土日祝日休み ConfluenceのITエンジニア求人・転職情報

●ミッション 医療×ITの分野で日本トップシェアを誇るエムスリーのデータ基盤の設計・開発および、データを活用した施策の推進を通し、データを軸に医療現場を変革する ●担当事業・プロダクト 社内には多くの事業、サービスがあります。 以下に一例を挙げます。 ・医療従事者向けメディア m3.com ・製薬企業のプロモーション支援サービス MR君 ・国内シェアNo. 1のクラウド電子カルテ エムスリーデジカル ・医療施設向け予約〜会計までできる総合サービス デジカルスマート診療 ・コンシューマ向けの健康相談サービス Askdoctors ・グローバル向けプロダクト ●担当業務 BigQueryを中心に構築しているデータ基盤の設計・開発・運用をご担当いただきます。 データの収集・集計加工・可視化までを一気通貫で担い、クライアント企業へのデータ関連サービスの提供、およびエムスリー社内でのデータドリブンな意思決定の支援をすることが業務の中軸です。具体的には、以下のようなチャレンジがあります。 ・各種データマート及びデータパイプラインの設計・開発 ・データ品質担保のための戦略検討やツール導入 ・AI・機械学習チームなど他組織と協調しての新規プロダクトの開発 データを用いたビジネス価値の創出に向け、自ら手を動かしてデータパイプラインや各種アプリケーションを開発していきます。 ●テックブログ記事例: LookerによるダッシュボードのアーキテクチャとTerraform providerの実装と運用 https://www.m3tech.blog/entry/looker-dashboard-architecture エムスリーのデータ基盤を支える設計パターン https://www.m3tech.blog/entry/data-platform-design-pattern ●技術スタック ・開発言語:LookML / Python / SQL / Bash ・データパイプライン:Digdag / Embulk / Fluentd / Dataflow ・DB・データウェアハウス: BigQuery / PostgreSQL / MySQL / Oracle ・インフラ・IaC:AWS / GCP / Terraform / オンプレミス ・BIツール:Looker / Redash / Tableau ・その他: Slack / Figma / GitLab / GitHub / Confluence / Jira ●チーム体制 システム担当も含めたチーム全体では、エンジニア28名、ディレクター10名、デザイナー3名、QA(テスター)10名。うち、データ基盤エンジニアは4名。 社員同士をお互いにプロとして尊重する文化。チーム内のシステム設計のプロとして、方針策定の議論から参加し、実際の開発、リリース、運用フェーズまで担当。 <入社時>上記に記載の業務 <変更の範囲>会社の定める業務、就業規則に従い出向となった場合は出向先の定める業務

FDEチームの一員として、エンジニアと一体で以下を担っていただきます。 ● ドメイン没入と課題設定 ・現場(買取現場・コールセンター・物流倉庫・コーポレート部門)への同行・観察・1次情報収集 ・業務プロセス/顧客/市場の構造を解像度高く理解し、解くべき課題を自ら定義 ● 事業KPIに対する仮説オーナーシップ ・担当ドメインKPI(成果向上・生産性改善)に対する仮説立案、優先順位付け、結果の解釈と次手の設計 ・他領域への波及効果も含めた全体最適視点での意思決定 ● AIネイティブ開発プロセスの推進 ・AIエージェントによる高スピード開発を前提とした要件整理・仮説検証・ナレッジベース構築 ・スピード重視で「未完成のものを早期に実験する」プロトタイピング/PoCの設計と運用 ● エンジニアと一体のプロダクト設計 ・「何を作るか」をエンジニアと協働で決定 ・Cosmosを中心とした新機能開発/業務標準化プロジェクトの企画〜要件整理〜現場接続 ● ステークホルダーマネジメント ・事業責任者・現場リーダーとの合意形成 ・グループ企業(TL/RGT/NKD)への横展開設計 【組織/配属先の特徴】 ・3層構造の技術組織:FDE層(事業ドメイン没入)/プラットフォームエンジニアリング層(FDEの生産性向上)/コアドメイン層(共通API基盤)の3層に再編し、AIネイティブ前提の組織を構築中 ・配属:プロダクトマネジメント部に所属/いずれかのドメインのFDEチームにジョイン ・PdM出身者例:元リクルート・大手事業会社など、事業理解×推進力の強い人材が活躍中 ・規模:PdM・SWE・データサイエンティスト・AIエンジニアなど100名規模 【プロダクト開発環境】 ・開発言語:Golang, React.js (Next.js), TypeScript ・インフラ:GCP (Cloud Run, BigQuery, Cloud SQL...), Terraform, Docker ・CI/CD:GitHub Actions ・テスト:MagicPod, Storybook ・バージョン管理:GitHub ・エラー管理:Sentry/APM:NewRelic ・開発生産性管理:Findy Team+ ・課題管理:Jira/ドキュメント管理:Confluence ・AI活用:Claude Code, Cursor, GitHub Copilot ほか(AIエージェント前提のワークフローを推進中) ・その他:Elastic Cloud, Terraform Cloud, Chromatic

