年収700万円以上 ConfluenceのITエンジニア求人・転職情報

期待する役割 MAP AIなどの新規事業におけるプロダクトエンジニアとして、バックエンド開発を軸に、技術判断とプロダクト判断を一体的に行う開発をお任せいたします。 新規事業は、正解のない領域でPdM・エンジニア・ビジネスが互いの領域に踏み込み、助け合いながら進めるフェーズにあります。エンジニア側からもプロダクトの文脈を読み解き、要件の優先度判断・仕様の具体化・リリース可否の見極めといった意思決定を主体的に担っていただくことで、事業を共に前に進めていただきたいと考えています。 不確定要素の多い新規事業プロジェクトにおいて、『お客様のためになるか』を軸にチームの方向性を定め、『今確実に届けるべき価値』を見極めてプロジェクトを牽引する活躍を期待しています。 ※プロダクト概要は「事業概要」の欄をご参照ください。 業務内容 ・ビジネス部門との対話を通じた要件定義・仕様策定 ・顧客体験・運用負荷・技術的制約のバランスを踏まえた、スモールスタートな開発ロードマップおよびスコープの策定・関係者間の合意形成 ・バックエンドの設計、開発、コードレビューなどのエンジニアリング業務 ・技術選定・アーキテクチャ設計を通じたプロダクト実現性の担保 技術スタック 言語・FW(バックエンド):Java, Spring Boot 言語・FW(フロントエンド):TypeScript, JavaScript, Next.js, HTML, CSS インフラ　　　　:AWS(ECS, EKS, Lambda, API Gateway.etc) DB　　　　　　　:Aurora MySQL バージョン管理　:GitHub プロジェクト管理:Notion, Jira ドキュメント管理:Notion, Confluence その他　　　　　:Figma CI環境　　　　　:GitHub Actions 生成AIの活用　　:GitHub Copilot, Gemini, Notion AI

