ストックオプション（信託型等）あり SlackのITエンジニア求人・転職情報

ハコベル株式会社

運送会社向けクラウド業務支援システム「トラックマネージャー」の開発・保守をお任せします。 ハコベルではエンジニアも、プロダクトマネジャーやカスタマーサポートと共にヒアリング、オンボードなどを通した理解を大事にしています。 良い品質のプロダクト開発とユーザーの理解両方を通してユーザーの体験、提供できる価値を最大化できるようなアクションに共感できるような方を募集しています。 具体例 ・新機能の設計・実装(バックエンド / フロントエンド) ・GraphQL APIの設計・実装 ・既存機能の改善・バグ修正 ・コードレビュー、テスト整備 ・PMI(事業譲渡後の統合)に伴うシステム改善 ●開発環境 フレームワーク : Ruby 3.2 / Rails 7.1 フロントエンド : React 18 / TypeScript 5.1 / Apollo Client (GraphQL) デザインツール:Figma など データベース : Amazon RDS インフラ : AWS (ECS) バージョン管理 : Git/GitHub コミュニケーション/タスク管理 : Slack, Google Meet, Notion ●キャリアパス 領域を限定せずに広くチャレンジすることが歓迎されるカルチャーが浸透し、 「本人の意志・志向性に応じて、柔軟に役割を広げていく」考え方がベースにあります。 ▼キャリア事例 ・入社5年目でVPoTにキャリアアップ ・20代でエンジニアリングマネージャーにキャリアアップ ・新卒2年目でカスタマーサクセスに挑戦するメンバー ・エンジニアからPdMへキャリアチェンジ 等 年齢を問わずご活躍できるフィールドがあり、20-30代の若手メンバーが活躍しています! ●配属組織 配属されるトラックマネージャーシステムGは、4名のメンバーが在籍しています。 EM含むエンジニア3名とPdMの体制で開発をおこなっており、開発領域は区切らずにフルスタックエンジニアとして全ての領域に全員でチャレンジをしております。 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。 ▼在籍メンバー例 ・EM坂東 ・TL北川 ●カルチャー ・スクラム開発を推進 ・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 ●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 【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

ハコベル株式会社

物流DXプロダクトである「トラック簿」の開発をお任せします。 物流業界に対する高い解像度をもとに、現場の課題やニーズを的確に捉え、それらを技術的な最適解へと昇華していくことが求められます。 単なる機能開発にとどまらず、ユーザー体験や業務変革の視点を持ち、プロダクトを通じて業界全体にインパクトを与えていく役割を担っていただきます。また、技術的な意思決定やチームの開発推進をリードし、メンバーを牽引する存在としての活躍を期待しています。 【具体的な業務内容】 ・BizやPdMメンバーと連携し、プロダクトのビジョン、目標達成に向けての開発および運用 ・プロダクトがユーザーに提供する価値を理解し、その実現方法を検討・実践 ・プロダクトの安定した運用と定期的な改善サイクルの実現 ・技術的な意思決定やアーキテクチャ設計をリードし、開発チームを牽引 ・メンバーへの技術支援や、AIの開発プロセスへの導入・定着を主導し、チーム全体の開発力を底上げ 【業務内容】雇入れ直後:システム開発部/変更の範囲:会社の定める業務 ●開発環境 ・開発言語/フレームワーク等: 　-Backend: Kotlin, Java 　-DB: PostgreSQL 　-Frontend: TypeScript, React 　-Mobile App: Flutter, Dart ・インフラ: AWS,Firebase,GCP ・バージョン管理: Git/GitHub ・CI/CD: GitHub Actions ・コミュニケーション: Slack, Notion, Google Workspace ●作業環境 ・Mac Book Pro / Air (機種・キーボードレイアウト選択可)支給 ・外付けモニター: フリーアドレスで利用可能 ・フリーアドレス制なので、気分に合わせて好きな場所で作業可能 ●キャリアパス例 領域を限定せずに広くチャレンジすることが歓迎されるカルチャーが浸透し、 「本人の意志・志向性に応じて、柔軟に役割を広げていく」考え方がベースにあります。 【キャリア事例】 ・入社5年目でVPoTにキャリアアップ ・20代でエンジニアリングマネージャーにキャリアアップ ・新卒2年目でカスタマーサクセスに挑戦するメンバー ・エンジニアからPdMへキャリアチェンジ 等 年齢を問わずご活躍できるフィールドがあり、20-30代の若手メンバーが活躍しています!

株式会社情報戦略テクノロジー

東証グロース上場企業として、エンタープライズ企業(主に東証プライム上場企業)の「0次DX」を推進するリードエンジニアとしてご活躍いただきます 。 単なる実装作業の請負ではなく、顧客の隣で「ビジネス要求の言語化」から「最適なアーキテクチャ設計・実装」までを一貫して担い、技術的な意思決定をリードする役割を期待しています 。 【業務詳細】 技術リード・設計: プロジェクトにおける技術的指針(ビジョン)を提示し、静的型付け言語を用いた高度な実装および詳細設計による品質管理を主導します 。 モダン開発の推進: 生成AI(LLM等)の活用やクラウドネイティブな構成への移行など、最新技術を用いたPoC・新規サービス立ち上げを牽引します 。 チームマネジメント(技術面): コーディング規約の策定、コードレビュー、開発プロセスの標準化を通じてチーム全体のアウトプットを最大化します 。 顧客折衝・提案: 顧客のビジネス課題を技術的視点から分析し、実現可能な解決策を提案・実装へと落とし込みます 。 若手育成: 技術責任者として、主体的に若手エンジニアの教育・メンタリングを行い、組織全体の底上げに貢献します 。 【技術スタック・使用ツール】 言語: Java, PHP, Go, Ruby, Python, JavaScript, TypeScript, Kotlin, Swift, SQL, HTML/CSS など フレームワーク: Spring Boot, Laravel, Vue.js, React.js, Angular, Node.js, echo など クラウド: AWS, Azure, GCP インフラ: Docker, Kubernetes, Terraform, Ansible, Jenkins, GitLab CI, GitHub Actions など データベース: MySQL, PostgreSQL, Aurora, Oracle, SQL Server, BigQuery, DynamoDB など ツール: Git, GitLab, GitHub, Slack, Jira, Confluence, Backlog, Looker, Figma など その他: 生成AI (Azure OpenAI, Amazon Bedrock, Google Gemini, GitHub Copilot), ローコード (Pega, Outsystems), BPM (Bonita) など

