機械学習・データ活用 NotionのITエンジニア求人・転職情報

●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

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

●配属部署 マーケティング本部　マーケティングユニット ●概要 全社横断のデータ利活用を推進するため、キャッシュレス決済データ(取扱高58.9兆円、会員数3893万人、月間数億件のトランザクション)に代表される社内外の膨大なデータを扱う、モダンかつスケーラブルな次世代データ基盤の構築・運用をお任せします。 ●仕事内容 具体的には、以下の業務を通じて、ビジネス部門や顧客向けのデータ利活用をエンジニアリングの側面からリードしていただきます。 ・データ基盤の設計/構築/運用:AWS、Snowflake、Databricksを用いた、スケーラブルで堅牢な全社向けデータプラットフォームのエンジニアリング ・データパイプラインの開発:dbtを用いたデータ変換(モデリング)の高度化、およびGitHub ActionsによるCI/CD環境の構築・自動化 ・データマネジメントの実装:メタデータ管理、データ品質、ガバナンスを担保したデータモデリングの実践 ・データ利活用の支援:Lightdash等のBIツールを用いたデータ可視化や、顧客向けデータ提供サービスのバックエンド実装支援 ・内製開発文化の醸成:技術選定や開発プロセスの改善を通じ、モダンな技術スタックを用いたアジャイルな内製開発チームのリード ●開発チームの環境・カルチャー 内製化を強力に推進するにあたり、エンジニアがパフォーマンスを最大限に発揮し、自律的に改善を行えるモダンな開発環境の整備を進めています。 ・コミュニケーションとナレッジ:Slackを用いたスピーディーなコミュニケーションと、Notionへのドキュメント集約による、透明性の高いナレッジ共有を徹底しています。 ・開発生産性の可視化/継続的改善:Findy Team+を導入してチームの開発パフォーマンス(Four Keysなど)を定量的に計測し、データに基づいた開発プロセス改善に取り組んでいます。 ・AIエージェントによる開発の加速: Claude Codeを活用したエージェントコーディングを導入開始しており、エンジニアがより本質的な設計やデータモデリングに注力できる環境づくりを進めています。

▼SREの役割 内製プロダクト(テレシーアナリティクス、ライトニングMMM等)のPlatform・Security組織の立ち上げメンバーとして、AIネイティブ企業の基盤をゼロから設計するポジションです。 AWS/GCPを活用したインフラ設計・運用だけでなく、セキュリティポリシー、認証・認可、AIエージェント基盤のアーキテクチャ設計まで主体的に意思決定していただきます。 「単に現状を維持する」のではなく、IaCや自動化で運用そのものをアップデートし、将来的には社内AIエージェント基盤など、ベストプラクティスが固まっていない領域のインフラ・セキュリティ設計にも携わっていただくことがミッションです。 ▼お任せする業務 ・Terraformによるインフラのコード化、AWS/GCPリソースの設計・構築 ・CloudWatch / Cloud Monitoring / Sentryを用いた監視設計、アラート対応、インシデント対応 ・新機能・新サービスのローンチ時のインフラ設計、セキュリティレビュー、キャパシティプランニング ・脆弱性スキャンの運用、CVE対応、IAM・アクセス制御の設計 ・セキュリティインシデント発生時の一次対応と再発防止策の整備 ・生成AI利用ガイドラインやサプライチェーン攻撃への対策設計 ・パフォーマンス改善、コスト最適化、CI/CDパイプラインの整備 ・Snowflake、dbt Cloudを用いたデータ基盤の運用支援 ▼将来的に取り組みたいこと ●社内AIエージェント基盤のインフラ・セキュリティ設計 : ・今後、社内業務を変革するAIエージェント基盤の構築を計画しています。エージェントが社内データや外部APIにアクセスする以上、従来のセキュリティモデルでは対応しきれない領域です。基盤のアーキテクチャ設計からセキュリティ統制まで、ゼロから設計・構築していただける環境です。 ●スケールに耐えうるインフラ体制の構築 : ・プロダクトの成長と顧客拡大に伴い、巧妙化するサイバー攻撃に耐え、高いサービスレベルを維持できるインフラ体制を構築していきます。 開発環境 ●インフラ・データ基盤 : ・AWS、GCP、Terraform、Snowflake、dbt Cloud ●監視・運用 : ・CloudWatch、Sentry、Cloud Monitoring ●社内利用ツール : ・Salesforce、Google Workspace、Notion、Slack、Chatwork、Claude等のAI製品を含む計20サービスを利用

