持ち株会制度あり NotionのITエンジニア求人・転職情報

AWS、Azureを利用したクラウド基盤の設計・構築を実施いただきます。 オンプレミスからクラウドへの移行プロジェクトから、クラウドネイティブなアーキテクチャを採用したスクラッチ開発プロジェクト、データアナリティクス基盤の導入プロジェクトなど、様々なプロジェクトを担当いただきます。 顧客のDXニーズに応えるための、コンテナを中心としたシステム基盤の設計・構築 クラウドにおけるデータベースやネットワーク、セキュリティなどの構築、運用 ミッションクリティカルなシステムを提供するための、堅牢で俊敏性に優れた基盤の設計 IaC(Infrastructure as Code)を前提としたインフラ基盤構築の効率化・自動化の推進 障害検知やパフォーマンスをモニタリングするための監視環境の構築・運用 システムの安全性を担保するためのセキュリティ設計・DevSecOps活動の推進 社内/社外のイベント等への登壇・寄稿、社内勉強会での発表 ※(雇入れ直後)システムの開発及びコンサルティング(変更の範囲)会社の定める業務 ●技術スタック 主要な技術スタックは以下です(プロジェクトごとに詳細は異なります) プログラミング言語 | Java, Python, TypeScript, Shell Script クラウド | AWS, Azure, GCP コンテナ | Docker, Kubernetes, ECS, AKS データベース | MySQL・PostgreSQL/AuoraDB, DynamoDB, Redis, MongoDB CI/CD | GitHub Enterprise, Jenkins, Nexus IaC | Ansible, AWS CloudFormation, AWS CDK, Terraform 監視・運用 | Datadog, CloudWatch, Zabbix, PagerDuty, JP1, Apache Airflow セキュリティ | Akamai, Trend Micro Cloud One, Splunk, Snyc Data/BI | ElasticSearch, S3/Athena, Redshift, Snowflake, QuickSight コラボレーションツール | Slack, JIRA, Confluence, Notion, Miro, Teams, BOX, ●入社後のイメージ ご入社後はオンボーディング担当のメンターがつき、メンターの支援を受けながらまずは弊社のPJや技術・業務知識に慣れて頂きます。定期的な1on1を実施して今後のキャリア希望をヒアリングしつつ、早期に弊社での仕事をキャッチアップいただけるよう、チーム全体としてフォローしています。 ●アサインの考え方 2020年度よりリソースマネジメントグループ(RMG)が創設され、PJにアサインされている全メンバー(PM含む)のアサイン期日を管理しています。全てのアサイン決定は、経営層+RMG+コンピテンシーリーダーが週に1度集まる場で協議され、ビジネス都合のみで判断される訳ではなく、当人の希望や育成観点を考慮したアサイン決定となるように会社として努力をしています。 加えて、インフラ組織内でも、各人のキャリア形成を支援するためのアサイン検討を週次で行っています。 ●評価の考え方 年に1度、評価会議の場で全従業員の翌年の理論年俸が決定されます。評価者は直属のマネージャーだけではなく、テックリード等の技術理解のあるメンバーも含まれ、1年でアサインされたPJの実績を踏まえつつ、「来期どれくらいの活躍が期待できるか?」という視点で金額評価を行い、経営層を交えた全評価者で議論を行います。 弊社では技術力の高さを適正に評価することができているからこそ、4,50代でも第一線で活躍しているエンジニアが多数います。

●PROEVERとは MSOLがプロジェクトマネジメント専門会社として培ってきたノウハウと経験を結集し、「プロジェクトマネジメントプラットフォーム」としてSaaS展開しているのが PROEVER です。プロジェクトデータを一元的に集約し、AI技術も活用することで、マネジメント層の意思決定を支援し、プロジェクトの成功とプロジェクトマネジメント成熟度の向上を実現します。 主なお客さまは、全社横断で多数のプロジェクトを推進するマネジメント層(PM含む)です。プロジェクトの状況をリアルタイムかつ正確に把握し、迅速な意思決定が可能になります。一般的なPMツールがタスクや課題管理に主眼を置くのに対し、PROEVERは複数プロジェクトを俯瞰的・横断的に可視化できる点を大きな特長としています。 ※[PROEVERのサービス概要はこちら](https://proever.com/) ※[事業部の紹介対談はこちら](https://note.msols.com/n/n1472dff92988?gs=6f6dff9594a4) ●仕事内容 プロダクトの急拡大に伴い、PROEVERのバックエンド基盤を「セキュリティを後付けにしない(Security by Design)」形で設計し直すフェーズに入ります。 専任のセキュリティ担当としてではなく、「セキュリティや高いパフォーマンスを、自身の設計責務としてシステム構造に組み込める」バックエンドエンジニアとして、自ら手を動かしながらチームをリードしていただきます。 ※ すぐにすべてをお任せすることはありません。まずは現状を把握し、優先順位を決めて取り組んでいきます。 ・本番環境のボトルネック解消: パフォーマンス課題(ネットワーク、データベース、コンテナリソースなど)の調査と改善 ・セキュリティの現状可視化: 認証認可・データ保護まわりの現状整理と、横断観点の言語化 ・技術負債のロードマップ策定: コードベースに潜む技術課題の洗い出しと優先順位付け ・アーキテクチャの最適化: Azure / データベース構成の見直しと、必要に応じた選定変更 ・コア認証基盤の刷新: 堅牢かつ柔軟な認証認可基盤の設計と実装 ・技術組織のリード: 設計レビュー・ドキュメント整備・メンタリングを通じたチーム全体の設計力向上 ●技術環境 OS: Windows Server, Linux フロントエンド:TypeScript / Next.js / TailwindCSS / shadcn/ui バックエンド:TypeScript / Next.js / (Python) データベース:PostgreSQL / GraphQL (Hasura) インフラ:Azure / Docker CI/CD:GitHub Actions バージョン管理:GitHub プロジェクト管理:PROEVER デザイン管理:Figma / Storybook コミュニケーション:Slack / Notion / GoogleWS / MS365 その他:GitHub Copilot / GitHub Codespaces / Claude Code / Keeper ●業務の変更範囲について 「変更の範囲:当社及び出向(転籍)先における各種業務全般 」 ●人数規模(2026年1月現在) ・計27名(カスタマーG:11名、プロダクトG:12名、その他:4名)

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

●PROEVERとは MSOLがプロジェクトマネジメント専門会社として培ってきたノウハウと経験を結集し、「プロジェクトマネジメントプラットフォーム」としてSaaS展開しているのが PROEVER です。プロジェクトデータを一元的に集約し、AI技術も活用することで、マネジメント層の意思決定を支援し、プロジェクトの成功とプロジェクトマネジメント成熟度の向上を実現します。 主なお客さまは、全社横断で多数のプロジェクトを推進するマネジメント層(PM含む)です。プロジェクトの状況をリアルタイムかつ正確に把握し、迅速な意思決定が可能になります。一般的なPMツールがタスクや課題管理に主眼を置くのに対し、PROEVERは複数プロジェクトを俯瞰的・横断的に可視化できる点を大きな特長としています。 ※[PROEVERのサービス概要はこちら](https://proever.com/) ※[事業部の紹介対談はこちら](https://note.msols.com/n/n1472dff92988?gs=6f6dff9594a4) ●仕事内容 当社SaaSプロダクト「PROEVER」のプロダクトエンジニア(AI・アプリケーション基盤)として、競争優位性の核となるAIエージェント機能の開発と、それを支えるバックエンド基盤の実装をリードしていただきます。 現在は少数精鋭の体制のため、定型的な管理業務ではなく、自ら手を動かして未知の技術課題をブレイクスルーしていく役割です。 ・AIエージェント基盤構築: Azure AI Foundry / Azure OpenAI をフル活用し、LangGraph.js等を用いたマルチステップ推論・自律型ワークフロー制御のバックエンド実装。 ・RAG(検索拡張生成)の最適化: Azure AI Search や Vector DB を用いた検索拡張生成システムの設計・チューニング。 ・LLMの品質・ガバナンス担保: AIの回答精度向上、およびZod等を用いた出力構造化、ガードレール(安全性・セキュリティ)の仕組みづくり。 ・データアクセス&パイプラインの構築: 複雑なプロジェクトマネジメントデータをAIが最適に解釈・処理できる形式へ変換するパイプラインの開発、および Hasura (GraphQL) / PostgreSQL を用いた効率的なAPI開発。 ・技術組織への還元: コードレビューや設計レビュー、最新のAI技術調査・評価を通じて、チーム全体のAI技術力の底上げ。 ●技術環境 OS: Windows Server, Linux フロントエンド:TypeScript / Next.js / TailwindCSS / shadcn/ui バックエンド:TypeScript / Next.js / (Python) データベース:PostgreSQL / GraphQL (Hasura) インフラ:Azure / Docker CI/CD:GitHub Actions バージョン管理:GitHub プロジェクト管理:PROEVER デザイン管理:Figma / Storybook コミュニケーション:Slack / Notion / GoogleWS / MS365 その他:GitHub Copilot / GitHub Codespaces / Claude Code / Keeper ●業務の変更範囲について 「変更の範囲:当社及び出向(転籍)先における各種業務全般 」 ●人数体制(2026年1月現在) ・計27名(カスタマーG:11名、プロダクトG:12名、その他:4名)

