関東 DockerのITエンジニア求人・転職情報

株式会社クラウドワークスコンサルティング

【そのバックエンドスキルを、「モダン」な武器へ。クラウド主要3社の公式パートナーだから叶う、キャリアの加速。】 培ってきたバックエンドの技術。それを特定の環境や、古いアーキテクチャに縛り付けていませんか? クラウドワークスコンサルティングは、AWS、Azure、Google Cloudすべての公式パートナーシップを締結。この圧倒的な背景があるからこそ、私たちはエンジニアを特定の言語に固執させることなく、最先端のクラウドネイティブ開発へと導くことができます。 「既存の経験を活かし、主要クラウド上でのマイクロサービス開発に挑戦したい」 「AI(コーディングエージェント)を駆使した最新の開発手法を現場でいち早く実践したい」 「モノリスからコンテナ、オンプレからクラウドへ。システムの『進化』を牽引するテックリードを目指したい」 無理な背伸びではなく、あなたの「今の得意」を「最良のクラウド環境」へ繋ぐ。 豊富な案件の選択肢があるからこそ、技術スタックを戦略的に広げ、着実に「市場価値の高いバックエンドエンジニア」へのステップアップを私たちが伴走します。 CWCが誇るクラウドパートナーシップ: 【AWS】 人材サービス型 AWS パートナー 【Azure】 インフラストラクチャ (Azure) ソリューション パートナー 【Google Cloud】 Google Cloud Platform Service パートナー ≪プロジェクト事例≫ 【Web開発/Azure】 大手通信業界向け　オンラインショップの要件定義〜開発(Spring Boot / Postgresql / Azure) 【AI活用/AWS】 AI(Claude等)を活用した次世代基盤リプレイス(Vue.js 3 / Java / ECS) 【フルスタック/AWS】 大手サービス業界向け　React / Spring Bootを用いた基盤システムのモダン化開発 【テックリード】 自社EC×店舗基盤のモダナイゼーション。事業戦略に沿った技術選定とJavaからRubyへの移行を牽引 【Go/決済】 金融業界向け　高可用性が求められる決済システムのマイクロサービス開発 【Node.js/DX】 DXデータ基盤の整備・開発における、Lambdaを活用したサーバーレスAPI実装

株式会社トラストシステム

大手ネット証券の業務系システム(勘定系)における開発をお任せします。プライム案件として、要件定義から設計・実装・テスト・運用まで一貫して対応しています。 ・株式・投資信託・FX等の証券取引システムの開発/改修 ・外部サービスとのAPI連携設計・実装 ・大量データを扱うバッチ処理の設計・実装・運用 ・パフォーマンスチューニング、システム負荷分散の設計 プロジェクトの特徴 ・大規模証券プラットフォームに参画:日本を代表するネット証券の中核システムに関与し、日々の取引を安定運用する基盤を支えます ・高トラフィック・高可用性の開発環境:リアルタイム性・信頼性が求められるため、冗長構成・フェイルオーバー・スケーラビリティ設計の経験が得られます ・リアルタイム×バッチ処理の両立:日中のリアルタイム取引と、夜間の大量バッチ処理の共存を実現する高度なアーキテクチャに携わります 開発環境 言語:PL/SQL(Oracle)、VB.NET、C++、C# OS:Linux(Unix系) FW:Spring、Struts、Struts2 IDE:Eclipse、Visual Studio、Android Studio、Xcode その他:SVN、Git、JP1、HULFT、Apache、Tomcat、WebLogic DB:Oracle、MySQL、SQL Server、solidDB DevOps関連:Docker、CI/CD(GitHub Actions等)

株式会社クラウドワークスコンサルティング

【そのバックエンドスキルを、「モダン」な武器へ。クラウド主要3社の公式パートナーだから叶う、キャリアの加速。】 培ってきたバックエンドの技術。それを特定の環境や、古いアーキテクチャに縛り付けていませんか? クラウドワークスコンサルティングは、AWS、Azure、Google Cloudすべての公式パートナーシップを締結。この圧倒的な背景があるからこそ、私たちはエンジニアを特定の言語に固執させることなく、最先端のクラウドネイティブ開発へと導くことができます。 「既存の経験を活かし、主要クラウド上でのマイクロサービス開発に挑戦したい」 「AI(コーディングエージェント)を駆使した最新の開発手法を現場でいち早く実践したい」 「モノリスからコンテナ、オンプレからクラウドへ。システムの『進化』を牽引するテックリードを目指したい」 無理な背伸びではなく、あなたの「今の得意」を「最良のクラウド環境」へ繋ぐ。 豊富な案件の選択肢があるからこそ、技術スタックを戦略的に広げ、着実に「市場価値の高いバックエンドエンジニア」へのステップアップを私たちが伴走します。 CWCが誇るクラウドパートナーシップ: 【AWS】 人材サービス型 AWS パートナー 【Azure】 インフラストラクチャ (Azure) ソリューション パートナー 【Google Cloud】 Google Cloud Platform Service パートナー ≪プロジェクト事例≫ 【Web開発/Azure】 大手通信業界向け　オンラインショップの要件定義〜開発(Spring Boot / Postgresql / Azure) 【AI活用/AWS】 AI(Claude等)を活用した次世代基盤リプレイス(Vue.js 3 / Java / ECS) 【フルスタック/AWS】 大手サービス業界向け　React / Spring Bootを用いた基盤システムのモダン化開発 【テックリード】 自社EC×店舗基盤のモダナイゼーション。事業戦略に沿った技術選定とJavaからRubyへの移行を牽引 【Go/決済】 金融業界向け　高可用性が求められる決済システムのマイクロサービス開発 【Node.js/DX】 DXデータ基盤の整備・開発における、Lambdaを活用したサーバーレスAPI実装

株式会社クラウドワークスコンサルティング

【そのバックエンドスキルを、「モダン」な武器へ。クラウド主要3社の公式パートナーだから叶う、キャリアの加速。】 培ってきたバックエンドの技術。それを特定の環境や、古いアーキテクチャに縛り付けていませんか? クラウドワークスコンサルティングは、AWS、Azure、Google Cloudすべての公式パートナーシップを締結。この圧倒的な背景があるからこそ、私たちはエンジニアを特定の言語に固執させることなく、最先端のクラウドネイティブ開発へと導くことができます。 「既存の経験を活かし、主要クラウド上でのマイクロサービス開発に挑戦したい」 「AI(コーディングエージェント)を駆使した最新の開発手法を現場でいち早く実践したい」 「モノリスからコンテナ、オンプレからクラウドへ。システムの『進化』を牽引するテックリードを目指したい」 無理な背伸びではなく、あなたの「今の得意」を「最良のクラウド環境」へ繋ぐ。 豊富な案件の選択肢があるからこそ、技術スタックを戦略的に広げ、着実に「市場価値の高いバックエンドエンジニア」へのステップアップを私たちが伴走します。 CWCが誇るクラウドパートナーシップ: 【AWS】 人材サービス型 AWS パートナー 【Azure】 インフラストラクチャ (Azure) ソリューション パートナー 【Google Cloud】 Google Cloud Platform Service パートナー ≪プロジェクト事例≫ 【Web開発/Azure】 大手通信業界向け　オンラインショップの要件定義〜開発(Spring Boot / Postgresql / Azure) 【AI活用/AWS】 AI(Claude等)を活用した次世代基盤リプレイス(Vue.js 3 / Java / ECS) 【フルスタック/AWS】 大手サービス業界向け　React / Spring Bootを用いた基盤システムのモダン化開発 【テックリード】 自社EC×店舗基盤のモダナイゼーション。事業戦略に沿った技術選定とJavaからRubyへの移行を牽引 【Go/決済】 金融業界向け　高可用性が求められる決済システムのマイクロサービス開発 【Node.js/DX】 DXデータ基盤の整備・開発における、Lambdaを活用したサーバーレスAPI実装

