社宅・家賃補助制度あり GitHubのITエンジニア求人・転職情報

●ミッション 医療×ITの分野で日本トップシェアを誇るエムスリーのデータ基盤の設計・開発および、データを活用した施策の推進を通し、データを軸に医療現場を変革する ●担当事業・プロダクト 社内には多くの事業、サービスがあります。 以下に一例を挙げます。 ・医療従事者向けメディア m3.com ・製薬企業のプロモーション支援サービス MR君 ・国内シェアNo. 1のクラウド電子カルテ エムスリーデジカル ・医療施設向け予約〜会計までできる総合サービス デジカルスマート診療 ・コンシューマ向けの健康相談サービス Askdoctors ・グローバル向けプロダクト ●担当業務 BigQueryを中心に構築しているデータ基盤の設計・開発・運用をご担当いただきます。 データの収集・集計加工・可視化までを一気通貫で担い、クライアント企業へのデータ関連サービスの提供、およびエムスリー社内でのデータドリブンな意思決定の支援をすることが業務の中軸です。具体的には、以下のようなチャレンジがあります。 ・各種データマート及びデータパイプラインの設計・開発 ・データ品質担保のための戦略検討やツール導入 ・AI・機械学習チームなど他組織と協調しての新規プロダクトの開発 データを用いたビジネス価値の創出に向け、自ら手を動かしてデータパイプラインや各種アプリケーションを開発していきます。 ●テックブログ記事例: LookerによるダッシュボードのアーキテクチャとTerraform providerの実装と運用 https://www.m3tech.blog/entry/looker-dashboard-architecture エムスリーのデータ基盤を支える設計パターン https://www.m3tech.blog/entry/data-platform-design-pattern ●技術スタック ・開発言語:LookML / Python / SQL / Bash ・データパイプライン:Digdag / Embulk / Fluentd / Dataflow ・DB・データウェアハウス: BigQuery / PostgreSQL / MySQL / Oracle ・インフラ・IaC:AWS / GCP / Terraform / オンプレミス ・BIツール:Looker / Redash / Tableau ・その他: Slack / Figma / GitLab / GitHub / Confluence / Jira ●チーム体制 システム担当も含めたチーム全体では、エンジニア28名、ディレクター10名、デザイナー3名、QA(テスター)10名。うち、データ基盤エンジニアは4名。 社員同士をお互いにプロとして尊重する文化。チーム内のシステム設計のプロとして、方針策定の議論から参加し、実際の開発、リリース、運用フェーズまで担当。 <入社時>上記に記載の業務 <変更の範囲>会社の定める業務、就業規則に従い出向となった場合は出向先の定める業務

【職務概要】 質量分析計の制御およびデータ解析ソフトウェアの開発全般をお任せします。 【職務詳細】 ・ソフトウェアの要求分析、要件定義、設計、コーディング、テスト ・質量分析における定性解析手法の開発・改良 ・質量スペクトル・クロマトグラム波形処理アルゴリズムの開発・改良 【使用ツール】 ・GitHub ・Visual Studio ・Enterprise Architect 【使用言語】 C#、C++、Python 等 質量分析計は、物質の特定やその濃度を微量でも計測することができ、安全で利便性の高い生活を支えるための分析に用いられています。ガスクロマトグラフ質量分析計(GC-MS)をはじめ、マトリックス支援レーザー脱離イオン化飛行時間質量分析計 (MALDI-TOFMS)、DART-MSなど多彩な質量分析計をラインナップしており、さらには試料に応じた前処理装置や専用解析ソフトウェアと組み合わせて、お客様のニーズに最適なソリューションを提案しています。 <変更の範囲>将来的な配置転換に伴う国内・海外事業所への異動の可能性あり