●主に担当する業務内容 画像認識AIを用いたプロダクト開発・ソリューション開発 プロダクト開発・運用 アルゴリズム・モデルの組み込み実装 プロトタイプの開発 ●プロダクトの利用事例 [AI-App人数カウント・AI-App人物検索](https://safie.jp/ai-app/people-count/) カメラ内のAIアクセラレータを用いてリアルタイムに人物の検出・集計や店舗等で人物の識別を行う 利用事例:店舗入口にSafie Oneを設置し「AI-App人数カウント」で来店者数を計測。肌感覚に頼らない定量データに基づき、店頭キャンペーン施策のPDCAを効率化 [Safie AI Studio](https://safie.jp/ai-studio/) 物体検出アプリ 利用事例:人・車両・生活用品など多様な物体を識別し、設定エリアへの侵入やライン通過を検知する汎用物体検知アプリとして提供。(建設・製造・小売など幅広い業界のPoCで活用)⁠ 重機近接アプリ 利用事例:建設現場において、重機と作業員の危険な接近をリアルタイムに検知し、音声通知などと連携して重大事故の未然防止に貢献。⁠ ショッピングカート検知アプリ 利用事例:小売店舗のカート置き場の滞留状況(過多・不足)を自動検知し、店舗あたり出店コスト削減に活用。 ●技術‧開発環境について 開発言語 Python、C++ ディープラーニング PyTorch AWS EC2、S3、ECR、SageMaker CI/CD GitHub Actions コミュニケーション Slack GitHub Google Workspace Backlog Notion ●生成AIツール利用 Amazon Bedrock/Gemini/GitHub Copilot/Notion AI/Claude Code ●部署の今後の目標・目下の取り組み 目標 多様な画像認識モデルを開発し、プロダクトとしてリリースする。 AIプラットフォームの提供を進めるために、自社のみならずサードパーティーも巻き込んだ開発を推進する。 取り組み 顧客からの要望と技術的な動向を同時に捉えながら、開発の戦略を立てていくこと。 画像認識AI開発組織の拡充に伴う、属人化緩和のための育成用ドキュメント作成など、より一層のチーム力強化。 AIプラットフォームの実現のために、社内・社外を巻き込んで開発を推進できる人材の確保。 ●従事すべき業務の変更の範囲 <雇入れ直後>システムの設計・開発・デザイン、その他これらに付随する一切の業務 <変更の範囲> 会社の定める業務

●主に担当する業務内容 画像認識AIのアルゴリズム・モデル開発 調査テーマの提案 アルゴリズム・モデルの調査・評価 アルゴリズム・モデルの改善・軽量化 PoCの実施 プロダクトの開発 ●プロダクトの利用事例 [AI-App人数カウント・AI-App人物検索](https://safie.jp/ai-app/people-count/) カメラ内のAIアクセラレータを用いてリアルタイムに人物の検出・集計や店舗等で人物の識別を行う 利用事例:店舗入口にSafie Oneを設置し「AI-App人数カウント」で来店者数を計測。肌感覚に頼らない定量データに基づき、店頭キャンペーン施策のPDCAを効率化 [Safie AI Studio](https://safie.jp/ai-studio/) 物体検出アプリ 利用事例:人・車両・生活用品など多様な物体を識別し、設定エリアへの侵入やライン通過を検知する汎用物体検知アプリとして提供。 (建設・製造・小売など幅広い業界のPoCで活用)⁠ 重機近接アプリ 利用事例:建設現場において、重機と作業員の危険な接近をリアルタイムに検知し、音声通知などと連携して重大事故の未然防止に貢献。 ⁠ ショッピングカート検知アプリ 利用事例:小売店舗のカート置き場の滞留状況(過多・不足)を自動検知し、店舗あたり出店コスト削減に活用。 ●技術・開発環境について 開発言語 Python、C++ ディープラーニング PyTorch AWS EC2、S3、ECR、SageMaker CI/CD GitHub Actions コミュニケーション Slack GitHub Google Workspace Backlog Notion ●生成AIツール利用 Amazon Bedrock/Gemini/GitHub Copilot/Notion AI/Claude Code ●部署の今後の目標・目下の取り組み 目標 多様な画像認識モデルを開発し、プロダクトとしてリリースする。 AIプラットフォームの提供を進めるために、自社のみならずサードパーティーも巻き込んだ開発を推進する。 取り組み 顧客からの要望と技術的な動向を同時に捉えながら、開発の戦略を立てていくこと。 画像認識AI開発組織の拡充に伴う、属人化緩和のための育成用ドキュメント作成など、より一層のチーム力強化。 AIプラットフォームの実現のために、社内・社外を巻き込んで開発を推進できる人材の確保。 ●従事すべき業務の変更の範囲 <雇入れ直後>システムの設計・開発・デザイン、その他これらに付随する一切の業務 <変更の範囲> 会社の定める業務

サービスリリースから数年が経ちデータもある程度蓄積されてきて、改めてデータ活用を強化するためにデータマネジメントできるメンバーを募集しています。 横軸でデータ活用をする組織に所属して、ナレッジの蓄積や共有をしながら事業内に入りデータ活用支援を行っていただきます。 具体的には、データ基盤の既存のアーキテクチャーやシステムの改善、データを正しく扱いサービスの状態を把握できるための環境を構築していただきます。 ●Dataformを中心としたデータパイプライン / CICD の整備 ●データ品質モニタリング、アラート、コスト最適化の実装 ●BIツールによるレポート・ダッシュボードの運用統制 ●属人性を排除した行動ログ設計、データ仕様整備の仕組み化 ●上記に限らない、事業全体のデータ活用における課題発見と解決 なぜデータマネジメントなのか? データは「作って終わり」ではなく、長く・広く使われ続ける資産です。 WINTICKETではユーザーのアプリ内行動、売上、広告、キャンペーンなど多様なデータが日々生まれています。 これらのデータを分析・活用するためには、利用者が迷わず使えるデータ分析基盤の継続的な改善が必要不可欠です。データマネジメントは単なるETL開発ではなく、プロダクトと組織全体の意思決定インフラを育てていく重要な役割です。 また、現在見えている具体的な課題としては以下のようなものがあります。 ・品質の高い行動ログデータの設計・管理 ・生成AI活用を前提としたデータマート開発やメタデータ拡充ルールの策定 ・新規事業のデータモデリングに必要なドメイン知識とリソース不足 上記の課題以外にも様々な課題がありますが、将来に遭遇しうるデータに纏わる課題を先回りして見つけ出し、一緒に解決できるメンバーを求めています。 このプロジェクトで経験できること ・GCPを使ったデータ基盤の整備 ・データアーキテクチャの設計・実装 ・ETL開発、BI/レポーティング環境の整理 主な利用技術 新規に開発する際には技術選定からリードしていただくことを期待していますが、現状多く使われている技術をご紹介します。 ・言語:SQL, Python, JavaScript ・インフラ:Google Cloud, Terraform ・CICD:GitHub Actions ・モニタリング:Grafana, Dataplex ・ツール:GitHub, Slack, Notion ・DWH: BigQuery ・レポート:Tableau , Google Sheets ・AI:Cursor, Claude Code 会社概要 1998年の創業以来インターネットを軸に事業を展開し、スマートフォン向けに多数のコミュニティサービスやゲームを提供しているサイバーエージェント。 メディア事業部は2004年にブログを中心とした「Ameba」をリリース。 アバターサービス「アメーバピグ」、「タップル」「CROSS ME」をはじめとするマッチングアプリ、 ビジネスパーソン向けWEBメディア「新R25」や新しい未来のテレビ「ABEMA」を開始するなど、インターネット産業の変化にあわせて様々なメディアサービスを提供しています。 2019年4月にリリースした「WINTICKET」は、株式会社サイバーエージェントの子会社で、競輪・オートレースのインターネット投票サービスを提供しています。 WINTICKETでは「競輪を若者の新たなエンタメへ」を中期にかけてのビジョンとして掲げ、業界イメージのリブランディングと新たなユーザー体験の提供を目指しています。 現在は、競輪業界No.1として業界を牽引する立場となりました。 これからも高いプロダクト品質と、それを支える技術で業界全体に革命を起こすべく、サービスグロースを一緒に推進してくれる仲間を募集しています! WINTICKETについて ●WINTICKETにおけるAI-Readyなデータ分析基盤の構築 https://developers.cyberagent.co.jp/blog/archives/59626/ ●WINTICKET_佐野代表取締役インタビュー https://www.cyberagent.co.jp/way/list/detail/id=29734 ●競輪の視聴体験を変えたWINLIVEの技術 https://www.cyberagent.co.jp/way/list/detail/id=30240

