生成AI開発ツール導入 DockerのITエンジニア求人・転職情報

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

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

UUUM株式会社

●クリエイターへ価値を届けるプロダクト、またはクリエイターの価値を広告主へ届けるプロダクト、いずれかのプロダクト開発 ●多様な要件を深く理解した上での整理、あるべき仕様への落とし込み ●開発しているシステムの運用と保守 ●さらなる新規プロダクトの開発 【開発環境・使用技術】 ▪アプリケーション ・バックエンド:Ruby on Rails ・フロントエンド : TypeScript / React(Next.js) ・インフラ : AWS / Vercel ▪データ基盤 ・インフラ : GCP(BigQuery / Cloud Composer / Dataflow / VertexAI) ・Python ▪CI/CD:CircleCI / GitHub Actions ▪ツール系:Docker / Terraform ▪モニタリング:CloudWatch / Sentry ▪ドキュメント/Issue 管理:Github Issues / Github Projects / Notion ▪コミュニケーション:Slack / Google Meet 【生成AI活用状況】 当社では開発生産性の飛躍的な向上を目指し、生成AIを積極的に活用しています。 GitHub Copilot、CodeRabbit、Geminiを活用し、コードの自動補完・生成からレビュー支援、デバッグまで、開発フロー全体の効率化に取り組んでいます。 また、直近ではClaude Codeの導入検証も進めており、さらなる生産性向上に向けて前向きに取り組んでいます。 私たちは常に最新技術にアンテナを張り、積極的に取り入れることで、技術的な挑戦を続けたいエンジニアにとって最適な環境を提供したいと考えています。 【変更の範囲】 会社の定める業務

株式会社マネジメントソリューションズ（MSOL）

●PROEVERとは MSOLがプロジェクトマネジメント専門会社として培ってきたノウハウと経験を結集し、「プロジェクトマネジメントプラットフォーム」としてSaaS展開しているのが PROEVER です。プロジェクトデータを一元的に集約し、AI技術も活用することで、マネジメント層の意思決定を支援し、プロジェクトの成功とプロジェクトマネジメント成熟度の向上を実現します。 主なお客さまは、全社横断で多数のプロジェクトを推進するマネジメント層(PM含む)です。プロジェクトの状況をリアルタイムかつ正確に把握し、迅速な意思決定が可能になります。一般的なPMツールがタスクや課題管理に主眼を置くのに対し、PROEVERは複数プロジェクトを俯瞰的・横断的に可視化できる点を大きな特長としています。 ※[PROEVERのサービス概要はこちら](https://proever.com/) ※[事業部の紹介対談はこちら](https://note.msols.com/n/n1472dff92988?gs=6f6dff9594a4) ●仕事内容 プロダクトの急拡大に伴い、PROEVERのバックエンド基盤を「セキュリティを後付けにしない(Security by Design)」形で設計し直すフェーズに入ります。 専任のセキュリティ担当としてではなく、「セキュリティや高いパフォーマンスを、自身の設計責務としてシステム構造に組み込める」バックエンドエンジニアとして、自ら手を動かしながらチームをリードしていただきます。 ※ すぐにすべてをお任せすることはありません。まずは現状を把握し、優先順位を決めて取り組んでいきます。 ・本番環境のボトルネック解消: パフォーマンス課題(ネットワーク、データベース、コンテナリソースなど)の調査と改善 ・セキュリティの現状可視化: 認証認可・データ保護まわりの現状整理と、横断観点の言語化 ・技術負債のロードマップ策定: コードベースに潜む技術課題の洗い出しと優先順位付け ・アーキテクチャの最適化: Azure / データベース構成の見直しと、必要に応じた選定変更 ・コア認証基盤の刷新: 堅牢かつ柔軟な認証認可基盤の設計と実装 ・技術組織のリード: 設計レビュー・ドキュメント整備・メンタリングを通じたチーム全体の設計力向上 ●技術環境 OS: Windows Server, Linux フロントエンド:TypeScript / Next.js / TailwindCSS / shadcn/ui バックエンド:TypeScript / Next.js / (Python) データベース:PostgreSQL / GraphQL (Hasura) インフラ:Azure / Docker CI/CD:GitHub Actions バージョン管理:GitHub プロジェクト管理:PROEVER デザイン管理:Figma / Storybook コミュニケーション:Slack / Notion / GoogleWS / MS365 その他:GitHub Copilot / GitHub Codespaces / Claude Code / Keeper ●業務の変更範囲について 「変更の範囲:当社及び出向(転籍)先における各種業務全般 」 ●人数規模(2026年1月現在) ・計27名(カスタマーG:11名、プロダクトG:12名、その他:4名)