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。業務は大きく2つの側面があります。 【1. 全社基盤・未解決領域の実現】 ・技術POCと新規領域の実装 — 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 ・プロダクト横断基盤の企画・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、認証基盤などの整備・運用 ・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 【2. プロダクトチームの支援・能力向上】 ・複雑度の高い技術課題(アーキテクチャ分離、信頼性改善等)への、設計リード・並走 ・設計レビュー・壁打ち・モブプログラミングを通じた、各チームのテックリード・エンジニアへの技術支援 ・生成AI活用の全社推進 — ハンズオン実施、スキル・ワークフローの整備、エンジニア以外の部門への活用展開 ・チームの開発プロセス改善支援(スクラムイベントのファシリテート等) 支援においては「人手の貸し出し」ではなく、関与が終わった後にチームに高まった能力が残ることを大切にしていきます。2つの側面の配分は固定せず、組織の状況に応じて優先度を判断しながら取り組みます。 【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代の若手メンバーも多く活躍しています! また横断組織は今後も継続的に拡大していく計画です。組織の成長に伴い、プラットフォーム機能やイネイブリング機能の専門チーム化を見込んでおり、その立ち上げをリードするポジションへの道が開かれています。初期メンバーとして入ることで、組織設計そのものに関与する機会があります。 ●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 ●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。

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)

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

デジタルグリッドでは電力取引プラットフォームのバックエンド開発をお願いできるソフトウェアエンジニアを募集しています。 例として以下のようなサービス機能の企画・開発・運用に携わっていただきます。 ■役割 ・電力の需要家と発電家をマッチングさせ、需要家が必要な電力量を売買する市場の取引ロジックを開発します。 ・機械学習エンジニアと連携しながら需要量・発電量を予測するサービスを提供します。MLOps 環境の整備や運用を行います。 ・顧客の各種契約を管理や、顧客が調達した電力量・使用した電力量等に基づいた請求を行います。社内メンバーの運用を効率化し、少ないメンバーでスケールする運用を支える社内ツールの開発も行います。 ■具体的な業務内容 基本的には以下の業務をお願いします。 ・要件定義 ・モデリング ・設計 ・実装 ・コードレビュー ・障害対応 ・ドキュメントの記載と更新 また必要に応じてスクラッチでの新規システム開発が発生します。 2025年7月時点での主要技術スタックと使用しているツールは以下の通りです。 ・Python(FastAPI) ・JavaScript(TypeScript, React) ・PostgreSQL ・AWS ・GitHub ・Slack ・Notion スタートアップやメガベンチャーでウェブアプリケーションの開発を行っていた方はフィットすると思います。 ドメイン知識が固有で広く深く、既存の他社のシステムとの連携もあるため、設計自体も非常にチャレンジングで面白いです。 ぜひ一緒にあーでもないこーでもないと悩みながらスケーラブルなシステムを作っていきましょう! どの職種に応募してよいか不明な場合、事業やポジションについてより詳細に知りたい場合はカジュアル面談を実施しております。 お気軽にご連絡ください。 -2025年4月東証グロース市場へ新規上場いたしました!- 「電力を生む発電家」と「電力を買う需要家」が直接売買できるシステムを備えたプラットフォームを提供しています。 未来の子どもたちがエネルギーの制約にとらわれずに過ごせるように。 電力取引に参入しやすいプラットフォーム=市場を整えることで、人と地球に優しい「再エネ」をスタンダードにすることを目指します。 *ーデジタルグリッドはこんな会社ですー* ●経済情報番組「PIVOT」に出演しました https://www.youtube.com/watch?v=y1z0B97e1j4 ●デジタルグリッド社長の一日に密着～セミナーの裏側を大公開～ https://youtu.be/Ix4fZF_lSHs?si=MlSz4deEvLE2SCgX ●【蓄電所を初公開】いま注目の系統用蓄電池ーデジタルグリッドが蓄電所をつくる理由とはー https://youtu.be/zRDlmHxB0XQ?si=jiu2E7GEtvfYyiYE ●"売るだけじゃない” 営業の仕事と成長の裏側 https://youtu.be/M0NM3kp0Ec0?si=iH-8PSof4TuBJpZV