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

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

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

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

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

<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

●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。

担当するサービスについて、次の5つを担っていただきます。 出発点は「1. 捉える」で、経営の構想を売れるサービスに落とし込む「3. 形にする」も同じ比重です。サービスとして最も大切なのは「5. 型にする」です。 【1. 捉える ― 技術トレンドを誰よりも早くキャッチし、自社での実践につなげる】 ・AIエージェント・生成AI・データ基盤の新しい技術・サービス・トピックスを、国内外の情報源から誰よりも早くキャッチし、何が変わるのか、いまの仕組みを置き換えられるのか、判断の軸を整理します。 ・見極めた技術を、立ち上げリーダーとともに自社の情報システム部門・問い合わせ対応などの社内の環境で実践し、効果と課題を確かめます。 ・AIの中核は先端企業の進化に任せ、当社はその周辺のどこで価値を出すか。 その切り分けと、サービスのアーキテクチャを考えます。 【2. けん引する ― 立ち上げリーダーを、技術でリードする】 ・キャッチした情報と判断の軸、実践の結果をチームに広げ、メンバーそれぞれの情報収集を、チームの知見と技術の標準に変えます。 ・立ち上げリーダーの相談相手として、技術の選定・組み合わせ、セキュリティ・権限・運用のしやすさを含めた要となる判断をリードします。 ・相談相手として関わる範囲は、立ち上げリーダー層に絞ります。 メンバーのマネジメントは立ち上げリーダーが担い、顧客先に分かれて働く多数のエンジニアを直接管理することは求めません。 【3. 形にする ― 経営の構想と顧客の課題を、売れるサービスに設計する】 ・経営トップや顧客の構想・要望の意図をくみ取り、誰のどの課題を解くか、どの範囲で、どの順番で出すかを決め、優先順位をつけてエンジニアが動ける単位に落とし込みます。 ・経営トップの構想や新しい提案について、技術と市場の両面から実現性を確かめて優先順位をつけ、「いま何をやるか」を決めて、チームが迷わず進める状態をつくります。 ・価値(工数削減・期間短縮などの効果を数字で示す)、段階別のメニューと対象範囲、成果物、価格と契約の形、収支と体制を設計します。 ・段階ごとの計画と、進めるかどうかの判断の基準を決め、経営層とすり合わせながら進めます。 出発点は技術ではなく顧客の課題で、最新の技術はそれを解く手段として選びます。 【4. 出して磨く ― 自社・既存顧客で試行し、事業として育てる】 ・自社・既存顧客での試行で効果を測り、本格的な提供へ広げるかを経営と判断します。 ・入り口となる提案メニュー(診断・アセスメントなど)、提案書、導入事例、価格表を整え、営業担当と組んで顧客の前に立ち、技術を語れるプリセールスとして提案と最初の提供を担います。 ・提供を始めたあとも、粗利・受注件数・継続率などの指標を追い、顧客の声をサービスに組み込み、メニュー・提供方法・価格を見直し続けます。 【5. 型にする ― 誰が提供しても同じ品質で届けられる状態にする】 ・提供の手順、成果物のテンプレート、規模別の見積りの算定表、品質の基準、AIの仕組みの構築・運用手順を「型」として整え、立ち上げリーダーとともに現場に広げます。 ・案件ごとの学びを型に戻し、提供するたびにサービスが強くなる仕組みをつくります。 【入社後のロードマップ】 【入社〜3ヶ月】 進行中のサービス(AIの利用ルールの運用支援、AIヘルプデスクなど)と経営の構想をつかみ、使っている技術を棚卸しします。 技術の最新の動向を捉え、自社の環境での実践につなげながら、最初に出すサービスの対象・範囲・優先順位を経営層とすり合わせて決めます。 【3〜6ヶ月】 自社・既存顧客で試行し、効果を測ります。 価値・メニュー・価格・提案書を固め、営業担当とともに既存の顧客に提案します。 技術の判断の軸をチームに広げ、立ち上げリーダーの技術の標準をそろえます。 【6ヶ月〜1年】 社外の顧客への提供実績をつくります。 提供の手順・見積り・品質の型を整え、指標を追いながら、メニュー・価格を改善します。 【1年〜】 サービスの責任者(オファリングオーナー)として、サービスとチームを育てていただきます。 技術の先端を取り込み、AI導入の伴走など次のサービスの立ち上げもリードいただきます。 ※ 進む速さはご経験と成果によって変わります。 どこから担っていただくかは、ご経験をうかがったうえで一緒に決めます。 【あえてお伝えしたい「厳しいリアル」】 【最新の技術を追い続けることが、仕事そのものです】 AIエージェント・データ基盤の領域は、数か月で前提が変わります。 業務の中で情報を集め、見極め続けることが仕事の一部です。 それを楽しめる方には面白く、そうでない方には負担の大きい環境です。 【サービスの形は、これから一緒につくります】 どのサービスを、どの範囲で、どの順番で出すかは、経営と議論しながら具体化している段階です。 決まった計画をなぞる仕事ではなく、経営の構想と市場の動きを踏まえて、目的に立ち返りながら優先順位をつけ、前に進める力が求められます。 【チームのメンバーは、顧客の案件と兼務の人がほとんどです】 運用・ヘルプデスクのエンジニアの多くは、顧客の情報システム部門の現場で日々の業務を担っています。 サービスづくりに関わる時間は、事業の責任者と調整しながら確保します。 【営業を一人で背負う必要はありませんが、顧客の前には立っていただきます】 営業担当と組む体制で進めます。 一方で、試行の段階の提案と最初の提供では、ご自身が技術を語れる立場として顧客と直接向き合います。 【原則「出社」の環境です(リモートワーク不可)】 立ち上げの段階は、経営層・チームのエンジニアとの密なコミュニケーションと、速い意思決定が欠かせないと考えているためです。 【担当していただくサービス】 【サービスの方向性】 情報システム部門の業務を、生成AIを組み込んだ「型のある商品(オファリング)」として届ける(人月の支援からの転換) 【サービスの中身(例)】 ① AIの利用ルールの運用支援:当社のAI活用の知見をもとに、生成AIの利用規程の策定と運用を、実際に動く画面とあわせて提供(顧問・研修へも展開) ② AIヘルプデスク:社内の問い合わせ対応へのAIの組み込み。 対応記録の蓄積と分析、ナレッジ(RAG)・AIエージェントを使った回答の自動化 ③ 情報システム部門の運用の標準メニュー:既存の顧客の業務を棚卸しし、標準メニュー・運用手順・サービスレベル・価格にまとめる 【立ち上げの進め方】 課題の発見 → 対象と提供範囲の絞り込み → 事業計画(価値・価格・収支・体制)→ 型づくり(手順・テンプレート・ツール)→ 自社・既存顧客での試行と効果測定 → 販売開始と改善。 段階ごとに、経営と「進めるか、直すか」を判断しながら進めます。 【いまの進み方】 立ち上げリーダーが自ら手を動かして、サービスの形をつくっています。 自社の情報システム部門・人事の問い合わせ対応と、その記録の蓄積も進めています。 サービスの形は経営と議論しながら具体化している段階で、顧客に出してフィードバックを得るサイクルは、これからつくります。 【一緒に動くメンバー】 サービスの立ち上げリーダー、営業担当、経営層。 必要に応じて、顧客の情報システム部門で運用・ヘルプデスクを担う社内のエンジニア、システム開発のエンジニア ※ どのサービスから担っていただくかは、ご経験をうかがったうえで一緒に決めます。 将来は、AI導入の伴走など、次のサービスの立ち上げにも広げていきます。 【技術環境】 【生成AI】 Microsoft 365 Copilot、Copilot Studio、Azure OpenAI、Dify(LLM/RAG/AIエージェント) 【データ】 Databricks、問い合わせ対応の記録を蓄積・分析するデータ分析基盤 【Microsoft 365】 Microsoft 365、Entra ID、Intune、Exchange Online、SharePoint、Teams 【自動化】 Power Automate、Power Apps、PowerShell 【運用】 ITサービスマネジメント(ITSM)、AIOps 【AI開発ツール】 Cursor、Claude Code ※ 上記にとらわれず、新しい技術・サービスを試し、取り入れることを歓迎します。 従事すべき業務の変更の範囲 →会社の定める業務

