンジニア、コンサルタントなど、多様な専門性を持つメンバーと密に連携し、プロダクト開発を推進します。 <開発環境・使用ツール> デザインツール: Figma コミュニケーション: Slack, Google Workspace など プロジェクト管理:Backlog など 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。 <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 <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

ハコベル株式会社

「ハコベル運送手配」の軽貨物・一般貨物領域における、要件定義からバックエンド・フロントエンドの実装まで、チームメンバーと協業しながら一気通貫で担当していただきます。 ハコベルではエンジニアも、PdMやCSと共にユーザーヒアリングやオンボードに参加し、ドメイン理解を深めることを重視しています。「言われたものを作る」ではなく、課題の構造を理解した上で何を作るか・どう作るかを一緒に考えられる方を求めています。 <具体的には…> ・BizやPdMと連携した、プロダクトビジョン・目標達成に向けた開発と運用 ・ユーザーが受け取る価値を起点とした、機能設計と実装方針の検討・実践 ・TLと連携した技術選定(言語・フレームワーク・ライブラリ) ・プロダクトの安定運用と改善サイクルの推進 ●開発環境 ・バックエンド: Ruby, Ruby on Rails, Docker ・インフラストラクチャ: AWS(EC2, S3, RDS + Aurora, etc), 　GCP(Firebase, BigQuery, CloudFunctions, etc) ・フロントエンド: TypeScript, Vue.js ・テスト環境: Rspec, Jest, Playwright ・バージョン管理: Git/GitHub ・CI/CD: Jenkins, CodeBuild, CircleCI ・開発・運用支援: Sentry, Datadog, GitHub Copilot ・コミュニケーション: Slack, Notion, Google Meet ●作業環境 ・Mac Book Pro / Air (機種・キーボードレイアウト選択可)支給 ・外付けモニター: フリーアドレスで利用可能 ・フリーアドレス制なので、気分に合わせて好きな場所で作業可能 ●配属組織 配属されるシステム開発部 運送手配システムGは、10名のメンバーが在籍しています。 <在籍メンバー例> ・[EM赤川](https://note.com/hacobell/n/n307bfd7ca39f) ・[TL池松](https://note.com/hacobell/n/n5e644b2abd8b) エンジニアチームだけでなく、PdM、セールス、CS、それぞれのチームと関わり、一緒に協力して取り組むことを大切にしています。 ●カルチャー ・スクラム開発を推進 ・積極的なペアプロやモブプロ ・週次でチーム横断のエンジニア定例 ・自発的な勉強会やハッカソンの開催 ・VPoEやEMとの1on1 ・メンター役が伴走するオンボード支援 雇入れ直後:システム開発部 変更の範囲:会社の定める業務

GO株式会社

GOのデータ基盤では、3,500万ダウンロードのタクシーアプリ『GO』のデータなど、1日に10億レコード規模のデータを収集し、活用しています。 データの主な活用方法は二つあります。 一つはデータプロダクトの開発であり、データをもとにAIや高度なアルゴリズムを開発しタクシーアプリ『GO』に機能として組み込んでいます。 もう一つは意思決定支援であり、約30名のデータアナリストやデータサイエンティストがデータ分析し、その結果を元にビジネス担当やプロダクトマネージャがプロジェクトの効果測定や意思決定をしています。 本ポジションは、このデータ基盤を支えるデータエンジニアです。 仕事内容 データ基盤とデータプロダクトの実行基盤を担当いただきます。 ●データ基盤 ・大規模な車両データをDataflow等を用いてBigQueryに収集 ・3,500万ダウンロードのアプリケーションのDBとログのデータをBigQueryに収集 ・地図を始めとした外部データをデータ基盤に収集 ・データ加工バッチの開発・運用、Google Cloudの様々なサービスを用いて実現 ・StreamlitやLookerなど分析ツールのホスティング ・100人規模の利用者の管理、セキュリティコントロール ●データプロダクト実行基盤 ・タクシーアプリ『GO』でAIや高度なアルゴリズムを用いたデータプロダクトの実行基盤を設計・開発・運用 ・データサイエンティストの開発支援 ・AIモデルの学習バッチや、本番での推論サービング ・高性能かつ高可用性を担保するための設計・実装・システム運用 ・24/365のオンコール体制(待機なし・システム障害時に当番順にコールがあり対応) ●業務内容の変更範囲 会社が指定する業務全般 開発環境 ●データ基盤 ・データストア: BigQuery ・ETL: Dataflow, 独自開発(Python) ・SQLフレームワーク: Dataform ・ワークフローエンジン: Cloud Composer(Airflow) + GKE ・メタデータ管理:Dataplex ・その他ツール: Streamlit, Kepler.gl, Kubeflow ・言語: Python ●データプロダクト実行基盤 ・データストア:Redis, AWS Aurora(MySQL, PostgreSQL) ・実行基盤:AWS:AKE etc ・言語: Go, Python ・モニタリング: Grafana, Sentry ・その他ツール:Feast ●開発環境 ・LLM: Github Copilot, Claude code, gemini, MCPs etc ・IDE: VS Code etc ・CI / CD: GitHub Action ・VCS: GitHub ・その他 Google Workspace, Slack 所属組織 AI技術開発部 データプラットフォームグループ:4名 ※関連チーム ・データサイエンティスト:20名 ・データアナリスト:8名 ・データアーキテクト:5名

