英語活用 DockerのITエンジニア求人・転職情報

株式会社PKSHA Technology

PKSHA Technologyは、エンタープライズ企業のコールセンターに向けた自然言語処理/機械学習/ディープラーニングを活用したテキスト・音声対話エンジン、及び昨今の働き方の変化に合わせて職場コミュニケーションの課題を支援するためのプロダクトを提供しています。 このポジションでは、エンジニアマネージャー候補として各領域専門の機械学習エンジニアとチームを組み、ソフトウェアエンジニアリングで解決できる課題を自ら手を動かしながら解決していただきます。 ・エンジニアリング組織のアウトプット最大化に向けた仕組みづくりの設計と実行 ・法人向けに提供している既存対話エンジンサービス開発のマネジメント ・機械学習モデルをコアとした新アプリケーション開発のマネジメント ・自社サービス間連携の促進 技術スタック ●利用言語 ・Python ・Ruby (Ruby on Rails) ・Golang ・JavaScript/TypeScript ●クラウド ・AWS ・Azure ●バージョン管理 ・Git (GitHub) ●CI/CD ・CircleCI ・CodeDeploy ・Github Actions ●タスク/ドキュメント管理 ・Notion ・Linear ●コミュニケーション ・Slack / MS Teams ※未経験のものがある場合でも、キャッチアップしてもらえれば問題ありません。

●Position Summary Sony Group Corporation (SGC), is seeking a Senior Cloud Engineer to join the Global Information Security Department organization located in Tokyo. This position will report to the Sr. Manager, Cloud Engineer and will be a member of the Cloud Engineering team that provides designs, engineering support, implementations and 24x7 support of the technology infrastructure that supports a global incident response team. The Cloud Engineering team is a pivotal part of Sony’s information security program to secure its information, assets, services, and the products that depend on them, building trust with customers and stakeholders and protecting the privacy of Sony’s customers. ●Job Responsibilities ・Directly support the Japan Cyber Defense Team and their respective Sony Group companies with all Cloud work such as, but not limited to, security log on-boarding, security configurations, troubleshooting, and establishment of new Cloud environments. ・Support the management of Hybrid infrastructures using Azure, AWS, GCP, and some on-prem solutions ・Implement security best practices for both traditional and cloud environments ・Design, implement and maintain Continuous Integration and Continuous Delivery (CI/CD) pipeline solutions to support Infrastructure as Code (IaC) deployments ・Participate in and contribute to the solution engineering process for security log collection ・Produce, evaluate, and improve on operational processes, procedures, and documentation for security log collection ・Collaborate with teams in other locations to ensure the reliable performance of security log collection across the Sony operating companies ・Support other groups within the organization to maintain availability and proper operation of the security log collection infrastructure

株式会社NTTデータ

急速な発展が見込まれるデジタル資格証基盤となるmdoc発行システム、利用システム開発プロジェクトにおける以下の何れかの職務を担当して頂きます。 プロジェクトにおける具体的な役職・役割については同種のシステム開発経験や技量に応じてアサインします。 ・顧客:官公庁、各種身分証・資格証利用企業(公共、金融、他) ・役割:ITスペシャリストまたはアプリケーションスペシャリスト 資格証、身分証関連技術を用いた技術者としてシステム開発の要件定義から設計・試験までの一通りの工程を担当 ・業務内容:役職・技量等に応じて以下の開発業務を担当してもらいます - デジタル資格証(mdoc:スマホのwalletへの個人属性・資格証格納、および利用)を発行するシステムの初期開発及び機能追加開発 ‐ 上記や資格証を利用する他システムの開発支援 組織情報 組織名:第三公共事業本部　デジタルソサエティ事業部　第四統括部　第四開発担当 組織のミッション:認証・ID基盤の提供と活用によるDX推進 ※代表的なソリューション 内閣官房(現:デジタル庁)　「ぴったりサービス」 https://www.nttdata.com/jp/ja/trends/case/2018/032801/

