生成AI・LLMプロダクト開発 Microsoft AzureのITエンジニア求人・転職情報

●組織について 当部はAIとクラウド技術を活用し企業のAX推進を支援するクラウド事業本部の事業戦略と全体最適を推進する中核組織です。 主なミッションはAIオファリングサービス企画・開発と、オファリングサービス運用の高度化、改善サイクルが推進できる次世代のエンジニアの育成です。 成長意欲の高い若手メンバーが多く、互いの知見を高め合いながら先進的な開発・サービスデリバリーに取り組んでいます。 国内外の最新技術や当社の幅広い業界ネットワーク、各分野スペシャリストとの協業を活かし、持続的なデジタル変革をリードできる点も特徴です。また、最新のクラウド技術に触れながら、自ら変革を主導する経験を積むことができ、組織全体でキャリア形成・成長も支援しています。 ●組織の業務・事例紹介 AIオファリングサービスの企画・開発に取り組んでいます。 次世代エンジニア育成については、例えばSREを活用して以下を実現できる人材を育成しています。 ・AIOps ・DataOps ・FinOps ●職務内容・担当業務 ・AIオファリング・サービスの企画・開発: 　AI及びクラウドを活用した新規事業やサービスの企画・設計・開発 ・AIオファリングサービス技術支援: 　全社AIエージェント基盤構築や自社IPへのAI組込み等の技術支援 ・先進技術の検証: 　Agentic AI、AI Gateway、AIガードレール/ハーネス等の新技術に関する技術検証 ●役割・ポジション 新規AIオファリングサービスの企画、アーキテクチャ設計・構築および開発業務の主要メンバー/マネージャー/技術リーダー ●配属部署 ITインフラサービス事業グループ　クラウド事業本部　事業推進部

①業界特化・業務特化AIエージェントの企画‧設計 ・ERPに蓄積された会計、販売、生産管理、⼈事のデータを活⽤した、新たなAI機能の企画⽴案 ・顧客の潜在的なニーズや業務課題を分析し、解決策となるAIソリューションの設計 ・⽣成AI(LLM)、需要予測、異常検知、最適化など、最新AI技術の応⽤研究と技術選定 ②AIモデル‧AIを活⽤したシステムの開発‧実装 ・Python、各種AIフレームワークを⽤いたAIモデルの開発、評価、改善 ・Google Cloud (Vertex AI, Gemini) やMicrosoft Azure (Azure OpenAI Service) などクラウドプラットフォーム上でのAI機能の実装 ・PROACTIVE本体やBIツール(Looker等)とのAPI連携開発 ③プロダクトへのインテグレーションと改善 ・開発したAI機能をプロダクトへ組み込み、継続的なパフォーマンス改善や機能拡張 ・リリース後の効果測定、ユーザーフィードバック分析に基づいた改善サイクル ●研修 各種ベンダー研修や資格取得を支援する制度があります。 当部には、AWS 認定資格を全て(12種類)取得し、「2025 Japan All AWS Certifications Engineers」として、2025/6/25に開催されたAWS Summit Japan(幕張メッセ)にて表彰された社員も所属しております。挑戦する社員を、あらゆる制度で、最大限に支援しております。

製造業×生成AIの新規プロダクト開発・PoC検証のど真ん中で手を動かすポジションです。 主な業務: ・顧客課題のヒアリング → 要件定義 → 技術調査 → プロトタイプ実装 → 検証 → レポーティングを一貫して担当 ・RAGシステムの設計・構築(ドキュメント検索、ナレッジベース活用など) ・LLMを組み込んだプロダクトの開発・改善(APIインテグレーション、プロンプト設計含む) ・製造業向けユースケースの探索・仮説検証・PoC推進

製造業領域の生成AIプロダクト開発・PoC検証を、技術リードとして引っ張るポジションです。 主な業務: ・クライアントとの要件定義・折衝・技術説明 ・RAGシステム・LLM活用プロダクトの技術選定・アーキテクチャ設計の主導 ・メンバーへの技術方針の共有・コードレビュー・実装サポート ・プロトタイプから本番リリースまでの技術責任者としての推進 ・インド・バンガロールのグローバルHub拠点メンバーとの連携・調整

【募集背景】 近年、WEBアプリ開発や基幹システムの更新などの従来のニーズに加えて、AI技術を活用したソリューションの需要が高まっています。現在、弊社開発部署ではそうした引き合いを多数いただいており、その需要に応えるべくPythonエンジニアの採用を強化しています。Pythonの技術を活かしてクライアントに貢献したいというご志向を持った仲間を求めています。 【職務内容】 WEBアプリケーションの開発および生成AI関連技術の導入・運用などを中心に担当していただきます。 将来的にはより上流のアーキテクチャや技術選定、顧客折衝などにまで広く携われるポジションです。 【業務内容】 ・Pythonを用いたWEBアプリケーションやAPIの設計・開発・保守運用 ・AI/機械学習を活用したプロジェクト推進 ・新技術の調査・技術検証(PoC) など ▼部門のミッション 2030年に向けて300名程のエンジニア組織をつくり、クライアントに対してより信頼される価値を発揮していきたいと考えています。 そのためには、一人一人のエンジニアがフルスタックの技術を持つことに加え、専門性を磨き、お互いの強みを引き出し合えるチームが理想となります。 このような理想の組織の土台として重要となるのが、お互いが学び合う成長環境です。 社内のエンジニアによる自主的な勉強会開催や、グループ会社同士で情報を共有したり、社外活動をしたりするなど、最新の知識を習得することに貪欲で、前向きなカルチャーがあります。 また、実際の経験から学ぶことも重視しており、声を挙げた方が別プロジェクトに挑戦するような経験を積む機会も応援しています。 今後はこういった成長環境をさらに進化させていくと同時に、その前提となる事業成長も一層加速していくことになります。 幅広い課題に一緒に向き合う、強い意志を持った事業づくりのリーダーからのご応募をお待ちしております。 ▼入社後のキャリアイメージ 入社後は、これまでのPython開発経験を活かして、Djangoなどのフレームワークを用いたクラウドネイティブなWEBサービスの設計・開発に取り組んでいただきます。 また、LLM(大規模言語モデル)やRAG(Retrieval-Augmented Generation)などの生成AI技術を活用したプロジェクトに参画頂く予定です。 さらに、これまでのご経験やご志向に応じて、以下のようなプロジェクトへの挑戦の機会もあります。 ・AWS/Azure/GCPなどのクラウド基盤を活用した開発プロジェクト ・社内外向けのPoC(技術検証)やプロダクトにおける生成AIの導入 ・API設計・データ基盤・インフラ構成などのバックエンド全般の技術選定 将来的には、ご希望と適性に応じて以下のようなキャリアにも進むことができます ・テックリードとして、アーキテクチャ設計や技術選定のリード ・プロジェクトや開発チーム全体を見渡し、技術と人の両面から成長を支えるマネジメント ▼求める役割 ・Pythonを中心とした開発のリード ・生成AIのプロダクト活用における技術的なリーダーシップの発揮 ・チーム内の技術的な意思決定やナレッジ共有の推進