METATEAM株式会社

●お任せしたい業務 ・顧客の課題に合わせた最適なシステムの提案 ・~20名規模のシステム構築プロジェクト全体を俯瞰したプロジェクトマネジメント ・システムの企画からリリース、グロースまで一貫してリード ・急拡大している部門の組織づくり、組織推進、マネジメントコンサルシフトの主導 ・若手インフラエンジニアの育成・教育・マネジメント ●直近プロジェクト事例 ￭官公庁システム統合に伴うWLAN構築およびフロアスイッチ更改対応支援 [内容] ・WLAN構築(Cisco Meraki) WBS作成、スケジュール調整、資料作成、課題管理等のPM業務(サイトサーベイ～導入支援含む) ・フロアスイッチ更改(Cisco) WBS作成、スケジュール調整、資料作成、課題管理等のPM業務(設計・構築～導入支援含む) ￭大手Sler様社内向けマスターデータ配信基盤構築プロジェクト [内容] ・プライベートクラウド(SDPF)での基盤設計～リリース ・ ネットワークの設計構築 ・ サーバーの設計構築 ・ RHEL9のインストール・設定 ・ MWのインストール・設定

HENNGE株式会社

●事業概要 昨今のビジネス環境では、SaaSをはじめとする最新テクノロジーの活用が組織の生産性向上に不可欠となっています。しかし一方で、SaaSの急速な普及に伴い、不正アクセスや情報漏洩等のセキュリティリスクや運用管理の煩雑さなど、様々な課題も浮き彫りになっています。 HENNGEでは、このような課題を包括的に解決し、企業の安全かつ便利なクラウドサービスの活用をサポートする、クラウドセキュリティサービスの「HENNGE One」を提供しています。 HENNGE Oneはサブスクリプション型のクラウドサービスとしてお客様にご提供していますが、解約率は一般的なSaaSビジネスの解約率を大幅に下回る0.3%前後で推移しており*、お客様から必要とされるサービスとして、上場企業を含む多くの企業にご利用いただいています。今後も継続的な顧客拡大やサービスの拡充を進め、企業のクラウドサービス活用を促進するため、積極的な人員増員を行っています。 *2025年9⽉期決算説明資料より 参考:[会社紹介資料](https://speakerdeck.com/hennge/company-introduction) ●具体的な業務内容 膨大なユーザーログやサービス利用状況のデータを扱う、データ管理基盤の設計・改良・運用が主な業務です。 AWS 上のデータパイプラインやデータベースの最適化、ETL プロセスの設計・開発を通じて、ビジネスの意思決定を支える情報インフラを構築します。 データクレンジングやフォーマット変換など、地道な作業も含まれますが、これらはデータ活用の精度を左右する重要なプロセスです。 ●具体的なプロジェクト例 HENNGE One の新サービスや新機能の効果測定を行うため、新しい機能のリリースに合わせて取得されるデータ集計のプロセス策定を行う ビジネス部門のマネージャーと連携しながら、既存顧客のサービス利用状況分析のために必要なデータの定義を行うことで、販売戦略の意思決定を支援する ●依頼元とチーム体制 依頼元はプロダクトマネージャー、セールス、マーケティング、カスタマーサクセスといった HENNGE Oneビジネスを推進する各部門のメンバーです。 HENNGE One ビジネスの状況を深く理解し、彼らがデータをスムーズに利用できるよう、技術的な側面から支援します。 チームの垣根を越え様々な部門と密に連携を取りながら、ビジネスの成長という共通の目標に向かってプロジェクトを推進していきます。 ●業務の裁量範囲 データエンジニアとして、HENNGE One のデータ管理基盤の全体に責任を持って取り組んでいただきます。 ETL プロセスの設計・開発はもちろん、データパイプラインのアーキテクチャ改良、AWS リソースの最適な運用方法の提案と実行まで、大きな裁量があります。 あなたのアイデアとスキルで、データ活用の新たな可能性を切り開き、ビジネスの成長を加速させることができます。 ●従事すべき業務の変更の範囲 会社の裁量により、変更となる可能性があります。

METATEAM株式会社

●お任せしたい業務 ・要望ヒアリングから要件定義、設計、構築、運用保守 ・プロジェクト推進 ・チームメンバーに対して開発サポートを行い技術でチームの生産性を向上 ・システム面での課題やプロジェクト課題に対し最適な解決方法の提案 ・急拡大をする部門の組織づくり、マネジメントコンサルシフトの社内支援 ・若手インフラエンジニアの育成・教育 ●特色 ・AWS資格取得を全面バックアップ AWS資格取得を会社として全面バックアップします。 AWS未経験で入社3か月後に下記資格を全て取得したメンバーもいます! -AWS ソリューションアーキテクト アソシエイト&プロフェッショナル -AWS デベロッパー アソシエイト -AWS SysOps アドミニストレーター アソシエイト ・社内AWS学習環境の改善 ・インフラマネージャーの育成勉強会 ・資格取得に向けた顧客提供価値の向上、セルフブランディングを強化中 ・AWSを用いた新規事業の検討 ●直近プロジェクト事例 ・某大手Webマッチングサービスのクラウド基盤移行プロジェクト 標準的なAWSサービスでインフラ基盤を構成 使用サービス:EC2・RDS・ELB・Route53・EFS・Redisなど 環境構築:Infrastructure as Codeを使用して構成管理 次期プロジェクトの要件追加に伴い、lambda、CI/CD環境構築など構成最適化を検討予定 チーム体制:7名(プロジェクト責任者、PM、PL、メンバー4名) ・オンプレミスからAWSへの移行プロジェクト オンプレ基盤のEOSLに伴うAWSへの移行を実施 AWSを使用したインフラ設計、構築や既存のオンプレからの移行作業を行います。 その他、要件定義、基本設計書、詳細設計書、試験項目書などのドキュメント作成を実施。 チーム体制:全体:5名

Dress Code株式会社

Dress Codeは「人とAIが同じ社員IDで働く」AIネイティブ組織 を、自社で第1号として実装しています。 本ポジションはその思想を BPOオペレーション領域 で体現するロールです。 ・メイン:AI Workforceと並走しながら、顧客の技術的つまずきを解消するテクニカルサポート ・サブ①:自社Corporate IT / セキュリティ運用のサポート(弊社は "Zero号案件") ・サブ②:テクニカルサポート(以下TS)/BPO現場で得た知見をプロダクトチームへフィードバック 「TSを人間だけで回す」時代を終わらせ、AIエージェントを主戦力に据えたBPOオペレーションを設計・運用する ─ この挑戦をリードしていただきます。 なぜ「AIネイティブ BPO」なのか: 従来のBPO・TS業務は「人がスケールする」ことを前提に組み立てられてきました。 Dress Codeでは、AIエージェントを "同僚" として組み込んだBPOオペレーション を設計しています。 ・問い合わせの一次分類・回答ドラフト生成 → AIエージェントに任せる ・ナレッジ検索・過去事例参照 → AIが即応、人は判断のみ ・監査ログ集計・レポート生成 → AIが定型化・自動化 ・人はエスカレーション判断・仕組み化・関係構築に集中 日常業務の30-40%をAIに任せた上で、人が担う "判断" と "設計" の質を上げる ─ これがAIネイティブBPOの中身です。 具体的な業務 メイン業務:AIネイティブ・テクニカルサポート(BPOスコープ) ・顧客からの技術的問い合わせの解決(チャット・Email・オンライン対応) ・AIエージェントによる一次分類・回答ドラフト → 人が最終判断・カスタマイズ ・ヘルプページ・ナレッジベースの作成・運用 ・AIによるコンテンツ生成 → 人がキュレーション・構造化 ・ヘルプコンテンツ管理ツールの導入・運用 ・顧客労力(Effort)を削減する仕組みの継続改善 ・BPO発想での業務代行提案:単発サポートで終わらせず、顧客の業務プロセスそのものを仕組み化・引き受け化 ・CSチームと一体となった課題解決・アカウント成長支援 ・AIワークフローの継続的改善:業務の中で「これはAIに任せられる」を発見し続ける サブ業務①:自社Corporate IT / セキュリティ運用サポート Dress Codeのコーポレート部門と連携し、自社のIT・セキュリティ運用を「クライアントワーク」として担っていただきます。 ・社内ITサポート・ヘルプデスク対応 ・AIによる一次対応 → 人がエスカレーション判断 ・Google Workspace / Slack / SaaSツールの管理サポート ・入退社時のITアカウント運用支援 ・SOC 2 Type II / ISMS (ISO27001) / ISO27017 の運用・監査対応のサポート ・AIによる証跡ログ集計 / 監査資料生成の下支え ・情報セキュリティポリシーの運用支援 ・ITオペレーションの仕組み化・業務改善 ※ 情シス責任者級の設計・管理ではなく、「システム知見を持って情シスチームを支える」役割 です。 将来的な範囲拡大は本人の意欲次第。 サブ業務②:プロダクトへのフィードバック ・TS/BPO/自社運用で発見した改善要望をプロダクトチーム(PdM・エンジニア)へ翻訳・共有 ・ユーザー起点の機能要望の優先度整理 ・ヘルプコンテンツ・AI応答ログから拾えるプロダクト改善のヒントの吸い上げ ・AI活用オペレーションの知見をプロダクト機能に還元(AI応答テンプレのプロダクト化等)

