機械学習・データ活用 GitHubのITエンジニア求人・転職情報

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 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

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

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

●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

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

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

●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Works Human Intelligence

【役割】 高いエンジニアリング力を活かし、自社製AI/LLMゲートウェイのスクラッチ開発や他社データを混在させないセキュアなRAG基盤構築の設計・実装の先頭に立っていただきます。 基盤の開発進捗とご自身の希望・適性を見ながら、半年〜1年を目安に以下のステップでシームレスにマネジメント領域を拡張していただきます。 ・コアコンポーネントの設計・実装、および技術的リーダーシップの発揮 ・PdMや各プロダクトチームとの仕様折衝、ロードマップの共同策定 ・メンバー(5〜10名規模)の目標設定・評価・1on1、およびエンジニア採用の主導 ※「コードから完全に離れるピープルマネジメント専任」ではなく、「技術がわかる強いEM(プレイングマネージャー)」としての活躍を期待しています。 【職務内容】 ●共通AI/Webアプリケーション基盤の開発リード ・AI Readyなデータ基盤のアーキテクチャ設計、開発 ・各種LLM(OpenAI, Anthropic, Bedrock等)のAPI統合、モデルの柔軟な切り替えを可能にするオーケストレーション基盤の構築 ・エンタープライズ要件(マルチテナント性、強固なデータ分離)を徹底したセキュアなデータパイプラインの構築 ・PoC(仮説検証)から、数万人規模の同時接続に耐えうる本番環境へのスケーリング・パフォーマンスチューニング ●プロジェクト及びピープルマネジメント ・プロダクトマネージャー(PdM)と連携した、全社AI基盤の要求定義と開発マイルストーンの策定 ・開発チーム(5〜10名規模)のスクラムイベントのファシリテーション、タスクアサインと進捗管理 ・メンバーのコードレビュー、技術的メンタリングによるAIエンジニアリング力の底上げ ・将来的な、メンバーの目標設定・評価・キャリア開発支援(1on1)、および新規エンジニアの採用面接 ●部門説明 【所属部署・配属組織】2026年6月現在 アドバンスドテクノロジー部門 約80名※協力会社社員含む └先端技術の研究・開発に取り組む研究開発部門(立ち上げ当初30名から倍以上に成長) └各製品/開発領域で組織が分かれ、それぞれ5~10名規模のグループ(チーム)が存在 【特徴・チームワーク】 ・エンジニアが企画から開発まで一貫して携われる、一部門としてはスタートアップのような運営形態 ・「COMPANY」に蓄積された膨大かつ豊富な種類のデータを活用して新しい価値を創造するやりがい ・チーム内での技術の情報共有が積極的、デイリーミーティングによるサポート体制、アットホームな雰囲気 ●技術スタック ・チームによって異なるため、以下のいずれか(参考まで) ・言語:Java/TypeScript/Kotlin/Python ・Cloud: AWS/Google Cloud/Azure/OCI ・DB: PostgreSQL/Oracle DB/Amazon Aurora/Amazon DynamoDB ・FW: SpringBoot/Severless Framework/React/Vue3/Svelte/Kotlin Multiplatform ・開発インフラ: GitHub/Sonarqube/Jira/Redmine/Zenhub/Figma ・生成AI: GitHub Copilot/Gemini for Google Workspaces/Azure OpenAI Service/AWS Bedrock/Google VertexAI/AWS KIRO/Claude Cowork

株式会社Works Human Intelligence

【役割】 圧倒的な実装力を活かし、「自社製AI/LLMゲートウェイのスクラッチ開発」や「他社データを絶対に混在させないセキュアなRAG基盤」のコアロジック実装(プレイングの先頭)を担っていただきます。 その後、半年〜1年を目安に以下のステップで「技術への責任範囲」を全社規模へと拡張していただきます。 ・基盤のコアコンポーネントの自らによる実装、および技術的ブレイクスルーの体現 ・全社プロダクトが利用するAI組み込みガイドライン、自動テスト戦略、CI/CDパイプラインの策定 ・部署横断での技術選定、難解なシステムトラブルの最終エスカレーション対応、およびADR(アーキテクチャ決定記録)の主導 ※ピープルマネジメント(評価・労務管理)の責務はありません。「純粋に技術とプロダクトの品質でチームを引っ張るスペシャリスト」としてのキャリアをお約束します。 【職務内容】 ●基盤アーキテクチャの設計・技術選定 ・AI Readyなデータ基盤のアーキテクチャ設計、開発のアーキテクチャ全体のグランドデザイン ・非機能要件(レイテンシー、スケーラビリティ、可用性、強固なマルチテナントセキュリティ)を担保するクラウドインフラ(AWS等)およびバックエンドの設計 ・各種LLM(OpenAI, Anthropic, Bedrock等)のAPI動的ルーティング、およびコスト・応答速度最適化ロジックの考案 ・中長期的な視点に立った技術的負債の返済計画策定と、CI/CD環境のモダン化 ●コアコンポーネントの実装・品質担保 ・基盤における「最も技術的難易度の高い10%のコード」のハンズオン実装 ・PoC(仮説検証)コードから、数万人規模の同時接続に耐えうる本番クオリティへのリファクタリング主導 ・厳格な自動テスト(Unit, E2E, 負荷テスト等)の設計と仕組み化による「落ちないインフラ」の実現 ・チームメンバーへの高度なコードレビュー、およびペアプログラミング等を通じた技術メンタリング ●部門説明 【所属部署・配属組織】2026年6月現在 アドバンスドテクノロジー部門 約80名※協力会社社員含む └先端技術の研究・開発に取り組む研究開発部門(立ち上げ当初30名から倍以上に成長) └各製品/開発領域で組織が分かれ、それぞれ5~10名規模のグループ(チーム)が存在 【特徴・チームワーク】 ・エンジニアが企画から開発まで一貫して携われる、一部門としてはスタートアップのような運営形態 ・「COMPANY」に蓄積された膨大かつ豊富な種類のデータを活用して新しい価値を創造するやりがい ・チーム内での技術の情報共有が積極的、デイリーミーティングによるサポート体制、アットホームな雰囲気 ●技術スタック チームによって異なるため、以下のいずれか(参考まで) ・言語:Java/TypeScript/Kotlin/Python ・Cloud: AWS/Google Cloud/Azure/OCI ・DB: PostgreSQL/Oracle DB/Amazon Aurora/Amazon DynamoDB ・FW: SpringBoot/Severless Framework/React/Vue3/Svelte/Kotlin Multiplatform ・開発インフラ: GitHub/Sonarqube/Jira/Redmine/Zenhub/Figma ・生成AI: GitHub Copilot/Gemini for Google Workspaces/Azure OpenAI Service/AWS Bedrock/Google VertexAI/AWS KIRO/Claude Cowork