株式会社マネジメントソリューションズ（MSOL）

●仕事内容 ・次世代プロダクトの技術戦略の策定と実行 ・プロダクト全体アーキテクチャ設計、技術スタック選定 ・コードの品質と一貫性を保つためのコードレビューやペアプロの実施 ・技術的課題の発見/解決、パフォーマンス最適化 ・チームの技術的な底上げに向けたコーチング、メンタリング ・定常的に新しい技術やツールを評価し、プロダクトに取り入れるべきか判断 ●技術環境 ・OS: Windows Server, Linux ・フロントエンド:TypeScript / Next.js / TailwindCSS / shadcn/ui ・バックエンド:TypeScript / Python ・データベース:PostgreSQL / GraphQL ・インフラ:Azure / Docker ・CI/CD:GitHub Actions ・バージョン管理:GitHub ・プロジェクト管理:PROEVER ・デザイン管理:Figma / Storybook ・コミュニケーション:Slack / Notion / GoogleWS / MS365 ・その他:GitHub Copilot / GitHub Codespaces / Keeper ●人数規模(2026年1月現在) ・計27名(カスタマーG:11名、プロダクトG:12名、その他:4名) ●業務の変更範囲について 「変更の範囲:当社及び出向(転籍)先における各種業務全般 」

株式会社アーキベース

概要 新規プロダクトの立ち上げや、既存サービスの機能開発に携わって頂くポジションです。 具体的には、1→10フェーズのリクルーティングサービスや、0→1フェーズの業務効率化を促進するクラウドサービス、さらには社内システムに至るまで、上流工程における要件定義や仕様設計からリリースまで一気通貫にお任せしたいと考えております。 実践の中でエンジニアとしての成長を求める方、自社サービスを用いて業界を変革することに強く興味のある方はぜひご応募下さい。 技術 ●使用する言語・フレームワーク ・バックエンド:Ruby, Ruby on Rails ・フロントエンド:TypeScript, React, Next.js, Vue.js, Nuxt.js, jQuery, Tailwind ・データベース:MySQL ●インフラ ・AWS:EC2, ECS, RDS, S3, CloudFront, API Gateway, Lambda, Amplify, WAF, CloudWatch ・Terraform ・Docker ●開発ツール ・Github, Github Actions, Figma, Cursor ●デバイス(OS) ・Windows, Mac (※選択可) ●その他 ・Salesforce Object Query Language, OpenAI API, Python, WordPress, Amazon SES ●開発ツール ・Github, Github Actions, Figma, Cursor ●デバイス(OS) ・Windows, Mac (※選択可) ●その他 ・Salesforce Object Query Language, OpenAI API, Python, WordPress, Amazon SES

テックタッチ株式会社

【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

テックタッチ株式会社

【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型デジタルアダプションプラットフォーム(DAP)「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AI型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1000万人*を超える巨大な基盤を活かし
現在は最先端の生成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。 *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】 ・曖昧さや不確実性の高い開発テーマに対して、意思決定の質と速度を両立するためのチーム運営基盤づくり ・エンジニアが主体的に課題設定・実装・改善を進められる環境設計とマネジメント ・採用要件定義、選考設計、面接、オンボーディング設計を通じた組織拡張の推進 ・期待値設計、評価、1on1、成長計画策定などを通じたメンバー育成とパフォーマンスマネジメント ・障害対応、オンコール、再発防止、監視運用など、安定運用のための仕組みづくり ・チーム文化の醸成と、透明性・自律性・学習速度の高い組織づくり ▼備考(ツール、技術) <使用技術> ・開発言語: Python, Go, TypeScript ・クラウド: AWS / Google Cloud ・コンテナ: Docker / ECS Fargate ・Data Warehouse: Snowflake ・オーケストレーションツール:Dagster Cloud ・データベース: MySQL / PostgreSQL ・構成管理: AWS CDK / Terraform ・CI / CD: GitHub Action ・監視: DataDog ・コーディングエージェント: ClaudeCode / Cursor / Github Copilot

