年収1200万円以上 NotionのITエンジニア求人・転職情報

JAPAN AI株式会社

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

JAPAN AI株式会社

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

JAPAN AI株式会社

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

株式会社タイミー

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を目指していただきます。 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をリードしていただく役割です。 組織横断的に動きつつ、担当する機能領域をリードいただくことを期待しております。 業務例 ・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 ・各種スクラムイベントへの参加 ●開発環境(配属先により一部異なります) 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

株式会社サーバーワークス

まずは、部門長候補として各種プロジェクトの統括や部門運営のサポートを携わっていただきます。 入社後数ヶ月間のパフォーマンスや組織への適性を見極め、双方の合意のもと、将来的に部長職への昇格を想定したポジションになります。 【具体的な業務】 ・部門の運営管理:SI部門の予算策定・利益管理(P/L責任)およびリソースの最適化 ・組織マネジメント:エンジニア・PMの採用、育成、評価、およびキャリアパスの構築 ・案件統括:複数プロジェクト(数名～数十名規模)の俯瞰的な進捗・品質・リスク管理 ・営業支援:大型案件や難易度の高い案件における、顧客へのソリューション提案 および見積精査 ・事業基盤の強化:開発標準の策定、社内ナレッジの共有、協力会社とのパートナーシップ構築 【業務内容の変更範囲】 会社の定める業務 会社概要 株式会社G-gen(ジージェン)は、システムインテグレーションで20年の実績を持つ株式会社トップゲートと、Google Cloudに特化したインテグレーターとして2021年8月に設立した株式会社G-genが2024年7月に合併し、新たな成長ステージを迎えた企業です。 クラウドテクノロジーの進化に伴い、企業のDX推進において「Cloud First」から「Cloud Must」へとパラダイムシフトが進んでいます。 特にSaaS/PaaSサービスやデータ分析、AI/ML領域においては、Google Cloudの採用が加速しています。 G-genは、この市場の潮流を捉え、両社の強みを融合することで、お客様のクラウドトランスフォーメーションを強力に支援してまいります。 G-genはGoogle社より最高位のパートナーステータスであるプレミアパートナーに認定されており、さらに高度な技術力と運用体制が求められるMSPパートナーとしても選定されています。 また、Google認定の最上位資格であるGoogle Cloud Partner Top Engineerの保有者数は国内No.1を誇ります。 この強固な技術基盤とGoogleとの深い連携により、お客様のプロジェクトにおいてGoogle社と直接協業する機会も多く、最先端のクラウドソリューションを提供することが可能です。 利用技術 SI部門で主に採用している技術スタックは以下の通りです。 基盤には主にGoogle Cloudを採用しています。 言語:Go, TypeScript, Java, Python FW / ライブラリ:Spring Boot, Next.js 開発スタイル:AIコーディング支援ツールの積極活用、Dockerベースのコンテナ開発 Compute:Cloud Run, GKE, Compute Engine ネットワーク:VPC, Cloud VPN, Cloud Interconnect, Cloud Load Balancing データベース:Cloud Spanner, Cloud SQL, Firestore データ / AI・ML基盤:BigQuery, Vertex AI, Cloud Pub/Sub セキュリティ:Cloud Armor, Cloud IAM, Security Command Center, Cloud KMS 監視 / オブザーバビリティ:Cloud Monitoring, Cloud Logging, Cloud Trace IaC / CI/CD:Terraform, GitHub Actions, Cloud Build プロジェクト管理:Jira, Backlog, Notion, Slack, GitHub

株式会社タイミー

<<業務内容>> ●サマリー 共通基盤(認証基盤を含む)における中長期のアーキテクチャ設計を担い、上流工程を一貫して主導 いただきます。既存システムの状況と今後のプロダクトロードマップを踏まえたデータ設計・リソースサーバー分解の方針策定から、要求仕様の整理、各チームへの分解・進行管理、ステークホルダーとの調整までがスコープです。 特定の実装タスクに閉じず、「何を・どの順序で・どう分解して実現するか」という技術的な意思決定そのものをリードしていただきます。 ●具体的な業務内容 ・既存システム(モノリス)から共通基盤・認証基盤を切り出すためのデータ構造の再設計 ・マルチプロダクトを前提としたリソースサーバーの分解設計、および要求仕様の策定 ・設計をもとにした各チームへのタスク分解・進行管理、上流工程の主導 ・法務・セキュリティ・コンプライアンスを含む各ステークホルダーとの調整、および設計判断に関する説明責任の遂行 ・組織・要件に応じた技術選定、設計判断に関する意思決定およびドキュメンテーション ・AIを積極的に活用し、少人数で大規模基盤を前に進める開発スタイルの推進 <<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。 <<開発環境>> ●Backend ・開発言語: Ruby (Ruby on Rails)(Timee) / Go (IdP) ・アーキテクチャ: Modular Monolith ・データストア: MySQL8.0系 ・ツール: Docker、OpenAPI、GitHub Actions、AWS、Terraform、Datadog、Sentry ●Infrastructure ・AWS:ECS Fargate, Aurora, RDS, S3, ElastiCache, CloudFront, etc… ・IaC:Terraform ・ログ:Datadog LogsとS3に集約 ●Monitoring ・Datadog, Sentry ●CI/CD ・GitHub Actions, Dependabot ●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…