株式会社Works Human Intelligence

【役割】 高いエンジニアリング力を活かし、自社製AI/LLMゲートウェイのスクラッチ開発や他社データを混在させないセキュアなRAG基盤構築の設計・実装の先頭に立っていただきます。 基盤の開発進捗とご自身の希望・適性を見ながら、半年〜1年を目安に以下のステップでシームレスにマネジメント領域を拡張していただきます。 ・コアコンポーネントの設計・実装、および技術的リーダーシップの発揮 ・PdMや各プロダクトチームとの仕様折衝、ロードマップの共同策定 ・メンバー(5〜10名規模)の目標設定・評価・1on1、およびエンジニア採用の主導 ※「コードから完全に離れるピープルマネジメント専任」ではなく、「技術がわかる強いEM(プレイングマネージャー)」としての活躍を期待しています。 【職務内容】 ●共通AI/Webアプリケーション基盤の開発リード ・AI Readyなデータ基盤のアーキテクチャ設計、開発 ・各種LLM(OpenAI, Anthropic, Bedrock等)のAPI統合、モデルの柔軟な切り替えを可能にするオーケストレーション基盤の構築 ・エンタープライズ要件(マルチテナント性、強固なデータ分離)を徹底したセキュアなデータパイプラインの構築 ・PoC(仮説検証)から、数万人規模の同時接続に耐えうる本番環境へのスケーリング・パフォーマンスチューニング ●プロジェクト及びピープルマネジメント ・プロダクトマネージャー(PdM)と連携した、全社AI基盤の要求定義と開発マイルストーンの策定 ・開発チーム(5〜10名規模)のスクラムイベントのファシリテーション、タスクアサインと進捗管理 ・メンバーのコードレビュー、技術的メンタリングによるAIエンジニアリング力の底上げ ・将来的な、メンバーの目標設定・評価・キャリア開発支援(1on1)、および新規エンジニアの採用面接 ●部門説明 【所属部署・配属組織】2026年6月現在 アドバンスドテクノロジー部門 約80名※協力会社社員含む └先端技術の研究・開発に取り組む研究開発部門(立ち上げ当初30名から倍以上に成長) └各製品/開発領域で組織が分かれ、それぞれ5~10名規模のグループ(チーム)が存在 【特徴・チームワーク】 ・エンジニアが企画から開発まで一貫して携われる、一部門としてはスタートアップのような運営形態 ・「COMPANY」に蓄積された膨大かつ豊富な種類のデータを活用して新しい価値を創造するやりがい ・チーム内での技術の情報共有が積極的、デイリーミーティングによるサポート体制、アットホームな雰囲気 ●技術スタック チームによって異なるため、以下のいずれか(参考まで) ・言語:Java/TypeScript/Kotlin/Python ・Cloud: AWS/Google Cloud/Azure/OCI ・DB: PostgreSQL/Oracle DB/Amazon Aurora/Amazon DynamoDB ・FW: SpringBoot/Severless Framework/React/Vue3/Svelte/Kotlin Multiplatform ・開発インフラ: GitHub/Sonarqube/Jira/Redmine/Zenhub/Figma ・生成AI: GitHub Copilot/Gemini for Google Workspaces/Azure OpenAI Service/AWS Bedrock/Google VertexAI/AWS KIRO/Claude Cowork

株式会社Works Human Intelligence

【役割】 高いエンジニアリング力を活かし、自社製AI/LLMゲートウェイのスクラッチ開発や他社データを混在させないセキュアなRAG基盤構築の設計・実装の先頭に立っていただきます。 基盤の開発進捗とご自身の希望・適性を見ながら、半年〜1年を目安に以下のステップでシームレスにマネジメント領域を拡張していただきます。 ・コアコンポーネントの設計・実装、および技術的リーダーシップの発揮 ・PdMや各プロダクトチームとの仕様折衝、ロードマップの共同策定 ・メンバー(5〜10名規模)の目標設定・評価・1on1、およびエンジニア採用の主導 ※「コードから完全に離れるピープルマネジメント専任」ではなく、「技術がわかる強いEM(プレイングマネージャー)」としての活躍を期待しています。 【職務内容】 ●共通AI/Webアプリケーション基盤の開発リード ・AI Readyなデータ基盤のアーキテクチャ設計、開発 ・各種LLM(OpenAI, Anthropic, Bedrock等)のAPI統合、モデルの柔軟な切り替えを可能にするオーケストレーション基盤の構築 ・エンタープライズ要件(マルチテナント性、強固なデータ分離)を徹底したセキュアなデータパイプラインの構築 ・PoC(仮説検証)から、数万人規模の同時接続に耐えうる本番環境へのスケーリング・パフォーマンスチューニング ●プロジェクト及びピープルマネジメント ・プロダクトマネージャー(PdM)と連携した、全社AI基盤の要求定義と開発マイルストーンの策定 ・開発チーム(5〜10名規模)のスクラムイベントのファシリテーション、タスクアサインと進捗管理 ・メンバーのコードレビュー、技術的メンタリングによるAIエンジニアリング力の底上げ ・将来的な、メンバーの目標設定・評価・キャリア開発支援(1on1)、および新規エンジニアの採用面接 ●部門説明 【所属部署・配属組織】2026年6月現在 アドバンスドテクノロジー部門 約80名※協力会社社員含む └先端技術の研究・開発に取り組む研究開発部門(立ち上げ当初30名から倍以上に成長) └各製品/開発領域で組織が分かれ、それぞれ5~10名規模のグループ(チーム)が存在 【特徴・チームワーク】 ・エンジニアが企画から開発まで一貫して携われる、一部門としてはスタートアップのような運営形態 ・「COMPANY」に蓄積された膨大かつ豊富な種類のデータを活用して新しい価値を創造するやりがい ・チーム内での技術の情報共有が積極的、デイリーミーティングによるサポート体制、アットホームな雰囲気 ●技術スタック ・チームによって異なるため、以下のいずれか(参考まで) ・言語:Java/TypeScript/Kotlin/Python ・Cloud: AWS/Google Cloud/Azure/OCI ・DB: PostgreSQL/Oracle DB/Amazon Aurora/Amazon DynamoDB ・FW: SpringBoot/Severless Framework/React/Vue3/Svelte/Kotlin Multiplatform ・開発インフラ: GitHub/Sonarqube/Jira/Redmine/Zenhub/Figma ・生成AI: GitHub Copilot/Gemini for Google Workspaces/Azure OpenAI Service/AWS Bedrock/Google VertexAI/AWS KIRO/Claude Cowork

ハコベル株式会社

このポジションでは、VPoT直下で特定のプロダクトに限定されない横断的な技術課題に取り組みます。生成AIを活用した高速開発を基盤として、各事業領域の技術的ボトルネックを解決し、組織全体の開発効率と技術基盤の向上を実現するのが主な役割です。 具体的には、以下のような業務に携わっていただきます: ・技術POCと新規領域の実装 　-各事業領域から持ち上がる新規事業仮説や技術的課題に対し、生成AIをフル活用して迅速にプロトタイプを構築・検証し、実装可能性を判断 ・データ基盤・基盤システムの企画・構築 　-複数事業にまたがるデータ分析基盤、顧客基盤、マスタデータ管理などの基盤整備を推進 ・認証・アカウント基盤の統一化 　-既存プロダクト間の認証方式の統一、SSO導入など、全社横断的な認証基盤の構築 ・プロダクト間連携の中間システム開発 　-複数プロダクトを統合するAPIやデータパイプラインの設計・構築 ・技術スタック・ライブラリの選定・導入 　-不確実性の高い要件に対し、生成AIを活用して最適な技術選択を行い、チーム内で展開 ・VPoT・各プロダクトマネージャーとの技術的な相談対応 　-技術的な実装方針の検討、アーキテクチャレビュー、開発効率改善の提案 こちらはあくまで一例となるため、状況に合わせて優先度判断をしながら柔軟に広範囲の課題に対して取り組みます。 【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 POCの開発や特定のプロダクトに限らない開発を行うため使用する言語やフレームワークは多岐にわたります。ここでは一例を記載します。 ・開発言語/フレームワーク等: 　-Backend: Ruby on Rails、Kotlin、Java、Go 　-Frontend: TypeScript、React、Vue.js 　-特性: 特定の言語・フレームワークに限定せず、プロダクトやチームの最適な技術選択に対応する横断開発ポジション 　-DB: PostgreSQL、MySQL ・インフラ: AWS(EC2, S3, RDS, Lambda, CodeBuild等)、GCP(Firebase, BigQuery, Cloud Functions等) ・バージョン管理: Git/GitHub ・CI/CD: GitHub Actions、Jenkins、CircleCI、AWS CodeBuild ・AI開発支援ツール: Claude(Claude API、Claude Code)、GitHub Copilot、Gemini、Devin ・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。 横断開発という特殊なポジションは、通常のチーム開発では得られない成長機会を提供します。複数プロダクトの技術スタックやアーキテクチャを経験しトレードオフの判断力が養われるほか、基盤層の開発知見をプロダクト開発へ展開する循環が生まれます。VPoTと共に部全体の技術戦略を策定し、他チームをリードする立場へのキャリアも開かれています。 ▼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 本ポジションはシステム開発部直下に配属されます。通常のチームベースの組織構成とは異なり、部直下のエンジニアとしてVPoTとともにdev全体に横断的に関わる責務を担当します。 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。 ▶︎[開発組織の体制について/VPoE・VPoTのインタビューはこちら](https://note.com/hacobell/n/n77ab6e3a81fe) ●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 ・生成AIをフルに活用した開発スタイルを全社的に推進。チーム内での学習・議論を常に行い、技術の進化に合わせて開発スタイルを進化させ続けている