データセンターを主とした事業領域をターゲットに、お客様との共創活動(PoC等)や当社グループ関連部門が保有する技術・情報を収集、連携体制を構築することで新規ソリューションの創出と事業化に向けたプロジェクトの推進を担当いただきます。 ●具体的な仕事内容 ・顧客訪問、コンサル活用による顧客課題のヒアリング、顧客価値となるソリューション案の具現化 ・ソリューション案の事業化を見据えたビジネス企画 ・顧客との共創によるソリューション案のPoC開発・実行 ・製品開発に向けた要件定義、設計、運用、販売、カスタマーサクセスまでの一連のプロセスのリーディング ・AIを活用した業務の生産性改善・新たな価値創出 【変更の範囲】 会社の定める業務(※) (※)業務の都合によって会社外の職務に従事するため出向または転属を命じることがあります。 ●使用言語、環境、ツール、資格等 ・使用言語:不問 ・環境:Windows、Web業務システム環境 等 ・ツール:Excel、PowerPoint、Teams、Confluence、Jira など ・資格等:海外ビジネス経験があれば望ましい。

情報システム統括室コーポレートITグループにて、さくらインターネットグループ従業員向けITサービスを中心に、既存メンバーと協力しながら実務をご担当いただきます。 既存業務への理解を深めたうえで、将来的には中長期的な視点から、ITシステム全体のグランドデザインにも関わっていただくことを想定しています。 当グループでは、従業員向けPCの提供や、グループウェアをはじめとする従業員向けSaaS、EDRなどのセキュリティシステムの導入・運用を行っています。 今後も業務領域の拡大が見込まれる中、リモートワークとセキュリティを両立させ、従業員の業務を支える役割を担っていただきます。 自身が得意とする専門分野の技術と経験を活かすとともに、既存メンバーが担う領域にも関わりながら、コーポレートIT全体に視野を広げて活躍いただける方をお待ちしています。 【具体的には】 下記は業務内容の一例であり、メンバーで分担しながらプロジェクトやタスクを進めます。 Microsoft 365 / Entra ID、Google Workspace等の全社SaaS基盤の企画・導入・高度化 ゼロトラストをはじめとするコーポレートITセキュリティ施策の企画・推進 社内ナレッジ/コラボレーション基盤の刷新　(弊社環境 : Confluence、Jira等) 既存システムの更改、統合、廃止に関する企画・ロードマップ策定 部門横断プロジェクトのPM / PL、ベンダー・社内関係部署との調整 ※企画・調整だけでなく、必要に応じて自ら設定・検証・実装にも関わっていただきます。 期待する将来像 入社後は、まず担当領域のプロジェクトや施策をリードしていただきます。 その後は複数のコーポレートIT領域を横断し、全社IT基盤の中長期ロードマップを策定するとともに、重要プロジェクトを牽引するリーダーとして活躍いただくことを期待しています。