職務概要 日立製作所の各事業部、日立グループ各社に対して、グループIT戦略に基づくIT施策の創出、企画・開発をお任せします。 ・AWS、Azure、OCI、GCPに関連する企画の立案 ・4大クラウドに限らずクラウド製品を使ったイノベーション、モダナイゼーションを実現するビジネス構想・企画の立案 ・立案企画を実現するためのプロジェクト推進 日立製作所、グループ向けにガバナンスに沿ったセキュアなクラウドプラットフォームを展開しております。 サービス展開しているクラウドのセキュリティ強化、NWアーキテクチャ刷新、運用自動化などのエンハンスの他、他本部と連携し生成AIサービスの構築、クラウドリフト移行支援、新規ビジネスの創出など幅広い業務があるため、能力に応じた業務を既存メンバと協力して推進して頂きます。 職務詳細 ・IT変革を俯瞰する広い視野で解決すべき課題をとらえ、リアリティのあるビジネス創出を行う。 ・組織の中期計画に沿った新規ビジネスの立案、サービス企画、プロジェクト推進を行う。 配属組織名 ITデジタル統括本部 エンプロイーエクスペリエンス本部 モダンプラットフォームソリューション部 携わる事業・ビジネス・サービス・製品など Microsoft Azure Amazon Web Services Google Cloud Oracle Cloud Infrastructure 〈参考URL〉 日立グループにおける社内ITの取り組み:クラウドによるIT資産の軽量化とエッジの活用 https://www.hitachi.co.jp/about/it/contents/infrastructure-modernize/contents2.html 配属組織について(概要・ミッション) ITデジタル統括本部は、全世界30万人以上のユーザーに対し、ITソリューションの開発と提供を通じて、日立グループの成長を支えています。 その中でもモダンプラットフォームソリューション部は、Azure/AWS/Google Cloud/OCIを中心としたパブリッククラウドを扱っており、日立グループのグローバル戦略を推進するためのクラウド基盤企画、開発、運用を推進する部署です。

職務概要 日立製作所の各事業部、日立グループ各社に対して、グループIT戦略に基づくIT施策の創出、企画・開発をお任せします。 ・AWS、Azure、OCI、GCPに関連する企画の立案 ・4大クラウドに限らずクラウド製品を使ったイノベーション、モダナイゼーションを実現するビジネス構想・企画の立案 ・立案企画を実現するためのプロジェクト推進 日立製作所、グループ向けにガバナンスに沿ったセキュアなクラウドプラットフォームを展開しております。 サービス展開しているクラウドのセキュリティ強化、NWアーキテクチャ刷新、運用自動化などのエンハンスの他、他本部と連携し生成AIサービスの構築、クラウドリフト移行支援、新規ビジネスの創出など幅広い業務があるため、能力に応じた業務を既存メンバと協力して推進して頂きます。 職務詳細 ・IT変革を俯瞰する広い視野で解決すべき課題をとらえ、リアリティのあるビジネス創出を行う。 ・組織の中期計画に沿った新規ビジネスの立案、サービス企画、プロジェクト推進を行う。 携わる事業・ビジネス・サービス・製品など Microsoft Azure Amazon Web Services Google Cloud Oracle Cloud Infrastructure 〈参考URL〉 日立グループにおける社内ITの取り組み:クラウドによるIT資産の軽量化とエッジの活用 https://www.hitachi.co.jp/about/it/contents/infrastructure-modernize/contents2.html 配属組織名 ITデジタル統括本部 エンプロイーエクスペリエンス本部 モダンプラットフォームソリューション部 配属組織について(概要・ミッション) ITデジタル統括本部は、全世界30万人以上のユーザーに対し、ITソリューションの開発と提供を通じて、日立グループの成長を支えています。 その中でもモダンプラットフォームソリューション部は、Azure/AWS/Google Cloud/OCIを中心としたパブリッククラウドを扱っており、日立グループのグローバル戦略を推進するためのクラウド基盤企画、開発、運用を推進する部署です。

【ミッション】 PHR、EMRなどの医療データを活用した疾患特化AIサービスの技術戦略とアーキテクチャ設計をリードする。医療品質、安全性、拡張性を考慮したAI基盤を構築し、ヘルスケア領域のAI活用を推進する。 【主な業務】 医療・健康データを活用したAIサービスについて、技術戦略策定、アーキテクチャ設計、技術選定、AI基盤構築までを一貫してリードする。 【具体的な業務】 ・医療・健康データを活用したAIサービスのアーキテクチャ設計、技術選定 ・LLM、RAG、機械学習モデル、データ基盤を組み合わせたシステム設計 ・AIエンジニア、データサイエンティスト、医療専門家と連携した疾患特化AI開発のリード ・AI品質評価、セキュリティ、ガバナンスを考慮した持続可能なAI基盤の構築

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

本ポジションでは、自然言語処理や生成AIを活用したタレントマネジメントソリューションの開発を担当いただきます。社内の人材情報(スキル・人事データなど)を活用し、個人・組織のスキル可視化や育成支援に繋がる仕組みを構築します。 ●具体的には、以下の業務をアジャイル開発体制のもとで推進していただきます スキルアセスメント入力機能、スキルDBの構築 スキルカルテで組織ケイパビリティのダッシュボード開発 育成支援モデル、スキル判定エンジンの設計・実装 自然言語処理・生成AI(LLM等)を活用した機能開発 Webアプリケーション(React+FastAPI)によるフロント・バックエンド開発 AWS/Azureなどクラウド環境での実装・運用 モブプロやスクラムを活用したチーム開発 社内実践を通じて得た知見を活かし、将来的には社外展開も視野に入れたソリューション開発に携わっていただきます。 ※変更の範囲:会社の定める業務

データサイエンスグループでは主に「マッチング体験の向上」「プラットフォームの信頼性・安全性向上」「それらを支えるML/LLM基盤の構築・運用」の3つの領域に注力しています。 本ポジションの主戦場は、マッチング領域およびTrust & Safety(信頼性・安全性)領域におけるAI/MLのプロダクト実装・運用です。社内のML/LLM基盤を活用しながら、データサイエンティスト・ソフトウェアエンジニア・MLOpsエンジニアなどと連携し、課題設定から実装、リリース後の改善までを推進していただきます。 課題設定や改善テーマの探索はデータサイエンティストや事業・プロダクト側と連携しながら進め、プロダクトへの実装はソフトウェアエンジニアと協働して推進します。MLOpsエンジニアはML/LLM基盤・推論基盤・開発環境の構築・運用を担い、本ポジションはそれらを活用しながら、マッチング機能やTrust & Safety機能の価値実装、評価、運用設計を担います。将来的には、事業課題に応じて担当領域を広げていただくことを期待しています。 1.マッチング体験の向上 ・マッチングロジックの実装・運用 :ワーカーと求人の最適なマッチングを実現するために、マッチングに必要なモデル・ロジック・業務ルールをプロダクト要件に合わせて実装し、安定運用と継続的な改善を担う ・マッチングに必要なデータ・特徴量の設計と実装 :マッチング機能の精度と運用を支えるために、特徴量やモデル入力データを設計し、Feature Store等の基盤も活用しながら実装・運用する ・ML基盤上での機能実装・運用 :Vertex AI Pipelines等の基盤を活用し、マッチング機能に必要なモデル・ロジックの実装、評価、運用、およびRecommend API周辺のプロダクト実装・安定運用を担う ・LLMを活用した自律的な改善ループの構築 :LLMを活用し、マッチング機能における評価、改善候補の生成、モデリングの見直し、比較検証までを含む継続的な改善ループを構築する 2. プラットフォームの信頼性・安全性向上 ・AI機能の安全性実装 :LLM等の基盤モデルを活用し、事実整合性の確保、防御的プロンプト設計、ガードレール実装などを通じて、安全性に配慮したAI機能を実装・改善する ・運用を踏まえたリスク制御の設計 :AI/MLによる判定だけでなく、業務ルールや現場オペレーション、人による確認フローも組み合わせながら、実運用で機能する安全性担保の仕組みを設計・運用する ・リスク予測・異常検知モデルの開発 :構造化データから、プラットフォームの信頼性を損なうパターンを特定する高精度な分類・回帰モデルの構築、および特徴量エンジニアリング ・データセット設計・品質改善 :多様なリスクを網羅するデータの設計・収集、高度なアノテーション管理、合成データの生成によるモデルの堅牢性強化 3. 共通基盤を活用した実装・改善 ・LLMOps/評価基盤の活用と改善提案:実験の追跡と管理、プロンプトのバージョン管理、「AI as a Judge」等を用いた自動評価パイプラインの活用・改善 ・品質・コスト・レイテンシーの継続的な可視化:モデルやAI機能の品質、レイテンシー、コストを継続的に計測し、ユーザー行動やモデル挙動の変化を捉えながら改善サイクルを回す 技術スタック(主要な部分の抜粋) ●クラウド Google Cloud ●開発言語 Python ●データ基盤 BigQuery / Fivetran / dbt Cloud ●ML / LLM基盤 Vertex AI / MLflow / LiteLLM / Datadog LLM Observability ●BIツール Looker / Looker Studio ●IaC Terraform ●開発環境・ツール Visual Studio Code / Cursor / Claude Code / GitHub Copilot / Devin / GAS etc 【扱っているデータ】 以下のようなデータを扱っています ・アプリユーザーのアクセスログ、募集内容に関する情報 ・マッチングに関する情報 ・レビューや評価情報や、アプリインストールなどの広告効果に関わるデータ ・問い合わせに関するデータ ・営業活動情報のデータ