テックタッチ株式会社

【プロダクトビジョン】 「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900万人*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。 *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) 【CSEチームとは】 お客様へサービスのスムーズな導入を技術支援する「IS(インプリメンテーションサービス)」業務と、導入後の高度な技術サポートを通じてお客様の継続的な成功を支える「TS(テクニカルサポート)」業務を主軸とした、エンジニアチームになります。 【主な業務内容】 ご入社後はまず、TSE(テクニカルサービスエンジニア)として、お客様の「テックタッチ」導入後の高度な技術サポートを推進していただきます。 将来的にはISE(インプリメンテーションサービスエンジニア)の領域も含む、多彩な技術フィールドでご活躍いただけます。 ●主なミッション 高い技術力とビジネススキルを発揮したテクニカルサポート: 深い製品知識とエンジニアスキルで迅速に問題に対応。 ビジネスチームとプロダクト開発チームの双方と密に連携し、お客様の「テックタッチ」利用における安定稼働と信頼回復を実現します。 事業推進のための技術的ハブとしての役割: ビジネスチームが顧客とのアライアンスや新規サービスを企画する際、製品知識とエンジニアリングの視点で構想の技術的実現性を支援。 PdMへの情報連携をリードすることで、新たな事業企画を技術面から支援します。 プロダクト改善への貢献: お客様の声や洞察に基づき、PdMチームの新機能の仕様策定を支援。 更にスプリントレビュー等を通じて開発チームもサポートし、プロダクトの継続的な価値向上と品質担保に貢献します。 業務効率化の推進:自チームだけではなく他チームと協業して業務を推進するため、常に全体最適に向けたプロセス設計、ツール導入や内製開発等に取り組んでもらいます。 ●ご経験を活かせる領域・サポート体制について 上記のミッションでは、これまで培ってきたWebシステム開発やテクニカルサポート、プロジェクトマネージメントといったご経験を発揮頂きたいと考えています。 もちろん、全ての領域に精通している必要はありません。 一部業務が未経験の方や、 特定の技術領域のご経験が浅い方でもご安心ください。 入社後のオンボーディングやチーム内でのサポートを通して、早期のキャッチアップとご活躍を全力でバックアップします。 新しい技術や未知の領域にも、安心して挑戦できる環境を用意しています。 【チーム体制】 現在4名で業務を行っています。 <TSE職入社メンバーの紹介> 新卒でWeb制作会社に入社し、サイト運用のディレクションやWebシステム開発の経験を積む。 その後、Salesforceの初期導入を実施するパートナー会社で、様々な業種業態の企業へ提案・開発を行う。 21年12月にテックタッチへCSEチームで入社。

テックタッチ株式会社

●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。 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。 ●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

テックタッチ株式会社

【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、AI型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1000万人*を超える巨大な基盤を活かし
現在は最先端の生成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。 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) テックタッチは、大手企業向けにブラウザ拡張やJSスニペットを通じて、あらゆるWebシステムのUXを変革しています。 さらに、生成AIとの融合により、プロダクトのあり方自体が進化しつつあります。 この進化を加速するべく、生成AIを活用した開発を推進しつつReact / TypeScript を中心としたモダンなフロントエンド技術に習熟し、プロダクト価値の向上に貢献いただけるエンジニアを募集しています。 ●チームミッション よりたくさんの人に価値を届けるために、フロントエンドの知識を総動員し、プロダクトを共創する ●ポジションの特徴 AI を用いた開発の推進:生成AI(Claude Code, Cursor, Devin, v0, Github Copilot など)を活用したAI主導の開発を推進中 Web標準・ブラウザへの深い理解が求められる:Chrome/Edge/Safari/Firefox 上で動作するサードパーティスクリプト実装・拡張機能開発 自律的な仕様策定:エンジニア自身が仕様の提案・改善を行い、ビジネスチームと連携しながらチームで議論しながら開発を推進 ●主な業務内容 ・React を利用した機能開発 ・Chrome/Edge/Safari などのモダンブラウザにおけるサードパーティスクリプト及びブラウザ拡張の開発 ・開発業務への生成AI活用、自動化ツール等を活用した開発の効率化 ・スクラムによるアジャイル開発 ・2週間に1度のスプリントレビューでビジネスサイドから細かくフィードバックをもらうイテレーティブな開発 ・プロダクトに対して望ましい仕様を自律的に提案し、議論しながらの開発 ・プロダクト開発において他職種のメンバーを巻き込み課題解決を実施 ●開発環境 使用技術:JavaScript / Typescript, React, Nx, Storybook, Vite, Webpack, SWC, Jest, Playwright, CircleCI, Gihub Actions, Amplify, Go など ツール:Cursor, Claude Code, Devin, v0, Github Copilot, Linear, Notion, Docker, CircleCI, Amplify, Datadog, Sentry, Slack, Google Meetなど コード管理:Github CI/CD:CircleCI, Github Actions, AWS codepipeline etc プロジェクト管理・ドキュメント:Jira, Notion, LucidChart コミュニケーションツール:Slack, tandem.chat, Google Meet 監視・ログ収集基盤:Datadog, Sentry, AWS CloudWatch、など様々なツール・サービスを利用