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

CREとして、Assuredクラウド評価のお問い合わせに対する技術サポートやプロダクトの改善を担当していただきます。 ●具体的な業務内容 CREとして、Assuredクラウド評価の顧客信頼性向上に責任を持ちます。 <短期的に取り組む業務> -お客様からの技術的な問い合わせの調査・回答 -セキュリティチェックシートの対応 -お客様対応や社内オペレーションを支援する小〜中規模システムの実装と運用改善(Google Apps Script / Python / サーバーレス構成など、軽量な手段を機動的に選ぶ) -お客様の要望・不具合に関する、要求 / 要件 / 受け入れ条件の整理と、エンジニアリングチームへの橋渡し -比較的小規模な機能改善・不具合修正については、自身で設計・実装・テスト・リリース -複雑なプロダクト仕様の整理、ドキュメント化 <中長期で設計・推進していく業務> -顧客信頼性を測るKPIの設計と、計測基盤(BigQuery / dbt / Lightdash)の構築 -KPIから見えた阻害要因に対する施策設計と実行(CS組織内に閉じず、セールス・運用組織の業務改善や、プロダクトの構造的改善まで射程) -セルフサービス化の優先順位設計と、機能としての実装 -問い合わせ対応フロー・エスカレーション設計・チェックシート運用などの再設計 -CREグループとしての中長期ロードマップの策定と、リードとの並走 これらの中で、何から着手すべきか・どこにレバレッジがあるかの判断自体も、入社後に一緒に設計するテーマです。 ▽インターネット、そして社会をより良くするために。未知のプロダクトづくりへの挑戦。 https://note.com/assuredjp/n/ndcb0b069ca9c ▽次世代に残るプロダクトをつくりたい。サイバーエージェント→AWSを経て感じるAssuredの社会的意義と奥深さ。 https://note.com/assuredjp/n/n0f79b6983d89 ▽Assuredに関わる人への感謝を胸に。課題解決の範囲を広げることで世の中の価値提供に繋げていく。 https://note.com/assuredjp/n/nbc562d71517c ●チームについて CREは立ち上がったばかりの組織で、現在は1名のマネージャーと1名の専属エンジニアの2名体制です。顧客、営業、CS、プロダクトと連携し、技術とデータを活用して顧客の信頼性を向上させ、事業成長を加速させることを目指しています。 現在は、お問い合わせ対応・顧客要望対応を通じてお客様からのフィードバックを迅速に取り入れ、改善につなげることを行っています。同時に、中長期的にどういう価値を出していくべきか絵を描き、計画しているフェーズです。 将来目指しているのは、データと技術を使って顧客の状態を可視化し、よりプロアクティブに顧客信頼性を向上させることです。そのためにCREが担っていきたい観点は以下の通りです。 ・プロダクト各機能が潜在的に持っている価値をお客様の課題と結びつけ、価値を最大化する ・お問い合わせをゼロにする ・お客様自身で問題を解決できるセルフサービス化の推進 ・お客様が困ったときの体験の向上/エフォートレス化 ●このポジションで、一緒に作る未来 CREが扱う「顧客信頼性」は、お客様のビジネスと我々のビジネスを同時に伸ばすための重要な要素だと思っています。 お客様が安心して『Assuredクラウド評価』を使い続け、その上で本来やりたいDXや事業判断を進められること。それがお客様の事業成果になり、同時に我々の成長にもなります。CREのミッションは、そのベースとなる「顧客信頼性」を最大化することです。 その実現のために、立ち上げ期ではまず以下3つのスコープを設計・推進します。 1.プロダクト改善・実装 お客様の声を一次情報として受け取り、不具合修正・機能改善・セルフサービス化できる機能をプロダクトに反映していきます。 2.KPI・計測基盤の設計 「顧客信頼性が向上している」と言える状態を、データで定義します。問い合わせ削減率・セルフサービス到達率・お客様の利用熟達度など、何を測るべきかから設計し、BigQuery / dbt / Lightdashの基盤上で計測・可視化を立ち上げます。 3.CREプロセス・運用設計 問い合わせ対応フロー、セキュリティチェックシート対応、エスカレーション設計、技術調査の標準化など、現在は属人的に回っている運用を、再現可能なプロセスとして組み立て直します。 ●そして、その先に取りに行く未来 スコープ2のKPI基盤が立ち上がり、「顧客信頼性を阻害している要因」がデータで見えてきた段階から、CREの射程は、プロダクト単体に閉じません。 阻害要因がセールスの提案プロセスにあれば、営業組織の業務の改善に取り組みます。運用組織のオペレーションに起因していれば、その自動化やシステム化も取り扱いたいと思っています。プロダクトの構造的な改善が必要であれば、PdMと一緒に上流から設計します。 一般的にCREはお問い合わせ対応やCS組織内の改善に役割が限定されがちですが、私たちはそこに留まるつもりはありません。顧客信頼性向上のレバーがある場所に、エンジニアリングの力で踏み込んでいくことを目指しています。 ●技術スタック ・インフラ: Google Cloud ・バックエンド: Scala, Python, Go(ScalaからGo/TypeScriptへの移行中です) ・フロントエンド: TypeScript, React ・データベース: PostgreSQL, Firestore, BigQuery ・コンテナ/仮想化: Docker, Google Kubernetes Engine, CloudRun ・構成管理: Terraform, Kubernetes ・CI/CD: CloudBuild, GitHub Actions ・その他API等: ChatGPT, Algolia, SendGrid ・監視: Sentry, DataDog ・ツール: GitHub, Slack, Notion, Figma 他 ●業務の変更範囲 会社の定める業務(出向等を含む)

プロダクトエンジニアとして、Assuredクラウド評価の機能開発に関わっていただきます。 ●主な業務 ・必要な機能の設計、実装、テストおよびリリース ・他メンバーの設計・コードのレビュー、フィードバック ・チームのプロジェクト管理、スクラムイベント運営 ・開発プロセス改善、生産性向上施策 ・PdM・デザイナー・ドメインエキスパートとの協働 ・顧客からの問い合わせ・不具合対応 ・データ整備、分析、モニタリング ・採用活動への参画 ●チームの文化 新しい市場を啓蒙しユーザー価値を探究するAssuredクラウド評価のプロダクトチームでは、エンジニアが開発だけでなく、事業指標の追求やユーザー課題の発見まで関わる「プロダクトエンジニア」の文化があります。技術(How)を核としながら、事業(Why)やユーザー体験(What)にまで越境し、全員が事業指標を意識しながら開発する文化です。AIがコードを書く時代だからこそ、「なぜ作るか」「何を作るか」という上流の問いに注力し、ビジネス組織とも一体となり事業成果にコミットし続けています。 ▽デブサミ2025 Assuredが実践する「事業を創る」プロダクト開発術 https://productzine.jp/article/detail/3716 ※Assuredのエンジニアについて ▽インターネット、そして社会をより良くするために。未知のプロダクトづくりへの挑戦。 https://note.com/assuredjp/n/ndcb0b069ca9c ▽次世代に残るプロダクトをつくりたい。サイバーエージェント→AWSを経て感じるAssuredの社会的意義と奥深さ。 https://note.com/assuredjp/n/n0f79b6983d89 ●技術スタック ・インフラ: Google Cloud ・バックエンド: Scala, Python, Go 　※メインの言語はScala、PythonとGoは一部サブシステムで利用 ・フロントエンド: TypeScript, React ・データベース: PostgreSQL, Firestore ・コンテナ/仮想化: Docker, Google Kubernetes Engine, CloudRun ・構成管理: Terraform, Kubernetes ・CI/CD: GitHub Actions ・データ基盤: BigQuery, Airbyte, dbt, Lightdash ・その他API等: Algolia, SendGrid ・監視: Sentry, DataDog ・ツール: GitHub, Slack, Notion, Figma, Gemini Pro 他 ・AIコーディング: GitHub Copilot, Claude Code 他 ●勤務地及び業務の変更範囲 会社の定める業務(出向等を含む)