●仕事概要 Park Directの開発組織では、開発アジリティをあげてアウトカムの最大化を目的に、小規模な複数の開発チームを組成しています。 プロダクトエンジニアの方には、Park Directを圧倒的なモビリティSaaSへとグロースさせていくための新サービス追加や機能追加などの開発をチームで推進していただきます。 また新規プロダクトの初期開発にも携わっていただくこともあります。 ・CTO 三宅: [事業成長を加速させる!ニーリーにおけるプロダクトエンジニアとは─](https://note.nealle.com/n/nf393a60364dd) ・プロダクト開発リード 大友:[ニーリーには今、エンジニアとしてのキャリアを賭ける価値がある 〜実際に 30 代を Bet している僕の在籍エントリ〜](https://nealle-dev.hatenablog.com/entry/2025/10/21/100000) ●具体的な仕事内容 ・サービス仕様の設計および検討 ・既存、新規機能のコーディング及びテスト ・自身の所属チームの担当領域における他部署との連携 ・障害発生の監視と原因調査 ●技術環境 ・バックエンド:Python, Kotlin, (Django) ・フロントエンド:TypeScript, Angular, React ・インフラ:AWS ・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 ・プロジェクト管理:JIRA ・品質保証:Autify ・チャット:Slack ・ナレッジツール:Confluence ●抱えている課題・一緒にやりたいこと ・プロダクト開発のアジリティの向上 ・データモデルの再設計・リファクタ ・バックエンドのアーキテクチャーのリファクタ、再構築 ・フロント再構築の完遂(Angular→Next.js) ・トイル(開発手動作業)の撲滅および自動化 ・カスタマー部門(ToC領域)、クライアント部門(ToB領域)などの各部門、決済・経理部門の業務効率化 ・テックタッチ施策の組み込み ●組織体制 ニーリーの開発組織は大きく3つのグループに分かれており、そこから更にミッションによって細分化されます。 【プラットフォーム開発G】 ミッション:Park Directにおけるプロダクト戦略検討・開発計画の策定・実行をし、安定・高品質なサービス提供を実現する ・参考記事:[発足!事業成長のスピードを支えるプラットフォームチーム 〜プラットフォーム開発チームの紹介～](https://note.nealle.com/n/n4efe81224755) 【プロダクト開発G】 ミッション:プロダクトの提供価値を上げるため、新機能実装やPark Direct周辺サービスの開発を行い、売り上げUPに貢献する ・参考記事:[事業成長を加速させる!ニーリーにおけるプロダクトエンジニアとは─](https://note.nealle.com/n/nf393a60364dd) 【マーケティングG】 ミッション:新規CL・CS獲得のため広告運用やSEO改善、各種データ分析ほか、手段に限定されずあらゆる手段を用いて顧客獲得に努め売り上げUPに貢献する ●当社で働くエンジニア・ご参考リンク ・人事制度 └[ニーリーの能力開発と人事ポリシー/人事制度を公開します](https://note.nealle.com/n/n51a0eb84e805) ・働き方 └[ニーリーは「フルリモート/フルフレックス」を継続しています 〜従業員の選択肢を増やすというポリシー〜](https://note.nealle.com/n/n543a6890ee34) ・当社で働くエンジニア └プロダクト1部 部長 西村:[難しいから面白い、エンジニアの成長環境 〜急成長SaaS企業で事業成長を担う高難度な開発をしませんか?〜](https://nealle-dev.hatenablog.com/entry/2025/11/12/092653) └プロダクト開発リード 鈴木:[『10年働いた会社を離れ、ニーリーで次の10年をワクワクしながら働く理由』](https://note.nealle.com/n/n92171e400124) ・生成AI活用 └[生成AI、実際どう? - ニーリーの場合](https://speakerdeck.com/nealle/sheng-cheng-ai-shi-ji-dou-nirinochang-he) └[職種の境界を染み出しあう品質保証 〜PdEがテストへ、QAが上流へ、AIとともに〜](https://speakerdeck.com/nealle/product-engineering-with-qa) 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

