土日祝日休み ConfluenceのITエンジニア求人・転職情報

JAPAN AI株式会社

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

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

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

JAPAN AI株式会社

●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

JAPAN AI株式会社

●技術オンボーディング・トレーニング FDE から引き継いだ導入済みワークフローの技術オンボーディング設計・実施 顧客の業務ワークフローに合わせた AI 活用方法の設計・提案 トレーニング資料・ベストプラクティスの作成・提供 ●利用定着・ROI実現 成功指標 (KPI) の設計と定期的なROIレビュー 利用状況モニタリングとプロアクティブな改善提案 利用データのダッシュボード構築・定量分析による課題の早期発見 プロンプト最適化・エージェント設定の改善支援 評価基盤 (eval) の運用支援・品質改善 ●テクニカルサポート・問題解決 レポートされた問題の技術的調査・根本原因分析 テクニカルサポートのエスカレーション対応 API/SDK/インテグレーションに関する技術支援 セキュリティ・ガバナンス・コンプライアンス対応 ●プロダクトフィードバック・拡大展開 顧客フィードバックの収集とプロダクトチームへの還元 拡大展開 (アップセル/クロスセル) の技術支援 新規ユースケースの発見・提案 【業務シナリオ例】 ● シナリオ 1 : SaaS 横断ワークフローの利用定着支援 FDE が製造業の顧客に構築した「経費精算自動承認ワークフロー」(楽々精算 → SmartHR 連携) の導入後、利用率が伸び悩んでいる。 利用データを分析し、「現場作業者がスマートフォンから使いにくい」「承認結果の通知が遅い」という課題を特定。 モバイル向けの利用ガイドを作成し、通知設定を最適化。 さらに、現場向けトレーニングを実施。 利用率が 2倍に改善し、月間 400時間の業務削減効果を可視化して経営層に報告。 ● シナリオ 2 : 「企業の脳」の ROI 可視化と全社展開 FDE が金融機関の 1部門に構築した「見込み顧客探索エージェント」の導入後、ROI レビューを実施。 アプローチ数 3倍、受注率 15% 向上という成果を定量化し、経営層向けレポートを作成。 この成果をもとに、他の 5部門への全社展開の意思決定を支援し、アップセルに貢献。 展開先の各部門に合わせたプロンプト最適化とエージェント設定の調整を実施。 ● シナリオ 3 : ワークフロー品質改善のフィードバックループ 小売業の顧客が JAPAN AI AGENT を活用した「稟議承認 AI」で、回答精度に関するフィードバックが増加。 eval 基盤を活用して回答品質を定量分析し、特定の稟議カテゴリで factuality スコアが低いことを特定。 プロンプト最適化とナレッジベースの改善を提案し、回答精度が 15% 向上。 この改善パターンをプロダクトチームにフィードバックし、JAPAN AI AGENT の標準テンプレートとして全顧客に展開。 ●ミッション 「企業の脳」が定着し、成果を出し続ける状態を作る AI プロダクト導入後の顧客成功を技術面から最大化し、利用定着・拡大展開・ROI 実現を推進する。 ●AI Success Engineerとは AI Success Engineerは、OpenAI社やDatabricks社が確立した職種で、AIプロダクトの導入後に顧客の成功を技術面から支援するエンジニアです。 従来のカスタマーサクセスやテクニカルサポートとは異なり、AIプロダクト特有の課題 (プロンプト最適化、eval設計、利用データ分析、ワークフロー改善) を技術的に解決する専門職です。 従来のカスタマーサクセス | AI Success Engineer 利用状況のモニタリング・報告 | 利用データを分析し、プロアクティブに改善提案 機能の使い方を説明する | AIの使い方を設計し、業務ワークフローに組み込む 問い合わせに対応する | 問題の根本原因を技術的に特定・解決する チャーン防止 | ROI実現・拡大展開の推進 ●FDE との分担 FDE | AI Success Engineer 課題発見→PoC→本番導入 | 導入後の定着→活用拡大→ROI 実現 「企業の脳」を実装する | 「企業の脳」が成果を出し続ける状態を作る 新規ワークフローの構築 | 既存ワークフローの改善・最適化 顧客の未来を発見する | 顧客の成功を証明する ●期待する役割について AI Success Engineer として、顧客の AI プロダクト導入後の成功を技術面からリードしていただきます。 FDE が構築した「企業の脳」のワークフローが現場で実際に使われ、成果を出し続ける状態を作る 顧客の業務部門・IT 部門と密接に連携し、AI プロダクトが実際の業務で成果を出し続ける状態を作る 顧客の IT 部門・開発チームと協働し、API 連携やデータ統合の技術支援を行う 利用データの分析に基づくプロアクティブな改善提案を行う レポートされた問題の技術的調査・根本原因分析を行い、エスカレーション対応をリードする 顧客フィードバックをプロダクトチームに還元し、プロダクトの進化に貢献する ●成果責任 (KR/メトリクス) 顧客ヘルススコア (利用率、API呼出数、アクティブユーザー数) チャーン率 ≤ 目標値 拡大展開率 (アップセル/クロスセル貢献) 顧客NPS ≥ 目標値 技術サポートチケット解決時間 (MTTR) ●チーム体制 約120名が開発組織に在籍しています。 AI Success Engineerは以下のチーム・ステークホルダーと密接に連携します: FDE — 導入フェーズからの引き継ぎ Deployment Strategy — 顧客への導入戦略・展開推進 プロダクトチーム — フィードバック還元 サポートチーム — エスカレーション対応 ●開発環境 言語 : Python (自動化・分析), SQL (データ分析) AI / LLM : JAPAN AI STUDIO SDK, プロンプトエンジニアリング, RAG データ : BigQuery, Looker, Pandas インフラ : GCP, Docker (基礎理解レベル) 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