資産運用を自動化する『ウェルスナビ』におけるフロントエンドアーキテクチャの刷新および新規機能開発・改善を担っていただきます。 PdMやバックエンドエンジニア、デザイナーと密に連携しながら、要件定義・設計・実装まで一貫して携わっていただきます。 具体的には フロントエンドアーキテクチャの再設計および実装 拡張性・保全性・パフォーマンスの最適化・チューニング プロダクト成長に伴う新規機能の開発・既存機能のブラッシュアップ 既存の技術的負債の返却と、開発速度向上のための継続的なリファクタリング ●開発環境 言語　　　　　　:JavaScript、TypeScript、HTML、CSS(Sass)、PHP フレームワーク等:Next.js インフラ　　　　:AWS DB　　　　　　 :MySQL(Aurora) バージョン管理　:Git, Bitbucket、GitHub プロジェクト管理:Trello、Jira ドキュメント管理:notion、Confluence その他　　　　　:Figma、Google BigQuery CI環境　　　　　:Bitbucket Pipelines、GitHub Actions ●カルチャー 金融系・ゲーム系・EC系など、様々なバックグラウンドのエンジニアが在籍し、金融業界未経験の方も多く活躍している組織です。 大部分を内製化して開発しており、新たなFinTechサービスを作り上げるために、社員一丸となって働いています。 月一度のLT大会、Win Session、ハッカソン(不定期開催)など、エンジニア主体のイベント開催のほか、毎週金曜日の夕方には、新入社員紹介や、今週の振り返りをするカジュアルな全社イベント『ハッピーアワー』を開催しています。

<リユースプラットフォーム開発> リユースプラットフォームCosmosのビジョンは、「日本全国誰もが簡単にリユースにアクセスできる世界の構築」を想い描いています。 事業理解と共に、プロダクトと関わるメンバーのサポートをお任せいたします。 ・プロダクトのデリバリーマネジメント ・プロダクトに係るコストの予実管理 ・メンバーとの1on1、メンタリング、コーチング、人事評価、アサイン計画などピープルマネジメント ※変更の範囲なし 【チームの特徴】 ・開発生産性への意識が高く、作業の効率化などを重視できます ・仕様がトップダウンで降りることはなく、エンジニアが「なぜつくるか」を理解して開発します ・業務を通して得た知見をtech blogや外部登壇で発表することを推奨しています ・1プロダクトあたり10人未満のチーム構成 【開発組織の成長に向けた取り組み】 エンジニア組織は35名から90名まで増加しており、今後も拡大を予定しています。 一方で組織横断の知見共有や事業部連携が不足していたり、次世代のEMやTLを育成するスキームが確立していないなど課題が浮かび上がってきました。 私たちは「バイセルテックイシュー」と称して、日々課題解決への取り組みを行なっています。 ・ビジネス理解浸透会 ・社外アウトプットを強めるワーキンググループ作成 ・MVV浸透イベント 【プロダクト開発環境】 ・開発言語:Golang, React.js(Next.js), TypeScript ・インフラ:GCP(Cloud Run, BigQuery, Cloud SQL...), Terraform, Docker ・CI/CD:GItHub Actions ・テスト:MagicPod, Storybook ・バージョン管理:GitHub ・エラー管理:Sentry ・APM:NewRelic ・開発生産性管理:Findy Team+ ・課題管理:Jira ・ドキュメント管理:Confluence ・その他:Elastic Cloud, Terraform Cloud, Chromatic

・AI Agent/RAGアプリケーションを支えるクラウド基盤の設計・構築・運用 ・AWS/Azure環境におけるインフラ設計、権限管理、ネットワーク設計 ・Amazon Bedrock、Amazon SageMaker、Amazon Q、Kiroなどを活用したAI基盤構築 ・Bedrock Knowledge Bases、Agents、Guardrailsなどを用いたRAG・AI Agent基盤の設計支援 ・IAM、KMS、VPC、PrivateLink、ゼロトラストなどを踏まえたセキュリティ設計 ・ECS、EKS、Lambdaなどのコンテナ/サーバーレス環境の構築・運用 ・Terraform、AWS CDKなどを用いたIaC・自動化 ・OpenSearch、pgvector、Snowflakeなどを活用した検索基盤・データ基盤の構築支援 ・CloudWatch、モデル呼び出しログ、トークン利用量などの監視・コスト最適化 ●入社後の役割・キャリアパス 入社後は、まずクラウドインフラの設計・構築・運用経験を活かせる領域から参画いただきます。 その後、AI Agent基盤、RAG基盤、Bedrock活用、クラウドセキュリティ、LLMOps/MLOps、データ基盤など、経験や志向に応じて担当領域を広げていただきます。 将来的には、以下のようなキャリアを目指せます。 ・AI基盤/クラウドインフラエンジニア ・AI Agent・RAG基盤の設計・構築リード ・クラウドセキュリティ/ガードレール設計担当 ・LLMOps/MLOps領域の技術リード ・AI駆動開発を支えるクラウドアーキテクト ・インフラ領域のテックリード/アーキテクト クラウドインフラの経験を軸に、AI時代の基盤設計・運用に強いエンジニアとして市場価値を高められる環境です。

