英語活用 NotionのITエンジニア求人・転職情報

PROEVERとは プロジェクトマネジメント専門会社としてのノウハウ、経験を結集させた「プロジェクトマネジメントプラットフォーム」をSaaSとして事業展開しています。プロジェクトデータを一元的に集約し、AI技術も用いてお客さまの意思決定を支援することで、プロジェクト成功およびプロジェクトマネジメント成熟度の向上を支援しております。 主なお客さまは全社横断で多くのプロジェクトを推進しているマネジメント層(PM含む)で、プロジェクトの状況をリアルタイムで正しく把握し意思決定を行うことができます。他社PMツールとは異なり、タスクや課題管理に留まらず、関連する複数のプロジェクトを俯瞰的、横断的に状況把握できることが特徴です。 仕事内容 - 次世代プロダクトの技術戦略の策定と実行 - プロダクト全体アーキテクチャ設計、技術スタック選定 - コードの品質と一貫性を保つためのコードレビューやペアプロの実施 - 技術的課題の発見/解決、パフォーマンス最適化、AI技術の実装推進 - エンジニア組織の立ち上げ・技術文化形成 - チームの技術的な底上げに向けたコーチング、メンタリング - 定常的に新しい技術やツールを評価し、プロダクトに取り入れるべきか判断 ※将来的なCTO/VPoE候補として、徐々に業務に慣れて頂く形を想定しております。 技術環境 - OS: Windows Server, Linux - フロントエンド:TypeScript / Next.js / TailwindCSS / shadcn/ui - バックエンド:TypeScript / Python - データベース:PostgreSQL / GraphQL - インフラ:Azure / Docker - CI/CD:GitHub Actions - バージョン管理:GitHub - プロジェクト管理:PROEVER - デザイン管理:Figma / Storybook - コミュニケーション:Slack / Notion / GoogleWS / MS365 - その他:GitHub Copilot / GitHub Codespaces / Keeper ※変更の範囲:当社及び出向(転籍)先における各種業務全般

●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

●部門(領域)の役割 Hondaのソフトウェア商品開発の一翼を担う「SDV商品サービス開発室 デジタルラボ」はHondaの独自アセットや世の中の先進IT技術を賢く活用して新たな顧客価値に繋がる四輪車向けのデジタルプロダクトを創出することを目指しております。 Honda独自の車両情報データや搭載されたハードウェアを生かし、お客様の体験価値の向上につながるアイデアを自由に発想し、スピーディーにプロトタイプの開発と検証につなげています。また、世の中の先進IT技術のリサーチを行い、新たな顧客価値探索にも取り組んでおります。 ・四輪製品価値向上に貢献するコネクテッド、デジタルサービスの新規アイデアの創出・プロトタイプ提案 ・顧客価値仮説に基づく新サービスのスピーディーな企画立案とプロトタイプ・MVP開発 ・市場トライアルを通して高速で仮説検証のPDCAを推進 ・市場でのアジャイルな継続改善 上記を通して顧客の体験価値を継続的に向上させ、SDV事業やライフサイクルビジネス全体の向上に貢献することを目指しております。 ●任せる業務の概要 ・モバイル及び車載アプリの企画開発 ・顧客価値の仮説立案からMVP定義、プロダクトロードマップの策定 ・UX/UI設計、システム要求・運用要件の定義 ・ステークホルダーとの調整、プレゼンテーション ・プロダクトのリリース及び継続改善の推進 など ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります。 ●使用ツール/開発言語など ・プロジェクト管理:Notion / Jira・Confluence ・チームコミュニケーション:Teams / Slack ・UXUI設計:Figma / Adobe XD / Miro / Mural ・プロダクト利用状況の把握・解析:firebase, amplitude, data.ai etc ・開発言語: Kotlin, Java, Swift, Flutter, Python, HTML, Typescript等 ・開発環境: AWS, GCP, Azure, Android Studio, xCode, Visual Studio Code, Unity, GitHub