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。

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

株式会社アイエスエフネット

～PC設定やシステム監視、ヘルプデスクなどの簡単な業務からお任せします～ ・ヘルプデスク→「急にパソコンがフリーズした」「ソフトの使い方が分からない」など、ITに関する問い合わせに対応します。 ・キッティング業務→PC・タブレットの初期設定、ネットワーク設定などを⾏います。 ・システムやネットワークの運用・保守・監視→インターネットや社内ネットワークなどを円滑にするためのサーバー・セキュリティ環境などの整備を⾏います。 基本的にはチーム制での配属となり、しばらくは先輩が横につきながらフォローします。 ゆくゆくは設計や構築、プロジェクトマネジメントといったレベルの高い仕事にチャレンジすることも可能。 グローバルに拠点を展開しているため、意欲次第では世界をまたにかけて活躍できるチャンスもあります。 ●プロジェクト例 ①インフラ運用ネットワーク担当作業 ②某製品の技術支援業務 ③お客様拠点に設置のサーバー構築

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)

デロイト トーマツ ノード合同会社（D.Node）

● D.Node(デロイト トーマツ ノード合同会社)とは? デロイト トーマツ コンサルティング(DTC)グループの一員として、日本を代表する大企業(エンタープライズ)のDX(デジタルトランスフォーメーション)戦略の実現を担うテクノロジー集団です。 単なる「システムの受託開発」ではありません。日々変化する経営環境に適応するため、ビジネスの仕組みづくりそのものを変革します。業界の深い知見と高度な技術力を武器に、戦略構想から開発・運用まで「End to End(一気通貫)」で支援できる圧倒的な実績と難易度の高い案件が集まる環境です。 ● 業務内容 AI/生成AIやデータ基盤といった変化のスピードが極めて早い技術領域において、不確実性の高い最先端プロジェクトをクライアントと共に強力に推進する「プロジェクトマネージャー(PM)またはPM候補」としてご活躍いただきます。 技術的な前提や制約(API利用、モデル特性、コスト・セキュリティ観点など)をしっかりと理解した上で、チームビルディングから顧客折衝、戦略策定まで、プロジェクトの全責任を担う非常に裁量の大きいポジションです。 ● 具体的な業務 ①プロジェクト全体のマネジメント プロジェクト推進における「チームビルディング」「タスク・課題管理」「スケジュール管理」「品質管理」の徹底 ②最上流の顧客折衝・戦略策定 クライアントとの要件調整、期待値調整、課題整理、および「そもそも何をどう作るか」という戦略策定のリード ③技術とプロジェクトの両面でのチームリード 開発チームのメンバーと円滑なコミュニケーションを取り、プロジェクトのゴールに向けてチームを牽引・サポート ④複数・大規模案件のハンドリング ご経験や志向性に応じ、様々な規模の案件や、複数案件を跨いだ全体統括(マルチプロジェクトマネジメント)の実施 ● 案件事例 ※本求人だけではなくD.Nodeでの過去案件を一部記載させていただきます※ ・自動車業界クライアント向け:複数システムのデータを一元的に連携するクラウドサービス基盤の設計 ・自動車業界クライアント向け:車両から発信される情報を集約、管理、活用するグローバル基盤構築 ・自動車業界クライアント向け:車両から発信されるデータの蓄積と再利用のためのDB基盤構築 ・電気通信事業クライアント向け:デジタルマーケティングシステムにおけるAPIリアルタイム連携構築 ・小売業クライアント向け:オンプレミスのクラウド移行 ・電気ガス事業クライアント向け:生成AIアプリケーション(RAG/AIエージェント)のプロトタイプ、本番開発におけるRAGチューニング・評価など対応 ・デジタル通貨のパイロット実験のアドバイザリー ●取り扱うソリューション ビジネスのスピードに合わせ、モダンな開発環境を採用しています。 開発手法: アジャイル(スクラム開発) ※クライアントや案件属性によって変更あり。 