年収1000万円以上 GitHubのITエンジニア求人・転職情報

PROEVERとは プロジェクトマネジメント専門会社としてのノウハウ、経験を結集させた「プロジェクトマネジメントプラットフォーム」をSaaSとして事業展開しています。プロジェクトデータを一元的に集約し、AI技術も用いてお客さまの意思決定を支援することで、プロジェクト成功およびプロジェクトマネジメント成熟度の向上を支援しております。 主なお客さまは全社横断で多くのプロジェクトを推進しているマネジメント層(PM含む)で、プロジェクトの状況をリアルタイムで正しく把握し意思決定を行うことができます。他社PMツールとは異なり、タスクや課題管理に留まらず、関連する複数のプロジェクトを俯瞰的、横断的に状況把握できることが特徴です。 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、AI技術の実装推進 - エンジニア組織の立ち上げ・技術文化形成 - 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 ※将来的なCTO/VPoE候補として、徐々に業務に慣れて頂く形を想定しております。 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 ※変更の範囲:当社及び出向(転籍)先における各種業務全般

管理職として、以下の業務領域における決裁・組織マネジメント・技術戦略構築などをお任せする予定です。 ①ビークルOS(車載OS)の開発 次世代のAD/ADASシステムを安全かつ安定的に動作させるためのビークルOSの開発を行います。 サプライヤーと連携した開発と、完全内製化の開発の2種類があるため、組込み開発において何らかのご経験があれば、ご活躍の可能性がございます。 (実装やテスト経験者も対象) ≪業務委細≫ ・AUTOSAR Adaptive / Classicに基づいたOS・ミドルウェア層の要求仕様策定、設計、実装 ・OSとアプリケーション間のインターフェース仕様策定および調整 ※OSやミドルウェア開発経験、リアルタイムOS、仮想化技術、セキュアブートやプロセス間通信(IPC)などの知識が活かせます。 ②車載アプリケーション/サービスのインテグレーション(統合・検証) 開発したビークルOS上で動作する各種AD/ADAS向けアプリケーションやサービスを統合し、最適に動作させるための設計・検証を行います。 インテグレーションを完遂するには、OSのカーネル、通信ミドルウェア、ハードウェア、そして上位のアプリ層まで、すべてのレイヤーに精通する必要があります。 そのため、特定の技術に閉じこもらず、フルスタックな知識が自然と身につきます。 ≪業務委細≫ 他チーム・他社が開発したアプリをビークルOSに適切に組み込み・配置 ソフトウェア間の通信や依存関係を調整・チューニング システム全体での機能検証・統合テスト・不具合解析/対策 ③次世代通信ミドルウェアの開発・実装 AD/ADAS向けの通信ミドルウェア(DDS、SOME/IP、MQTT等)」の開発は、車の安全性向上に直結する領域です。 システムのふるまいについて低遅延・正常作動を実現させる仕事です。 ≪業務委細≫ SOME/IP、DDS、MQTTなど、車内・車外通信プロトコルのAD/ADAS向けの最適化と実装 異なるドメイン間でのデータ交換を安全かつ低遅延で行うためのルーティング制御やメッセージブローカーの開発 ④生成AIを活用した開発プロセスの改善及び内製化促進 プラットフォームの開発実務を担っていただきながら、当該領域における開発効率を上げるためにAI活用の推進を担っていただきたいです。 既存の開発手法に囚われずに、開発プロセスの課題を特定し、最新のAI技術を駆使しながら改善につなげていただくことがミッションです。 ≪業務委細≫ 過去資産のデータ化 過去の膨大な開発・設計資料をデータ資産化し、ナレッジ検索・再利用性を向上させる基盤構築。 テスト自動化 生成AIを活用したテストコードの自動生成、検証工程の自動化による工数削減 開発の内製化推進 AIコードアシスタント等を活用し、従来外注していた実装業務を社内でスピーディーに行う「内製開発」へのシフト推進 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります 【開発ツール】 AUTOSAR Adaptive/Classic, POSIX, Linux, HyperVisor, C/C++, Python, シェルスクリプト, Doors, EnterpriseArchitect, PREEvision, JIRA/Confluence,Git, SVN, Jenkins, Wireshark等 【職場環境・風土】 Hondaは三つの喜び(買う喜び、売る喜び、創る喜び)を基本理念に、創業より数々の製品を生みだしてきました。役員から新入社員まで、あらゆる人材が自由な発想で、夢や理想を徹底的に追求する風土が根付いており、学歴や年齢に関係なく誰もがフラットに活躍できる職場環境です。積極的に仕事に向き合い、推進する力のある従業員には、入社直後であっても大きな仕事が任されます。「こんなクルマが作りたい!」と自ら手を挙げてプロジェクトを立ち上げるような気概を持った方に、是非仲間に入っていただきたいと思います。

【仕事内容】 SDVを実現するためのソフトウェアプラットフォームおよび、AD/ADASのプラットフォームの設計・戦略策定及び最終的な意思決定、マネジメント等を管理職としてお任せします。 ●超長期的な技術ロードマップの策定 5年・10年先を見据えた、AD/ADAS向けソフトウェアプラットフォームの開発戦略の立案 技術トレンドや市場環境を分析し、自社で開発すべきコア技術と、外部技術(OSSやパートナー企業との連携)を組み合わせた技術スタックの選定・決定 ●プラットフォーム・アーキテクチャの定義 アプリケーションがハードウェアに依存せず進化し続けられるための、疎結合かつスケーラブルなプラットフォーム構成の設計 OS、ミドルウェア(通信スタック、ミドルウェア連携、データ基盤)のインターフェースおよびデータフローの全体設計 ●技術的意思決定と標準化のリード プラットフォームのアーキテクチャにおける技術的整合性の評価、および開発チームに対する設計指針の提示 機能安全(ISO 26262)やサイバーセキュリティなど、モビリティに求められる高度な信頼性をプラットフォーム層で担保するための設計方針の策定 ●技術課題の解決と戦略的牽引 複雑化するソフトウェア構成における技術的ボトルネックの特定と、根本解決に向けた構造設計の刷新 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります 【開発ツール】 AUTOSAR Adaptive/Classic, POSIX, Linux, HyperVisor, C/C++, Python, シェルスクリプト, Doors, EnterpriseArchitect, PREEvision, JIRA/Confluence, Git, SVN, Jenkins, Wireshark等