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

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。 1.マッチング体験の向上 ・マッチングロジックの実装・運用 :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実装し、安定運用と継続的な改善を担う ・マッチングに必要なデータ・特徴量の設計と実装 :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実装・運用する ・ML基盤上での機能実装・運用 :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、およびRecommend API周辺のプロダクト実装・安定運用を担う ・LLMを活用した自律的な改善ループの構築 :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構築する 2. プラットフォームの信頼性・安全性向上 ・AI機能の安全性実装 :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機能を実装・改善する ・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 :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高精度な分類・回帰モデルの構築、および特徴量エンジニアリング ・データセット設計・品質改善 :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、合成データの生成によるモデルの堅牢性強化 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: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 ・品質・コスト・レイテンシーの継続的な可視化: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 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

提案からデモ開発、マネジメントまでを一気通貫で担う「AIコンサルティングサービス」にて、最先端の生成AI(GPT-4oなどのLLM)を活用した開発プロジェクトを、"プロジェクトリーダー(PL)候補"として、まずは開発工程から参画いただきます。 PMの元でメンバーの業務をリードするだけでなく、実装で技術を磨きつつ、段階的に設計などの上流工程へも参画いただけます。 はじめは開発経験を活かしながら、設計・実装フェーズでプロジェクトをリード。 将来的に、技術とビジネスの両面を理解した"PM"や"ITコンサル"として成長できるポジションです。 ●具体的な業務 ・生成AI/LLMを活用したシステムやアプリケーションの開発、性能向上 ・大規模言語モデルにおけるプロンプトエンジニアリング ・AIエージェントプラットフォームの設計・開発・運用 ・ユーザーのニーズに応じたAIエージェントのカスタマイズ・チューニング ・LLMを活用したAIエージェントの実装 ・Google Cloud/AWS/Azureなどのクラウド環境の構築・運用 など 取引先は、伊藤忠商事、Mizkan、T&Dフィナンシャル生命などの大手企業が中心。 ●開発環境 開発言語:Python, Go, JavaScript, TypeScript, HTML, CSS フレームワーク:Node.js, React, Django, Flask 生成AIツール:Claude, Gemini クラウド:AWS, Azure, GoogleCloud 開発基盤:GitHub, Docker 情報共有ツール:Slack, Notion など ●開発体制 プロジェクト毎にチームを編成(5~10名程度)し、少人数で裁量を持って働いているチームです。 また、全社に「ニックネーム制度」を導入。年齢や役職関係なくコミュニケーションが活発な環境です。 20代後半〜30代が殆どで、パパママ社員もライフスタイルに合わせて働いています!

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

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

kubellでは「Chatwork」を中心に、BPaaSや新規事業など複数の事業を展開しており、日々膨大なデータが蓄積されています。 データアナリストは、これらのデータを活用して事業KPIの可視化や分析を行い、インサイトを提供することで、迅速かつ的確な意思決定を支援します。 また、シニアメンバーと協働して高度な技術やベストプラクティスを吸収しながら、データマートやデータモデルの設計・構築にも携わっていただきます。 ビジネスサイドと連携し、データの力で意思決定を支援するとともに、自律的に分析プロジェクトを推進していただく役割です。 <具体的には> 1.データマートとデータモデルの設計・構築 -メダリオンアーキテクチャに基づいた、スケーラブルで分析しやすいデータモデルの設計・構築(シニアメンバーとの連携・協働) -dbtを用いたデータモデリングの実装 -横断セールス/マーケティングデータマートの構築支援 -事業管理をはじめとするトラストデータの整備支援 2.データ分析とインサイト提供 -ビジネス/プロダクトの現場課題に対し、分析テーマを提案・実行 -戦略的示唆の抽出による意思決定支援 -ユーザー行動分析、顧客セグメンテーション、施策効果測定 -事業KPI・財務指標(CAC/LTV/MRRなど)の可視化と分析 3.ダッシュボード・BIツールの開発・運用 -Lookerを用いたダッシュボードやレポートの設計・構築・運用 -事業管理ダッシュボード、セールス/マーケティングモニタリング環境の構築 -レポーティング業務の効率化と自動化 4.チーム協業とステークホルダー連携 -ビジネス/プロダクトの現場部門へのデータ利活用の推進 -ビジネス部門とのコミュニケーションを通じた、データドリブンな意思決定の支援 -データソリューションの現場提供に向けたSalesforceエンジニア、CRMアーキテクト、BizOpsとの連携 -クロスファンクショナルチームでのプロジェクト推進、ステークホルダーとの定期的なミーティング 【変更の範囲】 ・部署異動等により当社業務全般へ変更する場合があります(出向含む) 使用技術・ツール <プログラミング言語> ・SQL(Hive、Presto、など) ・Python <インフラ> ・Snowflake ・TreasureData <ツール> ・データエンジニアリング:dbt ・コード管理:GitHub ・BI:Looker Studio、exploratory、Google Spreadsheet、Excel等 <タスク管理> ・JIRA <情報共有> ・Chatwork ・Confluence ・Miro ・Slack