株式会社荏原製作所

CMP装置をはじめ、ドライ真空ポンプ、排ガス処理装置などの半導体製造装置およびコンポーネント製品から取得されるデータを活用した自社プラットフォーム(「X-bility」および「EBANET3」等)の開発・強化業務を担当いただきます。 開発チーム/プロジェクトリーダーとして、装置予知保全やデータ基板・アプリケーションの事業化・顧客への価値提供を推進頂けます。 ・装置・コンポーネント群から収集される各種センサーデータ(高頻度時系列データ)の収集・蓄積・解析・可視化を一体としたデータ基盤・アプリケーションのシステム設計および開発リード ・Chamber間・装置間・コンポーネント間のデータ比較・解析による予防保全機能やパフォーマンス最適化機能、故障予知アルゴリズムの組込み ・収集データを活用した新たなデジタルサービスの企画・アーキテクチャ構築およびグローバル展開の推進 ※変更の範囲:会社の定める業務

株式会社日立ハイテク

世界トップクラスの半導体製造・検査製品から得られるデータと技術を活用し、半導体製造の高度化・効率化を支えるデジタルソリューション開発をご担当いただきます。 本ポジションでは、開発業務にも関わりながら、チームマネジメントおよびプロジェクト推進を担っていただきます。 <具体的な業務内容> ・半導体装置データを活用したソリューション開発(設計・開発・評価) ・プロジェクトの進捗管理、課題管理、関係部門との調整 ・チームメンバーの育成、レビュー、業務支援 ・顧客課題の理解とソリューションへの落とし込み ・国内外顧客先や協創施設での評価・検証支援 ※役割・責任範囲はご経験に応じて段階的にお任せします。 ●ポジションの位置づけ 本ポジションは、開発に携わりながらチームをマネジメントし、プロジェクトを推進していただく課長候補ポジションです。 技術と事業の両面から意思決定に関わり、組織やプロジェクトに影響を与えていくことが期待されます。 開発方針や進め方についても主体的に意思決定いただけます。 入社後は、業務状況やご志向を踏まえ、役割や期待値を丁寧にすり合わせながら進めていきます。 チーム規模やプロジェクト範囲についても、ご経験に応じて無理のない範囲から段階的に広げていきます。 ●開発環境 ・言語:Python、Java、JavaScript、SQL、HTML、CSS ・OS:Linux、Windows ・ツール:GitHub、Docker

株式会社日立ハイテク

世界トップクラスの半導体製造・検査装置から得られるデータと技術を活用し、半導体製造の高度化・効率化を支えるデジタルソリューション開発をご担当いただきます。 当社の半導体製造・検査装置から得られるデータを活用し、これまでのご経験を活かしながら、チームの一員として設計・開発を担っていただくポジションです。 <具体的な業務内容> ・半導体装置データを活用したソリューションシステムの設計・開発・評価 ・データ管理・解析システム(DB、アプリケーション)の開発 ・チーム内での設計・実装・レビューへの参画 ・顧客課題に対するソリューションの理解および機能への落とし込み ・国内外顧客先や協創施設での評価・検証支援 ※将来的には、プロジェクト内でのリードや後輩育成にも関わっていただくことを期待しています。 ※役割はご経験や志向に応じて段階的に広げていただきます。 ●ポジションの位置づけ 本ポジションは、担当者として開発を担いながら、将来的に主任・リーダーとしてチームを支える役割を担っていただくことを期待する人材の採用です。 リーダー経験がない方でも、開発業務を通じて段階的に役割を広げていけるポジションです。小規模なタスクやチーム単位でのリード役を担いながら、経験を積んでいただきます。 技術力を活かしながらチームに影響を与えていくポジションであり、必ずしも早期にマネジメントを担う必要はありません。 入社後は、業務を通じて役割をすり合わせながらキャリアを形成していきます。 ●開発環境 ・言語:Python、Java、JavaScript、SQL、HTML、CSS ・OS:Linux、Windows ・ツール:GitHub、Docker

株式会社NTTデータ

・NTTグループの根幹事業の１つである通信サービスの未来を創るべく、通信業界最大手の顧客様と共に、革新的なシステム技術を用いて、業界横断的なインフラメンテナンス改革を主導し、通信インフラ全体に貢献できるシステム開発を目指しています。 ・新規サービスの提供、既存サービスの安定運用を実現するため、システムでの実現方式/構成のグランドデザインから開発（設計・構築・試験）、維持・保守までをトータルで行います。（システム運用自体は当社範囲外） ・大規模システムのインフラ開発を担っており、各自の専門スキルを活かすことも、また各インフラ技術を段階的に身に着けることもでき、将来的にはインフラアーキテクトとしての活躍も可能となります。 ・IOWN (Innovative Optical and Wireless Network)構想における革新的な技術を使いこれまでのインフラサービスの限界を超える通信技術を創造し、社会インフラの未来を実現するため、クラウド化/自動化/生成AIなどの最新技術を活用し、先進的な基盤を開発/刷新していく仕事となります。 役割詳細 今までのご経験やこれからのキャリア志向などを踏まえて、ご自身のスキルを活かせるように配属チームを検討させていただくことができます。（IPAのスキル標準等を参照） ※現在下記のようなインフラスキルをお持ちの方で、キャリア志向から同プロジェクトのアプリ開発チームへの配属希望なども可能です。 ・サーバーエンジニア/プラットフォームエンジニア（サブリーダー/メンバ）：RHEL、Pacemaker、Ansible、Docker、Kubernetesなどを使ったOS：クラスタソフト・運用管理製品・コンテナ製品の構築 ・ネットワークエンジニア（サブリーダー/メンバ）：Cisco、Juniper、SDN（ACI/Nuage等）、Firewall、Load Balancerなどを利用したLAN/WAN環境構築、SDN技術の導入・設計 ・クラウドエンジニア（サブリーダー/メンバ）：AWS、Oracle Cloud (OCI)、IaC、CloudFormation、Terraformなどのクラウドソリューションの統合・設計・構築 ・インフラアーキテクト（リーダー）：オンプレ/クラウド技術（AWS、Azure、VMware、OCI、ネットワーク全般など）によるインフラアーキテクチャ策定/技術マネジメント （役割詳細補足） ・リーダー：10～20名程度のチーム全体をマネジメント ・サブリーダー：5名程度のメンバをマネジメント(リーダによる支援あり) ・メンバ：専門領域のインフラ開発（サブリーダーによる支援あり）