パーソルキャリア株式会社

●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。

株式会社イングリウッド

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

株式会社QLife

エムスリーグループ事業・プロダクトのWebプロモーション・クリエイティブの企画立案、課題分析、制作ディレクション・編集を行っていただきます。 どの事業・プロダクトも顧客から高いご支持をいただいており、これらをより多くの方に手にとっていただくことがミッションです。 主に動画制作及びディレクションをお任せしますが、WEBページやLP制作などのプロジェクトもお任せする予定です。 【事業例】 ・煩雑だった従業員の健康情報管理をまとめて効率化「ハピネスパートナーズ」 ・エムスリーデジカルで診療をラクに「エムスリーデジカル」 ・スマホとICタグで介護をもっとスマートに「Care-Wing」 　(ユーザーインタビュー:https://youtu.be/SvmAtgz6_fA) ・簡単導入、低コストの新しい福利厚生「スマカフェ」 【具体的な業務内容】 ・エムスリーグループ事業のクリエイティブ(動画・LP・Webサイト等)制作&ディレクション&マーケティング ・定量/定性データに基づく課題分析・インサイト発掘 ・ユーザーインタビュー/関係各所へのヒアリング ・中長期的な改善施策の立案・検証実行 ・動画の企画立案、撮影、運用などディレクション全般 ・YouTube/metaなど継続運用 【主に使用する言語、ツール、アプリケーション】 Adobe、Figma、Canca、VScode、Git、HTML、CSS (SCSS等含む) 、JavaScript、GA4、VWOテストツールなど 【コミュニケーションツール】 Slack、Meet、Zoom、Confluence、Backlog など 【育成プロセス】 OJT ・入社1ヶ月～2ヶ月: 　各プロジェクトのキャッチアップ・制作に入る 　指導者・メンターとの1on1によるサポート(頻度多め) ・入社3ヶ月以降(目安): 　担当プロジェクトを1つ持ち運用する 　研修受講支援 　指導者・メンターとの1on1によるサポート(週次) ・入社6ヶ月以降(目安): 　担当プロジェクト1～2を持ち推進いただく 　チームリーダーとの1on1(週次) ※従事すべき業務の変更の範囲 適性に応じて、会社の指示する業務への異動を命じることがある。