株式会社 Laboro.AI

PoCから本開発(システムの本番導入)まで手がける案件の増加により、開発エンジニアリングチームを拡大しています。 弊社のソリューションデザイナや機械学習エンジニア、及び外部の協力会社と連携しながら、機械学習を用いたシステム/サービス開発を推進して頂きます。 具体的には、PoC後の本番導入に向けて、機械学習システムの要件定義から設計・開発・テスト・運用までの一貫したフェーズをご担当いただきます。 具体的な業務内容 ・機械学習を用いたシステム/サービス開発の参画 機械学習エンジニアが実装したモデルをシステム上に載せるというイメージです。 ・システム開発エンジニアチームの組織拡大に必要な活動全般(部内への定期的な技術発信活動、メンバー育成活動など) 技術スタック 使用する技術はプロジェクトにより異なりますが、主に以下の技術スタックを用いて開発を行っています。 ・開発言語(Python, Rust, Javascript) ・インフラ(AWS, Azure, Google Cloud, 社内GCPサーバ) ・開発ツール(Visual Studio, GitHub) ・その他ツール(Slack, Backlog, Cacoo, Google Meet) 社内活動 エンジニアリング部では以下のような社内活動を通じて技術的成長やエンゲージメント向上を行っています。 ・技術勉強会の開催(数理最適化、強化学習 etc...) ・最新技術勉強会の開催(マルチエージェント etc...) 　- 本勉強会にはソリューションデザイナー、コーポレートも合わせ、社員の約3/4のメンバーが参加しました。 ・チームビルディング施策 　- “チームメンバーを知る企画“として、レーダーチャートの作成/予想、チームのキャッチコピー作成等のワークを実施 ● 業務の変更範囲:なし

株式会社 Laboro.AI

担当プロジェクトのメインエンジニアとして、弊社のソリューションデザイナ（顧客折衝やプロジェクトマネジメント等を担当）と連携しながら、データ分析、モデル開発/改善、結果のレポーティング等を実施していただきます。（プロジェクトごとに、リード機械学習エンジニアが1名サポートにつきます） ＜具体的な業務内容＞ ・ディープラーニング等の機械学習技術を用いたソリューションの開発 ・顧客プロジェクト向けの機械学習ソリューションのカスタマイズ開発 ・機械学習技術を用いたシステムの開発 ・社内プロジェクトメンバーや顧客への技術的な説明 ーーーーーーーーーーーーーーーー 弊社はオーダーメイドによるAIモデル「カスタムAI」の開発・提供を行う、AI/機械学習のスペシャリスト集団で、最先端のAI技術とクライアントのビジネスを「つなぐ存在」をミッションとしたスタートアップ企業です。 高い技術力と課題解決能力が評価され、既に大手企業を中心に多くの導入事例とリピート契約があります。 ●カスタムAIソリューション事業とは？ 弊社は以下を特徴とするカスタムAIソリューション事業を展開しています。 ・オーダーメイドによるAI開発 　- アカデミア出自の先端の機械学習技術をベースに、ビジネスにジャストフィットする形でAIを受託開発 ・企業のコア業務をAIで変革 　- 画一的なパッケージAでは対応が難しい、ビジネス現場特有の複雑な課題の解決に貢献 また他社との差別化のため、弊社は「バリューアップ型AIテーマ」に注力しています。 ●プロジェクトの開発フロー 弊社では約3ヶ月間という短いサイクルで機械学習モデルやAIに関係するシステムをお客様に提供しています。 顧客折衝は基本的に弊社のソリューションデザイナが行いますが、希望に応じてエンジニアもフロントに立って直接提案したり顧客ニーズを聞いたりすることができます。 ●チーム構成・支援制度 基本的に弊社では1つのPJTに対し、メイン担当としてソリューションデザイナ/エンジニアが1名ずつアサインされます。 またソリューションデザイナ/エンジニアそれぞれを補佐する役割としてSV（スーパーバイザー）がつきます。 一方で大型案件等になりますとPJTの人数は必要に応じて増加します。 ●裁量の大きさについて 弊社はAIコンサルティングの会社としてお客様に”AIソリューションを提供すること”を使命としています。 AIソリューションを提供するためにあらゆることを思案して実行できればと考えているので、提供元のエンジニアは以下のような裁量の大きい環境で自らのプロフェッショナリズムを発揮いただければと考えています。 ・技術者がお客様に対して直接提案をすること ・お客様が設計した問題に対してその問題設計に提言できること ・チームを自ら組閣し案件成功に向けて自ら動くことができること ・会社の承認のもと、必要人員の確保依頼やツールの追加導入について主導、積極的な提案ができること ●技術スタック 使用する技術はプロジェクトにより異なりますが、主に以下の技術スタックを用いて開発を行っています。 ・データ分析全般（NumPy, pandas, Matplotlib, seaborn, plotly, Streamlit） ・機械学習（sckit-learn, statsmodelsm, OPTUNA, SHAP, LightGBM） ・Deep Learning（PyTorch, TensorFlow, Hugging Face, OpenAI, LangChain） ・実験管理（Kedro, mlflow, Kubeflow） ●社内活動 エンジニアリング部では以下のような社内活動を通じて技術的成長やエンゲージメント向上を行っています。 ・技術勉強会の開催（数理最適化、強化学習 etc...） ・最新技術勉強会の開催（マルチエージェント etc...） 　- 本勉強会にはソリューションデザイナー、コーポレートも合わせ、社員の約3/4のメンバーが参加しました。 ・チームビルディング施策 　- “チームメンバーを知る企画“として、レーダーチャートの作成/予想、チームのキャッチコピー作成等のワークを実施 業務の変更範囲:なし