テックタッチ株式会社

【事業概要】 私たちはこれまで、AI型デジタルアダプションプラットフォーム(DAP)「テックタッチ」を通じて、システムの「操作」におけるユーザーのつまずきを解消してきました。 そして今、生成AIの時代においては、どんな業務でも AI を活用できるプラットフォームとしての進化が進んでいます。 また次なる一手として「AI Central」を立ち上げました。 これは企業の固有データをAIで構造化し、経営の意思決定パートナーへと昇華させる挑戦です。 「システムを使いこなせる世界」を実現するために、UIガイドによる定着化と、AIによるデータの資産化。 この2つの強力な武器を統合的に扱い、顧客価値を最大化していこうとしています。 【マネージャー候補の方にお任せしたいミッション】 まずは手を動かしつつ、中長期的には以下のマネジメント業務へのシフトを期待しています。 マネージャーの役割自体の定義もゆくゆくはお任せいたします。 プレイングマネージャーを想定しておりますが、組織と人のマネジメントを極めて VPoE のような、より経営に近い役割を目指される方も歓迎です。 1.組織マネジメントとエンジニアの成長支援 SREチームメンバーのピープルマネジメント(1on1、キャリア支援、評価)。 SREチームの組織の形や役割の定義を必要に合わせて組み替える。 2.技術戦略の策定と意思決定 事業計画に基づいたインフラ・SREロードマップの策定。 マルチAIモデル基盤やセキュリティガバナンスにおける技術選定の判断。 3.ステークホルダーとの合意形成 PdMや各プロダクトチームと連携し、SLOの策定や信頼性とデリバリー速度のバランス調整。 エンタープライズ顧客特有の高度な要求事項を、汎用的なアーキテクチャへ落とし込むための調整。 【チームの主な業務内容】 ウェブアプリケーションからクラウドインフラ、さらにビルド&開発環境まで一気通貫で、セキュリティ、信頼性、コスト最適性を追求していただきます。 そのためにエンジニア組織がセキュアに DevOps を実践できる環境を作り上げたり、オブザーバビリティを実現します。 また、今後サービス導入が拡大していく中でより良いアーキテクチャへ導く役割も持っていただきます。 (※上記はチームとして担うスコープを示したものであり、個々人がすべてを実装することを求めるものではなく、チーム全体としてこれらを実現できる状態をつくることが期待役割です。) 【開発の特徴】 必要に応じて外部サービスも活用し、テックタッチの運用を最適化するために必要な機能をインフラ面から考えていきます。 一方で、アプリケーションの特性を踏まえてインフラを改善していく必要があり、アプリケーションに対する理解力も求められます。 ●使用技術例 Go, TypeScript, Python, gin, MySQL/PostgreSQL/Aurora, CloudFront, ECS/Fargate, Terraform, Security Hub, CloudTrail, Langfuse, Dify etc. ●使用サービス例 コード管理:Github (Enterprise) プロジェクト管理・ドキュメント:Notion, Linear, Miro コミュニケーションツール:Slack, tandem.chat, Google Meet 監視・ログ収集基盤:Datadog, Sentry, AWS CloudWatch CI/CD:CircleCI, Github Actions, AWS codepipeline etc. AI:OpenAI, Anthropic, Gemini, Devin, GitHub Copilot, Cursor etc.

株式会社カオナビ

カオナビ労務の成長を担うプロダクトマネージャーとして、以下の業務に取り組んでいただきます。 ●プロダクト戦略の策定と実行 ●市場調査・競合分析によるプロダクト要件の定義 ●エンジニアやデザイナーとの連携によるプロダクト開発の推進 ●複数のプロダクトマネージャーと協力しながらの横断的な課題解決 ●ユーザーフィードバックの収集と分析、改善施策の立案 ●KPIの設定と進捗管理 ●ステークホルダーへの報告とコミュニケーション ●プロダクトのローンチ計画と実行管理 ●データ分析に基づくプロダクト改善の提案 開発環境 開発言語:Go, JavaScript, TypeScript フレームワーク:Echo, React 開発/運用環境:Docker, GoLand, Figma, GitHub, GitHub Copilot 構成管理:Terraform インフラ環境:AWS (EC2, RDS, S3, CloudFront, ECS, Fargate, ECR, SystemManager, EventBrigte, GlobalAccelerator...), Mailgun 監視, モニタリング, 運用ツール:AWS CloudWatch, Mackerel 社内ツール:Confluence, JIRA, Slack, Zoom, Miro