●サービス概要 「Trusted Data Foundation Analytics Managed Service」 NTTデータが提供するクラウド型データ活用基盤サービスです。 AWSを中心に、企業のデータ分析環境を短期間で構築し、運用・保守まで一括でご提供します。 https://www.nttdata.com/jp/ja/lineup/tdf_am/ ●職務内容 企業のデータ活用を支援するため、自社サービス「Trusted Data Foundation Analytics Managed Service」を活用したプラットフォーム構築・運用と、生成AIを活用した新サービス開発を推進しています。 主に、以下のような業務を担っていただきます。 ※選考を通じて、ご経験やスキル、ご志向に合わせて配属予定です。 ① データ活用プラットフォームのプロジェクト推進 ・顧客の課題に対する構想策定・提案・プロジェクトマネジメント ・AWS・Azure・GCPなどクラウド基盤を活用したデータ活用環境の構想策定支援、要件定義～構築・運用設計 ・自社マネージドサービスを活用した効率的な基盤提供 ・顧客折衝やチームリード(小規模～中規模案件) ② 生成AI×データ活用のサービス開発・検証 ・生成AI×データ活用のサービス企画・PoC・環境構築 ・自社生成AIサービス「LITRON」との連携 ・最新クラウドサービスやAI技術の調査・評価・導入検討 ・LLMOps、AgentOpsなどのサービス化に向けた仕組みづくり

提案からデモ開発、マネジメントまでを一気通貫で担う「AIコンサルティングサービス」にて、最先端の生成AI(GPT-4oなどのLLM)を活用した開発プロジェクトを、"プロジェクトリーダー(PL)候補"として、まずは開発工程から参画いただきます。 PMの元でメンバーの業務をリードするだけでなく、実装で技術を磨きつつ、段階的に設計などの上流工程へも参画いただけます。 はじめは開発経験を活かしながら、設計・実装フェーズでプロジェクトをリード。 将来的に、技術とビジネスの両面を理解した"PM"や"ITコンサル"として成長できるポジションです。 ●具体的な業務 ・生成AI/LLMを活用したシステムやアプリケーションの開発、性能向上 ・大規模言語モデルにおけるプロンプトエンジニアリング ・AIエージェントプラットフォームの設計・開発・運用 ・ユーザーのニーズに応じたAIエージェントのカスタマイズ・チューニング ・LLMを活用したAIエージェントの実装 ・Google Cloud/AWS/Azureなどのクラウド環境の構築・運用 など 取引先は、伊藤忠商事、Mizkan、T&Dフィナンシャル生命などの大手企業が中心。 ●開発環境 開発言語:Python, Go, JavaScript, TypeScript, HTML, CSS フレームワーク:Node.js, React, Django, Flask 生成AIツール:Claude, Gemini クラウド:AWS, Azure, GoogleCloud 開発基盤:GitHub, Docker 情報共有ツール:Slack, Notion など ●開発体制 プロジェクト毎にチームを編成(5~10名程度)し、少人数で裁量を持って働いているチームです。 また、全社に「ニックネーム制度」を導入。年齢や役職関係なくコミュニケーションが活発な環境です。 20代後半〜30代が殆どで、パパママ社員もライフスタイルに合わせて働いています!

我々の組織は技術力をベースに社内外をリードする組織として、AIに関わる最新技術を調査・研究しつつ、当社各分野(公共・金融・法人)の組織を技術的にリードしていくことがミッションとなります。本募集では、顧客業務を理解し、AIによる課題解決を提案・推進できるメンバを募集します。具体的には以下が職務内容となります。 ●AI関連の技術力をベースにCR組織と協力して顧客業務の分析、AIによるプロセス変革の提案を行う ●AI、特にAIエージェントの要件定義から運用における全工程を技術的にサポート ●AIエージェントを実現するための技術調査、機能実装 ●チームメンバーの指導・育成

●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

LLM専属のエンジニアとして、弊社のソリューションデザイナ(顧客折衝やプロジェクトマネジメント等を担当)と連携しながら、データ分析、LLMモデルの検証/開発/改善、結果のレポーティング、LLMを用いたシステムの開発等に関わっていただきます。(プロジェクトごとに、リードエンジニアが1名サポートにつきます。) またLLMに関連する最新技術のキャッチアップ、社内への展開、及びマルチエージェントシステムのためのフレームワーク開発などをお任せする予定です。 上記に加え、他プロジェクトのLLMエンジニアのスーパーバイズおよび組織運営にも携わっていただきます。 ●具体的な業務内容 ・LLMを用いたクライアントプロジェクトへの参画、及びソリューションの開発 ・LLMに関連する最新技術のキャッチアップ、社内への展開 ・マルチエージェントシステムのためのフレームワーク開発 ・社内プロジェクトメンバーや顧客への技術的な説明 ・LLMを用いたシステム開発PJにおけるLLMの精度検証・チューニング ・LLMエンジニアが担当するプロジェクトのスーパーバイズ ・エンジニアリング部の組織運営に関わる業務(採用、評価、育成等) ● 業務の変更範囲:なし 弊社はオーダーメイドによるAIモデル「カスタムAI」の開発・提供を行う、AI/機械学習のスペシャリスト集団で、最先端のAI技術とクライアントのビジネスを「つなぐ存在」をミッションとしたスタートアップ企業です。 高い技術力と課題解決能力が評価され、既に大手企業を中心に多くの導入事例とリピート契約があります。 ●カスタムAIソリューション事業とは? 弊社は以下を特徴とするカスタムAIソリューション事業を展開しています。 ・オーダーメイドによるAI開発 　- アカデミア出自の先端の機械学習技術をベースに、ビジネスにジャストフィットする形でAIを受託開発 ・企業のコア業務をAIで変革 　- 画一的なパッケージAでは対応が難しい、ビジネス現場特有の複雑な課題の解決に貢献 また他社との差別化のため、弊社は「バリューアップ型AIテーマ」に注力しています。 ●プロジェクトの開発フロー 弊社では約3ヶ月間という短いサイクルで機械学習モデルやAIに関係するシステムをお客様に提供しています。 顧客折衝は基本的に弊社のソリューションデザイナが行いますが、希望に応じてエンジニアもフロントに立って直接提案したり顧客ニーズを聞いたりすることができます。 ●チーム構成・支援制度 基本的に弊社では1つのPJTに対し、メイン担当としてソリューションデザイナ/エンジニアが1名ずつアサインされます。 またソリューションデザイナ/エンジニアそれぞれを補佐する役割としてSV(スーパーバイザー)がつきます。 一方で大型案件等になりますとPJTの人数は必要に応じて増加します。 ●裁量の大きさについて 弊社はAIコンサルティングの会社としてお客様に”AIソリューションを提供すること”を使命としています。 AIソリューションを提供するためにあらゆることを思案して実行できればと考えているので、提供元のエンジニアは以下のような裁量の大きい環境で自らのプロフェッショナリズムを発揮いただければと考えています。 ・技術者がお客様に対して直接提案をすること ・お客様が設計した問題に対してその問題設計に提言できること ・チームを自ら組閣し案件成功に向けて自ら動くことができること ・会社の承認のもと、必要人員の確保依頼やツールの追加導入について主導、積極的な提案ができること ●技術スタック 使用する技術はプロジェクトにより異なりますが、主に以下の技術スタックを用いて開発を行っています。 ・データ分析全般(NumPy, pandas, Matplotlib, seaborn, plotly, Streamlit) ・機械学習(sckit-learn, statsmodelsm, OPTUNA, SHAP, LightGBM) ・Deep Learning(PyTorch, TensorFlow, Hugging Face, OpenAI, LangChain) ・実験管理(Kedro, mlflow, Kubeflow) ・開発言語(Python, Rust, Javascript) ・インフラ(AWS, Azure, Google Cloud, 社内GCPサーバ) ・開発ツール(Visual Studio, GitHub) ・その他ツール(Slack, Backlog, Cacoo, Google Meet) ●社内活動 エンジニアリング部では以下のような社内活動を通じて技術的成長やエンゲージメント向上を行っています。 ・技術勉強会の開催(数理最適化、強化学習 etc...) ・最新技術勉強会の開催(マルチエージェント etc...) 　- 本勉強会にはソリューションデザイナー、コーポレートも合わせ、社員の約3/4のメンバーが参加しました。 ・チームビルディング施策 　- “チームメンバーを知る企画“として、レーダーチャートの作成/予想、チームのキャッチコピー作成等のワークを実施