株式会社QLife

エムスリーグループ事業・プロダクトのWebプロモーション・クリエイティブの企画立案、課題分析、制作ディレクション・編集を行っていただきます。 どの事業・プロダクトも顧客から高いご支持をいただいており、これらをより多くの方に手にとっていただくことがミッションです。 主に動画制作及びディレクションをお任せしますが、WEBページやLP制作などのプロジェクトもお任せする予定です。 【事業例】 ・煩雑だった従業員の健康情報管理をまとめて効率化「ハピネスパートナーズ」 ・エムスリーデジカルで診療をラクに「エムスリーデジカル」 ・スマホとICタグで介護をもっとスマートに「Care-Wing」 　(ユーザーインタビュー:https://youtu.be/SvmAtgz6_fA) ・簡単導入、低コストの新しい福利厚生「スマカフェ」 【具体的な業務内容】 ・エムスリーグループ事業のクリエイティブ(動画・LP・Webサイト等)制作&ディレクション&マーケティング ・定量/定性データに基づく課題分析・インサイト発掘 ・ユーザーインタビュー/関係各所へのヒアリング ・中長期的な改善施策の立案・検証実行 ・動画の企画立案、撮影、運用などディレクション全般 ・YouTube/metaなど継続運用 【主に使用する言語、ツール、アプリケーション】 Adobe、Figma、Canca、VScode、Git、HTML、CSS (SCSS等含む) 、JavaScript、GA4、VWOテストツールなど 【コミュニケーションツール】 Slack、Meet、Zoom、Confluence、Backlog など 【育成プロセス】 OJT ・入社1ヶ月～2ヶ月: 　各プロジェクトのキャッチアップ・制作に入る 　指導者・メンターとの1on1によるサポート(頻度多め) ・入社3ヶ月以降(目安): 　担当プロジェクトを1つ持ち運用する 　研修受講支援 　指導者・メンターとの1on1によるサポート(週次) ・入社6ヶ月以降(目安): 　担当プロジェクト1～2を持ち推進いただく 　チームリーダーとの1on1(週次) ※従事すべき業務の変更の範囲 適性に応じて、会社の指示する業務への異動を命じることがある。

株式会社kubell

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

株式会社kubell

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

株式会社エスキュービズム

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.

株式会社エスキュービズム

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

Japan Digital Design 株式会社

【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

Japan Digital Design 株式会社

【業務概要】 三菱UFJフィナンシャル・グループ(MUFG)のデジタルトランスフォーメーション(DX)を、グループ会社として内側から支援します。JDDでは、クラウド・データ・AIを活用したプロジェクトが急速に拡大しており、それに伴いセキュアな開発・運用を前提としたAI活用がこれまで以上に重要になっています。今回募集するセキュリティエンジニア(AIセキュリティ)は、開発チーム・インフラチーム・AIプロジェクトと密に連携しながら、JDDの開発プラットフォームおよびAI活用プロジェクトにおけるセキュリティ・ガバナンスの強化を実践的に推進するポジションです。 ※異業界出身者歓迎 (これまでの開発・インフラ・AI経験を、金融×セキュリティ領域で活かせます) 【具体的な業務】 ご自身の得意領域に応じて以下のすべてあるいは一部を担っていただきます。 ・開発チームと協働したセキュア開発の実践 　-Webサービスやデータ・AI関連システムにおけるセキュア開発の推進 　-設計レビュー、実装レビュー、開発プロセスへのセキュリティ観点の組み込み 　-開発チームと並走しながら、実装レベルでのセキュリティ品質向上を支援 ・Cloud Platformのセキュア化推進 　-インフラチームと協働し、MUFG向けに提供しているソリューションのインフラ基盤(パブリッククラウド環境)のセキュリティ強化を推進 　-ID管理、権限設計、ログ・監視、クラウド設定等の観点での設計・改善・レビュー 　-開発・運用のスピードを損なわない、実用的なセキュリティアーキテクチャの検討・導入 ・AIプロジェクトへの伴走とセキュリティ・ガバナンス強化 　-AI活用プロジェクトに初期段階から関与し、ガバナンス・セキュリティ観点での助言・実装支援 　-データ利用、モデル開発・運用、外部サービス連携等におけるリスク整理と対策検討 　-AIプロジェクトが継続的に安心して運用できる仕組みづくりの支援 　-MUFGのセキュリティ基準に対する説明責任の担保 【技術スタック】 ・クラウド/AI関連 　-Amazon Web Services 　-Google Cloud 　-Microsoft Azure 　-Databricks(データ・AI基盤) ・セキュリティ領域(例) 　-セキュア開発プロセス 　-クラウドセキュリティ(IAM、ログ・監視、設定管理) 　-AI/データ活用におけるガバナンス・リスク管理 　-セキュリティ業務でのAI活用 ・利用ツール 　-Slack, GitHub, JIRA, Confluence, Microsoft Teams 　-導入済みのAIツールについてはこちらの「AIツールの活用」もご覧ください ※特定技術への深い専門特化よりも、開発・AIプロジェクトに伴走できる実践力を重視します。 ●変更の範囲 業務:会社の定める業務