株式会社情報戦略テクノロジー

エンタープライズ企業(主に東証プライム上場企業)のDX・業務改革を支援する直請けSIerとして、顧客の「0次DX」を実現するためのプロジェクトマネジメントを担っていただきます。 単なるシステム構築や基盤整備に留まらず、顧客の隣でビジネス要求を言語化し、データ活用や最新技術を用いて「顧客のビジネスをどう変えるか」まで踏み込んだ企画・リードがミッションです。 【業務詳細】 ●戦略立案・要件定義:顧客の業務課題を深く理解し、ビジネス判断の根拠となる「データの使いどころ」の整理や、開発を考慮したプロジェクト設計(現状調査、ロードマップ策定など)を行います。 ●全体設計・進行管理:データ収集から分析・活用までを横断した全体設計、およびアジャイル(スクラム)を用いた柔軟なプロジェクト推進・品質管理を担当します。 ●ステークホルダー調整(橋渡し):ビジネス部門・IT部門・エンジニア間の「翻訳」を行い、顧客と対等なパートナーとして意思決定に関与します。 ●チームビルディング・組織成長:自社のエンジニアや専門チーム(インフラ、AI、データエンジニア等)を統率し、組織の成長に向けたチームビルディングや若手育成を行います。 ●新規案件獲得サポート:営業と連携し、見積もり検討や客先訪問を通じて新規案件獲得や案件拡大のサポートを行います 。 【技術スタック・使用ツール】 クラウド: AWS / Azure / GCP など バックエンド: Java (Spring Framework), Go, Python, PHP (Laravel) 手法・ツール: アジャイル/スクラム, Git, Jira, Slack, 生成AIツール (ChatGPT, Claude等)

BRANU株式会社

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/

ハコベル株式会社

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

JAPAN AI株式会社

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

JAPAN AI株式会社

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

JAPAN AI株式会社

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

JAPAN AI株式会社

プロダクト要件・アーキテクチャ設計 ビジネス目標・顧客課題からプロダクト要件を体系化し、技術アーキテクチャへ翻訳 機能境界・ドメイン設計、データ契約、API 仕様の策定 RFC 駆動の設計レビュー・意思決定プロセスの運営 LLM / 生成 AI を活用したプロダクト設計 (RAG、tool-use、guardrails 等) 技術選定・トレードオフ判断 買う / 作る / 統合 (Build vs Buy vs Integrate) の技術選定 非機能要件 (可用性・拡張性・セキュリティ・コスト) の設計と品質属性トレードオフ判断 技術的負債の可視化と計画的解消のロードマップ策定 横断的協働・ロードマップ エンジニアリングチーム・PdM・デザイナーとの横断的協働 プロダクトロードマップの策定・推進 技術的負債の可視化と計画的解消のロードマップ策定 【業務シナリオ例】 ※以下は想定される業務シナリオの例です ● シナリオ 1: 新プロダクトラインの立ち上げ エンタープライズ顧客から「AI エージェントによる社内ナレッジ検索」の強いニーズを発見。 市場調査・顧客インタビュー・技術検証を経て、プロダクト要件を定義。 RAG アーキテクチャの設計、データパイプラインの技術選定、MVP のスコープ定義までをリードし、3 ヶ月でベータリリースを実現。 ● シナリオ 2: Build vs Buy のアーキテクチャ判断 音声 AI 機能の拡張にあたり、自社開発 vs 外部 API 統合の判断が必要に。 コスト・品質・開発速度・カスタマイズ性の 4 軸で比較分析を行い、RFC を起票。 エンジニアリングチームとの設計レビューを経て、ハイブリッドアプローチ (コア機能は自社開発、周辺機能は外部 API) を決定。 ● シナリオ 3: 品質属性のトレードオフ判断 JAPAN AI AGENT のレイテンシ P95 が目標値を超過。 可用性・コスト・レイテンシのトレードオフを分析し、推論キャッシュの導入とモデルルーティングの最適化を提案。 エンジニアリングチームと協働して実装し、レイテンシを 30% 改善しつつコスト増を 5% 以内に抑制。 ●ミッション 何を作るかを決める プロダクトの「何を・なぜ・どう作るか」を技術とビジネスの両面から定義し、AI プロダクトの成功確率を最大化する。 ●期待する役割について Product Manager として、JAPAN AI のプロダクト群全体のアーキテクチャ設計と技術戦略をリードしていただきます。 ビジネス目標・顧客課題からプロダクト要件を体系化し、技術アーキテクチャへ翻訳する 機能境界・ドメイン設計・API 仕様の策定をリードする Build vs Buy vs Integrate の技術選定を行い、最適な投資判断を導く 非機能要件 (可用性・拡張性・セキュリティ・コスト) のトレードオフ判断を行う エンジニアリングチーム・PdM・デザイナーとの横断的協働を通じて、プロダクトの方向性そのものを決定する 技術的負債の可視化と計画的解消のロードマップを策定する ●成果責任 (KR/メトリクス) プロダクトロードマップ達成率 アーキテクチャレビュー起因の手戻り率 新機能リリースサイクル短縮 プロダクト品質属性 ●チーム体制 約120名が開発組織に在籍しています。 Product Architectは以下のチーム・ステークホルダーと密接に連携します: Agentic Product Engineer — エージェント機能開発 Human-AI Collaboration Architect — エージェント体験設計 FDE — 顧客要件・フィードバック 経営層 — 事業戦略・投資判断 ●開発環境 言語 : Python (バックエンド) , TypeScript / React / Next.js (フロントエンド) / NX AI/LLM : LangChain, LangGraph, JAPAN AI STUDIO SDK, RAG, Agent Framework インフラ : GCP (コンテナ / K8s) , Docker, Terraform ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon) , デュアルモニタ対応