株式会社カオナビ

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

株式会社カオナビ

自社プロダクトのタレントマネジメントシステム「カオナビ」を中心に、自社の事業におけるプロダクト開発/運用を支える基盤に関わる業務に幅広く携わっていただきます。 ●プロダクト担当 自社プロダクトであるタレントマネジメントシステム「カオナビ」の基盤についてご担当いただきます。 ・「カオナビ」の機能拡充/機能改修に伴い、基盤環境を適切に設計構築及び実装する ・「カオナビ」の製品品質向上につながるSRE活動全般を実践する ●チーム開発の具体例 専門職の人やチームで企画した仕様書を元にエンジニアが設計と実装を行います。 それぞれの企画の概要はRedmineで管理されており、チケット駆動やスクラムなど、チームごとに最適な開発プロセスで開発を行っております。開発タスクの管理はJiraを利用しており、ソースコードレビューをGitLab上で行っております。 ●開発環境 開発言語:PHP, Go, TypeScript, Dart フレームワーク:Laravel, Gin, React, Flutter コード管理:GitLab DB:MySQL インフラ:AWS, Terraform, Docker 監視ツール:Mackerel, Datadog 社内ツール:Confluence, Jira, Redmine, Slack, Miro, Figma 開発環境: JetBrains IDE, Visual Studio Code AI開発環境:Github Copilot, Claude Code

株式会社カオナビ

【事業概要】 持続的な企業成長には生産性向上が不可欠であり、「人的資本経営」の重要性がかつてないほど高まっています。その中核を担うのが「タレントマネジメント」です。本音の人材情報を活用し、個人と組織の潜在能力を最大限に引き出すことで、企業はさらなる高みを目指せます。 カオナビは、個の力を最大化し、組織をより強くするためのタレントマネジメントシステムです。人事業務の効率化から戦略人事の実現まで、幅広い目的に対応。人材データプラットフォームに蓄積された個のデータをAIと掛け合わせることで、「個の力の最大化」による盤石な組織を築き、企業の成長を力強く後押しします。 【募集概要】 自社サービスのタレントマネジメントシステム「カオナビ」において、新機能開発や機能拡張の実装、パフォーマンス向上のためのリファクタリングや新しい技術の導入など様々な業務をサーバーサイドエンジニアとしてご担当いただきます。 またSRE (Site Reliability Engineering) 活動を行なっているインフラグループと連携し、品質を維持しながらスピード感をもった開発を行っていただきます。 【業務内容】 (1)機能開発を主なミッションのエンジニアの場合 開発に伴う計画の作成および進捗の管理 新機能作成や既存機能の改善のためのサーバサイド側の設計および開発 機能のパフォーマンス向上に伴う改善活動 (2)技術横断的な保守や改善が主なミッションのエンジニアの場合 機能横断で利用されているモジュールのリアーキテクチャリング ライブラリや使用言語のバージョンアップ 開発効率や開発者体験向上を目的とした改善活動 また、ご希望や経験に応じて、以下のようなロールをお任せすることもあります。 テックリード エンジニアリングマネージャー その他にも有志で以下のような取り組みを行っています。 (主に若手の)メンバー教育のための企画/施策 エンジニア採用広報に関する活動 【チーム開発の具体例】 専門職の人やチームで企画した仕様書を元にエンジニアが設計と実装を行います。それぞれの企画の概要はRedmineで管理されており、チケット駆動やスクラムなど、チームごとに最適な開発プロセスで開発を行っております。開発タスクの管理はJiraを利用しており、ソースコードレビューをGitLab上で行っております。 【開発環境】 開発言語:PHP, Go, TypeScript, Dart フレームワーク:Laravel, Gin, React, Flutter コード管理:GitLab DB:MySQL インフラ:AWS, Terraform, Docker 監視ツール:Mackerel, Datadog 社内ツール:Confluence, Jira, Redmine, Slack, Miro, Figma 開発環境: JetBrains IDE, Visual Studio Code AI開発環境:Github Copilot, Claude Code