車載向けエッジモデルおよび机上評価用の大規模モデル開発を支える MLOps 基盤の構築・運用 をお任せいたします。 <具体的には> 膨大な量の運転データを効率的に活用するための計算基盤とモデル学習・評価パイプラインの構築、データの質と量でモデル改善に貢献するデータセットのキュレーション、モデル分析を支援するBIツール環境の整備など、ML エンジニア/MLリサーチャーの開発を加速する仕組みづくりを行っていただきます。 【業務遂行いただくうえで必要になる技術例】 ・クラウド/オンプレミス上における学習・評価パイプライン(MLOps)の設計・構築および保守・運用 ・大規模データ学習の高速化を目的とした計算基盤・分散処理・アルゴリズム最適化の検討と実行 ・データセットのキュレーション(バランス設計、データリーク防止、品質管理)およびデータセット生成パイプラインの構築 ・データやモデル評価指標を統合的に可視化する BI ツール環境の設計・構築 【使用するツール】 ※状況により柔軟に変わります ・開発言語/データ操作言語:Python、SQL ・クラウド:GCP、AWS ・OS:Linux、Windows ・深層学習フレームワーク:TensorFlow(Keras)、PyTorch ・実験管理/設定/可視化:MLflow、Hydra、TensorBoard ・MLプラットフォーム/パイプライン:Vertex AI、SageMaker ・CI/CD:GCP Cloud Build、AWS CodeBuild、AWS CodePipeline ・データETL/分散処理:Dataflow、EMR(Spark/Hadoop) ・データ分析:BigQuery、Amazon Redshift ・BIツール:Looker Studio、Amazon QuickSight ・オーケストレーション:Apache Airflow、Amazon MWAA ・コンテナ:Docker ・その他:GitLab、Confluence、Jira、Teams 【変更の範囲】 会社の定める業務(※) (※)業務の都合によっては会社外の職務に従事するため出向又は転属を命じることがあります。

●ミッション あらゆるデータとあらゆる分析技術を活用して、医療に最適な意思決定を適用する。 ●役職/ロール データサイエンティスト(DS)/アナリティクスマネージャー ●担当業務 複数名のDSが所属するデータ分析グループ内のチームをリードし、ビジネス課題を解決します。 エムスリーグループ内の各事業部の戦略パートナーとして、担当事業部の課題を解決します。 ニーズ×データ×分析技術の深い理解から、分析ソリューションプロダクト開発の方向性をリードします。 各事業部に留まらず、エムスリーグループの組織横断プロジェクトをリードします。 DSの採用、人材育成、成果物の品質向上を目的とした分析基盤開発などのグループの発展をリードします。 ●所属 データ分析グループ 約20名のDSが在籍しています。 事業インパクトの最大化を目的として、各DSの成果を定量的に評価し、創出した付加価値をKPIとしています。 クライアントの深い理解とニーズ発掘に取り組み、信頼関係を構築できるようクライアント担当制を敷いています。 各DSが、担当事業での課題発見/実装/評価等の全データ分析プロセスを一気通貫で行います。 ●カルチャー 周囲のグループと協働して、DSが最も付加価値を提供できる企画とロジック開発に特化しています。 事業課題に応じたソリューションを提供し、同時並行で複数のプロジェクトを実施します。 時間への意識を高め、世の中のライブラリを積極的に活用したデリバリー優先の開発を行います。 データサイエンティスト同士の連携を重視し、プロジェクト・分析結果の共有やコードレビュー等を行っています。 勉強会にて、各データサイエンティストが定期的に新たなチャレンジをしています。 ●技術スタック 統計技術:機械学習, 因果推論, 組合せ最適化, 自然言語処理等 言語:Python3.x, SQL, Shell Script DB:BigQuery インフラ:PC (Windows / Mac希望に応じて), オンプレミスサーバー, AWS コード管理:GitLab コミュニケーション:Slack, JIRA, Confluence <入社時>上記に記載の業務 <変更の範囲>会社の定める業務、就業規則に従い出向となった場合は出向先の定める業務