株式会社 Laboro.AI

● 募集ポジション pocから本開発(システムの本番導入)まで手がける案件の増加により、開発エンジニアリングチームを拡大しています。 弊社のソリューションデザイナや機械学習エンジニア、及び外部の協力会社と連携しながら、機械学習を用いたシステム/サービス開発を推進して頂きます。 具体的には、poc後の本番導入に向けて、機械学習システムの要件定義から設計・開発・テスト・運用までの一貫したフェーズをご担当いただきます。 <具体的な業務内容> ・機械学習を用いたシステム/サービス開発の参画 機械学習エンジニアが実装したモデルをシステム上に載せるというイメージです。 入社時点で機械学習に関する知識が少なくても、入社後にキャッチアップして頂けます。 ●業務の変更範囲:なし ーーーーーーーーーーーーーーーー 弊社はオーダーメイドによるAIモデル「カスタムAI」の開発・提供を行う、AI/機械学習のスペシャリスト集団で、最先端のAI技術とクライアントのビジネスを「つなぐ存在」をミッションとしたスタートアップ企業です。 高い技術力と課題解決能力が評価され、既に大手企業を中心に多くの導入事例とリピート契約があります。 ●カスタムAIソリューション事業とは? 弊社は以下を特徴とするカスタムAIソリューション事業を展開しています。 ・オーダーメイドによるAI開発 　- アカデミア出自の先端の機械学習技術をベースに、ビジネスにジャストフィットする形でAIを受託開発 ・企業のコア業務をAIで変革 　- 画一的なパッケージAでは対応が難しい、ビジネス現場特有の複雑な課題の解決に貢献 また他社との差別化のため、弊社は「バリューアップ型AIテーマ」に注力しています。 ●プロジェクトの開発フロー 弊社では約3ヶ月間という短いサイクルで機械学習モデルやAIに関係するシステムをお客様に提供しています。 顧客折衝は基本的に弊社のソリューションデザイナが行いますが、希望に応じてエンジニアもフロントに立って直接提案したり顧客ニーズを聞いたりすることができます。 ●チーム構成・支援制度 基本的に弊社では1つのPJTに対し、メイン担当としてソリューションデザイナ/エンジニアが1名ずつアサインされます。 またソリューションデザイナ/エンジニアそれぞれを補佐する役割としてSV(スーパーバイザー)がつきます。 一方で大型案件等になりますとPJTの人数は必要に応じて増加します。 ●裁量の大きさについて 弊社はAIコンサルティングの会社としてお客様に”AIソリューションを提供すること”を使命としています。 AIソリューションを提供するためにあらゆることを思案して実行できればと考えているので、提供元のエンジニアは以下のような裁量の大きい環境で自らのプロフェッショナリズムを発揮いただければと考えています。 ・技術者がお客様に対して直接提案をすること ・お客様が設計した問題に対してその問題設計に提言できること ・チームを自ら組閣し案件成功に向けて自ら動くことができること ・会社の承認のもと、必要人員の確保依頼やツールの追加導入について主導、積極的な提案ができること ●技術スタック 使用する技術はプロジェクトにより異なりますが、主に以下の技術スタックを用いて開発を行っています。 ・開発言語(python, rust, javascript) ・インフラ(aws, azure, google cloud, 社内gcpサーバ) ・開発ツール(visual studio, github) ・その他ツール(slack, backlog, cacoo, google meet) ●社内活動 エンジニアリング部では以下のような社内活動を通じて技術的成長やエンゲージメント向上を行っています。 ・技術勉強会の開催(数理最適化、強化学習 etc...) ・最新技術勉強会の開催(マルチエージェント etc...) 　- 本勉強会にはソリューションデザイナー、コーポレートも合わせ、社員の約3/4のメンバーが参加しました。 ・チームビルディング施策 　- “チームメンバーを知る企画“として、レーダーチャートの作成/予想、チームのキャッチコピー作成等のワークを実施

株式会社 Laboro.AI

●募集ポジション pocから本開発(システムの本番導入)まで手がける案件の増加により、開発エンジニアリングチームを拡大しています。 弊社のソリューションデザイナや機械学習エンジニア、及び外部の協力会社と連携しながら、機械学習を用いたシステム/サービス開発を推進して頂きます。 具体的には、poc後の本番導入に向けて、機械学習システムの要件定義から設計・開発・テスト・運用までの一貫したフェーズをご担当いただきます。 <具体的な業務内容> ・機械学習を用いたシステム/サービス開発の参画 機械学習エンジニアが実装したモデルをシステム上に載せるというイメージです。 入社時点で機械学習に関する知識が少なくても、入社後にキャッチアップして頂けます。 ーーーーーーーーーーーーーーーー 弊社はオーダーメイドによるAIモデル「カスタムAI」の開発・提供を行う、AI/機械学習のスペシャリスト集団で、最先端のAI技術とクライアントのビジネスを「つなぐ存在」をミッションとしたスタートアップ企業です。 高い技術力と課題解決能力が評価され、既に大手企業を中心に多くの導入事例とリピート契約があります。 ●カスタムAIソリューション事業とは? 弊社は以下を特徴とするカスタムAIソリューション事業を展開しています。 ・オーダーメイドによるAI開発 　- アカデミア出自の先端の機械学習技術をベースに、ビジネスにジャストフィットする形でAIを受託開発 ・企業のコア業務をAIで変革 　- 画一的なパッケージAでは対応が難しい、ビジネス現場特有の複雑な課題の解決に貢献 また他社との差別化のため、弊社は「バリューアップ型AIテーマ」に注力しています。 ●プロジェクトの開発フロー 弊社では約3ヶ月間という短いサイクルで機械学習モデルやAIに関係するシステムをお客様に提供しています。 顧客折衝は基本的に弊社のソリューションデザイナが行いますが、希望に応じてエンジニアもフロントに立って直接提案したり顧客ニーズを聞いたりすることができます。 ●チーム構成・支援制度 基本的に弊社では1つのPJTに対し、メイン担当としてソリューションデザイナ/エンジニアが1名ずつアサインされます。 またソリューションデザイナ/エンジニアそれぞれを補佐する役割としてSV(スーパーバイザー)がつきます。 一方で大型案件等になりますとPJTの人数は必要に応じて増加します。 ●裁量の大きさについて 弊社はAIコンサルティングの会社としてお客様に”AIソリューションを提供すること”を使命としています。 AIソリューションを提供するためにあらゆることを思案して実行できればと考えているので、提供元のエンジニアは以下のような裁量の大きい環境で自らのプロフェッショナリズムを発揮いただければと考えています。 ・技術者がお客様に対して直接提案をすること ・お客様が設計した問題に対してその問題設計に提言できること ・チームを自ら組閣し案件成功に向けて自ら動くことができること ・会社の承認のもと、必要人員の確保依頼やツールの追加導入について主導、積極的な提案ができること ●技術スタック 使用する技術はプロジェクトにより異なりますが、主に以下の技術スタックを用いて開発を行っています。 ・開発言語(python, rust, javascript) ・インフラ(aws, azure, google cloud, 社内gcpサーバ) ・開発ツール(visual studio, github) ・その他ツール(slack, backlog, cacoo, google meet) ●社内活動 エンジニアリング部では以下のような社内活動を通じて技術的成長やエンゲージメント向上を行っています。 ・技術勉強会の開催(数理最適化、強化学習 etc...) ・最新技術勉強会の開催(マルチエージェント etc...) 　- 本勉強会にはソリューションデザイナー、コーポレートも合わせ、社員の約3/4のメンバーが参加しました。 ・チームビルディング施策 　- “チームメンバーを知る企画“として、レーダーチャートの作成/予想、チームのキャッチコピー作成等のワークを実施