管理職として、以下の業務領域における決裁・組織マネジメント・技術戦略構築などをお任せする予定です。 ① ビークルOS(車載OS)の開発 車両全体の知能化・自動運転化に向けて、複数のアプリケーションを安全かつ安定的に動作させるための「共通ソフトウェア基盤(OS)」=ビークルOSの開発を行います。 ≪業務委細≫ AUTOSAR Adaptive /Classicに基づいたOS・ミドルウェア層の要求仕様策定、設計、実装 ※OSやミドルウェア開発経験、リアルタイムOS、仮想化技術、セキュアブートやプロセス間通信(IPC)などの知識が活かせます。 ② 車載アプリケーション/サービスのインテグレーション(統合・検証) 開発したビークルOS上で動作する各種車載アプリケーション(例:車両運動制御、エネルギー管理、車内UX機能など)やサービスを統合し、最適に動作させるための設計・検証を行います。 インテグレーションを完遂するには、OSのカーネル、通信ミドルウェア、ハードウェア、そして上位のアプリ層まで、すべてのレイヤーに精通する必要があります。 そのため、特定の技術に閉じこもらず、フルスタックな知識が自然と身につきます。 ≪業務委細≫ 他チーム・他社が開発したアプリをビークルOSに適切に組み込み・配置 ソフトウェア間の通信や依存関係を調整・チューニング システム全体での機能検証・統合テスト・不具合解析/対策 ③ 次世代通信ミドルウェアの開発・実装 セントラルECUは、車両内の各ECUや外部クラウドと膨大なデータをやり取りする通信のハブでもあります。 そのため、通信ミドルウェア(DDS、SOME/IP、MQTT等)」の開発は、多種多様なプロトコルを統合し、安全かつ低遅延でルーティングするという、セントラルECU特有の非常に難易度が高く面白い領域です。 ≪業務委細≫ SOME/IP、DDS、MQTTなど、車内・車外通信プロトコルのセントラルECU向け最適化と実装 異なるドメイン間でのデータ交換を安全かつ低遅延で行うためのルーティング制御やメッセージブローカーの開発 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります 【開発ツール】 AUTOSAR Adaptive/Classic, POSIX, Linux, HyperVisor, C/C++, Python, シェルスクリプト, Doors, EnterpriseArchitect, PREEvision, JIRA/Confluence,Git, SVN, Jenkins, Wireshark等 【職場環境・風土】 Hondaは三つの喜び(買う喜び、売る喜び、創る喜び)を基本理念に、創業より数々の製品を生みだしてきました。役員から新入社員まで、あらゆる人材が自由な発想で、夢や理想を徹底的に追求する風土が根付いており、学歴や年齢に関係なく誰もがフラットに活躍できる職場環境です。積極的に仕事に向き合い、推進する力のある従業員には、入社直後であっても大きな仕事が任されます。「こんなクルマが作りたい!」と自ら手を挙げてプロジェクトを立ち上げるような気概を持った方に、是非仲間に入っていただきたいと思います。

管理職として、以下の業務領域における決裁・組織マネジメント・技術戦略構築などをお任せする予定です。 ① ビークルOS(車載OS)の開発 次世代のAD/ADASシステムを安全かつ安定的に動作させるためのビークルOSの開発を行います。 サプライヤーと連携した開発と、完全内製化の開発の2種類があるため、組込み開発において何らかのご経験があれば、ご活躍の可能性がございます。 (実装やテスト経験者も対象) ≪業務委細≫ ・AUTOSAR Adaptive / Classicに基づいたOS・ミドルウェア層の要求仕様策定、設計、実装 ・OSとアプリケーション間のインターフェース仕様策定および調整 ※OSやミドルウェア開発経験、リアルタイムOS、仮想化技術、セキュアブートやプロセス間通信(IPC)などの知識が活かせます。 ② 車載アプリケーション/サービスのインテグレーション(統合・検証) 開発したビークルOS上で動作する各種AD/ADAS向けアプリケーションやサービスを統合し、最適に動作させるための設計・検証を行います。 インテグレーションを完遂するには、OSのカーネル、通信ミドルウェア、ハードウェア、そして上位のアプリ層まで、すべてのレイヤーに精通する必要があります。 そのため、特定の技術に閉じこもらず、フルスタックな知識が自然と身につきます。 ≪業務委細≫ 他チーム・他社が開発したアプリをビークルOSに適切に組み込み・配置 ソフトウェア間の通信や依存関係を調整・チューニング システム全体での機能検証・統合テスト・不具合解析/対策 ③ 次世代通信ミドルウェアの開発・実装 AD/ADAS向けの通信ミドルウェア(DDS、SOME/IP、MQTT等)」の開発は、車の安全性向上に直結する領域です。 システムのふるまいについて低遅延・正常作動を実現させる仕事です。 ≪業務委細≫ SOME/IP、DDS、MQTTなど、車内・車外通信プロトコルのAD/ADAS向けの最適化と実装 異なるドメイン間でのデータ交換を安全かつ低遅延で行うためのルーティング制御やメッセージブローカーの開発 ④ 生成AIを活用した開発プロセスの改善及び内製化促進 プラットフォームの開発実務を担っていただきながら、当該領域における開発効率を上げるためにAI活用の推進を担っていただきたいです。 既存の開発手法に囚われずに、開発プロセスの課題を特定し、最新のAI技術を駆使しながら改善につなげていただくことがミッションです。 ≪業務委細≫ 過去資産のデータ化 過去の膨大な開発・設計資料をデータ資産化し、ナレッジ検索・再利用性を向上させる基盤構築。 テスト自動化 生成AIを活用したテストコードの自動生成、検証工程の自動化による工数削減 開発の内製化推進 AIコードアシスタント等を活用し、従来外注していた実装業務を社内でスピーディーに行う「内製開発」へのシフト推進 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります

1.SDVアーキテクチャの全体設計方針立案 ビジネス戦略・商品企画・技術戦略を踏まえ、 車両内外(クラウド・モバイル含む)を横断した システム全体としてのアーキテクチャ方針を構想・定義します。 個別領域最適ではなく、車一台の価値最大化を前提とした全体設計が求められます。 2.アーキテクチャ統制・ガバナンスの構築 各開発部門・機種・世代を跨いだ数百名規模の開発組織に対し、 設計原則・ルール・意思決定プロセスを定義し、 開発全体を統制するガバナンスモデルを構築・定着させます。 単なるルール整備ではなく、実行させ、定着させるところまで責任を持つポジションです。 3.重要開発テーマへの参画・意思決定リード アーキテクチャに大きな影響を与える重要プロジェクトに自ら参画し、 基本方針の意思決定を主導します。 4.技術リーダーシップおよびメンバー育成 アーキテクト・エンジニアに対して、設計思想や技術判断の指針を示し、 組織全体のアーキテクチャ設計力の底上げを担います。 ・設計レビューやディスカッションを通じた技術指導 ・アーキテクト人材の育成・輩出 ・複雑な技術課題に対する意思決定支援 自らの専門性をもってチームを率い、技術で牽引するリーダーシップが求められます。 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります

1.SDVアーキテクチャの全体設計方針立案 ビジネス戦略・商品企画・技術戦略を踏まえ、 車両内外(クラウド・モバイル含む)を横断した システム全体としてのアーキテクチャ方針を構想・定義します。 個別領域最適ではなく、車一台の価値最大化を前提とした全体設計が求められます。 2.アーキテクチャ統制・ガバナンスの構築 各開発部門・機種・世代を跨いだ数百名規模の開発組織に対し、 設計原則・ルール・意思決定プロセスを定義し、 開発全体を統制するガバナンスモデルを構築・定着させます。 単なるルール整備ではなく、実行させ、定着させるところまで責任を持つポジションです。 3.重要開発テーマへの参画・意思決定リード アーキテクチャに大きな影響を与える重要プロジェクトに自ら参画し、 基本方針の意思決定を主導します。 4.技術リーダーシップおよびメンバー育成 アーキテクト・エンジニアに対して、設計思想や技術判断の指針を示し、 組織全体のアーキテクチャ設計力の底上げを担います。 ・設計レビューやディスカッションを通じた技術指導 ・アーキテクト人材の育成・輩出 ・複雑な技術課題に対する意思決定支援 自らの専門性をもってチームを率い、技術で牽引するリーダーシップが求められます。 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります

【仕事内容】 SDVを実現するためのソフトウェアプラットフォームおよび、AD/ADASのプラットフォームの設計・戦略策定及び最終的な意思決定、マネジメント等を管理職としてお任せします。 ●超長期的な技術ロードマップの策定 5年・10年先を見据えた、AD/ADAS向けソフトウェアプラットフォームの開発戦略の立案 技術トレンドや市場環境を分析し、自社で開発すべきコア技術と、外部技術(OSSやパートナー企業との連携)を組み合わせた技術スタックの選定・決定 ●プラットフォーム・アーキテクチャの定義 アプリケーションがハードウェアに依存せず進化し続けられるための、疎結合かつスケーラブルなプラットフォーム構成の設計 OS、ミドルウェア(通信スタック、ミドルウェア連携、データ基盤)のインターフェースおよびデータフローの全体設計 ●技術的意思決定と標準化のリード プラットフォームのアーキテクチャにおける技術的整合性の評価、および開発チームに対する設計指針の提示 機能安全(ISO 26262)やサイバーセキュリティなど、モビリティに求められる高度な信頼性をプラットフォーム層で担保するための設計方針の策定 ●技術課題の解決と戦略的牽引 複雑化するソフトウェア構成における技術的ボトルネックの特定と、根本解決に向けた構造設計の刷新 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります 【開発ツール】 AUTOSAR Adaptive/Classic, POSIX, Linux, HyperVisor, C/C++, Python, シェルスクリプト, Doors, EnterpriseArchitect, PREEvision, JIRA/Confluence, Git, SVN, Jenkins, Wireshark等

プロダクト基盤全体の信頼性を技術的にリードする立場として、SLO/SLI 設計から可観測性基盤の構築、インシデント対応プロセスの整備、インフラの IaC 化まで、信頼性に関わるあらゆる領域を主導していただきます。 AI 協働を前提に、運用の自動化・効率化も推進します。 【業務範囲】 ・SLO/SLI の設計・運用・エラーバジェットに基づくリリース判断の仕組み化 ・可観測性基盤(メトリクス、ログ、トレース)の設計・構築・継続改善 ・IaC(Terraform 等)によるインフラのコード管理と再現可能なプロビジョニング ・AWS を中心としたクラウドアーキテクチャの設計・最適化 ・CI/CD パイプラインの信頼性・速度の向上 ・インシデント対応フロー・オンコール体制・ポストモーテム文化の確立 ・キャパシティプランニング・コスト最適化・パフォーマンスチューニング ・セキュリティベースラインの策定と脆弱性管理の仕組み化 ・AIを活用したインフラ運用の自動化・効率化 ・開発チームへの信頼性プラクティスの浸透とガイドライン整備 【利用するツール】 ・AWS(メイン:ECS/EKS、RDS、CloudFront、Lambda、S3 等)/ GCP(一部利用) ・Terraform / AWS CDK ・Docker / コンテナオーケストレーション ・Datadog(APM、Logs、Monitors、Synthetics) ・GitHub / GitHub Actions ・Claude / Claude Code / Cursor / 各種 MCP ツール※今後変更になる可能性がございます ・PagerDuty 等のインシデント管理ツール 【資質(自律性・信頼性志向・構築力)】 ・専任 SRE 不在の組織で、信頼性の文化・プロセス・技術基盤を自ら設計し確立できる自律性 ・「落ちないシステム」ではなく「障害から素早く回復するシステム」を志向する信頼性思考 ・未整備な領域を構造化し、再現可能な仕組みとして定着させる構築力 【具体スキル】 ・ Linux/UNIX 系 OS のシステム管理・トラブルシューティングの深い知見 ・AWS のマネージドサービスを活用したプロダクション環境の設計・構築・運用 ・IaC(Terraform、CloudFormation、AWS CDK 等)によるインフラ管理 ・可観測性の3本柱(メトリクス、ログ、分散トレース)の設計・実装 ・SLO/SLI 設計とエラーバジェットに基づく運用判断 ・コンテナ技術(Docker)とオーケストレーション(ECS/EKS 等)の実践 ・ネットワーク設計(VPC、DNS、ロードバランサ、CDN、WAF)の理解と運用 ・CI/CD パイプラインの設計・改善とデプロイ戦略(Blue-Green、Canary 等)

ユーザーリサーチからUI/UXデザイン、プロトタイピング、デザインシステムの構築・運用まで、プロダクト体験に関わるデザイン業務全般を担当していただきます。 AI ツールを活用した高速な検証サイクルの中で、定量・定性の両面からユーザー体験を磨き上げていく役割です。 【業務範囲】 ・ユーザーリサーチ(インタビュー、アンケート、行動分析)の設計・実施・分析 ・ユーザージャーニーマップ、ペルソナ、シナリオの作成・更新 ・Web・モバイルアプリの UI/UX デザイン(Figma を中心としたツールで制作) ・ワイヤーフレーム、インタラクティブプロトタイプの作成と検証 ・A/B テスト、ユーザビリティテストの設計・実施・改善提案 ・デザインシステム(コンポーネント、トークン、ガイドライン)の構築・運用 ・エンジニア・PdM との協働による仕様策定とデザインレビュー ・AI ツールを活用したデザインワークフローの効率化 ・デザイン品質基準の策定とチームへの浸透 【利用するツール】 ・Figma / FigJam(デザイン・プロトタイピング・コラボレーション) ・Claude / ChatGPT / Midjourney / DALL-E 等の生成 AI ツール ・Cursor / 各種 MCP ツール(AI 支援によるデザイン資産管理・ドキュメント生成) ・Notion / Slack(ドキュメント・コミュニケーション) ・Amplitude / Google Analytics / Hotjar 等の分析ツール ・GitHub(デザインレビュー・エンジニア連携)/ Storybook(コンポーネントカタログ) 【資質(ユーザー志向・構造化力・探索性)】 ・ユーザーの行動・感情を深く理解し、体験価値を最大化することへの強い執着 ・曖昧なビジネス要件やユーザー課題を構造化し、デザインで解決策を提示できる論理的思考力 ・AI 活用という未確立な領域において、新しい手法を積極的に試し、失敗から学べる探究心と柔軟性 ・完璧を求めすぎず、素早くプロトタイプを作って検証する「まずやってみる」姿勢 【具体スキル】 ・Figma を用いた UI デザイン・コンポーネント設計・プロトタイピングの実務経験 ・ユーザーリサーチ手法(インタビュー、ユーザビリティテスト、サーベイ等)の実践 ・デザインシステムの構築・運用経験(トークン設計、コンポーネント管理、ドキュメント整備) ・レスポンシブデザイン・モバイルファーストのデザイン思考 ・デザインの意図・根拠を言語化し、ステークホルダーに説明できるプレゼンテーション力 ・定量データ(KPI、コンバージョン、離脱率等)に基づく改善提案力 ・基礎的な HTML/CSS/JavaScript の理解(実装は不要、エンジニアとの円滑な連携のため) ・意欲的に AI ファーストで新技術を吸収し、従来手法からの柔軟なアンラーニングができる適応力