JAPAN AI株式会社

エージェント体験 (AX) の設計 エージェント対話フロー・インタラクションパターンの設計 不確実性の可視化・信頼度表示の UI 設計 可逆操作 (Undo / 修正) ・権限付与 UI の設計 エージェント行動のトレーサビリティ表示設計 Human-in-the-Loop 評価 UI・フィードバックループの設計 エージェントのパーソナ (性格・振る舞い・トーン) の設計 ユーザーリサーチ ユーザーインタビュー、ユーザビリティテスト、A/B テストの設計・実施 定性・定量データに基づくデザイン判断 ペルソナ・ジャーニーマップの作成・更新 AI エージェントに対するユーザーの信頼度・満足度の測定 デザインシステム・プロトタイピング AI プロダクト向けデザインシステムの構築・運用 高速プロトタイピング (Figma、コードプロトタイプ等) 情報アーキテクチャ (IA) 設計 デザインパターンのドキュメント化・チーム間共有 【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 : 稟議承認 AI の信頼度表示 UI 設計 JAPAN AI STUDIO の稟議承認ワークフローで、AI エージェントが「この稟議を承認すべき」と判断した際、ユーザーが「この判断はどの程度信頼できるか」を直感的に判断できる UI を設計。 信頼度スコア、参照した過去の承認パターン、判断根拠の表示方法をプロトタイプし、ユーザビリティテストで検証。 「AI が参照したデータソース (楽々精算の金額データ + SmartHR の部門予算データ)」を可視化することで、エージェント信頼度スコアが 20% 向上。 ● シナリオ 2 : SaaS 横断ワークフローの可逆操作 UI 設計 JAPAN AI STUDIO で AI エージェントが楽々精算 → SmartHR → Salesforce を横断して自律的に実行したアクション (経費承認、人事データ更新、CRM 記録更新) に対し、ユーザーが安心して「取り消し」「修正」できる UI を設計。 複数の SaaS にまたがるアクションの Undo / Redo のインタラクションパターンを定義し、「どの SaaS のどのデータが変更されたか」を一覧で確認できるトレーサビリティ表示を実装。 エラー回復成功率が 35% 向上。 ● シナリオ 3 : 「企業の脳」のデザインシステム構築 9 つのプロダクトで一貫した「企業の脳」体験を提供するため、エージェント対話コンポーネント (チャットバブル、ツール呼び出し表示、SaaS 連携進捗インジケーター、信頼度バッジ、可逆操作ボタン等) を標準化したデザインシステムを構築。 コンポーネント再利用率が 60% 向上し、新機能のデザイン工数を 40% 削減。 ●ミッション 「企業の脳」を信頼できる存在にする 人間と AI エージェントの間に「信頼」を生むインタラクションを設計し、透明性・可逆性・説明可能性を備えたエージェント体験 (AX) を実現する。 ●Human-AI Collaboration Architect とは Human-AI Collaboration Architect は「人と Agent の信頼を設計する人」です。 従来の UX デザイナーとは以下の点で根本的に異なります。 従来のUXデザイン ユーザーの操作に対して確定的な結果を返す UIの動作は予測可能 エラーは明確 (404、入力ミス等) ユーザーが操作する 一貫した UI で信頼を構築 ・Human-AI Collaboration Architect AI の出力は確率的で、毎回異なる可能性がある エージェントの行動は不確実で、説明が必要 エラーは曖昧 (「回答が不正確かもしれない」) エージェントが自律的に行動し、ユーザーが監督する 透明性・可逆性・説明可能性で信頼を構築 ●期待する役割について Human-AI Collaboration Architect として、JAPAN AI の全プロダクト (STUDIO / CHAT / SPEECH / AGENT 等) における AI エージェント体験の設計をリードしていただきます。 エージェントの対話フロー・インタラクションパターンを設計し、ユーザーが AI を信頼して業務に活用できる体験を実現する 不確実性の可視化、信頼度表示、可逆操作 (Undo / 修正)、トレーサビリティ表示など、AI 特有の UX 課題を解決する ユーザーリサーチ (インタビュー、ユーザビリティテスト、A/B テスト) に基づくデータドリブンなデザイン判断を行う AI プロダクト向けデザインシステムを構築・運用し、プロダクト横断で一貫した体験を提供する エンジニア・PM・AI 研究者と密に連携し、技術的制約を理解した上でデザインする ●成果責任 (KR/メトリクス) ユーザータスク完了率 エージェント信頼度スコア (ユーザーサーベイ) エラー回復成功率 (ユーザーが自力で修正できた割合) ユーザーリテンション率 デザインシステムコンポーネント再利用率 ●チーム体制 約120名が開発組織に在籍しています。 密接に連携する役割: Product Manager — プロダクト設計・要件定義 Agentic Product Engineer — エージェント機能開発 AI Quality Scientist — 品質評価・ユーザビリティ Research Engineer — AI 技術の最新動向・制約の理解 ●開発環境 デザイン : Figma, FigJam プロトタイピング : Figma Prototyping, Framer リサーチ : Maze, Hotjar, Google Analytics コラボレーション : Slack, Confluence, Linear, Google Workspace, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon) , デュアルモニタ対応

JAPAN AI株式会社

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

JAPAN AI株式会社

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

JAPAN AI株式会社

Agent Harness の設計・実装 エージェント実行エンジン (Graph Runtime / State Machine) の設計・実装 Agent SDK の設計・開発 — 社内エンジニアがエージェントを構築するためのインターフェース セッション管理・チェックポイント・リカバリ機構の実装 ガードレール / ポリシー実行エンジンの構築 — エージェントの行動を制御するルール実行基盤 AI/ML システム統合 モデルルーティング — 複数の LLM プロバイダ / モデルタイプを跨いだ推論リクエストの最適ルーティング コンテキスト管理・メモリ基盤の設計 (長期記憶、ワーキングメモリ、RAG 統合) 推論パイプラインの最適化 (レイテンシ削減、コスト効率化、キャッシュ戦略) Research Engineer と連携した最新研究成果の本番基盤への統合 オーケストレーション・パフォーマンス ワークフローオーケストレーション・キューイングシステムの開発 コスト/性能最適化 (オートスケーリング、キャッシュ、バッチ処理) 推論リクエストのルーティング・ロードバランシング 信頼性・運用 プラットフォーム稼働率 99.9% 以上の維持 インシデント対応・ポストモーテム データアクセス・権限管理基盤の設計 【業務シナリオ例】 ※以下は想定される業務シナリオの例です ● シナリオ 1: エージェント実行エンジンの設計 JAPAN AI STUDIO 上で顧客が構築する AI エージェントの実行基盤を設計。 Graph Runtime を採用し、エージェントの各ステップを DAG (有向非巡回グラフ) として表現。 チェックポイント機構により、長時間タスクの途中失敗からの自動リカバリを実現。 ● シナリオ 2: モデルルーティングの最適化 複数の LLM プロバイダ (OpenAI / Anthropic / Google 等) を跨いで、タスクの種類・コスト・レイテンシに応じた最適なモデルを自動選択するルーティングエンジンを設計。 推論コストを 25% 削減しつつ、タスク成功率を維持。 ● シナリオ 3: ガードレール実行エンジンの構築 金融機関向けエージェントが「投資助言」に該当する回答を生成しないよう、ポリシー実行エンジンを構築。 ルールベース + LLM ベースのハイブリッド判定により、レイテンシを 50ms 以内に抑えつつポリシー準拠率 99.5% を達成。 ●ミッション 「企業の脳」の心臓部を設計する AI エージェントが安全・高速・確実に動作するための Agent Harness — 実行エンジン、オーケストレーション、ガードレール、メモリ、モデルルーティングを設計・実装する。 JAPAN AI STUDIO 上で動く数百のワークフローの制御基盤を、自社で構築する。 ●Agent Harnessとは Agent Harnessは、AIモデルを包み込む制御・実行基盤レイヤーです。 Agent Framework (LangChain等) がエージェントの「構築」を担うのに対し、Agent Harnessはエージェントの「制御・運用」を担います。 ●Backend Engineer 構築対象 : Web API・マイクロサービスの設計・実装 AI/ML との関わり : ML モデルを API 経由で呼び出す 状態管理 : ステートレスなリクエスト / レスポンス 安全性制御 : 認証・認可・入力バリデーション | ガードレール / ポリシー実行エンジン — LLM の出力を制御するルール実行基盤 ●Agent Harness Engineer 構築対象 : LLM を中核としたエージェント実行エンジン・SDK・オーケストレーターの設計・実装 AI/ML との関わり : モデルルーティング、RAG 統合、コンテキスト注入、推論最適化をシステムレベルで設計 状態管理 : エージェントのセッション管理・チェックポイント・長期記憶・ワーキングメモリの設計 安全性制御 : ガードレール / ポリシー実行エンジン — LLM の出力を制御するルール実行基盤 JAPAN AI では、この Agent Harness を自社開発し、全プロダクト (JAPAN AI STUDIO / CHAT / SPEECH / AGENT 等) の共通基盤として運用しています。 ●期待する役割について Agent Harness Engineer として、AI / ML の知識を活かしながらエージェントの制御・実行基盤を設計・実装していただきます。 LLM / AI エージェントの動作原理を深く理解した上で、実行エンジン (Graph Runtime / State Machine) を設計・実装する モデルルーティング、コンテキスト管理、メモリ基盤 (長期記憶・ワーキングメモリ) など、AI 特有のシステム設計を担う 社内 120名のエンジニアが使う Agent SDK を設計・開発する ガードレール / ポリシー実行エンジンを構築し、エージェントの行動を安全に制御する Research Engineer と連携し、最新の研究成果を本番基盤に統合する ●成果責任 (KR/メトリクス) Agent SDK 採用率 (社内チームの利用率・満足度) エージェント実行成功率 (タスク完了率、チェックポイントからのリカバリ成功率) Harness 起因の障害率 (ガードレール突破率、状態不整合率) 実行レイテンシ P95 / P99 (Harness 層のオーバーヘッド) 推論コスト効率 (モデルルーティングによるコスト最適化) 開発者体験スコア (SDK / API の社内 NPS) ●チーム体制 約120名が開発組織に在籍しています。 Agent Harness Engineerは以下のチームを横断して活動します: Infra — クラウドインフラ・SRE Data — データパイプライン・分析基盤 Agent Harness — エージェント実行フレームワーク 密接に連携する役割: Agentic Product Engineer — エージェント機能開発 (SDK のユーザー) Research Engineer — 研究開発・新手法の基盤統合 AI Quality Scientist — 評価パイプラインとの連携 Product Manager — プロダクト設計・非機能要件定義 ●開発環境 言語 : Python, Go (バックエンド・基盤開発) , TypeScript / React / Next.js (フロントエンド部) / NX インフラ : GCP (コンテナ / K8s) , Docker, Terraform メッセージング : Kafka / Pub/Sub 監視 : Prometheus, Grafana, OpenTelemetry ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon) , デュアルモニタ対応