株式会社カオナビ

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

株式会社カオナビ

本ポジションではプロダクトマネジメントや組織開発における一連の業務をお任せします。プロダクトマネジメントチームの責任者を担っていただくポジションのため、経営陣や各現場責任者と協働しながら、プロダクト戦略や組織戦略を描いていただき、実行いただくことを期待しています。 主な業務は以下となります。 ●プロダクト戦略策定業務 ・新規プロダクトの企画立案や既存プロダクトの機能改善方針の検討 ・プロダクトロードマップ策定やKGI/KPIなど達成すべき数値目標の検討 ●プロダクトマネジメント業務 ・定性・定量リサーチ(ユーザー調査・ログ分析・問い合わせ分析・VOEやVOC分析) ・CS部門やセールス部門との連携による要求整理、改善アイデアの検討 ・開発要件整理、開発プロジェクトの進捗管理、リスク管理、納期管理 ●組織マネジメント業務 ・プロダクト戦略に紐づく、組織戦略の策定や人員計画の検討 ・チームが円滑に活動するための組織活性化施策の検討と実行 ・メンバーの意欲と能力向上を目指した各種メンバーマネジメント業務 【直近過去事例】 新機能「クリエイティブマップ」β版を提供開始 カオナビが、申請業務を効率化する新機能「ワークフロー」の提供開始 現在、他社との連携も進行中です。 【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

株式会社カオナビ

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

株式会社カオナビ

【事業概要】 持続的な企業成長には生産性向上が不可欠であり、「人的資本経営」の重要性がかつてないほど高まっています。その中核を担うのが「タレントマネジメント」です。本音の人材情報を活用し、個人と組織の潜在能力を最大限に引き出すことで、企業はさらなる高みを目指せます。 カオナビは、個の力を最大化し、組織をより強くするためのタレントマネジメントシステムです。人事業務の効率化から戦略人事の実現まで、幅広い目的に対応。人材データプラットフォームに蓄積された個のデータをAIと掛け合わせることで、「個の力の最大化」による盤石な組織を築き、企業の成長を力強く後押しします。 【募集概要】 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サーバーサイドエンジニアとしてご担当いただきます。 またSRE (Site Reliability Engineering) 活動を行なっているインフラグループと連携し、品質を維持しながらスピード感をもった開発を行っていただきます。 【業務内容】 (1)機能開発を主なミッションのエンジニアの場合 開発に伴う計画の作成および進捗の管理 新機能作成や既存機能の改善のためのサーバサイド側の設計および開発 機能のパフォーマンス向上に伴う改善活動 (2)技術横断的な保守や改善が主なミッションのエンジニアの場合 機能横断で利用されているモジュールのリアーキテクチャリング ライブラリや使用言語のバージョンアップ 開発効率や開発者体験向上を目的とした改善活動 また、ご希望や経験に応じて、以下のようなロールをお任せすることもあります。 テックリード エンジニアリングマネージャー その他にも有志で以下のような取り組みを行っています。 (主に若手の)メンバー教育のための企画/施策 エンジニア採用広報に関する活動 【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