●仕事概要 弊社は「エネルギーの制約から人と社会を解き放つ」をミッションに、日本の電力業界に残る非効率と未開拓領域に挑むエネルギーテック企業です。私たちの強みはテクノロジー×エネルギー×ファイナンスの掛け算。従来の常識では不可能だった規模と効率で、前例のない新しい仕組みをつくり出しています。 本ポジションは、毎年のように変わる電力市場の制度・ルールを、誰よりも早く正確にシステムの仕様へ翻訳する役割です。制度文書を読み解いて用語とデータを自分で定義し、エンジニアと同じ粒度で仕様を決め切り、AIコーディングツールを使って画面のモックまで自分の手で形にします。 また、上記に記載した内容のみにとどまらず、精算システムなどの業務基盤に関する内容から、手作業が残る社内業務のDX化まで、「仕組みで解くべき課題」全般に仕様の面から向き合っていただきます。 主な業務内容 ●制度文書の読み解きとルールの特定 JEPX・EPRX・OCCTOの規程・ガイド・API仕様書を読み解き、システムに載せるべきルールを特定します。不明点は自ら外部機関に照会し、回答をもとに仕様を確定させます。 ●ドキュメントと要件の作成 用語集・ドメインドキュメント・API仕様を、GitHubのPull Requestとして自分で書きます。Azure DevOpsに作業項目を起票し、受入条件のレベルまで要件を詰めます。 ●モック作成による認識合わせ AIコーディングツール(Claude Code、Cursorなど)を使って画面のモックを作り、関係者と認識を合わせます。 ●エンジニアとの仕様議論 データの単位・関係・状態の粒度でエンジニアと議論し、仕様を決め切ります。エンジニアが作成したER図・API仕様書・状態遷移図をレビューし、誤りや漏れを指摘するのもこの役割です。 ●精算システムなど業務システムの仕様策定 アグリゲーション事業の精算システムをはじめ、事業を支えるシステムの要件定義・仕様策定を担います。制度・契約・お金の流れを整理し、計算ロジックとデータの持ち方を決め切ります。 ●社内業務のDX推進 手作業で行われている社内業務を洗い出し、システム化・自動化の要件に落とし込みます。ここでもAIツールを活用し、小さく作って早く試すことを重視します。

駐車場機器メーカーであるグループ会社のアイテックと共に、PKSHA Technology の高度なアルゴリズムやソフトウェア技術を活用して「AI x IoT x ソフトウエア」による駐車場業界及び MaaS 領域の DX を担っていただきます。 従来、駐車場機器メーカーとしてハードウェアである駐車場機器を運営会社に販売するだけに留まっていたところから、駐車場機器をクラウドにつなげ、ソフトウエア・AIの技術を活用することで、駐車場のアナログ体験の解消、駐車場情報を API 化し外部サービスと連携した新しいサービス体験を創造しています。 プロダクト ● ソフトウエアサービス ・駐車場検索・予約・スマホ精算・車番認識によるハンズフリーな自動精算ができるプラットフォーム及び mobile app『QT-net』 ・駐車場の遠隔管理及び、AI による高度な分析を運営会社に提供する webapp『i-Barms』 ● 駐車場機器 ・車番認識により従来のロック板やチケット管理をなくし、インターネットとつなげ精算機情報を API 化することで外部サービス連携を可能にした精算機『ロックレス』・『チケットレス』 技術スタック ●利用言語 ・Golang ・Flutter ・Next.js ●クラウド ・GCP ・AWS ●バージョン管理 ・Git (GitHub) ●CI/CD ・CircleCI ・Github Actions ・CodeDeploy ●インフラ ・kubernetes(GKE) ・Terraform ・AWS CDK ●ドキュメント管理 ・Notion ●コミュニケーション ・Slack / MS Teams ※未経験のものがある場合でも、キャッチアップいただけると感じていただける方であれば問題ありません