HENNGE株式会社

企業のクラウド サービスの利活用が進む中で、セキュリティと利便性を両立させる有効な手段として HENNGE One は今後もニーズの拡大が見込まれています。 サービスの成長に伴い、ユーザーの利用ログは増加の一途を辿っており、これらのデータをいかに効率的かつ安全に管理するかが、今後のサービス発展の鍵を握っています。 単なるシステム管理者ではない、データ基盤の構築・運用のスペシャリストとして一緒にビジネスの発展を支える仲間を募集します。 膨大なユーザーログやサービス利用状況のデータを活用するための社内向けの Web アプリケーション開発を担っていただきます。 Web サービスの要件定義から仕様策定、AWS 上での開発・テスト・リリースまで、一貫して携わっていただきます。 データ可視化ツールの UI/UX 改善や、業務効率化に繋がる機能開発などといった地道な作業も含まれますが、これらは社内メンバーの生産性向上に直結する重要なプロセスです。 具体的な業務内容 ●具体的なプロジェクト例 HENNGE One ビジネスを支える各部門における業務のボトルネックにを横断的に解決するためのツールの選定・開発・運用支援を行うことで、会社全体の業務効率を向上する 顧客がどのようにサービスを利用しているかの状況を把握するための利用ログの可視化ツールを構築することで HENNGE One の製品開発の方針策定を支援する <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> Web エンジニアとして、HENNGE One のデータ活用のための社内向け Web アプリケーションの開発全体に責任を持って取り組んでいただきます。 要件定義から開発、リリースまで、業務改善の施策を主体的に立案し、実行できる大きな裁量があります。 あなたのアイデアとスキルで、ビジネス部門の生産性向上に貢献し、HENNGE One の成長を加速させるコアメンバーとなることができます。 ※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。 入社後のキャリアパス まずは、AWS 上のデータ基盤の管理・運用に関する業務からスタートし、当社のビジネスや担当製品である HENNGE One について理解を深めていただきます。 その後は、あなたのスキルや志向性に合わせて、以下のようなキャリアパスを描くことができます。 フルスタック エンジニア : フロントエンドからバックエンド、インフラまで幅広い開発スキルを習得し、フルスタックエンジニアとして活躍できます。 クラウド アーキテクト : AWSに関する深い知識と経験を活かし、クラウドアーキテクトとして大規模システムの設計・構築を担えます。 セキュリティ エンジニア : Webアプリケーション開発で培ったセキュリティ知識を活かし、セキュリティエンジニアとして活躍できます。 データ エンジニア : 大規模データ処理の経験を活かし、データエンジニアとしてデータ基盤の構築やデータパイプラインの開発を担えます。 テクニカル プロダクト マネージャー : 技術知識とビジネス理解を活かし、Webアプリケーション開発をリードするテクニカルプロダクトマネージャーとして活躍できます。

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。

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

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)

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

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

株式会社NTTデータ

<事業部の特徴> NTTデータはマイナンバー制度の発足時から、マイナンバーを安心・安全に活用した便利な社会の実現のために大きな役割を果たしてきました。 当事業部では、マイナンバー関連システムの企画・開発・保守・運用を中心に事業運営を行っており、既存システムの運用・保守、次期システムの更改だけでなく、マイナンバーを活用した新規ビジネスの立ち上げなども行っています。 また、2021年5月19日に公布されたデジタル改革関連法によりマイナンバー制度の拡充が図られており、これからますますマイナンバー関連システムのビジネスは広がっていくことが想定されています。 <募集職種> 上記背景を踏まえて以下の人材を募集いたします。 ・アプリケーション開発を遂行できるプロジェクトマネージャーまたは、アプリケーションスペシャリスト(アプリケーションスペシャリスト) ・システム基盤構築を遂行できるプロジェクトマネージャ、または、インフラエンジニア(インフラエンジニア) アプリケーションスペシャリストとしては、マイナンバーに関する業務仕様の調整、業務アプリケーションの開発の推進を想定しており、インフラエンジニアとしては業務アプリケーションを構築するインフラ基盤(仮想基盤、OS、DB、NW等)の検討・構築を行うことを想定しています。 マイナンバー関連のプロジェクトは、その案件の性質に合わせて、ウォーターフォール開発、アジャイル開発を採用しながら開発が行われています。また、その案件で提供する環境も満たすべき要件・セキュリティに応じてパブリッククラウド、プライベートクラウドなどが採用されています。 詳細については、配属前面談において配属予定のプロジェクトでの採用技術などを相談させていただき、必要であれば配属前、配属後の研修なども検討させていただきます。