プロダクトエンジニアとして、Assuredクラウド評価の機能開発に関わっていただきます。 ●主な業務 ・必要な機能の設計、実装、テストおよびリリース ・アーキテクチャ設計、技術選定への参画 ・他メンバーの設計・コードのレビュー、フィードバック ・チームのプロジェクト管理、スクラムイベント運営 ・開発プロセス改善、生産性向上施策 ・PdM・デザイナー・ドメインエキスパートとの協働 ・顧客からの問い合わせ・不具合対応 ・データ整備、分析、モニタリング ・採用活動への参画 ●チームの文化 新しい市場を啓蒙しユーザー価値を探究するAssuredクラウド評価のプロダクトチームでは、エンジニアが開発だけでなく、事業指標の追求やユーザー課題の発見まで関わる「プロダクトエンジニア」の文化があります。技術(How)を核としながら、事業(Why)やユーザー体験(What)にまで越境し、全員が事業指標を意識しながら開発する文化です。AIがコードを書く時代だからこそ、「なぜ作るか」「何を作るか」という上流の問いに注力し、ビジネス組織とも一体となり事業成果にコミットし続けています。 ▽デブサミ2025 Assuredが実践する「事業を創る」プロダクト開発術 https://productzine.jp/article/detail/3716 ※Assuredのエンジニアについて ▽インターネット、そして社会をより良くするために。未知のプロダクトづくりへの挑戦。 https://note.com/assuredjp/n/ndcb0b069ca9c ▽次世代に残るプロダクトをつくりたい。サイバーエージェント→AWSを経て感じるAssuredの社会的意義と奥深さ。 https://note.com/assuredjp/n/n0f79b6983d89 ▽Assuredに関わる人への感謝を胸に。課題解決の範囲を広げることで世の中の価値提供に繋げていく。 https://note.com/assuredjp/n/nbc562d71517c ●技術スタック ・インフラ: Google Cloud ・バックエンド: Scala, Python, Go 　※メインの言語はScala、PythonとGoは一部サブシステムで利用 ・フロントエンド: TypeScript, React ・データベース: PostgreSQL, Firestore ・コンテナ/仮想化: Docker, Google Kubernetes Engine, CloudRun ・構成管理: Terraform, Kubernetes ・CI/CD: GitHub Actions ・データ基盤: BigQuery, Airbyte, dbt, Lightdash ・その他API等: Algolia, SendGrid ・監視: Sentry, DataDog ・ツール: GitHub, Slack, Notion, Figma, Gemini Pro 他 ・AIコーディング: GitHub Copilot, Claude Code 他 ●業務の変更範囲 会社の定める業務(出向等を含む)

●ミッション ナース専科のブランドとサービス体験をデザインの力で最大化し、事業成長に貢献することがミッションです。 ●業務詳細 これまでのご経験に応じ、プレイヤーとしての制作リードから組織マネジメントまで、柔軟に役割を決定します。 1.「ナース専科」のブランドコミュニケーション ・TVCM、交通広告、SNS、Webサイト等、全タッチポイントにおけるクリエイティブディレクション ・ユーザーインサイト(定性・定量データ)に基づく、UI/UX改善およびコミュニケーション戦略の立案 ・事業目標(KGI/KPI)達成に向けた、マーケティングチームとの連携および施策実行 2.事業横断的なクリエイティブ戦略・組織作り ・4月より拡大するデザイン組織の基盤構築(採用、育成、評価制度の策定など) ・「ナース専科」以外のサービス群へのデザイン品質基準の策定・展開 ・Design Systemや各種ガイドラインの構築・運用による、制作効率とブランド一貫性の担保 3.クリエイティブ品質管理・制作 ・社内メンバーおよび外部パートナー(業務委託)へのディレクション ・コピーライティング、ビジュアルデザインのクオリティコントロール ※事業や所属部門の状況の変化等により、会社の指示する職務内容へ変更することがある 配属部署 ●配属先:医療キャリア事業本部 ナース専科マーケティング推進部 クリエイティブ 2024年に売上とブランディングでの事業貢献を目的として立ち上がった新規チームとなります。 現在は正社員4名、業務委託8名のチーム構成となっており、価値提供範囲拡大のため、組織拡大を予定しています。 入社後の流れ 入社後は全体研修を実施し、会社の理念や事業内容、各種制度について説明します。 その後は、配属部署にて実務を通じたOJTでキャッチアップを進めていただきます。 即戦力としてご活躍いただけるよう、必要に応じてサポートしますので、不明点や困りごとは気軽に相談できる環境です。

●業務内容 プロダクトの信頼性に関する技術的なオーナーシップを持ち、機能開発チームと密に連携しながら、以下のミッションをリードすることをお任せします。 ・SLO/SLIの策定と運用:サービスレベル目標を定義し、エラーバジェットを基にした開発・リリースプロセスの推進 ・モニタリングとオブザーバビリティの強化:DataDogやSentryを活用し、システムの健全性を可視化。障害の早期発見と原因究明を迅速化する仕組みの構築・改善 ・インシデント対応と改善活動の推進:障害発生時の対応プロセスをリードし、ポストモーテムを通じて恒久的な再発防止策の推進 ・Toil(手作業)の削減と自動化: 運用に関わる反復的な手作業を特定し、自動化ツールやスクリプトの開発 ・信頼性・スケーラビリティの高いインフラ設計・構築: Google Kubernetes EngineやCloudRunなどのコンテナ技術と、TerraformによるIaCを駆使し、スケーラブルで耐障害性の高いインフラの構築・運用 ・CI/CDパイプラインの最適化: CloudBuildやGitHub Actionsを用いたデプロイプロセスの高速化と安全性を向上させ、開発チームのアジリティの向上 ・パフォーマンスチューニングとキャパシティプランニング: 負荷テストの実施、ボトルネックの特定・解消、事業の成長予測に基づいたキャパシティプランニングの実施 ・AI Opsの推進: 生成AIを用いた機能の信頼性を支える基盤整備。生成AIを使用したアプリケーションや、AIエージェントの安定稼働と継続的な改善を支援 ・DevSecOpsの推進: 脆弱性スキャンの自動化やコンテナセキュリティの強化により、開発スピードを損なわない安全性の担保 ※ご志向や適性、戦略・組織状況に応じて期待役割を調整させていただきます。 ●技術スタック ・インフラ: Google Cloud ・バックエンド: Scala, Python, Go 　※メインの言語はScala、PythonとGoは一部サブシステムで利用 ・フロントエンド: TypeScript, React ・データベース: PostgreSQL, Firestore ・コンテナ/仮想化: Docker, Google Kubernetes Engine, CloudRun ・構成管理: Terraform, Kubernetes ・CI/CD: GitHub Actions ・データ基盤: BigQuery, Airbyte, dbt, Lightdash ・その他API等: Algolia, SendGrid ・監視: Sentry, DataDog ・ツール: GitHub, Slack, Notion, Figma, Gemini Pro 他 ・AIコーディング: GitHub Copilot, Claude Code 他 【業務の変更範囲】 会社の定める業務(出向等を含む)

【ミッション】 「ユーザーサポート/サービスデスクのコアエンジン」として、以下を担っていただきます。 1.高度なヘルプデスク/サービスデスク運用 ・複雑化するSaaS・ゼロトラスト環境でのトラブルシューティング(対人対応だけでなく、原因の技術的な切り分けまで担う) ・資産管理・アカウント/権限管理などの定型業務の確実な遂行と、業務フローの標準化 2.自己解決率の向上とナレッジ基盤の整備 ・ITSMツールのデータを活用した業務分析・改善提案 ・Notionを核としたFAQ/ナレッジ基盤の整備・高度化による、全社員の自己解決率の向上 3.業務効率化・自動化への貢献 ・MDMを活用したキッティング自動化などの運用高度化 ・GAS/iPaaS(Workato等)を活用した、オンボーディング/オフボーディング等の業務プロセス改善・自動化 【利用ツール・環境】 ・グループウェア・コミュニケーション:Google Workspace、Microsoft 365、Slack、Gather、Figjam、Backlog、esa ・ID管理・SaaS管理:Entra ID、YESOD、Josys、Keeper ・端末管理・資産管理:Intune、Jamf Pro/Connect、MaLion ・管理デバイス:Windows(70%)、Mac(30%)、iPhone ・セキュリティ・ネットワーク:CrowdStrike、Cato Networks、HENNGE、yamory、Seculio、PowerDMARC ・TSM・自動化・開発:FreshService、Workato、Zapier、kintone、Contentful、Cloudflare ・バックオフィス・業務系:freee、バクラク、SmartHR、WiMS、Sansan ・オフィス・ファシリティ:RECEPTIONIST、safie、Akerun、iDoors ・生成AI:Gemini Enterprise、Vertex AI、Notebook LM Pro、Slack AI、NotionAI ※その他生成AIも申請ベースで全社での利用実績多数あり 【組織体制】 ・部長:1名 ・コーポレートエンジニアリングチーム:8名、正社員+業務委託メンバーで構成