株式会社カオナビ

●Goを用いたアプリの設計と開発、システム改善 ●Goで実装されたコードのレビュー・品質維持 また、ご希望や経験に応じて、以下のようなロールをお任せすることもあります。 ●テックリード ●エンジニアリングマネージャー その他にも有志で以下のような取り組みを行っています。 ●(主に若手の)メンバー教育のための企画/施策 ●エンジニア採用広報に関する活動 【チーム開発の具体例】 専門職の人やチームで企画した仕様書を元にエンジニアが設計と実装を行います。それぞれの企画の概要はRedmineで管理されており、チケット駆動やスクラムなど、チームごとに最適な開発プロセスで開発を行っております。開発タスクの管理はJiraを利用しており、ソースコードレビューをGitLab上で行っております。 開発環境 開発言語:PHP, Go, TypeScript, Dart フレームワーク:Laravel, Gin, React, Flutter コード管理:GitLab DB:MySQL インフラ:AWS, Terraform, Docker 監視ツール:Mackerel, Datadog 社内ツール:Confluence, Jira, Redmine, Slack, Miro, Figma 開発環境: JetBrains IDE, Visual Studio Code AI開発環境:Github Copilot, Claude Code

株式会社メドレー

自社製品「@link」および関連サービスを支えるインフラ基盤およびネットワークの設計・運用を通じて、医療機関とクラウド環境を結びつけ、安定したサービス提供を実現していただきます。 具体的には・・ ・AWS上のサービス群のサーバーおよび医療機関とのネットワークのインフラの設計・構築・運用 ・インフラの可用性・セキュリティ・拡張性を意識した改善推進 ・医療機関や関連サービスとの連携を図り、技術的なサポートを提供 ・チーム内での知見共有を通じて、インフラ品質の向上 ・障害調査やボトルネック解消に取り組み、パフォーマンス改善を実施 ・laCやスクリプトを活用した運用効率化の施策を提案・実施 <主な技術スタック> IaCツール :Terraform、Ansible 開発言語 :PHP、JavaScript ライブラリ等 :Laravel データベース :PostgreSQL 開発ツール :Cursor、Windows + VisualStudioCode ソース管理 :Github / GitLab インフラ :AWS、オンプレミスサーバ(RHEL) 業務ツール :JIRA、Slack、NewRelic、Mackerel、PagerDuty、Zabbix、Docker ●業務の変更の範囲:会社の定める業務

株式会社GROWTH VERSE

ご経験と志向性に合わせて、プレイングリードからマネジメント、技術選定まで流動的に役割を担っていただく想定です。 ＜具体例＞ ・技術組織の牽引: レビュアーとしてコード品質を担保し、若手エンジニア育成や開発文化醸成へ関与 ・バックエンド開発: Go言語での信頼性・可用性を重視したシステム開発・運用 ・リアーキテクチャの推進: 将来的なスケールを見据えた、拡張性の高いシステム設計および実装 ・インフラ最適化: GCPの運用管理、コスト改善 ■ 技術スタック ・フロントエンド: React、TypeScript ・バックエンド: Go、Echo、Python ・インフラ: GCP (Cloud Run、Cloud SQL等) ・データベース: Cloud SQL(PostgreSQL) ・開発環境: GitHub、Docker、GitHub Actions、Cloud Build、Terraform、Cursor、Claude Code ■ 開発スタイル/働き方 ・フルリモート、フレックスで柔軟な働き方 ・1週間スプリントでのアジャイル/スクラム開発 ・Cursorなどの生成AIを活用した効率的な開発

株式会社TRAILBLAZER

【募集概要】 JR西日本グループ全体のデータ駆動型経営(DX)を技術面から支える、横断組織のマネージャーを募集します。 本ポジションは、特定の事業部を支援するのではなく、全社で利用する「データの土台(基盤)」や「分析のルール・標準」を整備し、組織全体のデータ活用レベルを引き上げる「技術のハブ」としての役割を担っていただきます。 【具体的な業務内容】 「技術開発・先行導入」の観点から、以下の業務を遂行いただきます。 ●技術力向上と成果のアセット化: データサイエンスのケイパビリティを持つメンバーの技術力底上げ、共通ライブラリの開発、R&D 活動を通じビジネス成果の技術的な観点からのアセット化の推進。 ●ピープル・組織マネジメント: 技術志向の強いデータサイエンティストの育成、キャリア支援、チームビルディング、および組織マネジメント。 ●技術的課題解決と推進: 全社的なデータ活用における技術的課題を特定し、その解決に向けたロードマップの策定と進捗管理。 ●社内外との技術連携・調整: 新しい技術基盤の構築や技術導入に伴う、JR 西日本本体、IT 子会社、外部 SI ベンダーとの技術的な合意形成と連携。 【技術スタック】 ●言語・フレームワーク ・Python(pandas / polars を用いたデータ加工・分析) ・PySpark(分散データ処理の運用) ・FastAPI / Flask(API開発・運用) ・pytest(テスト設計・運用) ●データベース / SQL ・複雑なクエリ設計(window関数を用いた時系列データ処理・順位付け) ・WITH句(CTE)を活用した可読性の高いクエリ設計 ・explainを用いたクエリチューニング ・JSON等のネストデータ処理 ●クラウド ・Azure(Blob Storage / ファイル共有 / VM運用・コスト管理 / ネットワーク) ・GCP(BigQuery / Gemini API) ・AWS(S3 / ECR / EKS / Bedrock / CloudShell) ●データ基盤 / ワークフロー ・Databricks(コード管理 / ダッシュボード / ワークフロー運用 / Apps) ・Airflow / dbt / Dagster / Airbyte(データパイプライン構築・運用) ●インフラ / DevOps ・Docker / Terraform(IaCによる環境構築) ・GitHub(バージョン管理 / GitHub Actions / Copilot活用) ●開発環境 ・VS Code / Claude Code / GitHub Copilot