株式会社日立ハイテク

デジタル推進統括本部 クロスドメインプラットフォーム本部 クラウド管理部にて、クラウド環境の最適化、マルチクラウドソリューションの企画・実行をお任せします。 <具体的な業務内容> ①クラウド環境のプラットフォーム最適化(要件定義・設計・構築・運用・テスト) ・既存IaaS・PaaS環境からのクラウドネイティブ化対応 ・サーバーレス/コンテナ/マイクロサービスなどを活用したクラウドネイティブ技術の実装 ②マルチクラウドソリューションの企画・推進 ・AWS/Azure等の強みを活かしたプラットフォーム設計と活用戦略立案 ・グローバル拠点を含めた導入展開・標準化・セキュリティ施策の推進 ③クラウド環境上の生成AI環境構築 ・企業プラットフォームからMCP等を活用したLLM連携の構築・活用検証 ・トラストモデルの検証 ・技術強化部門へPoC環境提供 ④プロジェクト運営 ・グローバルプロジェクトのPM/PL/PMO等の各役割に応じたリード ・プロジェクト進捗管理、課題管理、コスト管理、リスク管理、ステークホルダ管理 等 ・プロジェクト会議アレンジ、ファシリーテート、資料作成 等 <現状推進しているプロジェクト> ・マルチクラウド間データ連携基盤の構築 ・クラウド基盤エンタープライズアーキテクチャのグランドデザイン、標準化 <対象クラウドについて> 日立ハイテクグループを対象にしたクラウド基盤、もしくは日立グループを対象にしたクラウド基盤となります。 ボリュームとしては日立ハイテクグループを対象にしたクラウド基盤が多くを占めており、こちらの基盤構築・管理がメインとなります。 日立グループ全体を対象にしたクラウドを使用する場合は、日立製作所や他グループ会社とも連携をとりながら業務を進めていくため、大規模なプロジェクトの推進経験をすることができ、与えるインパクトが大きくやりがいを感じることができます。 ※業務の変更範囲※ 会社の定める業務 ※転勤:茨城県勝田市、および山口県下松市の工場にデジタル推進統括本部のIT部門があるため、ローテションによる転勤の可能性があります。

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 」

株式会社アバント

概要 グループ経営ソリューションに関する自社プロダクト（クラウドサービス）を活用し、イノベーションを加速いただくために、迅速なサービス向上を実現し、改善を進めていく活動に貢献いただきます。 これまでに無い新しい製品（クラウドサービス）開発と成長に挑戦し、共に新しい価値の提供を目指していただきます。 ●業務内容 プロダクト（クラウドサービス）のDevOpsエンジニアとして、運用設計・実装・テスト・計測・改善を主体的に実行していただきます。 期待する事 ・ミッションクリティカルな用途にご利用いただいているサービスの品質を担保しながら、改善・イノベーションを促進していけるよう中長期的な観点とともに解決策、改善策を考案し、アプリケーション開発・SREチームとともに推進していくこと ・アプリケーションのモダナイゼーションと自動化・安定性向上を進める環境を構築していくこと ・ワンチームとして、各関係者と共に有機的かつ能動的にリードしていくこと ・クラウドアーキテクチャや製品、開発プロセスまで継続的な改善と最適化を推進する活動に貢献いただくこと 配属部門 プロダクト開発本部　プロダクト基盤部

株式会社 Laboro.AI

担当プロジェクトのメインエンジニアとして、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、モデル開発/改善、結果のレポーティング等を実施していただきます。（プロジェクトごとに、リード機械学習エンジニアが1名サポートにつきます） ＜具体的な業務内容＞ ・ディープラーニング等の機械学習技術を用いたソリューションの開発 ・顧客プロジェクト向けの機械学習ソリューションのカスタマイズ開発 ・機械学習技術を用いたシステムの開発 ・社内プロジェクトメンバーや顧客への技術的な説明 ーーーーーーーーーーーーーーーー 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） ●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 業務の変更範囲:なし

株式会社 Laboro.AI

担当プロジェクトのメインエンジニアとして、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、モデル開発/改善、結果のレポーティング等を実施していただきます。(プロジェクトごとに、リード機械学習エンジニアが1名サポートにつきます) <具体的な業務内容> ・ディープラーニング等の機械学習技術を用いたソリューションの開発 ・顧客プロジェクト向けの機械学習ソリューションのカスタマイズ開発 ・機械学習技術を用いたシステムの開発 ・社内プロジェクトメンバーや顧客への技術的な説明 ●業務の変更範囲:なし ーーーーーーーー 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) ●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