【サービスについて】 新規事業として推進している取引管理サービス「Contract One」を担当します。 【組織のミッション】 私たちのミッションは、「Contract One」を通じて、契約データベースの価値を世の中の顧客に伝え、現場の習慣を変えていくことです。 【具体的な業務】 Contract Oneがビジネスインフラとして当たり前の存在になることを目指し、各種認知施策やリード獲得施策を通じてContract Oneのサービス導入意向のある企業へアプローチします。 本ポジションでは、Contract Oneのサービスサイトの成果を最大化するために、サイトの分析から改善のための新規ページやコンテンツの企画・実行を担当します。 【主な業務】 ●コミュニケーションシナリオの設計 ●事業戦略に沿ったサービスサイトのコンテンツ企画、LP企画、制作ディレクション ●回遊率やCVRの改善施策、ABテストの実施 ●各種マーケティングツールを活用した効果測定・分析 ●KPI・KGIの設定とマネジメント ●Web広告や外部メディアを活用したリード獲得施策の企画、実行 ●SEO対策の方針検討・実行 ●その他新規施策の企画・運用 ※担当する業務は相談の上決定します。 【開発環境、使用するツールなど】 ●サイト分析:GA4、Google Search Console、Mouseflow ●タグマネジメント:Google タグ マネージャー(GTM) ●MA:HubSpot ●SFA:Salesforce ●BI:Looker、Looker Studio ●DWH:BigQuery ●Web接客、LPO:KARTE、KARTE Blocks ●その他Microsoft OfficeやGoogle Workspace、Notion、各種AIツールなどを用い資料作成やタスク管理を行います。 ※ SalesforceはSalesforce, Inc.の商標であり、許可のもとで使用しています。 【従事すべき業務の変更の範囲】 会社の定める業務

● Digitization部とは Digitization部は、当社のプロダクトにおいてアナログ情報(名刺や請求書など)をデジタルデータへ変換する「データ化」を一手に担う、まさに「事業の核」となる部署です。 Digitization部のミッション 「データ化で事業をリードする」 著しく事業が成長する中で、異なる事業フェーズにある複数のサービスを横断して、QCD(Quality、Cost、Delivery)を最適なバランスで実現する仕組みを構築し、磨き上げ、データ化分野で事業成長をリードすることがミッションです。 【業務内容】 複数の事業ニーズに横断的に適応しながら、データ化におけるオペレーション構築や改善、システム改善をリードします。 ●具体業務内容 ・大規模オペレーションの管理 年間数億件規模のデータ化を行う大規模かつ複雑なオペレーションを管理します。緻密な需要予測や必要人的リソースを予測し、理想的なリソースアサインを行うことで、最小限のコストで、素早く高品質なデータをお届けします。 ・システム改善による品質・コストの最適化 現状に満足することなく、常に0.1%のデータ化精度改善や0.1円のコスト削減を実現するために、現場の課題を特定、深掘りして、エンジニアと共にデータ化プロセスの変更やデータ化アプリケーションのUI/UX改善などによる解決を実現します。 ・事業価値向上のための施策実行 事業部と協業し、データ化起点でサービスの提供価値を高める施策を企画・実行します。既存の枠組みにとらわれず、新たな価値創出の形を事業部と共に模索します。 ●具体的な業務改善例 ・需要予測やオペレータースキルに基づき、リアルタイムで業務アサインメントを行う これまではプロダクト(帳票)ごとに手動でアサイン調整していましたが、その時点での滞留状況や将来の従予測、稼働中オペレータのスキルなどから、自動でアサイン調整する機能をエンジニアと共に開発・リリースし、最適なアサインによるタスク滞留時間の短縮を実現しました。 ●本ポジションのキャリアパス オペレーションマネジメントから始まり、新たな付加価値創出を生み出す事業企画・BizDevの領域にも役割を広げることができます。 ●組織構成 全体で約70名の部門です。 ●開発環境、使用するツールなど Notion,Slack,Redash,Looker Studio,Devin AI,cursor,Claude Codeなど ●従事すべき業務の変更の範囲 会社の定める業務

●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

●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

データサイエンスグループでは主に「マッチング体験の向上」「プラットフォームの信頼性・安全性向上」「それらを支えるML/LLM基盤の構築・運用」の3つの領域に注力しています。 本ポジションの主戦場は、マッチング領域およびTrust & Safety(信頼性・安全性)領域におけるAI/MLのプロダクト実装・運用です。社内のML/LLM基盤を活用しながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアなどと連携し、課題設定から実装、リリース後の改善までを推進していただきます。 課題設定や改善テーマの探索はデータサイエンティストや事業・プロダクト側と連携しながら進め、プロダクトへの実装はソフトウェアエンジニアと協働して推進します。MLOpsエンジニアはML/LLM基盤・推論基盤・開発環境の構築・運用を担い、本ポジションはそれらを活用しながら、マッチング機能やTrust & Safety機能の価値実装、評価、運用設計を担います。将来的には、事業課題に応じて担当領域を広げていただくことを期待しています。 シニアポジションでは、加えて技術方針の策定、重要テーマの優先順位付け、四半期単位の重要テーマのリード、複数職種をまたいだ推進まで担っていただくことを期待しています。 1.マッチング体験の向上 ●マッチング機能の技術リード ワーカーと求人の最適なマッチングを実現するために、マッチングに必要なモデル・ロジック・業務ルールをプロダクト要件に合わせて設計・実装し、安定運用と継続的な改善をリードする ●マッチングに必要なデータ・特徴量・Feature Store改善の設計と推進 マッチング機能の精度と運用を支えるために、特徴量やモデル入力データを設計し、Feature Store等の基盤も活用しながら、改善方針の設計から実装・運用までを推進する ●ML基盤近接領域の機能実装・改善 Vertex AI Pipelines等の基盤を活用し、マッチング機能に必要なモデル・ロジックの実装、評価、運用に加え、Recommend API周辺を含む基盤近接領域のプロダクト実装・安定運用をリードする ●LLMを活用した自律的な改善ループの設計・推進 LLMを活用し、マッチング機能における評価、改善候補の生成、モデリングの見直し、比較検証までを含む継続的な改善ループを設計・推進する 2.プラットフォームの信頼性・安全性向上 ●AI機能の安全性設計・実装のリード LLM等の基盤モデルを活用し、事実整合性の確保、防御的プロンプト設計、ガードレール実装などを通じて、安全性に配慮したAI機能の設計・実装・改善をリードする ●運用を踏まえたリスク制御の設計 AI/MLによる判定だけでなく、業務ルールや現場オペレーション、人による確認フローも組み合わせながら、実運用で機能する安全性担保の仕組みを設計・運用する ●リスク予測・異常検知モデルの開発リード 構造化データから、プラットフォームの信頼性を損なうパターンを特定する分類・回帰・異常検知モデルの設計、実装、評価、運用をリードする ●データセット設計・品質改善の主導 多様なリスクを網羅するデータの設計・収集、高度なアノテーション管理、合成データの生成を通じて、評価・学習データセットの品質改善を主導する 3.共通基盤を活用した実装・改善 ●LLMOps/評価基盤の活用と改善提案のリード 実験の追跡と管理、プロンプトのバージョン管理、「AI as a Judge」等を用いた自動評価パイプラインの活用・改善を主導する ●品質・コスト・レイテンシーの継続的な可視化と最適化 モデルやAI機能の品質、レイテンシー、コストを継続的に計測し、ユーザー行動やモデル挙動の変化を捉えながら改善サイクルを回す ●重要テーマの推進 マッチングまたはTrust & Safety領域における重要テーマについて、技術方針の設計、関係者との合意形成、実行計画の具体化、推進管理まで担う 入社後の期待イメージ 入社後3ヶ月 :担当テーマの1つで、モデル・AI機能・業務ロジック・評価設計の改善を本番に反映し、周辺の関係者を巻き込みながら改善サイクルをリードし始めている状態 入社後6ヶ月 :マッチングまたはTrust & Safety領域における重要テーマの1つを自走して前進させ、課題設定、技術方針、評価設計、実装、運用までを一貫して推進しながら、周辺関係者の意思決定にも影響を与え始めている状態 入社後12ヶ月 :マッチングまたはTrust & Safety領域において、複数の重要テーマを横断的にリードし、技術方針・評価設計・運用設計の基準を形にしながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアの意思決定と実行を前進させ、領域全体の改善速度と意思決定の質向上に明確に貢献している状態 【技術スタック(主要な部分の抜粋)】 ●クラウド Google Cloud ●開発言語 Python ●データ基盤 BigQuery / Fivetran / dbt Cloud ●ML / LLM基盤 Vertex AI / MLflow / LiteLLM / Datadog LLM Observability ●BIツール Looker / Looker Studio ●IaC Terraform ●開発環境・ツール Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc 【扱っているデータ】 以下のようなデータを扱っています ・アプリユーザーのアクセスログ、募集内容に関する情報 ・マッチングに関する情報 ・レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ ・問い合わせに関するデータ ・営業活動情報のデータ