・当社側プロジェクト管理(進捗・課題・リスク・品質)実務 ・クライアント(システム部門・業務部門)および社内開発チームとのブリッジ実務 ・MTGやSlack等における会話から能動的にPJ状況をとらえタスク化/課題化 ・各チームのタスクフォローと必要に応じたコミュニケーション機会の設置 ・現場の状況を確実に捉え、必要な情報をエスカレーション 【組織について】 ・スタートアップ、SIer、金融事業会社など様々なバックグラウンド・専門性を持つメンバーが在籍しています。 ・プロジェクト毎に最適なメンバーが集まりチームを組成しています。 ・コミュニケーションは基本オンラインで、定例MTG以外でもmeet、ハドル、Slackなどで適宜相談している環境です。 【技術スタック】 ※本事業における技術スタックは未定となります。 当社技術スタック一覧は以下よりご確認ください。 https://whatweuse.dev/company/infcurion ●Wallet Station 言語/フレームワーク └バックエンド :Java(SpringBoot),Kotlin └フロントエンド :TypeScript(Vue.js) └モバイル :Dart(Flutter),Swift, Kotlin データベース :SQL Server, Google BigQuery インフラ　　　 :AWS,Azure CI/CD :Github Actions テストツール　　 :JUnit, Cypress,Storybook,Postman デザイン　　　　 :Figma ソースコード管理 :GitHub、GitHub Copilot プロジェクト管理 :Jira 情報共有ツール　 :Slack,Confluence ●Xard 言語 └バックエンド :Go └フロントエンド :React, TypeScript データベース 　:MySQL, DynamoDB インフラ 　　　　:AWS 環境構築 :Terraform,Docker,AWS Fargate CI/CD :CircleCI ソースコード管理 :GitHub、GitHub Copilot プロジェクト管理 :JIRA 情報共有ツール :Slack,Confluence その他 :Datadog ●Anywhere 言語　　　　　　 :Java, Kotlin, Swift, Objective・C, Flutter(Dart),C#, C++, C, Python, PHP インフラ　　　　 :AWS, オンプレミス ミドルウェア　　 :Apache, NGINX, AWS Lambda, Hashicorp Vault, HAProxy, Corosync, Pacemaker, Redis, HULFT, Athena, QuickSight DB　　　　　　　:AWS Aurora, PostgreSQL, MySQL Monitoring 　　 :CloudWatch, PagerDuty, Crashlytics 環境　　　 　　 :Terraform, Docker, AWS CodePipeline, Github, Firebase

・事業KPIを上げるための機能追加・改善の開発 　　∟ 事業戦略上、課題となっている業務領域を中心に対応します 　　∟ 決済・会計業務、カスタマーサクセス業務(toB/toC両面)、開発のトイル業務など ・各事業部における課題のディスカバリー 　　∟ 要望の受け付けやヒアリングだけではなく、実際の業務にdeep diveして一次情報を取りにいきます ・事業のトップラインを上げるために必要な業務効率化のためのツール・プラットフォーム設計と開発 【一緒にやりたいこと】 ・マルチプロダクト化を見据え、サクセスエンジニアチーム体制の構築・仕組み化・強化 ・サクセスエンジニアチームがより発展、事業貢献するための施策の立案 ・各事業部への課題感のヒアリング・発掘の強化 ・よりスピード感を持った各事業部の課題感の解消と事業を成長させるための体制強化 ・事業のトップライン向上に直結する業務改革を推進するための、業務プラットフォーム・ワークフローの設計と構築 ・個別最適の業務改善から一歩進んだ、事業成長を支える業務プラットフォームの設計・構築 【技術環境】 ・使用言語:TypeScript, Python ・フレームワーク: 　∟ フロントエンド: React, Next.js 　∟ デスクトップアプリ: Electron 　∟ バックエンド: Express, Hono 　∟ テスティングフレームワーク: vitest 　∟ GASツール:Google App Script(Rollup + clasp) ・エディタ:VS Code, Cursor ・AI支援:GitHub Copilot, Claude Code ・インフラ:AWS ・データベース:PostgreSQL, Aurora ・モニタリング:CloudWatch, Datadog ・ダッシュボード:Redash ・CI/CD:GitHub Actions, AWS CodeDeploy ・プロジェクト管理:JIRA ・チャット:Slack ・ナレッジツール:Confluence ※開発組織全体では、以下も使用しています※ ・バックエンド:Python(Django) ・フロントエンド:TypeScript, Angular, React ・品質保証:Autify ・ミドルウェア:Redis, Nginx ※業務内容 雇入れ直後:上記記載の通り 変更の範囲:自社事業の推進および付随するすべての業務