株式会社 Laboro.AI

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

株式会社 Laboro.AI

担当プロジェクトのメインエンジニアとして、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、モデル開発/改善、結果のレポーティング等を実施していただきます。 また、それに加え、他プロジェクトの機械学習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> ・ディープラーニング等の機械学習技術を用いたソリューションの開発(機械学習エンジニアと同様) ・プロジェクト提案段階での技術観点からの評価やアドバイス ・機械学習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) ●このような想いを実現されたい方にご応募いただきたいです。 1.機械学習を用いた社会実装、産業実装を自分の手で担いたい方 弊社が担当する案件は社会や産業そのものに影響を与えるものが中心です。 技術はあくまでツールとして捉え、ソリューションを提供することを主眼に置いていることを重要視する集団です。 2.自身が担当している案件がPoCのみで終わることや実際に世に出て行かないことに不安を感じる方 弊社の案件継続率は70%と他社と比較して比較的高いと自負しています。 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 ●キャリアパスについて 右記のような流れでキャリアを歩んでいただく想定です。(スタッフ→リーダー→マネージャー→部長) 一方で弊社のエンジニア組織は50名未満とまだまだ成長の余地しかなく、キャリアパスは完全に決まりきっているの部分は少ないです。 今後もキャリアパスは社員の想いや組織の成長段階によって変化し続けると認識しています。 そのため「キャリアは自ら切り開きたい」と思える方にご参画いただきたいですし、弊社としてはその様な想いを支えられる組織として存在できればと考えております。 ●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) ●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 ● 業務の変更範囲:なし