タイミーのプロダクト組織におけるプロダクトマネジメントチームの運営を担い、その有効性と効率性を最大限に高めることがミッションになります。具体的には、プロダクト戦略をプロダクト開発の現場に浸透させ、実行される体制を構築・推進をお任せします。 プロダクトマネージャーチームの育成やコーチング、部門横断での連携強化、そしてプロダクトマネジメントプロセスの最適化を通じて、プロダクト組織全体の生産性とアウトカムの向上に責任を持っていただきます。また、プロダクト開発の運用プロセスを最適化し、プロダクトマネージャーが戦略的な価値創造に集中できる環境を整えることで、プロダクト組織の生産性向上と事業目標達成に貢献していただきます。 具体的な業務内容 ●プロダクト組織の強化と人材育成 ・プロダクトマネージャーなど、プロダクト関連職種の採用、オンボーディング、育成の支援 ・プロダクトゴールと主要KPIの策定をサポートし、トラッキングを通じて適切なコーチングの実施 ・プロダクト戦略とその意図をメンバーやステークホルダーに伝達し、円滑なコミュニケーションと目標設定の実現 ●データドリブンな意思決定の支援 ・プロダクトの主要KPIの仕組み構築、データ分析(トレンドや変動要因の特定)、プロダクトパフォーマンスに関する明確なレポートの作成、関係者への報告 ・プロダクトチームの目標(OKRなど)や成果の進捗を効率的に可視化する仕組みを設計・実装、リソース配分や計画策定に役立つレポートの作成 ・プロダクト分析プラットフォームを整備・運用に責任を持ち、組織全体のデータに基づいた意思決定の促進 ●プロダクトマネジメントプロセスの設計・運用と最適化 ・意思決定の質を向上を目的としたプロダクト戦略の展開やロードマップレビューなど、重要な会議体の設計・運営 ・プロダクトチーム横断で必要な戦略実行のプロセスを標準化、必要なツール群を整備・最適化 ・円滑な連携の実現のためのプロダクト、エンジニアリング、デザインなど多様なチーム間のコミュニケーションハブとして機能 技術スタック(主要な部分の抜粋) ●Backend ・言語: Ruby 3.4系 ・アーキテクチャ: Ruby on Rails 8.0系、RSpec ●Frontend ・開発言語: TypeScript ・アーキテクチャ: Next.js CSR(SPA), React Hooks, SWR ●Mobile(iOS) ・開発言語: Swift ●Mobile(Android) ・開発言語: Kotlin ●Infrastructure ・AWS:ECS Fargate, Aurora, RDS, S3, ElastiCache, CloudFront, etc…Elasticsearch(AWS Marketplace) ・Google Cloud(一部サービス) ・IaC:Terraform ・ログ:Datadog LogsとS3に集約 ●Monitoring ・Datadog, Sentry ●CI/CD ・GitHub Actions, Dependabot ●その他 ・コード管理: GitHub ・コミュニケーションツール: Slack, Notion ・その他: Firebase, twilio, ImageFlux, OneSignal, Figma etc… ・AIエージェント・LLMツール: GitHub Copilot Coding Agent, Devin, Cursor, Claude Code

タイミーのQAエンジニアは、開発チームとともにプロダクト品質に向き合いながら、AIを前提に品質管理プロセスそのものを見直し、チームが自律的に品質を作り込める仕組みを設計・実装する役割を担います。 事業フェーズやプロダクトのリスクに応じて、必要なQAの強度を見極めながら、品質基準、AI向けのルール、評価モデル、テスト戦略を整備し、それらをCI/CD、自動テスト、テスト実行環境、監視・フィードバックの仕組みに接続していきます。単なるテスト工程の自動化ではなく、要求整理、レビュー、リスク分析、検証計画、フィードバックまで含めた開発プロセス全体を改善していきます。 具体的には、以下のような業務を想定しています。 ●品質基準・QAプロセスの設計と構造化 QA Handbook、QA Skills、テスト戦略、品質基準を整備し、チームが再現性をもって品質を担保できる状態をつくります。 要求仕様、AC、DoD、テスト観点を開発チームやAIが扱いやすい形に構造化し、開発プロセスの中で活用できるようにします。 ●リスクベースの品質設計 プロダクトや機能の特性を踏まえて品質リスクを整理し、どこに重点を置いて検証すべきかを設計します。 事業フェーズやリスクの大きさに応じてQA強度を調整し、人による判断と自動化のバランスを見極めます。 ●AI駆動開発に対応した品質ルール・評価の設計 AIエージェントが品質判断に活用できるよう、品質ルール、プロンプト、レビュー観点、評価基準を設計します。 AI生成物に対する品質ゲートやフィードバックの仕組みを整備し、AIを活用した開発でも品質を継続的に担保できる状態をつくります。 ●自動検証・テスト基盤の構築 プロダクトのテスタビリティ向上を主軸に、テストしやすい設計・テストデータ・実行環境・検証観点の整備を進めます。 自動テストやCI/CDと接続し、開発チームが継続的かつ効率的に品質を確認できるテスト基盤を構築・改善します。 ●セルフQA基盤の導入・展開 開発チームが自律的に品質を確認・改善できるよう、品質ガードレールや標準プロセスを設計・導入します。 品質基準を開発プロセスや自動検証の仕組みに接続し、品質保証を人手に閉じないスケーラブルな仕組みへ進化させます。 開発環境(主要な部分の抜粋) ●Backend 開発言語: Ruby 4.0系 アーキテクチャ: Ruby on Rails 7.2系、RSpec ●Frontend 開発言語: TypeScript アーキテクチャ: Next.js CSR(SPA), React Hooks, SWR ●Mobile(iOS) 開発言語: Swift ●Mobile(Android) 開発言語: Kotlin ●Infrastructure AWS:ECS Fargate, Aurora, RDS, S3, ElastiCache, CloudFront, etc… Elasticsearch(AWS Marketplace) Google Cloud(一部サービス) IaC:Terraform ログ:Datadog LogsとS3に集約 ●その他 コード管理: GitHub コミュニケーションツール: Slack, Notion その他:Firebase, twilio, ImageFlux, OneSignal, Figma etc… AIエージェント・LLMツール: GitHub Copilot Coding Agent, Devin, Cursor, Claude Code ●組織的な品質文化の醸成 サイクルタイム(要件定義からリリースまでの完了時間) やFour Keysなどのメトリクスを活用し、「フィードバックサイクルの短縮」が「品質改善スピード」に直結するという考え方を浸透させます。 ポストモーテムのファシリテーションや、テスト設計技法のレクチャーなどを通じて、チーム全体の品質意識とスキルを高め、自律的な改善サイクルを回せるように支援します。 開発環境(主要な部分の抜粋) ●Backend 開発言語: Ruby 3.4系 アーキテクチャ: Ruby on Rails 7.2系、RSpec ●Frontend 開発言語: TypeScript アーキテクチャ: Next.js CSR(SPA), React Hooks, SWR ●Mobile(iOS) 開発言語: Swift ●Mobile(Android) 開発言語: Kotlin ●Infrastructure AWS:ECS Fargate, Aurora, RDS, S3, ElastiCache, CloudFront, etc… Elasticsearch(AWS Marketplace) Google Cloud(一部サービス) IaC:Terraform ログ:Datadog LogsとS3に集約 ●その他 コード管理: GitHub コミュニケーションツール: Slack, Notion その他:Firebase, twilio, ImageFlux, OneSignal, Figma etc… AIエージェント・LLMツール: GitHub Copilot Coding Agent, Devin, Cursor, Claude Code 組織カルチャー ●開発組織のカルチャー タイミーの開発組織は個々人の志向や特性の多様性を「許容」するのではなく「歓迎」する組織です。 各メンバーの多様性を彩りとして捉えて決して否定せず、強みとして重ね合わせて、同じチーム、プロダクトの目標を達成を実現できる組織を目指しています。 また、チームトポロジーの考えを活用した組織構造を採用していることも特徴です。例えば、顧客価値に基づいて領域ごとに組織を分割したり、専任のエンジニアリングマネージャーやアジャイルコーチ、スクラムマスターなどマネジメント専門職メンバーを各チームに配置しています。 https://www.youtube.com/live/uJL3M7R8MLc?feature=share&t=3057 ●技術コミュニティ活動 社内の所属チームを超えたiOSやAndroidなど専門的な技術テーマごとに取り扱うコミュニティ活動も活発で、組織図を超えたオープンなコミュニケーションが行われています。 また、RubyKaigi や Kaigi on Railsを始めとしたカンファレンスのスポンサー活動やイベント登壇、記事の発信など技術コミュニティへの貢献や広報にも力を入れています。 ●オンボーディング メンバー一人ひとりが能力を発揮して、チームで活躍できる環境を目指して様々なオンボーディングプログラムを実施しています。 例えば、入社後チームや技術領域が近いメンバーがメンターとして伴走するオンボーディングの実施や、現職のスクラムマスターからスクラムに関する考え方や手法などをインプットするスクラムオンボーディング、配属直後にマネジメント層とのWelcome 1on1を実施しています。これからの取り組みによって、会社への不明点を早期に解決することで、新メンバーがタイミーで活躍しやすい環境を整えています。 https://productpr.timee.co.jp/n/n46122cd3ec6b ●働き方 フルリモート・フレックスの働き方が浸透しており、NotionやSlackを活用したテキストコミュニケーション、ハドルやMeetを使った同期的なコミュニケーションなどによって職種問わずコミュニケーションが活発な環境になっています。 また、所属チームを超えてiOSやAndroidなど専門的な技術テーマごとに取り扱うコミュニティ活動も活発で、組織図を超えたオープンなコミュニケーションが行われています。 https://productpr.timee.co.jp/n/n2dcb5475e249 ●DevEnable室の取り組み エンジニアの市場価値向上につながる成長支援、学習支援、機会提供、生産性向上を行う専門チームDevEnable室を設置しています。 具体的な制度の一部をご紹介します。 ・在宅環境を自分好みに整えられるリモートHQ制度 ・技術コミュニティ発展への貢献を後押しするOSSボーナス制度 ・世界中のカンファレンス参加を支援するKaigi Pass制度 ・最大300万円、勤務年数に応じて返済不要のエンジニア奨学金制度 ・DevEnable室に込めた思いについても記載していますので、よろしければぜひ下記URLもご覧ください。 https://product-recruit.timee.co.jp/tde10

