年収500万円以上 ConfluenceのITエンジニア求人・転職情報

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

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

エンジニアリング チームが目指すもの アバントのエンジニアリングチームでは、アバントグループの企業理念である「100年企業の創造」を達成するために、「チームの垣根を越えて協力し合いかつ、自ら決断することのできる自律型」組織を作り、チーム一丸となり、アバントのミッションの実現に向けた挑戦をし続けていきます。 本ポジションに期待する事【フロントエンドエンジニア】 アバントのミッションを達成するために、エンジニアリングチームは大きな転換をしようとしています。 お客様の「経営情報の大衆化」を進めるためにアバントは成長を続けてきました。 今後さらなる速度でのサービス拡大および「経営情報の大衆化」を見据え、アバント全体のミッションとして、新規ソフトウェアサービスの拡充に取り組んでいます。 これまでモノリシックなオンプレミス型クライアントアプリケーションとして設計・実装されてきたアバントのプロダクトをクラウド型ブラウザアプリケーションとすることで、より、お客様に価値を提供できるシステムへと作り変えています。 フロントエンドエンジニアには、システム・組織の大きな変革とサービスの成長の両面に対して、Open Value Stretchに取り組むことが求められます。 このような段階のエンジニアリングチームにおいて、UI開発はもちろんのこと、UX領域に係る意思決定から仕様に対するフィードバック等、様々な議論に対してオーナーシップを持ち、積極的・主体的に関わって頂くTechLeadとしてのエンジニアを求めています。 業務内容【フロントエンドエンジニア】 ・アバントのクラウドサービスにおけるWebアプリケーションのUI設計、開発 ・チーム開発のリード 技術環境: ・開発言語: C#, JavaScript(AngularJS 等々), C++ ・インフラストラクチャ: オンプレミスサーバ, Microsoft Azure, Amazon Web service ・ミドルウェア:Microsoft SQL Database(および SQL Server), Oracle, Azure COSMOS DB, Nginx, Kubernetes(Azure Kubernetes Service) ・構成管理ツール: Azure DevOps ・CI/CD: Azure DevOps ・監視ツール: IIJ ・ドキュメンテーション: Confluence ・その他利用ツール・サービス: Microsoft Teams , Slack　他 配属部門 プロダクト開発本部　プロダクト基盤部

エンジニアリング チームが目指すもの アバントのエンジニアリングチームでは、アバントグループの企業理念である「100年企業の創造」を達成するために、「チームの垣根を越えて協力し合いかつ、自ら決断することのできる自律型」組織を作り、チーム一丸となり、アバントのミッションの実現に向けた挑戦をし続けていきます。 本ポジションに期待する事【バックエンドエンジニア】 アバントのミッションを達成するために、エンジニアリングチームは大きな転換をしようとしています。お客様の「経営情報の大衆化」を進めるためにアバントは成長を続けてきました。今後さらなる速度でのサービス拡大および「経営情報の大衆化」を見据え、アバント全体のミッションとして、新規ソフトウェアサービスの拡充に取り組んでいます。 これまでモノリシックなオンプレミス型クライアントアプリケーションとして設計・実装されてきたアバントのプロダクトをクラウド型ブラウザアプリケーションとすることで、より、お客様に価値を提供できるシステムへと作り変えています。バックエンドエンジニアには、システム・組織の大きな変革とサービスの成長の両面に対して、Open Value Stretchに取り組むことが求められます。 このような段階のバックエンドチームにおいて、機能開発はもちろんのこと、オンプレミスアプリケーションをクラウドアプリケーションに転換するための技術領域に係る意思決定から仕様に対するフィードバック等、様々な議論に対してオーナーシップを持ち、積極的・主体的に関わって頂くTechLeadとしてのエンジニアを求めています。 業務内容【バックエンドエンジニア】 ・アバントのクラウドサービスを構成する各種Microservicesの設計、開発、運用 ・C#を利用したクラウドサービスのAPI、Webアプリケーションの設計、開発、運用 ・チーム開発のリード 技術環境 ・開発言語: C#, JavaScript, C++ ・インフラストラクチャ: オンプレミスサーバ, Microsoft Azure, Amazon Web service ・ミドルウェア:Microsoft SQL Database(および SQL Server), Oracle, Azure COSMOS DB, Nginx, Kubernetes(Azure Kubernetes Service, Elastic Kubernetes Service) ・構成管理ツール: Azure DevOps ・CI/CD: Azure DevOps ・監視ツール: IIJ ・ドキュメンテーション: Confluence ・その他利用ツール・サービス: Microsoft Teams , Slack　他 配属部門 プロダクト開発本部

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.