株式会社 Laboro.AI

担当プロジェクトのメインエンジニアとして、弊社のソリューションデザイナ(顧客折衝やプロジェクトマネジメント等を担当)と連携しながら、データ分析、モデル開発/改善、結果のレポーティング等を実施していただきます。(プロジェクトごとに、リード機械学習エンジニアが1名サポートにつきます) <具体的な業務内容> ・ディープラーニング等の機械学習技術を用いたソリューションの開発 ・顧客プロジェクト向けの機械学習ソリューションのカスタマイズ開発 ・機械学習技術を用いたシステムの開発 ・社内プロジェクトメンバーや顧客への技術的な説明 ●業務の変更範囲:なし ーーーーーーーー 弊社はオーダーメイドによるAIモデル「カスタムAI」の開発・提供を行う、AI/機械学習のスペシャリスト集団で、最先端のAI技術とクライアントのビジネスを「つなぐ存在」をミッションとしたスタートアップ企業です。 高い技術力と課題解決能力が評価され、既に大手企業を中心に多くの導入事例とリピート契約があります。 ●カスタムAIソリューション事業とは? 弊社は以下を特徴とするカスタムAIソリューション事業を展開しています。 ・オーダーメイドによるAI開発 　- アカデミア出自の先端の機械学習技術をベースに、ビジネスにジャストフィットする形でAIを受託開発 ・企業のコア業務をAIで変革 　- 画一的なパッケージAでは対応が難しい、ビジネス現場特有の複雑な課題の解決に貢献 また他社との差別化のため、弊社は「バリューアップ型AIテーマ」に注力しています。 ●プロジェクトの開発フロー 弊社では約3ヶ月間という短いサイクルで機械学習モデルやAIに関係するシステムをお客様に提供しています。 顧客折衝は基本的に弊社のソリューションデザイナが行いますが、希望に応じてエンジニアもフロントに立って直接提案したり顧客ニーズを聞いたりすることができます。 ●チーム構成・支援制度 基本的に弊社では1つのPJTに対し、メイン担当としてソリューションデザイナ/エンジニアが1名ずつアサインされます。 またソリューションデザイナ/エンジニアそれぞれを補佐する役割としてSV(スーパーバイザー)がつきます。 一方で大型案件等になりますとPJTの人数は必要に応じて増加します。 ●裁量の大きさについて 弊社はAIコンサルティングの会社としてお客様に”AIソリューションを提供すること”を使命としています。 AIソリューションを提供するためにあらゆることを思案して実行できればと考えているので、提供元のエンジニアは以下のような裁量の大きい環境で自らのプロフェッショナリズムを発揮いただければと考えています。 ・技術者がお客様に対して直接提案をすること ・お客様が設計した問題に対してその問題設計に提言できること ・チームを自ら組閣し案件成功に向けて自ら動くことができること ・会社の承認のもと、必要人員の確保依頼やツールの追加導入について主導、積極的な提案ができること ●技術スタック 使用する技術はプロジェクトにより異なりますが、主に以下の技術スタックを用いて開発を行っています。 ・データ分析全般(NumPy, pandas, Matplotlib, seaborn, plotly, Streamlit) ・機械学習(sckit-learn, statsmodelsm, OPTUNA, SHAP, LightGBM) ・Deep Learning(PyTorch, TensorFlow, Hugging Face, OpenAI, LangChain) ・実験管理(Kedro, mlflow, Kubeflow) ●社内活動 エンジニアリング部では以下のような社内活動を通じて技術的成長やエンゲージメント向上を行っています。 ・技術勉強会の開催(数理最適化、強化学習 etc...) ・最新技術勉強会の開催(マルチエージェント etc...) 　- 本勉強会にはソリューションデザイナー、コーポレートも合わせ、社員の約3/4のメンバーが参加しました。 ・チームビルディング施策 　- “チームメンバーを知る企画“として、レーダーチャートの作成/予想、チームのキャッチコピー作成等のワークを実施

株式会社 Laboro.AI

LLM専属のエンジニアとして、弊社のソリューションデザイナ(顧客折衝やプロジェクトマネジメント等を担当)と連携しながら、データ分析、LLMモデルの検証/開発/改善、結果のレポーティング、LLMを用いたシステムの開発等に関わっていただきます。(プロジェクトごとに、リードエンジニアが1名サポートにつきます。) またLLMに関連する最新技術のキャッチアップ、社内への展開、及びマルチエージェントシステムのためのフレームワーク開発などをお任せする予定です。 上記に加え、他プロジェクトのLLMエンジニアのスーパーバイズおよび組織運営にも携わっていただきます。 ●具体的な業務内容 ・LLMを用いたクライアントプロジェクトへの参画、及びソリューションの開発 ・LLMに関連する最新技術のキャッチアップ、社内への展開 ・マルチエージェントシステムのためのフレームワーク開発 ・社内プロジェクトメンバーや顧客への技術的な説明 ・LLMを用いたシステム開発PJにおけるLLMの精度検証・チューニング ・LLMエンジニアが担当するプロジェクトのスーパーバイズ ・エンジニアリング部の組織運営に関わる業務(採用、評価、育成等) ● 業務の変更範囲:なし 弊社はオーダーメイドによるAIモデル「カスタムAI」の開発・提供を行う、AI/機械学習のスペシャリスト集団で、最先端のAI技術とクライアントのビジネスを「つなぐ存在」をミッションとしたスタートアップ企業です。 高い技術力と課題解決能力が評価され、既に大手企業を中心に多くの導入事例とリピート契約があります。 ●カスタムAIソリューション事業とは? 弊社は以下を特徴とするカスタムAIソリューション事業を展開しています。 ・オーダーメイドによるAI開発 　- アカデミア出自の先端の機械学習技術をベースに、ビジネスにジャストフィットする形でAIを受託開発 ・企業のコア業務をAIで変革 　- 画一的なパッケージAでは対応が難しい、ビジネス現場特有の複雑な課題の解決に貢献 また他社との差別化のため、弊社は「バリューアップ型AIテーマ」に注力しています。 ●プロジェクトの開発フロー 弊社では約3ヶ月間という短いサイクルで機械学習モデルやAIに関係するシステムをお客様に提供しています。 顧客折衝は基本的に弊社のソリューションデザイナが行いますが、希望に応じてエンジニアもフロントに立って直接提案したり顧客ニーズを聞いたりすることができます。 ●チーム構成・支援制度 基本的に弊社では1つのPJTに対し、メイン担当としてソリューションデザイナ/エンジニアが1名ずつアサインされます。 またソリューションデザイナ/エンジニアそれぞれを補佐する役割としてSV(スーパーバイザー)がつきます。 一方で大型案件等になりますとPJTの人数は必要に応じて増加します。 ●裁量の大きさについて 弊社はAIコンサルティングの会社としてお客様に”AIソリューションを提供すること”を使命としています。 AIソリューションを提供するためにあらゆることを思案して実行できればと考えているので、提供元のエンジニアは以下のような裁量の大きい環境で自らのプロフェッショナリズムを発揮いただければと考えています。 ・技術者がお客様に対して直接提案をすること ・お客様が設計した問題に対してその問題設計に提言できること ・チームを自ら組閣し案件成功に向けて自ら動くことができること ・会社の承認のもと、必要人員の確保依頼やツールの追加導入について主導、積極的な提案ができること ●技術スタック 使用する技術はプロジェクトにより異なりますが、主に以下の技術スタックを用いて開発を行っています。 ・データ分析全般(NumPy, pandas, Matplotlib, seaborn, plotly, Streamlit) ・機械学習(sckit-learn, statsmodelsm, OPTUNA, SHAP, LightGBM) ・Deep Learning(PyTorch, TensorFlow, Hugging Face, OpenAI, LangChain) ・実験管理(Kedro, mlflow, Kubeflow) ・開発言語(Python, Rust, Javascript) ・インフラ(AWS, Azure, Google Cloud, 社内GCPサーバ) ・開発ツール(Visual Studio, GitHub) ・その他ツール(Slack, Backlog, Cacoo, Google Meet) ●社内活動 エンジニアリング部では以下のような社内活動を通じて技術的成長やエンゲージメント向上を行っています。 ・技術勉強会の開催(数理最適化、強化学習 etc...) ・最新技術勉強会の開催(マルチエージェント etc...) 　- 本勉強会にはソリューションデザイナー、コーポレートも合わせ、社員の約3/4のメンバーが参加しました。 ・チームビルディング施策 　- “チームメンバーを知る企画“として、レーダーチャートの作成/予想、チームのキャッチコピー作成等のワークを実施