生成AIの能力を最大限に引き出すプロダクト設計・要件定義を行い、ユーザー要求を言語的に解釈・構造化しながら、AIを活用して自律的に開発プロセスを進めていただきます。 【業務範囲】 ・中長期ロードマップ策定から具体アクションの落とし込み、事業グロースまで ・ユーザー課題・要求の把握と構造化 ・AIを活用したプロンプト設計・検証・調整 ・要件定義からAIによるコード生成、GitHub上でのPR作成までの一連の推進(ただし自ら手書きでコードは書かない) ・各種MCP(Model Context Protocol)ツールを活用した効率的な開発フロー構築 ・他職能(AIエンジニア、プロンプト担当、デザイナー等)との連携と仕様策定 ・AI出力結果の品質評価と改善サイクルの運用 ※業務内容の変更範囲:会社の定める業務 【利用するツール】 ・Claude / Claude Code / Cursor　※今後変更になる可能性がございます ・GitHub(AIを介したPR作成) ・GitHub Copilot ・各種MCPツール(codebase search、terminal操作、ファイル管理等) ・Notion / Figma / Slack ・GCP / AWS / Vercel など 【資質(自律性・構造化力・探索性)】 ・自律的に仮説を立てて実行・検証まで自走できる行動力 ・曖昧な要求を言語化し、要件へ落とし込む構造的思考力 ・AI活用という未確立な領域に対して探究心を持ち、カオスを楽しめる柔軟性と胆力 【具体スキル】 ・要件定義・仕様設計に関する実務経験 ・GitHubを用いた開発フロー理解(PR作成・レビューなど。 自らコードを書く必要はありません) ・プロダクト企画・ユーザーストーリー作成の経験 ・データ分析・KPI設計の基礎知識 ・意欲的にAIファーストで新技術を吸収し、従来手法からの柔軟なアンラーニングができる適応力

【概要】 AI を活用した高速な開発ループの中で、Flutter を主軸としつつ、必要に応じてネイティブ層(Swift/Kotlin)も活用し、モバイルアプリの体験設計・実装・品質向上をリードしていただきます。 【業務範囲】 ・Flutter(Dart)によるアプリ設計・実装・CI/CD 構築 ・パフォーマンス最適化(起動時間、描画、Jank、メモリ)と計測の仕組み化 ・ネイティブ機能ブリッジ(BLE、Push、カメラ、位置情報、バックグラウンド処理 等)の設計・実装 ・オフライン対応、状態管理、エラーハンドリングの堅牢化 ・AI/LLM APIを用いたアプリ機能の実装と検証 ・デザインシステム/アクセシビリティの整備と運用 ・ストア配信、リリース運用、クラッシュ解析(Firebase Crashlytics 等) ・AIを活用した開発フロー改善・自動化 ※業務内容の変更範囲:会社の定める業務 【利用するツール】 ・Flutter / Dart ・Swift / Kotlin(必要に応じて) ・Firebase(Crashlytics, Analytics, Remote Config 等)/ Sentry ・GitHub / GitHub Actions / Fastlane ・Claude / Claude Code / Cursor / 各種 MCP ツール※今後変更になる可能性がございます ・Datadog / Sentry / 各種計測基盤 ・AWS / GCP / Vercel 等のバックエンド基盤 【資質(自律性・品質志向・適応性)】 ・AI 協働を前提に、仮説検証を迅速に回す自律性 ・体験品質(滑らかさ、応答性、安定性)への強い執着 ・未確立な領域(AI×モバイル)でも構造化して前進できる柔軟性 【具体スキル】 ・Flutter(Dart)による商用開発と状態管理(Riverpod/Bloc 等)の経験 ・ネイティブ機能ブリッジ(MethodChannel、FFI、プラグイン開発)の実践 ・CI/CD(Fastlane、GitHub Actions)とリリース運用(TestFlight/Play) ・モバイルパフォーマンス計測・最適化(フレームタイム、メモリ、電力) ・クラッシュ解析/ログ収集(Crashlytics、Sentry 等)と MTTR 改善 ・セキュアなストレージ/認証/ネットワーク(TLS/証明書ピンニング 等)の理解 ・API 設計・エラーハンドリング・リトライ/バックオフ制御

【このポジションの役割】 本ポジションでは、AI を活用した品質保証プロセスの設計と改善を担います。 単にテストを実行するのではなく、 ・品質リスクの分析 ・テスト戦略の設計 ・テスト自動化 ・AI を活用した品質改善 などを通して、プロダクトの品質を継続的に向上させます。 QA は開発プロセスの最後の工程ではなく、品質を作るエンジニアリング領域であると考えています。 【主な業務】 ・AI を活用したテスト設計・テスト生成 ・E2E / Integration / Unit テストの自動化 ・CI/CD パイプラインへのテスト統合 ・品質メトリクスの設計・分析 ・品質リスク分析とテスト戦略設計 ・バグトラッキングと品質改善プロセスの設計 ・QA プロセスの継続的改善 ・開発チームとの品質文化の構築 【使用技術・ツール】 ・Playwright(E2E テスト) ・GitHub / GitHub Actions(CI/CD) ・Datadog(監視・エラー分析) ・Claude / Claude Code / Cursor ※今後変更になる可能性がございます ・MCP ツール ・AWS / GCP

【ミッション】 -事業戦略に整合した技術戦略とアーキテクチャの策定・実行 -スケーラブルで信頼性・セキュリティの高いプラットフォームの構築 -AI 協働(生成 AI / MCP)を前提とした開発生産性・品質の最大化 -エンジニアリング組織の体制構築・採用・育成・評価 -技術ガバナンス(セキュリティ/プライバシー/コンプライアンス)の徹底 【概要】 技術戦略の策定から実行・ガバナンスまでを統括し、 将来を見据えたアーキテクチャ設計とAI ファーストな開発標準を確立します。 信頼性・セキュリティ・開発速度のトレードオフを適切に設計し、成果の再現性を高めます。 【業務範囲】 -技術戦略・技術ロードマップの策定と合意形成 -技術選定・アーキテクチャ設計(マイクロサービス/イベント駆動/データ駆動等) -プラットフォーム/SRE/Observability(可用性・パフォーマンス・コスト最適化) -セキュリティ/プライバシー/リスク管理(ゼロトラスト、インシデント対応) -データ/ML 基盤の設計・運用(ストリーミング、Feature Store、Vector DB、RAG 基盤) -開発標準の整備(AI ツール/MCP 活用、CI/CD、テスト自動化、変更管理) -採用・評価・育成/キャリア設計、組織デザインとカルチャー醸成 -重大障害の指揮/問題管理/BCP、外部パートナー連携 【利用するツール】 -GitHub / GitHub Copilot -Claude / Claude Code / Cursor / 各種 MCP ツール -AWS / GCP / Vercel / Kubernetes / Docker / Terraform -Datadog / Cloud Monitoring / OpenTelemetry -Notion / Slack / Figma