株式会社NTTデータ

未来の日本社会を支えるITシステムをソフトウェア面から具現化する仲間を募集します。 ●職務内容について● 　デジタルガバメントからスマートシティまで、社会を支えるITシステムを提供している公共・社会基盤分野の中で、ソフトウェアエンジニア/ソフトウェアアーキテクトとして広く活躍する職務です。分野全体のプロジェクトにかかわるため、業種は公共分野(中央省庁および関連団体、地方自治体等)から通信・ユーティリティ分野まで幅広く活躍できます。 【開発系】 ・提案書執筆/要件定義(利用者の利便性を高め、ITシステムの肝となるソフトウェアアーキテクチャ/処理方式/アプリケーションフレームワーク/プロダクトの検討) ・設計(業務処理を支えるアプリケーション処理方式設計/構造化設計/共通化設計等を先導) ・製造(自チームが設計した共通部品の実装に加え、プロジェクトメンバーを指導しつつ、採用したソフトウェアアーキテクチャに基づいて実際にソフトウェアを構築) ・テスト(単体テスト/結合テスト/システムテストに向けた準備や構成管理等を実施) 【施策系】 ・生成AIによる生産性向上、ガバメントクラウドやスマホアプリ等の技術要望に対応する技術開発の実施 ●技術戦略組織について● 　フレームワークなどのソフトウェア・クラウド等の基盤技術者の集約組織で、現在は約170名の技術者を体制として維持し、常時約30プロジェクトに対して現場支援を実施しています。現場支援チームだけでなく、先進的な技術や生産性向上に関わる技術を取り入れ、確立する施策系のチームも存在します。在籍する技術者の約1/3が本募集となるソフトウェアエンジニア・アーキテクトです。 　担務に関しては、プロジェクトごとの有期的なものが多く、本人の希望やスキルセット、現場からの要望を総合的に判断・相談して、決定しています。現場支援においては、わからないことは所属チームや総勢170名の技術者によるサポートがあります。また、全員が社会を支えるシステムに最適な構成を提案でき、品質高く、効率的に実現できるよう、スキルアップの側面も重視しています。

株式会社エスタイル

大規模言語モデル(LLM)や生成AI技術活用に特化し、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」の開発チームにて、最先端の生成AI(GPT-4oなどのLLM)を活用した開発業務を担当いただきます。 具体的には、AIと外部システムをつなぐAPI連携や、高性能な検索システム(RAG)、AIエージェントなどのアプリケーション開発に取り組みます。 AI領域未経験の方でも安心のチーム体制でのプロジェクトなので、上流〜下流まで一気通貫で新しいサービスを生み出すプロジェクトで、エンジニアとして技術・キャリアの幅を大きく広げていただけます。 ●具体的な業務 ・大規模言語モデルの技術調査 ・AI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意見が言いやすい環境です。 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! 【変更の範囲】 会社の定める業務

株式会社エスタイル

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!

株式会社NTTデータ

NTTグループは、トヨタ自動車様とのモビリティ領域において、広く連携しています。AIや自動運転といった先進領域における取り組みから、商用システム開発まで、幅広く推進しています。 その中で、NTTデータはコネクティッドカーから得られる膨大なデータを活用するためのプラットフォーム開発や、関連する各種システム開発プロジェクトを数多く推進しています。 本ポジションでは、こうしたプロジェクトにおいて、システム全体の企画・設計・開発・推進を担うシステムエンジニアとしてご活躍いただきます。 先進技術のPoC推進から、アプリケーション開発、アーキテクチャ設計、プロジェクト推進など、これまでのご経験や強みに応じて、幅広い役割を担っていただくことを想定しています。 先進技術を活用しながら、単なるシステム開発にとどまらず、新しいモビリティ社会を支える仕組みづくりに上流から関われることが、この仕事の大きな特徴です。 ※意向・適性を互い擦り合わせ可能です。

株式会社NTTデータ

グローバルな視点と先進的なテクノロジーを融合させ、お客様のデジタルトランスフォーメーションを加速させること。 私たちは、日本のビジネス文化への深い理解と、世界中から集めた多様な知見を活かし、革新的なソリューションを生み出します。常に最先端を追求し、お客様と共に新しい価値を創造し続けることで、ビジネスの未来を切り拓きます。 我々の部門では、クラウドネイティブな開発手法とアジャイル開発を融合させた「爆速開発」メソッドを確立し、中国APACをはじめとするグローバルなチームと連携し、お客様のビジネス課題を解決する革新的なソリューションやエンジニアリングを提供しています。 ・爆速開発(アジャイル開発手法・DevOpsによる迅速な開発) ・海外デジタルソリューションの活用(グローバルで実績のある最新テクノロジーを日本市場へ展開。爆速開発で高速ローカライゼーション) ・グローバルサービスマネジメント(中国APAC各地のエンジニアと協力し、24時間365日体制でのプロジェクト横断型シェアードシステム運用サービスを提供) ・クラウドSRE(クラウドネイティブなサービスを活用したCI/CD、インフラのコード化、先進的なアーキテクチャ設計、プラットフォームエンジニアリングによる開発・運用の最適化)

株式会社NTTデータ

本ポストでは、公共分野（知的財産・司法法務）を中心とした大規模～中小規模システムのITインフラを設計・構築するインフラエンジニアとしてご活躍いただきます。 クラウド・AI・コンテナ・オンプレミスなど幅広い技術を活用し、最適な基盤を提案・実現することが主なミッションです。 ご入社後は、ご本人の経験や希望を考慮し、以下のいずれかの業務を担当いただきます。案件やキャリア志向に応じてプロジェクト配置やチーム間連携も柔軟に行いますので、専門知識の幅を広げながら成長いただけます。 公共分野の知識がなくても、入社後にしっかりとフォローいたします。 ＜業務例＞ ①クラウド基盤の設計・構築 （例：AWS/Azure/GCP/OCIなどを用いた新規サービス基盤の導入、オンプレからクラウドへの移行） ②コンテナ基盤の設計・構築 （例：KubernetesやOpenShiftを活用したマイクロサービス基盤の導入） ③AI・データ分析基盤の構築 （例：MLOps環境の整備、AIモデル運用のための基盤構築） ④仮想化基盤・プライベートクラウドの構築 （例：VMwareやOpenShiftVirtualizationなどを活用した既存システムの仮想化・統合） ⑤大規模～中小規模オンプレシステムの更改対応 （例：既存ハードウェアのリプレース、インフラのモダナイズ検討） いずれの業務も、設計から実装・運用まで幅広く関与でき、インフラエンジニアとしてキャリアを積みながら、リーダーやサブリーダーとしてチームを率いる経験を積むことができます。さらに、経験に応じてアーキテクチャ設計や技術選定に意見を反映させられるため、技術者としての成長と影響力の拡大を実感できるポジションです。

株式会社NTTデータ

【職務内容】 ・現在、スマートフォン上では様々な企業が、身近な生活を豊かにするサービスを提供しています。 ・私たちの仕事は、そのような企業と共創し、数千万人が利用するサービスを企画・開発する仕事になります。(現在の私たちのメインクライアントは、通信キャリアをはじめとした社会インフラ企業になります。) ・現在、私たちが手掛けるサービスはポイント・QR決済・映像配信・XR・ライフサポート・音声対話・クラウドストレージなど多岐にわたります。 ・クラウド技術をベースとして、サービスに最適なアーキテクチャ検討やプロジェクトマネジメント力などにより、新たなサービスや価値を世の中へ提供する仕事になります。一年未満の短い期間でのサービスローンチを目指し、最適な開発手法やクラウドプラットフォームを提案し、設計～構築まで一気通貫で開発プロジェクトをマネジメントします。 ・技術としては、マルチベンダとして複数のパブリッククラウドの中から最適なプロダクトやサービスを選定します。 ・アーキテクチャ設計においては、IaaSからSaaSまで非常に広い領域をカバーします。最適なプロダクトやサービスを組み合わせ、サービスに最適なアーキテクチャを設計します。 ・システム開発においては、アジャイルをベースとしつつ、100人超のマネジメント手法など独自に開発プロセスの組み立てを行い、プロジェクトを進めています。 ・提供しているサービス事例 　https://www.nttdata.com/jp/ja/data-insight/2022/0316/