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

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

AIの企画・開発・運用からAIガバナンスまでAIに関するあらゆる業務を一手に引き受けており、社内の各部署とコミュニケーションをしながら10倍規模を実現するAIドリブンな事業基盤の構築を目指しています。 ●AIドリブンな事業基盤の戦略策定・実行 ・全社AIプロジェクト企画と推進 ・プロジェクト企画と評価のためのデータ分析 ●AIによるビジネス課題の特定と解決 ・社内各部署とのコミュニケーションを通じた業務課題の特定とAIによる改善施策の立案 ・プロダクトチームとのコミュニケーションを通じたAI導入プロジェクトの推進 ・プロジェクト企画と評価のためのデータ分析 ●AIドリブンな事業基盤の開発・運用(DevOps) ・AIモデルを中心としたAIシステムの要件定義・設計・開発・運用 ●AIガバナンス ・AI導入時のリスク分析・評価およびリスク管理施策の検討・運用 ・AIを安全かつ最大限に活用するための社内ルール整備、社員教育の推進 ※AIは統計モデル、機械学習、LLMを含む学習モデル全般を意味する 期待する役割 グループ責任者やチーム責任者と共に業務効率化と顧客体験向上のプロジェクト企画や推進を担っていただきます。チームを牽引するリーダーとしてご活躍いただくことを期待しています。 ●AIプロジェクトへの積極的な参画: 各プロジェクトにおいて、自身の専門知識を活かしてAI技術の導入とその適用をサポートし、プロジェクトの目標達成に貢献する。 ●部門間コミュニケーションの担い手: 社内の他部門と円滑にコミュニケーションを取り、部門間協力を促進してAIシステムの適切な導入を支援する。 ●チームで成果を出す: チームメンバーのフォローと育成。 ●投資対効果の高い施策の見極め: データに基づく根拠をもとに、プロジェクト企画や評価を行っていただき、投資対効果の高い施策を見極めて、施策優先度を適切に判断 ●バランスを考慮した推進: AIを安全かつ最大限に活用するための社内ルール整備、リテラシー向上や活用促進のための社員教育の推進 技術スタック ・クラウドサービス: AWS(実行環境やBedrockの利用), Azure(OpenAIの利用), GCP(Geminiの利用や分析基盤) ・実行環境:AWS ECS, AWS EKS, AWS Lambda ・データベース:AWS Aurora MySQL, AWS DynamoDB ・開発言語:Python ・コード管理:GitHub ・CI/CD:GitHub Actions, ArgoCD ・コンテナオーケストレーション:Kubernetes ・外部サービス:Datadog ・分析基盤:BigQuery ・ドキュメンテーション:Notion ・エディタ:VSCode ・開発支援AI:GitHub Copilot, GPT-4o(Azure OpenAI Service経由) ・生成AI API:Azure OpenAI Service, AWS Bedrock, Gemini API

●業務内容 AIの企画・開発・運用からAIガバナンスまでAIに関するあらゆる業務を一手に引き受けており、社内の各部署とコミュニケーションをしながら10倍規模を実現するAIドリブンな事業基盤の構築を目指しています。 ▽AIドリブンな事業基盤の戦略策定・実行 ・全社AIプロジェクト企画と推進 ・プロジェクト企画と評価のためのデータ分析 ▽AIによるビジネス課題の特定と解決 ・社内各部署とのコミュニケーションを通じた業務課題の特定とAIによる改善施策の立案 ・プロダクトチームとのコミュニケーションを通じたAI導入プロジェクトの推進 ・プロジェクト企画と評価のためのデータ分析 ▽AIドリブンな事業基盤の開発・運用(DevOps) ・AIモデルを中心としたAIシステムの要件定義・設計・開発・運用 ▽AIガバナンス ・AI導入時のリスク分析・評価およびリスク管理施策の検討・運用 ・AIを安全かつ最大限に活用するための社内ルール整備、社員教育の推進 ※AIは統計モデル、機械学習、LLMを含む学習モデル全般を意味する ●期待する役割 グループ責任者やチーム責任者のサポートのもと、AI技術導入の企画立案・AI開発運用からAIガバナンスまで、チームの中心メンバーとしてAIドリブンな事業基盤の構築に一緒に挑戦していただける方を募集しています。 ▽AIプロジェクトへの積極的な参画: 各プロジェクトにおいて、自身の専門知識を活かしてAI技術の導入とその適用をサポートし、プロジェクトの目標達成に貢献する。 ▽部門間コミュニケーションの担い手: 社内の他部門と円滑にコミュニケーションを取り、部門間協力を促進してAIシステムの適切な導入を支援する。 ▽AIリスク管理の実施: AI導入時のリスクを認識し、リーダーやチームメンバーとともにリスク管理策の策定と運営に貢献する。 ▽データ分析に基づく実行と評価: データに基づく根拠をもとに、プロジェクト企画や評価を行っていただき、貢献度の高い施策を探求する。 ▽技術向上とナレッジシェア: 最新のAI技術について継続的に学び、チーム内での知識共有を行い、組織全体の技術力向上に寄与する。 ●技術スタック ・クラウドサービス: AWS(実行環境やBedrockの利用), Azure(OpenAIの利用), GCP(Geminiの利用や分析基盤) ・実行環境:AWS ECS, AWS EKS, AWS Lambda ・データベース:AWS Aurora MySQL, AWS DynamoDB ・開発言語:Python ・コード管理:GitHub ・CI/CD:GitHub Actions, ArgoCD ・コンテナオーケストレーション:Kubernetes ・外部サービス:Datadog ・分析基盤:BigQuery ・ドキュメンテーション:Notion ・エディタ:VSCode ・開発支援AI:GitHub Copilot, GPT-4o(Azure OpenAI Service経由) ・生成AI API:Azure OpenAI Service, AWS Bedrock, Gemini API ●オンボーディングおよび育成計画 下記を想定しながら適宜チームでフォローします。 ▽1年目: ・ゴール:AIプロジェクトでのスキル向上 ・内容:プロジェクト参加(サポートを得ながら推進) ・支援:キャリアサポート(月次1on1) ・評価:半年ごとに目標設定と評価 ▽2年目以降: ・ゴール:プロジェクトリーダーへの成長 ・内容:リード役経験、戦略会議参加 ・支援:キャリアサポート(月次1on1) ・評価:半年ごとに目標設定と評価