PKSHA Technology では、コミュニケーション領域の社会課題を解決するため、多岐に渡る大手企業に複数の SaaS プロダクトを提供しております。 このポジションでは、それら SaaS プロダクトの品質保証(QA: Quality Assurance)を行っていただきます。 ※プロダクトについては弊社ホームページにて詳細をご確認いただけます。 https://wp.pkshatech.com/#product https://com.pkshatech.com/products/ 私達は、品質保証のミッションを「品質保証を通じて顧客満足を最大化し、顧客および全社員との信頼を築き、持続可能な成長を実現する。」と表現しています。そのために、顧客(ユーザー)が享受する利用時の品質を志向しつつも、それのみに気を配るのではなく、外部特徴・内部特徴・プロセス品質も改善する予防的なアプローチをとります。このために必要な技術をソフトウェアエンジニアリングと位置づけ、ソフトウェアエンジニアはもちろん、顧客満足に関わる多様な職種と協働します。 現在の主な業務内容は以下の通りです。 ●ソフトウェア要求と仕様の具体化とレビュー ●システムテスト ●ローコードツールによる自動システムテストの開発 ●ユーザーズマニュアルの編集 そして、ミッション達成に向けた以下の業務に取り組める体制を作ろうとしており、新たな領域を開拓してゆける方を募集しています。一人に全てを任せるものではなく、志向と得意領域を加味して業務分担を決めます。 ●品質目標およびその達成戦略の策定 ●ユーザーから寄せられるフィードバックの分析 ●コードやバックログなどの様々なデータからの品質分析 ●様々なテストレベルにおける既存自動テストの改善または新たな自動テストの開発 ●重大バグの根本原因分析および再発防止策の策定 ●開発プロセスの改善 ●開発用ドキュメント、開発ツールのデータなど、開発者が利用する情報の最適化 ●ソフトウェア品質の学習と知見共有 本ポジションの参考ページ ・[PKSHA の QA 業務を語りつくす!QA チーム座談会](https://voice.pkshatech.com/n/n201afa35c556) ・[JaSST ‘23 Tokyo 参加レポート](https://voice.pkshatech.com/n/n948e284b2292)

PKSHA Technologyは、エンタープライズ企業のコールセンターに向けた自然言語処理/機械学習/ディープラーニングを活用したテキスト・音声対話エンジン、及び昨今の働き方の変化に合わせて職場コミュニケーションの課題を支援するためのプロダクトを提供しています。 このポジションでは、エンジニアマネージャー候補として各領域専門の機械学習エンジニアとチームを組み、ソフトウェアエンジニアリングで解決できる課題を自ら手を動かしながら解決していただきます。 ・エンジニアリング組織のアウトプット最大化に向けた仕組みづくりの設計と実行 ・法人向けに提供している既存対話エンジンサービス開発のマネジメント ・機械学習モデルをコアとした新アプリケーション開発のマネジメント ・自社サービス間連携の促進 技術スタック ●利用言語 ・Python ・Ruby (Ruby on Rails) ・Golang ・JavaScript/TypeScript ●クラウド ・AWS ・Azure ●バージョン管理 ・Git (GitHub) ●CI/CD ・CircleCI ・CodeDeploy ・Github Actions ●タスク/ドキュメント管理 ・Notion ・Linear ●コミュニケーション ・Slack / MS Teams ※未経験のものがある場合でも、キャッチアップしてもらえれば問題ありません。

車載プラットフォームから取得したカメラ映像に深層学習を適用し、物体検出・追跡や自車の走行経路予測を行う先行開発を担当します。 組込み向けGPUマシンを中核に、CAN・(車載)Ethernet・カメラI/Fの入出力制御と表示出力(HDMI)を含むソフトウェア設計、計測データや画像/動画を保存・検索するDB設計、走行データのクラウド送信とAI学習向けの前処理・加工ワークフロー設計までを一貫して担います。 走行試験と性能評価で得た知見をもとに、要件定義から試作・検証・改善を社内でゼロから素早く回し、必要な仕組みを自ら考案して形にしていく業務です。 <具体的には> ADAS検証車両に搭載する機器の選定から、実際に搭載して走行できる環境構築までを担当し、以下の業務を複数担当します。 ・車両内で利用する各種センサーや計測器のセットアップ・相互接続 (例:地図情報利用のためにJetsonとLocatorをEthernetで接続) ・車両内で動作するソフトウェアの開発 (AI推論のためのSocket通信、GPUでの推論結果をCPUで演算し情報変換、CAN通信による車両制御) ・ソフトウェア管理用のWebUI・WebAPI開発 ・DBへの動作結果保存および検証結果確認 【使用するツール】 ・開発言語:Python, C, C++, JavaScript, HTML ・Web技術:React, Drogon ・OS/インフラ:LINUX (Shell script, rootファイルシステム) ・画像処理/AI最適化:OpenCV, CUDA, TensorRT ・データベース:PostgreSQL, SQLite, Redis (NoSQL) ・バージョン管理:Git, GitHub, SVN 【変更の範囲】 会社の定める業務(※) (※)業務の都合によっては会社外の職務に従事するため出向又は転属を命じることがあります。