株式会社カオナビ

2025年8月に新設された「AI推進室」の立ち上げに関わっていただきます。 直近は以下の開発が予定されています。 ●企画・開発支援業務へのAI技術の組み込み ●AI機能の探索・試作・検証・実装 ●機能のPoC支援やユーザーテスト、効果検証のサポート 主力のカオナビ、新規サービスのロウムメイト、ヨジツティクスに続くマルチプロダクト化を推進していただくことを期待しています。 開発環境 開発言語:Go, JavaScript, TypeScript, Python フレームワーク:Gin, React, Next.js 開発/運用環境:Rancher Desktop, GoLand, Protocol Buffers, Storybook, Figma, GitLab, GitLab CI, GitHub Copilot, Claude Code 構成管理:Terraform インフラ環境:AWS (EC2, RDS, S3, CloudFront, Step Functions, ECS, Fargate, ECR, SystemManager, EventBrigte, GlobalAccelerator...), Auth0, SendGrid 監視, モニタリング, 運用ツール:AWS CloudWatch 社内ツール:Confluence, JIRA, Slack, Zoom その他:Yarn, webpack, Jotai, TanstackQuery, React Hooks, gRPC

オリックス株式会社

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

フリー株式会社

【現状の課題/今後取り組みたいこと】 freeeは今、事業規模の拡大と多様化により、数多くのAI・SaaSツールが混在する 「ツールのジャングル」を「洗練されたエコシステム」へと進化させるフェーズにあります。 【課題】 個別最適で導入されたツールの乱立、それによるデータの分断や運用コストの増加。 【ミッション】 freee全社のITグランドデザインを、AIネイティブな視点で再構築する。 SaaSのベストミックスにより、従業員の「本来やるべき創造的な業務」の時間を最大化する。 生産性の「爆発的増加」を、一時的な改善ではなく仕組みとして定着させる。 【業務内容詳細】 経営視点でのIT戦略立案から、現場での運用定着までを一気通貫で牽引していただきます。 次世代ITアーキテクチャの設計・移行 サイロ化、部分最適になりがちな既存SaaS群の統廃合 新規AI・SaaS導入に向けた要件定義とベンダー折衝 IdP（OneLogin等）・デバイス管理（Jamf/Intune等）・セキュリティ等のコア基盤を組み合わせたゼロトラスト、ゼロタッチ環境のアーキテクチャ設計と移行プロジェクトのリード AI×SaaSによる業務変革と自動化の実装 システム間のデータ連携および業務ワークフローの自動化実装 Google Workspace・Slack等の社内標準ツールの高度活用に向けた、現場へのヒアリング・ガイドライン策定・定着化の推進 働く環境のアップデート セキュアで高速な社内NWの要件定義と構築 最適なデバイス（Mac/Win）調達・管理プロセスの設計 業務内容の変更範囲：会社の事業状況やご本人の適性に応じて担当する業務内容が変更となる場合があります

株式会社GA technologies

●ミッションと課題 当社のデータプラットフォームは構築フェーズから、グループ全体をカバーする大規模スケールと極めて高い信頼性の両立フェーズへとシフトしています。 ・データパイプラインをプロダクトとして扱い、SLI/SLO(サービスレベル目標)の策定、可観測性インフラ(IaC/CI/CD)の徹底的なコード化によって、手作業や属人化したトイルをゼロに近づける。 ・ビジネスの実行スピードを落とさずに、個人情報保護や機密性を保つガバナンス体制を、DMBOKなどのフレームワークに則ってアーキテクチャレベルで実装。 ・GAグループ横断的なデータ基盤・データマネジメントシステムの構築・運用。 ●仕事概要 国内外のグループ会社を含めた全社共通のデータマネジメントおよびデータプラットフォームの進化をリードしていただきます。 CDO直下組織のもと、単なるデータ連携の実装にとどまらず、プロダクトとしての強固なデータプラットフォームのアーキテクチャ設計、高いサービスレベルの担保(SLM)、およびセキュアなガバナンス構築を推進する役割を担っていただきます。 ・Snowflake × dbt × Dagsterを主軸としたデータプラットフォームのアーキテクチャ設計・移行・最適化 ・TerraformおよびTerragruntを用いた、再現性が高く、複数部門・複数会社へ迅速に横展開可能なIaCプラクティスの整備 ・SRE観点に基づくパフォーマンスチューニング、データレイクハウス(Apache Iceberg等)の評価・検証および実運用 ・データモデリング(履歴管理、コンテキストモデリング)およびデータ品質テスト自動化システムの構築 ・権限設計、アクセスコントロール、マスキングルール構築を包括するデータガバナンス標準化の主導 ・ADR(Architecture Decision Records)を用いた技術選定プロセスの明確化と、メンバーに対するコードレビューやメンターシップの実施 ●開発環境 ・主要:Snowflake x dbt x dagster x Terraform ・詳細:Snowflake, Apache Iceberg, dbt, Dagster, Python, dlt, TROCCO, Airbyte, Treasure Data, Terraform, Terragrunt, GitHub Actions, ・Docker, OpenMetadata, Tableau, Prometheus, Grafana, AWS(ECR, ECS Fargate, S3, DMS) ※経営状況、配属先の状況等を総合的に勘案し、会社の指定する部署への配置転換及び会社が指定する業務内容へ変更する場合がございます。(グループ会社等への出向及び転籍を含む)