フューチャー株式会社

●採用部門、または　アサイン予定プロジェクトの概要 Technology Innovation Group(以下TIG)は、 　①最先端、且つ先進的なテクノロジーのプロフェッショナル集団 　②プロジェクト品質と生産性の向上 　③自社サービス事業の立ち上げ を主なミッションとして発足しました。 同ポジションは、TIGにてシステムインフラの設計・実装経験と先進IT技術を駆使し、システムの最適化をテクノロジー面で自ら推進していけるスペシャリスト層を想定しています。 ミッションクリティカルな大規模エンタープライズシステムのアーキテクトチームの一員として活躍したい方、テクノロジーを軸に顧客のDXを伴走型スタイルで支援したい方は是非ご応募ください。 ●職務内容の概要 インフラスペシャリストとして、業務要件・業界・最新の技術動向を踏まえて最適なシステム構成を導出し、顧客・プロジェクト・チームをリードするポジションです。 経営・業務・ITの戦略的コンサルティングの中で、システムインフラ部分を核とし、システム化検討・提案・設計・構築・非機能評価を担います。従来型のシステム統合にとどまらず、クラウドの力を最大限に活用したアーキテクチャへの刷新(モダナイゼーション)を牽引し、顧客企業のデジタルトランスフォーメーション(DX)推進を伴走型で支援します。 ●職務内容の詳細 ・顧客業務特性に合わせたベストな構成提案・計画立案(ベンダフリー) ・ミッションクリティカルな基幹業務システムやビッグデータを扱う情報系システムのインフラ要件定義・設計・構築 ・既存システムのアセスメント・改善提案(品質/性能/コスト/体制課題) ・クラウドを活用した次世代IT基盤の実現に向けたロードマップ策定、テクノロジー戦略策定、CIO/CTO/CISO支援、技術アドバイザリ ・Infrastructure as Code(IaC)やCI/CDパイプラインを活用した、インフラ構築・運用の自動化および標準化の推進 ・上記全般を通じての顧客および多様なステークホルダとの折衝・リード

株式会社NTTデータ

【事業・ミッション】 当組織では、社会インフラとなるモバイルキャリアサービスの高品質開発、および安定維持を行っています。 特にインフラ領域については、オンプレミス/クラウドを問わず、 ・大規模社会基盤システムにおけるインフラ開発(クラウド/サーバ/ネットワーク/ストレージ)の設計～試験～構築までをトータルに実施 ・仮想化/CICD/クラウドなどの最新技術を用いたマルチクラウドな次世代インフラ基盤のグランドデザイン～開発 に取り組んでいます。 【役割】 ・インフラエンジニア(サブリーダー/メンバー):顧客サービスを支える安定/高品質なインフラ基盤をスピード感をもって提供すべく、クラウドもしくはオンプレミス環境における個別インフラ領域の開発/維持運用に携わって頂きます。 ・インフラアーキテクト(リーダー):高い技術力/先見性をもって、次世代インフラ基盤をトータルでデザインし、顧客/開発プロジェクトをリード/マネジメントする高付加価値人材の役割を担って頂きます。

GO株式会社

GOのデータ基盤では、3,500万ダウンロードのタクシーアプリ『GO』のデータなど、1日に10億レコード規模のデータを収集し、活用しています。 データの主な活用方法は二つあります。 一つはデータプロダクトの開発であり、データをもとにAIや高度なアルゴリズムを開発しタクシーアプリ『GO』に機能として組み込んでいます。 もう一つは意思決定支援であり、約30名のデータアナリストやデータサイエンティストがデータ分析し、その結果を元にビジネス担当やプロダクトマネージャがプロジェクトの効果測定や意思決定をしています。 本ポジションは、このデータ基盤を支えるデータエンジニアです。 仕事内容 データ基盤とデータプロダクトの実行基盤を担当いただきます。 ●データ基盤 ・大規模な車両データをDataflow等を用いてBigQueryに収集 ・3,500万ダウンロードのアプリケーションのDBとログのデータをBigQueryに収集 ・地図を始めとした外部データをデータ基盤に収集 ・データ加工バッチの開発・運用、Google Cloudの様々なサービスを用いて実現 ・StreamlitやLookerなど分析ツールのホスティング ・100人規模の利用者の管理、セキュリティコントロール ●データプロダクト実行基盤 ・タクシーアプリ『GO』でAIや高度なアルゴリズムを用いたデータプロダクトの実行基盤を設計・開発・運用 ・データサイエンティストの開発支援 ・AIモデルの学習バッチや、本番での推論サービング ・高性能かつ高可用性を担保するための設計・実装・システム運用 ・24/365のオンコール体制(待機なし・システム障害時に当番順にコールがあり対応) ●業務内容の変更範囲 会社が指定する業務全般 開発環境 ●データ基盤 ・データストア: BigQuery ・ETL: Dataflow, 独自開発(Python) ・SQLフレームワーク: Dataform ・ワークフローエンジン: Cloud Composer(Airflow) + GKE ・メタデータ管理:Dataplex ・その他ツール: Streamlit, Kepler.gl, Kubeflow ・言語: Python ●データプロダクト実行基盤 ・データストア:Redis, AWS Aurora(MySQL, PostgreSQL) ・実行基盤:AWS:AKE etc ・言語: Go, Python ・モニタリング: Grafana, Sentry ・その他ツール:Feast ●開発環境 ・LLM: Github Copilot, Claude code, gemini, MCPs etc ・IDE: VS Code etc ・CI / CD: GitHub Action ・VCS: GitHub ・その他 Google Workspace, Slack 所属組織 AI技術開発部 データプラットフォームグループ:4名 ※関連チーム ・データサイエンティスト:20名 ・データアナリスト:8名 ・データアーキテクト:5名

JAPAN AI株式会社

・顧客課題の発見・設計 顧客の業務プロセス・データ環境・既存 SaaS 群の全体像を深く理解し、AI で解決すべき課題を特定 AI がどう介入すれば効率化・最適化できるかを設計する 利害関係者 (経営層〜現場担当者) との関係構築・調整 課題の構造化・仮説構築・ソリューション提案 ・ワークフロー構築・PoC の高速実装 JAPAN AI STUDIO を活用した業務ワークフローの構築 (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 顧客の既存 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・伴走 本番導入の技術支援・運用設計 セキュリティ・コンプライアンス要件への対応 導入後の利用定着支援・改善提案 ・プロダクトフィードバック 顧客フィードバックのプロダクトチームへの還元 新規ユースケースの発見・提案 プロダクト改善に繋がるパターンの抽出・体系化 【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 : 製造業の「SaaS 疲れ」を解消する企業の脳の構築 従業員 500名の製造業の顧客。 SmartHR / 楽々精算 / kintone / Salesforce を個別に運用しており、部門間のデータ連携は手作業で行われている。 現場ヒアリングで「月末の経費精算に 1人あたり 2時間かかっている」「営業が受注情報を 3つのシステムに手入力している」という課題を発見。 JAPAN AI STUDIO で各 SaaS を API 連携し、経費精算の自動承認ワークフローと受注データの自動連携エージェントを 2週間で構築。 月間 400時間の業務削減を実現し、他部署への展開 (アップセル) に繋げる。 ● シナリオ 2 : 金融機関の 24時間見込み顧客探索エージェント 地方銀行の法人営業部門。 営業担当者が手動で企業情報を調査し、アプローチリストを作成している。 1件あたり 30分かかり、1日 10件が限界。 JAPAN AI STUDIO で企業データベース・ニュースフィード・決算情報を統合し、AI エージェントが 24時間体制で見込み顧客を探索・スコアリングするワークフローを構築。 営業担当者は毎朝、AI が優先順位付けしたアプローチリストを受け取るだけの状態に。 アプローチ数が 3倍に増加し、受注率が 15% 向上。 ● シナリオ 3 : 小売業の稟議承認プロセスの AI 化 全国 50店舗を展開する小売業の顧客。 店舗からの発注稟議が紙ベースで、本部での承認に平均 5営業日かかっている。 現場観察で「承認者が出張中に稟議が滞留する」「過去の類似稟議を参照できない」という課題を特定。 JAPAN AI STUDIO で稟議データを構造化し、AI が過去の承認パターンを学習して一次判断を行うワークフローを構築。 承認リードタイムを 5営業日から 1営業日に短縮。 この成功事例をプロダクトチームにフィードバックし、JAPAN AI AGENT の標準テンプレートとして全顧客に展開。 ●ミッション 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。 ●AI ソリューションエンジニアについて AI ソリューションエンジニアは、Palantir 社が確立した FDE (Forward Deployed Engineer) を、AI エージェント時代にアップデートしたポジションです。 顧客の最も困難な業務課題を、AI と自社プロダクトを武器に解決します。 ・SIer / SES でのエンジニア 受け取った仕様書通りに実装する 客先常駐で開発リソースを提供する 多重下請け構造の中で顧客と距離がある 特定領域・特定技術の深掘り ・本ポジション 顧客と直接対話し、課題を発見して仕様を自ら定義する 自社オフィスを拠点に、自社プロダクトで顧客課題を解決する 経営層から現場担当者まで、顧客と直接信頼関係を築く フルスタック × AI × ビジネス理解 受託開発でも客先常駐でもありません。 顧客現場で課題を発見し、軽量な PoC を高速実装し、本番導入まで伴走する。 その過程で得た知見がプロダクトを進化させます。 ●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120名が開発組織に在籍しています。 チームは現在6名で、以下のチーム・ステークホルダーと密接に連携します: Product Architect — プロダクト設計 Agentic Engineer — エージェント機能開発 AI Success Engineer — 導入後の顧客成功支援 Deployment Strategy — 顧客への導入戦略・展開推進 ●開発環境 言語 : Python (バックエンド) , TypeScript / React / Next.js (フロントエンド) / NX AI/LLM : LangChain, LangGraph, JAPAN AI STUDIO SDK インフラ : GCP (コンテナ / K8s) , Docker データ : BigQuery, PostgreSQL, 各種顧客データソース ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon) , デュアルモニタ対応