機械学習技術を用いて自動運転に必要なアルゴリズムの研究・開発を行います。 文献調査やアルゴリズム考案から、実環境での有効性の実証まで行うことで新技術を創出します。 【主要な開発テーマ】 ・Depth Estimation ・Opticalflow Estimation ・Motion Prediction ・Scene Recognition ・Multitask Learning ・Unsupervised Learning ・Reinforcement Learning ・Generative Adversarial Network 【使用するツール】 ※状況により柔軟に変わります ・C言語/C++/Python ・Tensorflow(Keras)、PyTorchなどのDNNフレームワーク 【変更の範囲】 会社の定める業務(※) (※)業務の都合によっては会社外の職務に従事するため出向又は転属を命じることがあります。

車載向けエッジモデルおよび机上評価用の大規模モデル開発を支える MLOps 基盤の構築・運用 をお任せいたします。 <具体的には> 膨大な量の運転データを効率的に活用するための計算基盤とモデル学習・評価パイプラインの構築、データの質と量でモデル改善に貢献するデータセットのキュレーション、モデル分析を支援するBIツール環境の整備など、ML エンジニア/MLリサーチャーの開発を加速する仕組みづくりを行っていただきます。 【業務遂行いただくうえで必要になる技術例】 ・クラウド/オンプレミス上における学習・評価パイプライン(MLOps)の設計・構築および保守・運用 ・大規模データ学習の高速化を目的とした計算基盤・分散処理・アルゴリズム最適化の検討と実行 ・データセットのキュレーション(バランス設計、データリーク防止、品質管理)およびデータセット生成パイプラインの構築 ・データやモデル評価指標を統合的に可視化する BI ツール環境の設計・構築 【使用するツール】 ※状況により柔軟に変わります ・開発言語/データ操作言語:Python、SQL ・クラウド:GCP、AWS ・OS:Linux、Windows ・深層学習フレームワーク:TensorFlow(Keras)、PyTorch ・実験管理/設定/可視化:MLflow、Hydra、TensorBoard ・MLプラットフォーム/パイプライン:Vertex AI、SageMaker ・CI/CD:GCP Cloud Build、AWS CodeBuild、AWS CodePipeline ・データETL/分散処理:Dataflow、EMR(Spark/Hadoop) ・データ分析:BigQuery、Amazon Redshift ・BIツール:Looker Studio、Amazon QuickSight ・オーケストレーション:Apache Airflow、Amazon MWAA ・コンテナ:Docker ・その他:GitLab、Confluence、Jira、Teams 【変更の範囲】 会社の定める業務(※) (※)業務の都合によっては会社外の職務に従事するため出向又は転属を命じることがあります。

【具体的な業務内容】 人事システムのサーバ等運用管理 人事部のシステム支援 組織変更に伴うシステム関連業務 ActiveDirectory・GPOの運用管理 担当業務のサーバ運用管理 上記を行う上での企画や提案業務 【配属先情報】 情報システム部インフラ・セキュリティ管理グループ ITセキュリティ運用課 昨期インフラグループだったグループの名称が4月からがインフラ・セキュリティ管理グループとなり、会社としてセキュリティ分野に力を入れています。 変更の範囲:会社の定める業務

製造業×生成AIの新規プロダクト開発・PoC検証のど真ん中で手を動かすポジションです。 主な業務: ・顧客課題のヒアリング → 要件定義 → 技術調査 → プロトタイプ実装 → 検証 → レポーティングを一貫して担当 ・RAGシステムの設計・構築(ドキュメント検索、ナレッジベース活用など) ・LLMを組み込んだプロダクトの開発・改善(APIインテグレーション、プロンプト設計含む) ・製造業向けユースケースの探索・仮説検証・PoC推進