【業務概要】 三菱UFJフィナンシャル・グループ(以下、MUFG)のデジタルトランスフォーメーション(DX)推進を、グループ会社として内側から支援し、クラウド / データ / AIを活用した新しい業務体験・顧客体験の創出を実現します。 今回募集するソリューションアーキテクト(インフラアーキ)は、MUFGグループ各社に対してアーキテクチャの検討、企画・提案活動を行い、プロジェクトにおける技術リードを担当するポジションです。特に、組織内にAIツール / AIエージェント / LLMプロダクトを構築・展開するためのAIプラットフォームの全体設計を専門とします。また、AI / LLM領域に限らず、クラウドプラットフォーム全般の全体設計や個別プロダクトのクラウドアーキテクチャ策定も担当します。 ※異業界出身者歓迎(これまでのご経験をぜひ金融領域で活かしてください) 【職務内容】 ・AIプラットフォーム / クラウドインフラの全体設計を専門とするインフラアーキテクト ・要件が柔らかい構想段階からMUFGグループ各社・各部における検討に参画。ビジネス特性を踏まえたシステム要求・制約事項を整理(状況に応じて、JDDのDXコンサルタント等と協働) ・最新の技術動向を踏まえた初期的な全体アーキテクチャの策定・提案、開発規模見積による案件立ち上げの推進 ・金融グレードの統制・セキュリティ要件を満たすアーキテクチャを策定し、セキュリティ所管部等への技術面の説明責任も担う ・案件立ち上げ後はアーキテクトとして設計指針を策定、インフラエンジニア等とともにアーキテクチャの決定と実装をリード 【会社とメンバー】 Japan Digital Design(以下、JDD)は、MUFGグループ各社に対して金融ソリューション事業を展開しています。 JDDのミッションは「金融の新しいあたりまえを創る」です。JDDの考える「金融の新しいあたりまえ」は、「データと顧客価値の循環」と定義しています。安心・安全な環境でデータを収集・学習し、顧客の需要を知り、使いやすいデザインでサービスを届け、その効果をデータで測る。これら一連の循環を素早く行うことがJDDの目指す価値創出です。 生成AIやAIエージェントの進化により、金融業務・顧客接点・社内オペレーションのあり方は大きく変わりつつあります。JDDでは、金融機関に求められる安全性・信頼性・説明可能性を重視しながら、AIエージェントを活用した新しい業務体験・顧客体験の創出に取り組んでいます。 メンバーとしては、金融業界の経験者に限らず、大手IT企業やクラウドサービス事業者、優れたスタートアップからも経験豊富な人材が集まっています。ビジネス開発、データサイエンティスト、UXデザイナー、ITアーキテクト、Tech PM、インフラエンジニア、ソフトウェアエンジニア、セキュリティエンジニア等の専門人材でプロジェクトごとにチーム編成し、金融機関の各種課題を解決していきます。 【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(地方からの勤務も可能ですが、対面が有効な場面ではJDDやMUFG各社のオフィスにスポットで出社することはあります) ・職種横断でプロダクトや業務課題に向き合うチーム開発文化 ・新しい技術を実際の金融業務・金融サービスに適用するチャレンジを歓迎 ・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IT環境 ・コーポレートカルチャー推進のためのプログラムが充実 【技術スタック】 クラウドインフラ/IaC ・Amazon Web Services / Google Cloud / Microsoft Azure ・Databricks ・Terraform / AWS CDK コミュニケーションツール / 開発ツール / AIツール ・Slack / Microsoft 365 など ・GitHub Enterprise Cloud / JIRA / Confluence など ・Claude Enterprise(Claude Code)/ ChatGPT(Codex)など ※既存プロジェクトにおける主な利用技術だけを記載しており、プロジェクト特性・システム特性に応じて最適な技術スタックを選定します ※変更の範囲 業務:会社の定める業務