JAPAN AI株式会社

・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

JAPAN AI株式会社

ミッション "AI の出力品質を科学する — 評価手法の研究・開発で、エージェントの信頼性を証明する" LLM / AIエージェントの出力品質を、機械学習・統計学・計量心理学の手法で定量的に評価・改善します。本ポジションは「テストする人」ではなく、 「何をもって良いAIとするかを定義し、測定する科学者」 です。 期待する役割について AI Evaluation Scientist として、AI エージェントの品質評価基盤の設計・構築・運用をリードしていただきます。 ●評価メトリクスの研究開発 — LLM-as-Judge の校正、報酬モデリング、ベンチマーク設計を通じて「何をもって品質とするか」を科学的に定義します ●自動評価パイプラインの設計・構築 — 研究成果を本番 CI/CD に組み込み、スケーラブルな品質ゲートを実現します ●レッドチーミング・安全性検証 — adversarial testing の自動化、ポリシー準拠検証フレームワークを構築します ●統計的実験計画に基づく品質改善 — A/B テスト・有意差検定でプロンプト戦略やモデル変更の効果を定量的に検証します ●評価シグナルの研究・開発チームへのフィードバック — モデル改善の複利ループを構築します 約 200 社が本番利用するプロダクトの品質を「科学する」アプローチで担保します 業務内容 AI Evaluation Scientistとして、 AIエージェントの評価基盤 (Evaluation Infrastructure) の設計・構築・運用をリードしていただきます。 ●評価メトリクスの研究開発 ・LLM-as-Judge の校正手法の研究・実装 (rubric 設計、バイアス検出、proper scoring rules) ・評価ベンチマークの設計・構築・妥当性検証 (construct validity、contamination detection) ・報酬モデリング / preference learning の評価への応用研究 ・評価メトリクスの選定・設計 (win rate、task success、factuality、harm detection) ・評価セット (合成データ + 実ログ) の設計・構築・メンテナンス ●自動評価パイプラインの設計・構築 ・スケーラブルな自動評価パイプラインの設計・実装 ・CI/CD への評価パイプライン組込みと品質ゲートの構築 ・エージェント評価ハーネスの設計 (マルチターン・ツール利用・ロングコンテキスト対応) ・評価パイプラインの再現性・信頼性の担保 ●安全性・品質検証 ・自動レッドチーミング (automated adversarial testing) の研究・実装 ・安全性 / ポリシー準拠の検証フレームワーク構築 ・ハルシネーション検出・校正手法の研究・実装 ・プロンプト / ツール回帰テストの設計・実行 ●統計分析・実験設計 ・統計的実験計画 (A/B テスト、有意差検定) の設計・分析 ・品質トレンドの可視化・回帰検出の自動化 ・品質レポート作成と改善提案 ・評価シグナルの研究・開発チームへのフィードバック 業務シナリオ ※以下は想定される業務シナリオの例です ●シナリオ1: LLM-as-Judge の校正と妥当性検証 新しい評価メトリクスとして LLM-as-Judge を導入する際、judge モデルの校正 (calibration) を実施します。人間評価との一致率を統計的に検証し、rubric 設計を反復改善します。construct validity を確認した上で、自動評価パイプラインに組み込み、評価コストを 80% 削減しながら人間評価と同等の信頼性を実現します。 ●シナリオ2: 新モデル導入時の品質ゲート LLMプロバイダーが新モデルをリリースした際、既存のベンチマークスイートで回帰テストを実行し、factualityスコアが3%低下していることを検出します。原因を分析し、プロンプト調整で品質を維持したまま新モデルへの移行を完了します。 ●シナリオ3: 自動レッドチーミングによる安全性検証 金融機関向けにJAPAN AI AGENTを導入する際、自動レッドチーミングパイプラインを構築します。adversarial promptの自動生成・分類器による脆弱性検出を実装し、業界固有のリスクシナリオ(機密情報漏洩、不適切な金融アドバイス等)を網羅的にテストします。ポリシー準拠率99%以上を達成します。 ●従事すべき業務の変更の範囲 会社の定める業務 成果責任 (KR/メトリクス) ●評価カバレッジ率(テストケース網羅率) ●回帰検出率(リリース前の品質劣化検出率 ≥ 95%) ●評価パイプライン実行時間(CI/CD内で完了) ●LLM-as-Judge と人間評価の一致率 ●False Positive / Negative 率 ●安全性インシデント発生率(リリース後) チーム体制 約120名が開発組織に在籍しています。 AI Evaluation Scientistは品質保証の専門チームとして、以下のチームと密接に連携します: ●密接に連携する役割: ・Agentic Product Engineer — エージェント機能開発 ・Research Engineer — 研究開発・モデル改善 ・Agent Harness Engineer / Software Engineer (AI Platform) — AI 実行基盤開発 ・Product Manager — プロダクト設計・品質要件定義 開発環境 ●言語 : Python (評価パイプライン・分析), TypeScript / React / Next.js (フロントエンド部) / NX ●評価 / QA : pytest, LangSmith, Weights & Biases, custom eval frameworks ●データ : BigQuery, Spark, Pandas ●インフラ : GCP (コンテナ / K8s), Docker, Terraform ●CI/CD : GitHub Actions ●ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion ●AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin ●作業環境 : Mac (Apple Silicon), デュアルモニタ対応