キャディ株式会社

1)グローバルプラットフォームのセキュリティアーキテクチャ設計 海外を含む多拠点を横断したアイデンティティ管理・アクセス制御の設計 CADDi Drawer / Quote等の各サービスを横断するデータセキュリティ標準の策定と実装 ゼロトラスト・アーキテクチャに基づいた認証・認可基盤(Microsoft Entra ID、SSO、MFA等)の設計と運用 2)SecOps とインシデント対応 EDR / SIEM / IDaaS / CASB / DLP等のセキュリティツールの導入・運用・チューニング セキュリティインシデントの検知・分析・対応(脅威ハンティング、初動対応、根本原因分析含む) 脆弱性診断・ペネトレーションテストの計画と実施支援 脅威インテリジェンスの収集と対策の実行 3)組織のセキュリティ文化形成と仕組みづくり セキュリティポリシー・ガイドライン・インシデントレスポンス計画の策定・更新・教育展開 各種監査(ISMS、SOC2、外部監査等)における技術面の対応 新たなセキュリティ技術やフレームワークの情報収集とPoC(ゼロトラスト、SASE、SSPM、クラウドセキュリティプラットフォーム等) ●ミッション いま、キャディの情報セキュリティは「第二創業期」を迎えています。 製造業の産業変革を目指すという未踏のドメインで、グローバル展開とサプライチェーンプラットフォームの複雑性が加速度的に増しています。 私たちが取り組むのは、既存基盤の維持ではなく、多拠点・グローバル・製造業AIプラットフォームという前例のないコンテキストで、ゼロトラスト・アーキテクチャをゼロから設計・実装し直すことです。 セキュリティを「事業の足かせ」ではなく「事業を勝たせる競争優位性」として捉え、経営陣と一緒にセキュリティ組織をデザインしていただける方を求めています。 ●利用ツール・デバイス Windows、Macbook、iPhone/iPad Google Workspace、Okta、Microsoft Entra ID、Slack、Confluence、Jira、Intune、JamfPro、CrowdStrike、Firewall等のセキュリティ製品 各種ログ収集・分析基盤、脅威インテリジェンスサービス

キャディ株式会社

<期待する役割> ご自身の専門性と組織課題が最も合致する領域からスタートしていただきます。その後は、経営・CTO・各開発責任者と連携し、その時々で解決すべき「最も解きごたえのある壁」に向き合っていただきます。 <想定される業務例> ●戦略的プロダクト開発・刷新への参画 ・成長痛に直面しているプロダクトに入り込み、ボトルネックの特定からアーキテクチャの再設計、難易度の高い実装までを牽引する。 ●全社横断的な「技術的突破口」の作成 ・特定のチームだけでは解決できない共通基盤(認証、データ連携、CI/CD等)の課題に対し、全社最適なソリューションを構築・展開する。 ●技術的意思決定のリードと品質の担保 ・複数チームが関わる複雑なシステムデザインのレビューや、セキュリティ・スケーラビリティ等の高い基準の策定と実行。 ●技術組織の成熟化への寄与 ・課題解決を通じて、次世代のリードエンジニアを育成し、組織全体の「壁を乗り越える力」を底上げする。 <開発環境> ●フロントエンド:TypeScript,React,Next.js ●バックエンド:Rust(axum),TypeScript,Node.js(Express,Fastify,NestJS) ●機械学習・アルゴリズム:Rust,Python,OpenCV,PyTorch,TorchServe,Elasticsearch,Vertex AI ●インフラ:Google Cloud,Google Kubernetes Engine,Anthos Service Mesh,Istio,Cloudflare,Argo Workflows ●Event Bus:Cloud Pub/Sub ●DevOps:GitHub,GitHub Actions,ArgoCD,Kustomize,Helm,Terraform,Datadog,MixPanel,Sentry ●Data:CloudSQL(PostgreSQL),AlloyDB,BigQuery,dbt,trocco ●API:GraphQL,REST,gRPC ●認証: Auth0 ●開発ツール:GitHub Copilot,Figma,Storybook ●コミュニケーションツール:Slack,Discord,JIRA,Miro,Confluence