株式会社日立製作所

ミッション ●業界/企業の課題把握及びその課題解決のためのHMAXソリューションの創生、サービス化、リカーリング ●新たな顧客の獲得や、既存顧客への新たな価値の提供により、スケールアップ/N倍化 ●HMAXソリューションを体現するサービスにおける、AI・MI活用を前提としたデータ及びアプリケーション基盤の設計・構築・運用 お任せしたい業務 ●日立のMI・AIツールを直感的に使えるWebアプリの設計・開発・テスト・リリース・サポート ●化学・バイオなど素材産業全般のサービス開発案件のデータ基盤構築・DevOpsパイプライン構築・バックエンド開発 ●顧客のデータマネジメント支援(データ定義、活用ルール検討、品質課題対応)及びPoC推進 ※ ご経験・志向に応じて、DevOps/バックエンド中心、またはデータエンジニアリング/データマネジメント支援中心の役割設計を行います。 (サービス開発事例) ・材料開発ソリューション 　材料の高機能化や環境配慮要求の高度化、開発期間の短縮などにより、従来の「経験と試行錯誤」に依存した材料開発には限界がきている。本ソリューションでは、マテリアルズ・インフォマティクス(MI)及び生成AI技術を搭載したアプリケーション群を中核に、実験条件の提案、材料配合・プロセス条件の最適化、開発スピードと成功確率の向上を実現し、材料開発の競争力強化と持続的成長を支援している。 ・再生材マーケットプレイス 　欧州や日本で再生材利用を促進する法規制の強化を背景に、再生材需要は拡大する一方、品質や供給の不確実性や取引の非効率、静脈産業の投資余力不足が課題となっている。本ソリューションでは、売り手(リサイクラ等)と買い手(製品・素材メーカー)を結ぶマーケットプレイスを中核に、AI/MIによる材料提案、データ基盤、品質分析、金融連携を組み合わせ、再生材取引の高度化と規模拡大を実現し、環境素材事業の持続的成長と資源循環の加速に貢献している。 ●職務詳細 (1)化学・バイオなど素材産業全般のサービス開発案件のデータエンジニア(DE)及びDevOpsエンジニアを担当していただきます。　 データエンジニアとしての専門性を軸に、DevOps/ソフトウェア開発の2つの観点でサービス開発に携わっていただきます。 DevOpsの観点: ・AWS / Azure 等のクラウド環境上におけるアプリケーション実行基盤のアーキテクチャ設計・構築 ・CI/CDパイプラインの設計・構築を通じたビルド・テスト・デプロイの自動化 ・IaCの開発、既存IaCコードの負債解消 ・DORAメトリクスの追跡・DevOpsサイクル改善 ソフトウェア開発の観点: ・バックエンドを中心としつつ、必要に応じてフロントエンドも含めたWebアプリケーションの設計・実装・テスト・リリース対応 ・自ら手を動かして実装を行うプレイングマネージャーとして、 チームと同じ目線で開発に参加すること ・プルリクエストを起点としたコードレビュー・マージを通じたコード品質の継続的な向上への寄与 ・レビューを通じたコーディング規約・設計方針の浸透によるチーム全体の技術ベースの底上げ ・顧客のデータマネジメント支援やPoCの推進 実力、経験に応じて、将来的には多様な分野(産業、流通、社会、金融等)におけるサービスやデータ基盤の構築に携わっていただく可能性があります。 (担当となる主な業務・プロジェクト分野) ・日立のMI・AIツールを直感的に使えるWebアプリのの設計・開発・テスト・リリース・サポート 代表候補のアプリケーション:材料データ分析環境、実験/製造自動化プラットフォーム、再生材マーケットプレイス ・材料開発(研究開発から製造)における生産性向上実現のためのMI/PIを用いた分析環境の実現 ・計測装置と連動して実験/製造データの収集からMI/PIを用いた意思決定までを自動化したプラットフォームの実現 ・再生材の売り手と買い手のマッチングをMI/PI/生成AIを用いて実現するマーケットプレイスの実現 (対象となるアプリケーション) ・AWSやAzureなどクラウドベースのアプリケーション ・機械学習、生成AIなどAIベースのアプリケーション ・eコマースアプリケーション (2)代表的な使用する技術は以下の通りです。 ・クラウド: AWS/Azure ・言語: Java/TypeScript/Python ・フレームワーク: Spring Boot/React ・ソースコード管理: GitHub ・DB: PostgreSQL/MySQL ・プロジェクト管理: Jira ・コミュニケーション: Microsoft Teams 配属組織名 デジタルサービスビジネスユニット(フロントサービス) デジタルサービスビジネスユニット　フロントサービス事業統括本部　サービス事業創生本部 配属組織について(概要・ミッション) ●組織のミッション:顧客の経営課題にリーチし、IT×OTプロダクトの知見を結合させたHMAXをコアとするAIソリューション群を開発し、デジタルサービス事業としてリカーリングし、新たな顧客の獲得や、既存顧客への新たな価値の提供により、スケールアップ/N倍化を図ること ●担当業界:化学・バイオなどの素材産業全般を中心とした民間企業のR&D部門 ●組織構成:上位マネージャ2名、マネジャー3名、データサイエンティスト18名、データエンジニア12名、ITエンジニア2名 携わる事業・ビジネス・サービス・製品など ●ビジネス・サービス・製品 ・HMAXソリューション 　HMAXは、AIで社会インフラを革新する次世代ソリューション群です。　フィジカル・デジタル両方のアセットから得られる膨大なデータを活用し、先進的なAIを日立ならではの深いドメインナレッジで強化することで、社会インフラが抱える最も複雑な課題に挑み、お客さまと社会に最大の成果と価値を提供します。これらのソリューションは、体系化された構成要素に基づいており、先進的な技術を組み込み、強固なパートナーエコシステムを活用することで、現場システムの信頼性とパフォーマンスを向上させます。HMAXは、産業設備・機器など物理的なアセットやデジタルアセットから収集されるデータと、日立が長年にわたり運用・保守システムの展開を通じて培ってきたドメインナレッジを組み合わせ、 Perception AI(認識AI)や生成AI、Agentic AI、フィジカルAIなど先進的なAI技術で、世界中に新たな価値をもたらす強力なソリューションを提供します。 ・参考URL https://www.hitachi.co.jp/products/it/lumada/hmax/index.html ●材料開発ソリューション 　従来、研究者の勘や経験、膨大な実験回数で築かれてきた材料開発を、多様な材料データから材料開発の指針を見いだすMIという手法が大きく変えようとしています。 国内外で素材産業のR&D部門がMI導入を本格的に進めており、新規市場形成および成長が進行しています。 日立は、グローバルな材料開発競争の激化を見越し、MIを用いた材料開発の導入をめざす素材産業に対して、MIを適用した「材料開発ソリューション」を2017年11月から提供開始しています。 ・参考URL https://www.hitachi.co.jp/Prod/comp/app/mi/ ●関連ニュースリリース・記事など ・材料開発ソリューション関連ニュースリリース https://www.hitachi.co.jp/Prod/comp/app/mi/newstopics.html ・日立評論:マテリアルズインフォマティクスを適用した材料開発ソリューションと今後の展望 https://www.hitachihyoron.com/jp/archive/2020s/2020/03/03b03/index.html