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

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

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

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

【プロダクトビジョン】 「すべてのユーザーがシステムとAIを使いこなせる世界に」 テックタッチは、どんなシステムでも、誰もが迷わず操作できる体験を届けてきました。 「使える」だけでなく、「使いこなせる」体験へ。 そして今、その思想をAIの世界にも広げています。 システムもAIも、人が中心となって使いこなせる世界をつくっていく。 その実現のために提供しているのが、AI型Digital Adoption Platform「テックタッチ」です。 【プロダクト】 テックタッチは、あらゆるWebシステムやサービスの画面上に操作ガイドやナビゲーションを表示し、ユーザーが迷わずにシステムを使いこなせる体験を提供するDigital Adoption Platform(DAP)「テックタッチ」を開発しています。 5年連続国内シェアNo.1*、利用者数900万人*を超える巨大な基盤を活かし
現在はLLMやRAGなどの生成AI技術を組み込み、既存のWebシステムを改修することなく
システムを使いながら「自然にAIを活用できる体験」を目指しています。 *1 出典:株式会社アイ・ティ・アール「ITR Market View:コラボレーション *2 出典:ナレッジ共有市場2025」デジタル・アダプション・プラットフォーム市場:ベンダー別売上金額シェア(2021～2025年度予測) 【CSEチームとは】 お客様へサービスのスムーズな導入を技術支援する「IS(インプリメンテーションサービス)」業務と、導入後の高度な技術サポートを通じてお客様の継続的な成功を支える「TS(テクニカルサポート)」業務を主軸とした、エンジニアチームになります。 【主な業務内容】 ご入社後はまず、TSE(テクニカルサービスエンジニア)として、お客様の「テックタッチ」導入後の高度な技術サポートを推進していただきます。 将来的にはISE(インプリメンテーションサービスエンジニア)の領域も含む、多彩な技術フィールドでご活躍いただけます。 ●主なミッション 高い技術力とビジネススキルを発揮したテクニカルサポート: 深い製品知識とエンジニアスキルで迅速に問題に対応。 ビジネスチームとプロダクト開発チームの双方と密に連携し、お客様の「テックタッチ」利用における安定稼働と信頼回復を実現します。 事業推進のための技術的ハブとしての役割: ビジネスチームが顧客とのアライアンスや新規サービスを企画する際、製品知識とエンジニアリングの視点で構想の技術的実現性を支援。 PdMへの情報連携をリードすることで、新たな事業企画を技術面から支援します。 プロダクト改善への貢献: お客様の声や洞察に基づき、PdMチームの新機能の仕様策定を支援。 更にスプリントレビュー等を通じて開発チームもサポートし、プロダクトの継続的な価値向上と品質担保に貢献します。 業務効率化の推進:自チームだけではなく他チームと協業して業務を推進するため、常に全体最適に向けたプロセス設計、ツール導入や内製開発等に取り組んでもらいます。 ●ご経験を活かせる領域・サポート体制について 上記のミッションでは、これまで培ってきたWebシステム開発やテクニカルサポート、プロジェクトマネージメントといったご経験を発揮頂きたいと考えています。 もちろん、全ての領域に精通している必要はありません。 一部業務が未経験の方や、 特定の技術領域のご経験が浅い方でもご安心ください。 入社後のオンボーディングやチーム内でのサポートを通して、早期のキャッチアップとご活躍を全力でバックアップします。 新しい技術や未知の領域にも、安心して挑戦できる環境を用意しています。 【チーム体制】 現在4名で業務を行っています。 <TSE職入社メンバーの紹介> 新卒でWeb制作会社に入社し、サイト運用のディレクションやWebシステム開発の経験を積む。 その後、Salesforceの初期導入を実施するパートナー会社で、様々な業種業態の企業へ提案・開発を行う。 21年12月にテックタッチへCSEチームで入社。