●全社のプロダクト戦略策定・推進 ●フィナンシャルクラウド事業を中心とした複数プロダクトのポートフォリオ管理 ●プロダクトマネジメント組織のマネジメント・育成 【業務内容詳細】 (1)プロダクト戦略の立案・実行 └全社プロダクトのポートフォリオ設計(既存プロダクト・新規プロダクト含む) └投資アロケーションおよび予算管理 └プロダクトロードマップの策定と進捗管理 (2) KPI/顧客価値指標の最大化 └LTV向上施策の立案・実行 └顧客満足度向上および継続利用率向上のための施策実施・改善 └プロダクト品質とユーザー体験の向上に向けた戦略策定 ●期待する具体的な成果 ・全社のプロダクト戦略を再定義し、ロードマップを策定する ・組織体制の課題を洗い出し、PMの増員や教育計画を策定 ・LTVやNPSなど主要指標を一定期間(四半期など)で継続的にモニタリングし、前年比より向上 ・必要なリソース(予算・人材)を確保し、段階的に組織体制を整備 ・現場レベルの実行力を高めるPDCAサイクルやツール整備 ・経営目標である売上拡大・顧客継続率向上に直結するプロダクト戦略を実行 ・全社的な事業ポートフォリオの最適化に貢献 ・就任後3か月以内に戦略および組織体制の問題点を洗い出し、アクションプランを策定 ・就任後6か月以内に主要プロダクトのKPIを設定し、実行プランを浸透させる ●開発環境など ・開発言語:C# / PHP / JavaScript / Python / Powershell / Shell ・ミドルウェア:MySQL / Apache / SQL Server / IIS / Redis ・フレームワーク:Codeigniter / .NET 6 / .NET Framework / ASP.NET MVC ・バージョン管理:GitHub ・CI/CD:Jenkins / CodePipeline / CodeBuild / CodeDeploy ・コミュニケーション:Slack / Notion / Confluence ・タスク管理:Backlog / Toggl / Redmine ・監視:Newrelic / Pagerduty / Mackerel / Cloudwatch / Trend Micro CloudOne ・構成管理:Terraform / Ansible / SAM / Cloudformation ・インフラ:AWS / RDS / Elasticache / FSx / ALB / S3 / WAF / Cloudwatch / EC2 - Windows/Amazon Linux 2 / DirectConnect ・その他:Docker Compose / デュアルディスプレイ / Mac・Windows選択可 / 好みのエディタ・IDE選択

自社サービスを展開する弊社の新規・既存のプロダクト、プロモーションクリエイティブ領域を横断的にフロントエンドに特化した業務を担って頂きます。 社内外からの要望をPMとともに要件定義をしていき、ユーザーにとって価値のある機能を実装していただきます。 【具体的な業務内容】 ・ヘルスケアサービス(既存/新規)におけるWebアプリケーションのフロントエンド開発業務全般 ・新規企画および顧客要望を基にした、アプリケーションの設計/開発/運用/改善 案件は弊社の各サービスを横断しますので開発案件内容は様々です。 案件例 ・地図検索など外部APIを用いたフロント実装 ・google analyticsなど計測系タグの非同期実装 ・フロント側のレイアウトに合わせたポップアップやスライダーの実装 【開発環境】 ■フロント 言語:HTML/Css/JavaScript/jQuery ※モダンなフレームワークへのリプレイスを検討しており上記に+αでreactなどのご経験やリプレイス経験があると尚可 ■サーバーサイド 言語:PHP(cake/fuel/laravel) ※サブサービスでpython/DainamoDB/lambdaを用いた環境でのサービスもあり サーバ:AWS(EC2/S3/他AWS提供サービス) DB:MySQL、Redis Elasticsearch/varnish(キャッシュ)/jenkins バージョン管理:GitHub/AWS code commit プロジェクト管理:Slack/Redmine/Backlog