株式会社Works Human Intelligence

国内最大級のスケールを持つSaaSである「COMPANY」の商用環境において、IaCやAIOpsを活用した運用効率化・自動化の実務を担っていただきます。 ● AWSを活用したインフラの設計・開発・運用 ・CDK、AnsibleなどのIaCを活用した、プロビジョニング・パッチ適用・設定管理の自動化と構成スクリプトの開発・運用 ・運用における障害対応、および製品やシステムへのフィードバック・改善 ・サーバー、データベース(Oracle、PostgreSQLなど)のパフォーマンスチューニング ・運用コスト、クラウドコスト低減のための継続的改善・自動化 ● サービスのモニタリング、測定および改善 ・Datadog、AppDynamics、ELK Stack等を活用した障害検知・キャパシティプランニングのためのモニタリングシステムの開発・運用 ・障害検知時の自動復旧システムの開発・改善 ・インフラログやメトリクスの集約と可視化(オブザーバビリティ)の高度化 ● セキュリティ強化のための取り組み ・ベストプラクティスに基づくクラウドセキュリティの強化、運用統制の策定 ・ISO、ISMAPを通じたお客様へのセキュリティ・統制状況の説明 ほとんどの運用作業が自動化されているため、業務の約8割が開発、残り2割が運用作業や問い合わせ対応というイメージです。リーダー候補の方には、上記に加えてチーム内の技術的なリードや若手メンバーの育成にも携わっていただきます。 ●組織体制 COMPANYのSRE組織には、以下のようなグループがあります。1グループは3～10名で、グループに関わらず全員で運用作業を分担しています。 ・監視など運用基盤を開発、改善するグループ ・運用自動化(AIOps含む)を進めるグループ ・クラウドサービスインフラを設計し、改善するグループ ・セキュリティ、コンプライアンス強化を進めるグループ 採用後には1on1を実施し、お持ちのスキルや今後のキャリアパスを踏まえて配属先を決定します。 ●配属組織 SRE部門 約40名 ●技術スタック サーバーサイド: Java, Python フロントエンド(言語):HTML, CSS, JavaScript フロントエンド(ライブラリ):Vue.js データストア: Oracle Database, PostgreSQL, Amazon DynamoDB ミドルウェア: Nginx, Apache Tomcat クラウド: Amazon Web Service CI/CD: Jenkins, AWS CodeBuild, AWS CodePipeline 構成管理:AWS CloudFormation, AWS CDK, Ansible モニタリング:CloudWatch, AppDynamics, Datadog ソースコード管理: Git, Gitlab, GitHub タスク管理:Redmine 開発ツール:Visual Studio Code コミュニケーション: Slack, Google Workspace