株式会社 Laboro.AI

担当プロジェクトのメインエンジニアとして、弊社のソリューションデザイナ(顧客折衝やプロジェクトマネジメント等を担当)と連携しながら、データ分析、モデル開発/改善、結果のレポーティング等を実施していただきます。 また、それに加え、他プロジェクトの機械学習エンジニアのスーパーバイズおよび組織運営にも携わっていただきます。 <具体的な業務内容> ・ディープラーニング等の機械学習技術を用いたソリューションの開発(機械学習エンジニアと同様) ・プロジェクト提案段階での技術観点からの評価やアドバイス ・機械学習エンジニアが担当するプロジェクトのスーパーバイズ ・エンジニアリング部の組織運営に関わる業務(採用、評価、育成等) ●このような想いを実現されたい方にご応募いただきたいです。 1.機械学習を用いた社会実装、産業実装を自分の手で担いたい方 弊社が担当する案件は社会や産業そのものに影響を与えるものが中心です。 技術はあくまでツールとして捉え、ソリューションを提供することを主眼に置いていることを重要視する集団です。 2.自身が担当している案件がPoCのみで終わることや実際に世に出て行かないことに不安を感じる方 弊社の案件継続率は70%と他社と比較して比較的高いと自負しています。 弊社はオーダーメイドによるAIモデル「カスタムAI」の開発・提供を行う、AI/機械学習のスペシャリスト集団で、最先端のAI技術とクライアントのビジネスを「つなぐ存在」をミッションとしたスタートアップ企業です。 高い技術力と課題解決能力が評価され、既に大手企業を中心に多くの導入事例とリピート契約があります。 ●カスタムAIソリューション事業とは? 弊社は以下を特徴とするカスタムAIソリューション事業を展開しています。 ・オーダーメイドによるAI開発 　- アカデミア出自の先端の機械学習技術をベースに、ビジネスにジャストフィットする形でAIを受託開発 ・企業のコア業務をAIで変革 　- 画一的なパッケージAでは対応が難しい、ビジネス現場特有の複雑な課題の解決に貢献 また他社との差別化のため、弊社は「バリューアップ型AIテーマ」に注力しています。 ●プロジェクトの開発フロー 弊社では約3ヶ月間という短いサイクルで機械学習モデルやAIに関係するシステムをお客様に提供しています。 顧客折衝は基本的に弊社のソリューションデザイナが行いますが、希望に応じてエンジニアもフロントに立って直接提案したり顧客ニーズを聞いたりすることができます。 ●チーム構成・支援制度 基本的に弊社では1つのPJTに対し、メイン担当としてソリューションデザイナ/エンジニアが1名ずつアサインされます。 またソリューションデザイナ/エンジニアそれぞれを補佐する役割としてSV(スーパーバイザー)がつきます。 一方で大型案件等になりますとPJTの人数は必要に応じて増加します。 ●裁量の大きさについて 弊社はAIコンサルティングの会社としてお客様に”AIソリューションを提供すること”を使命としています。 AIソリューションを提供するためにあらゆることを思案して実行できればと考えているので、提供元のエンジニアは以下のような裁量の大きい環境で自らのプロフェッショナリズムを発揮いただければと考えています。 ・技術者がお客様に対して直接提案をすること ・お客様が設計した問題に対してその問題設計に提言できること ・チームを自ら組閣し案件成功に向けて自ら動くことができること ・会社の承認のもと、必要人員の確保依頼やツールの追加導入について主導、積極的な提案ができること ●キャリアパスについて 右記のような流れでキャリアを歩んでいただく想定です。(スタッフ→リーダー→マネージャー→部長) 一方で弊社のエンジニア組織は50名未満とまだまだ成長の余地しかなく、キャリアパスは完全に決まりきっているの部分は少ないです。 今後もキャリアパスは社員の想いや組織の成長段階によって変化し続けると認識しています。 そのため「キャリアは自ら切り開きたい」と思える方にご参画いただきたいですし、弊社としてはその様な想いを支えられる組織として存在できればと考えております。 ●技術スタック 使用する技術はプロジェクトにより異なりますが、主に以下の技術スタックを用いて開発を行っています。 ・データ分析全般(NumPy, pandas, Matplotlib, seaborn, plotly, Streamlit) ・機械学習(sckit-learn, statsmodelsm, OPTUNA, SHAP, LightGBM) ・Deep Learning(PyTorch, TensorFlow, Hugging Face, OpenAI, LangChain) ・実験管理(Kedro, mlflow, Kubeflow) ●社内活動 エンジニアリング部では以下のような社内活動を通じて技術的成長やエンゲージメント向上を行っています。 ・技術勉強会の開催(数理最適化、強化学習 etc...) ・最新技術勉強会の開催(マルチエージェント etc...) 　- 本勉強会にはソリューションデザイナー、コーポレートも合わせ、社員の約3/4のメンバーが参加しました。 ・チームビルディング施策 　- “チームメンバーを知る企画“として、レーダーチャートの作成/予想、チームのキャッチコピー作成等のワークを実施 ● 業務の変更範囲:なし

ファインディ株式会社

【エンタープライズ向けカスタマーサクセスのミッション】 担当するエンタープライズ企業様にエンジニア組織の課題分析・提案、課題解決支援、 及びコンサルティング型の利用促進を通じた深耕営業を行っていただきます。 【主な業務内容】 担当する大手エンタープライズ導入企業の組織変革に向けて、エンジニア組織の課題分析・提案、課題解決支援、および各製品の活用促進を通じたコンサルティング型の伴走支援をお任せします。 ●開発組織の課題特定と「開発資本経営」の推進: GitHubやJira等から抽出された定量データ(Four Keys等)をベースに、顧客ごとに異なる開発プロセスの課題を抽出。「速さ・品質・制御」の観点から、AI投資を組織の力に変えるための改善ロードマップを提示・伴走します。 ●経営層(本部長・CXO等)への定期レポート・プレゼンテーション: 現場レベルのサポートに留まらず、月次や四半期ごとに「組織の開発資本がどう高まったか」「AI投資のROIがどう改善したか」を、経営目線で企業の経営層や部門責任者にレポートします。 ●契約継続および導入範囲拡大(エクスパンション)への貢献: 同一企業内の他部署やグループ会社への展開を見据え、既存の成功実績をファクトデータとしてまとめ、AE(アカウントエグゼクティブ)と密に連携しながら大規模な全社導入プロジェクトを推進します。 ●VoC(顧客の声)を起点としたプロダクト進化への寄与: 大手企業特有の複雑な技術要件や最先端の要望を製品開発チーム(PdM・エンジニア)にスピーディーに共有し、サービス改善や新機能の開発にダイレクトに貢献します。 ※業務の変更の範囲 会社の定める全ての業務