JAPAN AI株式会社

エージェント研究開発 異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等) 新しい推論・計画・検索手法の研究開発 マルチモーダル・長文コンテキスト対応の技術開発 最新論文の調査・再現・改良実装 評価・ベンチマーク 大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装 合成データ生成・評価ベンチマーク設計 モデルとプロンプトの自動評価支援 (学習 → プロダクトライフサイクル全体) プロダクション課題の解決 推論レイテンシ / コスト最適化 (量子化、蒸留、キャッシュ等) モデル学習用データミックスの作成・最適化 エージェント評価フレームワークの高度化 本番環境での品質改善・パフォーマンスチューニング 技術移転・発信 Agentic Product Engineer チームへの技術移転・メンタリング 学術機関・OSS コミュニティとの連携 【業務シナリオ例】 ※以下は想定される業務シナリオの例です ● シナリオ 1 : SaaS 横断検索のためのナレッジグラフ RAG の研究開発 JAPAN AI STUDIO が「企業の脳」として機能するには、顧客の全 SaaS に散在する情報を横断的に検索・統合する必要がある。 既存の RAG では「Aプロダクト の従業員データ」と「Bプロダクト の商談データ」の関係性を捉えられず、回答精度が低い。 ナレッジグラフベースの RAG アーキテクチャを研究・開発し、エンティティ間の関係性を構造化。 SaaS 横断検索の回答精度を 40% 向上させ、Agentic Product Engineer チームに技術移転して全プロダクトに展開。 ●ミッション Agentが降参する問題を解く 現在の AI エージェントでは解決できないフロンティア課題に挑み、新しい推論手法・検索 / 計画・長期記憶・ツール利用の品質限界を突破する。 JAPAN AI STUDIO 上で動く数百のワークフローが、より賢く・速く・安全に動作する未来を、研究で切り拓く。 ●期待する役割について Research Engineer として、AI/LLM/ML の最先端研究と応用研究をリードしていただきます。 異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等) 大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装 モデルとプロンプトの自動評価を支援し、学習からプロダクトライフサイクル全体にわたって品質を担保 プロダクト組織と協力し、エージェントをプロダクトに適用するうえでの最も困難な課題を解決 モデル学習用データミックスの作成・最適化により、エージェントタスクにおける性能と使いやすさを向上 研究成果を Agentic Product Engineer チームに移転し、プロダクト全体の品質を底上げ 論文を書くことがゴールではありません。 研究成果をプロダクションに適用し、約 200 社が利用する本番環境でユーザーに届けることを重視します。 ●成果責任 (KR/メトリクス) ベンチマークスコア改善率 (社内 / 公開ベンチマーク) 新手法のプロダクション適用数 (四半期あたり) 推論レイテンシ / コスト改善率 論文・技術ブログ発表数 社内技術移転完了数 ●チーム体制 約120名が開発組織に在籍しています。 Research Engineerは以下のプロジェクトを横断して活動します: JAI Lab — AI研究開発 AI&Model — モデル学習・最適化 Voice & Tel — 音声AI・電話システム 密接に連携する役割: Agentic Product Engineer — エージェント機能開発 (技術移転先) Agent Harness Engineer — エージェント実行基盤 AI Quality Scientist Specialist — 評価パイプラインとの連携 Product Manager — プロダクト設計 ●開発環境 言語 : Python (研究・フレームワーク部), TypeScript / React / Next.js (フロントエンド部) / NX ML / AI : PyTorch, JAX, Transformers, vLLM, Weights & Biases インフラ : GCP (コンテナ / K8s), Docker ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon), デュアルモニタ対応