Tech Lead としての仕事 ●音声処理基盤の技術戦略とアーキテクチャ設計 ・ストリーミング音声の取り込みから、認識・話者分離・要約までの処理パイプライン全体を設計します。精度・レイテンシ・推論コストのどれを、どこまで、どうやって取りに行くか — その判断の責任を持ちます。技術選定、技術的負債の返済計画、スケーラビリティとコストの設計もここに含まれます。 ●プロダクト機能の設計・実装リード ・会議横断分析、LLMを用いた要約・論点抽出、Zoom / Teams / Meet からの音声取り込み、Salesforce / Slack など業務ツールへの連携。PdM と要件を詰めながら、自ら手を動かして設計・実装をリードします。ISMS / Pマーク準拠、データ暗号化、日本リージョン処理といったエンタープライズ要件も設計に織り込みます。 例: 大規模会議での話者分離精度が伸び悩んでいた。音声波形ベースの分離モデルと後段のLLM補正を組み合わせる構成に切り替え、GPU推論をバッチング化。精度と推論コストを同時に改善する。 ●チームの技術リード ・設計レビュー・コードレビューを通じた品質の底上げ、メンバーのメンタリング、開発プロセスの整備。技術面接への参加を通じて、チームを一緒に作る側に回っていただきます。 ●チーム体制 約60名がエンジニア組織に在籍しています。 全社256名、エンジニアの外国籍比率は44%です。 Speech チームは5名。PdM、AI Platform チーム (GPU / Kubernetes 基盤)、Product Engineerと連携して進めます。 【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 【学習と開発の支援】 ●AIツール利用サポート ・JAPAN AI SaaS サービス, Cursor, ChatGPT, ClaudeなどAIツール全般を会社負担で利用可能 ●開発ツール支援 ・利用したい開発ツールが有償である場合、その費用を負担 (年3万円まで) ●書籍購入補助 ・技術書など学習のために利用する書籍を会社費用で購入可能 (半期3万円まで) ●語学学習 / 資格取得支援 ・日本語や英語の学習プログラムや資格の取得を会社費用で利用可能 ●リフレッシュ手当 ・ご自身のリフレッシュのために使用するサービスの費用を負担 (月5000円まで) ・e.g. ジム, ヨガ, 整体、水族館、映画, テーマパークのチケットなど各種適用可能 ●家賃手当 ・該当エリアにお住いの方に家賃手当を支給 (月3万円まで) 【働き方】 ハイブリッド勤務 : 週3出社、週2リモート ●従事すべき業務の変更の範囲 会社の定める業務

●現在向き合っている課題 これまでのAI活用によって、実装以降の工程を中心に、新規プロダクトの開発期間を短縮してきました。 一方で、複数の新規プロダクトを継続的に立ち上げるためには、まだ次のような課題があります。 顧客課題や事業構想を、短期間でプロダクト要件・システム設計へ落とし込むプロセスの確立 AI による実装を前提に、そのコード品質を担保するアーキテクチャやガードレールの整備 高いプロダクト品質を低コストで実現するための AI を用いたレビューやテストプロセスの改善・自動化 個人の経験や工夫に依存しているAI駆動開発の知見を、再現可能なプロセスとして標準化すること 新規プロダクト開発における「生産性」と「生み出した顧客価値」を可視化する指標・仕組みの確立 そのため、一つのプロダクトを開発するだけでなく、その経験を次のプロダクトへ展開し、AI時代の新規プロダクト開発の進め方そのものを形にしていただける方を求めています。 少人数チームで新規プロダクトの企画からリリース、その後の改善までを一貫して推進していただきます。 主な業務 ●プロダクトの構想・仮説検証 顧客課題や事業構想を踏まえたプロダクト要件の整理 PdMと連携した仮説検証、ユーザーヒアリング モックアップ・プロトタイプを用いた提供価値の検証 UX・画面設計を含むプロダクト設計 ●設計・実装・リリース フロントエンド・バックエンド双方の設計・実装 アーキテクチャ設計、技術選定 コードレビュー、テスト設計、品質基準の策定 CI/CDを含むリリースプロセスの構築・改善 ●AI駆動開発プロセスの構築 Claude Code等を活用したAI駆動開発の実践・改善 AIによる実装・レビュー・テストを安全に活用するためのガードレール設計 開発で得られた知見の言語化・標準化・他プロダクトへの展開 開発生産性および提供価値を可視化する指標・仕組みの設計 入社後に期待する役割 ●入社～半年程度 入社後はAI駆動開発推進グループに参画し、新規プロダクトの開発を担っていただきます。 PdMやチームと連携しながら、当社の顧客課題、組織・人事領域、既存プロダクトのデータやシステム構造への理解を深め、構想・技術検証から開発に取り組みます。 ※担当領域と初期の取り組みは、ご経験や新規プロダクトの進捗を踏まえて決定します。 顧客課題や業務ドメインの理解 モチベーションクラウドシリーズのデータ・システム構造の理解 AI駆動開発プロセスへの参画・改善提案 次期プロダクトの構想・技術検証への参画 ●半年以降 新規プロダクトの立ち上げチームへ中核メンバーとして参画し、PdMとともに、企画・要件整理から本番リリースまでを一貫してリードいただく想定です。 一つのプロダクトを完成させることに加え、そこで得られた知見や開発プロセスを型化し、次のプロダクトをより短期間で立ち上げられる状態をつくることまでを期待しています。 ※具体的な参画時期や担当領域については、ご経験やご志向、新規プロダクトの進捗を踏まえ、相談のうえ決定します。 ▍開発環境 ▼バックエンド Rails、Python、TypeScript、Sorbet ▼フロントエンド Vue.js、TypeScript、Next.js、Nuxt、Storybook、Chromatic、Figma ▼インフラ・CI/CD AWS、k8s、Terraform、Datadog、Sentry、Autify、Github Actions、Azure、Docker、Codecov ▼生成AI　※Claude Codeなどの生成AIツールは標準配布 OpenAI、Cursor、Dify、n8n、AWS Bedrock、GitHub Copilot、Gemini、Claude、Claude Code、Devin、Cognitive Search、Streamlit、Azure AI Search ▼コミュニケーション GitHub、Jira & Confluence、Slack、Google WP、Qiita Team、Gather