【お任せする業務】 海外子会社に開発を委託しているPC向けSSDのファームウェア開発の委託管理を担当します。 開発チームが実施する要件分析から設計、実装、テストまでの開発プロセス全体を監督し、プロジェクトの進捗管理や品質管理を実施します。 新製品の開発に向けては、顧客からの新しい要求、最新の技術動向や競合分析を通じて、製品に搭載する新機能について技術検討を行います。 【具体的な仕事内容】 現在、PC向けSSDのファームウェア開発は台湾の子会社に委託しています。 入社後は、いずれかの製品開発に携わり、以下の業務を行っていただきます。 A)設計・開発管理: 台湾子会社の開発チームと連携し、要求分析や設計方針の決定に関与します。 主要なマイルストーンと評価基準を設定し、プロジェクトの進捗をモニタリングします。 B)テスト管理: 開発したファームウェアの品質を確保するために実施するテスト計画策定に関与し、テスト実施を監督します。 テスト結果に基づき、必要な修正を指示し、品質向上に貢献します。 C)コミュニケーション: 定期的にステークホルダーにプロジェクトの進捗を報告します。 問題発生時は迅速に対応し、適切なソリューションを提案します。 D)継続的なプロセス改善: 開発プロセスをより効果的にするための提案を行い、実行に移します。 業務の効率化や品質向上を目指し、ベストプラクティスを導入します。 [従事すべき業務の変更の範囲] (雇入れ直後)上記の通り (変更の範囲)その他会社が指示する業務 【使用ツール】 開発言語/環境、ツール:C/C++, Python, Linux, Windows, ARM Coretexシリーズなどの組み込み向けプロセッサ, ARM DS, IAR compiler, Redmine, Jira, Git など

●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

当社が提供する各サービスの生産性向上ツールとして、AI・機械学習を活用した機能開発を担当していただきます。AWSのマネージドサービスやサーバーレスアーキテクチャを活用し、Pythonを用いた開発を行います。 特に、以下の領域でのAI技術の活用を進めています。 ①音声解析:音声データのテキスト化、自然言語処理を用いた解析(例:AWS Transcribe、Whisper など) ②OCR(光学文字認識):紙やPDFなどのドキュメントデータをデジタル化し、業務プロセスを効率化(例:AWS Textract、Tesseract 、GoogleGemini など) 生成AI:業務支援のための大規模言語モデル(LLM)の活用、プロンプト設計やファインチューニング(例:Amazon Bedrock、OpenAI API など) データパイプライン構築:AIモデルの学習データ収集・前処理・モデルデプロイの自動化(例:AWS SageMaker、Kinesis、Lambda など) AI推論APIの開発:各種AIモデルのAPI化・運用(FastAPI、Flask などを活用) パフォーマンス改善・精度向上:AIモデルの最適化、推論速度向上、モデル選定 AWSを活用したクラウドネイティブなAI開発に興味があり、技術的な課題解決を楽しめる方を募集しています。

●Webアプリケーションの設計・開発・テスト・運用 ●モバイルアプリ(iOS/Android)の開発支援 ●フロントエンド(React, Vue.js等)とバックエンド(Node.js, Python, Java等)の両方を担当 ●CI/CDパイプラインの設計・構築 ●UI/UX改善提案と実装 ●テスト設計・実施(QAチームとの連携) 開発環境 言語:JavaScript(TypeScript)、PHP、Python、Java、C、C++、C#、VB.NET、Ruby、Kotlin、Swift、Objective-c、Delphi フレームワーク:React、Next.js、Vue.js、Laravel、Spring Boot、Django インフラ:AWS(EC2, S3, RDS, Lambda, CloudFront)、GCP、Docker、Terraform CI/CD:GitHub Actions、CircleCI、Jenkins、Docker DB:MySQL、PostgreSQL、MongoDB、DynamoDB、Amazon RDS、Amazon Aurora、Amazon DynamoDB、Azure SQL Database、Azure Cosmos DB その他:Figma、Slack、Notion、Jira、Confluence、GitHub、GitLab

本ポジションでは、自然言語処理や生成AIを活用したタレントマネジメントソリューションの開発を担当いただきます。社内の人材情報(スキル・人事データなど)を活用し、個人・組織のスキル可視化や育成支援に繋がる仕組みを構築します。 ●具体的には、以下の業務をアジャイル開発体制のもとで推進していただきます スキルアセスメント入力機能、スキルDBの構築 スキルカルテで組織ケイパビリティのダッシュボード開発 育成支援モデル、スキル判定エンジンの設計・実装 自然言語処理・生成AI(LLM等)を活用した機能開発 Webアプリケーション(React+FastAPI)によるフロント・バックエンド開発 AWS/Azureなどクラウド環境での実装・運用 モブプロやスクラムを活用したチーム開発 社内実践を通じて得た知見を活かし、将来的には社外展開も視野に入れたソリューション開発に携わっていただきます。 ※変更の範囲:会社の定める業務