【ミッション】 -事業戦略に整合したプロダクトロードマップの策定と達成 -AI 協働(生成 AI / MCP)を前提にした開発生産性・品質の最大化 -ユーザー価値を起点とした高速な検証・学習ループの確立 -プロダクト組織(PdM/Eng/Design)の体制構築・採用・育成 【概要】 プロダクト戦略の策定から実行・ガバナンスまでを統括し、 AI を活用した設計・開発・運用の標準を確立します。プロダクトポートフォリオ全体の成果責任を担います。 【業務範囲】 -中長期のプロダクト戦略・ロードマップの策定と合意形成 -開発組織の採用・評価と組織マネジメント -技術選定・アーキテクチャ設計(将来を見据えたスケーラブルな設計) -プロダクト KPI の設計・レビューと意思決定のリズム設計 -AI ファーストな開発標準(テンプレート/スキーマ/レビュー/自動化)の設計・運用 -資源配分(人材/予算/時間)の最適化と投資判断 -組織デザイン(採用・育成・評価)とカルチャー醸成 -ステークホルダーコミュニケーション(経営/事業/コーポレート) 【利用するツール】 -GitHub / Notion / 各種開発・デザインツール(Figma など) -Claude / Claude Code / Cursor / 各種 MCP ツール -GCP / AWS / Vercel など

【概要】 Go を主軸としたバックエンドと、Next.js または Flutter を用いたフロントエンドの両面を担当し、機能の企画段階から設計・実装・リリースまでを一貫してリードしていただきます。 AI 協働による高速な仮説検証と、プロダクション品質の両立を追求します。 【業務範囲】 ・Go によるバックエンド API の設計・実装・最適化 ・Next.js(React)または Flutter を用いたフロントエンド/モバイルの設計・実装 ・データベース設計・クエリ最適化(RDS、DynamoDB 等) ・プロダクト要件の技術仕様への落とし込みとアーキテクチャ設計 ・AI/LLM APIを活用した機能の設計・実装 ・CI/CD パイプラインの構築・改善 ・パフォーマンス計測・ボトルネック分析・改善 ・AIを活用した開発フロー改善・自動化 ・コードレビュー、設計レビューを通じたチーム全体の技術品質向上 ※業務内容の変更範囲:会社の定める業務 【利用するツール】 ・Go(バックエンド主要言語) ・TypeScript / Next.js / React(Web フロントエンド) ・Dart / Flutter(モバイル/Web) ・PostgreSQL / MySQL / DynamoDB / Redis ・Docker / GitHub Actions ・AWS(ECS、RDS、CloudFront、Lambda、S3 等)/ GCP(一部利用) ・Datadog / Sentry ・Claude / Claude Code / Cursor / 各種 MCP ツール 【資質(自律性・全体最適志向・実装力)】 ・フロントエンドとバックエンドの境界にとらわれず、ユーザー価値を起点に最適な設計判断を下せる全体最適志向 ・AI 協働を前提に、仮説から実装・検証までを高速に回す自律性 ・技術的な深さと幅の両方を持ち、状況に応じて柔軟に使い分けられる適応力 【具体スキル】 ・Go によるバックエンド開発(API 設計、認証、ミドルウェア、並行処理) ・TypeScript / React / Next.js または Dart / Flutter によるフロントエンド開発 ・RDB 設計・SQL チューニング・キャッシュ戦略(Redis 等) ・REST API / GraphQL の設計と実装 ・Docker を用いたコンテナベースの開発・デプロイ ・AWS マネージドサービスを活用したシステム設計 ・パフォーマンス計測・プロファイリング・ボトルネック改善 ・Git/GitHub を用いた協働開発とコードレビュー

AIプロダクトソリューション部は、会社全体の成長を支えるAIソリューション開発を担う部門です。 転職希望者と求人企業のマッチング精度向上や応募率・成約率の改善など、事業の根幹に関わるテーマを扱っており、その実現に向けて研究開発から事業実装までを一貫して推進しています。 現在、生成AIやLLMの進化によって、人材サービスの在り方は大きな変化の可能性を迎えています。 一方で、人材マッチングの領域には依然として多くの未解決課題が存在しています。 たとえば、 ・転職希望者の経験・スキル・志向性の理解 ・求人企業の期待や組織特性の構造化 ・複雑なキャリアパスの予測 ・膨大な非構造化データの活用 ・マッチング精度と説明可能性の両立 ・継続的なモデル改善と運用高度化 などは、依然として高い技術的難易度を持つテーマです。 今回のポジションでは、データサイエンスのエキスパートとして、全社のAIモデルおよび機械学習モデルの設計・開発・チューニングを技術的にリードし、人材マッチングの高度化に向けた新規マッチングロジックを自ら企画・設計・実装したうえで、応募率や成約率などの重要KPI改善まで推進いただきます。 また、ビジネス課題を自ら構造化し、事業責任者やPdM、エンジニアと密に連携しながら仮説検証を進めるだけでなく、新技術や新たなデータ活用を全社へ展開し、標準モデルや共通コンポーネントとして浸透させていくことも期待しています。 担当業務例 具体的には下記の様な業務・プロジェクトを牽引いただくことを想定しております。 ●全社共通AIモデル・マッチングロジックの企画・アーキテクチャ設計 -「doda」をはじめとする複数プロダクトで横断利用される標準AIモデル・アルゴリズムの全体設計および技術選定 -単一のレコメンドにとどまらない、全社的なマッチング精度向上に向けた基盤・コンポーネント化の推進 ●事業課題の構造化とAIソリューションロードマップの策定 -事業責任者・PdMと対等に議論し、抽象度の高いビジネス課題やユーザー体験上の課題を「解くべきAI技術課題」へ構造化 -KPI(応募率・成約率・CVR・マッチング品質等)向上に直結する仮説検証(PoC)の設計と、本番適用までのプロジェクトリード ●最先端技術(生成AI・LLM等)の調査・検証および事業実装の主導 -生成AI、大規模言語モデル(LLM)、マルチモーダルAI等の最新論文・技術動向のキャッチアップ -実務適用に向けたプロトタイプ(PoC)開発、費用対効果・技術的実現性の評価、および本番システムへの実装推進 ●データサイエンスチーム全体の技術向上・標準化推進 -チーム内メンバー(ミドル〜ジュニアDS)への技術指導、コードレビュー、モデリング手法のナレッジ共有 -データ基盤・MLOps部門と連携した、実験・開発・運用プロセスの効率化および標準化の牽引 ●社内外への技術発信・ブランディング活動 -社内外でのセミナー講演、技術ブログの執筆、学会発表・論文制作等を通じた技術的プレゼンスの向上 【主な技術テーマ例】 ●大規模言語モデル(LLM)&エージェンティックAI活用 -LLM(API利用 / ファインチューニング / MCP / Agentic AI 等)を活用した、求職者の経験・志向性分析および求人情報の構造化・高度解析 ●高度な推薦システム(RecSys)&マッチングアルゴリズム開発 -双方向マッチング(求職者×求人企業双方の意向・相性を考慮した推薦)の最適化 -テキスト埋め込み(Embedding)やグラフニューラルネットワーク(GNN)等を活用した高精度類似度算出・レコメンドエンジンの開発 ●マルチモーダルデータ&非構造化データの活用 -職務経歴書・求人票などのテキストデータに加え、行動ログ・スカウト文面・選考結果などの定性・定量的データの統合モデリング ●AIアプリケーション・プロトタイプの高速検証・社会実装 -LLM/SLMを用いたAIエージェントやインタラクティブなマッチングアシスタント機能のPoCシステム構築 ●MLOps&全社AIプロダクト基盤の最適化 -Databricks、BigQuery、AWS/Google Cloud環境におけるモデルの継続的学習・評価・デプロイパイプライン(MLOps)の構築・運用推進 技術環境 【プログラミング言語】Python、SQL、Java、Scala、C 【データベース/データ基盤】Oracle Database、PostgreSQL、MySQL、Amazon Redshift、Google BigQuery、Databricks 【クラウドプラットフォーム】Amazon Web Services(AWS)、Google Cloud、Microsoft Azure 【ソースコード管理】GitHub、GitLab 【プロジェクト・タスク管理】Backlog、Microsoft Loop、Microsoft Planner、Jira、Confluence 【コミュニケーションツール】Slack、Microsoft Teams ●所属組織について AIプロダクトソリューション部には、マネージャー2名、エキスパート3名、メンバー16名のデータサイエンティストが在籍しています。 データをもとにマーケット状況、カスタマーニーズ、テクノロジーの変化などを総合的に判断し、事業を成長させていきます。 私たちは単に精度の高いモデルを開発する組織ではありません。 「人と仕事のより良い出会いをテクノロジーで支援する」という共通の目的を持ち、事業とテクノロジーの両面から課題解決に取り組んでいます。 技術議論やナレッジ共有も活発で、学び続けながら挑戦できる環境です。 働き方 ライフステージに合わせて、はたらき方をご自身でデザインしたい方にマッチする環境です。 ・有給休暇の積極的な取得が推奨されており、ご自身で業務調整をした上で積極的に活用が可能です。 ・裁量労働制を導入しており、子育てと両立しているエンジニアや副業を行っている社員もいるなど、ご自身の裁量で働く時間のコントロールが可能です。 ・大半のメンバーが在宅勤務をしています。リモート勤務手当の支給といったサポートがあります。 ・データサイエンティストとして市場価値を高めるための活動を推奨しており、研修受講やイベント登壇、副業等の活動をしているメンバーもいます。 ・書籍購入、学会やイベントの出張参加、クラウドを使った技術検証、AI関連サービスを実際に利用しての検証等の業務活動に対し、会社が費用を負担しています。