Cloud: ・AWS,Azure,Google Cloud,OCI AI/ML: ・AWS Bedrock,SageMaker,Knowledge Base for Amazon Bedrock etc ・Azure AI Foundry,OpenAI Service,Machine Learning,AI Search, Prompt Flow etc ・Google Cloud Vertex AI,Agent Engine,Vertex AI Search,Gemini Enterprise etc ・NVIDIA NIM,NeMo,Omniverse,Databricks - Agent Bricks データ基盤/活用: ・AWS Redshift / Athena,Glue,Kinesis Data Analytics,EMR,Kinesis + SNS/SQS,Glue Studio etc ・Azure Synapse Analytics,Data Factory,Synapse Pipelines,HDInsight,Event Hubs,Data Factory etc ・Google Cloud BigQuery,Pub/Sub,★Dataplex,Dataflow etc ・Databricks,Snowflake ローコード/ノーコード: ・Power Automate /Power Apps,UiPath,Blueprism,AutomationAnywhere ・Dify,Gemini Enterprise,MS Copilot Studio EMTech: ・★量子コンピュータ,★Physical AI - Robotics,★Web4 プログラミング言語/FW: ・Python,Java,TypeScript,Node.js ・Flask,FastAPI,SpringBoot,React,Next.js,Vue.js,Nuxt.js ・LangChain/LangGraph,MLflow ・★MicrosoftAgentFramework,★SemanticKernel,AutoGen ・★MCP,★MCPPythonSDK,★FastMCP,★ROS2 ・★A2A,★AP2 laC/CI: ・Terraform,CloudFormation,Ansible ・GitHubActions,AWSCodePipeline,AzureDevOps,Jenkins AIツール: ・MSCopilotStudio,M365Copilot,ChatBot(ChatGPTライク) ・GitHubCopilot,★Devin,★v0 AIロボティクス: ・★SLAM,★Navigation,★強化学習・模倣学習・ロボット言語モデル データベース: ・各種RDS,NoSQL,★NewSQL,VectorDB,★GraphDB 監視/評価/セキュリティ: ・★Langfuse,★RAGAS,★RAGChecker,★mlFlow,★Datadog,Snyk ※1　★印以外:D.Nodeに組織としてノウハウがあるもの ※2　 2025年12月時点 ●キャリアについて D.Nodeでは、メンバーの志向性や強みに応じて柔軟かつスケールの大きなキャリアを描くことが可能です。 ①エバンジェリスト ・社内だけでなく、社外の技術コミュニティや業界内でも高い影響力・知名度(エミネンス)を持ち、SMEロールを担います。 ②シニアマネージャー ・複数案件を全体統括し、プロジェクト全体の収益性(P&L)の責任や、次なる投資(新規事業や大規模案件)の獲得までを含めた、ビジネスプロデュースを担います。 ● 働き方 全メンバーフルリモートワークとなり、チャットやビデオ会議でコミュニケーションをとっています。 また、フレックス勤務制を導入しており、ご家庭の都合により中抜け等にも対応しています。 さらなる業務推進のために下記施策も実施しております。 ①社内イベント参加時などの宿泊費・交通費の補助 ②バディ制度・コーチ制度などによる入社後の立ち上がりサポート ③LT会やPool単位での技術情報共有会の開催 ④全体会議でのインタラクティブなセッションの実施 ⑤地方での懇親会開催 ※状況により、出社・顧客先への訪問の可能性あり。

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。

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