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

ハコベル株式会社

物流DXプロダクトである「トラック簿」の開発をお任せします。 物流業界に対する高い解像度をもとに、現場の課題やニーズを的確に捉え、それらを技術的な最適解へと昇華していくことが求められます。 また、単なる機能開発にとどまらず、ユーザー体験や業務変革の視点を持ち、プロダクトを通じて業界全体にインパクトを与えていく役割を担っていただきます。 【具体的な業務内容】 ・BizやPdMメンバーと連携し、プロダクトのビジョン、目標達成に向けての開発および運用 ・プロダクトがユーザーに提供する価値を理解し、その実現方法を検討・実践 ・TLと連携したプログラミング言語やフレームワーク、ライブラリの技術調査・選択 ・プロダクトの安定した運用と定期的な改善サイクルの実現 【業務内容】 雇入れ直後:システム開発部 変更の範囲:会社の定める業務 ●開発環境 ・開発言語/フレームワーク等: ‐Backend: Kotlin, Java ‐DB: PostgreSQL ‐Frontend: TypeScript, React ‐Mobile App: Flutter, Dart ・インフラ: AWS,Firebase,GCP ・バージョン管理: Git/GitHub ・CI/CD: GitHub Actions ・コミュニケーション: Slack, Notion, Google Workspace ●キャリアパス 領域を限定せずに広くチャレンジすることが歓迎されるカルチャーが浸透し、「本人の意志・志向性に応じて、柔軟に役割を広げていく」考え方がベースにあります。 ▼キャリア事例 ・入社5年目でVPoTにキャリアアップ ・20代でエンジニアリングマネージャーにキャリアアップ ・新卒2年目でカスタマーサクセスに挑戦するメンバー ・エンジニアからPdMへキャリアチェンジ 等 年齢を問わずご活躍できるフィールドがあり、20-30代の若手メンバーが活躍しています! ●配属組織 配属されるシステム開発部トラック簿システムGは、9名のメンバーが在籍しています。 ▼在籍メンバー例 ・[EM田中](https://note.com/hacobell/n/n0f6e2e0c9500) エンジニアチームだけでなく、PdM、セールス、CS、それぞれのチームと関わり、一緒に協力して取り組むことを大切にしています。

ハコベル株式会社

今後ますます事業や組織を拡大していくスタートアップ企業において、業務IT基盤の企画・管理運営とその継続的な改善を通じて、経営・事業運営を支えるポジションです。 当社の「業績・業容拡大」と「より良い従業員体験の提供」をITとセキュリティの両面から支え、将来的には情報セキュリティ・コーポレートIT領域の中核メンバー/リーダー候補として、組織全体の統制・運用基盤づくりを担っていただくことを期待しています。 ・セキュリティや統制要件を踏まえたガイドライン・運用ルールの整備 ・SaaS/クラウドを中心とした社内IT基盤の設計・運用 ・各種運用業務の改善、自動化、業務フロー整備 ・従業員からの問い合わせ・申請対応、およびITリテラシー向上支援 ・最新の技術・セキュリティ動向の調査と、事業・組織への適用検討 雇入れ直後:IT戦略部 変更の範囲:会社の定める業務

BRANU株式会社

私たちは今、大きな転換期を迎えています。 当社は、2025年12月に東証マザーズへの上場が決定しました。 上場によって得た資本を開発部門へ重点投資することで、 サービスラインナップを大幅に拡大し「CAREECON Platform」を 業界全体を支える建設DXプラットフォームへと進化させていく段階であり 現在は、複数プロダクトを横断して共通基盤を整備し、 アーキテクチャを刷新しながらスケールする仕組みを構築しています。 本ポジションでは、この変革を支えるテックリードとして 技術的な意思決定をリードし、チームを導くコアメンバーとして活躍していただきます。 ・「設計から運用まで」を横断的にリード ・若手エンジニアの技術支援・レビュー・教育 ・プロダクト横断の技術課題を自ら発見・解決 ・EM/PdMと連携し、技術面から事業戦略を推進 変革期の中心でこれらのミッションをリードいただくため、 「どう作るか」を超えて「なぜ・何を作るか」まで踏み込みながら、 技術と事業の両輪でリーダーシップを発揮できるポジションです。 具体的な業務内容 バックエンドAPI/サーバーサイドアプリケーションの設計・開発・運用 プロダクト横断のアーキテクチャ設計、技術選定 技術的負債の解消・リファクタリング・品質向上施策の実行 コードレビュー・技術指導・育成 EM・PdMとの協働による開発ロードマップ策定 新規機能開発における要件定義〜リリースまでの技術推進 プロダクト全体のパフォーマンス最適化・セキュリティ改善 開発プロセス・テスト・CI/CD環境の整備・改善 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/

BRANU株式会社

建設業界の課題を解消するため、以下の機能をもつ「CAREECON Plus」というプロダクトを展開しています。 ●施工現場の業務改善・工数削減にて人手不足を解決する「施工管理機能」 ●集客力やブランド力不足を解決するノーコードWebサイト管理ツール「 マーケティング機能」 ●建設業の採用課題を解決する採用管理ツール「採用機能」 ●クラウド型の建設業社間マッチングツール「マッチング機能」 ●データを一元管理し経営改善に寄与する「経営管理機能」 現在弊社では各プロダクトを一元化することでプロダクト間の相乗効果を創り、唯一無二のプラットフォームとして成長させていく方向に、大きく舵を切っていきます。 また、建設業者だけでなく、商社・建材メーカーなど建設関連ユーザも増やしていき、ネットワーク効果を高め、業界構造の変革に取り組んでいく予定です。 各プロダクトの単体価値を追求した上で、プロダクト間のシナジーを考慮したPlatform構築の戦略立案~マネジメントを実行できる方、横断的な思考ができる方を求めています。 ●ユーザ課題の調査、新機能の企画・設計 ●計測データ、ユーザーの声を元にUXUI改善 その他プロダクトづくりに関係する業務を幅広く実施いただきます。 ●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/

株式会社Finatext

金融サービスのシステム開発のプロジェクトに要件定義からリリースまで携わっていただきます。 顧客の要件ヒアリング、技術サポート、実現性への調査、ドキュメント作成、サービスのリリース後は、技術仕様を元に顧客やパートナーからの技術的な問い合わせ対応をお任せします。 アーキテクトとして以下を担当、またはチームとしてサポートして頂きます。 ・ビジネス要件を理解し、上流工程の設計から複数の実現方法のメリット・デメリットをロジカルに整理する。 ・適切なアーキテクチャーや技術選択、コードレビューや品質管理等、開発に関わる調整や実装等の対応をする。 【開発環境】 ・Amazon Web Services ・Terraform ・Docker ・Go ・MySQL (Aurora)

キャディ株式会社

<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

株式会社Finatext

・プロダクト基幹機能のアーキテクチャ設計 ・システム設計 ・フロントエンド及びサーバーサイド実装 ・自動テスト設計/実装 etc 【使用技術】 Go gRPC+Connect TypeScript React Vue PostgreSQL (Aurora) Terraform Docker 【使用サービス】 GitHub GitHub Copilot Slack Amazon Web Services Datadog Google Workspace 1Password Kibela