【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

【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

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

・ソフトウェアプロセス改廃 ソフトウェア品質保証基準の策定、開発プロセス定義、運用管理環境の構築(課題分析、運用定着、継続的改善) ・ソフトウェア開発環境基盤構築 ツールチェーンを活用した開発のデジタル化戦略策定、構築、展開、ソフトウェアテスト・開発支援環境の構築(CI/CD環境、バーチャル検証環境、自動テスト) ・シミュレーション環境導入による早期検証の実現/開発サイクル短縮(フィードバックループ高速化) ※経験や希望に応じ、担当業務を決定いたします <業務での使用ツール> C/C++、Python、VBA、Redmine、JIRA/Confluence、Git、SVN、Jenkins、WinAMS、MATLAB/Simulink、PolySpace、QA-C、WinAMS、Doors、EnterpriseArchitect、UnderStand、LATIX、FOSSID、HILS/MILS

【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

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

<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

ミッション 開発組織および関連部門が、 最小限のルールと運用で、最大の成果を出し続けられる状態 を実現すること。 個別対応や力技ではなく、プロジェクト横断での開発オペレーションを仕組み・構造・インターフェースとして設計することで、 作らなくても回り、組織として再現・共有できる開発の運営状態 を作ることが、このポジションのミッションです。 主な業務(開発オペレーションリードとして) ●ドキュメントオペレーションの設計・標準化 ・開発組織におけるドキュメント体系の整理・再設計 ・「何を書くか/書かないか」「誰が更新責任を持つか」の明確化 ・生成AI / LLM 活用を前提とした、検索・再利用しやすい構造設計 ●部門間連携のインターフェース設計 ・ 開発部と営業・PM・データサイエンティスト等との情報連携整理 ・役割分担・責任分界点・判断フローの明確化 ・人に依存しない連携・調整の仕組み化 ●開発・運用オペレーションのリファクタリング ・ 開発・運用プロセス全体の可視化と見直し ・不要・過剰なルール、ツール、手順の整理・廃止 ・最小限で回る設計への再構築と定着 ●共通機能・開発アセットの設計と循環 ・各プロジェクトで生まれた実装・ノウハウの抽出と整理 ・共通アセットとして整備すべき対象の判断(作る/作らないの見極め) ・作成した共通機能・アセットを、実プロジェクトで活用される形で展開・定着させる仕組みづくり ・利用状況やフィードバックを踏まえた継続的な改善 ※ 共通アセットは「作ること」自体を目的とせず、プロジェクトで実際に使われ、組織全体の生産性向上につながることを重視します。 条件付きで関与する業務(希望・状況に応じて) ●プロジェクト現場への関与(理解・改善目的) ・実運用を踏まえた課題抽出 ・個人対応で終わらせず、組織に還元する改善テーマの整理 ●プロジェクトデリバリーへの協力 ・開発オペレーション改善につながる範囲での関与 ・単なるリソース補完ではなく、知見を横断的な仕組み化に還元することを前提とします ※ 本ポジションは、個別プロジェクトのデリバリーを主目的とした役割ではありません

日本を代表するナショナルクライアントなど、業界・規模を問わず、数千万〜数億規模の大手案件を中心に、開発プロジェクトをお任せします。 UI/UXやアーキテクチャ選定も含めて提案する弊社では、プロジェクトマネージャーやエンジニアだけでなく、デザイナーやインフラエンジニア等様々な職種のメンバーと連携を取りながらプロジェクト成功に向けてリードし、ご経験に応じて要件定義から設計・製造・試験まで一貫して担当いただきます。 開発手法はウォーターフォール開発、アジャイル開発等様々ですので、個々の適性や希望を考慮しながら開発のスピード感を経験できます。 【主な開発環境】 言語:Java、Kotlin、Go、PHP フレームワーク:Spring、Gin、Laravel、独自FW DB:MySQL、PostgreSQL、Oracle インフラ:AWS、Azure、GCP その他:Docker(Kubernetes)、GitHub Enterprise、Atlassian Confluence、Jira、backlog 開発手法:ウォーターフォール、アジャイル、プロトタイプ開発 ※アーキテクチャ選定から弊社で行っているため、状況に応じて、様々な技術を取り入れてクライアント課題に対してアプローチしています。 クライアント課題や状況にもよりますが、「○○を使ってみたい」などのメンバーの希望に応じて、技術選定を行うこともできます。