●概要 サプライチェーンリスク管理SaaS「Resilire(レジリア)」において、ユーザーに価値を届ける開発業務をお任せします。 フロントエンド・バックエンド・インフラの区分にとらわれず、プロダクトの成功に必要な開発を幅広く推進していただきます。 社内で創出される多様な事業アイデアを、CEOやチームメンバーと密に連携しながらスピード感を持ってプロダクトに昇華させる機会もあり、技術選定から設計・実装・改善に至るまで、広い裁量と責任を持って取り組んでいただける環境です。 ●業務内容 当社サービスResilireのソフトウェア開発(フロントエンド・バックエンド・インフラの開発をスキルに応じて担当) 顧客フィードバックや利用ログを元にした機能改善・追加 PdMやデザイナーなどのステークホルダーとのOwnershipを持った協働 事業拡大に伴うデータ量・トラフィック増大に対するスケーリング戦略の策定と実装 AIエージェント活用を前提としたアーキテクチャの整理・品質統制の仕組みづくり 監視・ログ・障害対応を含む運用の自動化・高度化 テスト戦略の策定やリリースプロセスの設計を通じた品質の構造的な作り込み 仕様が固まっていない段階からの探索的な開発と推進 チーム全体の生産性向上に向けた開発・運用プロセスの継続的改善 技術広報・採用活動を通じた対外発信 【シニアエンジニアへの期待】 Resilireのエンジニアには、プロダクトの成功に対する高いコミットメントと貢献を期待しています。 すべての活動の前提として、下記のような姿勢で取り組むことにやり甲斐をを感じられる方を求めています プロダクトとドメインに深く入り込み、高い解像度と当事者意識を持って課題に向き合う ビジネスと開発などの垣根を超えた、幅広いステークホルダーとの越境コミュニケーション ソフトウェアエンジニアとしての技術力を活かした課題発見と解決 その上で、シニアエンジニアには以下の3つの軸のいずれか、または複数において強みを発揮し、プロダクトおよび組織の成長を牽引していただくことを期待しています。 1.システムのスケール データ量やトラフィックの増大に耐えうる設計と、AIエージェントを前提としたスケーラブルなアーキテクチャの実現を牽引していただきます。 UXや運用コストの最適化を図りながら、事業の急成長を技術面から支える根幹を担っていただくことを期待しています。 2.組織のスケール 開発の最前線で手を動かしながら、品質と生産性を両立し、継続的に高いアウトプットを生み出すエンジニアリング組織の強化を牽引していただきます。 また、技術広報や採用活動といった外部発信にも積極的に関与していただくことを期待しています。 3.プロダクトのスケール 事業課題と顧客価値を深く理解し、不確実性の高い状況下でも仮説検証をリードしながらプロダクト開発を推進していただきます。 新規・既存を問わずUXと事業KPIの最大化にコミットし、AIやデータ活用による非連続なプロダクトの成長を牽引していただくことを期待しています。 ●技術スタック FE 言語:TypeScript/JavaScript FW:React.js BE 言語:Go(API), Python(クローラ) DB:CloudSQL(PostgreSQL), BigQuery インフラ GCP, GKE, Terraform, Sentry, k8s ツール Github, Slack, notion, Figma, miro AIツール Claude Code, Cursor, Github Copilot, Jetbrains AI Assistant, Devin, n8n, Dify, ChatGPT, Gemini, NotebookLM, PLAUD.AI ※エンジニア・デザイナーの意見を積極的に採用し、ツール導入を行なっている ●開発フロー プロダクトオーナー (CEO) を中心に関係者で開発要件を検討 スクラム開発をベースとしてデイリーと週末のレトロスペクティブで同期 週1のリリースサイクル、今後はデイリーリリース化を念頭に準備中 ●技術的チャレンジ Multi vertical SaaSとして業界横断でPMFするための画面・機能実装 グローバルに事業展開していくためのプロダクト開発 データで定量的にプロダクト成長・ユーザーサクセスを実現するための仕組み作り APIや仕組みの整っていない各国の状況でいかにグローバルにリスク情報を取ってきてユーザーに価値を届けるか