株式会社Finatext

●具体的な業務内容 ・金融インフラ(証券ビジネスプラットフォーム「BaaS」/ 保険ビジネスプラットフォーム「Inspire」/ クレジットビジネスプラットフォーム「Crest」)もしくは生成AI×データ活用のSaaSプロダクト(投資・不動産・業務支援領域)でのサーバー/インフラサイドの開発 ・上記プラットフォーム上に乗せるアプリのサーバー/インフラサイドの仕様設計、開発、運用・保守 ●開発チームについて ・https://finatext.notion.site/finatext/Finatext-cd4ff36fb8bd4aa78a7835565c655396 ●使用技術 Amazon Web Services Google Cloud Microsoft Azure Terraform Docker Alpine Linux, Amazon Linux Go / Python MySQL (Aurora) Airflow Snowflake OpenAI API ●使用サービス Google Workspace Slack Kibela 1Password GitHub Bitrise Backlog Datadog Opsgenie

株式会社HERP

ジョブミルのプロダクト価値向上に向けたディスカバリー業務全般の主導 ユーザーヒアリングの設計・実行とインサイトマネジメント ユーザーストーリーマッピングを通じた新機能の具体化 エンジニアとの壁打ちを通じた開発要件への落とし込み プロダクトデザイン領域における情報構造設計と、UI/UXデザイン アウトソースする場合そのマネジメント 開発後の効果検証の設計と実行 ※事業状況と適性を加味して決めていきます。上記は一例です ※業務内容の変更範囲:会社の定める業務 ●キャリアイメージ ジョブミル事業の中長期的な戦略策定と実行をリードし、プロダクトのオーナーシップを持つことで、将来的には事業責任者や、新規事業野立ち上げ、またはマルチプロダクトを横断するPdMマネージャーなど柔軟なキャリア選択肢があります ※上記は一例です。ご要望に応じて、近しいキャリアステップの社内メンバーとのカジュアル面談も設定が可能です ●チーム 日系上場企業・メガベンチャー・スタートアップ・外資コンサル・起業経験者・新卒など幅広いバックグラウンドをもつメンバーが所属しています。 ジョブミル事業責任者 並木インタビュー(https://note.herp.co.jp/n/n77e230eccae5) ジョブミルエンジニア 岩下インタビュー(https://note.herp.co.jp/n/n35e89385f7b6) HERPエンジニアが2026年に取り組んでいる重要技術課題8選(https://taketo957.hatenablog.com/entry/2026/05/19/150000) ●HERPについて 「採用を変え、日本を強く。」をミッションに掲げ、企業・人材紹介会社・求職者の三者に対し、テクノロジーを用いた最適なマッチングと意思決定を支援するHR Tech企業です。 ※ミッションについての弊社代表の思いはこちらをご覧ください。(https://www.fastgrow.jp/articles/herp-shoda-03) 私たちは、単なる業務効率化ツールとしてのSaaS提供に留まらず、AIとデータを活用して採用市場の構造そのものをアップデートする「SaaS × AI + マッチングプラットフォーム」構想を推進しています。 現在は、デジタル人材採用を加速する採用管理システム『HERP Hire』を主軸に、一連の採用プロセスをAIが支援する『HERP AI Recruiter』、人材紹介システム『ジョブミル』、そしてスタートアップ特化型求人メディア『HERP Career』など、採用領域のあらゆるステークホルダーに向けたマルチプロダクトを展開しています。 主力事業である『HERP Hire』は、IT企業を中心に東証プライム上場企業まで、累計3,000社以上の導入実績があります。

株式会社セラクCCC

システムを作る人から、顧客成果を創る人へ。 Salesforce・AIを活用しながら、大手企業の営業DXを支援。 技術だけでなく、業務改善・定着支援・コンサルティングまで担う次世代DX人材を募集 ●いまの仕事で、こんな想いをお持ちではありませんか? ・運用保守や常駐開発が中心で、この先のキャリアに不安がある ・システムを作っても、その後どう活用されているかわからない ・顧客と直接向き合いながら課題解決に携わりたい ・技術力だけでなく提案力やDXコンサルティング力も身につけたい ・AIやDXなど成長市場で市場価値を高めたい セラクCCCではSalesforceやAIを導入するだけではなく「活用される仕組み」と「成果が出る状態」をつくることを大切にしています。技術とビジネスの両方を理解しながら顧客の営業変革を支援しています。 ●ポジション概要 大手企業の営業部門・営業企画部門・DX推進部門に対して、Salesforceを中心としたクラウドサービスの活用支援を行います。 単なるシステム運用や開発ではなく、 ・現状業務の整理 ・課題抽出 ・活用促進/定着支援 ・業務改善 ・AI活用推進まで一気通貫で担当します。 「導入して終わり」ではなく、成果が出るまで伴走するカスタマーサクセス型DX人材として成長できるポジションです ●仕事内容 大手企業の営業DXプロジェクトに参画 お客様の課題解決や業務改革を実現するために、SalesforceやAIを活用した支援を行います。 ①顧客課題のヒアリング:業務課題の整理・業務フロー分析 ②営業DX推進:SFA・CRM定着支援・データ活用支援 ③カスタマーサクセス:利用状況分析・活用促進施策の企画 ④業務改善:業務フロー改善・営業プロセス改善 ⑤AI活用支援:AI活用提案・活用シナリオ設計 ●入社後 1年目:SalesforceやAIの知識を身につけながら、先輩社員とともにプロジェクトへ参画。 2〜3年目:課題整理から改善提案、定着支援まで一貫して担当します。 3〜5年目:顧客の変革をリードする存在へ。 ●入社理由・その後の支援プロジェクト事例 <元インフラエンジニア> 監視や運用だけではなく、お客様の課題解決に直接携わりたいと思ったからです。 現在は大手企業向け営業DXプロジェクトでSalesforce活用支援やAI活用推進を担当しています。 <元運用保守エンジニア> システムを維持するだけではなく、業務改善や成果創出に挑戦したいと思いました。 現在は顧客との定例会に参加し、活用促進や定着支援を担当しています。