CTO直下のポジションとして、フロントエンド領域の横断的な技術課題の解消、および基盤の整備を推進して頂きます。 プロダクト開発チームと伴奏し、共に課題を特定・解消。 React/TypeScriptを中心とした最新技術への移行戦略の策定や既存コードのモダン化。 組織全体が迷いなく高品質な開発を行えるよう、共通ライブラリの整備や設計指針の言語化、およびその浸透。 CTOやエキスパートと共に、次世代アーキテクチャの選定や、AIを活用した開発プロセスの効率化施策の立案と導入。 ●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 【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 ・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

プロダクトセキュリティを中心に、BuySell Technologiesおよびグループ会社が抱えるセキュリティ課題に取り組んでいただきます。 Platform Engineering Teamに所属し、各プロダクト開発チーム、情報システム部門、リスク・コンプライアンス部門と優先順位を決めながら、次の3領域を推進していただきます。 ●プロダクトセキュリティ戦略と脆弱性管理 ・事業とプロダクトの状況を踏まえたセキュリティ戦略およびロードマップの策定と推進 ・プロダクトやシステムを横断した脆弱性の把握、評価、優先順位付けから、改善計画の策定支援、実行状況の確認までを継続的に行う仕組みの構築 ●開発プロセスとAIエージェントへのセキュリティの組み込み ・設計段階におけるセキュリティレビュー、脅威モデリング、認証認可、データ保護に関する設計支援 ・SAST、SCA、シークレット検知などのセキュリティツールの選定とCI/CDへの組み込み、および検出結果のトリアージ、例外管理、継続的な改善 ・AIエージェントを活用したプロダクト開発およびAIエージェント自体の開発に向けた、権限設計、データの取り扱い、安全性評価、操作ログと監査に関する基準の策定および導入支援 ●事業全体のセキュリティ体制とインシデント対応 ・情報システム部門やグループ各社と連携した、IT資産とサービスの把握、セキュリティ基準の整備、改善活動の推進 ・全社、各部門、グループ会社を対象としたセキュリティ教育と啓発施策の企画、実施、継続的な改善 ・セキュリティインシデントに必要な監視と検知の要件整理、報告から初動、影響調査、復旧、再発防止までの対応手順の整備、および訓練と振り返りによる継続的な改善 ・リスク・コンプライアンス部門が推進する全社的なリスク管理への技術面からの参画と、セキュリティ課題の評価および対応支援 ＜組織/配属先の特徴＞ ・本部長(プロダクト責任者)や事業部と密接に連携 ・PdM・SWE・データサイエンティスト・AIエンジニアなど100名規模の技術組織 ・PdM・AIエンジニア・SREと協働し、事業課題に直結する開発を推進 ・開発生産性への意識が高く、フルスタックな働き方が好まれる ・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 ・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 ・1プロダクトあたり10人未満のチーム構成 ＜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 ・課題管理:Jira ・ドキュメント管理:Confluence ・その他:Elastic Cloud, Terraform Cloud, Chromatic