FDEチームの一員として、エンジニアと一体で以下を担っていただきます。 ● ドメイン没入と課題設定 ・現場(買取現場・コールセンター・物流倉庫・コーポレート部門)への同行・観察・1次情報収集 ・業務プロセス/顧客/市場の構造を解像度高く理解し、解くべき課題を自ら定義 ● 事業KPIに対する仮説オーナーシップ ・担当ドメインKPI(成果向上・生産性改善)に対する仮説立案、優先順位付け、結果の解釈と次手の設計 ・他領域への波及効果も含めた全体最適視点での意思決定 ● AIネイティブ開発プロセスの推進 ・AIエージェントによる高スピード開発を前提とした要件整理・仮説検証・ナレッジベース構築 ・スピード重視で「未完成のものを早期に実験する」プロトタイピング/PoCの設計と運用 ● エンジニアと一体のプロダクト設計 ・「何を作るか」をエンジニアと協働で決定 ・Cosmosを中心とした新機能開発/業務標準化プロジェクトの企画〜要件整理〜現場接続 ● ステークホルダーマネジメント ・事業責任者・現場リーダーとの合意形成 ・グループ企業(TL/RGT/NKD)への横展開設計 【組織/配属先の特徴】 ・3層構造の技術組織:FDE層(事業ドメイン没入)/プラットフォームエンジニアリング層(FDEの生産性向上)/コアドメイン層(共通API基盤)の3層に再編し、AIネイティブ前提の組織を構築中 ・配属:プロダクトマネジメント部に所属/いずれかのドメインのFDEチームにジョイン ・PdM出身者例:元リクルート・大手事業会社など、事業理解×推進力の強い人材が活躍中 ・規模:PdM・SWE・データサイエンティスト・AIエンジニアなど100名規模 【プロダクト開発環境】 ・開発言語:Golang, React.js (Next.js), TypeScript ・インフラ:GCP (Cloud Run, BigQuery, Cloud SQL...), Terraform, Docker ・CI/CD:GitHub Actions ・テスト:MagicPod, Storybook ・バージョン管理:GitHub ・エラー管理:Sentry/APM:NewRelic ・開発生産性管理:Findy Team+ ・課題管理:Jira/ドキュメント管理:Confluence ・AI活用:Claude Code, Cursor, GitHub Copilot ほか(AIエージェント前提のワークフローを推進中) ・その他:Elastic Cloud, Terraform Cloud, Chromatic

●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

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/

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

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

【具体的な業務】 ●プロジェクト担当として ・主要プロジェクトにインフラ担当として参画し、領域全体をリード ・開発チームと初期段階から協働し、アーキテクチャ設計・技術選定・構築方針を検討 ・金融水準のセキュリティ・可用性・運用性を踏まえたクラウドインフラの設計・構築(AWS/Google Cloud等) ・PoCから本番運用まで一貫して担い、IaC・監視・運用設計を整備 ●チーム横断・改善活動として(並行して) ・各プロジェクトで個別に対応している部分のうち、共通化できるものを見極めて仕組みに落とし込む ・クラウドアカウントの払い出しや統制環境の改善、IaCテンプレートやナレッジの整備など、チームで使える土台をつくる ・Claude Code等の生成AIツールを活用し、IaC作成・レビューや定型作業の自動化・ドキュメント整備をチーム全体に広げる 【プロジェクト例】 ・[産業情報検索AIシステム](https://japan-d2.com/projects/industrial-search) ・[そうぞくガイド](https://japan-d2.com/projects/inheritance) ・[EUDクラウドサービス](https://japan-d2.com/projects/eudcloud) ・[三菱UFJ銀行への生成AI×RAGによる「手続検索支援システム」の提供を開始](https://japan-d2.com/news/20250731-001) ・[生成AIを活用した「AI社内手続ナビゲーター(旧称:手続検索支援システム)」利用ユーザーを国内全営業店へ拡大](https://japan-d2.com/news/20260331_001) 【カルチャー】 ・フルフレックス・フルリモート可能な柔軟な働き方 ・職種を超えて協働する文化(開発・インフラ・セキュリティ・データ/AI) ・技術選定はJDDが主導し、クラウドのベストプラクティスに沿った活用をMUFGと対等な立場で提案・実践しています ・AI、クラウドなど先端領域に自由に触れながら実務で成長できる環境 ※SIer・大手IT企業・クラウドサービス事業者・スタートアップなど、様々な経歴を持つメンバーが集まっています。これまでの環境を問わず、裁量を持ってインフラに一気通貫で向き合いたい方に向いている環境です。 【技術スタック】 ●クラウドインフラ・IaC ・Amazon Web Services / Google Cloud / Microsoft Azure(主にEntraやOpenAI) ・Databricks(データ分析基盤で利用) ・Terraform(標準として利用)/ AWS CDK / AWS CloudFormation ●ツール・生成AI ・Slack / GitHub Enterprise Cloud / JIRA / Confluence / Microsoft 365 E5 ・Claude Enterprise(Claude Code)/ ChatGPT(Codex) / Microsoft Copilot など ※変更の範囲 業務:会社の定める業務