【ミッション】 「すべてのユーザーがシステムとAIを使いこなせる世界に」 テックタッチは、どんなシステムでも、誰もが迷わず操作できる体験を届けてきました。 「使える」だけでなく、「使いこなせる」体験へ。 そして今、その思想をAIの世界にも広げています。 システムもAIも、人が中心となって使いこなせる世界をつくっていく。 その実現のために提供しているのが、AI型Digital Adoption Platform「テックタッチ」です。 【プロダクト】 テックタッチは、あらゆるWebシステムやサービスの画面上に操作ガイドやナビゲーションを表示し、ユーザーが迷わずにシステムを使いこなせる体験を提供するDigital Adoption Platform(DAP)「テックタッチ」を開発しています。 5年連続国内シェアNo.1*、利用者数1,000万人*を超える巨大な基盤を活かし
現在はLLMやRAGなどの生成AI技術を組み込み、既存のWebシステムを改修することなく
システムを使いながら「自然にAIを活用できる体験」を目指しています。 このような「大規模なDAP基盤の信頼性・スケーラビリティ」と「AI連携という先端技術」の両方に向き合う開発に挑戦しませんか。 *1 出典:株式会社アイ・ティ・アール「ITR Market View:コラボレーション *2 出典:ナレッジ共有市場2025」デジタル・アダプション・プラットフォーム市場:ベンダー別売上金額シェア(2021～2025年度予測) 【主な業務内容】 • LLMやAIエージェントを活用した新機能の企画・設計・実装・運用 • 既存プロダクト機能のAI活用によるアップデート・体験の再設計 • プロトタイプの迅速な構築と仮説検証サイクルの推進 • AI機能の設計・開発・パフォーマンス最適化 • エンジニアやプロダクトマネージャとの協業を通じた継続的なプロダクト改善

【事業概要】 テックタッチのAI Central事業部では、企業が持つ様々な文章データを独自のデータベースへとAIを使い構造化し、その企業だけのナレッジベースを作り上げる革新的なプロダクトを開発しています。 特に定性データを感情や要望を含めた分析可能な形に変換する技術や、業界・企業特有の文脈を理解した分析が可能な点が特徴的です。 また、蓄積されたデータをもとにAIがディスカッションパートナーとなり、製品開発やマーケティング戦略の意思決定をサポートする機能も顧客から評価されているポイントです。 テックタッチは「すべてのユーザーがシステムを使いこなせる世界に」をミッションに掲げ、生成AIを活用した新規事業の立ち上げを行なっています。 AIの活用は企業の経営として今後なくてはならないものになると信じており、特に弊社の顧客基盤である大企業ではAIの活用は待ったなしの状況となっています。 【実際に担当いただく業務】 AI Central事業部では、BizチームとProductチームが共同しながら、常に新しいAI技術へのキャッチアップ、トレンド理解、技術理解、顧客活用に勤しんでいます。 本ポジションで具体的に担っていただきたい仕事の例は以下の通りです。 ・生成AIと連携するデータ分析プラットフォームのバックエンド設計・実装・運用 ・LLM(OpenAI, Claude等)と連携した自然言語クエリ処理の設計・実装・運用 ・実行されるクエリ/ プロンプトの監視・最適化・リトライ設計など、信頼性の高いデータ処理基盤の構築 ・可観測性(logging / metrics / tracing)やアラート設計による運用負荷の最小化 ・プロダクトの可用性やユーザー体験を意識したパフォーマンス改善・障害対応フロー整備 【使用技術】 ◆現状採用している技術スタック Backend: Python, FastAPI Frontend: Typescript, Remix Infrastructure: AWS(Fargate, Aurora, S3, ElastiCache etc), Terraform ◆開発環境 コード管理: Github コミュニケーション: Slack ドキュメント管理: Notion ◆生成AIツールへの投資状況 当社では、社員の創造性と生産性を最大限に引き出すために、最新の生成AIサービスを積極的に導入しています。 特に、機密情報や社内秘情報といった重要なデータも安心して入力できる、高度なセキュリティを備えたAIサービスを活用している点が大きな特徴です。 以下は、社内で利用が許可されているサービス/APIの一部です。 今後も常に最先端のAIを検討、導入していきます。 API OpenAI API Anthropic API Gemini API Perplexity API 開発ツール Github Copilot Cursor Business Devin 生成AIサービス ChatGPT Team/Enterprise Azure OpenAI Service Claude Team/Enterprise Gemini Advanced/Gemini for GWS Perplexity Enterprise Pro NotebookLM Plus Zoom AI Companion

本組織は、PwC Japanのコンサルティング、ディールアドバイザリー、監査およびブローダーアシュアランスサービス(BAS)、税務の各サービスラインのAI CoE(センター・オブ・エクセレンス)組織として、各サービスラインのAIソリューションやAIアクセラレーター(プロフェッショナルスタッフが利用するツール)の開発を担う、高度なAIスキルを保有したAI開発専門組織です。 AIの進化によりプロフェッショナルサービスの価値の見直しが求められる中、PwC自身がDisruptorとなり旧来の労働集約型のビジネスモデルからAI資本集約型のビジネスモデルへの転換を推進していく事をミッションとしています。 300人月程度の比較的大規模なAIソフトウェア開発から、5人日程度でRapid Prototypingを行うAIエージェント開発まで、動きの速いAI市場において迅速にプロダクト投入しクライアント企業のビジネス課題の解決をしていきます。 また、本組織はPwCのGlobalのAI CoE組織であるNetwork AI Factoryの窓口組織として、各国で開発したAIプロダクトのロールインや、日本発でのグローバル展開もしていきます。 クライアント企業向けAIソリューション開発やRapid Prototypingを推進するAIエンジニアを募集します。 理想的な候補者は、企業向けプロダクト開発の経験が豊富であり、コーディングに対する理解に加えて、クライアント企業や社内のプロフェッショナルサービス、Go-to-Market(GTM)チームなど、多様なステークホルダーへもたらすアウトカムに貪欲なプロダクト思考をもち、持続的な実装の加速に意欲的な方です。 本ポジションには、チーム横断的なコラボレーション能力、プロダクト開発に対する広い理解、リーダーシップが求められます。 プロフェッショナルサービス、プロダクトマネージャー、デザインチームと連携したRapid Prototypingの推進 主にプロダクトマネージャーとのセッションを通じた課題やインサイトの把握、ユーザストーリーおよびプロダクト要件・技術仕様を策定 パブリッククライドの提供するPaaSやOSSの動向および技術仕様のリサーチと技術検証 クラウドインフラの構築運用、機械学習モデルもしくはLLMを用いたアルゴリズムの実装継続改善、VibeCodingも取り入れたGit/CICDコードレビュー等のチーム開発およびプロセス整備