生成AIでビジネスの未来を「革新」する自然言語処理アーキテクトを募集 生成AI(特にLLM)を用いた業務効率化・知的業務支援のプロジェクトにて、技術選定・設計・開発の中核を担っていただきます。 「PoC止まりで終わらない」本番実装の案件が豊富で、NLPの専門性をビジネスに結びつけたいエンジニアに最適な環境です。 【具体的な業務】 以下を想定しております。 ・エンドクライアントとの技術ディスカッション、業務分析、PoC仮説設計 ・LLMや検索技術(RAGなど)を用いたプロトタイプ開発、本番導入 ・ジュニアメンバーの技術支援、コードレビュー ・PM・Biz側への技術提案・交渉・仕様調整 ・LLMの評価設計(指標設計、ベンチマーク設計など)

業界・規模を問わず、Webアプリケーション開発プロジェクトのプロジェクトマネジメントをお任せします。 UI/UXやアーキテクチャ選定も含めて提案する弊社では、ディレクターやデザイナーやインフラエンジニア等様々な職種のメンバーと連携を取りながらプロジェクト成功に向けてリードし、ご経験に応じて企画提案から受注までの工程もご対応いただきます。 開発手法はウォーターフォール開発、アジャイル開発等様々ですので、個々の適性や希望を考慮しながら開発のスピード感を経験できます。 また、プレイングマネージャーを希望される方は、自ら手を動かして開発にも携わることが可能です。 主な開発環境 言語:Java、Kotlin、Go、PHP フレームワーク:Spring、Gin、Laravel、独自FW DB:MySQL、PostgreSQL、Oracle インフラ:AWS、Azure、GCP その他:Docker(Kubernetes)、GitHub Enterprise、Atlassian Confluence、Jira、backlog 開発手法:ウォーターフォール、アジャイル、プロトタイプ開発 ※アーキテクチャ選定から弊社で行っているため、状況に応じて、様々な技術を取り入れてクライアント課題に対してアプローチしています。 クライアント課題や状況にもよりますが、「○○を使ってみたい」などのメンバーの希望に応じて、技術選定を行うこともできます。 キャリアパス ・プロジェクトマネジメント ・ラインマネジメント(事業部での組織長やマネジメント職) ・DXコンサルタント ・プロデュース

日本を代表するナショナルクライアントなど、業界・規模を問わず、数千万〜数億規模の大手案件を中心に、開発プロジェクトをお任せします。 UI/UXやアーキテクチャ選定も含めて提案する弊社では、プロジェクトマネージャーやエンジニアだけでなく、デザイナーやインフラエンジニア等様々な職種のメンバーと連携を取りながらプロジェクト成功に向けてリードし、ご経験に応じて要件定義から設計・製造・試験まで一貫して担当いただきます。 開発手法はウォーターフォール開発、アジャイル開発等様々ですので、個々の適性や希望を考慮しながら開発のスピード感を経験できます。 【主な開発環境】 言語:Java、Kotlin、Go、PHP フレームワーク:Spring、Gin、Laravel、独自FW DB:MySQL、PostgreSQL、Oracle インフラ:AWS、Azure、GCP その他:Docker(Kubernetes)、GitHub Enterprise、Atlassian Confluence、Jira、backlog 開発手法:ウォーターフォール、アジャイル、プロトタイプ開発 ※アーキテクチャ選定から弊社で行っているため、状況に応じて、様々な技術を取り入れてクライアント課題に対してアプローチしています。 クライアント課題や状況にもよりますが、「○○を使ってみたい」などのメンバーの希望に応じて、技術選定を行うこともできます。