株式会社レンガ

CTO直下で、月間100万人が利用する日本最大級の住まいの口コミ評価サービスの開発エンジニアをお任せします。 具体的な業務内容は以下の通りです(社内状況や本人の志向性など踏まえて、双方で相談しながら進めていく想定です) ●マンションノート(及び新規事業)の開発を行って頂きます ●スクラムチームに分かれて仕事を行います。 (スクラム未経験でも大丈夫です)スクラムチームは本人の意向を重視し柔軟に組み換えを行っていきます ●携わる領域/タスクは個人の希望や得意分野に応じてアサインされ、また様々な経験ができるよう柔軟に変更していきます ●サーバーサイドに専念されたい方もフルスタックとして幅広く携わることも可能です。 ●ご希望に応じて企画提案/技術調査/検証/要件定義/設計/開発/システム運用/テスト/UIUX/データ分析/レポート等に携わることができます ●新規事業やゼロからのネイティブアプリの立ち上げ、AI関連の機能開発などに携わることもできます ●技術/ツール/方法論などの選定にも携わることができます ●サービスとして大規模な定性・定量データを扱う中、AI関連のタスクも進行しています。 具体例としては日々投稿される口コミをすべて人間の目で確認していましたが、そのプロセスの大部分をAIに置き換えるタスクが進行しています。 その他タスクの進め方としてCopilotを導入しています ●新しい技術は積極的に取り込みつつも、どのようなものでも新技術という視点ではなく「必要だから新技術を使う」という考えを重視しています ※サーバーサイド、フルスタック、どちらを志向されていてもご対応可能です。 ※ご本人様の希望によっては企画立案や事業戦略にも関わることが可能です。 ※短中期で(本人のご希望に応じて)マンションノート以外の新規事業にも携わって頂くことも可能です。CTO直下で、月間100万人が利用する日本最大級の住まいの口コミ評価サービスの開発エンジニアをお任せします。 業務内容 具体的な業務内容は以下の通りです(社内状況や本人の志向性など踏まえて、双方で相談しながら進めていく想定です) ●マンションノート(及び新規事業)の開発を行って頂きます ●スクラムチームに分かれて仕事を行います。(スクラム未経験でも大丈夫です)スクラムチームは本人の意向を重視し柔軟に組み換えを行っていきます ●携わる領域/タスクは個人の希望や得意分野に応じてアサインされ、また様々な経験ができるよう柔軟に変更していきます ●サーバーサイドに専念されたい方もフルスタックとして幅広く携わることも可能です。 ●ご希望に応じて企画提案/技術調査/検証/要件定義/設計/開発/システム運用/テスト/UIUX/データ分析/レポート等に携わることができます ●新規事業やゼロからのネイティブアプリの立ち上げ、AI関連の機能開発などに携わることもできます ●技術/ツール/方法論などの選定にも携わることができます ●サービスとして大規模な定性・定量データを扱う中、AI関連のタスクも進行しています。具体例としては日々投稿される口コミをすべて人間の目で確認していましたが、そのプロセスの大部分をAIに置き換えるタスクが進行しています。その他タスクの進め方としてCopilotを導入しています ●新しい技術は積極的に取り込みつつも、どのようなものでも新技術という視点ではなく「必要だから新技術を使う」という考えを重視しています ※サーバーサイド、フルスタック、どちらを志向されていてもご対応可能です。 ※ご本人様の希望によっては企画立案や事業戦略にも関わることが可能です。 ※短中期で(本人のご希望に応じて)マンションノート以外の新規事業にも携わって頂くことも可能です。 開発言語・フレームワーク・データベース Java Sass TypeScript Hibernate Java EE React MySQL インフラ Amazon Web Services Docker、Kubernetes、Amazon ECS、Amazon Elastic Kubernetes Service AI・データ分析・その他環境 BigQuery、Amazon Kinesis NGINX、Memcached、Apache Solr