●具体的な仕事内容 ・マルチプロダクト化に向けた取り組み ・新規プロダクト/開発チームを迅速に立ち上げるためのプラットフォームエンジニアリング ・グロースに耐えうる信頼性やオブザーバビリティを容易に導入するための仕組みづくり ・信頼性向上に向けた取り組み ・組織への信頼性イネーブリング戦略立案・推進 ・クラウドインフラセキュリティの向上 ・プロダクト開発のアジリティ向上に向けた取り組み ・開発環境改善やリリースエンジニアリングの最適化 ・トイル削減を目的としたツールや仕組みを構築することによる自動化 ・SRE x AIの分野における新たな価値創出、開発者体験の向上 ●使っている技術・サービス ・バックエンド:Python(Django) ・フロントエンド:TypeScript, Angular, React ・インフラ:AWS(ECS、S3、Lambdaなど), Terraform ・データベース:PostgreSQL, Aurora ・ミドルウェア:Redis, Nginx ・モニタリング:CloudWatch, Datadog ・ダッシュボード:redash ・CI/CD:GitHub Actions, AWS CodeDeploy ・プロジェクト管理:JIRA ・品質保証:Autify ・チャット:Slack ・Knowledge Tool:Confluence ●組織体制 組織体制については以下の体制をとっております ・プラットフォームG SREチーム └主務メンバー3名 ※SREチームの取り組みについては、以下のnoteもご覧ください。 ・SREチーム発足から2年間の取り組み〜急成長するモビリティSaaSで信頼性とアジリティの両立を指す～ (https://note.nealle.com/n/n530c5238836d) ・ニーリーのSREによるリリースサイクルの改善〜「隔週深夜1回→1日2回」にリリース頻度を向上させた道のり〜 (https://note.nealle.com/n/n245a1069b089) ・SREチームのSLI/SLO策定への取り組み ～3つの視点から観測する信頼性～ (https://note.nealle.com/n/n245a1069b089) ●ニーリーのプロダクト組織のことが分かるコンテンツ エンジニア向け会社説明資料 https://speakerdeck.com/nealle/nirienziniaxiang-kehui-she-shao-jie-zi-liao Nealle Developer’s Blog https://nealle-dev.hatenablog.com/ 公式note(エンジニアの入社エントリなど) https://note.nealle.com/m/m061b64cfaed8 ●改正職業安定法に基づく記載 雇入れ直後:上記記載の通り 変更の範囲:自社事業の推進および付随するすべての業務

自社サービスのタレントマネジメントシステム「カオナビ」において、新機能開発や機能拡張の実装、パフォーマンス向上のためのリファクタリングや新しい技術の導入など様々な業務をフロントエンドエンジニアとしてご担当いただきます。 プロダクト開発組織ではカオナビの新規機能開発や既存機能の改善を行っており、顧客によりよい UI/UX を届けるためにチームメンバーとコミュニケーションを取りながら開発しています。 【現状の課題】 ●React 導入以前に jQuery で実装された機能がまだ多く残っているので、React へ移行することで保守性と共通コンポーネントの再利用による開発速度の向上を図りたい ●バックエンドで採用しているフレームワークの Laravel に依存している構成になっているので、バックエンドとフロントエンドを分離することで認知負荷を下げたい ●新機能の開発 ●機能の拡張や改善 ●性能向上のための開発 ●コード品質の担保 【上記に追加してスキル次第でお任せ】 ●メンバーの育成 【具体的には】 専門職の人やチームで企画した仕様書を元にエンジニアが設計と実装を行います。 それぞれの企画の概要はRedmineで管理されており、チケット駆動やスクラムなど、チームごとに最適な開発プロセスで開発を行っております。 開発タスクの管理はJiraを利用しており、ソースコードレビューをGitLab上で行っております。 開発環境 開発言語:PHP, Go, TypeScript, Dart フレームワーク:Laravel, Gin, React, Flutter コード管理:GitLab DB:MySQL インフラ:AWS, Terraform, Docker 監視ツール:Mackerel, Datadog 社内ツール:Confluence, Jira, Redmine, Slack, Miro, Figma 開発環境: JetBrains IDE, Visual Studio Code AI開発環境:Github Copilot, Claude Code <従事すべき業務の変更の範囲> 会社内での全ての業務、および出向先・転籍先会社での全ての業務

●全社のプロダクト戦略策定・推進 ●フィナンシャルクラウド事業を中心とした複数プロダクトのポートフォリオ管理 ●プロダクトマネジメント組織のマネジメント・育成 【業務内容詳細】 (1)プロダクト戦略の立案・実行 └全社プロダクトのポートフォリオ設計(既存プロダクト・新規プロダクト含む) └投資アロケーションおよび予算管理 └プロダクトロードマップの策定と進捗管理 (2) KPI/顧客価値指標の最大化 └LTV向上施策の立案・実行 └顧客満足度向上および継続利用率向上のための施策実施・改善 └プロダクト品質とユーザー体験の向上に向けた戦略策定 ●期待する具体的な成果 ・全社のプロダクト戦略を再定義し、ロードマップを策定する ・組織体制の課題を洗い出し、PMの増員や教育計画を策定 ・LTVやNPSなど主要指標を一定期間(四半期など)で継続的にモニタリングし、前年比より向上 ・必要なリソース(予算・人材)を確保し、段階的に組織体制を整備 ・現場レベルの実行力を高めるPDCAサイクルやツール整備 ・経営目標である売上拡大・顧客継続率向上に直結するプロダクト戦略を実行 ・全社的な事業ポートフォリオの最適化に貢献 ・就任後3か月以内に戦略および組織体制の問題点を洗い出し、アクションプランを策定 ・就任後6か月以内に主要プロダクトのKPIを設定し、実行プランを浸透させる ●開発環境など ・開発言語:C# / PHP / JavaScript / Python / Powershell / Shell ・ミドルウェア:MySQL / Apache / SQL Server / IIS / Redis ・フレームワーク:Codeigniter / .NET 6 / .NET Framework / ASP.NET MVC ・バージョン管理:GitHub ・CI/CD:Jenkins / CodePipeline / CodeBuild / CodeDeploy ・コミュニケーション:Slack / Notion / Confluence ・タスク管理:Backlog / Toggl / Redmine ・監視:Newrelic / Pagerduty / Mackerel / Cloudwatch / Trend Micro CloudOne ・構成管理:Terraform / Ansible / SAM / Cloudformation ・インフラ:AWS / RDS / Elasticache / FSx / ALB / S3 / WAF / Cloudwatch / EC2 - Windows/Amazon Linux 2 / DirectConnect ・その他:Docker Compose / デュアルディスプレイ / Mac・Windows選択可 / 好みのエディタ・IDE選択