本ポジションは、OpenID Connect 準拠のアカウント基盤を核とした横断プロジェクトを牽引し、企画・設計からリリース・運用までを一気通貫でドライブする役割です。エンジニアリング、セキュリティ、プロダクト、カスタマーサポートなど多様なステークホルダーと協働しながら、最適なロードマップ策定と開発プロセスの標準化をリードしていただきます。 【具体的な業務】 ●プログラム・ロードマップ・マイルストーン策定とシニアステークホルダーへのレポーティング ●技術トレードオフのファシリテーションと合意形成 ●人員・予算・外部パートナーの最適化によるリソースマネジメント ●KPI/OKR設定とデータドリブンなパフォーマンス改善 ●新規プロセス・ツール定義とベストプラクティスの組織展開 【技術スタック(主要な部分の抜粋)】 <Backend> ●開発言語: Ruby 4.0系 ●アーキテクチャ: Ruby on Rails 8.0系、RSpec <Frontend> ●開発言語: TypeScript ●アーキテクチャ: Next.js CSR(SPA), React Hooks, SWR <Mobile(iOS)> ●開発言語: Swift <Mobile(Android)> ●開発言語: Kotlin <Infrastructure> ●AWS:ECS Fargate, Aurora, RDS, S3, ElastiCache, CloudFront, etc…Elasticsearch(AWS Marketplace) ●Google Cloud(一部サービス) ●IaC:Terraform ●ログ:Datadog LogsとS3に集約 <Monitoring> ●Datadog, Sentry <CI/CD> ●GitHub Actions, Dependabot <その他> ●コード管理: GitHub ●コミュニケーションツール: Slack, Notion ●その他: Firebase, twilio, ImageFlux, OneSignal, Figma etc… ●AIエージェント・LLMツール: GitHub Copilot Coding Agent, Devin, Cursor, Claude Code 【開発組織の特徴】 タイミーの開発組織はフロントエンドからSREのレイヤまでひとつのチームで解決できることをコンセプトにしています。裁量は各チームに移譲されており、自身の専門分野を中心に、隣接する領域に染み出しながら開発に携わることができます。 エンジニアがユーザーインタビューに参加して課題の探索段階から関わることができ、プロダクト組織と連携しながら顧客価値に基づいて開発を行う文化が浸透しています。 <既存事業領域> タイミーの圧倒的なシェアと収益基盤を支えるコア事業であり、さらなる非連続なグロースを牽引する領域です。 現在は、累積1,000万人以上のワーカーと20万社以上のクライアントが生み出す膨大なデータを武器に、マッチングアルゴリズムの高度化やUXの磨き込みを行っています。私たちは、クライアントの「即時の人材確保」とワーカーの「働きがいの最大化」を、高いレベルで実現するプロダクト開発組織を目指しています。 今後は更に大小問わない様々な企業での導入・活用の拡大や多様な業種への浸透を通じて、本質的なエンゲージメント強化に挑戦しています。クライアント、ワーカー双方にとって必要な時に、必要な「はたらく」を提供する体験を社会の当たり前にするため、ユーザー価値と事業収益の両輪をプロダクト主導で回し続ける、ダイナミックな進化を追求しています。 <新規事業領域> スポットワーク事業で培った強固なアセットを活かし、事業の多角化、そしてマルチプロダクト戦略に基づいて新プロダクト開発を推進する領域です。現在は、正社員紹介事業(タイミーキャリアプラス)や長期雇用、介護などのバーティカル領域に深く踏み込んだプロダクト開発に挑んでいます。既存の枠組みにとらわれず、タイミーが持つ資産を最大活用して、新しい「はたらく」の形をゼロから立ち上げ、成長させることに向き合います。 <プラットフォーム領域> タイミーが「はたらく」のインフラへと進化するための、戦略的基盤を構築する領域です。 私たちは現在、既存の「タイミー」に加え、複数の新規プロダクトを連続的に生み出すマルチプロダクト展開を加速させています。この成長を支えるため、プラットフォーム領域では「はたらく」にまつわるドメインを分解・再定義し、プロダクト間で共通利用できる価値ある資産にすることを目指しています。 単なるシステムの共通化(ID管理・決済・本人確認など)に留まらず、日々の就業実績や評価を「信頼データ」として蓄積・活用することで、「タイミーではたらくほどに信用が積み上がり、人生の選択肢が広がる」--そんなプラットフォームの実現を技術の面から支えます。 この成長を支えるため、プラットフォーム領域では「はたらく」にまつわるドメインを分解・再定義し、プロダクト間で共通利用できる価値ある資産にすることを目指しています。 単なるシステムの共通化(ID管理・決済・本人確認など)に留まらず、日々の就業実績や評価を「信頼データ」として蓄積・活用することで、「タイミーではたらくほどに信用が積み上がり、人生の選択肢が広がる」--そんなプラットフォームの実現を技術の面から支えます。