株式会社kubell

kubellでは「Chatwork」を中心に、BPaaSや新規事業など複数の事業を展開しており、日々膨大なデータが蓄積されています。 データアナリストは、これらのデータを活用して事業KPIの可視化や分析を行い、インサイトを提供することで、迅速かつ的確な意思決定を支援します。 また、シニアメンバーと協働して高度な技術やベストプラクティスを吸収しながら、データマートやデータモデルの設計・構築にも携わっていただきます。 ビジネスサイドと連携し、データの力で意思決定を支援するとともに、自律的に分析プロジェクトを推進していただく役割です。 <具体的には> 1.データマートとデータモデルの設計・構築 メダリオンアーキテクチャに基づいた、スケーラブルで分析しやすいデータモデルの設計・構築(シニアメンバーとの連携・協働) dbtを用いたデータモデリングの実装 横断セールス/マーケティングデータマートの構築支援 事業管理をはじめとするトラストデータの整備支援 2.データ分析とインサイト提供 ビジネス/プロダクトの現場課題に対し、分析テーマを提案・実行 戦略的示唆の抽出による意思決定支援 ユーザー行動分析、顧客セグメンテーション、施策効果測定 事業KPI・財務指標(CAC/LTV/MRRなど)の可視化と分析 3.ダッシュボード・BIツールの開発・運用 Lookerを用いたダッシュボードやレポートの設計・構築・運用 事業管理ダッシュボード、セールス/マーケティングモニタリング環境の構築 レポーティング業務の効率化と自動化 4.チーム協業とステークホルダー連携 ビジネス/プロダクトの現場部門へのデータ利活用の推進 ビジネス部門とのコミュニケーションを通じた、データドリブンな意思決定の支援 データソリューションの現場提供に向けたSalesforceエンジニア、CRMアーキテクト、BizOpsとの連携 クロスファンクショナルチームでのプロジェクト推進、ステークホルダーとの定期的なミーティング 【変更の範囲】 ・部署異動等により当社業務全般へ変更する場合があります(出向含む) 使用技術・ツール <プログラミング言語> ・SQL(Hive、Presto、など) ・Python <インフラ> ・Snowflake ・TreasureData <ツール> ・データエンジニアリング:dbt ・コード管理:GitHub ・BI:Looker Studio、exploratory、Google Spreadsheet、Excel等 <タスク管理> ・JIRA <情報共有> ・Chatwork ・Confluence ・Miro ・Slack

株式会社kubell

kubellでは「Chatwork」を中心に、BPaaSや新規事業など複数の事業を展開しており、日々膨大なデータが蓄積されています。 データアナリストは、これらのデータを活用して事業KPIの可視化や分析を行い、インサイトを提供することで、迅速かつ的確な意思決定を支援します。 また、シニアメンバーと協働して高度な技術やベストプラクティスを吸収しながら、データマートやデータモデルの設計・構築にも携わっていただきます。 ビジネスサイドと連携し、データの力で意思決定を支援するとともに、自律的に分析プロジェクトを推進していただく役割です。 <具体的には> 1.データマートとデータモデルの設計・構築 -メダリオンアーキテクチャに基づいた、スケーラブルで分析しやすいデータモデルの設計・構築(シニアメンバーとの連携・協働) -dbtを用いたデータモデリングの実装 -横断セールス/マーケティングデータマートの構築支援 -事業管理をはじめとするトラストデータの整備支援 2.データ分析とインサイト提供 -ビジネス/プロダクトの現場課題に対し、分析テーマを提案・実行 -戦略的示唆の抽出による意思決定支援 -ユーザー行動分析、顧客セグメンテーション、施策効果測定 -事業KPI・財務指標(CAC/LTV/MRRなど)の可視化と分析 3.ダッシュボード・BIツールの開発・運用 -Lookerを用いたダッシュボードやレポートの設計・構築・運用 -事業管理ダッシュボード、セールス/マーケティングモニタリング環境の構築 -レポーティング業務の効率化と自動化 4.チーム協業とステークホルダー連携 -ビジネス/プロダクトの現場部門へのデータ利活用の推進 -ビジネス部門とのコミュニケーションを通じた、データドリブンな意思決定の支援 -データソリューションの現場提供に向けたSalesforceエンジニア、CRMアーキテクト、BizOpsとの連携 -クロスファンクショナルチームでのプロジェクト推進、ステークホルダーとの定期的なミーティング 【変更の範囲】 ・部署異動等により当社業務全般へ変更する場合があります(出向含む) 使用技術・ツール <プログラミング言語> ・SQL(Hive、Presto、など) ・Python <インフラ> ・Snowflake ・TreasureData <ツール> ・データエンジニアリング:dbt ・コード管理:GitHub ・BI:Looker Studio、exploratory、Google Spreadsheet、Excel等 <タスク管理> ・JIRA <情報共有> ・Chatwork ・Confluence ・Miro ・Slack

株式会社Resilire（レジリア）

●概要 サプライチェーンリスク管理SaaS「Resilire(レジリア)」において、ユーザーに価値を届ける開発業務をお任せします。 フロントエンド・バックエンド・インフラの区分にとらわれず、プロダクトの成功に必要な開発を幅広く推進していただきます。 社内で創出される多様な事業アイデアを、CEOやチームメンバーと密に連携しながらスピード感を持ってプロダクトに昇華させる機会もあり、技術選定から設計・実装・改善に至るまで、広い裁量と責任を持って取り組んでいただける環境です。 ●業務内容 当社サービスResilireのソフトウェア開発(フロントエンド・バックエンド・インフラの開発をスキルに応じて担当) 顧客フィードバックや利用ログを元にした機能改善・追加 PdMやデザイナーなどのステークホルダーとのOwnershipを持った協働 事業拡大に伴うデータ量・トラフィック増大に対するスケーリング戦略の策定と実装 AIエージェント活用を前提としたアーキテクチャの整理・品質統制の仕組みづくり 監視・ログ・障害対応を含む運用の自動化・高度化 テスト戦略の策定やリリースプロセスの設計を通じた品質の構造的な作り込み 仕様が固まっていない段階からの探索的な開発と推進 チーム全体の生産性向上に向けた開発・運用プロセスの継続的改善 技術広報・採用活動を通じた対外発信 【シニアエンジニアへの期待】 Resilireのエンジニアには、プロダクトの成功に対する高いコミットメントと貢献を期待しています。 すべての活動の前提として、下記のような姿勢で取り組むことにやり甲斐をを感じられる方を求めています プロダクトとドメインに深く入り込み、高い解像度と当事者意識を持って課題に向き合う ビジネスと開発などの垣根を超えた、幅広いステークホルダーとの越境コミュニケーション ソフトウェアエンジニアとしての技術力を活かした課題発見と解決 その上で、シニアエンジニアには以下の3つの軸のいずれか、または複数において強みを発揮し、プロダクトおよび組織の成長を牽引していただくことを期待しています。 1.システムのスケール データ量やトラフィックの増大に耐えうる設計と、AIエージェントを前提としたスケーラブルなアーキテクチャの実現を牽引していただきます。 UXや運用コストの最適化を図りながら、事業の急成長を技術面から支える根幹を担っていただくことを期待しています。 2.組織のスケール 開発の最前線で手を動かしながら、品質と生産性を両立し、継続的に高いアウトプットを生み出すエンジニアリング組織の強化を牽引していただきます。 また、技術広報や採用活動といった外部発信にも積極的に関与していただくことを期待しています。 3.プロダクトのスケール 事業課題と顧客価値を深く理解し、不確実性の高い状況下でも仮説検証をリードしながらプロダクト開発を推進していただきます。 新規・既存を問わずUXと事業KPIの最大化にコミットし、AIやデータ活用による非連続なプロダクトの成長を牽引していただくことを期待しています。 ●技術スタック FE 言語:TypeScript/JavaScript FW:React.js BE 言語:Go(API), Python(クローラ) DB:CloudSQL(PostgreSQL), BigQuery インフラ GCP, GKE, Terraform, Sentry, k8s ツール Github, Slack, notion, Figma, miro AIツール Claude Code, Cursor, Github Copilot, Jetbrains AI Assistant, Devin, n8n, Dify, ChatGPT, Gemini, NotebookLM, PLAUD.AI ※エンジニア・デザイナーの意見を積極的に採用し、ツール導入を行なっている ●開発フロー プロダクトオーナー (CEO) を中心に関係者で開発要件を検討 スクラム開発をベースとしてデイリーと週末のレトロスペクティブで同期 週1のリリースサイクル、今後はデイリーリリース化を念頭に準備中 ●技術的チャレンジ Multi vertical SaaSとして業界横断でPMFするための画面・機能実装 グローバルに事業展開していくためのプロダクト開発 データで定量的にプロダクト成長・ユーザーサクセスを実現するための仕組み作り APIや仕組みの整っていない各国の状況でいかにグローバルにリスク情報を取ってきてユーザーに価値を届けるか