JAPAN AI株式会社

プロダクト要件・アーキテクチャ設計 ビジネス目標・顧客課題からプロダクト要件を体系化し、技術アーキテクチャへ翻訳 機能境界・ドメイン設計、データ契約、API 仕様の策定 RFC 駆動の設計レビュー・意思決定プロセスの運営 LLM / 生成 AI を活用したプロダクト設計 (RAG、tool-use、guardrails 等) 技術選定・トレードオフ判断 買う / 作る / 統合 (Build vs Buy vs Integrate) の技術選定 非機能要件 (可用性・拡張性・セキュリティ・コスト) の設計と品質属性トレードオフ判断 技術的負債の可視化と計画的解消のロードマップ策定 横断的協働・ロードマップ エンジニアリングチーム・PdM・デザイナーとの横断的協働 プロダクトロードマップの策定・推進 技術的負債の可視化と計画的解消のロードマップ策定 【業務シナリオ例】 ※以下は想定される業務シナリオの例です ● シナリオ 1: 新プロダクトラインの立ち上げ エンタープライズ顧客から「AI エージェントによる社内ナレッジ検索」の強いニーズを発見。 市場調査・顧客インタビュー・技術検証を経て、プロダクト要件を定義。 RAG アーキテクチャの設計、データパイプラインの技術選定、MVP のスコープ定義までをリードし、3 ヶ月でベータリリースを実現。 ● シナリオ 2: Build vs Buy のアーキテクチャ判断 音声 AI 機能の拡張にあたり、自社開発 vs 外部 API 統合の判断が必要に。 コスト・品質・開発速度・カスタマイズ性の 4 軸で比較分析を行い、RFC を起票。 エンジニアリングチームとの設計レビューを経て、ハイブリッドアプローチ (コア機能は自社開発、周辺機能は外部 API) を決定。 ● シナリオ 3: 品質属性のトレードオフ判断 JAPAN AI AGENT のレイテンシ P95 が目標値を超過。 可用性・コスト・レイテンシのトレードオフを分析し、推論キャッシュの導入とモデルルーティングの最適化を提案。 エンジニアリングチームと協働して実装し、レイテンシを 30% 改善しつつコスト増を 5% 以内に抑制。 ●ミッション 何を作るかを決める プロダクトの「何を・なぜ・どう作るか」を技術とビジネスの両面から定義し、AI プロダクトの成功確率を最大化する。 ●期待する役割について Product Manager として、JAPAN AI のプロダクト群全体のアーキテクチャ設計と技術戦略をリードしていただきます。 ビジネス目標・顧客課題からプロダクト要件を体系化し、技術アーキテクチャへ翻訳する 機能境界・ドメイン設計・API 仕様の策定をリードする Build vs Buy vs Integrate の技術選定を行い、最適な投資判断を導く 非機能要件 (可用性・拡張性・セキュリティ・コスト) のトレードオフ判断を行う エンジニアリングチーム・PdM・デザイナーとの横断的協働を通じて、プロダクトの方向性そのものを決定する 技術的負債の可視化と計画的解消のロードマップを策定する ●成果責任 (KR/メトリクス) プロダクトロードマップ達成率 アーキテクチャレビュー起因の手戻り率 新機能リリースサイクル短縮 プロダクト品質属性 ●チーム体制 約120名が開発組織に在籍しています。 Product Architectは以下のチーム・ステークホルダーと密接に連携します: Agentic Product Engineer — エージェント機能開発 Human-AI Collaboration Architect — エージェント体験設計 FDE — 顧客要件・フィードバック 経営層 — 事業戦略・投資判断 ●開発環境 言語 : Python (バックエンド) , TypeScript / React / Next.js (フロントエンド) / NX AI/LLM : LangChain, LangGraph, JAPAN AI STUDIO SDK, RAG, Agent Framework インフラ : GCP (コンテナ / K8s) , Docker, Terraform ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon) , デュアルモニタ対応

JAPAN AI株式会社

●課題を定義する 顧客の業務プロセス・データ環境・既存SaaS群の全体像を把握し、AIがどこに介入すれば効果が最大化するかを特定します。経営層から現場担当者までと直接対話し、仕様書を受け取るのではなく、仕様を自ら定義します。 ●爆速で作る JAPAN AI STUDIOで、現場が実際に使うワークフロー（稟議承認、リソース最適配置、見込み顧客探索、データ連携 等）を構築します。顧客の既存SaaS（Salesforce / SmartHR / kintone 等）とのAPI連携、LLM・AIエージェントを用いたPoCの高速実装から本実装まで、フルスタックで自ら手を動かします。 ●本番に載せ、プロダクトに還す 本番導入の技術支援、セキュリティ・コンプライアンス要件への対応、導入後の利用定着まで伴走します。現場で得たパターンはプロダクトチームへ還元され、次の標準機能になります。 例：全国50店舗を展開する小売業。紙ベースで平均5営業日かかっていた発注稟議を、過去の承認パターンをAIが学習して一次判断するワークフローに置き換え、リードタイムを1営業日に短縮。この事例は標準テンプレートとして他顧客にも展開されました。 ●ミッション 顧客の業務プロセスを解体し、AI を前提とした「次世代の基幹システム (企業の脳)」を実装する 顧客の現場に深く入り込み、既存 SaaS 群の全体像を把握し、AI がどう介入すれば効率化・最適化できるかを設計する。JAPAN AI STUDIO を活用し、現場が実際に使えるワークフローを爆速で構築する。その過程で得た知見をプロダクトチームにフィードバックし、プロダクトそのものを進化させます。 顧客の現場で発見された課題やユースケースが、直接プロダクトロードマップに反映されます。 ●期待する役割について 顧客の業務プロセスとデータ環境を深く理解し、JAPAN AI STUDIO を活用して課題解決を実装・導入するエンジニアです。 顧客の既存システム (SaaS 群) の全体像を把握し、AI がどう介入すれば効率化・最適化できるかを設計する JAPAN AI STUDIO を活用し、現場が実際に使えるワークフロー (稟議承認、リソース最適配置、見込み顧客探索 等) を爆速で構築する PoC を本番環境へ導入し、利用定着まで伴走する 現場で得た知見をプロダクトチームにフィードバックし、プロダクトを進化させる 経営層から現場担当者まで、多様なステークホルダーと関係を構築する ●成果責任 (KR/メトリクス) FDE の動きがプロダクトの成長 (ARR) に直結する設計です。 ・先行指標 (行動とアウトプット) STUDIO での新規ワークフロー構築数 — 顧客の課題をどれだけシステム化できたか SaaS 連携数 — 顧客の既存 SaaS を JAPAN AI に接続した数 (= 企業の脳の「視界」が広がった数) デプロイ速度 — 要件定義から最初の AI エージェント稼働までのリードタイム ・遅行指標 (事業と顧客へのインパクト) アクティブ利用率 (MAU / DAU) — 構築した AI ワークフローが、現場で実際にどれだけ使われているか 顧客の業務削減時間 / ROI — AI 導入によって浮いた工数や、受注率向上などの実数 アップセル・クロスセル額 — 初期導入拠点から、他部署や地方拠点へ展開したことによる追加売上 ●チーム体制 約60名が開発組織に在籍しています。 FDEチームは現在10名で、以下のチーム・ステークホルダーと密接に連携します: Product Architect — プロダクト設計 Agentic Engineer — エージェント機能開発 AI Success Engineer — 導入後の顧客成功支援 Deployment Strategy — 顧客への導入戦略・展開推進 ●開発環境 言語 : Python (バックエンド) , TypeScript / React / Next.js (フロントエンド) / NX AI/LLM : LangChain, LangGraph, JAPAN AI STUDIO SDK インフラ : GCP (コンテナ / K8s) , Docker データ : BigQuery, PostgreSQL, 各種顧客データソース ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon) , デュアルモニタ対応