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

Job/Group Overview: 野村グループは、グローバル金融サービス・グループとして、世界約30の国や地域にネットワークを有しています。 日本のインフォメーション・テクノロジー部門は、25以上の国籍のメンバーが在籍する多様な環境であり、日本のリテール・ウェルスマネジメントビジネス、グローバルホールセール(グローバルマーケッツとインベストメントバンキング)において、テクニカルサポート、アプリケーション開発、システム変更などの業務に従事しています。 野村グループは、充実した福利厚生、トレーニングやスキルアップの機会を提供し、ダイバーシティー、エクイティとインクルージョンの推進、従業員の健康とウェルビーイングを重視しています。 Nomura is a global financial services group with an integrated global network spanning over 30 countries. Japan IT (Information Technology) is a diverse environment with employees of over 25 nationalities, who work on technical support, application development and implementation of system changes for Japan Retail Wealth Management Business and Global Wholesale (Global Markets and Investment Banking). Nomura provides competitive employee benefits, training and upskilling opportunities, and is committed to promoting diversity, equity and inclusion, employee health and well-being. 弊社は、グループと急いでそのサポート構造を強化することために根本的にIT基盤プラットホームを標準化しています。 クラウド・データベース・エンジニア(主にMicrosoft SQL ServerとMySQLについてのしっかりした知識によるAWSで専門)としてミッションクリティカル・データベース・プラットフォームを設計して、建設して、管理するために、我々は探しています。 我々の組織において、我々には世界中で多様な専門知識で基盤建築家とエンジニアがいます。 実力を示すデータベース・エンジニアとして様々なプロジェクト(弊社のプラットホームをハイブリッドクラウド環境に更新、自動的、Infrastructure-as-a-codeに切り替え)、海外の同僚と協力するエンジニアを探しています。 Our firm has embarked the journey to radically standardize IT infrastructure platform for Group and strengthening its support structure in a hurry. We are looking for a Cloud Database Engineer, primarily specialized in AWS with sound knowledge of Microsoft SQL Server and MySQL, to design, build and operate our mission critical Database platform. In our organization, we have infrastructure architects and engineers with diverse expertise across the globe. We are actively looking for individuals who are eager to excel their skills as infrastructure database engineer through not only day-to-day activities but also various strategic projects, such as transforming our platform to a Hybrid Cloud environment, Automation and shifting to Infrastructure-as-a-Code, collaborating with colleagues in overseas. Responsibilities: データベース・サービスのためにスケールブルで強い構築を設計して、実行します。 データベース・サービスのために高可用性、災害回復、バックアップと会計検査の解決を開発します。 クラウド基盤のオートメーションとデータベース配給することため、標準化されたTerraformとCloudFormationモジュールを作成します。 IAM役割、方針、許可境界と資源ベースの方針を発達して管理します。 AWSのログおよび監視ソリューションを実装し、維持管理します。 (CloudTrail、CloudWatch、S3レプリケーション、バケットポリシーを含む) 。 クラウド環境でネットワーク(保安)への固執を確実にします、そして、コンプライアンスは最も練習します。 GitLabでバージョン支配します。 JiraとConfluenceを使用して仕事の流れ、プロセス、設計を文書化します。 変化、事件管理、いろいろな家事メンテナンス作業します。 アプリケーション・チームからの質問と要請を管理して、新たなシステムのビルド-アウト・プロジェクトに関して、データベース設計の上でコンサルティングを提供します。 データ保護解決、匿名化、データベースに暗号化を実現します。 データ移動、テープへのバックアップ、災害回復のためアプリケーション・チームと一部を協力します。 野村グループでの「Follow-The-Sun」モデルでグローバルのエンジニアと共に24x7本番サポートを提供します。 Design and implement scalable, resilient architectures for database services. Develop solutions for high availability, disaster recovery, backups, and auditing for the database services. Create standardized Terraform and CloudFormation modules for the automation of cloud infrastructure and database provisioning. Develop and manage IAM roles, policies, permissions boundaries, and resource-based policies. Implement and maintain AWS logging and monitoring solutions, including CloudTrail, CloudWatch, S3 replication, and bucket policies. Ensure adherence to networking, security, and compliance best practices in cloud environments. Utilize GitLab Enterprise for version control, adhering to best practices. Document designs, processes, and workflows using Jira and Confluence. Changes and Incident Management and Perform various house-keeping maintenance tasks. Manage inquiries and requests from Application teams or provide consultancy on Database design on new systems build-out projects. Implement Data protection solutions, anonymization, and database level encryption. Assists Application teams for Data migration, Backup to Tape, and Recovery process part of disaster recovery. Provide Production support in 24x7, partnering with engineers globally in Follow-The-Sun Model.