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。

FPTニアショアジャパン株式会社

ウォーターフォール開発において、基本設計、機能設計、詳細設計、プログラム製造、試験工程に携わっていただきます。 ●案件例 通信キャリアの店頭契約業務で利用されるタブレット向け業務システムのUI/UX開発プロジェクトです。 ・チーム規模:20名程度 ・役割:サブリーダー、メンバー(ご経験による)

FPTテクノジャパン株式会社

●役割と期待内容 お客様のITインフラをより柔軟でスケーラブルなクラウド環境へ移行・最適化するために、クラウドエンジニアとしてインフラ設計・構築・運用をリードしていただきます。 AWSやAzureなどのクラウドプラットフォームを活用し、セキュアかつ高可用性なシステムの実現を支援します。プロジェクトチームや社内外の関係者と連携しながら、技術面だけでなく運用性やコスト最適化にも配慮したインフラソリューションの提供が求められます。 ・クラウドインフラ(オンプレミス、AWS, Azure、GCP等)の設計・構築・運用 ・顧客要件に応じたシステム構成の提案および改善 ・IaC(Infrastructure as Code)による自動化対応 ・セキュリティ・パフォーマンスの最適化 ・運用マニュアルの作成および技術支援 ●案件例 業界最大手製造業向け オンプレミスシステムのAWSクラウド移行プロジェクト オンプレミスシステム群をAWS上に移行するプロジェクトです。 既存システムの構成と要件を分析し、段階的にクラウドへの移行を実施します。 様々なステークホルダーと連携し、一大プロジェクトの重要な役割を担います。 これから重要なフェーズに移るため、体制強化を目指しています。 ●担当業務 ・クライアントとの日常的なコミュニケーションによる要件の整理、確認 ・既存システムの構成・業務フローの分析 ・お客様の要望をドキュメント化し、オフショアチームに正確に伝達 ・オフショアチームとの連携およびタスク進捗の管理 ・プロジェクト進行に伴う課題管理および報告 ●使用スキル・技術 ・オンプレミス、クラウド(AWS、Azure、GCP等)に関する基礎知識 ・クラウド移行に関する基本的な設計、移行プロセスの理解 ・インフラ領域全般の知識(一部でも可) ・プロジェクトマネジメント(進捗管理・課題管理) ・ビジネスアナリシス(BA)スキル:要件ヒアリング、ギャップ分析、ドキュメンテーション