●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

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

勤怠・給与・人事労務を担う Core チームのマネジャーとして、チームの安定運用とプロダクト戦略の両輪を担います。 CPO 直下で PdM 複数名を率い、「何を作るか」「なぜ作るか」の意思決定に責任を持ちながら、チームメンバーの成長も主導いただきます。 具体的には以下の業務を担当します。 ●PdM メンバーの育成・目標設定・日次マネジメント ●プロダクト戦略ならびに VoC に基づく対応のロードマップ策定とリリースまでの完遂 ●PdM 各チームならびに CS や Sales との組織間連携設計および課題解決の推進 ●データならびに他チームの VoC 起点でのプロダクト改善サイクルの設計・実行 ●CPO ならびに他チームのマネージャとともに Core チームのプロダクト文化・開発プロセスを構築 ●AI ツールを活用した PdM 業務(仕様書生成・市場調査・データ分析)の自ら実践とチームへの展開 ●AI 前提の開発プロセス(仕様策定・レビュー・振り返り等)を Core チームに設計・浸透させる ●AI&Platform チームと連携した Core 領域への AI 機能統合の企画・推進 【利用ツール】Figma / Slack / Productboard / Confluence / JIRA

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

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

●担当業務: ・レコメンド/マッチング機能の設計・開発・運用 ・機械学習モデルや推論ロジックを活用したサーバーサイド開発 ・データ活用施策の本番運用・改善 ・Python、SQL等を用いた分析、モデル開発、検証 ・データサイエンティストやPdM等と連携した施策立案・意思決定支援 ・数理統計、機械学習、生成AI/LLM等の技術活用 ・ご経験に応じた技術リード、プロジェクト推進、メンバー育成 ●技術環境: 【言語】Python、SQL 【DB】Amazon Redshift、RDS PostgreSQL、Redis 【クラウドサービス】AWS、Azure、GCP 【ソースコード管理】GitHub 【プロジェクト管理】Backlog、Confluence、JIRA 【課題管理・コミュニケーション】Slack、Teams ●はたらき方: ライフステージに合わせて、はたらき方をご自身でデザインしたい方にマッチする環境です。 ・有給休暇の取得を推奨しており、業務調整のうえ柔軟に活用できます。 ・フレックスタイム制度を導入しており、子育てと両立している社員や副業を行っている社員もいます。 ・大半のメンバーが在宅勤務をしています。ワークスタイルに応じてリモート勤務手当の支給しています。 ・エンジニアとして市場価値を高めるための活動を推奨しており、研修受講やイベント登壇、副業等の活動をしているメンバーもいます ・自己研鑽のための、書籍代の支給やオンライン学習コンテンツなどのフォロー等を行っています。

私たちは小売市場の課題を解決するための技術・仕組みを提供しています。 日本の小売市場は150兆円の巨大産業ですが年間で3,000社ほどの企業が倒産・廃業しています。 素晴らしい商品を持っている企業がどうすれば顧客に届けれらるかや商品の売り方を理解できていないのが現状です。 クライアントや社内から課題について担当者からヒアリングを行い、内容からPoCを作成し検証・実施しています。 ビジネス的な要件にエンジニアの観点を加えアプローチを考えています。 エンジニア向け会社説明資料:https://inglewood.app.box.com/s/kpa3ydfmvwjlw2l8ffa2musebbaecqtc 課題からPoCの検証・実施を素早く行うために新たなメンバーを募集します。 PoCの結果が良ければそのまま新システムの構築を担当していただきます。 APIなどバックエンドを中心とした開発 要件定義段階でのミドルウェアやフレームワーク等の技術選定と技術検証 API、並列分散処理などアプリケーションアーキテクチャ全体の設計、実装 コーディングルール策定、先行開発〈共通処理部分など〉、コードレビュー 社内外の最新技術やベストプラクティスのキャッチアップとチーム横断のセクション組織内での技術共有 他の職種とのコミュニケーションを取り、要件を整理/決定しながらプロダクトを完成まで導く