【事業概要】 テックタッチのAI Central事業部では、企業が持つ様々な文章データを独自のデータベースへとAIを使い構造化し、その企業だけのナレッジベースを作り上げる革新的なプロダクトを開発しています。 特に定性データを感情や要望を含めた分析可能な形に変換する技術や、業界・企業特有の文脈を理解した分析が可能な点が特徴的です。 また、蓄積されたデータをもとにAIがディスカッションパートナーとなり、製品開発やマーケティング戦略の意思決定をサポートする機能も顧客から評価されているポイントです。 テックタッチは「すべてのユーザーがシステムを使いこなせる世界に」をミッションに掲げ、生成AIを活用した新規事業の立ち上げを行なっています。 AIの活用は企業の経営として今後なくてはならないものになると信じており、特に弊社の顧客基盤である大企業ではAIの活用は待ったなしの状況となっています。 【実際に担当いただく業務】 AI Central事業部では、BizチームとProductチームが共同しながら、常に新しいAI技術へのキャッチアップ、トレンド理解、技術理解、顧客活用に勤しんでいます。 本ポジションで具体的に担っていただきたい仕事の例は以下の通りです。 ・生成AIと連携するデータ分析プラットフォームのバックエンド設計・実装・運用 ・LLM(OpenAI, Claude等)と連携した自然言語クエリ処理の設計・実装・運用 ・実行されるクエリ/ プロンプトの監視・最適化・リトライ設計など、信頼性の高いデータ処理基盤の構築 ・可観測性(logging / metrics / tracing)やアラート設計による運用負荷の最小化 ・プロダクトの可用性やユーザー体験を意識したパフォーマンス改善・障害対応フロー整備

【事業概要】 テックタッチのAI Central事業部では、企業が持つ様々な文章データを独自のデータベースへとAIを使い構造化し、その企業だけのナレッジベースを作り上げる革新的なプロダクトを開発しています。 特に定性データを感情や要望を含めた分析可能な形に変換する技術や、業界・企業特有の文脈を理解した分析が可能な点が特徴的です。 また、蓄積されたデータをもとにAIがディスカッションパートナーとなり、製品開発やマーケティング戦略の意思決定をサポートする機能も顧客から評価されているポイントです。 テックタッチは「すべてのユーザーがシステムを使いこなせる世界に」をミッションに掲げ、生成AIを活用した新規事業の立ち上げを行なっています。 AIの活用は企業の経営として今後なくてはならないものになると信じており、特に弊社の顧客基盤である大企業ではAIの活用は待ったなしの状況となっています。 【実際に担当いただく業務】 AI Central事業部では、BizチームとProductチームが共同しながら、常に新しいAI技術へのキャッチアップ、トレンド理解、技術理解、顧客活用に勤しんでいます。 本ポジションで具体的に担っていただきたい仕事の例は以下の通りです。 ・生成AIと連携するデータ分析プラットフォームのバックエンド設計・実装・運用 ・LLM(OpenAI, Claude等)と連携した自然言語クエリ処理の設計・実装・運用 ・実行されるクエリ/ プロンプトの監視・最適化・リトライ設計など、信頼性の高いデータ処理基盤の構築 ・可観測性(logging / metrics / tracing)やアラート設計による運用負荷の最小化 ・プロダクトの可用性やユーザー体験を意識したパフォーマンス改善・障害対応フロー整備 【使用技術】 ◆現状採用している技術スタック Backend: Python, FastAPI Frontend: Typescript, Remix Infrastructure: AWS(Fargate, Aurora, S3, ElastiCache etc), Terraform ◆開発環境 コード管理: Github コミュニケーション: Slack ドキュメント管理: Notion ◆生成AIツールへの投資状況 当社では、社員の創造性と生産性を最大限に引き出すために、最新の生成AIサービスを積極的に導入しています。 特に、機密情報や社内秘情報といった重要なデータも安心して入力できる、高度なセキュリティを備えたAIサービスを活用している点が大きな特徴です。 以下は、社内で利用が許可されているサービス/APIの一部です。 今後も常に最先端のAIを検討、導入していきます。 API OpenAI API Anthropic API Gemini API Perplexity API 開発ツール Github Copilot Cursor Business Devin 生成AIサービス ChatGPT Team/Enterprise Azure OpenAI Service Claude Team/Enterprise Gemini Advanced/Gemini for GWS Perplexity Enterprise Pro NotebookLM Plus Zoom AI Companion