株式会社日立製作所

【配属組織名】 デジタルサービスビジネスユニット(公共システム) 【配属組織について(概要・ミッション)】 公共システム事業部では、官公庁、自治体、外郭団体等、公共・社会分野にて50年以上のIT導入実績があります。 その中で培ってきた知見やノウハウに最新技術を適用することで、デジタルトランスフォーメーションを実現しています。 今回は、その中でも社会貢献度が高く、先端技術を使いながらキャリアアップ、スキルアップができる分野のインフラエンジニアを募集いたします。 なお、希望する仕事内容・キャリアプラン等について、面接時にお聞かせください。 ●募集部署1:オンプレミス環境でのプラットフォーム構築 ハードウェア/ミドルウェアのプレ・調達から設計～構築～テストを実施し、お客様へ納めることを専門とした部署にて、様々なお客様のプラットフォーム構築を実施します。 ●募集部署2:パブリッククラウドを用いたプラットフォーム構築 最新クラウド技術(AWSやAzureの活用を含む)を用いて、大量データ解析・可視化する基盤構築やデータサイエンティストがデータ分析する基盤等のソリューション構築を実施します。 弊社では、上記以外にも多種にわたるインフラエンジニアの活躍機会があります。 配属後のキャリアプランについては柔軟に対応できますので、配属組織の上長とご相談ください。 【参考資料】 ・SEトップメッセージ:https://youtu.be/Nbqq3aqnRag ・事業部紹介映像:https://youtu.be/QJrlX_UvWS8 【職務概要】 ITアーキテクトとして、最新技術をいち早く検証し、顧客にとって最適な技術の組合せを検討・提案し、ソリューション構築を担当していただきます。 そのため、顧客にとって価値の高い業務/システムの企画から構築までを担うために、常に最新技術を貪欲に追い求めることを期待します。 【職務詳細】 企画・プレ段階～構築、稼働、保守までトータルで活動をしていただきます。 どのような技術を用いたアーキテクチャとするかは、お客様の要求をベースに最適な形を検討していただきます。 具体的な職務の概要(流れ)は以下になります。 (1)企画・プレ段階 顧客要求に応じた最新アーキテクチャの検討・提案を行います。 ・AWS/AzureのPaaSや他社サービス(SaaS)の適用検討 ・セキュリティ等顧客の心配事項に応じた説明 ・社内/社外のサービスとの組合せに関する検討・協議 (2)技術検証段階 PoC等の実験環境の構築/評価に基づく要件見直しを行います。 ・実証実験計画書の作成 ・クラウド等を利用したアーキテクチャ概要設計・構築 ・実証実験評価(技術的課題等の洗い出し、費用試算等) (3)構築段階～本番稼働以降 実証段階の評価を踏まえ環境等の構築を行い、ノウハウ蓄積を行います。 ・クラウド等を利用した商用環境の設計・構築 ・効率的な保守を実現するための設計・実施 ・最新技術の適用事例化(社内発表) ●公共システム事業部ニュースリリースはこちら http://www.hitachi.co.jp/Div/jkk/press/index.html 【働く環境】 【配属組織構成】 組織では20代～50代まで、幅広い年齢層の社員が活躍しております。 【働き方】 若手を中心に経験者採用で活躍しているメンバーも多く、働きやすい職場です。 在宅勤務と出社もフレキシブルに組み合わせながら仕事を進めていただけます。 ※配属部署によって異なる場合がございます。予めご了承ください。詳細は面談にてご確認ください。 ※上記内容は、募集開始時点の内容であり、入社後必要に応じて変更となる場合がございます。予めご了承ください。 【キャリアパス】 ●クラウド環境の構築・開発の経験、キャリアを積むことができる。 ●最新技術を組み合わせて社会課題の解決に寄与するシステム構築を経験できる。 ●キャリアを積み上げる機会が無数にあり、繰り返しキャリアを研鑽できる。

株式会社日立ハイテク

●職務内容 本ポジションは、半導体製造装置・計測検査装置から生み出される膨大なデータを活用したAI・デジタルソリューション開発を支えるDevOpsエンジニアです。 AI画像処理・データ解析エンジニアが開発するモデルやソリューションを、 「安定して・安全に・継続的に使える形で現場に届ける」ための基盤づくり・運用を担っていただきます。 クラウド前提のDevOpsとは異なり、オンプレミス/GPUサーバー環境を中心とした、半導体業界特有の制約下でのAI基盤整備が特徴です。 ●職務詳細 以下の業務を、AIソリューション開発チームと密に連携しながらご担当いただきます。 1.インフラ・基盤設計/運用 ・オンプレミス環境におけるLinuxサーバーやGPUサーバーの設計・構築・運用 ・半導体製造装置・計測検査装置向け機械学習/AI開発基盤の整備・最適化 ・セキュリティ・性能・運用性を考慮した基盤構成の検討 2.開発支援・DevOps領域 ・AI開発チームが効率的に利用できるCI/CD環境の構築・改善・運用支援 ・コンテナ環境の構築・運用(開発～検証フェーズ中心) ・開発・検証プロセスの標準化、運用ルール整備 3.横断的な役割・改善活動 ・複数のAI開発チーム(約4チーム)を横断し、 ・基盤・運用面から支援 ・社内のAI開発者・サーバー管理担当と協働し、開発環境の共通化やベストプラクティスの整理・展開 ・新技術・新ツールの調査・評価・導入によるシステム全体の信頼性・パフォーマンス・ユーザビリティ向上 ※AIモデル開発そのものが主業務ではありませんが、AI開発プロセスに日常的に関わる立場となります。 ●開発環境 ・OS/インフラ: Linuxサーバー、GPUサーバー ・CI/CD: GitHub Actions ・コンテナ技術: Kubernetes、Docker ・IaC (Infrastructure as Code): 該当ツール ・監視・可観測性: Prometheus、Grafana ・ML基盤: PyTorch、TensorFlowを用いた環境