●お任せする業務 まずお任せしたいのは、テレシーのビジネスプロデューサーが顧客に向き合う時間を最大化するための、社内AIエージェント基盤の設計・開発・運用です。 AIエージェント基盤の設計・開発・運用 : LLMプラットフォーム(Bedrock, Vertex AI等)やエージェント基盤(LangGraph, CrewAI等)を活用したシステムの構築 評価・改善サイクルの設計 : AIエージェントの応答品質を測る評価指標、テストデータ、改善プロセスの策定 運用基盤の構築 : MCP(Model Context Protocol)や外部APIを統合し、認証・権限管理・監査ログ・ガードレールを含む、安全かつ再利用性の高い運用基盤の設計 可観測性の確保 : エージェントの判断プロセス、コスト、失敗要因のモニタリングと課題解決 業務ヒアリング・要件定義 : BPや社内メンバーの業務課題を理解し、「何をAI化すべきか」「どこに人の判断を残すべきか」を整理・設計 実業務への組み込み : AIエージェントを実際の情報収集・分析・資料作成・提案準備フローへ組み込み、運用・改善まで推進 標準化・プロダクト化 : 個別案件で得られた解決策を抽象化し、複数業務で再利用可能な標準機能・共通アーキテクチャへ展開 ●直近で取り組んでいること セキュアなAI基盤の構築 : 広告・売上・CRM等の機密データを扱うためのローカルLLM環境、ガードレール、権限管理、監査ログを備えた基盤整備 BP業務へのAI実装 : 情報収集、資料作成、分析、提案準備など、顧客提案前後に発生する業務をAIで支援し、提案のスピードと質を高める仕組みづくり ●将来的に取り組みたいこと ・ライトニングMMMのAIエージェント化 : WebUIによる複雑な設定ではなく、自然言語での問いかけから意思決定サマリや推奨アクションを即時生成するUXの提供 ・マーケティングAIエージェントの提供 : 現在、社内メンバーが行っている情報収集、情報整理、分析、戦略立案等の業務をAIエージェント化 ・Human in the loop設計の高度化 : AIによる自動化と、人間による最終判断・ディレクションが最適に融合する業務プロセスの構築 AI活用の標準化・プロダクト化 : 個別の業務改善に留めず、うまくいった仕組みを共通化し、複数のBP・案件・プロダクトに展開できる状態をつくる ●開発環境 ・LLMエンジニアリング : vLLM, OSS LLM(Llama / Qwen / gpt-oss), LiteLLM, RouteLLM, Semantic Router, LangGraph, CrewAI, NeMo Guardrails, Guardrails AI, Promptfoo, Ragas, PostgreSQL (pgvector), Langfuse (Self-hosted), Prometheus, Grafana, Ray 等 ・MLエンジニアリング : JAX, NumPyro, statsmodels, Dagster, Python, MLflow 等 ・データエンジニアリング : Snowflake, dbt cloud, Adverity, fivetran 等 ・インフラ(AI) : AWS, GCP (Amazon Bedrock, Google Vertex AI) ・共通 : Docker, Terraform, GitHub, Slack 単に特定技術を使うだけではなく、AIエージェントを安全に、継続的に、業務の中で使える状態にするための評価・監視・権限管理・ログ設計・ガードレール設計まで含めて取り組みます。 ●参考記事 (外部リンク) ・[テレシー コーポレートサイト](https://telecy.tv/) ・[脳内で、事業の「正解」を描き切る](https://evolution.cartaholdings.co.jp/article-0087/) 　・オウンドメディア『EVOLUTiON』 テレシー社員紹介記事 ・[データドリブンで実現するテレビCM変革!テレシーの取り組みとは?](https://telecy.tv/column/sendenkaigi-mmm-telecyanalytics/) ・[疲労回復パジャマ「BAKUNE」躍進の裏側](https://telecy.tv/column/crosstalk-sendenkaigi-tential/)

・グループの展開する金融インフラ(資産運用、保険、その他)の開発もしくは、そのプラットフォーム上で稼働するアプリケーションの設計、開発、運用 ・新規金融インフラビジネスの立ち上げ、開発、運用 ・開発チームにおける技術検証・技術選定・技術的問題解決等のリード ・チームメンバーへの技術面でのサポート 【使用技術】 <サーバーサイド> Amazon Web Services Terraform / Packer Docker Go MySQL (Aurora) <フロントエンド> TypeScript (Vue.js / React.js) Webpack 5 【使用サービス】 Google Workspace Slack 1Password GitHub Kibela Backlog Datadog Opsgenie Bitrise

<期待する役割> ご自身の専門性と組織課題が最も合致する領域からスタートしていただきます。その後は、経営・CTO・各開発責任者と連携し、その時々で解決すべき「最も解きごたえのある壁」に向き合っていただきます。 <想定される業務例> ●戦略的プロダクト開発・刷新への参画 ・成長痛に直面しているプロダクトに入り込み、ボトルネックの特定からアーキテクチャの再設計、難易度の高い実装までを牽引する。 ●全社横断的な「技術的突破口」の作成 ・特定のチームだけでは解決できない共通基盤(認証、データ連携、CI/CD等)の課題に対し、全社最適なソリューションを構築・展開する。 ●技術的意思決定のリードと品質の担保 ・複数チームが関わる複雑なシステムデザインのレビューや、セキュリティ・スケーラビリティ等の高い基準の策定と実行。 ●技術組織の成熟化への寄与 ・課題解決を通じて、次世代のリードエンジニアを育成し、組織全体の「壁を乗り越える力」を底上げする。 <開発環境> ●フロントエンド:TypeScript,React,Next.js ●バックエンド:Rust(axum),TypeScript,Node.js(Express,Fastify,NestJS) ●機械学習・アルゴリズム:Rust,Python,OpenCV,PyTorch,TorchServe,Elasticsearch,Vertex AI ●インフラ:Google Cloud,Google Kubernetes Engine,Anthos Service Mesh,Istio,Cloudflare,Argo Workflows ●Event Bus:Cloud Pub/Sub ●DevOps:GitHub,GitHub Actions,ArgoCD,Kustomize,Helm,Terraform,Datadog,MixPanel,Sentry ●Data:CloudSQL(PostgreSQL),AlloyDB,BigQuery,dbt,trocco ●API:GraphQL,REST,gRPC ●認証: Auth0 ●開発ツール:GitHub Copilot,Figma,Storybook ●コミュニケーションツール:Slack,Discord,JIRA,Miro,Confluence

プラットフォームエンジニアリングの実践により、社内の各プロダクト開発がより円滑で安全に進められる状況の実現を目指していただきます。 具体的には、クラウドや自社プロダクトの利用に関するガードレールやガイドラインの作成や基盤の構築・複数のプロダクトを横断して利用するツールやサービスの開発運用・OSSのホスティングなどを行っていただきます。 【主な使用サービス】 ・AWS ・Terraform ・Atlantis ・Conftest ・GitHub ・Datadog ・Sentry ・Cloudflare Zero Trust