日本を代表するナショナルクライアントなど、業界・規模を問わず、数千万〜数億規模の大手案件を中心に、開発プロジェクトをお任せします。 UI/UXやアーキテクチャ選定も含めて提案する弊社では、プロジェクトマネージャーやエンジニアだけでなく、デザイナーやインフラエンジニア等様々な職種のメンバーと連携を取りながらプロジェクト成功に向けてリードし、ご経験に応じて要件定義から設計・製造・試験まで一貫して担当いただきます。 開発手法はウォーターフォール開発、アジャイル開発等様々ですので、個々の適性や希望を考慮しながら開発のスピード感を経験できます。 主な開発環境 言語:Java、Kotlin、Go、PHP フレームワーク:Spring、Gin、Laravel、独自FW DB:MySQL、PostgreSQL、Oracle インフラ:AWS、Azure、GCP その他:Docker(Kubernetes)、GitHub Enterprise、Atlassian Confluence、Jira、backlog 開発手法:ウォーターフォール、アジャイル、プロトタイプ開発 ※アーキテクチャ選定から弊社で行っているため、状況に応じて、様々な技術を取り入れてクライアント課題に対してアプローチしています。 クライアント課題や状況にもよりますが、「○○を使ってみたい」などのメンバーの希望に応じて、技術選定を行うこともできます。

●品質管理/改善に関する業務 └テストプロセス全般の管理、改善。 その上で効率的かつ効果的なテスト手法を確立 └開発エンジニア、PdM、ビジネス部門とも密接に協力し、製品の品質に関する期待やリスクの把握 └各種製品リリースにおけるリスク評価と品質リスクを最小限に抑える戦略を策定 ●リードに関する業務 └エンジニアやプロダクトマネージャー等周囲と連携してのプロダクト全体の品質基準と品質維持プロセスの設計と推進 └上記プロセスの実現のためのメンバー育成計画の立案と推進 └上記プロセスの実現のための各種の制度設計、改善、運用 └QA同士の横の繋がりの強化(エンゲージメント強化)の推進 └目標設定、評価のフィードバック <変更の範囲> 本社及び全てのオフィス、自宅、その他就業場所(会社の許可した就業に適した場所)、出向先・転籍先会社の全てのオフィス 開発環境 開発言語:PHP, Go, JavaScript, TypeScript, Dart フレームワーク:Laravel, Gin, React, Flutter 開発/運用環境:Docker, GoLand, PHPStorm, Swagger, Storybook, Figma, GitLab, GitLab CI, TestCafe 構成管理:Ansible, Terraform, CloudFormation ミドルウェア:MySQL, Apache, Nginx, Redis インフラ環境:AWS (EC2, RDS, ElastiCache, S3, CloudFront, Step Functions, Batch, Lambda, ECS, Fargate, ECR, ...) 監視, モニタリング, 運用ツール:Mackerel, Datadog, PagerDuty, Statuspage 社内ツール:Confluence, Redmine, JIRA, Slack, Zoom その他:Yarn, webpack, Atomic Design, Redux, React Hooks, PHPUnit, Redux Toolkit

事業部紹介 当事業部は法人向け・個人向けインターネット・アプリバンキングを中心とした決済系プラットフォームサービス「ANSER」を提供し、全国に数多くの顧客基盤を保有しており、長年に渡って安定的な事業運営を継続しています。一方で、変化の早い技術革新を活用したり、ユーザニーズを捉え、日々サービスを進化させる必要がございます。 近年、政府主導のデジタル化推進やFinTechの拡大、他業態の金融系サービス進出等により、法人・個人のデジタル化が急速に進行しており、これまで以上にスピーディな事業展開が求められています。 「ANSER」では新規システムの立ち上げ、既存サービスの機能追加やシステム更改、新しいFinTechサービスの開発など多数のプロジェクトが常時進行しています。 職務紹介 法人・個人向けインターネットバンキングをはじめとする「ANSER」を中心とした、e-ビジネス事業部がサービス提供する各システムの運用保守を担っていただきます。 大小様々なシステムを運用し日本の金融インフラを支えている部署であり、運用専門の担当として、複数のミッションに分かれて勤務しています。 直接的なシステム運用を担う運用統制部門の他、顧客(金融機関)や開発担当の変更要求に対するリリース担当部門、顧客やエンドユーザの問合せ対応部門、センタ運営におけるセキュリティ管理部門・ファシリティ管理部門など、ITサービスマネージャとして網羅的な範囲を分業しながら運営しています。