●担っていただきたい役割 本ポジションでは、データを中核とした開発・業務革新の推進役として、顧客とともに価値創造に取り組んでまいります。 あなたの強みと弊社のエンジニアリング、データサイエンス、ビジネスナレッジを組み合わせ、フルサイクルで開発を決めることができます。 「最速で価値を提供すること」:そのために様々な開発手法を学び改善プロセスに組み込む 「業務データの価値を引き出す」:そのために高い視座・広い視点、それを支える専門性が必要 「専門性のコラボレート」:隣接領域への理解とリスペクトが近づく 当社のエンジニアは、データを軸としながら多様なバックグラウンドと専門領域を持ち寄り、フロントエンド、バック エンド、データエンジニアリング、LLM活用、プロジェクトマネジメントなど、職能を超えて補完し合うスタイルで価値提供を行っています。 ●開発環境 スクラム開発をベースにしつつ、や課題チームに合わせて柔軟に開発サイクルを設計・改善しながら、継続的な価値を提供します。開発対象は、BtoBやBtoBtoBといった多様な形態の中、課題に対して最適な技術を柔軟に取り入れるための最新技術や複数のクラウドに触れる機会が多いです。 プラットフォーム開発・マルチテナント設計、億単位のOLTP・OLAP、PWAやWebScoketなどWeb技術活用、LLM、RAGなど多様な技術を活用し顧客の課題解決につながる開発を進めています 【使用技術の一例】 ・バックエンド:Python, TypeScript, Go など ・フロントエンド:React, Next.js ・データベース:PostgreSQL / MySQL ・インフラ:Google Cloud / AWS / Azure / Snowflake / Terraform ・データパイプライン:DataForm, dbt等 ・コード管理:Github ・バックログ管理:Jira ・コミュニケーション:Google Workspace / Slack / zoom / Microsoft Teams ●活用事例: ・ヘルスケアの事例 　https://jdsc.ai/news/news-3683/ ・LLMの活用事例: 　https://aws.amazon.com/jp/blogs/news/genai-case-study-jdsc/ 　https://jdsc.ai/news/news-5142/ ●働き方 JDSCでは、各メンバーのライフスタイルや価値観に合わせた多様な働き方が実現できます 現在の実績として、出社もしくはリモートを中心として働くことや育休取得、フレックスタイム制度を活用するなどそれぞれの事情に配慮した上で多様な働き方をしている人が多いです。 その他ポジションに関わる福利厚生の一例として以下が挙げられます。創業時代から「まずはやってみる」ということを大切にしている人が多くの結果として以下が実現されています ・書籍購入認証 ・オライリーオンライン ( https://note.com/jdsc/n/n8aced0fb1765) ・Claude、ChatGPT等 LLMの業務利用に対する補助 ・インディングエージェントの補助 ・Google Cloud、AWS証明書の資格取得支援 ・社会人修士・社会人博士支援制度

●業務の概要 ①生成AIを用いたプロダクト (Data AI Solution事業) 2024年4月に始動した新事業ユニットです。 生成AIを活用したデータ基盤の構築や、クライアントの業務課題を解決するカスタムシステムの開発を推進しています。 <具体的な業務内容> ・LLMを活用した業務システムの設計・開発 ・生成AIを活用したデータ基盤の構築 ・AI技術のリサーチ、プロトタイピング、および実用化支援 <関わるサービス> ・Finatext Advisory Assistシリーズ 　資産運用業務に特化した営業支援基幹システム 　1stパーティーデータ × 基幹システム × 生成AIを融合し、金融機関の営業業務の高度化と効率化を実現 　https://nowcast.co.jp/news/20240419/ 　https://nowcast.co.jp/news/20240905/ 　https://finatext.com/news/20250404/ ・MCPass(新規立ち上げ) 　組織内のAIエージェント接続を一元管理し、ガバナンスとセキュリティを支える「MCPゲートウェイ」プラットフォームの開発。 　金融機関を中心としたエンタープライズ向けプロダクトとして外部展開を目指して開発中です。 　https://nowcast.co.jp/news/20260417/ 　https://zenn.dev/finatext/articles/mcp-gateway-nowcast 　https://speakerdeck.com/mtpooh/mcpass-intro-dataopsnight10 ・Finstage Cowork(企業向けAI協働プラットフォーム) 　企業向けにAI×業務協働(バイブワーキング)の環境を提供する自社プロダクト。 　チャットから業務依頼・承認制御・実行までを一元化し、金融・規制業務でも導入しやすいガバナンスを備えたエンタープライズ向けのAI協働基盤です。 　MCPプロダクトと組み合わせ、現場のAI活用とIT部門の統制を両立します。 　https://finatext.com/finstage/cowork ②商業用不動産・店舗ビジネス向け新規プロダクト (Real Estate Unit) 2024年3月に新規事業として不動産業界向けのデータ活用プロダクトを展開。マイソク(物件概要書)の読み取り、ショッピングセンターのスクレイピング、営業自動化などの分野でLLMを活用していただきます。 <具体的な業務内容> ・不動産業界向けプロダクト(マイソク読み取り・SCスクレイピング・営業自動化など)の開発 ・LLMを活用した不動産データ解析および営業支援システムの開発 ・新規プロダクトにおける生成AIの活用検討・実装 <関わるサービス> ・「DataLens店舗開発」 　人流データや決済データなどの3rdパーティデータをベースとした商圏分析機能に当社の生成AI技術を組み合わせた店舗開発DXツール 　https://lp.datalenshub.com/ja-jp/property 　https://nowcast.co.jp/news/20260409/ ・「DataLensオフィス営業」 　AIとビッグデータを活用し「オフィス移転の可能性が高い企業」を特定できる営業支援サービス 　https://lp.datalenshub.com/office ③投資家向けソリューション (Financial Reserch Unit) オルタナティブデータを軸としたデータサービス事業を展開するユニット。 機関投資家向け個別銘柄分析サービス「AlternaData」や民間統計サービスを提供。現在はAIを活用し、投資家の意思決定や業務プロセスの高度化支援へと領域を拡大しています。 <具体的な業務内容> ・LLMを活用した決算説明資料等からの定量指標の抽出、およびデータパイプラインの構築 ・決算速報レポートの自動生成(IR支援、Paid Research向け) ・投資判断に有用なデータ(ECサイトの商品単価や予約サイトの待ち時間等)のスクレイピング・構造化 ・Excel等の財務モデルとAIを連携させたレポーティング業務の自動化 ④法人関連データの収集・構造化・プロダクト化 (Data Holder Unit) 法人関連データへの社内外からのニーズ増加に伴い、内製によるデータ収集・構造化を推進し、高頻度・高精度なデータプロダクトの提供を目指しています。 有価証券報告書や適時開示などのPDF/XBRLや企業HP等からの情報を抽出するミッションを、「LLMを情報の構造化における手段」と定義し、専属でデータパイプラインの設計・運用を担うエンジニアを募集しています。 <具体的な業務内容> ・データパイプライン構築: スクレイピングやOCR、LLMを組み合わせ、非構造化データ(有価証券報告書・適時開示・Webページ等)から情報を抽出・構造化するETL基盤の設計・運用 ・LLMOps/品質監視: LLMの確率的な出力に対する精度評価システムの構築および、モデル更新時の精度変化を継続的にモニタリングする監視体制の整備 ・品質保証の仕組み化: オペレーターによるチェックとAI自動評価を連携させ、大規模なデータ抽出における信頼性と効率性を両立する仕組み作り ⑤Finatextグループ ・証券ビジネスプラットフォーム「BaaS」 ・保険ビジネスプラットフォーム「Inspire」 ・クレジットビジネスプラットフォーム「Crest」 ●その他プロジェクト事例 エンタープライズ企業との共創による実運用フェーズの生成AIプロジェクトにも多数取り組んでいます。 ・ニッセイアセットマネジメントの社員発アイデアをもとにした生成AI社内アプリケーションを開発 　https://nowcast.co.jp/news/20240731 ・ナウキャスト、エムエスティ保険サービスの社員専用生成AI環境「AI-MO」を構築 　https://nowcast.co.jp/news/20250716/ ・ナウキャスト、東京海上アセットマネジメント社員専用の生成AIアプリケーション 「TMAM AI」を開発 　https://nowcast.co.jp/news/20250819/ ・ナウキャスト、大和アセットマネジメント専用の生成AIアプリケーション「DAM-AICore」を開発 　https://nowcast.co.jp/news/20260107/ ・ナウキャスト、三菱地所の全社データ分析基盤「SoDA」に生成AI駆動型のアプリケーション開発環境を構築 　https://nowcast.co.jp/news/20260218/ ●社員インタビュー ・刺激のある環境で成長速度を加速したい。裁量のある環境で挑戦し、視座を高めるLLMエンジニア 　https://finatext.com/recruit/finalog/interview_ikeda ●技術スタック Python、dbt、Airflow、Snowflake、Redshift、Terraform、Vue.js、React、AWS、Google Cloud、Azure、OpenAI