タイミーが提供するスポットワークの根幹である、ユーザー(クライアント・ワーカー)のマッチングや労務管理を支えるスポットワークシステムのバックエンド開発や技術課題解決をお任せします。 スキマバイトサービス「タイミー」は数万件に及ぶ求人とワーカーのマッチングから勤務実績に対する評価、スポットワークにおける雇用契約から給与計算や勤怠管理など労務管理まで、顧客が体験するすべてのプロセスに対してサービスを提供しています。 ユーザーが登録から短い時間で求人にエントリーすることができ、働き終わったらすぐに相互評価を終えて給与支払いまで完了するような、なめらかなスポットワーク体験を実現するための機能開発や改善に携わっていただきます。 今後の事業成長に向けたユーザー体験向上の実現と更なる事業スケールに向けた中長期的な技術課題の解決を共に推進し、エンジニア組織の技術力を共に向上させていく方を求めています。 具体的な業務内容 ●Ruby on Railsを使用したWebアプリケーションの設計、開発、レビュー、リリース ●チーム内外の技術的な課題発見、解決策の提案・実行 ●担当領域に関する仕様確認、技術的調査を含めた問い合わせ対応 ●エンジニアリングマネージャーやスクラムマスターと連携したプロジェクト進行 ●各種スクラムイベントへの参加 開発環境 ●Backend 開発言語: Ruby 4.0系 フレームワーク: Ruby on Rails 8.0系、RSpec アーキテクチャ: Modular Monolith データストア:MySQL8.0系、Redis ツール: Docker、OpenAPI、CircleCI、GitHub Actions、AWS、Terraform、Datadog、 Sentry ●Infrastructure AWS(ECS Fargate, Aurora, RDS, S3, ElastiCache, CloudFront, etc...) Elasticsearch(AWS Marketplace)を利用 一部のサービスでGoogle Cloudを利用 IaC: Terraform ログ: Datadog Logs, S3 ●Monitoring Datadog, Sentry ●CI/CD CircleCI, GitHub Actions, Dependabo, ecspresso ●その他 ・AIエージェント・LLMツール： - 開発支援: GitHub Copilot Coding Agent, Devin, Cursor, Claude Code - 開発基盤・運用: Vertex AI, LiteLLM, MLflow, Datadog LLM Observability - その他: Gemini, NotebookLM, NotionAI ・コード管理：GitHub ・ コミュニケーションツール：Slack, Notion ・その他：Twilio, ImageFlux, OneSignal, Figma etc… 開発組織の特徴 タイミーの開発組織はフロントエンドからSREのレイヤまでひとつのチームで解決できることをコンセプトにしています。裁量は各チームに移譲されており、自身の専門分野を中心に、隣接する領域に染み出しながら開発に携わることができます。 エンジニアがユーザーインタビューに参加して課題の探索段階から関わることができ、プロダクト組織と連携しながら顧客価値に基づいて開発を行う文化が浸透しています。 既存事業領域 タイミーの圧倒的なシェアと収益基盤を支えるコア事業であり、さらなる非連続なグロースを牽引する領域です。 現在は、累積1,000万人以上のワーカーと20万社以上のクライアントが生み出す膨大なデータを武器に、マッチングアルゴリズムの高度化やUXの磨き込みを行っています。私たちは、クライアントの「即時の人材確保」とワーカーの「働きがいの最大化」を、高いレベルで実現するプロダクト開発組織を目指しています。 今後は更に大小問わない様々な企業での導入・活用の拡大や多様な業種への浸透を通じて、本質的なエンゲージメント強化に挑戦しています。クライアント、ワーカー双方にとって必要な時に、必要な「はたらく」を提供する体験を社会の当たり前にするため、ユーザー価値と事業収益の両輪をプロダクト主導で回し続ける、ダイナミックな進化を追求しています。 新規事業領域 スポットワーク事業で培った強固なアセットを活かし、事業の多角化、そしてマルチプロダクト戦略に基づいて新プロダクト開発を推進する領域です。現在は、正社員紹介事業(タイミーキャリアプラス)や長期雇用、介護などのバーティカル領域に深く踏み込んだプロダクト開発に挑んでいます。既存の枠組みにとらわれず、タイミーが持つ資産を最大活用して、新しい「はたらく」の形をゼロから立ち上げ、成長させることに向き合います。 プラットフォーム領域 タイミーが「はたらく」のインフラへと進化するための、戦略的基盤を構築する領域です。 私たちは現在、既存の「タイミー」に加え、複数の新規プロダクトを連続的に生み出すマルチプロダクト展開を加速させています。この成長を支えるため、プラットフォーム領域では「はたらく」にまつわるドメインを分解・再定義し、プロダクト間で共通利用できる価値ある資産にすることを目指しています。 単なるシステムの共通化(ID管理・決済・本人確認など)に留まらず、日々の就業実績や評価を「信頼データ」として蓄積・活用することで、「タイミーではたらくほどに信用が積み上がり、人生の選択肢が広がる」——そんなプラットフォームの実現を技術の面から支えます。

事業の急拡大期を迎えているタイミーの事業戦略や組織のスケールに伴う、エンジニアリング組織の不足をあらゆる方法を用いて補うことで、開発組織のフロー効率の向上に貢献する専任エンジニアリングマネージャーをお任せいたします。 エンジニアリング組織の生産性を最大化させるためにCTO/VPoEと密に連携しながら、複雑かつ多岐に渡る組織課題に対してチームで連携しながら課題解決に取り組む役割です。組織化されたエンジニアリングマネージャーチームに所属して横断的に動きつつ、担当する機能領域に関してマネージャーとしてお任せしてリードいただくことを期待しております。組織の評価はFourKeysとエンゲージメントを用いており、開発組織のパフォーマンスとチームの精神的なコンディションの変化を指標として観測しています。 また、担当する開発チームのアサインや評価権限を持ってエンジニアやチームに働きかけることで、エンジニア個人のポテンシャルを最大化し、エンジニア組織が変化を観測、状況に合わせてケイパビリティを再構成できるように支援します。 具体的な業務 ●持続可能な状態でスケールできるエンジニアリング組織の設計・構築・運用 ・プロダクト・技術戦略を実現できる組織となるための戦略の立案支援・遂行 ・組織へのアサインメントや役割の創出、フレームの作成 ・開発組織を横断的に見渡し、プロダクトロードマップを実現するために必要な技術やリソースに関する意思決定 ●エンジニア及びエンジニア組織の成長を支援し、成果の最大化を目指したピープルマネジメント ・1on1などによるコンディションチェック、課題の吸い上げ・解決のサポート ・キャリアデザイン支援 ・人事評価制度の改善・運用 ●エンジニア採用活動 ・中途・新卒問わず効率的かつミスマッチの少ない採用プロセスの設計、運用 ・カジュアル面談、面接の実施、改善 ●学習する組織文化の醸成 ・タイミーのエンジニアリング組織のプレゼンスを高め、伝えていくための技術広報 ・社内の学習コミュニティの運営 技術スタック(主要な部分の抜粋) ●Backend 開発言語: Ruby 3.4系 アーキテクチャ: Ruby on Rails 8.0系、RSpec ●Frontend 開発言語: TypeScript アーキテクチャ: Next.js CSR(SPA), React Hooks, SWR ●Mobile（iOS） 開発言語: Swift ●Mobile（Android） 開発言語: Kotlin ●Infrastructure AWS：ECS Fargate, Aurora, RDS, S3, ElastiCache, CloudFront, etc… Elasticsearch(AWS Marketplace) Google Cloud（一部サービス） IaC：Terraform ログ：Datadog LogsとS3に集約 ●その他 ・AIエージェント・LLMツール： - 開発支援: GitHub Copilot Coding Agent, Devin, Cursor, Claude Code - 開発基盤・運用: Vertex AI, LiteLLM, MLflow, Datadog LLM Observability - その他: Gemini, NotebookLM, NotionAI ・コード管理：GitHub ・ コミュニケーションツール：Slack, Notion

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

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

●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

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

●オリックス(株)法人営業本部デジタル戦略推進室にて勤務頂き、SaaSプロダクトの企画・開発を担当していただきます。 AWS基盤上でのアプリ開発経験をお持ちの方を募集します。 ※システム設計、運用の実務は、外部ベンダーが担当しています ●ビジネス視点を前提に関係部署を巻き込み、業務推進を行います。 ●色々なバックグラウンドを持った中途入社の社員も多く、自由闊達でフラットな組織です。 【業務例】 ●SaaS(オンラインストレージ)のプロダクト開発・運用保守 内製開発による新機能の保守開発や顧客問い合わせの調査など、開発・保守運用作業を行います。 (将来的にプロダクト企画や開発マネージャーなどの担当を希望することも可能です。) ※詳細事業内容や採用後ポジションは面接時にご説明いたします