パーソルビジネスプロセスデザイン株式会社

golangを中心としたWebフロントエンドの技術を用いて、Webアプリケーションの設計、開発、運用を担当いただきます。 PdM、EM、UI/UXデザイナーとも直接議論を交わしながらプロダクトづくりに取り組んでいただくポジションです。 ・求人まとめサイト(BtoCサービス)の設計、開発、運用 ・スマート採用ツール(BtoBサービス)の設計、開発、運用 ・上記に伴う上流工程、技術選定 ■ 利用技術・開発環境 ・Frontend: React.js ・Backend: golang(Echo), Node.js ・DB: MySQL(RDB Aurola), Elasticsearch, DynamoDB, Cognito ・サーバー: Amazon ECS, Lambda ・ソースコード管理: Github ・CI/CD: CircleCI ・モニタリングツール: NewRelic, CloudWatch ■その他開発環境 ・PC: MacBook Pro ・デザイン:Figmaなど ・プロジェクト管理:Jira ・ドキュメント:Confluence ・コミュニケーション:Slack、Zoom ■関わるチーム developmentチームに所属するメンバーは正社員5名と業務委託で、WEB広告代理店やSIerなど出身は様々です。 チームは上司に対しても「さん」付けで呼ぶなど、非常にフラットな環境です。 SEEDS COMPANYではコミュニケーションを大事にしているため、営業など他職種との垣根も少ないです。 ～CTO桑田の自己紹介～ 純文系の大学を卒業し、営業職のキャリアをスタート。 多様な職種を経て、2011年にWeb広告代理店であるフルスピード社へ入社し、エンジニアとしてのキャリアをスタート。 広告管理システムの開発やSFA導入、新規事業開発に携わる。 その後、EMを目指したいという想いが叶えられるSEEDS COMPANYへ2018年に入社し、 EM兼スクラムマスター兼バックエンドアーキテクトとして、x:eeeを中心とした開発責任者へ。 現在は、SEEDS COMPANY全体の技術責任者としてマネジメント中心に担っており、 2023年度上期に全社総会でベストマネジメント賞を受賞。 自称「4年で2億の売り上げを作るシステムを開発したおじさん」。 好きな技術領域はgolang, Goa, Amazon CloudFront, Google App Engine. 一時、桑田が執筆したQiita記事がバズり、Salesforce qiita organization ranking top 3 にランクインしたことも。 《エンジニアのためのsalesforce超入門 #ポエム》 https://qiita.com/tarokamikaze/items/0bc2988534f63d4b65c5

パーソルビジネスプロセスデザイン株式会社

React.jsを中心としたWebフロントエンドの技術を用いて、Webアプリケーションの設計、開発、運用を担当いただきます。 PdM、EM、UI/UXデザイナーとも直接議論を交わしながらプロダクトづくりに取り組んでいただくポジションです。 ・求人まとめサイト(BtoCサービス)の設計、開発、運用 ・スマート採用ツール(BtoBサービス)の設計、開発、運用 ・上記に伴う上流工程、技術選定 ■ 利用技術・開発環境 ・Frontend: React.js ・Backend: golang, Node.js ・DB: MySQL(RDB Aurola), Elasticsearch ・サーバー: Amazon ECS, Lambda ・ソースコード管理: Github ・CI/CD: CircleCI ■その他開発環境 ・PC: MacBook Pro ・デザイン:Figmaなど ・プロジェクト管理:Jira ・ドキュメント:Confluence ・コミュニケーション:Slack、バーチャルオフィス、Zoom ■関わるチーム developmentチームに所属するメンバーは正社員5名と業務委託で、WEB広告代理店やSIerなど出身は様々です。 チームは上司に対しても「さん」付けで呼ぶなど、非常にフラットな環境です。 SEEDS COMPANYではコミュニケーションを大事にしているため、営業など他職種との垣根も少ないです。 ～CTO桑田の自己紹介～ 純文系の大学を卒業し、営業職のキャリアをスタート。 多様な職種を経て、2011年にWeb広告代理店であるフルスピード社へ入社し、エンジニアとしてのキャリアをスタート。 広告管理システムの開発やSFA導入、新規事業開発に携わる。 その後、EMを目指したいという想いが叶えられるSEEDS COMPANYへ2018年に入社し、 EM兼スクラムマスター兼バックエンドアーキテクトとして、x:eeeを中心とした開発責任者へ。 現在は、SEEDS COMPANY全体の技術責任者としてマネジメント中心に担っており、 2023年度上期に全社総会でベストマネジメント賞を受賞。 自称「4年で2億の売り上げを作るシステムを開発したおじさん」。 好きな技術領域はgolang, Goa, Amazon CloudFront, Google App Engine. 一時、桑田が執筆したQiita記事がバズり、Salesforce qiita organization ranking top 3 にランクインしたことも。 《エンジニアのためのsalesforce超入門 #ポエム》 https://qiita.com/tarokamikaze/items/0bc2988534f63d4b65c5