●業務の概要 ・生成AIを用いた自社プロダクトのインフラ開発 ・Snowflake、Google Cloudなどのモダンな技術スタックによるデータ基盤構築におけるインフラ開発 ・生成AI関連のエンタープライズ向けパッケージの開発や導入開発 【具体的な業務内容】 ・AWSなどのパブリッククラウド環境におけるインフラの設計、実装、および管理 ・お客様とコミュニケーションを取りながら顧客クラウド環境にプロダクトを展開するプロジェクトの主導 ・自動コードビルド、テスト、およびデプロイメントのためのCI/CDパイプラインを設計および実装 ・信頼性および可用性を向上させるソフトウェアの開発、インフラ運用の仕組みづくり ・単一障害点やその他のリスクの高いアーキテクチャの問題特定、及びその解決法の提案、実装 ●技術スタック Python、Airflow、Snowflake、Terraform、AWS、Google Cloud、Azure、OpenAI

「顧客の生成AI推進に向けたシステム開発」や「自社ソリューションのAIシステム開発」を行っていただきます。 ・顧客に対する特定のユースケースに対応した独自のAIプロトタイプ開発 ・SaaSプロダクトへの生成AI機能の開発〜実装 ・モデル選定から、RAG/ファインチューニングをマルチモーダルで実装 ・PoCの結果を受けたアジャイル開発 ・RAGの精度改善(LLM実装) ※業務の変更の範囲:会社内での全ての業務 案件例 <選考環境構築:地方銀行様> 生成AIの最大限活用のため、「オフライン業務環境で生成AIと自社データを連携」「導入ハードルの軽減」を目的に自社専用環境の構築 ●実施内容 ・導入・活用のための伴走支援(アドバイス&コンサルティング) ・自社専用環境AIアシスタントの構築 ●得られた成果 ・年間約12億円の削減見込み 技術顧問・アドバイザー ・東京大学名誉教授　竹内 郁雄(技術顧問) ・東京大学大学院教授　江崎 浩(技術アドバイザー) ・東京工業大学大学院教授　岡崎 直観(技術顧問) 使用言語　※指定はありませんが、下記が案件で主に使われる言語です ・フロントエンド:TypeScript, React ・バックエンド:Python ・データベース:PostgreSQL(RDS), MySQL ・フレームワーク:Flask ・インフラ:Azure, AWS, GCP 組織データ ・平均年齢31歳 ・新卒3割、中途7割 ・外国籍22%、出身国20カ国以上 ・開発職約30% ・女性執行役員在籍 ・育児中社員在籍 キャリアパス/支給PC ●キャリアパス ・エンジニアとしての道を極めていくか、管理職になるかを選択できます ・入社から半年で役員登用になった方もいます! ●支給PC Windows or Macbook　※最新のMacbook Proを支給することが多いです!

●具体的な業務内容 ・金融インフラ(証券ビジネスプラットフォーム「BaaS」/ 保険ビジネスプラットフォーム「Inspire」/ クレジットビジネスプラットフォーム「Crest」)もしくは生成AI×データ活用のSaaSプロダクト(投資・不動産・業務支援領域)でのサーバー/インフラサイドの開発 ・上記プラットフォーム上に乗せるアプリのサーバー/インフラサイドの仕様設計、開発、運用・保守 ●開発チームについて ・https://finatext.notion.site/finatext/Finatext-cd4ff36fb8bd4aa78a7835565c655396 ●使用技術 Amazon Web Services Google Cloud Microsoft Azure Terraform Docker Alpine Linux, Amazon Linux Go / Python MySQL (Aurora) Airflow Snowflake OpenAI API ●使用サービス Google Workspace Slack Kibela 1Password GitHub Bitrise Backlog Datadog Opsgenie

【ポジション概要】 世界有数の金融グループであるMUFG(S&Pグローバル,2020年4月)は、3,400万人の個人、100万社の法人のお客さま(MUFGレポート,2024年)のお取引情報をはじめとする膨大なデータを活用し、店舗におけるお客様対応・事務、本部バックオフィス業務も含めた多岐にわたる業務の高度化・効率化のため、画像・音声認識、自然言語処理、ロジック処理などあらゆる形態でAI・MLを活用しています。 昨今の生成AI技術の発展に伴い、MUFGにおいても生成AIを用いたアプリケーション開発の需要が急速に高まっていることから、MUITではAI・ML技術を用いたアプリケーションの開発および保守を所掌として組織・ユーザの課題を解決するチームを立ち上げました。 本募集は、このチームでAI・ML技術を用いたシステム開発を上流から下流まで一貫して担えるアプリケーションエンジニアおよびアプリケーションアーキテクトを募集します。 【業務内容】 (雇入れ直後) ・当社で開発している主にAI・MLを用いたアプリケーションの開発(要件定義～リリースまでの全工程)と保守 ・技術負債の解消、新しいアーキテクチャの検討、あるべきアーキテクチャの策定 ・チームビルディングとプロジェクト管理 ・新しい技術の標準化、製品選定および評価 (変更の範囲) 会社の定める業務 【役割・責任】 ■組織(MUFGグループ各社および当社)全体に対する役割・責任 -AIテクノロジーを用いたアプリケーション開発を行うために関係者をリードし、組織内ルール・ガイド等を整備 -AI関連、クラウドネィティブな観点等、アプリケーション開発関連の動向を常に把握しアセットへ反映、現場へフィードバックする -組織内のアプリケーション開発に関するコミュニティやAI関連組織に案件を通じて得られたベストプラクティスをフィードバックする -開発環境を整備、継続的に高度化することで開発生産性を向上させる ■開発案件における役割・責任 -アプリケーションエンジニアとして主体的に開発を担う -(上位の方)プロジェクトマネージャ/スクラムマスターとして開発チームをリード、案件のQCDに責任を持つ -他エンジニアやアーキテクト等関係者と協業して、開発案件の予定通りのリリースに貢献する -課題解決のため、様々なレベルの異なるステークホルダーと調整・折衝を行う -常に最新のテクノロジーに関する情報を収集、自らの知識経験を周囲に伝播し、組織および後進の育成に貢献する 【配属想定部署】 グループ事業部門・デジタルイノベーション本部配下の各部 【配属想定部署概要】 分散系業務開発の標準化および機能集約の企画・推進・管理・運営を担う部署。具体的な業務は以下のとおり。 ■生成AIやデータ分析システムの開発 【配属想定部署の人員構成】 約150名 ※銀行等からの出向者を含む 【おもな関係者】 各業務を所管する三菱UFJ銀行の事業部門、社内開発チーム、外部企業等と、マネジメント層・メンバーを問わず、幅広く関わって頂く機会があります。 【想定担当案件(例)】 2025年度以降、AI領域で数多くの開発案件が予定されている。アプリケーションエンジニアとして特定の案件に参画いただき、アプリ開発保守およびプロジェクト管理を実施頂きます。以下は開発案件の例です。 ■行内チャットアプリ開発 三菱UFJ銀行向けのChatGPTライクな行内チャットアプリの開発、次期アプリのグランドデザイン策定、Graph-RAGなど最先端技術の提案やプロトタイピング ■Visual Studio Code 拡張機能 VSCodeのプラグインとして生成AIを用いたテストコード自動作成機能を開発、社内での普及促進やOSS化の推進