株式会社本田技術研究所

1.SDVアーキテクチャの全体設計方針立案 ビジネス戦略・商品企画・技術戦略を踏まえ、 車両内外(クラウド・モバイル含む)を横断した システム全体としてのアーキテクチャ方針を構想・定義します。 個別領域最適ではなく、車一台の価値最大化を前提とした全体設計が求められます。 2.アーキテクチャ統制・ガバナンスの構築 各開発部門・機種・世代を跨いだ数百名規模の開発組織に対し、 設計原則・ルール・意思決定プロセスを定義し、 開発全体を統制するガバナンスモデルを構築・定着させます。 単なるルール整備ではなく、実行させ、定着させるところまで責任を持つポジションです。 3.重要開発テーマへの参画・意思決定リード アーキテクチャに大きな影響を与える重要プロジェクトに自ら参画し、 基本方針の意思決定を主導します。 4.技術リーダーシップおよびメンバー育成 アーキテクト・エンジニアに対して、設計思想や技術判断の指針を示し、 組織全体のアーキテクチャ設計力の底上げを担います。 ・設計レビューやディスカッションを通じた技術指導 ・アーキテクト人材の育成・輩出 ・複雑な技術課題に対する意思決定支援 自らの専門性をもってチームを率い、技術で牽引するリーダーシップが求められます。 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります

株式会社本田技術研究所

1.SDVアーキテクチャの全体設計方針立案 ビジネス戦略・商品企画・技術戦略を踏まえ、 車両内外(クラウド・モバイル含む)を横断した システム全体としてのアーキテクチャ方針を構想・定義します。 個別領域最適ではなく、車一台の価値最大化を前提とした全体設計が求められます。 2.アーキテクチャ統制・ガバナンスの構築 各開発部門・機種・世代を跨いだ数百名規模の開発組織に対し、 設計原則・ルール・意思決定プロセスを定義し、 開発全体を統制するガバナンスモデルを構築・定着させます。 単なるルール整備ではなく、実行させ、定着させるところまで責任を持つポジションです。 3.重要開発テーマへの参画・意思決定リード アーキテクチャに大きな影響を与える重要プロジェクトに自ら参画し、 基本方針の意思決定を主導します。 4.技術リーダーシップおよびメンバー育成 アーキテクト・エンジニアに対して、設計思想や技術判断の指針を示し、 組織全体のアーキテクチャ設計力の底上げを担います。 ・設計レビューやディスカッションを通じた技術指導 ・アーキテクト人材の育成・輩出 ・複雑な技術課題に対する意思決定支援 自らの専門性をもってチームを率い、技術で牽引するリーダーシップが求められます。 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります。 【使用ツール】 AUTOSAR Adaptive/Classic, C/C++, Python, Javascript, シェルスクリプト, Doors, EnterpriseArchitect, CAMEO/PREEvision, JIRA/Confluence, Git, SVN, Jenkins, GoogleTest framework, Docker, Claude/Claude Code etc.

株式会社本田技術研究所

1.SDVアーキテクチャの設計方針立案 ビジネス戦略や商品企画などの上位方針に基づき、クロスドメインで価値最大化を実現するアーキテクチャ設計方針を自ら構想・策定します。 2.アーキテクチャ統制スキームの構築・定着 各開発部門と連携しながら、世代・機種を横断した開発効率と品質を両立するための統制スキームを構築・定着させます。 ※実装そのものではなく、全体を俯瞰し統制する立場として関与します。 3.重要開発テーマへの参画・意思決定リード アーキテクチャに大きな影響を与える重要プロジェクトに自ら参画し、 基本方針の意思決定を主導します。 単なるレビューではなく、自ら現場に入り込み、方向性を決め切る役割です。 ※専門性や適性、会社ニーズなどを踏まえ、会社が定める業務への配置転換を命じる場合があります 【使用ツール】 AUTOSAR Adaptive/Classic, C/C++, Python, Javascript, シェルスクリプト, Doors, EnterpriseArchitect, CAMEO/PREEvision, JIRA/Confluence, Git, SVN, Jenkins, GoogleTest framework, Docker, Claude/Claude Code etc.