株式会社Finatext

●業務の概要 このポジションでは、自社の保険事業を実際のユーザーとして活用しながら(ドッグフーディング)、保険会社・金融機関向けのAIプロダクトの開発を軸に、顧客折衝・提案活動・セキュリティガバナンスの設計まで一気通貫で担います。 プロダクトエンジニアとForward Deployed Engineerのハイブリッド、エンジニアの中のジェネラリストを目指せる環境です。 【具体的な業務内容】 ・BizDevと並走して提案活動の上流から技術的な価値を伝える ・金融機関・大手デベロッパーのセキュリティ・ガバナンス要件を理解した上でアーキテクチャを設計する ・フロントからバックエンド・インフラまでフルスタックで開発を完結させる ・顧客と直接折衝し、要件を技術に翻訳してリードする ●InsurTech事業メンバー ・河端 一寛(InsurTech事業責任者) 東京大学経済学部卒業。博報堂(途中、博報堂コンサルティングに出向)、ボストンコンサルティンググループ(BCG)を経て、Finatextに入社。 博報堂では、消費財・機械、小売等のマーケティング戦略立案・実行支援業務に従事。 BCGでは、複数の新規事業・新サービス立ち上げ支援業務に従事。 紹介ページ:https://finatext.com/recruit/about/insurtech ・山崎 蓮馬(テックリード) 2018年にFinatextに入社。STREAMの口座開設、セゾンポケット、InsurTech事業のWebフロント開発やInspireの基礎設計をリード。現在はInspireの開発リーダーを担当。 インタビュー記事はこちら:https://note.com/finatext/n/ndd0a14e2ebf0 ・今中 公紀(テックリード) 新卒で大手旅行会社のシステム部に配属。社内開発チームやオフショア拠点の立ち上げに従事。2021年にFinatextにジョインし、保険事業のバックエンド開発を担当。 インタビュー記事はこちら:https://finatext.com/recruit/finalog/interview_imanaka ・河又 翔平(InsurAI リードAIエンジニア) ITエンジニア、フィンテック企業のデジタルマーケティング責任者を経て、(株)ビヘイビアを創業。保険相談AI「ほけんのAI」の開発・運営を3年間行ったのち、2025年10月にM&AにてFinatextグループ入り。現在は保険会社・金融機関向けAI開発をリード。担当領域はAI保険相談、AI募集文書作成・審査、AIロープレ、AI引受査定、AI支払査定、AI不正検知など。 M&Aプレスリリースはこちら:https://finatext.com/fn/news/20250902 ●使用技術 言語 / フレームワーク ・Go (主軸)、TypeScript(Vue, React, Next.js)、Python (FastAPI) インフラ / クラウド ・AWS (主軸)、Azure、Terraform、Docker、Aurora PostgreSQL、DynamoDB <データ基盤> ・Snowflake、Airflow、dbt、Lightdash <認証 / セキュリティ> ・Amazon Cognito、OAuth 2.1 <AI / LLM> AWS Bedrock (主軸)、Bedrock Agents、Azure OpenAI、Claude、OpenAI API、MCP(Model Context Protocol) ●開発ツール / 環境 Claude Code、Cursor、GitHub Actions ●開発環境(AI) ・コーディング:Claude Code / Cursor を主力ツールとして日常利用 ・コードレビュー・仕様管理:AIによるドラフト生成 + エンジニアレビューの二段階プロセス ・エージェント開発:自社MCPゲートウェイ経由でGoogle Drive・GitHub・Slackなど社内ツールと連携したAIワークフローを構築・運用 ・AI利用比率:エンジニアは100%毎日AIを使った開発をしている

MNTSQ株式会社

<<業務内容>> アカウントサポートチームを率い、顧客のIT・セキュリティ担当とも技術的に渡り合いながら、サポート・運用基盤そのものを設計・構築し、全ユーザーの問い合わせ・システム対応を統括すること。 下記はその主要な手段の例です。 ●顧客のシステム・セキュリティ対応(プレイヤーとして) ・顧客のIT・セキュリティ担当との技術折衝(要件説明・基準見直しの提案) ・商談・チャーン阻止・アップセルの局面での技術的な説明・支援 ・不具合・インシデント発生時の対応統括と再発防止の仕組み化 ●サポート・運用基盤の構築(エンジニアリング・マネジメントとして) ・サポート/運用に必要な機能・基盤の要件定義と、エンジニア(SRE等)を動かした実現 ・導入支援・利活用・システム作業・問い合わせ対応の巻き取りとオペレーション化 ・定型化された運用ではカバーできない領域の運用設計・自動化 ●問い合わせ対応の設計・運営・品質管理 ・対顧客/対社内の問い合わせ対応(導入フェーズ・利活用フェーズ問わず) ・一次対応〜エスカレーションのフロー設計、SLA・品質基準の整備 ●ヘルプセンター/情報発信・セルフオンボーディング ・ヘルプサイト運営(ヘルプ記事作成・メンテナンス) ・顧客説明資料の拡充やリリースノート配信 ・ユーザーが自走できるよう、セルフオンボーディング実現に向けた仕組み化 ●チームのマネジメント ・メンバー(5名規模、エンジニアを含む想定)のマネジメント・育成、目標設定・進捗管理 ・サポート関連指標(問い合わせ件数・解決時間・自己解決率等)の可視化・改善 ※職種の変更範囲:会社の定める業務 <<業務のリアル>> ●対応対象 導入フェーズ/利活用フェーズの双方の全ユーザー(対顧客・対社内) ●導入企業の企業規模 売上高1,000億円以上のエンタープライズ企業が中心です ●チーム規 約5名のチームで、アカウントマネジメント部の一チームとして運営します ●問い合わせの規模感 月100件超の問い合わせを受け、内容はエラー調査から作業依頼まで多岐にわたります 迅速な対応に対して、お客様から感謝の声をいただくことも増えています ●ヘルプセンターの広がり 記事の閲覧数・検索数はいずれも前月比で大きく伸びています 検索キーワードを起点に「次に作るべき記事」を逆算し、コンテンツを磨いています ●リリースノートの段取り ヘルプ記事・告知メール・関連設定のタイミングを部門横断で調整します 新機能リリースのたびに、ユーザーへ正確に情報を届けます ●技術・インシデント対応 不具合・システム障害・セキュリティ照会など、技術的な調査対応が日常的に発生します エンジニア・SRE・プロダクト側と連携し、必要なら自分たちで機能をつくります ●顧客の最前線 商談・チャーン阻止・アップセルの局面で、IT・セキュリティ担当と技術的に折衝します ●AIを実務に組み込む 一次調査や記事・レポート作成など、ClaudeをはじめとするAIを日常的に活用しています セキュリティチェックへの回答対応にも活用しています ●チームが目指す方向 「同じトラブルを二度起こさない」仕組みと、ユーザーが自走できる状態をつくります インシデントや技術照会にも一次対応できる、サービスの"運用インフラ"を担います <<業務で使用するツール>> ・Zendesk:顧客からの問い合わせ対応 ・Slack:社内コミュニケーション ・Gmail:主に顧客とのコミュニケーション ・Google スライド:顧客提示用・ヘルプ用の資料作成 ・Google スプレッドシート:データ集計・計数管理 ・Backlog:導入プロジェクト等のタスク管理 ・Salesforce:顧客のアップセル・チャーン等の管理 ・Sansan:顧客の連絡先登録・確認 ※その他、日常的にClaudeやGeminiなどのAIツールを活用しています。 <<組織について>> アカウントサポートチームの部署内での位置づけ アカウントマネジメント部は、オンボーディングから利活用まで一気通貫で支援します。 アカウントサポートチーム(2026年7月より改称。旧称:CSO/Customer Support Operation)は、その全ユーザーの問い合わせ対応・サポート基盤を担う約5名のチームです。 本ポジションは、このチームを牽引するマネジャー候補です。 <<受入後のキャッチアップイメージ>> ●前提となる働き方 コアタイム無しのフルフレックスで、リモートと出社のハイブリッドワークです。 出社は月5日以上となります。 ●組織オンボーディング(全職種共通) MNTSQはバリューとして「自由と責任の文化」を掲げています。 バリューの理解を深めながら、MNTSQでどう力を発揮するか、全社を挙げてフォローします。 期間中はメンターが付きます(約3か月)。 ●業務オンボーディング(部独自) ドメイン理解・プロダクト理解・サポート業務とオペレーションの把握を進めた上で、チームマネジメントへ徐々に移行いただきます。 <<入社後のキャリア>> ●制度面 人事制度上、SpecialistコースとManagerコースに分かれます Managerコースは、部長やチームマネジャーはもちろん、経営陣の一角を目指す形となります ●実態面 前提:MNTSQのこのポジションは、組織・期待役割ともに今後も変化する可能性があります 今後:各人に求められる役割は短いスパンで変わる可能性があり、新たな職種や期待役割が生まれる可能性もあります