●業務内容(概要) AWS 環境で稼働する顧客システムの運用保守を担当。 定常業務から改善活動まで幅広く経験し、クラウドエンジニアとして成長できるポジションです。 ●業務内容(詳細) まずは運用の基礎的なタスクから着手し、AWS サービスへの理解を深めながら徐々に応用領域へステップアップしていただきます。 【具体的な業務】 AWS環境の定常運用(監視、アラート対応、アカウント管理 等) 手順書に沿ったリリース作業・動作確認 運用手順書やナレッジの作成・更新 作業効率化や簡易的な自動化などの改善活動 Backlog/SharePoint/Slack を用いた情報共有・タスク管理 顧客・開発チームとの簡単な調整、スケジュール確認 ●使用技術・ツール 言語/ライブラリ:Python、Node.js、AWS CDK バージョン管理:Git(CodeCommit) プロジェクト管理:Backlog、Redmine、GitHub、GitLab、Jira、Confluence コンテナ:Docker クラウド:AWS(開発・デプロイ環境) CI/CD:CloudFormation コミュニケーション:Teams、Slack ※変更の範囲:会社の定める業務

●業務内容(概要) 製造業を中心としたクライアントのデータ活用を支援し、分析・モデル構築・可視化を通じて課題解決を推進。 ●業務内容(具体的に) SQLやPythonを用いたデータ抽出・前処理 統計解析や機械学習モデルの設計・評価 ダッシュボード開発(Tableau、Power BI) PoCから本番導入までの支援 アジャイル(スクラム)開発の推進 将来的にはAIエージェントや生成AIを活用した高度な分析・自動化にも取り組みます <関連業務> データ利活用サービス:課題抽出～可視化・レポーティング 機械学習エンジニア:予測・処方的分析 工場DX:属人性解消、デジタル化アセスメント ●使用ツール・技術 言語:Python、SQL ライブラリ:Pandas、NumPy、scikit-learn 機械学習:TensorFlow、PyTorch BI:Tableau、Power BI バージョン管理:Git、GitHub クラウド:AWS、Azure 開発管理:Redmine、Backlog、Jira ※変更の範囲:会社の定める業務

●業務内容(概要) 製造業を中心としたクライアントのDX推進を支援し、業務改善・データ活用・工場立ち上げを通じて課題解決を推進します。 ●業務内容(具体的に) クライアント企業のデータを活用し、課題抽出から分析、モデル構築、可視化・レポーティングまでを担当 SQLやPythonを用いたデータ抽出・前処理 統計解析や機械学習モデルの設計・評価 ダッシュボード開発(Tableau、Power BI) PoCから本番導入までの支援 業務改善・工場立ち上げ推進 アジャイル(スクラム)開発の推進 PL候補として、プロジェクトのQCDS管理、顧客折衝、技術選定を担当 ●使用ツール・技術 言語:Python、SQL ライブラリ:Pandas、NumPy、scikit-learn 機械学習:TensorFlow、PyTorch BI:Tableau、Power BI バージョン管理:Git、GitHub クラウド:AWS、Azure 開発管理:Redmine、Backlog、Jira ※変更の範囲:会社の定める業務