まずご一緒すること 具体的には、主に以下のテーマでご活躍いただくイメージです。 1. 生成AI・Agentic LLMおよびRAG基盤の設計・開発・運用 ● マルチLLM(OpenAI / Claude / Gemini / Local LLM等) や Amazon Bedrock を活用した生成AIアプリケーションおよび基盤の設計・開発 ● LangChain や LangGraph、MCP (Model Context Protocol) を活用した自律型AIエージェント(Agentic Workflow)の構築・評価 ● Vector DB や RAG(検索拡張生成) パイプラインの実装、および LangSmith 等を用いた評価基盤・プロンプトエンジニアリングの最適化 2. コンピュータビジョン(CV)・機械学習モデルの最適化&開発 ● PyTorch や TensorFlow を用いた深層学習モデル(CNN / Swin Transformer / YOLO等)の開発・精度向上および推論高速化 ● 画像認識・物体検出・マルチモーダル処理におけるデータ拡張や不均衡データ対策、アノテーション効率化(能動学習/BaaL等)の仕組み化 ● ビジネス要件に応じた適切なアルゴリズム選定(scikit-learn等を用いた統計解析・機械学習から最新の生成AIまで)と精度検証 3. MLOps基盤構築・API化・本番運用(PoCからプロダクト化へ) ● FastAPI や Docker、各種クラウド(AWS / Azure / GCP)を活用した堅牢なML API・推論パイプラインの構築 ● MLflow や Optuna を活用した実験管理・ハイパーパラメータ自動探索、および CI/CD(GitHub Actions等) による継続的学習(Continuous Training)環境の自動化 ● 推論レイテンシの削減、コスト最適化、システムのモダナイズ(レガシーからの移植やコード変換支援)の推進 プロジェクトの例 業界・技術を問わず、エンタープライズ企業のAI課題に直接向き合うプロジェクトが中心です。 プロダクト企業さんの、新規LLMアプリケーション開発の企画構想・要件定義・実装 大手SIerさんの大規模開発における、AI開発部分の監修・ディレクション・実装 動画から特定要素が写っているかを判断するAIモジュールの開発 大手インフラ企業さんの需要予測 中長期でご一緒したいこと Almondoではエンジニアメンバーが越境的な役割に挑戦しており、例として以下のような関わり方を実践中です。 ・AIソリューション企画〜提案メニューの作成〜実提案 ・より大規模なLLMアプリケーション開発の設計/ディレクション ・AI/ソフトウェア/DX 領域におけるビジネス・コンサルティング領域への進出 ・事業開発・技術責任(事業部長/技術責任者)への挑戦 ・グループを巻き込んだ数百名規模のAIネイティブな組織作り など 技術スタック(一部) AI/機械学習 :Claude. OpenAI, Gemini, PyTorch, LangChain, LangSmith バックエンド/アプリ :Python, FastAPI, Node.js, TypeScript, Next.js, React データ/Retrieval :PostgreSQL, MySQL, Pinecone, GraphDB クラウド/インフラ :AWS, Microsoft Azure, Google Cloud, Docker, Firebase DevOps/IaC :GitHub, GitHub Actions, Terraform ツール :Slack, Notion, Google Workspace

プロジェクトの例 業界・業種・技術は問わず多様なプロジェクトがあり、各業界をリードするエンタープライズ企業さ んと多くご一緒しています。 大手プロダクト・SaaSにおけるデータ分析基盤・自社用データマートのゼロからの設計・ 構築 Webサービス・ゲーム等のログデータ/取引データを対象としたDWH・マート構築および Redash/TableauでのKPI可視化 全社横断データマネジメントグループでのデータ定義統一、ドキュメント化、クエリチュー ニング Claude Code等の生成AIツールを活用した定型抽出・分析タスクの自動化・効率化推進 技術スタック(一部) AI/機械学習・自動化: Claude, OpenAI, Gemini, Claude Code, PyTorch データ/DWH/ETL: BigQuery, Redshift, AWS (S3, Lambda), GCP (Dataform), Azure Databricks, dbt, digdag 分析/BI/ツール: Tableau, Looker Studio, Redash, Adobe Analytics, Salesforce 言語/DB: SQL, Python, PostgreSQL, MySQL DevOps/環境: GitHub, Docker, Windows, Mac, Linux ツール: Slack, Notion, Google Workspace