●業務概要 顧客企業と伴走しながら、生成AIや機械学習を組み込んだアプリケーションの設計〜開発〜運用までを担当します。 ●<主な業務例> ・生成AIを組み込んだAIエージェントアプリケーションの開発 ・生成AIアプリケーション/システムのLLMOps/AgentOps設計・開発 ・機械学習アプリケーション/システムのMLOps設計・開発 ・機械学習アプリケーション/システムの新規技術・サービス調査検証 ※詳細は面接時に説明します。 ●プロジェクト事例 AI自動発注システム 未来型無人化店舗「SECURE AI STORE LAB」開発　 ●技術スタック 言語:Python、SQL、Scala、Java DWH:Snowflake、BigQuery、Redshift データ基盤:Databricks、Spark、Presto、Hadoop BIツール:Tableau、Looker、PowerBI、Datorama、DOMOなど クラウド:AWS、GCP、Azure ETL/ELTツール: dbt、Fivetran、trocco、Airbyte、Talend、AWS Glue AIフレームワーク:VertexAI、SageMaker、AzureML IaCツール:Terraform、CloudFormation、Ansible

●このポジションの3つの特徴 01　「本番で信頼できるAIエージェント」をサービスにします LLM・RAGを使ったAIエージェントを作るだけでなく、評価・品質の担保まで含めて顧客に届けます。作る側(AI開発)と確かめる側(品質保証)が同じ組織にあるからこそできるサービスです。 02　AI開発・品質保証のエンジニアを率いて、サービスをつくります 一人で作り込む仕事ではありません。社内のエンジニアでチームを組み、役割を分け、設計とレビューを担い、技術の判断をしながら開発を進めます。ご自身も手を動かし、チームに見本を示します。 03　仕事のキモは「チームで提供できる」状態をつくることです 作って終わりではありません。開発の型(AI駆動開発の標準・品質ゲート)と評価の型に落とし、誰が作っても品質を落とさずに提供できるチームをつくることが、このポジションの成果です。 ●このポジションで得られるもの ・AIエージェント×品質保証という、まだ勝者の決まっていない領域で、サービスを立ち上げる経験。 ・作る(AI開発)・確かめる(品質保証)・直すがひとつの組織にそろった環境で、チームを率いて開発できること。 ・自分たちがつくった型に価格がつき、チームで顧客に届く経験。 ・サービスの責任者として、サービスとチームを育てていく道。 ## 業務内容 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。どれも切り離せない仕事ですが、最も大切にしていただきたいのは「4. チームで提供できるようにする」です。作って終わりではなく、ご自身がいなくても、チームが同じ品質で提供できる状態をつくることが、このポジションの成果です。 【1. 決める ― サービスの中身と、提供の形を決める】 ・顧客の業務と課題から、AIエージェントで何を解き、どの水準の品質を約束するかを決めます。 ・提供メニュー・手順・品質基準・価格の考え方を、事業の責任者と相談しながら決めます。 【2. 作る ― 自らも手を動かし、技術の判断を担う】 ・AIエージェントの設計、RAG・データ基盤との連携、評価の仕組みなど、要となる部分はご自身でも作り、試します。 ・担当する範囲のアーキテクチャ・技術選定・品質の基準について、技術の判断を担います。 【3. 率いる ― AI開発・品質保証のエンジニアを動かして開発する】 ・社内のAI開発・品質保証のエンジニアでチームを組み、役割を分け、開発を進めます。 ・設計・コードのレビュー、評価結果の確認を通じて、チームの成果物の品質に責任を持ちます。 【4. チームで提供できるようにする ― 型にして、誰が作っても品質を落とさない状態にする】 ・開発の手順、AI駆動開発の標準、品質ゲート、評価の設計を「型」として書き起こし、チームで使える状態にします。 ・型をメンバーに教え、ご自身がいなくても、チームが同じ品質でサービスを作り、提供できるようにします。 【5. 届ける ― 顧客の前に立ち、最初の提供をやり切る】 ・営業担当と組み、技術面の提案を担います。 ・最初の案件では、チームを率いて導入・提供をやり切り、社外の実績をつくります。 #### ●技術環境 【言語 / フレームワーク】 React、TypeScript(フロントエンド)/Python、C#(バックエンド) 【クラウド】 Azure(AWS・GCPのご経験も歓迎) 【データベース / 基盤】 PostgreSQL、Databricks 【AI領域】 生成AI(LLM/RAG/AIエージェント)を活用したAI駆動開発 【AI開発ツール】 Claude Code、Cursor、GitHub Copilot、Codex、CodeRabbit 【品質保証・評価】 テスト設計、テスト自動化、CIの品質ゲート、AIの評価設計(評価データセット・自動評価・回帰評価) ●入社後のロードマップ 【入社〜3ヶ月】 進行中のAIエージェント基盤・品質担保の型づくりに加わり、チームと技術の現状をつかみます。あわせて、自社の業務を題材にしたAIエージェントの開発を、評価の設計まで含めてリードし、サービスの原型を1つ形にしていただきます(例:営業支援のAIを、品質の基準まで含めて自社で使える状態にする)。 【3〜6ヶ月】 自社で確かめた結果をもとに、提供メニュー・品質基準・価格の案を固め、営業担当とともに既存の顧客に提案します。開発と評価の手順を、チームの型として書き起こします。 【6ヶ月〜1年】 社外の顧客への提供実績をつくります。チームのメンバーが型に沿って、品質を落とさずに作れる状態にします。 【1年〜】 サービスの責任者として、サービスとチームを育てていただきます。次のサービスの立ち上げや、型を使えるエンジニアの育成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」 【サービスはまだ「売れる形」になっていません】 社外への提供は、最初の1件をつくる段階です。提供メニュー・価格・品質基準は整備の途中で、何を型にするかを決めるところから関わっていただきます。 【チームのメンバーは、顧客の案件と兼務の人もいます】 サービス開発に関わるエンジニアの稼働は、事業の責任者と調整しながら確保します。限られた時間の中で、役割を分け、成果につなげるリードが求められます。 【立ち上げの段階は、ご自身が手を動かす場面も多くあります】 チームを率いる役割ですが、型ができるまでは、要となる部分をご自身で作り、見本を示す場面が多くなります。 【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、技術面の提案や最初の提供では、ご自身が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、事業の責任者・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。 ●このポジションではないこと ミスマッチを防ぐため、あらかじめお伝えします。 ・全社のDX・変革を企画し、推進する役割ではありません。担っていただくのは、AIエージェント×品質保証のサービスです。 ・資料づくりや取りまとめが中心の、PMO・企画の役割ではありません。技術の判断と、ご自身が手を動かすことが欠かせません。 ・一人で作り込むスペシャリストの役割でもありません。エンジニアのチームを動かし、チームで提供できる状態をつくることが仕事の中心です。 ●担当していただくサービス 【サービスの方向性】 本番で信頼できると担保されたAIエージェントを、顧客に届けるサービス 【サービスの中身(例)】 ① AIエージェントの構築:業務の分解から、AIエージェント・ワークフロー型AIの設計・構築、既存システム・データとの連携(LLM・RAG、AIエージェントを支えるデータ基盤を含む)、運用まで ② 品質の担保:正確性・タスクの完了・権限・安定性・安全性・業務への適合の観点での評価設計、評価データセットと自動評価、モデル更新時の回帰評価 ③ 作り方の型:AI駆動開発で、速く、品質を落とさずに作るための開発標準・レビュー基準・品質ゲート 【いまの進み方】 複数のチームが並行して、AIエージェント基盤と品質担保の型づくりを進めています。自社の業務(営業支援のAIなど)を題材に作り、まず自社で効果を確かめてから社外へ届けます。大手SIerのプロジェクトにはチームで参画し、AIエージェントを支えるデータ基盤の開発も進めています。 【一緒に動くメンバー】 社内のAIソリューション開発のエンジニア、品質保証(QA・テスト)のエンジニア、営業担当 【いまの状態】 社外への提供は、最初の1件をつくる段階です。提供メニュー・価格・品質基準は整備の途中です。 ※ どこから担っていただくか、サービスの中身をどう広げるか、社内のリードエンジニアとどう役割を分けるかは、ご経験と得意な領域をうかがったうえで一緒に決めます。 ●従事すべき業務の変更の範囲 →会社の定める業務