株式会社日立製作所

ミッション ●業界/企業の課題把握及びその課題解決のためのHMAXソリューションの創生、サービス化、リカーリング ●新たな顧客の獲得や、既存顧客への新たな価値の提供により、スケールアップ/N倍化 ●HMAXソリューションを体現するサービスにおける、AI・MI活用を前提としたデータ及びアプリケーション基盤の設計・構築・運用 お任せしたい業務 ●日立のMI・AIツールを直感的に使えるWebアプリの設計・開発・テスト・リリース・サポート ●化学・バイオなど素材産業全般のサービス開発案件のデータ基盤構築・DevOpsパイプライン構築・バックエンド開発 ●顧客のデータマネジメント支援(データ定義、活用ルール検討、品質課題対応)及びPoC推進 ※ ご経験・志向に応じて、DevOps/バックエンド中心、またはデータエンジニアリング/データマネジメント支援中心の役割設計を行います。 (サービス開発事例) ・材料開発ソリューション 　材料の高機能化や環境配慮要求の高度化、開発期間の短縮などにより、従来の「経験と試行錯誤」に依存した材料開発には限界がきている。本ソリューションでは、マテリアルズ・インフォマティクス(MI)及び生成AI技術を搭載したアプリケーション群を中核に、実験条件の提案、材料配合・プロセス条件の最適化、開発スピードと成功確率の向上を実現し、材料開発の競争力強化と持続的成長を支援している。 ・再生材マーケットプレイス 　欧州や日本で再生材利用を促進する法規制の強化を背景に、再生材需要は拡大する一方、品質や供給の不確実性や取引の非効率、静脈産業の投資余力不足が課題となっている。本ソリューションでは、売り手(リサイクラ等)と買い手(製品・素材メーカー)を結ぶマーケットプレイスを中核に、AI/MIによる材料提案、データ基盤、品質分析、金融連携を組み合わせ、再生材取引の高度化と規模拡大を実現し、環境素材事業の持続的成長と資源循環の加速に貢献している。 ●職務詳細 (1)化学・バイオなど素材産業全般のサービス開発案件のデータエンジニア(DE)及びDevOpsエンジニアを担当していただきます。　 データエンジニアとしての専門性を軸に、DevOps/ソフトウェア開発の2つの観点でサービス開発に携わっていただきます。 DevOpsの観点: ・AWS / Azure 等のクラウド環境上におけるアプリケーション実行基盤のアーキテクチャ設計・構築 ・CI/CDパイプラインの設計・構築を通じたビルド・テスト・デプロイの自動化 ・IaCの開発、既存IaCコードの負債解消 ・DORAメトリクスの追跡・DevOpsサイクル改善 ソフトウェア開発の観点: ・バックエンドを中心としつつ、必要に応じてフロントエンドも含めたWebアプリケーションの設計・実装・テスト・リリース対応 ・自ら手を動かして実装を行うプレイングマネージャーとして、 チームと同じ目線で開発に参加すること ・プルリクエストを起点としたコードレビュー・マージを通じたコード品質の継続的な向上への寄与 ・レビューを通じたコーディング規約・設計方針の浸透によるチーム全体の技術ベースの底上げ ・顧客のデータマネジメント支援やPoCの推進 実力、経験に応じて、将来的には多様な分野(産業、流通、社会、金融等)におけるサービスやデータ基盤の構築に携わっていただく可能性があります。 (担当となる主な業務・プロジェクト分野) ・日立のMI・AIツールを直感的に使えるWebアプリのの設計・開発・テスト・リリース・サポート 代表候補のアプリケーション:材料データ分析環境、実験/製造自動化プラットフォーム、再生材マーケットプレイス ・材料開発(研究開発から製造)における生産性向上実現のためのMI/PIを用いた分析環境の実現 ・計測装置と連動して実験/製造データの収集からMI/PIを用いた意思決定までを自動化したプラットフォームの実現 ・再生材の売り手と買い手のマッチングをMI/PI/生成AIを用いて実現するマーケットプレイスの実現 (対象となるアプリケーション) ・AWSやAzureなどクラウドベースのアプリケーション ・機械学習、生成AIなどAIベースのアプリケーション ・eコマースアプリケーション (2)代表的な使用する技術は以下の通りです。 ・クラウド: AWS/Azure ・言語: Java/TypeScript/Python ・フレームワーク: Spring Boot/React ・ソースコード管理: GitHub ・DB: PostgreSQL/MySQL ・プロジェクト管理: Jira ・コミュニケーション: Microsoft Teams 配属組織名 デジタルサービスビジネスユニット(フロントサービス) デジタルサービスビジネスユニット　フロントサービス事業統括本部　サービス事業創生本部 配属組織について(概要・ミッション) ●組織のミッション:顧客の経営課題にリーチし、IT×OTプロダクトの知見を結合させたHMAXをコアとするAIソリューション群を開発し、デジタルサービス事業としてリカーリングし、新たな顧客の獲得や、既存顧客への新たな価値の提供により、スケールアップ/N倍化を図ること ●担当業界:化学・バイオなどの素材産業全般を中心とした民間企業のR&D部門 ●組織構成:上位マネージャ2名、マネジャー3名、データサイエンティスト18名、データエンジニア12名、ITエンジニア2名 携わる事業・ビジネス・サービス・製品など ●ビジネス・サービス・製品 ・HMAXソリューション 　HMAXは、AIで社会インフラを革新する次世代ソリューション群です。　フィジカル・デジタル両方のアセットから得られる膨大なデータを活用し、先進的なAIを日立ならではの深いドメインナレッジで強化することで、社会インフラが抱える最も複雑な課題に挑み、お客さまと社会に最大の成果と価値を提供します。これらのソリューションは、体系化された構成要素に基づいており、先進的な技術を組み込み、強固なパートナーエコシステムを活用することで、現場システムの信頼性とパフォーマンスを向上させます。HMAXは、産業設備・機器など物理的なアセットやデジタルアセットから収集されるデータと、日立が長年にわたり運用・保守システムの展開を通じて培ってきたドメインナレッジを組み合わせ、 Perception AI(認識AI)や生成AI、Agentic AI、フィジカルAIなど先進的なAI技術で、世界中に新たな価値をもたらす強力なソリューションを提供します。 ・参考URL https://www.hitachi.co.jp/products/it/lumada/hmax/index.html ●材料開発ソリューション 　従来、研究者の勘や経験、膨大な実験回数で築かれてきた材料開発を、多様な材料データから材料開発の指針を見いだすMIという手法が大きく変えようとしています。 国内外で素材産業のR&D部門がMI導入を本格的に進めており、新規市場形成および成長が進行しています。 日立は、グローバルな材料開発競争の激化を見越し、MIを用いた材料開発の導入をめざす素材産業に対して、MIを適用した「材料開発ソリューション」を2017年11月から提供開始しています。 ・参考URL https://www.hitachi.co.jp/Prod/comp/app/mi/ ●関連ニュースリリース・記事など ・材料開発ソリューション関連ニュースリリース https://www.hitachi.co.jp/Prod/comp/app/mi/newstopics.html ・日立評論:マテリアルズインフォマティクスを適用した材料開発ソリューションと今後の展望 https://www.hitachihyoron.com/jp/archive/2020s/2020/03/03b03/index.html