事業概要 当社は、「アルゴリズムで、社会はもっとシンプルになる。」というビジョンを掲げ、アルゴリズムを用いて人の働き方に余白をつくることを目指す、東大松尾研究室発のAIベンチャーです。 アカデミアにおける知見を活用し、業界横断的なビジネスシーンをデジタル化/定量化することで、「複雑・非効率・非合理」がないシンプルで皆がいきいきと生きられる社会を実現していきます。 2017年の創業から、「DXパートナーサービス」と「AIソフトウェアサービス」の2つの事業を軸に、「人とAIが協働する次世代のビジネスプロセス」の構築を実現しています。 DXパートナーサービス 各業界をリードする顧客企業と共に、最先端のAI技術を用いたDXプロジェクトの推進やAIを活用した次世代の事業開発を行う事業です。 当社は、「日本で最も顧客の持続的成果を追求するAIソリューション会社」を掲げ、AIの着実な社会実装と顧客現場への価値創出を実現しています。 特に、日本のAI導入PJが成功率3%と低い中で「データの構造化技術と実業務への組み込み力」を強みに、PoCからの開発継続率を87%で維持している点が特徴です。 最先端のAI技術を顧客のビジネスプロセスに組み込み、顧客や社会に「持続的な価値を提供し続けるAIシステム」を開発したい方に最適な環境です。 仕事概要 DXパートナーサービスにおけるプロジェクトを推進するAIエンジニアのポジションです。 画像・映像・音声・自然言語などをマルチモーダルに掛け合わせ、クライアントの課題を解決するAIアルゴリズムを中心に設計・実装をお任せします。 クライアント企業は金融や製造、モビリティなど多岐に渡り、業界横断的な業務のデジタル化を進める上で重要となるDeep Leanringアルゴリズムの研究開発や、社内で開発を進めるパッケージをベースにしたAIアルゴリズム・システムの開発などを担当して頂きます。 業務内容 ●クライアントの事業課題の解決に適したアルゴリズムの設計・実装 ●クライアントに対する分析結果等のレポート ●ソフトウェアエンジニアと協業し、ソフトウェアやAPIへのアルゴリズムの組み込み プロジェクト例 ●モビリティ領域の協業案件 (https://prtimes.jp/main/html/rd/p/000000097.000044470.html) SOMPOグループのモビリティ関連会社と資本業務提携。事故車/中古車の状態や価値を画像認識AIを用いて判定し、B2BオークションのビジネスプロセスをAIで再構築し、デジタル新規事業を開発・推進。 また、ディーラーや中古車販売店向けに事故車の価格を即時算出するAIアプリを開発・リリースしました。 ●大手金融機関に向けたGAI構築案件 SMBCグループにおける社内規定などの書類をAIが読み込み・生成しやすい形で構造データ化し、生成AIを用いて業務効率化を行うSMBC-GAIを構築し全社員に展開。5万時間にのぼる工数削減を実現しました。 開発環境 言語:Python Deep Learningフレームワーク: PyTorch OS:Linux コミュニケーション: Slack, Zoom タスク管理: Notion