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

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

事業内容 Eコマースの豊富な知見を有する専門家集団が、自社開発フレームワークを活用して企業のビジネスドリブンを実現する、大規模Eコマースシステム開発事業 ミッション Eコマースシステム開発のプロジェクト推進 クライアント・案件例 ・大手不動産会社のテナント企業向け会員制施設・サービスの予約、決済システムの開発 仕事内容(想定) ・社内や外部ベンダーと連携したプロジェクト管理 ・プロジェクトメンバーの管理、デリバリー品質の担保 ※将来的に管理職や経営層へのキャリアパスを想定しています. ※1　業務変更の範囲:会社内でのすべての業務 開発環境 ・フロントエンド:JavaScript/TypeScript、Vue.js、Nuxt.js ・バックエンド:Java、Spring Boot ・データベース:Microsoft SQL Server、MySQL、Redis ・コンテナ:Docker、Amazon ECS ・インフラ:AWS (EC2、ECS、Fargate、Lambda、ELB、RDS、ElastiCache、CloudFront、S3) ・構成管理:AWS CDK (CloudFormation), Packer ・監視:Datadog ・ログ:Elasticsearch、Kibana ・CI/CD:Jenkins, CodePipeline/CodeBuild/CodeDeploy ・バージョン管理:Git (Bitbucket) ・タスク管理:Jira、Confluence ・コミュニケーション:Slack ・ツール:Swagger、Storybook ・開発手法:アジャイル、スクラム、ウォーターフォール 開発実績 エスキュービズムグループでは過去1000社以上の導入実績を誇り、単なるEC開発だけではない複合的な大規模案件を豊富に抱えています. 実績例 ・某大手不動産会社のテナント企業向け会員制施設・サービスの予約、決済システムの開発・リリース ・某大手商業施設でのRFIDの商用化プロジェクト ・EC売上だけで100億をこえるお客様からの、カートイン2,000回/秒を超える大規模ECサイト構築 ・空港での海外用Wi-Fiルーターピックアップ用IoTロッカー ・某大手小売チェーンの1,000店舗、4,000台超の大規模POS導入 … 等 その他、GMS、CVSチェーンなどの非公開事例も多数ございます. 詳細は導入事例(https://client.s-cubism.com/)からご確認ください.

リテールソリューション事業 自社プロダクトであるEC-ORANGEやORANGE POSをベースとしたシステムインテグレーション、コンサルティング、保守運用を行っています 売上規模が100億円以上の百貨店や小売専門店などがクライアントとなります (不動産事業者、総合商社といったお客様と巨大複合ビルのQRゲート含めた館内システムや、ショッピングモールとECのRFID連携など、OMO実現に向けた案件実績あり) 事例:https://client.s-cubism.com/ ※ご経験やご希望に応じて、以下の業務からいずれかをお任せします。 ・バックエンド開発(Java、Spring Boot) ・各工程における顧客折衝や外部ベンダー管理 ・AWSなどのクラウド基盤構築 ・AWSの新サービスや新しい技術スタックの調査・検証 ・システム開発に伴う手動作業の自動化 ・CI/CDを使ったクラウド上での構築 ・コンテナベースの新インフラ基盤の設計構築 ・DevOpsを駆使した実行タスクの自動化 ・クライアントの経営層、各ステークホルダーのニーズ把握、要求分析および定義 ・要件定義から設計指針の導き出しや課題分析 ・社内や外部ベンダーと連携したプロジェクト管理 ・プロジェクトメンバーの管理、デリバリー品質の担保 ・プロジェクトの各工程における進捗管理のリード、PMの補助業務 ・内部結合工程以降の試験計画作成、実行 ・顧客の経営層とのディスカッションによるニーズ把握、案件獲得に向けたサポート ・顧客の業務要件分析、システム要件定義、各種機能/非機能要件の設計 開発環境 ・フロントエンド:JavaScript/TypeScript、Vue.js、Nuxt.js ・バックエンド:PHP、Laravel、Java、Spring Boot ・データベース:Microsoft SQL Server、MySQL、Redis ・コンテナ:Docker、Amazon ECS ・インフラ:AWS (EC2、ECS、Fargate、Lambda、ELB、RDS、ElastiCache、CloudFront、S3) ・構成管理:AWS CDK (CloudFormation), Packer ・監視:Datadog ・ログ:Elasticsearch、Kibana ・CI/CD:Jenkins, CodePipeline/CodeBuild/CodeDeploy ・バージョン管理:Git (Bitbucket) ・タスク管理:Jira、Confluence ・コミュニケーション:Slack ・ツール:Swagger、Storybook