JAPAN AI株式会社

ミッション ソフトウェアエンジニアリングとAIを駆使して、テストの自動化とテストケースのライフサイクル全体の質を高め、プロダクト品質とリリース速度を両立させる現在、QA業務のうち約50〜60%はすでに自動化されており、基盤としては一定の水準に達しています。このポジションで問われるのは自動化率を積み増すことだけでなく、未自動化領域の自動化・既存テストの品質改善・テストケースのライフサイクル管理を仕組み化し、改善が自走するサイクルを作ることです。 期待する役割について テストの自動化・既存テストの品質改善・テストケースのライフサイクル運用の3方向をリードし、AIを活用しながらQAプロセス全体が継続的に良くなる仕組みを構築・運用していただきます。 ・自動化できていない領域を見極め、優先度をつけて自動化する ・既存の自動化されたテストの品質(網羅性・保守性・シグナルの信頼性)を継続的に改善する ・テストケースのライフサイクル(作成・実行・評価・棚卸し・廃止)を設計し、改善が回る仕組みを構築・運用する ・AI/LLMを用いたテストケース生成・改善エージェントを構築する ・品質課題をプロダクトチームにフィードバックし、エンジニア/ビジネス/CSとの橋渡しを行う ・約400社が本番利用するプロダクトの品質を、自動化・品質改善・仕組み運用の3方向から担保する 業務内容 ●未自動化領域の自動化 ・自動化できていない箇所を洗い出し、優先度をつけて自動化する ・AI/LLMを活用したテストケース生成エージェントの構築 ・CI/CDへの自動テスト組み込み・回帰テストの整備 ●既存テストの品質改善 ・既存テストケースの品質(重複・カバレッジ・保守コスト・シグナルの信頼性)を精査し、改善する ・Flakyテストの検知・修正、形骸化したテストの棚卸し ・テスト設計・品質基準の策定、良いテストケースの記述 ●テストケースのライフサイクル設計・運用 ・テストケースの作成〜実行〜評価〜棚卸し〜廃止までのライフサイクルを設計する ・改善が継続的に回る仕組み(レビュー体制・メトリクス・運用フロー)を構築・運用する ・JAPAN AI STUDIOを活用したQA・テスト業務の仕組み化 ・品質課題をプロダクトチームにフィードバックし、エンジニア/ビジネス/CS/非エンジニアとの橋渡しを行う チーム体制 約150名が開発組織に在籍しています。 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 従事すべき業務の変更の範囲 会社の定める業務

JAPAN AI株式会社

期待する役割 プロジェクトマネージャーのサポート役として、プロジェクトマネージャーのサポート業務を通じて、プロジェクトの円滑な推進に貢献していただきます。 ドキュメント作成、スケジュール管理、顧客とのコミュニケーションなど、プロジェクト管理の基礎業務を担当しながら、プロジェクトマネジメントのスキルを習得することが期待されます。 業務内容 このポジションでは、以下の業務に取り組んでいただきます。 ●プロジェクト管理サポート業務 プロジェクトマネージャーのサポート業務全般 基本的なドキュメント作成 (議事録・進捗報告書等) スケジュール管理・タスク管理 プロジェクトの進捗状況の整理と報告 ●顧客対応・調整業務 顧客とのコミュニケーション チーム内での調整・連携 エンジニアとのコミュニケーション 業務ヒアリングシートの作成および活用 ●その他業務 業務フロー図・プロセス図の作成 Notion/Slack/Googleスプレッドシート等のツール活用 プロジェクト改善提案のサポート チーム体制 エンジニアおよびPM含め、約70名が開発組織に在籍しています。 PMチームは下記に分かれています。 【PMチーム構成 (配属先)】 本ポジションは「PjM(プロジェクトマネージャー)チーム」への配属となります。 ●自社AI SaaS PdMチーム PMF達成済みプロダクトの機能拡充・顧客基盤拡大を担当 ●AI AGENT PMFチーム 革新的なAIエージェント群のPMF達成に向けた戦略立案・実行 ●PjMチーム 自社SaaS・AGENTを顧客向けソリューションとして開発・提供 クライアントワークが中心で、顧客折衝・要件定義から納品まで一貫して担当 【協働メンバー】 ●プロジェクトマネージャー(直属の上司) ●エンジニア(フロントエンド、バックエンド、AI/ML) ●デザイナー、QAエンジニア ●クライアント企業の担当者 学習と開発の支援 ●AIツール利用サポート JAPAN AI SaaS サービス, Curosor, CharGPT, ClaudeなどAIツール全般を会社負担で利用可能 ●開発ツール支援 利用したい開発ツールが有償である場合、その費用を負担 (年3万円まで) ●書籍購入補助 技術書など学習のために利用する書籍を会社費用で購入可能 (半期3万円まで) ●語学学習 / 資格取得支援 日本語や英語の学習プログラムや資格の取得を会社費用で利用可能 ●リフレッシュ手当 ご自身のリフレッシュのために使用するサービスの費用を負担 (月5000円まで) e.g. ジム, ヨガ, 整体、水族館、映画, テーマパークのチケットなど各種適用可能 ●家賃手当 該当エリアにお住いの方に家賃手当を支給 (月3万円まで) 働き方 業務に慣れるまでの間は基本出社いただいての勤務/その後おおよそ週2回のリモート勤務が可能です。 ※従事すべき業務の変更の範囲 会社の定める業務