複数のデジタルツールで建設業界を支援してきた弊社が2019年から取り組んできた「建設 DX Platform」構想。 具体的にいうと、BtoBオンラインマッチングプラットフォームとCMSツールに、新たなSaaSツールを組み合わせることで「建設業がデジタルトランスフォーメーションに舵を切りやすくするための環境」を構築していこう!という取り組みです。 今回、入社していただく方に期待しているのは、以下の3点です。 ①経営層との調整、および経営戦略に紐づいた技術的な方向性の設計と推進 ②社内のエンジニアチームの技術的なマネジメントや制度設計 ③自社サービスのアーキテクチャの設計や構築、またはその運用 弊社のミッションは「スモールビジネスを前進させるブレークスルーカンパニー」。 ビジョンは「建設をテクノロジーでアップデートする」。 日本巨大産業のひとつである建設業界の変革は、他社で経験を積まれた方にとって、とても刺激的かつチャレンジングな仕事になるでしょう。 また社内のエンジニアの技術的なサポートも業務として発生します。 積極的にアウトプットをしながらチーム全体のスキルアップ変化を進められる方を募集します。 開発環境 フロントエンド:TypeScript, Vue.js, Nuxt.js, Sass バックエンド:Ruby, Ruby on Rails, RSpec データベース:MySQL, Redis iOS / Android:Dart, Flutter インフラ:Firebase, AWS, GCP 各種開発ツール:GitHub, Docker, CircleCI タスク管理 / ドキュメント:Slack, Notion, ZenHub 分析 / エラー監視:Sentry, Redash デザインツール:Figma ※プロダクトごとに採用技術が異なります。 ※GitHub Copilotの使用が可能です! https://branu.jp/news/page/230518/

世界トップクラスの半導体製造・検査製品から得られるデータと技術を活用し、半導体製造の高度化・効率化を支えるデジタルソリューション開発をご担当いただきます。 本ポジションでは、開発業務にも関わりながら、チームマネジメントおよびプロジェクト推進を担っていただきます。 <具体的な業務内容> ・半導体装置データを活用したソリューション開発(設計・開発・評価) ・プロジェクトの進捗管理、課題管理、関係部門との調整 ・チームメンバーの育成、レビュー、業務支援 ・顧客課題の理解とソリューションへの落とし込み ・国内外顧客先や協創施設での評価・検証支援 ※役割・責任範囲はご経験に応じて段階的にお任せします。 ●ポジションの位置づけ 本ポジションは、開発に携わりながらチームをマネジメントし、プロジェクトを推進していただく課長候補ポジションです。 技術と事業の両面から意思決定に関わり、組織やプロジェクトに影響を与えていくことが期待されます。 開発方針や進め方についても主体的に意思決定いただけます。 入社後は、業務状況やご志向を踏まえ、役割や期待値を丁寧にすり合わせながら進めていきます。 チーム規模やプロジェクト範囲についても、ご経験に応じて無理のない範囲から段階的に広げていきます。 ●開発環境 ・言語:Python、Java、JavaScript、SQL、HTML、CSS ・OS:Linux、Windows ・ツール:GitHub、Docker

世界トップクラスの半導体製造・検査装置から得られるデータと技術を活用し、半導体製造の高度化・効率化を支えるデジタルソリューション開発をご担当いただきます。 当社の半導体製造・検査装置から得られるデータを活用し、これまでのご経験を活かしながら、チームの一員として設計・開発を担っていただくポジションです。 <具体的な業務内容> ・半導体装置データを活用したソリューションシステムの設計・開発・評価 ・データ管理・解析システム(DB、アプリケーション)の開発 ・チーム内での設計・実装・レビューへの参画 ・顧客課題に対するソリューションの理解および機能への落とし込み ・国内外顧客先や協創施設での評価・検証支援 ※将来的には、プロジェクト内でのリードや後輩育成にも関わっていただくことを期待しています。 ※役割はご経験や志向に応じて段階的に広げていただきます。 ●ポジションの位置づけ 本ポジションは、担当者として開発を担いながら、将来的に主任・リーダーとしてチームを支える役割を担っていただくことを期待する人材の採用です。 リーダー経験がない方でも、開発業務を通じて段階的に役割を広げていけるポジションです。小規模なタスクやチーム単位でのリード役を担いながら、経験を積んでいただきます。 技術力を活かしながらチームに影響を与えていくポジションであり、必ずしも早期にマネジメントを担う必要はありません。 入社後は、業務を通じて役割をすり合わせながらキャリアを形成していきます。 ●開発環境 ・言語:Python、Java、JavaScript、SQL、HTML、CSS ・OS:Linux、Windows ・ツール:GitHub、Docker

・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

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

●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

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

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

●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