企業のDX化が進む中で、技術選択の幅はますます広がり、プロジェクトの難易度も高まっています。 ALHでは、そうしたお客様の変革を支援するため、サービス領域を拡大しており、なかでもシステム開発分野は高いニーズをいただいています。 担当していただくのは、Web系システムやアプリ開発など多岐にわたる開発業務です。 toC/toB両方の領域で、Webアプリケーションや基幹システムの開発を中心にご参画いただきます。 ●具体的な仕事内容 ・詳細設計、実装、テスト、リリース等の開発業務全般 (ご経験に応じて基本設計からお任せします) ・モダンな技術スタックやマルチクラウド(AWS/Azure/GCP)環境でのシステム開発 ・プロジェクト内でのコードレビュー、品質向上のための技術的アプローチ ・将来的な技術選定や生成AI等の最新技術検証への参画(アサインプロジェクトによる) ・後輩メンバーのサポートや業務を通じたチーム貢献 ●顧客の業界例 金融/福祉/通信/EC/流通/商社/官公庁/モビリティ/SAP/飲食/航空 ●プロジェクト事例 ・システム設計、開発 ・PoC ・SaaSプラットフォーム開発 ・システムクラウド化 ・マイグレーション ・Web、モバイル開発 ・生成AI(LLM)を活用した顧客対応自動化システムの設計、開発 ●技術・環境スタック例 ・開発言語 :Java, Python, TypeScript, JavaScript, Go, PHP ・フレームワーク :Spring Boot, React, Vue.js, Node.js, Next.js, Django ・プラットフォーム/ツール :OutSystems, Docker, Kubernetes ・クラウドサービス :AWS, Azure, Google Cloud (GCP) ・データベース :PostgreSQL, MySQL, Oracle, NoSQL (DynamoDB等) ・AI関連技術 :LLM (GPT-4等) のAPI利用, LangChain, RAG (検索拡張生成) ・開発支援/管理 :GitHub, GitLab, Backlog, Slack, CI/CDツール ●事業部について ALHは現在、ブランドリニューアルを実施し、「技術で変化をつくる主体者」として、顧客の事業課題解決に伴走する存在へと進化しています。 2025年9月のカンパニー型組織体制の導入に伴い、カンパニー単位で大きな裁量を持ち、採用・育成・営業推進・組織運営まで一貫して意思決定できる仕組みになりました。 選考を通じたご志向性を鑑み、自身の技術力を最も発揮し、成長を加速できる最適なカンパニーへ配属させていただきます。 ●関東のカンパニー 情報通信/金融/産業・流通・サービス/公共・社会インフラ/基盤ソリューション ●役割・ミッション 開発チームのコアメンバーとして、toC/toB領域、基幹システム、Webアプリケーションなど幅広いプロジェクトにおいて、設計から実装・テスト・リリースまでを行い、高品質なシステムをデリバリーしていただきます。 ゆくゆくは要件定義等の上流工程や、生成AI(LLM)等を用いた最新技術の実装、あるいはチームを牽引するリーダーへとステップアップしていくことが期待されるポジションです。 業務変更の範囲:会社の定める業務の範囲

AIを使う会社ではなく、AIで会社そのものをつくる。 SENXYAのTechnology領域の中心として、業務・データ基盤「SENXYA DB」のProduct Ownershipを担い、AI Nativeな開発体制そのものを0→1でつくるポジションです。 ●このポジションのミッション 一般的な「要望整理→エンジニアへ依頼→仕様策定→開発→納品」という開発方法そのものを変えます。 目指すのは、現場 → Product Owner → AI → 仕様・設計 → AI Coding → 自動テスト → 社員が利用 → データ・フィードバック → AIと人が改善、という開発Loopです。 人間のエンジニアがすべてのコードを書くことを前提とせず、 AI Coding Agent・LLM・Low-Code / No-Code・Workflow Automationなどを組み合わせ、少人数でも高い開発速度を持つ「AI Nativeな開発組織」を構築します。 開発の主体はあくまで社内とAIに置きながら、外部の専門家は、Security Review・Architecture Review・大規模Migration・障害対応など専門性が必要な領域で活用します。 現場・AI・社内メンバー・外部専門家をつなぎ、要件や優先順位を整理しながら、開発プロジェクト全体を推進していただきます。 ●最初に取り組んでいただきたいこと まずは現在開発中のSENXYA DBを理解し、「既存システムを活かすのか、SENXYA DB 2.0として再構築するのか」を含め、今後の技術方針を整理していただきます。 ・Source Code / GitHub・Database Schema・Infrastructure / Cloud環境の把握 ・Data Dictionaryの整備、API / 認証まわりの整理 ・未実装機能・Bug・Technical Debt・Security / Permission / RLS等の確認 ・Migration方法の検討、外部開発会社への依存関係の整理 これらをもとに「残す / 改善する / 捨てる / AIで作り直す」を判断していきます。 技術構成はPostgreSQL / Supabase・GitHub・AI Coding Agent・n8n・LLM API・RAG等を検討していますが、ツールありきではなく「今、何を使うべきか」を継続的に判断することもこの役割です。 ●主な業務内容 ①SENXYA DBのProduct Ownership 社内各部署へのヒアリング、業務フローの整理・再設計、Product Roadmap策定、Requirement / Specification作成、UI / UX設計、Data Model設計、開発優先順位の決定。 「言われたものをつくる」のではなく、「そもそもその業務は必要か」「AI時代にはどうあるべきか」から考えます。 ②AI Native Development AI Coding Agentを利用した開発、LLMによる仕様作成、Prototype開発、Test生成・自動化、Documentation生成、Code Review、Workflow Automation。 人間がコードを書く量を増やすのではなく、AIを活用して開発生産性そのものを高めます。 ③Data Infrastructure 案件・顧客・見積・原価・機材・在庫・発注・人工・請求・粗利・施工など日々蓄積されるデータを、AIが利用できる形へ構造化。 「会社で起きた出来事が、次の案件の知能になる仕組み」を目指します。 ④SENXYA AI / AI Agent 見積AI・原価予測AI・発注Agent・在庫最適化Agent・施工計画AI・Knowledge Agent・経営分析AIなどの開発。 将来的には「この会場で、この規模のライブをつくりたい」という情報から、過去案件検索・機材選定・見積作成・施工計画・発注までAIが支援する世界を目指します。 ⑤Digital Twin 3D・CAD / BIM・点群データ・Unreal Engine・Computer VisionなどとSENXYA DBを接続し、Physical WorldとDataをつなぐ基盤へ発展させます。 ⑥Physical AI / Robotics その先に見据えるのがPhysical AIです。Robot Forklift・AMR・墨出しRobot・Drone・ROS / ROS2・IoT・Autonomous Constructionなどにより、フィジカルなライブ施工産業も変わっていくと考えています。 このポジションは、SENXYA DBから将来のPhysical AIまでつながる入口です。