ヘルスケア領域におけるプロダクトやヘルスデータを用いたAgent主導のデータ処理/分析システム開発チームのリーダーをお任せいたします。 ▼具体的な業務内容 開発チームのメンバーをリードし、他部署と協働しながらプロダクト開発を牽引するTL候補を募集いたします。 具体的な業務内容としては、以下のようなものを想定しています。 (配属チームによって担当プロダクトが異なります) ・チームのシステム開発方針や設計の意思決定・技術的サポート ・健診データ等を活用したサービスや分析/処理システムの企画・開発・運用 ・ビジネス部門や自治体担当者と連携し、課題解決につながる開発をリード ・各事業のプロダクト仕様のレビュー/承認 ・数名規模のチームを率いてスクラム/アジャイル開発の推進 ・チームメンバーのプロジェクトアサインおよびプロジェクト管理/推進 ・チームメンバーのピープルマネジメント、育成、採用活動　など ▼関わるプロダクトのインパクト 2025年度における実績値として全国自治体の50%近くの830を超える自治体へ予防医療事業支援に介入しております。 健診受診率や過去の生活習慣病治療歴を分析し、国保の特定健診対象者(約1,786万人)のうち、3人に1人の行動変容を支援することが出来ました。 ▼主な開発環境 ・Coding Agent: Claude, Codex ・開発言語:Python, Typescript, Go など ・インフラ:AWS, GCP ・ツール:Google workspace, Gemini, Slack, GitHub Enterprise, Notion, Docker ・PC:MacBookPro ▼チーム構成 各チーム3～6名程度、平均年齢30歳前後

- 顧客業務の理解および課題の構造化(As-Is / To-Be設計) - LLM / RAG / エージェントを活用したユースケース設計・実装 - 顧客環境へのシステム統合、プロトタイプ開発、本番導入 - AIエージェントを前提とした業務プロセスの改善 - AIガバナンスや品質担保の仕組みの設計・実装 - 統計的手法や機械学習・生成AIを用いたアルゴリズムの構築 プロジェクト例 AIネイティブ新規事業の立ち上げ 大手人材系企業様と共同で、AIエージェントを活用した新規事業開発を実施。 キャリアアドバイザーの面談やマッチングといった労働集約的な業務をAIエージェントが代替することで、求職者体験や労働生産性の向上を目指したプロジェクト。 中期経営計画の注力テーマのひとつとして、次世代の事業モデルの構築を行っている。 店舗運営バックオフィスAI化 大手小売企業様において、国内外約1,500店舗の店舗スタッフが担うバックオフィス業務(在庫調整・売上レポート・配送管理・配分業務など)をAIエージェントで代替するシステムを構築。店舗スタッフが顧客対応に集中できる環境を実現し、在庫調整業務75%削減・レポーティング品質の標準化を達成。 入社時にお任せしたいこと - AIを搭載したシステム・アプリケーション構築案件における要件定義・設計・構築 - 構築したシステム・アプリケーションをPoC で終わらせず、業務定着するまで継続改善する支援 開発環境 - 主な技術スタック: Python(FastAPI), TypeScript(React, Next.js, Hono) - エージェントフレームワーク: PydanticAI, OpenAI Agents SDK, Claude Agent SDK, Vercel AI SDK, Mastra - LLM: Claude, GPT, Gemini - AWS: Bedrock, Lambda, Step Functions, ECS/Fargate, Aurora, DynamoDB, S3, API Gateway, SQS - GCP: Vertex AI, Cloud Run, Firebase(Auth, Hosting, Firestore), Cloud Storage, Pub/Sub - コミュニケーション: Slack, Google Meet - コラボレーション: Figma - ドキュメント管理: Notion - チケット管理: Linear - AIツール: Gemini, ChatGPT, Cursor, Claude Code, Codex