【業務概要】 三菱UFJフィナンシャル・グループ(以下、MUFG)のデジタルトランスフォーメーション(DX)推進を、グループ会社として内側から支援し、クラウド / データ / AIを活用した新しい業務体験・顧客体験の創出を実現します。 今回募集するソリューションアーキテクト(インフラアーキ)は、MUFGグループ各社に対してアーキテクチャの検討、企画・提案活動を行い、プロジェクトにおける技術リードを担当するポジションです。特に、組織内にAIツール / AIエージェント / LLMプロダクトを構築・展開するためのAIプラットフォームの全体設計を専門とします。また、AI / LLM領域に限らず、クラウドプラットフォーム全般の全体設計や個別プロダクトのクラウドアーキテクチャ策定も担当します。 ※異業界出身者歓迎(これまでのご経験をぜひ金融領域で活かしてください) 【職務内容】 ・AIプラットフォーム / クラウドインフラの全体設計を専門とするインフラアーキテクト ・要件が柔らかい構想段階からMUFGグループ各社・各部における検討に参画。ビジネス特性を踏まえたシステム要求・制約事項を整理(状況に応じて、JDDのDXコンサルタント等と協働) ・最新の技術動向を踏まえた初期的な全体アーキテクチャの策定・提案、開発規模見積による案件立ち上げの推進 ・金融グレードの統制・セキュリティ要件を満たすアーキテクチャを策定し、セキュリティ所管部等への技術面の説明責任も担う ・案件立ち上げ後はアーキテクトとして設計指針を策定、インフラエンジニア等とともにアーキテクチャの決定と実装をリード 【会社とメンバー】 Japan Digital Design(以下、JDD)は、MUFGグループ各社に対して金融ソリューション事業を展開しています。 JDDのミッションは「金融の新しいあたりまえを創る」です。JDDの考える「金融の新しいあたりまえ」は、「データと顧客価値の循環」と定義しています。安心・安全な環境でデータを収集・学習し、顧客の需要を知り、使いやすいデザインでサービスを届け、その効果をデータで測る。これら一連の循環を素早く行うことがJDDの目指す価値創出です。 生成AIやAIエージェントの進化により、金融業務・顧客接点・社内オペレーションのあり方は大きく変わりつつあります。JDDでは、金融機関に求められる安全性・信頼性・説明可能性を重視しながら、AIエージェントを活用した新しい業務体験・顧客体験の創出に取り組んでいます。 メンバーとしては、金融業界の経験者に限らず、大手IT企業やクラウドサービス事業者、優れたスタートアップからも経験豊富な人材が集まっています。ビジネス開発、データサイエンティスト、UXデザイナー、ITアーキテクト、Tech PM、インフラエンジニア、ソフトウェアエンジニア、セキュリティエンジニア等の専門人材でプロジェクトごとにチーム編成し、金融機関の各種課題を解決していきます。 【カルチャー】 ・フルフレックス・フルリモート可能な柔軟な働き方(地方からの勤務も可能ですが、対面が有効な場面ではJDDやMUFG各社のオフィスにスポットで出社することはあります) ・職種横断でプロダクトや業務課題に向き合うチーム開発文化 ・新しい技術を実際の金融業務・金融サービスに適用するチャレンジを歓迎 ・AI、クラウドなど先端領域に自由に触れながら実務で成長できるIT環境 ・コーポレートカルチャー推進のためのプログラムが充実 【技術スタック】 クラウドインフラ/IaC ・Amazon Web Services / Google Cloud / Microsoft Azure ・Databricks ・Terraform / AWS CDK コミュニケーションツール / 開発ツール / AIツール ・Slack / Microsoft 365 など ・GitHub Enterprise Cloud / JIRA / Confluence など ・Claude Enterprise(Claude Code)/ ChatGPT(Codex)など ※既存プロジェクトにおける主な利用技術だけを記載しており、プロジェクト特性・システム特性に応じて最適な技術スタックを選定します ※変更の範囲 業務:会社の定める業務

【職務内容】 全リユース事業プロセスを支える基幹プラットフォーム「Cosmos」のフロントエンド開発をリード AI自動査定やコール業務のAI化など、現場オペレーションを変える新機能のUI/UX設計・実装 EM・PdMと連携した高品質なプロダクト開発、DX向上や技術的負債解消の計画・実行 フロントエンドアーキテクチャの設計、開発ガイドラインの策定、モニタリング体制の強化 AIエージェントによる業務オペレーション基盤への進化を見据えた、AI活用前提の開発体制構築 【組織/配属先の特徴】 PdM・SWE・データサイエンティスト・AIエンジニアなど約100名規模の技術組織 PdM・AIエンジニアと協働し、事業課題に直結する開発を推進 AIによるコーディング率46.07%、開発量+41%など、生産性改善を定量管理 開発生産性への意識が高く、フルスタックな働き方が好まれる 仕様がトップダウンで降りることはなく、エンジニアが「なぜつくるか」を理解して開発 業務を通して得た知見をtech blogや外部登壇で発表することを推奨 【プロダクト開発環境】 開発言語:Golang, React.js(Next.js), TypeScript インフラ:GCP(Cloud Run, BigQuery, Cloud SQL...), Terraform, Docker CI/CD:GItHub Actions テスト:MagicPod, Storybook バージョン管理:GitHub エラー管理:Sentry APM:NewRelic 課題管理:Jira ドキュメント管理:Confluence その他:Elastic Cloud, Terraform Cloud, Chromatic

【職務内容】 ・全リユース事業プロセスを支える基幹プラットフォーム「Cosmos」のバックエンド開発 ・AI自動査定(画像情報から商品特定・真贋判定・プライシングまでを自動化)やコール業務のAI自動化など、業務オペレーションへのAI実装を支えるアーキテクチャ設計 ・グループ買取在庫の統合、AIを活用した商材別最適販路選定など、データドリブン経営を支えるデータ基盤・API設計 ・EM・PdMと連携したプロダクト開発、技術的負債解消とDX推進の計画・実行 ・開発ガイドラインの策定、オブザーバビリティ強化などエンジニアリング組織の基盤づくり ・事業部と一体で開発を進めるFDE組織における次世代テックリードの創出・育成 【組織/配属先の特徴】 ・本部長(プロダクト責任者)や事業部と密接に連携 ・PdM・SWE・データサイエンティスト・AIエンジニアなど100名規模の技術組織 ・PdM・AIエンジニア・SREと協働し、事業課題に直結する開発を推進 ・AIによるコーディング率46.07%、開発量+41%など、生産性改善を定量管理 ・開発生産性への意識が高く、フルスタックな働き方が好まれる ・仕様がトップダウンで降りることはなく、エンジニアが「なぜつくるか」を理解して開発 ・業務を通して得た知見をtech blogや外部登壇で発表することを推奨 ・1プロダクトあたり10人未満のチーム構成 【プロダクト開発環境】 ・開発言語:Golang, React.js(Next.js), TypeScript ・インフラ:GCP(Cloud Run, BigQuery, Cloud SQL...), Terraform, Docker ・CI/CD:GItHub Actions ・テスト:MagicPod, Storybook ・バージョン管理:GitHub ・エラー管理:Sentry ・APM:NewRelic ・課題管理:Jira ・ドキュメント管理:Confluence ・その他:Elastic Cloud, Terraform Cloud, Chromatic