【具体的な業務】 ●プロジェクト担当として ・主要プロジェクトにインフラ担当として参画し、領域全体をリード ・開発チームと初期段階から協働し、アーキテクチャ設計・技術選定・構築方針を検討 ・金融水準のセキュリティ・可用性・運用性を踏まえたクラウドインフラの設計・構築(AWS/Google Cloud等) ・PoCから本番運用まで一貫して担い、IaC・監視・運用設計を整備 ●チーム横断・改善活動として(並行して) ・各プロジェクトで個別に対応している部分のうち、共通化できるものを見極めて仕組みに落とし込む ・クラウドアカウントの払い出しや統制環境の改善、IaCテンプレートやナレッジの整備など、チームで使える土台をつくる ・Claude Code等の生成AIツールを活用し、IaC作成・レビューや定型作業の自動化・ドキュメント整備をチーム全体に広げる 【プロジェクト例】 ・[産業情報検索AIシステム](https://japan-d2.com/projects/industrial-search) ・[そうぞくガイド](https://japan-d2.com/projects/inheritance) ・[EUDクラウドサービス](https://japan-d2.com/projects/eudcloud) ・[三菱UFJ銀行への生成AI×RAGによる「手続検索支援システム」の提供を開始](https://japan-d2.com/news/20250731-001) ・[生成AIを活用した「AI社内手続ナビゲーター(旧称:手続検索支援システム)」利用ユーザーを国内全営業店へ拡大](https://japan-d2.com/news/20260331_001) 【カルチャー】 ・フルフレックス・フルリモート可能な柔軟な働き方 ・職種を超えて協働する文化(開発・インフラ・セキュリティ・データ/AI) ・技術選定はJDDが主導し、クラウドのベストプラクティスに沿った活用をMUFGと対等な立場で提案・実践しています ・AI、クラウドなど先端領域に自由に触れながら実務で成長できる環境 ※SIer・大手IT企業・クラウドサービス事業者・スタートアップなど、様々な経歴を持つメンバーが集まっています。これまでの環境を問わず、裁量を持ってインフラに一気通貫で向き合いたい方に向いている環境です。 【技術スタック】 ●クラウドインフラ・IaC ・Amazon Web Services / Google Cloud / Microsoft Azure(主にEntraやOpenAI) ・Databricks(データ分析基盤で利用) ・Terraform(標準として利用)/ AWS CDK / AWS CloudFormation ●ツール・生成AI ・Slack / GitHub Enterprise Cloud / JIRA / Confluence / Microsoft 365 E5 ・Claude Enterprise(Claude Code)/ ChatGPT(Codex) / Microsoft Copilot など ※変更の範囲 業務:会社の定める業務

カオナビ労務の成長を担うプロダクトマネージャーとして、以下の業務に取り組んでいただきます。 ●プロダクト戦略の策定と実行 ●市場調査・競合分析によるプロダクト要件の定義 ●エンジニアやデザイナーとの連携によるプロダクト開発の推進 ●複数のプロダクトマネージャーと協力しながらの横断的な課題解決 ●ユーザーフィードバックの収集と分析、改善施策の立案 ●KPIの設定と進捗管理 ●ステークホルダーへの報告とコミュニケーション ●プロダクトのローンチ計画と実行管理 ●データ分析に基づくプロダクト改善の提案 開発環境 開発言語:Go, JavaScript, TypeScript フレームワーク:Echo, React 開発/運用環境:Docker, GoLand, Figma, GitHub, GitHub Copilot 構成管理:Terraform インフラ環境:AWS (EC2, RDS, S3, CloudFront, ECS, Fargate, ECR, SystemManager, EventBrigte, GlobalAccelerator...), Mailgun 監視, モニタリング, 運用ツール:AWS CloudWatch, Mackerel 社内ツール:Confluence, JIRA, Slack, Zoom, Miro

自社プロダクトのタレントマネジメントシステム「カオナビ」を中心に、自社の事業におけるプロダクト開発/運用を支える基盤に関わる業務に幅広く携わっていただきます。 ●プロダクト担当 自社プロダクトであるタレントマネジメントシステム「カオナビ」の基盤についてご担当いただきます。 ・「カオナビ」の機能拡充/機能改修に伴い、基盤環境を適切に設計構築及び実装する ・「カオナビ」の製品品質向上につながるSRE活動全般を実践する ●チーム開発の具体例 専門職の人やチームで企画した仕様書を元にエンジニアが設計と実装を行います。 それぞれの企画の概要はRedmineで管理されており、チケット駆動やスクラムなど、チームごとに最適な開発プロセスで開発を行っております。開発タスクの管理はJiraを利用しており、ソースコードレビューをGitLab上で行っております。 ●開発環境 開発言語:PHP, Go, TypeScript, Dart フレームワーク:Laravel, Gin, React, Flutter コード管理:GitLab DB:MySQL インフラ:AWS, Terraform, Docker 監視ツール:Mackerel, Datadog 社内ツール:Confluence, Jira, Redmine, Slack, Miro, Figma 開発環境: JetBrains IDE, Visual Studio Code AI開発環境:Github Copilot, Claude Code