JAPAN AI株式会社

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

JAPAN AI株式会社

Agent Harness の設計・実装 エージェント実行エンジン (Graph Runtime / State Machine) の設計・実装 Agent SDK の設計・開発 — 社内エンジニアがエージェントを構築するためのインターフェース セッション管理・チェックポイント・リカバリ機構の実装 ガードレール / ポリシー実行エンジンの構築 — エージェントの行動を制御するルール実行基盤 AI/ML システム統合 モデルルーティング — 複数の LLM プロバイダ / モデルタイプを跨いだ推論リクエストの最適ルーティング コンテキスト管理・メモリ基盤の設計 (長期記憶、ワーキングメモリ、RAG 統合) 推論パイプラインの最適化 (レイテンシ削減、コスト効率化、キャッシュ戦略) Research Engineer と連携した最新研究成果の本番基盤への統合 オーケストレーション・パフォーマンス ワークフローオーケストレーション・キューイングシステムの開発 コスト/性能最適化 (オートスケーリング、キャッシュ、バッチ処理) 推論リクエストのルーティング・ロードバランシング 信頼性・運用 プラットフォーム稼働率 99.9% 以上の維持 インシデント対応・ポストモーテム データアクセス・権限管理基盤の設計 【業務シナリオ例】 ※以下は想定される業務シナリオの例です ● シナリオ 1: エージェント実行エンジンの設計 JAPAN AI STUDIO 上で顧客が構築する AI エージェントの実行基盤を設計。 Graph Runtime を採用し、エージェントの各ステップを DAG (有向非巡回グラフ) として表現。 チェックポイント機構により、長時間タスクの途中失敗からの自動リカバリを実現。 ● シナリオ 2: モデルルーティングの最適化 複数の LLM プロバイダ (OpenAI / Anthropic / Google 等) を跨いで、タスクの種類・コスト・レイテンシに応じた最適なモデルを自動選択するルーティングエンジンを設計。 推論コストを 25% 削減しつつ、タスク成功率を維持。 ● シナリオ 3: ガードレール実行エンジンの構築 金融機関向けエージェントが「投資助言」に該当する回答を生成しないよう、ポリシー実行エンジンを構築。 ルールベース + LLM ベースのハイブリッド判定により、レイテンシを 50ms 以内に抑えつつポリシー準拠率 99.5% を達成。 ●ミッション 「企業の脳」の心臓部を設計する AI エージェントが安全・高速・確実に動作するための Agent Harness — 実行エンジン、オーケストレーション、ガードレール、メモリ、モデルルーティングを設計・実装する。 JAPAN AI STUDIO 上で動く数百のワークフローの制御基盤を、自社で構築する。 ●Agent Harnessとは Agent Harnessは、AIモデルを包み込む制御・実行基盤レイヤーです。 Agent Framework (LangChain等) がエージェントの「構築」を担うのに対し、Agent Harnessはエージェントの「制御・運用」を担います。 ●Backend Engineer 構築対象 : Web API・マイクロサービスの設計・実装 AI/ML との関わり : ML モデルを API 経由で呼び出す 状態管理 : ステートレスなリクエスト / レスポンス 安全性制御 : 認証・認可・入力バリデーション | ガードレール / ポリシー実行エンジン — LLM の出力を制御するルール実行基盤 ●Agent Harness Engineer 構築対象 : LLM を中核としたエージェント実行エンジン・SDK・オーケストレーターの設計・実装 AI/ML との関わり : モデルルーティング、RAG 統合、コンテキスト注入、推論最適化をシステムレベルで設計 状態管理 : エージェントのセッション管理・チェックポイント・長期記憶・ワーキングメモリの設計 安全性制御 : ガードレール / ポリシー実行エンジン — LLM の出力を制御するルール実行基盤 JAPAN AI では、この Agent Harness を自社開発し、全プロダクト (JAPAN AI STUDIO / CHAT / SPEECH / AGENT 等) の共通基盤として運用しています。 ●期待する役割について Agent Harness Engineer として、AI / ML の知識を活かしながらエージェントの制御・実行基盤を設計・実装していただきます。 LLM / AI エージェントの動作原理を深く理解した上で、実行エンジン (Graph Runtime / State Machine) を設計・実装する モデルルーティング、コンテキスト管理、メモリ基盤 (長期記憶・ワーキングメモリ) など、AI 特有のシステム設計を担う 社内 120名のエンジニアが使う Agent SDK を設計・開発する ガードレール / ポリシー実行エンジンを構築し、エージェントの行動を安全に制御する Research Engineer と連携し、最新の研究成果を本番基盤に統合する ●成果責任 (KR/メトリクス) Agent SDK 採用率 (社内チームの利用率・満足度) エージェント実行成功率 (タスク完了率、チェックポイントからのリカバリ成功率) Harness 起因の障害率 (ガードレール突破率、状態不整合率) 実行レイテンシ P95 / P99 (Harness 層のオーバーヘッド) 推論コスト効率 (モデルルーティングによるコスト最適化) 開発者体験スコア (SDK / API の社内 NPS) ●チーム体制 約120名が開発組織に在籍しています。 Agent Harness Engineerは以下のチームを横断して活動します: Infra — クラウドインフラ・SRE Data — データパイプライン・分析基盤 Agent Harness — エージェント実行フレームワーク 密接に連携する役割: Agentic Product Engineer — エージェント機能開発 (SDK のユーザー) Research Engineer — 研究開発・新手法の基盤統合 AI Quality Scientist — 評価パイプラインとの連携 Product Manager — プロダクト設計・非機能要件定義 ●開発環境 言語 : Python, Go (バックエンド・基盤開発) , TypeScript / React / Next.js (フロントエンド部) / NX インフラ : GCP (コンテナ / K8s) , Docker, Terraform メッセージング : Kafka / Pub/Sub 監視 : Prometheus, Grafana, OpenTelemetry ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon) , デュアルモニタ対応

JAPAN AI株式会社

エージェント研究開発 異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等) 新しい推論・計画・検索手法の研究開発 マルチモーダル・長文コンテキスト対応の技術開発 最新論文の調査・再現・改良実装 評価・ベンチマーク 大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装 合成データ生成・評価ベンチマーク設計 モデルとプロンプトの自動評価支援 (学習 → プロダクトライフサイクル全体) プロダクション課題の解決 推論レイテンシ / コスト最適化 (量子化、蒸留、キャッシュ等) モデル学習用データミックスの作成・最適化 エージェント評価フレームワークの高度化 本番環境での品質改善・パフォーマンスチューニング 技術移転・発信 Agentic Product Engineer チームへの技術移転・メンタリング 学術機関・OSS コミュニティとの連携 【業務シナリオ例】 ※以下は想定される業務シナリオの例です ● シナリオ 1 : SaaS 横断検索のためのナレッジグラフ RAG の研究開発 JAPAN AI STUDIO が「企業の脳」として機能するには、顧客の全 SaaS に散在する情報を横断的に検索・統合する必要がある。 既存の RAG では「Aプロダクト の従業員データ」と「Bプロダクト の商談データ」の関係性を捉えられず、回答精度が低い。 ナレッジグラフベースの RAG アーキテクチャを研究・開発し、エンティティ間の関係性を構造化。 SaaS 横断検索の回答精度を 40% 向上させ、Agentic Product Engineer チームに技術移転して全プロダクトに展開。 ●ミッション Agentが降参する問題を解く 現在の AI エージェントでは解決できないフロンティア課題に挑み、新しい推論手法・検索 / 計画・長期記憶・ツール利用の品質限界を突破する。 JAPAN AI STUDIO 上で動く数百のワークフローが、より賢く・速く・安全に動作する未来を、研究で切り拓く。 ●期待する役割について Research Engineer として、AI/LLM/ML の最先端研究と応用研究をリードしていただきます。 異なるエージェント・ハーネスの発案・開発・比較 (メモリ、コンテキスト圧縮、エージェント間通信アーキテクチャ等) 大規模なエージェント型タスクのための厳密な定量ベンチマークの設計・実装 モデルとプロンプトの自動評価を支援し、学習からプロダクトライフサイクル全体にわたって品質を担保 プロダクト組織と協力し、エージェントをプロダクトに適用するうえでの最も困難な課題を解決 モデル学習用データミックスの作成・最適化により、エージェントタスクにおける性能と使いやすさを向上 研究成果を Agentic Product Engineer チームに移転し、プロダクト全体の品質を底上げ 論文を書くことがゴールではありません。 研究成果をプロダクションに適用し、約 200 社が利用する本番環境でユーザーに届けることを重視します。 ●成果責任 (KR/メトリクス) ベンチマークスコア改善率 (社内 / 公開ベンチマーク) 新手法のプロダクション適用数 (四半期あたり) 推論レイテンシ / コスト改善率 論文・技術ブログ発表数 社内技術移転完了数 ●チーム体制 約120名が開発組織に在籍しています。 Research Engineerは以下のプロジェクトを横断して活動します: JAI Lab — AI研究開発 AI&Model — モデル学習・最適化 Voice & Tel — 音声AI・電話システム 密接に連携する役割: Agentic Product Engineer — エージェント機能開発 (技術移転先) Agent Harness Engineer — エージェント実行基盤 AI Quality Scientist Specialist — 評価パイプラインとの連携 Product Manager — プロダクト設計 ●開発環境 言語 : Python (研究・フレームワーク部), TypeScript / React / Next.js (フロントエンド部) / NX ML / AI : PyTorch, JAX, Transformers, vLLM, Weights & Biases インフラ : GCP (コンテナ / K8s), Docker ツール : Slack, Confluence, Linear, Google Workspace, GitHub, Notion AI 開発支援 : Claude Code MAX Plan, Cursor, ChatGPT, Devin 作業環境 : Mac (Apple Silicon), デュアルモニタ対応