開発プロジェクトの計画策定および進行管理 ビジネス要求に基づく開発要件・仕様等の整理 品質、セキュリティ、運用等を含む課題・リスク管理 PdM、QA、その他の関連部門との合意形成 リリース後の効果検証・課題整理 (ご経験に応じて)組織マネジメント・人材採用 期待する役割 ビジネス要求を整理し、設計・開発手法・セキュリティ・QA・運用面などの論点を踏まえた実行可能な計画・仕様の策定を主導し、開発メンバーと共にリリースまで推進する役割です。PdM・デザイナー・コンプラ等の関係者と協力しながら、顧客価値にもとづく技術的判断および合意形成をリードしていただきます。 なお、顧客価値の定義と体験設計はPdMが、アーキテクチャ設計はテックリードやシニアエンジニアが主導しています。仕様を自ら書き切ることも、コードを自ら書くことも必須ではありません。ただし役割の境界をきっちり分けているわけではなく、実際にPdMと並走して仕様を詰めているマネージャーも、アーキテクチャ設計や実装まで自ら踏み込んでいるマネージャーもいます。ご自身の得意な領域や志向に合わせて、関わり方を決めていただければと考えています。 また、ご経験やご希望に応じて、開発チームのマネジメントをお任せする可能性もございます。 開発環境・使用ツール 言語・FW(バックエンド):Java, Spring Boot 言語・FW(フロントエンド):TypeScript, JavaScript, Next.js, HTML, CSS インフラ　　　　:AWS(ECS, EKS, Lambda, API Gateway.etc) DB　　　　　　　:Aurora MySQL バージョン管理　:GitHub プロジェクト管理:Notion, Jira ドキュメント管理:Notion, Confluence その他　　　　　:Figma CI環境　　　　　:GitHub Actions 生成AIの活用　　:Claude Code, GitHub Copilot, Gemini, Notion AI 所属先(候補) ロボアド開発グループ ロボアドバイザーの口座開設・顧客管理、トレーディング・入出金、サービス機能、モバイルアプリ等の開発を担当 MAP開発グループ MAP AI、生命保険、年金など、新規事業の開発を担当 サービス基盤グループ 開発組織横断のパフォーマンス改善や技術的負債の解消、ID認証基盤やデータ基盤などの開発を担当

【期待役割】 ・当社の事業課題に向き合い、AI・機械学習を活用して事業成果につなげるところまで、一貫して担っていただきます。 ・与えられた要件に対してモデルを開発するだけではなく、事業・業務を深く理解した上で、解くべき課題を見極め、機械学習・統計・数理最適化・生成AIなどを用いて扱える問題へと落とし込み、適切なアプローチを設計・実装していただきます。 ・単なる「検証(PoC)」にとどまらず、事業の粗利向上や生産性向上、顧客体験の改善につながる仕組みを実際のプロダクトや業務フローに組み込み、継続的に改善していくところまでを担っていただきます。 【具体的なプロジェクト例】 現在、以下のようなAI・データ活用プロジェクトが進行中であり、これらのさらなる磨き込みや新規ユースケースの立ち上げをお任せします。 ・コールセンター業務のAI化(LLM / 音声認識等) ・数理最適化による訪問ルート最適化 ・画像認識を用いた査定のAI化 ・データ基盤・MLOps構築 【主な業務内容】 ・ビジネスサイド(事業部等)の抽象的な課題を整理し、機械学習・生成AIを活用した問題設定・テーマの企画立案 ・課題特性(自然言語、画像、テーブルデータ、最適化問題など)に応じた最適なモデル・アルゴリズムの技術選定および設計 ・PoC・オフライン検証による実現性の見極めから、本番環境へのデプロイ、実運用を見据えたモデル開発 ・モデルの精度だけでなく、業務KPIや事業成果を踏まえた評価設計・効果検証、および継続的な改善 ・モデルの監視・評価・再学習など、継続的な運用・改善を可能にするMLOps環境や開発プロセスの設計・改善 【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

【職務内容】 全リユース事業プロセスを支える基幹プラットフォーム「Cosmos」のフロントエンド開発をリード AI自動査定やコール業務のAI化など、現場オペレーションを変える新機能のUI/UX設計・実装 EM・PdMと連携した高品質なプロダクト開発、DX向上や技術的負債解消の計画・実行 フロントエンドアーキテクチャの設計、開発ガイドラインの策定、モニタリング体制の強化 AIエージェントによる業務オペレーション基盤への進化を見据えた、AI活用前提の開発体制構築 【組織/配属先の特徴】 PdM・SWE・データサイエンティスト・AIエンジニアなど約100名規模の技術組織 PdM・AIエンジニアと協働し、事業課題に直結する開発を推進 AIによるコーディング率46.07%、開発量+41%など、生産性改善を定量管理 開発生産性への意識が高く、フルスタックな働き方が好まれる 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 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 【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 課題管理:Jira ドキュメント管理:Confluence その他:Elastic Cloud, Terraform Cloud, Chromatic